머신비전 검사 로그를 안 남기면 원인 추적은 실패한다

• 목록
• 답변
• 글쓰기
• 옵션
  • 수정
  • 삭제

불량 이미지를 지우는 순간 같은 문제가 다시 옵니다

실패 사례: NG만 세고 이미지는 남기지 않은 라인

현장에서 가장 자주 보는 실수는 머신비전 검사 결과를 OK와 NG 숫자로만 남기는 방식입니다. 처음에는 저장 공간을 아끼고 관리 화면을 단순하게 만들 수 있어 좋아 보입니다. 하지만 불량률이 갑자기 올라간 날, 담당자는 숫자만 보고 원인을 추적해야 합니다.

예를 들어 월요일 오전에는 NG가 0.8%였는데 오후부터 4.5%로 증가했다고 가정해 보겠습니다. 이때 불량 이미지, 조명 상태, 카메라 노출값, 검사 버전이 함께 저장되어 있지 않다면 원인은 금형 변화인지, 표면 반사인지, 렌즈 오염인지 알 수 없습니다. 결국 작업자는 라인을 세우고 제품을 다시 흘려보내며 재현 실험을 해야 합니다.

이미징 솔루션에서 데이터는 부가 기능이 아니라 검사 품질의 일부입니다. 사람이 눈으로 확인하는 과정에서도 시각 정보가 판단의 중심이듯, 기계가 보는 이미지 역시 판단 근거로 남아야 합니다. 시각과 인지의 기본 개념은 시각에 대한 지식백과 설명처럼 외부 자극을 해석하는 과정과 맞닿아 있습니다.

• 하지 말아야 할 일: NG 개수만 저장하고 원본 이미지를 자동 삭제하는 설정
• 반드시 남길 것: 원본 이미지, 판정 이미지, 검사 ROI, 판정값, 검사 시간
• 현장 팁: 전체 이미지를 영구 저장하기 어렵다면 NG와 경계값 근처의 OK 이미지만 우선 보관합니다.
• 관리 기준: 날짜, 설비명, 품번, 검사 레시피별로 폴더나 데이터베이스 키를 나눕니다.

검사 장비가 틀렸는지 제품이 변했는지 알려면, 판정 당시의 이미지를 다시 볼 수 있어야 합니다. 숫자 로그만으로는 현장의 시간을 되돌릴 수 없습니다.

검사 조건을 기록하지 않으면 데이터는 증거가 아닙니다

흔한 실수: 이미지 파일명만 믿는 운영

불량 이미지를 저장하더라도 검사 조건이 빠지면 절반만 남긴 기록이 됩니다. 같은 스크래치처럼 보여도 카메라 노출, 조명 밝기, 렌즈 조리개, 필터 상태, 알고리즘 버전에 따라 전혀 다른 의미를 가질 수 있습니다. 특히 반사율이 높은 금속, 투명 필름, 유리, 코팅 제품은 조건 변화에 민감합니다.

광학 검사는 단순히 사진을 찍는 일이 아닙니다. 빛이 표면에 닿고 반사되며 렌즈와 센서를 거쳐 디지털 신호로 바뀌는 전체 과정입니다. 따라서 광학의 기본 개념을 고려하지 않은 로그 체계는 나중에 분석용 데이터로 쓰기 어렵습니다.

실패 사례는 대개 이렇게 시작됩니다. 검사기는 정상적으로 NG 이미지를 저장하지만, 어느 날부터 이미지가 전체적으로 어둡게 보입니다. 파일명에는 시간만 있고 노출값이나 조명 컨트롤러 출력값이 없습니다. 담당자는 카메라 문제인지, LED 열화인지, 작업자가 레시피를 바꿨는지 확인하기 위해 여러 사람에게 연락해야 합니다.

1. 카메라 설정: 노출 시간, 게인, 트리거 지연, 해상도, 프레임레이트를 함께 남깁니다.
2. 광학 조건: 렌즈 모델, 조리개값, 필터 사용 여부, 조명 채널별 출력값을 기록합니다.
3. 검사 알고리즘: 레시피명, 임계값, 검사 영역 좌표, 소프트웨어 버전을 저장합니다.
4. 생산 정보: 품번, 로트, 설비 번호, 작업조, 작업 시작 시간을 연결합니다.

기록해야 할 항목은 생각보다 많습니다

많은 현장이 저장 항목을 줄이려는 이유는 이해됩니다. 데이터가 많으면 관리가 번거롭고, 저장 장치 비용도 늘어납니다. 그러나 추적성이 필요한 비전 시스템이라면 핵심 조건을 최소 단위로 표준화해야 합니다. 모든 것을 고해상도 원본으로 보관하자는 뜻이 아니라, 나중에 원인을 좁힐 수 있는 단서를 빠뜨리지 말자는 뜻입니다.

아래처럼 저장 항목을 등급화하면 비용과 추적성을 함께 잡을 수 있습니다. 일상 운영에서는 기본 로그를 남기고, 불량 증가나 신규 품번 양산 시에는 상세 로그를 임시로 켜는 방식도 좋습니다.

• 기본 로그: 시간, 품번, OK/NG, 검사 항목별 점수, 대표 썸네일
• 상세 로그: 원본 이미지, ROI 좌표, 임계값, 카메라 설정, 조명 출력값
• 이벤트 로그: 레시피 변경, 카메라 연결 끊김, 조명 알람, 작업자 설정 변경
• 보존 정책: NG 이미지는 길게, 일반 OK 이미지는 짧게, 경계값 샘플은 별도 보관

저장 공간을 아끼려다 분석 시간을 잃는 경우가 많습니다. 로그 설계의 기준은 “많이 남기기”가 아니라 “다시 설명할 수 있게 남기기”입니다.

OK 이미지를 버리면 불량의 기준도 흐려집니다

NG만 모으면 정상 범위를 알 수 없습니다

검사 실패를 줄이고 싶다면 NG 이미지뿐 아니라 정상 이미지의 변화도 봐야 합니다. 많은 담당자가 불량 이미지만 중요하다고 생각하지만, 실제로는 OK 이미지가 더 중요한 기준선이 될 때가 많습니다. 정상 제품의 표면 질감, 조명 반사, 가장자리 그림자, 미세한 색차가 시간에 따라 어떻게 변하는지 알아야 NG 판정의 의미를 해석할 수 있습니다.

예를 들어 플라스틱 사출품의 게이트 자국 검사를 한다고 가정해 보겠습니다. 초도 양산 때는 OK 제품 표면이 매끈했지만, 한 달 뒤 금형 상태가 변하며 정상 제품에도 미세한 흐림이 생겼습니다. 이때 NG 이미지만 보고 있으면 알고리즘이 예민해졌다고 오해할 수 있습니다. 하지만 OK 샘플을 함께 비교하면 공정 자체의 기준선이 움직였다는 사실을 더 빨리 확인할 수 있습니다.

vision이라는 용어가 단순히 눈으로 본다는 뜻을 넘어 인식과 판단의 체계를 포함하듯, 머신비전도 이미지를 촬영하는 장비만으로 끝나지 않습니다. 용어의 넓은 의미는 vision 관련 지식백과 항목에서도 확인할 수 있습니다.

• 하지 말아야 할 일: NG 이미지만 모아 재학습하거나 임계값을 조정하는 것
• 좋은 방식: 일정 비율의 OK 이미지를 시간대별, 로트별로 샘플링 저장하는 것
• 비교 포인트: 평균 밝기, 대비, 윤곽 선명도, 표면 텍스처, 반사 패턴
• 주의할 점: 작업자가 임의로 “괜찮아 보이는 OK”만 골라 남기면 데이터가 편향됩니다.

경계값 근처의 OK가 가장 비싼 데이터입니다

현장에서 정말 가치 있는 데이터는 완벽한 OK나 명백한 NG가 아닙니다. 알고리즘 점수가 기준선 바로 근처에 있는 이미지, 작업자도 잠시 고민하는 이미지, 특정 각도에서만 결함처럼 보이는 이미지가 중요합니다. 이 데이터를 모아야 검사 기준을 너무 느슨하게도, 너무 엄격하게도 만들지 않을 수 있습니다.

특히 AI 기반 비전 검사나 딥러닝 분류를 사용하는 라인에서는 경계 샘플 관리가 성능을 좌우합니다. 불량 이미지 1,000장보다 잘 분류된 경계 샘플 200장이 더 유용할 때도 있습니다. “불량이 많이 모였으니 모델이 좋아지겠지”라는 기대는 위험합니다. 데이터의 양보다 라벨 품질과 조건 다양성이 더 중요합니다.

저장 정책을 설계할 때는 “불량을 얼마나 잡을까”만 묻지 말고 “정상을 어디까지 정상으로 볼까”도 함께 물어야 합니다. 이 질문이 빠지면 머신비전 시스템은 시간이 갈수록 현장 감각과 멀어집니다.

자동 삭제와 접근 권한을 대충 두면 추적성이 무너집니다

저장 기간보다 중요한 것은 삭제 규칙입니다

데이터 저장을 시작한 뒤에도 실패는 계속 생깁니다. 대표적인 문제가 자동 삭제 정책입니다. 저장 장치가 가득 차면 오래된 파일부터 지우도록 설정하는 것은 흔한 방식이지만, 모든 데이터를 같은 기준으로 삭제하면 중요한 증거가 먼저 사라질 수 있습니다.

예를 들어 고객 클레임은 출하 후 몇 주가 지나 들어오는 경우가 많습니다. 그런데 해당 로트의 NG 이미지와 검사 로그가 7일 만에 삭제된다면 대응 자료를 만들 수 없습니다. 반대로 모든 이미지를 무기한 보관하면 저장 비용과 개인정보, 보안 관리 부담이 커집니다. 따라서 품질 리스크와 데이터 비용 사이에서 등급별 보존 기간을 정해야 합니다.

이때 필요한 것은 거창한 시스템보다 명확한 운영 규칙입니다. 누가 레시피를 바꿀 수 있는지, 누가 이미지를 삭제할 수 있는지, 고객 클레임 로트는 어떻게 보존 잠금을 걸 것인지가 정해져 있어야 합니다. optical technology 장비가 아무리 정교해도 데이터 운영이 허술하면 품질 보증의 근거가 약해집니다.

• NG 원본: 고객 대응 가능성을 고려해 가장 긴 보존 기간을 둡니다.
• 경계 샘플: 알고리즘 개선과 재검증에 쓰이므로 별도 태그로 보호합니다.
• 일반 OK: 샘플링 비율을 정해 보관하고, 기간이 지나면 압축 또는 삭제합니다.
• 설정 변경 로그: 이미지보다 작지만 책임 추적에 중요하므로 장기 보관이 유리합니다.
• 삭제 권한: 설비 담당자 1인에게만 맡기지 말고 승인 흐름을 남깁니다.

권한 관리가 없으면 좋은 로그도 믿기 어렵습니다

검사 로그는 품질 분쟁에서 증거로 쓰일 수 있습니다. 그렇다면 누가 접근했고, 누가 수정했고, 누가 내보냈는지 기록되어야 합니다. 파일 서버에 모두가 접속해 이미지를 마음대로 지우거나 이름을 바꿀 수 있다면, 나중에 그 데이터는 신뢰를 얻기 어렵습니다.

특히 협력사와 공동으로 분석하거나 고객에게 리포트를 제출하는 환경에서는 원본과 편집본을 분리해야 합니다. 원본 이미지는 읽기 전용으로 보존하고, 분석용 사본에서 마킹이나 주석을 추가하는 방식이 안전합니다. 작은 차이 같지만, 클레임 대응에서는 이 차이가 큽니다.

1. 원본 보존: 카메라에서 저장된 최초 파일은 수정하지 않습니다.
2. 분석 사본: ROI 표시, 불량 위치 표시, 밝기 보정은 사본에서만 수행합니다.
3. 접근 기록: 다운로드, 삭제, 레시피 변경, 재판정 실행 이력을 남깁니다.
4. 클레임 로트 잠금: 문제가 발생한 로트는 자동 삭제 대상에서 제외합니다.

여기서 다루지 못한 경계도 있습니다. 초고속 라인처럼 모든 이미지를 저장하기 어려운 경우, 의료·보안 분야처럼 데이터 규제가 더 엄격한 경우, 네트워크가 불안정해 중앙 서버 저장이 늦어지는 경우에는 별도 설계가 필요합니다. 또 저가형 스마트 카메라만 쓰는 소규모 라인이라면 모든 메타데이터를 자동 수집하기 어려울 수 있습니다. 이런 환경에서는 완벽한 로그를 고집하기보다 NG, 경계 OK, 설정 변경 이력부터 단계적으로 남기는 편이 현실적입니다.