ADC(Action Detection Control)는 산업현장의 가장 기본적인 메커니즘인 "움직이고, 발견하고, 제어한다"는 개념을 담은 이름입니다.
본 솔루션은 산업현장의 자동화를 지원하기 위한 시스템으로, 주요 기능은 불량 검출, 시계열 데이터 학습(온도, 습도, 전압 등), 설비 제어(로봇 암, 컨베이어, 공조 등)로 구성됩니다.
또한 단순 반복 동작을 넘어 불량 정보와 시계열 데이터를 연계하여 학습함으로써 장기적으로 수율 향상에 기여할 수 있습니다.
ㅇ Action
- Embedded base의 ROS 및 Robo-Script 기반의 로봇 제어를 통해, 고철 스크립트를 잡고/이동하고/안착시키거나, 용접 또는 브레이징 라인에 용접을 실행함.

ㅇ Detection
- YOLO 및 maskRCNN 기반의 Object Detection 및 Instance Segmentation 라벨링을 통해 용접, 가이드 라인, 적재한 객체 식별, 용접 또는 브레이징 품질 판정을 수행.
- 기존의 라벨링 도구를 통해 수행할 수 없는 라인 라벨링, 소량의 고해상도 이미지 증강 기술 등의 독자적인 데이터 라벨링 도구를 개발하여 정밀한 품질 판정이 가능.

ㅇ Control
- 로봇 제어(Action)에 의한 품질 결과를 관찰(Detection) 한 후, 용접 또는 브레이징의 품질 개선을 위한 온도/ 속도/ 모재와의 거리 등을 전문가의 경험적인 규칙에 기반하여 제어

- 당사의 ADC 솔루션은 비전 검사 모듈, 시계열 데이터 학습 모듈, 설비 제어 모듈의 세 축이 유기적으로 연동되는 구조로 동작하며, 주로 용접, 용액 도포 등의 작업 공정에 최적화된 솔루션입니다.
- 공정 투입 단계에서는 카메라를 통해 제품 외관을 실시간으로 분석하고, 조립 불량이 감지되면 즉시 조립 설비에 자동으로 통보합니다.
- 제품 배출 단계에서는 외관 검사 결과를 4종(조립 불량 / 도포 불량 / 온도 불량 / 기타)으로 분류하고, 분류된 결과는 각 원인 공정에 피드백되어 공정 전체가 자율적으로 개선 조치를 수행합니다.
  · 제품 생산 단계에서는 용액 도포량·농도 데이터를 실시간으로 수집하여 로봇의 도포량을 자율 조정
  · 10개 이상의 온도 포인트 데이터를 학습하여 컨베이어 속도 및 구간별 온도를 자동으로 최적화
  · 불량 및 정상 조건의 도포량·온도 데이터를 수집·학습하여 공정 수율 향상을 도모

- 현장 작업자가 쉽고 편리하게 사용할 수 있는 데이터 라벨링 툴을 제공
- YOLO 기반 딥러닝 모델을 활용하여 투입·배출 단계에서 제품 외관 불량을 실시간으로 검출하고, 불량 유형을 자동 분류
- 시계열 데이터 기반 공정 최적화: 온도, 컨베이어 속도, Flux 농도 등 공정 환경 데이터를 연속 수집·학습하여, 브레이징 조건을 자율적으로 최적화
- 불량 검사 결과와 공정 데이터를 연계 분석하여, 조립기·Flux 로봇·컨베이어·온도 설비 등 각 설비에 자동 개선 지령을 전달하는 폐루프(Closed-loop) 제어 시스템을 구현
  · 투입 단계 외관 검사: Brazing 전 제품 투입 시 AI가 외관 불량을 선별하며, 문제 발생 시 조립기에 즉시 통보하여 불량 원인을 사전에 제거
  · 배출 단계 외관 검사: 공정 완료 후 제품의 양/부를 판정하고 불량 유형을 4가지(조립기, Flux, 온도, 기타)로 분류
  · AI 자동 개선 피드백: 판독된 불량 유형에 따라 시스템이 스스로 원인을 분석하여 공정 조건을 실시간으로 보정
- 불량 이력 관리 및 Lot 추적: 검사 결과, 공정 파라미터, 불량 원인 분류 이력을 통합 저장·관리하여 생산 이력 추적 및 지속적 품질 개선의 데이터 기반을 제공