검사 이미지와 생산 이력을 연결해야 하는 이유
불량 이미지 한 장만 남기면 ‘어느 제품에서 왜 나온 결과인지’를 나중에 찾기 어렵습니다. 검사 결과를 생산 이력과 연결해야 모델도 품질 관리도 개선됩니다.
현장의 문제를 구체화한다
검사 이미지에 제품 또는 LOT ID, 촬영 시각, 설비, 공정 단계, 모델 버전을 연결합니다. 파일명에 모든 정보를 넣기보다 안정적인 식별자와 메타데이터 저장소를 나누는 편이 변경에 강합니다. 같은 부품을 여러 번 촬영했을 때도 각 판정이 구분돼야 합니다.
판정과 데이터 기준을 세운다
이미지는 촬영 후 변경될 수 있으므로 원본과 전처리 결과를 구분합니다. 재검사로 최종 판정이 바뀐 경우 초기 모델 판정과 사람의 최종 판정을 모두 남깁니다. 그래야 어떤 유형에서 모델이 반복적으로 틀리는지 분석할 수 있습니다.
제한된 조건에서 시험한다
작은 파일 표본을 골라 MES나 생산 이력과 실제로 연결되는지 역추적합니다. 시간만으로 매칭하면 설비 시계가 어긋날 때 다른 제품의 기록을 붙일 수 있습니다. 이벤트 ID와 제품 ID를 우선 키로 쓰고 시간은 보조 검증으로 사용합니다.
성능과 비용을 함께 본다
연결 누락률, ID 중복률, 추적에 걸린 시간, 재검사 후 판정 변경률을 봅니다. 모델 정확도가 높아도 추적이 끊기면 고객 불만이나 리콜 대응이 느려집니다. 데이터 보존 기간도 제품 수명과 계약 조건에 맞춰 정합니다.
조건 변화에 대응한다
고객이나 직원이 포함된 영상은 접근 권한과 보관 정책을 별도로 검토합니다. 품질 분석용으로 이미지를 복사할 때 원본 식별자가 사라지지 않게 관리합니다. 학습용 데이터셋을 만들 때는 민감정보와 제품 기밀 노출도 점검합니다.
현장에 적용할 때의 순서
- 제품 ID·LOT·모델 버전 연결
- 원본·전처리·최종 판정 구분
- 표본 이미지에서 이력 역추적
주의할 실패: 시각만으로 제품 기록 매칭
관찰할 지표: 연결 누락률·중복률·추적 시간
적용 전 체크리스트
- 제품 ID·LOT·모델 버전 연결
- 원본·전처리·최종 판정 구분
- 표본 이미지에서 이력 역추적
참고 자료
NIST Smart Manufacturing. 제조 데이터의 시스템 간 연결이라는 방향은 NIST 자료를 참고했습니다. 식별자와 추적 지표는 현장 적용 제안입니다.
이미지와 도식은 이해를 돕기 위한 개념 시각화입니다. 특정 고객의 실제 설비·데이터·화면을 재현한 것이 아닙니다.
#품질추적 #검사이미지 #생산이력 #LOT추적 #비전AI #네이처프랙탈 #제조혁신 #스마트공장 #현장데이터 #AI도입
이 주제를 실제 시스템으로 옮기려면 AI 알고리즘 개발 살펴보기
