생활소비재 / 생활용품
Procter & Gamble: 고속 생산라인의 제품 외관 검사
- 기업
- Procter & Gamble
- 국가
- 미국
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
P&G의 생활용품 생산라인에서는 소재가 빠르게 이동하면서 늘어나거나 주름지고 부품이 겹친다. 대비가 낮은 결함과 복잡한 포장 무늬도 검사하기 어렵다. 기존 규칙 기반 비전 시스템은 소재와 포장 디자인, 생산 환경이 바뀔 때마다 많은 재설정이 필요했다.
적용한 기술과 데이터
P&G는 자사 딥러닝 모델을 Siemens Industrial Edge와 NVIDIA GPU 기반 산업용 PC에 결합한 Visual Inspection Cockpit을 사용한다. 실시간 카메라 영상으로 라인을 지나는 제품을 검사하고 설비 가까이에서 결과를 처리한다. 결과는 생산 제어에 연결돼 경보를 내거나 불량품을 라인에서 제거한다. 공장 엔지니어는 Visual Inspection Engineering Tool로 검사 모델을 직접 설정하고 학습시키며 갱신한다. 품질 데이터는 누적 분석해 공정 변화를 찾는 데 쓴다.
성과
Siemens는 P&G가 이 시스템을 세계 생산시설로 확대하고 있으며 제품에 따라 폐기율이 10~20% 줄었다고 밝혔다. 재사용 가능한 Industrial Edge 애플리케이션과 기존 통합 절차를 활용해 새 배치를 가동하기까지의 속도가 기존 맞춤형 비전 시스템보다 5~10배 빠르다고 설명했다. 생산팀은 라인 속도를 유지하면서 품질을 연속 확인하는 방식으로 바뀌었다.
한계와 남은 과제
적용 공장 수와 도입 시작 월, 성과 측정 기간은 공개되지 않았다. 제품별 폐기율 감소의 비교 조건과 오탐률도 원문에 없다.
출처
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.