검출률 99%의 함정, 나머지 1%를 잡는 ADC 시스템
AI만으로는 채울 수 없는 마지막 1%
아무리 정교한 AI라도 “검출 정확도 99% 뒤에 숨은 1%의 리스크”는 여전히 남아있습니다.
‘1% 정도는 괜찮지 않을까?’ 생각하실 수도 있지만, 제조현장에서는 이야기가 다릅니다. 놓친 1%의 오차는 실제 수백, 수천 개의 불량으로 이어질 수 있고, 이는 곧 고객 클레임과 생산가동 중단으로 연결되어 막대한 비용 손실을 초래하죠.
더 큰 문제는 현장이 끊임없이 변한다는 점입니다. 새로운 불량 유형이 계속 등장하는 환경에서, 검증되지 않은 예외 데이터를 그대로 학습하게 되면 시간이 지날수록 오히려 검출률은 떨어지게 됩니다.
이처럼 AI 자동화만으로 현장의 ‘예외 케이스’를 완벽하게 통제하는 것은 어렵습니다. 모델을 안정적으로 유지하는 것 역시 결코 쉬운일이 아니죠. 그렇다면 이 문제를 어떻게 해결할 수 있을까요?
그 해답은 단순한 AI 모델 도입이 아니라, 현장에서 발생하는 실시간 데이터를 기반으로 성능을 개선할 수 있는 ‘현장 중심의 데이터 큐레이션 구조‘를 구축하는 것에 있습니다.
라온피플의 ADC 시스템(Automatic Defect Classification System)은 바로 이러한 자동 학습 · 데이터 개선 구조를 갖춘 솔루션으로, AI가 미처 잡아내지 못한 ‘마지막 1%의 간극’까지 메워 완성도 높은 품질관리를 실현합니다.
ADC 시스템이란?
ADC 시스템은 AI 모델과 솔루션, 검수 시스템, MLOps 플랫폼이 하나로 통합된 자동화된 결함 분류 시스템을 의미합니다. 쉽게 말해, 기존 AI 비전 + MLOps 자동화의 한계를 보완해, 생산라인의 불량률을 ‘제로에 가깝게’ 만들기 위한 인간-검수 결합형 제어 시스템이라고 할 수 있죠. 사실상 AI가 만능이 아닌 현실을 인정하고, 사람의 개입을 최소화하면서 정확도를 극대화하는 방법입니다.
기존의 MLOps플랫폼을 통해 불량 검사를 자동화 할 수는 있지만, 시간 흐름에 따른 검사 정확도 저하(모델 성능 저하)를 피하기가 어려웠는데요. ADC 시스템을 도입하게되면 자동화는 물론이고 늘 최상의 검사 정확도를 유지할 수 있습니다. 어떻게 가능한지 지금부터 하나씩 살펴 볼게요.
ADC 시스템의 3가지 핵심 구성 요소
ADC 시스템은 크게 AI 플랫폼, AI 비전솔루션, Inspector 가 3가지 핵심 요소들로 구성되어있습니다.
1. AI VISION SOLUTION – 현장에서의 추론 담당
이미지 기반 검사 장비로, 라인 옆에 설치된 카메라로 제품 상태를 촬영한 뒤 이를 AI가 분석 가능한 데이터로 변환합니다. 다양한 AI 모델을 포팅해 제품의 양불 판정과 불량 유형을 판단하죠. 쉽게 말해 현장에서 추론을 담당하는 역할입니다. 다양한 산업의 특성에 맞춘 최적화된 검출 알고리즘이 탑재되어 있습니다.
2. MLOps 플랫폼 – 학습, 전처리, 배포 자동화
현장에서 비전 솔루션이 추론 결과를 제공하고 결함을 분류하기 위해 필요한 AI 모델 학습 및 데이터 수집, 전처리, 배포까지 종합적으로 지원하는 자동화 플랫폼입니다.
주요 기능:
- 중앙 데이터 전처리: 크기 조절, 회전, 크롭 등 다양한 전처리 기능 제공
- 기존 데이터 활용: 이미 보유한 레이블링 데이터도 그대로 활용 가능
- GPU 리소스 분할: 1GB 단위로 GPU 리소스를 분할하여 사용할 수 있는 국내 유일의 기능
- 오토 레이블링지원: 다양한 자동 레이블링 기능 제공
- 파이프라인 자동화: 데이터 수집부터 배포, 최종 확인까지 전 과정 자동화, 수백개의 생산 라인에 모델을 동시에 배포하는 대규모 운영 가능
3. Inspector – 핵심 차별화 요소
ADC 시스템의 핵심은 바로 ‘Inspector(인스펙터)’라는 사람-검수 결합 구조에 있습니다.
인스펙터는 AI 모델이 산출한 결과 중 신뢰도(Confidence Score)가 일정 기준 이하인 경우에만 사람이 직접 확인하도록 설계된 체계예요. 즉, AI가 “확신하기 어렵다”고 판단한 소수의 예외 케이스만 사람에게 전달되고, 나머지 대부분은 AI가 자동으로 처리합니다.
사람은 최소한의 개입으로 AI가 놓칠 수 있는 부분을 정확하게 보완하고, AI는 사람의 교정에 의해 분류된 예외 데이터를 다시 학습하면서 모델 성능을 지속적으로 향상시킬 수 있는 것이죠.
Inspector, 어떻게 작동하나?
AI 모델은 추론할 때 컨피던스 스코어(Confidence Score), 즉 “이 판단이 얼마나 확실한지”를 함께 제공합니다. Inspector는 이 점을 활용합니다.
- 스코어가 높다 → AI가 자동 처리
- 스코어가 낮다 → Inspector에 전달
- 사람은 클릭 몇 번으로 ‘맞다/틀리다’를 교정
- 교정된 데이터는 자동으로 MLOps로 이동
- 플랫폼이 즉시 재학습 → 모델 자동 업데이트 → 생산라인 자동 배포
이 구조 덕분에 운영자는 1만 장 중 3~4장만 검수하면 전체 모델 품질을 안정적으로 유지할 수 있습니다.
ADC 운영 프로세스
1. 프리트레이닝: 운영자가 초기 모델을 불량 유형에 맞게 학습시켜 배포 준비를 완료합니다.
2. 컨피던스 스코어 기준 설정: AI 추론의 신뢰도 기준을 제품의 민감도에 따라 유연하게 설정합니다.
- 웨이퍼, 2차 전지 등 민감한 제품: 높은 기준 설정 → 더 많은 이미지 검수
- 볼트, 소재 등 약간의 불량 허용 제품: 낮은 기준 설정 → 검수 영역 축소
3. 인스펙터 검수: AI가 선별한 낮은 신뢰도 이미지를 사람이 검수하여 레이블 오류를 확인합니다.
4. 원클릭 피드백: 검수결과를 클릭 한 번으로 레이블 데이터를 MLOps 플랫폼으로 전송합니다.
- AI 판단이 옳은 경우: ‘패스’
- AI 판단이 잘못된 경우: ‘수정’하여 올바른 레이블 제공
- 새로운 불량 유형: ‘NA(Not Applicable)’로 처리 후 추후 학습 반영
5. 자동 재학습 및 배포: 플랫폼은 피드백 데이터를 이용해 파이프라인을 따라 자동으로 모델 학습, 테스트, 배포를 진행하여 모델을 업데이트합니다.
6. 실시간 모니터링: 전 과정(추론, 피드백, 재학습)은 대시보드를 통해 실시간으로 확인되며, 추론 데이터는 MES와 연동하여 실제 생산관리에 활용됩니다.
기존 비전 검사 방식과 ADC의 성능 비교
📍 AI VISION SOLUTION만 단독 사용할 경우
- 데이터 수집, 레이블링, AI 학습, 테스트, 배포 등 모든 과정이 수동 진행
- 최적화된 모델 운영 및 유지 보수에 많은 시간과 비용 필요
📍 AI VISION SOLUTION + MLOps 결합하는 경우
- MES와 결합한 자동화를 시도해도 낮은 신뢰도 불량이 자동으로 학습되어 AI 모델 성능 저하
- AI가 놓친 불량으로 인한 품질 이슈 발생
📍 ADC 시스템을 도입하는 경우
- Inspector가 중간검수 >> 오류 데이터 학습 차단 >> AI 성능 유지 및 개선
- AI 모델 성능 저하 방지
- 불량률 및 작업 검수량 최소화
- 전문 지식 없이도 운영 가능
ADC 시스템이 필요한 경우
- 불량 제로화가 핵심 요구 사항인 경우
- AI 전문 인력이 부족한 경우
- 철강, 반도체, 2차 전지 등 제조업인 경우
- MES 등 생산 시스템과 연동이 필요한 경우
- 현장 배포부터 검수까지 통합관리가 필요한 경우
- 제조 현장 품질 검사 자동화가 목표인 경우
ADC를 도입하면 달라지는 것들
📌 불량률의 마지막 1~2%를 잡아낸다
AI의 취약 구간을 사람이 보정함으로써 잘못된 데이터가 자동 학습되는 모델 오염을 원천적으로 차단합니다.
📌 모델 성능이 ‘꾸준히’ 유지된다
잘못된 데이터가 모델에 자동 학습되는 것을 막고, 현장에서 발생하는 새로운 데이터를 지속적으로 학습하여 시간이 지나도 모델 성능이 저하되지 않고 항상 최적의 상태를 유지합니다.
📌 운영자는 클릭 몇 번만 하면 된다
운영자는 클릭 몇 번으로 모든 작업을 처리할 수 있습니다. 복잡한 AI 지식 없이도 누구나 시스템 운영이 가능하여, AI 전문 인력이 부족한 중소 제조업체에 특히 유리합니다.
📌 대규모 배포도 자동화
10개, 50개, 100개 등 다수의 생산 라인에 모델을 한 번에 자동 배포하고 중앙에서 통합 관리할 수 있습니다.
📌 MES와도 자연스럽게 연동
웨이퍼 ID, 좌표, 검사 장비 번호 등 물류와 품질 관리에 필요한 모든 정보가 공정에 즉시 반영됩니다. 기존 시스템과의 완벽한 통합으로 별도의 추가 작업 없이 바로 실무에 적용할 수 있습니다.
마치며
ADC 시스템은 제조 현장의 AI 사각지대를 사람의 개입으로 보완하고, 그 판단이 다시 AI를 더 똑똑하게 만드는 순환 구조를 자동화하여 ‘완전한 품질 관리’를 실현합니다.
이를 통해 기업은 네 가지 핵심 효과를 동시에 얻을 수 있습니다.
첫번 째, 불확실한 케이스에 대해 사람의 정확한 판단이 개입되어 불량률이 감소하고,
두번 째, 실시간 품질 모니터링과 즉각 대응 체계 구축으로 공정이 안정화됩니다.
세번 째, 인스펙터를 통한 오류데이터 제거 및 지속적인 재학습으로 모델 성능이 일정하게 유지되며,
네번 째, 반복 작업의 자동화로 효율적인 리소스 배분이 가능해집니다.
ADC는 현장에서 AI를 ‘운영’한다는 것의 진짜 의미를 보여주며, 지난 11월 5일 ‘AI과학기술혁신대상 2025’ 스마트팩토리 AI 비전 섹터에서 금상을 수상하며 그 기술력을 인정받았습니다.
AI만으로는 결코 도달할 수 없었던 마지막 1%의 완성도,
시간이 지나도 떨어지지 않는 안정적인 성능,
그리고 누구나 쉽게 다룰 수 있는 접근성까지.
99%가 아닌 100%를 향한 도전, ADC 시스템은 가능합니다.
