제조
적용 사례
머신러닝 모델에서 생긴 오검출(False Positive*)을 최소화하는 PCB 분류 모델

조립 검사 및 검증

결함 검출 및 분류

예지 보전
풀어야 할
문제 및 니즈
- 기존 Inspection 공정에 적용된 ML 기반의 모델의 정상품을 불량품으로 분류하는 False Positive 이슈 최소화
- 새로운 딥러닝 기반의 모델의 성능을 안정적으로 유지하기 위한 모델 학습과 관련된 기술
문제 해결 방법 및
적용 기술
- 스누아이랩의 AutoCare를 적용하여, 스누아이랩 인스펙션 모델(SINNet, SNUAILAB Inspection Network)을 현장 데이터를 기반으로 재학습
- 재학습된 SINNet의 성능을 기존 ML 모델과 비교 및 대조하기 위하여 AutoCare Edge를 적용하였고, 이에 대한 성능 History를 시각화하여 A/B Test 수행
기술 적용 결과
- 01기존 적용된 ML 모델의 False Positive* 이슈가 기존 대비 약 50%로 감소함
- 02AutoCare를 구축하여 새롭게 적용된 SINNet 기반의 DL 모델의 성능을 현장의 변화에 맞추어 안정적으로 유지할 수 있도록 지원
* False Positive : 정상품이지만 기존 모델이 불량으로 우선 분류된 그룹