<p>[스포츠경향] 엄정한 특허법인 BLT 파트너 변리사 2022.04.13</p>
<p><a href="https://sports.khan.co.kr/bizlife/sk_index.html?art_id=202204130700003&#x26;sec_id=564001&#x26;pt=nv">기사 원문</a></p>
<p>산업혁명은 무엇일까? 많은 사람들이 제4차 산업혁명을 이야기 하지만, 그것을 왜 해야하는지에 대해서는 깊이 논의되지 않고있다. 왜 18세기 중반이라는 시점에 영국이라는 장소에서 제1차 산업혁명이 일어났는지에 대해서 이야기하는 사람도 많지 않다. 그저, 구글의 인공지능 컴퓨터가 인간 이세돌을 이겼고, ’제4차 산업혁명’이 일어나고 있으니 빨리 기회를 잡아야 한다는 말들만 회자될 뿐이다. 제1차 산업혁명은 약 1760년에서 1820년 사이의 영국에서 시작된 기술혁신과 제조공정의 비약적 발전과 그로 인한 사회구조의 변화를 말한다. 당시 면직물의 수요가 급증하면서 발명된 방적기에 제임스 와트의 증기기관이 결합되면서 새로운 기계들이 산업에 투입된 것이다. 짧은 시간에 농촌과 도시의 인구 구성이 뒤바뀌었고 계급투쟁이 벌어졌다. ‘인간의 일’이었던 것들을 기계가 대신하면서 사회의 구조가 완전히 뒤바뀌었고, 이를 산업혁명이라고 한다.</p>
<p>우리는 오늘도 무언가를 만들고 있다. 무언가를 만들어가는 과정에서 가장 문제가 되는것은 역시나 ‘불량’이다. 잘못 만들어진 제품을 시장에서 판매했다가는 소비자들의 원성을 살 수 있고, 잘못 만들어진 부품을 완제품 회사에 납품했다가는 영업선을 영원히 잃을 수도 있다. 하지만 대부분의 공장에서 부품들의 품질을 모니터링하는 과정은 여전히 사람의 ‘눈’에 의해서 이루어지고 있다. 반도체, 회로기판 기업들의 경우에는 인공지능 스타트업들의 이미지 분석기술을 적용한 비전검사가 적용되기 시작하였으나, 자동차, 생활용품, 전자제품, 의료기기 등 수 많은 제품들의 조립과정에서 필요한 부품들의 불량은 여전히 그렇다. 부품의 불량유형은 너무나 다양하기 때문에, 조건을 기반으로 프로그램이 처리하기는 어렵고, 인간의 눈으로 직접 확인하기에는 너무 피곤한 일인 것이다.</p>
<p>아이브(Aiv. 대표 성민수)는 세계 최고 수준의 인공지능 비전검사 스타트업이다. 아이브의 인공지능 비전검사 장비는 부품의 불량을 알아서 선별해준다. 생산이 완료된 부품들을 아이브 장비에 있는 컨베이어 벨트에 투입시키면, 고해상도 카메라와 영상처리기술을 이용하여 정해진 불량 항목기준에 맞게 제품 외관을 검사한다. 기준에 맞지 않는 부품들은 제거되며, 양품만 선별한다. 모든 과정은 미리 학습된 인공지능이 알아서 판단하여 진행하며, 부품을 생산하는 기업은 생산라인에 아이브의 검사장비를 추가하기만 하면 될 정도로 쉽고 간단하다. 알루미늄 소재의 부품을 만드는 다이캐스팅 과정에서 발생할 수 있는 기포, 제품 찍힘, 변형 등을 찾아내기도 하고, 볼트, 너트 등 부품을 고속으로 생산하는 과정에서 발생하는 제품의 녹, 변색 불량을 신속하게 찾아낼 수 있다. 인간이 하기에는 너무 고생스러운 일들이 이제 인공지능(딥러닝)으로 가능하게 되는 것이다.</p>
<p>아이브가 개발한 딥러닝 부품불량 검사장비에서 취득되는 이미지는 클라우드 서버로 전송된다. 서버에서 소재, 부품별 및 불량유형 별로 데이터베이스가 연속적으로 쌓이며, 마치 사람이 어제 공부했던 내용을 기반으로 오늘 새로운 내용을 학습하는것과 같이, 추가로 학습이 필요한 이미지를 추출하여 학습한다. 아이브의 불량선별 인공지능 컴퓨터는 계속해서 전문성이 높아지는 것이다. 사람의 전문성은 그 사람에게 종속되지만, 아이브는 네트워크로 연결되어 있기 때문에 학습능력과 판단능력의 발전이 가능하다. 검사장비의 운영 대수가 증가할 수록 데이터의 정확도는 높아지며, 불량률은 낮아지는 것이다. 아이브는 이러한 딥러닝 기반 불량검사 기술을 보호하는 국내외 특허 포트폴리오를 구축한 상태이며, 이미 30개 가까운 기업들의 개념증명(PoC) 및 양산 적용 프로젝트를 수행하고 있다. 투자자들의 러브콜도 이어져, 50억원 규모의 시리즈A 투자도 작년에 마친상태다.</p>
<p>삼성, LG 외에도 한국기업들의 제조능력은 이미 세계적으로 유명하다. 한국기업들의 SW능력도 여러모로 인정받고있다. 소프트웨어 기술력을 기반으로 제조업을 한 차원 높여줄 인공지능 스타트업 아이브가 유니콘이 되기를 기원해본다.</p>


[혁신, 스타트업을 만나다] 불량을 잡아내는 딥러닝 기반 검사장비 - 아이브

<p><img src="/images/news/news06.jpeg" alt="Alt text"></p>
<h3>[헤럴드경제] 도현정 기자 2022.03.16</h3>
<p><a href="http://news.heraldcorp.com/view.php?ud=20220314000929">기사 원문</a></p>
<h2>제조 全과정 스마트팩토리 솔루션 제공 목표</h2>
<h2>머신비전·인공지능 기반으로 불량품 잡아내</h2>
<h2>자체 딥러닝 기술력 바탕 글로벌 1위 하기도</h2>
<p>인공지능(AI)은 가전·의료·커머스·IT서비스 등 다방면에서 혁신의 보증수표가 되고 있다. 유독 제조업에서 아직 AI와 딥러닝이 발붙일 공간이 적다. 각종 규제 대응, 인건비 급증, 개도국의 도전 등 발등의 불끄기에도 급급한 탓이다.</p>
<p>아이브(대표 성민수)는 산업계의 난제 중 하나인 제조업의 디지털 전환을 돕는 기업이다. 첫 단계는 불량품 검사다.</p>
<p>성민수 아이브 대표는 “하드웨어와 소프트웨어를 모두 활용해 제조업체에 산업자동화 솔루션을 제공하는 게 회사의 소명”이라며 “산업자동화의 첫 단계로 불량품 여부를 판단하는 검사 영역에 집중하고 있다”고 설명했다.</p>
<p>아이브는 하드웨어(머신비전 검사장비)와 소프트웨어(딥러닝 알고리즘)를 모두 이용해 제조업체의 최종 결과물이 불량품인지 양품인지를 판별하는 솔루션을 만든다. 기존에는 공장에서 불량품 여부를 판별할 때 사람에 의존하거나 단순한 기계의 힘을 빌리는 단계가 대부분이었다. 검사인력이 육안으로 불량 여부를 확인하기도 했고, 제품의 무게나 크기를 측정하는 수준의 기계공정으로 불량품을 걸러내기도 했다. 검사 과정에서 디지털 전환을 시도하는 경우도 있었지만 대부분 소프트웨어 개발에 치중해 하드웨어까지 뒷받침하기가 어려웠다.</p>
<p>성 대표는 “제조업은 글로벌 시장 여러 곳에 생산기지를 두기도 하는데, 인력에 의존하는 비중이 많다 보니 검사 수준이 일관되지 못했다”며 “일정한 수준을 유지하려면 머신비전이 필요하고, 기존 알고리즘으로는 안되니 인공지능이 해야 하는 것”이라 설명했다.</p>
<p>아이브의 솔루션은 고객사의 최종 결과물을 광학기술을 이용해 촬영, 결과물의 상태를 인식하는 것부터 시작한다. 촬영 영상을 토대로 결과물이 불량인지 양품인지를 판별하는 데에는 AI가 동원된다. 정상데이터와 이상데이터를 학습한 딥러닝이 양품 여부를 판단한다.</p>
<p>글로벌 시장의 경쟁기업들은 룰베이스 알고리즘을 기반으로, 제조업 결과물의 불량 여부를 판별하는데 주력해 왔다. 아이브는 룰베이스 알고리즘의 한계를 넘기 위해 딥러닝의 수준을 높이는데 집중했다.</p>
<p>성 대표는 기존 룰베이스 알고리즘은 불량과 양품을 판별하는 함수를 사람이 다 설계해야 해서 할 수 있는 것이 색상, 치수 등 제한적인 분야 뿐이라 지적했다.</p>
<p>“룰베이스 알고리즘은 사람이 규칙을 다 만들어 줄 수가 없습니다. 이물, 찍힘, 도금부 변색 등 계속 룰이 바뀌니까요. 우리는 딥러닝으로 스스로 알고리즘화 할 수 있게 했습니다. 사람은 패턴을 인식하니까 다음에도 양품이 아닌 패턴을 찾아내 불량이라 인식합니다. 이런 것들을 구분하는 인공지능 신경망을 우리가 다 만들어줘야 하는데, 검사에 특화된 신경망 만들어 개발했습니다.”</p>
<p>성 대표는 제조업에 적용되는 AI는 정확도가 99.99%가 아니면 의미가 없다고 말한다. “제조업은 처음부터 끝까지 수율 싸움입니다. 논문에 나오는 ‘정확도 80%’ 같은 것은 상업화, 양산을 해야 하는 제조업에서 별 의미가 없어요.”</p>
<p>AI 경쟁력을 높이기 위해 2년을 공들인 끝에 아이브가 개발한 알고리즘은 지난해 머신비전 기술 분야의 선두업체인 MVTec에서 주관하는 글로벌 AI챌린지에서 산업분야 데이터셋 기준 비지도적 이상 탐지 항목에서 전 세계 1위에 오르기도 했다. 기술이 곧 경쟁력인 사업인데, 아이브는 독특하게도 최고기술책임자(CTO)가 없다.</p>
<p>성 대표는 “저희가 다루는 기술 분야가 여럿인데 워낙 이종(異種)이다. 광학 엔지니어링부터 기구 설계, 소프트웨어 설계까지 다양한데 이를 다 이해할 수 있는 CTO를 구할 수 없다”며 CTO 없는 테크 기업의 배경을 설명했다.</p>
<p>성 대표 역시 기술 기반 최고경영자(CEO)는 아니다. 연세대 경영학과를 나와 미국 스탠퍼드대에서 MBA를 마쳤고, 액센츄어와 보스턴컨설팅그룹 등 컨설팅 기업에서 이력을 쌓았다. 테크와의 접점은 2002년 실리콘밸리에서 머신러닝 기업 퀵소(Qeexo)를 창업했다는 점. 여기에 부친이 자동차 부품회사를 창업해 중견기업으로 키워내는 과정에서 국내 제조업의 상황을 면밀히 지켜봤다는 것도 아이브 창업에 영향을 줬다.</p>
<p>아이브는 현재 불량품 검사 과정에만 집중하고 있지만 향후 원재료 투입부터 가공, 조립 등 전 과정을 점검하는 스마트팩토리 종합 솔루션으로 나갈 계획이다.</p>
<p>성 대표는 “세계에서 스마트팩토리에 대한 수요나 기술이 가장 절박한 곳이 한국, 그 다음이 독일이다. 양국은 제조업 비중이 높은데, 인건비가 급격히 상승하기 때문”이라며 ”모든 제조업 경영진이 비용 때문에 자동화에 매달리고 있다”고 전했다.</p>
<p>국내에서는 대기업의 1차 협력사로 연매출 6000억원을 올리는 중견기업도 단순 검사인원만 1500명을 두고 있을 정도다. 최근에는 원청사나 주력 수출시장의 동향에 맞춰 외국에도 생산기지를 두고 있다보니 외국에서도 인건비 고민은 비슷하다.</p>
<p>성 대표를 제조업의 이런 고민을 기회로 파고들고 있다. 아이브는 현재 고객사들과 20여개의 프로젝트를 진행 중. 지난해 50억원 규모의 시리즈A 투자를 유치한데 이어 올해는 30여명인 직원을 50명까지 늘릴 계획이다.</p>
<p>“국내에 일부 생산기지를 두고 있는 기업들 중 당사 솔루션을 써보고 만족하면 외국공장까지 추가 발주하겠다는 곳들이 많습니다. 국내에서의 성과를 바탕으로 자연스럽게 글로벌 진출을 할 수 있는 것이죠. 자체 플랫폼으로 해외 진출을 한다면 한국과 비슷한 고민을 안고 있는 독일을 최우선 시장으로 보고 있습니다.”</p>


성민수 아이브 대표 “제조업 디지털전환, 불량품 검사부터 시작”

<p><img src="/images/news/news05.jpeg" alt="Alt text"></p>
<h3>[매일경제] 나현준 기자 2022.02.23</h3>
<p><a href="https://www.mk.co.kr/news/it/view/2022/02/169893/">기사 원문</a></p>
<p>'데이터 중심이냐, 알고리즘 중심이냐.' 인공지능(AI) 기술 고도화 과정에서 산업계는 이 같은 고민에 빠지게 된다. 특정 분야에 한해 데이터를 모아 AI의 성능을 탁월하게 만들지, 아니면 AI 알고리즘을 고도화해서 어느 데이터를 넣어도 AI가 작동하게 만들지 여부다. 구글이나 아마존 같은 세계적인 빅테크는 모델 중심의 후자에 초점을 맞추면서 '인간 같은 AI'를 만드는 데 집중한다. 반대로 의료·교육·금융 등 특정 분야의 데이터를 모아 기존 일을 효율화하는 데 AI를 이용하기 위해 구슬땀을 흘리는 기업도 많다.</p>
<p>특히 '데이터 불모지'로 치부되는 중소·중견 제조사를 상대로 공장의 데이터를 모아 불량품 검사를 크게 혁신하고 있는 스타트업이 있어 눈길을 끈다. 제조업 현장에서 이미지 데이터를 모으고, 이를 비전AI(사람의 눈·두뇌 역할)에 접목하고 있는 설립 3년 차 스타트업 '아이브'가 그 주인공이다.</p>
<p>지난 18일 경기도 용인시 상현역 인근 지식산업센터에서 만난 성민수 아이브 대표는 "현재 국내 제조 업체 20여 곳과 불량품 검사를 위한 PoC(양산 전 실증) 사업을 하고 있다"며 "이 중 절반(10여 곳)은 이미 아이브 솔루션을 탑재한 불량 검사장비를 양산하는 단계까지 나아갔다"고 설명했다. 아이브에 따르면 현대차·제너럴모터스(GM)·포르쉐 등에 자동차 부품인 '볼조인트'를 납품하는 센트랄은 아이브 검사장비를 도입한 뒤 스크래치, 찍힘, 핀홀 등 불량 상태 검사 작업에서 불량률 검사 100%와 과검률(양품을 불량으로 판정하는 비율) 0.5% 이하를 달성했다. 그간 완제품 사후 검사를 육안에 의존해 진행해온 센트랄로서는 놀라운 결과다.</p>
<p>고도의 불량률 검사 방식은 특수제작한 장비(몸)를 통해 고정밀 광학 기술로 제품을 '제대로' 찍고(눈), 이에 기반한 딥러닝을 통해 '불량 검사'를 하는 비전AI(두뇌)가 있었기에 가능했다. 실제 불량품 검사 시연 영상을 보니 육안으론 확인되지 않는 미세한 균열 지점도 초정밀 카메라가 포착하고 있었다. 성 대표는 "기존 비전AI 기업은 비전AI(두뇌)만 고도화하는 경우가 많은데, 우리는 광학 기술과 장비기기 설계까지 전반을 두루 갖췄다"며 "각 분야 전문가가 모였기 때문에 가능한 일"이라고 강조했다.</p>
<p>사실 그는 부친이 영위하던 제조업체를 물려받아 이끌었다. 이 과정에서 한국 제조업의 열악한 현실을 누구보다 뼈저리게 인식했다. 미국 스탠퍼드대 MBA를 졸업한 후 세계적인 컨설팅사 보스턴컨설팅그룹(BCG) 등에서 일한 인재이기도 하다. 그의 비전을 믿고 서울대, 카이스트 등 국내 유수 대학 출신의 다양한 전문가 30여 명이 지금의 아이브를 만들었다. 기술 성과가 입소문을 타면서 지난해 6월 시리즈A에서 60억원의 투자를 받았다.</p>
<p>성 대표의 다음 목표는 '3D 검사' 연내 도입이다. 현재까지 아이브는 2D와 딥러닝 기반 비전AI를 접목해서 불량품을 검사하고 있다. 평평하게 디자인된 제품들은 현재 정밀 카메라를 통해 불량품 검사가 가능하다. 다만 디자인상 굴곡이 많거나, 복잡하게 설계돼 있어 카메라로 다 검사하지 못하는 '사각지대'가 있는 제품이 있을 수 있다. 그는 "기존 제품설계안을 기반으로 미리 3D화해 놓은 뒤, 추후 검사를 할 때 검사 제품을 딥러닝 방식으로 3D화하면 3D 공간에서 서로를 대조해볼 수 있다"며 "이를 통해 현재 불량 검사가 어려운 분야까지 검사를 할 수 있게 된다"고 밝혔다.</p>


제조업 해결사 '비전AI' …불량품 다 잡아낸다

<p>[비즈월드] 정재훈 기자 2022.02.16</p>
<p><a href="http://www.bizwnews.com/news/articleView.html?idxno=32748">기사 원문</a></p>
<h2>현대차그룹 비롯해 GM·벤츠 등에 납품하는 ㈜센트랄의 조향장치 부품 볼조인트의 불량 검사 위한 솔루션</h2>
<h2>기존 육안 불량검사를 AI검사로 대체해 불량 검출률 100%, 과검율 0.5% 이하 달성</h2>
<p><img src="/images/news/news07.jpg" alt="AI 검사 솔루션 시연"></p>
<p>딥러닝 머신비전 전문기업 ‘아이브(AIV, 대표 성민수)’는 자동차 부품기업 ㈜센트랄에 볼조인트의 불량 검사를 위한 딥러닝 검사 솔루션 공급을 완료했다고 16일 밝혔다. AI검사를 마친 볼조인트는 현대차그룹을 비롯해 GM과 포드, 벤츠, 포르쉐 등에 전량 납품된다.</p>
<p>아이브가 센트랄 측에 공급한 딥러닝 검사 솔루션은 자동차 조향장치의 핵심 부품인 볼조인트의 불량 여부를 딥러닝을 통해 검사하는 장비로 인공지능 검사 소프트웨어와 검사 솔루션 장비로 구성됐다고 업체 측은 설명했다.</p>
<p>인공지능 검사 소프트웨어에는 아이브가 자체 개발한 제조업 검사용 인공지능신경망에 볼조인트 표면의 비정형 외관불량 이미지 데이터를 학습시켰다. 또 고객사 현장 상황에 맞춰 하드웨어를 설계하고 광학 엔지니어링 기술을 접목한 무인화 검사 솔루션 장비를 직접 제작·공급했다고 한다.</p>
<p>아이브의 딥러닝 검사 솔루션은 볼조인트를 구성하는 금속 가공 제품 및 고무 제품에서 발생할 수 있는 찍힘, 이물, 변형 등 모든 불량을 육안 검사자 보다 높은 정확도로 검출할 수 있다. 이와 함께 기계적으로 타각된 영문·숫자를 딥러닝으로 인식하면서 영문·숫자의 미세한 겹칩 현상도 검출할 수 있다. 이 외에도 6축 다관절 로봇과 회전체 검사 방식을 활용해 3D 형상의 제품 전면을 검사할 수 있도록 설계됐다는 것이다.</p>
<p>아이브 측은 “딥러닝 검사 솔루션은 볼조인트의 불량 검출을 100% 달성했고, 과검율(양품을 불량으로 판정하는 비율)도 0.5% 이하로 달성함으로써 기존 육안검사 대비 정밀하고 정확한 불량 검출이 가능해졌다. 게다가 생산 효율성 증대뿐만 아니라 공정 효율화를 개선하고 품질향상 및 비용 절감 등의 효과를 거두었다는 평가를 받았다”라고 강조했다.</p>
<p>아이브는 이런 성공적인 양산 적용 경험을 기반으로 현장 최적화와 정밀 검출을 요구하는 소재부품업 고객 중심으로 검사 솔루션 사업을 확대할 계획이다. 시장 수요가 높아지고 있는 인공지능 검사 소프트웨어 제공 서비스도 대기업 및 장비 전문 회사들 중심으로 확장을 목표로 하고 있다. 또 복잡한 형상의 제품 외관 치수 검증을 위한 물리적 검사구를 대체할 수 있는 범용적 3D 계측장비 개발도 진행 중이라고 업체 관계자는 전했다.</p>
<p>강상우 ㈜센트랄 총괄대표는 “금속 가공 및 고무 압출 등 다양한 서브 파트로 구성된 볼조인트의 찍힘, 이물, 변형 등 불량 검사 과정에 아이브의 딥러닝 검사 솔루션을 도입해 검사 정확도를 획기적으로 개선했다”면서 “전사 차원의 검사 정확도 향상과 원가 경쟁력 확보를 위해 센트랄 그룹 산하 계열사에서 다수의 딥러닝 검사 솔루션 도입을 진행하고 있다”라고 말했다.</p>
<p>이에 대해 성민수 아이브 대표이사는 “아이브의 딥러닝 검사 솔루션은 고객사 스마트팩토리 현장 상황에 따라 소프트웨어와 하드웨어 장비를 맞춤형으로 공급할 수 있는 장점이 있다”면서 “자동차 부품, 디스플레이 장비를 비롯 국내 제조업 전반의 스마트팩토리 시장으로 확대하고, 해외 시장에도 진출해 글로벌 딥러닝 머신비전 기업으로 도약하겠다”고 말했다.</p>


아이브, 글로벌 자동차에 납품하는 조향장치 부품의 AI검사 상용화 완료

<p><img src="/images/news/news03.jpeg" alt="Alt text"></p>
<h3>[서울경제] 오승현 기자 2021.09.08</h3>
<p><a href="https://www.sedaily.com/NewsView/22RDW3HLTL">기사 원문</a></p>
<p>'스마트공장·자동화산업전 2021'이 개막한 8일 서울 강남구 코엑스에서 관람객들이 아이브(AiV)의 딥러닝 기반 검출 모델을 활용해 결함을 찾는 제품을 살펴보고 있다. 스마트공장, 머신비전, 자동화 관련 500여개 기업이 참가한 이번 전시는 '디지털 뉴딜의 미래'를 주제로 오는 10일까지 열린다.</p>


아이브(AiV), 딥러닝 활용한 머신비전 기술

<p><img src="/images/news/news04.jpeg" alt="Alt text"></p>
<h3>[포브스] 김영문 기자·사진 신인섭 기자</h3>
<p>아이브는 스마트팩토리를 도입해도 정복하지 못한 ‘불량’ 잡기에 사활을 걸었다. 성민수 대표는 “반도체, 2차전지, 자동차부품 등 하루에도 수천 수만 개의 정밀한 부품·제품이 생산되는데 사람이 일일이 불량을 찾아내는 건 불가능하다”며 “앞으로 많은 기업이 앞다퉈 사람의 ‘눈’을 대신해 딥러닝 알고리즘으로 불량을 인지하고 판단하는 딥러닝 머신비전 솔루션을 도입하게 될 것”이라고 말했다.
“마누라와 자식 빼고 다 바꿔라.” 1993년 6월 고(故) 이건희 삼성전자 회장이 독일 프랑크푸르트에서 날린 일갈이다. 하지만 이듬해에도 삼성전자 무선사업부 불량률은 11.8%까지 치솟았다. 신경영 선언 이후에도 휴대전화에서 불량이 계속 나오자 특단의 조치를 감행했다. 이른바 ‘애니콜 화형식’이다. 1995년 3월 임직원 2000여 명이 지켜보는 가운데 구미공장에 쌓아둔 5000만 달러어치 휴대전화를 태워버렸다. 이후 불량률은 2%대로 떨어졌고, ‘품질 경영’은 한국 제조업의 자존심이 됐다.</p>
<p>‘품질 경영’은 한국 제조업에 ‘자동화’ 바람을 일으켰다. 대량생산라인 구축에 컴퓨터와 로봇이 본격적으로 도입됐고 막대한 자금이 투자됐다. 정보통신기술(ICT)이 발전하면서 제품 기획부터 설계, 생산, 유통, 판매, 검수 등 전 과정을 통합했고 생산 과정에서 무인화와 자동화는 더 고도화됐다. 국내 스마트팩토리(스마트공장) 도입 열풍도 여기서 시작됐다.</p>
<p>그래도 정복하지 못한 ‘것’이 있으니 바로 ‘불량’이다. 공장 자동화에서 빼놓을 수 없으면서도 완벽하지 않은 분야가 불량을 잡아내는 일이다. 지금도 상당수 제조 공장에서 숙련 근로자가 육안 검사 과정에 투입돼 사투를 벌인다. 반도체, 2차전지, 자동차 부품 등 하루에도 수천 수만 개의 정밀한 부품·제품이 생산되는데, 그 과정에 사람이 투입돼 일일이 불량을 찾아내는 건 불가능한 일이다. 기업들이 앞다퉈 사람의 ‘눈’을 대신해 컴퓨터가 사물을 인지하고 판단하는 머신비전 솔루션을 도입하려는 까닭이다.</p>
<p>“하지만 그것도 한계가 있었습니다. 기존의 룰베이스 알고리즘 기반의 머신비전 솔루션은 사전에 입력한 ‘공식’ 범위에서만 움직입니다. 비정형적인 형상의 불량은 잡아내기 어려울뿐더러 지속적으로 룰을 설정·수정해야 하기에 안정화에만 수개월이 소요되기도 합니다. 머신비전을 도입하고도 담당 엔지니어가 상주하는 경우가 많습니다. 인공지능(AI)·머신비전·광학엔지니어링 기술을 한데 엮은 딥러닝 머신비전 솔루션이 필요한 이유죠.”</p>
<p>지난 8월 10일 경기도 수원 광교 아이브 본사에서 만난 성민수(43) 대표가 한 말이다. 그는 “스마트팩토리가 흔한 단어처럼 여겨지지만, 자금 때문에 아직까지 제조공정을 자동화하지 못한 공장이 많은 게 현실”이라며 “과거 룰베이스 알고리즘 기반의 검사 솔루션을 도입한 경우에도 비정형적인 불량을 판별하지 못하고 단순 검사나 측정에 그치는 예가 많았다”고 덧붙였다.</p>
<p>수요는 공급을 쫓는 법이다. 아이브의 출발도 순조로웠다. 지난해 5월 시드 투자 유치 이후 지난 6월 50억원 규모의 시리즈A 투자 유치에도 성공했다. 벌써 열 군데가 넘는 국내 유수 제조기업과 파트너십을 맺고 양산에 들어갔거나 개념 실증(PoC) 사업에 돌입한 상태다. ‘PoC’는 개발하려는 시스템의 콘셉트가 정말 실현 가능한지 검증하는 작업으로, 고객사의 불량 시료나 이미지를 취합해 검출력을 평가하고, 검사장비 제작에 필요한 밑그림을 그리는 과정이다. 이 모든 것이 창업한지 불과 1년 반 만에 거둔 성과다.</p>
<p>짧은 시간에 보수적인 제조기업을 파트너로 둘 수 있었던 데는 나름의 배경이 있다. 성 대표는 연쇄창업가이자 제조업 CEO다. 미국 제너럴일렉트릭(GE)에서 재무 관련 업무를 하다가 스탠퍼드대학 MBA 졸업 후 글로벌컨설팅사인 보스턴 컨설팅그룹(BCG)에서 일했다. 2011년 실리콘밸리에서 모바일 디바이스의 터치스크린 인식 기술을 개발하는 퀵소(Qeexo)의 공동 창업자로 나선 적도 있다. 부친이 설립한 자동차 부품사의 대표직을 맡아온 덕에 한국 제조업의 현실을 누구보다 잘 알고 있었다. 제조업과 AI 접목을 꿈꾸며 뜻을 모은 아이브의 멤버들도 검사장비, 공학 엔지니어링, SW 개발, AI 알고리즘 분야에서 10년 넘게 일해온 베테랑 엔지니어들이다. 물론 국내에서 제조기업을 위한 딥러닝 머신비전 업체가 손에 꼽을 정도로 관련 시장은 ‘극초기’ 상태다. 성 대표의 설명이 이어졌다.</p>
<h3>머신비전을 도입하는 제조사가 꽤 늘지 않았나.</h3>
<p>늘긴 늘었다. 맨눈으로 검사하는 것보다 인력 투입이 줄기도 했다. 하지만 새로운 불량 유형이나 비정형적인 불량에서는 검사 정확도가 떨어졌다. 작업 환경이 자주 바뀌고 발주사의 품질 기준도 한층 까다로워졌기 때문이다. 기준 수치가 바뀔 때마다 상주하는 엔지니어가 검사장비를 새롭게 설정해야 한다.</p>
<h3>딥러닝 머신비전 기술을 표방하는 기업도 늘고 있다.</h3>
<p>그렇다. 산업용 비전 검사에 딥러닝 알고리즘을 도입하는 회사가 늘고 있다. 하지만 대다수가 소프트웨어 개발에 집중한다. 검사 소프트웨어 개발과 공장 내 장비에서 돌아가는 건 완전히 다른 문제다. 그만큼 현장 변수가 많은 곳이 공장이다. 머신비전 시스템 하나만 봐도 카메라, 렌즈, 센서, 조명, 소프트웨어, 프로세서 등 요소가 복잡한 데다 현장 상황이 열악한 탓에 안정화 작업에 애를 먹기도 한다. 이래도 완벽을 장담할 수 없다.</p>
<h3>그런데도 제조사들이 머신비전을 도입하려고 애쓴다.</h3>
<p>이유가 있다. 일단 육안 검사만으로는 불가능한 공정이 많다. 자동차 부품 조립 검사, 고품질 플라스틱 사출품 검사, 알루미늄·스틸 제품의 표면 검사도 품질 기준이 점차 까다로워지고 있다. 고해상도 디스플레이 패널 검사 공정에서는 현미경을 이용해 불량을 찾아낼 정도다. 다음으로 꼽는 이유는 역시 비용이다. 당장 머신비전을 도입해 육안 검사 공정에 있던 인력을 다른 라인에 배치하거나 줄이면 비용도 그만큼 줄어든다. 더 큰 문제는 불량 때문에 생기는 파급력이다.</p>
<h3>시장 신뢰가 떨어지겠다.</h3>
<p>그렇다. 난 아이브 창업자이자 제조업 경영자다. 직접 제조업을 경영하다 보니 가장 고통스러운 부분이 불량 이슈다. 아무리 자동화를 적용해도 불량은 지속적으로 발생한다. 게다가 불량 제품 일부가 유출되기라도 하면 기업 이미지 손상을 피할 수 없다. 아이브의 고객 입장에서 10년 넘게 일했기에 불량을 잡는다는 게 얼마나 중요한 의미인지 잘 알고 있다.</p>
<h3>제조기업들이 딥러닝 머신비전에 거는 기대가 크겠다.</h3>
<p>너무 커서 문제다. 관련 스타트업도 난감해한다. 딥러닝 머신비전 분야에서 진행되는 프로젝트 대다수가 ‘세계 최초’라고 부를 정도로 처음 시도하는 것이 많다. 하지만 보수적인 제조업 특성상 첫 시도임에도 우리에게 완벽에 가까운 성능을 요구한다. 개념 실증에서도 이미 기대치보다 높은 수치를 기록했음에도 양산까지 가려면 추가로 검증해달라고 요구하는 곳도 많다. 그래서 처음 프로젝트를 계획하고 기업들을 설득할 때 성능 목표치를 어디에 둘지 고민이 많다. 너무 높게 잡으면 실망이 클 것이고, 너무 낮게 잡으면 아마 프로젝트 자체를 시도조차 하지 않을 것이다.</p>
<h3>실제 어떤 공정에 적용해봤나.</h3>
<p>알루미늄 주조품, 조향장치 부품을 포함하여 여러가지 사례가 있다. 알루미늄 주조품의 경우 수십명이나 되는 육안 검사자가 있는데도 불량이 계속 유출되어 로봇 팔을 연동한 장비로 외관 불량을 잡았다. 조향장치 부품은 찍힘이나 찢어짐 같은 표면 불량을 육안으로 잡기 어려웠다. 15개 외관 불량을 딥러닝으로 검출해 고객사의 불량 데이터베이스도 구축했다. 볼트와 너트는 분당 100개나 검수해야 해서 녹이나 변색 불량을 자주 놓쳤다. 이걸 자유낙하 방식으로 떨어뜨려 분당 100개를 검사할 수 있게 검사장비를 설계했다.</p>
<h3>특히 자동차 부품에 강해 보인다.</h3>
<p>머신비전 활용도가 높은 곳이 자동차 부품과 전기·전자 분야다. 특히 기술적으로 초정밀을 요구하는 반도체, 디스플레이 등 전기·전자 분야에서 딥러닝 머신비전의 장래가 매우 밝다. 하지만 당장 사업적인 측면에서는 제품 생산주기가 6개월 정도인 전기·전자 분야보다 5년 이상인 자동차 분야가 유리하다. 게다가 자동차 부품은 100년이 넘은 산업이라 제조 분야에서 할 수 있는 시도는 거의 다 해봤고 대응 매뉴얼도 헤아릴 수 없을 정도로 많다. 불량 데이터를 축적해야 하는 우리로서는 상당히 매력적인 분야다. 지금의 쏠림 현상은 어느 정도 감수하고 한 분야라도 제대로 뿌리내려야 한다는 생각도 있다. 생산 공정에서 겪는 기술적 허들을 제대로 풀어주기만 하면 시장이 획기적으로 커질 수 있다.</p>
<h3>아이브만의 강점이 있다면.</h3>
<p>대다수 업체가 딥러닝 검사 알고리즘이 중심인 소프트웨어에 집중한다. 하지만 제조업 현장을 10년 넘게 지켜본 입장에서 말하면, 소프트웨어만으로는 시장 선점이 어렵다. 우리가 딥러닝 검사 알고리즘뿐만 아니라 고객사 생산현장에 맞춘 검사장비를 설계·제작하고, 제품 품질 데이터까지 쌓아 관리하는 이유다. 한마디로 딥러닝 검사 알고리즘이 탑재된 장비 솔루션 전체를 공급한다고 보면 된다. 사실상 국내에서 유일하다고 자부한다.‘하드웨어소프트웨어’ 통합 능력이 강점이다.</p>
<h3>멤버 구성이 화려하더라</h3>
<p>팀 구성에만 2년이나 걸렸다. 그만큼 창업 전부터 공을 들였다. 딥테크 기업 특성상 핵심 엔지니어가 누구냐에 따라 앞으로 합류할 팀원들의 면면이 달라질 수 있기 때문이다. 첫 단추가 중요하다. 아무리 제조기업 CEO라도 난데없이 딥러닝 머신비전을 한다고 하니 다니던 대기업에 사표를 내고 오겠다는 이는 없었다. 뜻밖에도 고등학교 친구인 김건희 서울대 컴퓨터공학부 교수가 길을 열어줬다. 사업계획을 듣던 김 교수가 업계의 소문난(?) 인재를 수소문해줘 만날 수 있었다. 물론 설득은 온전히 내 몫으로 남았다. 딥러닝 머신비전 프로젝트를 수차례 설명하는 것은 물론 제조공장 투어도 같이 다녔다. 그렇게 6개월이 지나고 나서 합류하겠다는 전화를 받았다. 인재는 삼고초려를 해서라도 모셔와야 한다.</p>
<h3>본인도 GE, BCG에서 일했고 창업도 해봤다.</h3>
<p>원래 창업이 꿈이었다. 하지만 더 많이 배워야겠다는 생각에 직장생활을 시작했다. 미국 GE에서 일하면서 운 좋게도 GE의 재무 전문 리더십 프로그램(FMP)을 이수했고 본사의 회계감사, 컴플라이언스(법규 준수) 등의 업무를 맡으며 글로벌 기업의 활동 전반을 경험할 수 있었다. MBA를 마친 후에 컨설팅이 창업에 도움이 되겠다 싶어 BCG에 지원했다. 혁신이나 변화를 원하는 고객사를 위해 많은 양의 도메인 날리지(Domain Knowledge, 해당 분야의 전문지식)와 시장 트렌드를 분석하고 가설에 맞춰 답을 찾아가는 과정이었다. 가설이 틀리면 다시 찾고, 맞으면 세부 가설을 세워 파고드는 식이다. 하지만 결국 의사결정을 하고 책임지는 건 기업 몫이다. 컨설팅의 한계를 느꼈고, 창업이 주는 매력은 더 크게 다가왔다. 미국 퀵소를 공동창업해보고, 한국에서 제조 관련 스타트업을 차리기에 이르렀다.</p>
<h3>창업 후 언제가 가장 힘들었나.</h3>
<p>아이브를 창업한 후 두 가지 측면에서 아주 힘들었다. 앞서 말한 대로 고객사에 제시할 성능 목표치를 정하는 것이 무척 어려웠다. 애써 정한 목표치가 현장에서 제대로 구동되지 않을 때도 마찬가지였다. 시쳇말로 ‘쫄리는’ 상황이 연출된 것이다. 뭐만 하면 첫 프로젝트나 다름없는데 실패하면 큰일인 상황. 테스트하는 날이면 나를 비롯해 몇몇 엔지니어는 스트레스 탓에 밥도 거르기 일쑤였다. 현장은 그만큼 변수가 많고 한 치 앞을 장담할 수 없는 곳이다. 지금도 고객사 공장에 갈 때면 엔지니어와 꼭 동행한다.</p>
<h3>마지막으로 하고 싶은 말이 있다면.</h3>
<p>힘든 점을 하나 더 꼽고 싶다. 사람을 찾는 일이다. 아이브에서 일한 것보다 멤버를 구성하는 데 더 많은 시간을 쏟아서인지도 모르겠다. 누군가 대기업과 스타트업 운영을 퍼즐게임에 비유한 적이 있다. 대기업과 스타트업의 차이도 퍼즐 조각의 차이 정도로 봤던 것 같다. 퍼즐을 완성하는 마지막 피스는 뭘까. 그는 인재라고 했다. 그 피스가 채워지면 퍼즐 판은 더 커진다고도 했다. 정말 그런 것 같다. 아이브도 AI 알고리즘 및 소프트웨어 개발, 광학 엔지니어링, 하드웨어 설계 등 전 분야에 걸쳐 공격적으로 채용에 나설 계획이다. 제조업 난제를 풀고 싶은 엔지니어라면 주저 없이 아이브의 문을 두드려달라!</p>


불량률 0%에 도전하는 딥러닝 검사 솔루션

<p><img src="/images/news/news02.jpeg" alt="Alt text"></p>
<h4>[월간인물] 유지연 기자</h4>
<p><a href="https://www.monthlypeople.com/news/articleView.html?idxno=198476">기사 원문</a></p>
<p>[월간인물 유지연 기자] 산업 전반의 디지털화가 주요 화두로 떠오른 가운데 스마트팩토리는 주변 환경 변화에 대응하기 위한 대안으로 주목받는다. ㈜아이브는 진정한 의미의 스마트팩토리 구축을 통한 제조업의 혁신에 도전하는 기업이다. 스타트업 창업과 제조업 경영 경험 위에 제조업과 AI의 융합이라는 아이디어를 찾은 성민수 대표를 만났다.</p>
<h3>50억 원 규모 투자 유치로 성장 동력 마련한 ㈜아이브</h3>
<p>2020년 2월에 설립한 딥러닝 머신비전 솔루션 전문 스타트업 ㈜아이브가 최근 50억 원 규모 시리즈A 투자 유치 소식을 알렸다. 2020년 5월 시드 투자 유치 이후 두 번째 투자 유치다. ㈜아이브는 딥러닝 기반의 머신비전 기술을 통해 제조업 제품의 불량품 검출 공정을 자동화하는 제조업용 AI 솔루션을 제공하는 기업이다. 기존 머신비전이 기술적 한계로 인해 적용되지 못하던 검사 분야에 적용 및 문제 해결을 통한 스마트팩토리의 실질적 구현을 목표로 한다. 딥러닝 머신비전의 핵심기술인 인공지능·머신비전·광학엔지니어링 기술 분야에서 경력을 쌓은 엔지니어들이 창업팀을 이뤘다. 창업 후 1년이라는 짧은 시간 동안 핵심 기술의 내재화 및 고도화, 다수의 개념 증명(Proof of concept) 및 양산 적용 프로젝트를 수행해내며 투자사들로부터 높은 점수를 받았다.</p>
<p>최근 DT(Digital Transformation)가 제조업 경쟁력 향상의 핵심으로 부각되는 가운데 부정확한 육안검사에 의존하던 최종 검사공정을 자동화하고자 하는 시장의 요구가 높아진다. 그러나 검사장비 하드웨어와 소프트웨어의 통합 역량이 내재화되어 있지 않은 제조사들의 다양한 니즈를 충족시킬 수 있는 AI 검사 솔루션은 부재한 상황이었다. ㈜아이브는 이러한 답답함을 해소할 수 있는 딥러닝 기반의 통합 머신비전 솔루션을 제공함으로써 부품 제조사들의 원가·품질 경쟁력 향상에 가시적 성과를 창출해냈다. 특히 검사공정인 비주얼 인스펙션에 AI 기술을 접목하는 데 집중한다.</p>
<p>“㈜아이브는 기존의 검사 방식으로는 자동화가 불가능했던 제조업의 문제를 해결할 수 있는 딥러닝 알고리즘, 머신비전 하드웨어, 데이터 플랫폼의 결합을 통한 종합 비전 솔루션을 제공하는 기업입니다. 디스플레이를 예로 든다면 현재까지는 완제품의 불량 여부를 판단하기 위한 픽셀 검사를 육안으로 수행하고 있습니다. 현미경을 사용한 방식이 정확하지 않은 데다 사람의 퍼포먼스가 일관되지 않다는 등의 이유로 불량이 유출되는 경우가 많았죠. 이는 제조업의 신뢰와 관련한 문제이기도 합니다. 통합 머신비전 솔루션은 이러한 부분에 도움을 드리고 있습니다.”</p>
<p>성민수 대표는 딥러닝 영상처리 기술이 파이널 인스펙션뿐 아니라 다양한 영역에 도움이 될 수 있다고 설명했다. 대규모 공장에 딥러닝 영상처리 기술을 적용할 경우 CCTV를 통해 작업자의 이상 행동 발견 시 알람을 띄우는 방식으로 사고를 사전에 방지할 수 있다. 그는 딥러닝은 이상데이터와 정상데이터를 학습함으로써 유사한 사례가 이상인지 정상인지 판단하는 모델이라며, 고객사 제조 현장에 최적화된 하드웨어를 결합한 머신비전 솔루션을 통해 기존 검사장비로는 검사가 어려웠던 외관 불량의 검사 자동화를 수행한다고 설명했다.</p>
<p><img src="/images/news/news02-1.jpeg" alt="Alt text"></p>
<h3>제조업의 품질 이슈 해결하는 딥러닝 기술</h3>
<p>미국에서 재무 관련 업무를 수행하던 성민수 대표는 스탠퍼드대학 MBA 졸업 후 실리콘 밸리에서 첫 창업에 도전했다. 부친이 설립 후 운영해온 자동차 부품사의 대표를 역임하고 있기도 하다. 그는 실리콘 밸리에서 머신러닝과 관련한 회사를 창업 및 운영한 경험과 더불어 제조업 회사를 경영하는 동안 제조업과 AI를 접목하기 위한 고민을 이어왔다며, 제조업의 파이널 인스펙션을 AI로 혁신한다는 아이디어에 도전하게 되었다고 설명했다. 여기에 뜻을 모은 ㈜아이브 창업팀은 성 대표를 제외하고는 전원이 엔지니어 출신으로 업계에서 15년 가까이 검사장비나 머신비전, AI 알고리즘 관련 전문성을 쌓아온 인재들이다.</p>
<p>“제조업을 경영하다 보면 가장 고통스러운 부분이 바로 품질 이슈에요. 아무리 자동화하더라도 미세한 차이로 불량이 발생할 수밖에 없죠. 불가피한 부분이지만 불량이 유출되었을 때 돌아오는 타격은 상당합니다. 불량률 관리가 무엇보다 중요한 이유죠.”</p>
<p>지금까지 머신비전 산업에 걸리는 기대가 커져가는 상황이었지만 다양한 변수 속 이미지적 룰을 정하는 것은 난제로 여겨져 왔다. 하나의 사례를 불량이라 설정했을 때 사람은 다양한 불량 여부를 판단할 수 있지만 기계는 이를 판단하는 것이 불가능했던 탓이다. 성 대표는 딥러닝 기술이 현실화되면서 머신비전이 사람을 대체할 수 있게 된 셈이라 말했다. 이에 ㈜아이브는 창업 후 반년간 고객 접촉을 완전히 매제하고 솔루션의 신경망이라 할 수 있는 딥러닝 핵심 알고리즘을 완성하는 데 집중했다. 성 대표는 대표로서 어떤 제조업 회사들이 ㈜아이브의 고객이 되면 좋을지 꾸준히 검토하며 소개하는 작업을 병행했다고 설명했다. 이러한 노력의 결과 업력 1년을 갓 넘긴 ㈜아이브는 현재 두 고객사와 후속 발주를 논의 중이다. 성 대표는 비용 절감이나 검사 정확도 측면에서 만족도가 높다고 귀띔했다. 또한, 딥러닝 기술 우수성을 입증하기 위해 글로벌 AI 챌린지에도 참여하여 국내외 유수의 연구기관을 따돌리고 세계 1위에 랭크되기도 했다.</p>
<p>“현재 국내에 머신러닝과 딥러닝을 하는 업체는 손에 꼽을 정도로 극초기 시장이라 할 수 있습니다. 이는 전 세계적으로도 비슷한 단계인데, 제조 강국인 우리나라는 스마트팩토리에 대한 높은 수요로 해당 분야의 기술 우위를 차지하고 있죠. 그중에서도 ㈜아이브는 소프트웨어와 하드웨어를 모두 다룬다는 점이 특징입니다.”</p>
<p>제품의 불량을 AI를 활용해 판단하는 솔루션을 개발하는 것은 전 세계적으로도 이제 초기 단계에 접어든 만큼 ㈜아이브가 수행하는 프로젝트 또한 세계 최초인 경우가 대다수다. 성 대표는 첫 번째 프로젝트에서부터 난관을 겪었다고 말했다. 난이도가 높기도 했지만, 예상보다 낮은 성능을 보인 탓이다. 몇 달간 밤을 지새우며 문제 해결에 매달렸다. 성 대표는 당초 기대하던 성능이 구현하는 순간 팀이 느끼는 쾌감은 어느 것에도 비할 수 없다며 당시를 떠올렸다.</p>
<h3>㈜아이브의 성장 동력, 팀워크과 자유로운 기업문화</h3>
<p>현재 ㈜아이브는 18명의 구성원들이 의기투합해 기업을 이끌어가고 있다. 성민수 대표는 한 명의 엔지니어가 훌륭하다고 해서 성과를 낼 수 있는 분야가 아니라며, 팀으로 문제를 해결하는 데 초점을 맞췄다고 전했다. 인재 채용에 있어서도 역량평가와 함께 컬쳐 인터뷰가 진행된다. 기본적인 실력도 중요하지만, 기존 구성원들과 잘 어우러져 팀워크를 발휘할 수 있는 사람인가에 중점을 둔다는 설명이다. 회사가 좋은 성과를 내기 위해서는 무엇보다 그룹워크가 잘 형성되어야 한다는 성 대표의 말을 뒷받침하듯 ㈜아이브는 사업 아이템 구상 후 2년을 창업팀을 모으는데 할애할 정도로 인재와 팀워크에 비중을 싣고 있었다.</p>
<p>“엔지니어들은 자신이 더 많은 것을 배울 수 있는 사람과 일하기를 원합니다. 보상에 대한 문제도 있지만, 실력 있는 사람과 팀을 이루는 것을 선호하죠. 인재를 채용할 때면 이런 점을 강조하는 것과 더불어 회사의 자유로운 분위기를 어필하곤 합니다. 별도의 출퇴근 시간이 정해져 있지 않고, 사내에 필라테스 강사가 방문해 레슨을 진행하는 등 편안하고도 건강한 분위기를 만들어가고 있습니다.”</p>
<p>무엇보다 팀워크를 강조하는 성 대표는 인재 채용 시에도 자연스러운 식사 자리를 갖는 것을 선호한다고 말한다. 기업문화를 말로 설명하기보다 한 번 어우러져 보는 것이 더욱 효과적이라는 생각에서다. ㈜아이브라는 사명 또한 구성원과의 논의 끝에 결정된 이름이다. 이러한 노력에도 불화가 생기기도 한다. 그럴 때면 팀워크를 해치지 않는 선에서 해결책을 찾고자 고심한다는 그다. 특히 대표로서 중심을 잡으며 구성원들에게 적당한 긴장감과 해방감을 주고자 노력하는 모습이다.</p>
<p>“기술도 결국 사람이 하는 일이에요. 좋은 사람들을 채용하는 것이 가장 어렵고도 중요한 일입니다. 출중한 실력을 갖춘 인재 유치를 위한 경쟁이 치열한 가운데 우리와 컬쳐핏도 잘 맞는 인재를 찾는 일이 쉽지만은 않죠. 저희와 좋은 팀워크를 이룰 수 있는 인재들을 영입하는 데 집중하고자 합니다.”</p>
<p>성 대표는 ㈜아이브가 이제 개념 증명을 끝내고 사업화 초기 단계에 접어들었다고 평가했다. 최근 투자를 유치한 만큼 본격 성장 단계를 향해 나아갈 것이라 내다보는 그다. 이와 함께 본격적 채용을 계획 중이다. 성 대표는 현재의 팀만으로는 의뢰받은 일들을 빠른 속도로 해결하는 데 한계가 있는 만큼 AI 알고리즘 및 소프트웨어 개발, 광학엔지니어링, 하드웨어 설계 등 전 분야에 걸친 공격적 채용을 통해 성장 단계로 빠르게 진입하고자 한다고 말했다.</p>
<p><img src="/images/news/news02-2.jpeg" alt="Alt text"></p>
<h3>고객의 문제 해결하는 기업, 세상이 필요로 하는 솔루션 제공할 것</h3>
<p>기업이 존재하는 유일한 이유는 고객의 문제를 해결하는 데 있습니다. 분야에서 고객의 문제를 기술적으로 누구보다 잘 해결하는 기업으로 성장하고자 합니다.</p>
<p>㈜아이브는 국내에서의 양산 적용 실적에 힘입어 글로벌 진출을 준비 중이다. 부품 제조업 허브로서의 위상을 가진 한국에서 다양한 제품의 딥러닝 머신비전 솔루션에 특화된 경쟁력을 갖춘 만큼 충분한 승산을 가졌다는 판단에서다. 아울러 적은 수량의 데이터로도 검출 모델 성능을 극대화하기 위한 Few Shot Learning, Unsupervised Anomaly Detection 등 딥러닝 기술 고도화에 나섰다. 이외에도 빠르고 정확한 검사가 가능한 2.5D 광학계의 개발에도 박차를 가할 예정이다.</p>
<p>성민수 대표는 무엇보다 즐거운 직장을 만들고 싶다고 말했다. 아침에 눈을 떴을 때 출근하고 싶은 회사를 만들고자 한다며, 자신의 적성에 맞는 업무를 수행하고, 그 결과에 따른 충분한 보상을 제공하는 등 여러 가지 요소가 복합될 때 ‘일하고 싶은 회사’가 만들어질 것이라 전하는 그다. 또한, 회사의 성장에 발맞춘 개개인의 역량 성장을 지향한다. 성 대표와 CSO, 프로젝트 매니저 등 비엔지니어 출신 구성원들 또한 솔루션에 대한 기술적 이해를 토대로 엔지니어와 고객을 잇는 역할을 수행하고 있다. 엔지니어들 또한 새로운 프로젝트에 도전하고, 컴퓨터공학 관련 학위 취득을 병행하는 등 역량 강화에 집중하는 모습이다. 성 대표는 지금은 낯선 업무일지라도 5, 10년 후에는 세상에 반드시 필요한 업무들이 될 것이라며, 구성원 개개인의 전문성을 확보해간다는 계획을 전했다.</p>
<p>“무엇보다 시장이 필요로 하는 일을 한다는 자부심을 갖고 있습니다. 누구도 원하지 않는 기술을 만들어가는 것은 사업가가 아닌 발명가죠. 딥러닝 기반의 통합 머신비전 솔루션의 엄청난 성장이 기대되는 만큼 연구개발에 집중하며 시장을 선도하는 기업으로 성장하고자 합니다.”</p>


제조업의 난제 해결할 딥러닝 기반의 통합 머신비전 솔루션

<p><img src="/images/news/news01.png" alt="Alt text"></p>
<h4>[플래텀] 김민정 기자 2021/06/23</h4>
<p><a href="https://platum.kr/archives/165471">기사 원문</a></p>
<p>딥러닝 머신비전 솔루션 전문 스타트업 아이브가 50억원 규모 시리즈A 투자 유치를 했다.
이번 시리즈A 투자에는 산은캐피탈, L&#x26;S벤처캐피탈, 퀀텀벤처스코리아, K2인베스트먼트파트너스, WE벤처스 등의 재무적 투자자(FI)가 참여했다.
앞서 아이브는 2020년 5월 시드 투자 유치를 한 바 있다. 당시 투자자로 센트랄, 삼기, 태양금속, 오토닉스 등 소재부품 전문 중견 제조사들이 참여했었다.
아이브는 딥러닝 기반의 머신비전 기술을 통해 제조업 제품의 불량품 검출 공정을 자동화하는 제조업용 AI 솔루션을 제공하고 있다.</p>
<p>아이브는 딥러닝 머신비전의 핵심기술인 인공지능ㆍ머신비전ㆍ광학엔지니어링 기술 분야에서 경력을 쌓은 창업팀 엔지니어들의 역량을 바탕으로, 창업 후 1년간의 짧은 시간 동안 핵심 기술의 내재화 및 고도화, 다수의 개념증명(Proof of concept) 및 양산 적용 프로젝트를 수행한 점이 투자사들의 높은 평가를 받았다.</p>
<p>최근 DT(Digital Transformation)가 제조업 경쟁력 향상의 핵심으로 부각되고, 부정확한 육안검사에 의존하던 최종 검사공정을 자동화하고자 하는 시장의 요구가 높아지고 있는 상황이다. 하지만, 검사장비 하드웨어와 소프트웨어의 통합 역량이 내재화되어 있지 않은 대ㆍ중견ㆍ중소 제조사들의 다양한 니즈를 충족시킬 수 있는 AI검사 솔루션이 부재한 현실에서 아이브가 딥러닝 기반의 통합 머신비전 솔루션을 제공함으로써, 부품 제조사들의 원가ㆍ품질 경쟁력 향상에 실질적 성과를 창출해 내고 있다는 점이 투자사들의 이목을 끌었다.</p>
<p>부품 제조업 허브로서의 위상을 가진 한국에서 다양한 제품의 딥러닝 머신비전 솔루션에 특화된 경쟁력을 갖춘 아이브는 국내에서 양산 적용 실적을 바탕으로 글로벌 진출도 추진할 예정이다. 아울러 적은 수량의 데이터로도 검출 모델 성능 극대화를 위한 Few Shot Learning 및 Unsupervised Anomaly Detection 등 딥러닝 기술 고도화와 함께, 빠르고 정확한 검사가 가능한 2.5D 광학계의 개발에도 박차를 가할 예정이다. 또한 성장 동력을 확보하기 위해 AI 알고리즘 및 소프트웨어 개발, 광학엔지니어링, 하드웨어 설계 전 분야에서 우수한 인력을 적극 채용할 계획이다.</p>


News/Blog