용접 품질검사 자동화, 레이저 비전 센서와 로봇은 어떻게 결합되는가
육안 검사만으로는 한계가 뚜렷합니다
농업기계, 건설기계 같은 특수목적기계 부품 제조 현장에서는 지금도 용접부 품질을 작업자의 눈으로 확인하는 경우가 많습니다. 문제는 이 방식이 숙련도에 크게 좌우된다는 점입니다.
같은 용접부를 보고도 검사자에 따라 판정이 달라질 수 있고, 반복적인 자세 유지와 정밀 관찰은 근골격계 부담으로 이어지기 쉽습니다. 검사 결과가 문서나 데이터로 남지 않으면, 나중에 불량 원인을 추적하기도 어려워집니다.
이런 배경에서 레이저 비전 센서를 탑재한 로봇이 용접부를 정량적으로 측정하는 검사 공정이 대안으로 떠오르고 있습니다. 다만 "로봇을 들이면 끝"이라는 단순한 접근으로는 실제 현장에서 기대한 효과를 보기 어렵습니다.
숙련 인력 확보가 점점 어려워지는 상황도 이런 흐름을 뒷받침합니다. 특히 완성차·건설기계 등 상위 거래처를 둔 부품사일수록, 품질 이력을 수치와 데이터로 제출하라는 요구가 늘고 있어 "감각적 판단"만으로는 거래 조건을 맞추기 어려워지는 경우도 생깁니다.
레이저 비전 센서는 어떤 원리로 결함을 찾아내는가
레이저 비전 검사는 용접부 표면에 레이저를 투사하고, 반사되어 돌아오는 빛의 형태를 카메라로 분석해 비드(용접 이음부)의 형상을 3차원으로 재구성하는 방식입니다. 이 원리를 "레이저 삼각측량"이라고 부릅니다.
국내 연구진이 발표한 학술 논문에서는 가스금속아크용접(GMAW) 공정에서 레이저 비전 센서를 로봇 토치에 탑재해 비드 형상을 실시간으로 측정하고, 측정된 외부 형상 데이터를 바탕으로 내부 형상과 인장강도를 예측하는 심층신경망 모델을 함께 개발한 사례가 보고된 바 있습니다. 이는 레이저 비전 기술이 단순히 "찍어서 보는" 수준을 넘어, 육안으로는 확인할 수 없는 내부 품질까지 간접적으로 추정하는 방향으로 발전하고 있음을 보여줍니다.
국제로봇연맹(IFR) 역시 컴퓨터 비전 기반의 결함 탐지와 품질 검사를 산업용 로봇에 인공지능이 접목되는 대표적인 응용 분야 중 하나로 꼽은 바 있습니다. 이러한 흐름은 특정 기업의 사례가 아니라 제조업 전반에서 관찰되는 기술적 방향성에 가깝습니다.
기존에도 초음파나 방사선을 이용한 비파괴검사 방식이 있었지만, 이런 장비는 대체로 고가이고 검사 속도가 느려 전수검사보다는 샘플링 검사에 적합했습니다. 반면 레이저 삼각측량 방식은 상대적으로 빠른 속도로 표면 형상을 측정할 수 있어, 로봇의 이동 경로에 맞춰 실시간에 가깝게 검사를 이어갈 수 있다는 점이 특징입니다.
물론 "빠르다"는 것이 "모든 결함을 다 잡아낸다"는 뜻은 아닙니다. 레이저 비전은 기본적으로 표면 형상을 측정하는 방식이므로, 내부 기공이나 균열처럼 표면에 드러나지 않는 결함은 형상 데이터를 통한 간접 추정에 의존할 수밖에 없습니다. 이 때문에 고위험 부품의 경우, 레이저 비전 검사를 1차 필터로 활용하고 일부는 여전히 정밀 비파괴검사와 병행하는 방식이 현실적인 절충안이 되기도 합니다.
공정의 기본 흐름은 다음과 같이 정리할 수 있습니다.
- 용접 로봇이 지정된 경로를 따라 용접을 수행
- 검사 지그로 이송된 용접부를 레이저 비전 센서가 스캔
- 측정된 형상 데이터를 기준값과 비교해 합격·불합격을 판정
- 판정 결과와 측정값을 데이터베이스에 저장
불합격으로 판정된 제품은 별도 알람과 함께 라인에서 분리되고, 담당자가 원인을 확인한 뒤 재작업 또는 폐기 여부를 결정하는 흐름으로 이어지는 것이 일반적입니다. 이 판정·분리 로직을 얼마나 명확하게 설계하느냐가, 검사 데이터가 실제 품질 개선에 쓰이는지 아니면 쌓이기만 하는 기록으로 남는지를 가릅니다.
도입 전에 짚어야 할 안전기준
로봇과 사람이 같은 공간에서 일하는 구조라면, 성능 못지않게 안전 설계가 핵심 변수가 됩니다. 산업용 로봇과 사람이 함께 작업하는 환경에 대해서는 국제 안전표준(로봇 안전 관련 ISO 규격군)에서 위험성평가와 안전 조치를 요구하고 있으며, 국내에서도 고용노동부와 안전보건공단이 협동작업 안전 가이드를 통해 관련 기준을 안내하고 있습니다.
현장에서 실제로 확인해야 할 항목은 아래와 같이 정리됩니다.
- 로봇 동작 반경 내 접근 시 속도를 낮추거나 정지시키는 제어 방식 적용 여부
- 작업자와 로봇 사이 안전거리 확보 또는 물리적 방호 장치 설치 여부
- 비상정지 장치의 위치와 작동 여부에 대한 정기 점검
- 로봇·엔드이펙터(용접 토치, 지그 등) 교체 시 위험성 재평가 수행 여부
이 항목들은 법령이나 고시의 조문번호를 외우는 것보다, "무엇을 확인해야 하는가"라는 기능적 요건으로 이해하는 편이 실무에 더 유용합니다.
산업용 로봇과 협동로봇은 안전을 확보하는 방식 자체가 다릅니다. 일반 산업용 로봇은 방호 펜스로 사람의 접근 자체를 차단하는 방식을 기본으로 하는 반면, 협동로봇은 사람과 같은 공간에서 작업하는 것을 전제로 속도·힘 제한이나 접촉 감지 기능을 갖추도록 설계됩니다. 검사 공정에 어떤 유형의 로봇을 쓸 것인지에 따라 필요한 안전 조치의 성격도 달라지므로, 로봇 선정 단계에서부터 안전 설계를 함께 검토해야 합니다.
위험성평가는 로봇을 처음 설치할 때 한 번만 하고 끝나는 절차도 아닙니다. 엔드이펙터를 교체하거나 검사 지그의 형태가 바뀌면, 로봇의 동작 궤적과 접촉 위험도 함께 달라지므로 그때마다 재평가가 필요합니다.
비용은 어떻게 구성되는가
레이저 비전 검사 공정의 투자 비용을 이야기할 때, 총액 한 줄로 요약하는 것은 오해를 부르기 쉽습니다. 실제로는 여러 항목이 합쳐진 구조이기 때문입니다.
- 하드웨어: 로봇 본체, 레이저 비전 센서, 검사·용접용 지그
- 통합 엔지니어링: 로봇 티칭, 센서 캘리브레이션, 판정 기준값 설정
- 운영 비용: 정기 캘리브레이션, 소모품(용접 와이어·필터 등) 교체
- 숨은 비용: 기존 라인 레이아웃 변경, 작업자 재교육, 초기 안정화 기간의 생산성 저하
품목별 정확한 금액은 로봇 사양, 지그 복잡도, 기존 라인과의 통합 난이도에 따라 사업장마다 크게 달라지므로, 이 글에서는 구체적인 총액 대신 비용이 발생하는 구조를 기준으로 설명했습니다. 실제 견적은 SI 파트너사를 통해 현장 조건에 맞춰 산정하는 것이 정확합니다.
투자 회수 기간을 따질 때도 초기 도입 비용만 보면 판단을 그르치기 쉽습니다. 불량률 감소와 재작업 감소로 얻는 이득은 비교적 눈에 잘 띄지만, 초기 안정화 기간에 발생하는 생산성 저하나 작업자 재교육에 드는 시간 비용은 계획에서 빠지기 쉬운 항목입니다. 중소 제조기업이라면 처음부터 전 라인에 투자하기보다, 지그·소프트웨어를 모듈 단위로 구성해 검증된 라인부터 순차적으로 확대하는 방식으로 초기 리스크를 낮출 수 있습니다.
정부·지자체가 운영하는 스마트공장 보급·고도화 지원사업을 활용해 초기 투자 부담의 일부를 완화하는 것도 검토할 만한 방법입니다. 다만 지원 대상·비율은 사업 공고마다 달라지므로, 구체적인 조건은 해당 연도의 공고문을 통해 직접 확인해야 합니다.
Before / After: 검사 방식 비교
| 항목 | 수작업 육안 검사 | 로봇·레이저 비전 검사 |
|---|---|---|
| 판정 기준 | 검사자의 경험과 감각 | 측정된 수치 기준값 |
| 결과 기록 | 대부분 기록 없음 또는 수기 | 자동 데이터베이스화 |
| 반복 정확도 | 검사자별 편차 존재 | 동일 조건에서 일관된 측정 |
| 작업자 부담 | 반복 관찰로 인한 피로 누적 | 검사 자체는 로봇이 수행 |
| 도입 부담 | 낮음(추가 투자 불필요) | 초기 투자·통합 기간 필요 |
표에서 보듯, 자동화 검사가 모든 면에서 우월한 것은 아닙니다. 초기 투자 부담이 낮은 수작업 방식이 여전히 유효한 상황도 있으며, 이는 아래 실패 패턴 및 혼합 운영 항목에서 다시 다룹니다.
도입 후 자주 나타나는 시행착오
로봇과 레이저 비전 센서를 들여놓는 것과, 그것이 현장에서 안정적으로 작동하는 것은 별개의 문제입니다. 반복적으로 관찰되는 시행착오 유형은 다음과 같습니다.
용접 흄이나 아크 빛이 센서 측정값에 간섭을 일으켜 초기 캘리브레이션 값이 시간이 지나며 틀어지는 경우가 있습니다. 따라서 한 번 설정하고 끝내는 것이 아니라, 주기적인 재캘리브레이션 계획을 세워야 합니다.
검사 기준값을 설정할 때 사용한 학습·기준 데이터가 실제 생산 조건(재질 두께 편차, 지그 마모 등)을 충분히 반영하지 못하면, 합격 판정을 받아야 할 제품이 불합격으로 걸러지는 "과검출" 문제가 발생하기도 합니다. 반대로 기준을 지나치게 느슨하게 잡으면 실제 결함을 놓치는 결과로 이어집니다.
마지막으로, 검사 결과가 자동으로 기록된다는 점이 오히려 현장 반발을 부르는 경우도 있습니다. 기존에는 눈으로 보고 넘어가던 판단이 데이터로 남으면서 책임 소재가 명확해지기 때문입니다. 이 부분은 기술 도입 이전에 운영 방식과 평가 기준에 대한 조율이 함께 이뤄져야 하는 지점입니다.
지그 설계의 완성도 부족도 자주 반복되는 원인입니다. 검사용 지그가 제품을 고정하는 위치나 힘이 매번 미세하게 달라지면, 로봇과 센서가 아무리 정밀해도 측정 기준점 자체가 흔들려 판정 결과의 신뢰도가 떨어집니다. 검사 정밀도를 로봇·센서 성능 문제로만 좁혀서 보지 않고, 지그와 고정 방식까지 함께 점검해야 하는 이유입니다.
전수 자동화가 아니어도 되는 이유
모든 공정을 한 번에 자동화할 필요는 없습니다. 실제로는 검사 항목이나 라인 특성에 따라 사람과 로봇의 역할을 나누는 혼합 운영이 더 현실적인 경우가 많습니다.
- 고위험·고빈도 결함 구간만 로봇·레이저 비전으로 전수검사하고, 나머지는 샘플링 검사 유지
- 로봇이 1차 판정을 내리고, 애매한 경계값 결과만 사람이 최종 확인하는 이중 검증 구조
- 신규 라인은 우선 한 라인에만 도입해 성과를 검증한 뒤, 점차 다른 라인으로 확대
이런 단계적·혼합적 접근은 초기 투자 부담을 낮추면서도, 데이터 기반 품질 관리로 넘어가는 학습 기간을 확보할 수 있다는 점에서 중소 제조기업에 특히 유효한 전략입니다.
다만 혼합 운영을 택하더라도 앞서 다룬 안전기준은 그대로 적용됩니다. 사람이 로봇 검사 구간에 개입해 최종 확인을 하는 구조라면, 그 접근 동선 자체를 위험성평가 대상에 포함해야 합니다. 자동화 범위를 줄인다고 해서 안전 설계의 필요성까지 줄어드는 것은 아닙니다.
결국 중요한 것은 측정이 아니라 판단 기준입니다
레이저 비전 센서와 로봇의 조합은 용접 검사를 "감각"에서 "수치"로 옮기는 기술입니다. 그러나 센서를 설치하는 것 자체보다, 그 수치를 어떤 기준으로 판정할 것인지, 안전은 어떻게 확보할 것인지, 사람과 로봇의 역할을 어떻게 나눌 것인지에 대한 설계가 도입 성패를 가릅니다.
현장에서 자동화를 검토하고 있다면, 전체 라인을 한 번에 바꾸기보다 위험도가 높은 공정 하나를 골라 안전기준 점검과 함께 시범 적용해보는 것이 현실적인 첫걸음이 될 수 있습니다. 시범 적용 단계에서 판정 기준값과 이상 처리 절차를 충분히 검증한 뒤 다른 라인으로 확대한다면, 초기 시행착오를 줄이면서도 데이터 기반 품질 관리 체계로 안정적으로 전환할 수 있습니다.
참고문헌
- Lee, K.; Hwang, I.; Kim, Y.-M.; Lee, H.; Kang, M.; Yu, J. "Real-Time Weld Quality Prediction Using a Laser Vision Sensor in a Lap Fillet Joint during Gas Metal Arc Welding." Sensors (MDPI), 2020년 3월 14일. https://www.mdpi.com/1424-8220/20/6/1625
- International Federation of Robotics. "IFR position paper on AI in robotics released." IFR, 2026년 2월 2일. https://ifr.org/ifr-press-releases/news/position-paper-on-ai-in-robotics
본 게시물은 AI 어시스턴트를 활용하여 초안을 작성하고 편집자의 검수를 거쳤습니다. 타 기업명 및 영업 기밀 보호를 위해 본문 중 일부 고유명사는 익명화(A/B) 처리되었습니다.