애플리케이션
- 공장 자동화, 로봇 공학 및 Industry 5.0
- 로봇 공학, IoT(사물 인터넷), AI(인공 지능) 및 ML(머신 러닝)용 센서
- AGV(자율 주행 차량) 및 창고 로봇
- 인간 상호 작용을 위한 협업 로봇(cobot)
- 의료용 로봇
- 소비자 로봇
- 산업용 제어장치[노브, 전위차계, 스테퍼 모터, BLDC(무브러시 DC 모터)]
- 공장 검사 및 자동화를 위한 머신 비전(이미지 센서 및 조명 장치)
머신 비전
ams OSRAM의 머신 비전용 광학 솔루션을 사용하면 기계가 세상을 정확하게 볼 수 있습니다. 머신 비전은 광범위한 애플리케이션을 포괄합니다. 원하는 이미지 품질을 달성하는 데 필수적인 품질 관리를 위한 자동 광학 검사의 예로는 이미저 분해능, 초당 프레임 이미지 샘플링 속도, 라인/2D 장면 스캐닝, 글로벌/롤링 셔터 기술 및 매칭 장면 조명을 들 수 있습니다. 현장 조명이 일반적인 일광을 보완하는 경우, 센서로 제어되는 스펙트럼 적응 조명이 필요할 수 있습니다. ams OSRAM은 다양한 머신 비전 애플리케이션과 사용 사례에 대한 요구 사항을 충족하는 광범위한 최첨단 제품 솔루션을 제공합니다. 민감한 NIR 이미지 센서와 결합된 플러드 및 고대비 도트 조명기를 갖춘 근적외선 조명은 사용자 제어가 불가능한 주변 조명 조건에 영향을 받지 않는 소형, 비용 효율적이며 고성능인 비전 시스템을 구현합니다.
3D 감지
구조화된 조명, 수동/능동적 입체 시야, 통합된 ToF(Time of Flight), 직접 ToF, 또는 강도 근접성? 거리를 감지하고 3D 장면을 캡처하는 데 사용되는 광학 감지 기술은 다양하며, 이들 모두 각각 장단점이 있습니다. ams OSRAM은 조명 장치, 센서 및 드라이버로 구성된 포괄적인 포트폴리오를 통해 설계자가 애플리케이션에 맞는 솔루션을 선택하고 구현할 수 있도록 지원합니다.
3D 감지 기능을 사용하면 기계가 특정 환경 내에서 작업해야 하는 객체를 정확하게 식별할 수 있습니다. 비전 기반 3D 감지 솔루션은 일반적으로 스테레오 비전을 위한 듀얼 카메라 설정으로, 또는 구조화된 조명 비전 설정을 위해 정의된 패턴 프로젝션 설정과 결합된 단일 카메라를 사용하여 구현됩니다. 구조화된 광 투사를 더 높은 성능의 3D 스캐닝을 위해 스테레오 비전과 결합하면 이를 "능동적" 스테레오 비전이라고 합니다. 또한 ToF(Time of Flight) 기반 3D 스캐닝 개념이 적용되어 방출된 광자와 물체에서 반사된 광자 사이의 단일 펄스(직접 ToF) 또는 연속 변조(iToF) 런타임이 측정됩니다.
바코드 판독기
AIDC(자동 식별 및 데이터 캡처)는 객체를 정확하게 식별하고 ID, 대상/목적지 주소 데이터 등과 같은 주요 측정 지표를 확보하는 것을 말합니다. AIDC 스캐너는 소매점, POS(판매 시점) 단말기, 택배 픽업 및 창고에서 바코드나 QR 코드를 읽는 데 사용됩니다. 이 장치는 일반적으로 선형 이미지 센서나 2D 어레이 이미저를 기반으로 합니다. AIDC 스캐너는 유통 센터의 고속 컨베이어 벨트 주변에서도 찾아볼 수 있으며, 여기에서는 QR 코드와 패키지 용량을 모니터링합니다.
안전
기존 생산 환경은 사람이나 장비가 위험하거나 민감한 기계 또는 생산 단계에 너무 가까이 접근하지 못하도록 방지하는 안전 펜스와 같은 수많은 기계적 보호 장치로 구성됩니다. 보다 개방적이고 유연한 생산 환경에서는 2D 또는 3D LiDAR 레이저 스캐너나 1D/2D LED 광커튼을 통해 필요한 안전 기능을 실현합니다. 이 장치는 내장된 광 검출기가 있는 분리된 이미터와 수신기 장치로 구성됩니다. 각 생산 환경에는 수백 개의 LiDAR 스캐너, 전광 빔, 광커튼 및 제어된 기계식 안전 펜스가 설치되어 있습니다. Industry 4.0의 원칙에 따라 생산 환경은 더욱 개방적이고 유연해지고 있습니다. 품질과 신뢰성이 입증된 ams OSRAM의 LED, 레이저 및 정합 광다이오드는 많은 설치 장치에서 찾아볼 수 있습니다.
상태 모니터링 / 예측 유지 관리
머신 러닝 및 인공 지능을 결합한 상태 모니터링과 예측 유지 관리 알고리즘은 최적의 기계 작동과 적시 유지 관리를 위한 데이터 기반 통찰력을 제공합니다. 공장 자동화는 5가지 수준의 유지 관리를 구분합니다. 최저 수준은 반응적/예방적 유지 관리로, 일정 간격으로 고장이 발생하거나 고장이 나기 전에 수리를 실시합니다. 상태 기반 유지 관리는 지속적인 기계 모니터링을 통해 기계가 알려진 양호한 상태에서 벗어났을 때 가능한 한 일찍 감지하고 신호를 보내 필요한 유지 관리 조치를 실행하는 방식입니다. 예측 유지 관리에서는 상태 모니터링에 "미리 보기" 계층을 추가하여 유지 관리 조치가 필요하기 전에 기계를 얼마나 오랫동안 작동할 수 있는지 평가합니다. 이는 과거의 광범위한 통계 데이터를 바탕으로 남은 실행 시간을 예측합니다. 머신 러닝은 더 광범위한 맥락에서 사용 패턴을 평가하여 유지 관리 예측 및 기계 작동을 더욱 개선합니다. 다양한 모니터링과 예측 알고리즘 모두에서 공통적으로 발견되는 것은 스마트하고 정확한 센서가 제공하는 정밀한 기계 데이터가 필요하다는 것입니다.

