작년 십일월 어느 저녁, 28미터 컨베이어가 8:40에 멈췄습니다. 커다란 상자 하나가 합류 지점에 비스듬히 들어오면서 뒤에 있던 상자들이 세 겹으로 쌓였고, 라인이 이미 막힌 뒤에야 알아챘습니다. 마흔일곱 분의 가동 중단, 180건이 넘는 주문이 발이 묶였고, 고객 서비스 전화는 자정을 넘겨 울렸습니다. 이 AI 비전 컨베이어 걸림 감지 창고 이야기는 거기서 시작합니다. 그런 돈도, 그런 중단도 감당할 수 없는 작은 창고의 이야기입니다.
우리는 3,000제곱미터 창고에서 열네 명이 피킹과 포장을 맡고, 주 컨베이어 하나와 피더 두 대를 운영합니다. 수년 동안 우리의 걸림 방어는 사람의 눈과 포토 아이였습니다. 포토 아이에 대해 제가 마침내 깨달은 것은 이렇습니다. 포토 아이는 "이 지점이 이미 막혔다"는 것만 알려줄 뿐입니다. 얼마나 심각한지, 정확히 어디서 시작됐는지는 알려주지 못합니다. 경보가 울릴 때쯤이면 상자는 이미 쌓여 있습니다. AI 비전 컨베이어 걸림 감지는 반대로 작동합니다. 상자가 비뚤어졌는지, 쌓였는지, 아니면 그냥 움직이지 않는지를 지켜보다가 걸림이 완전히 생기기 전에 소리칠 수 있습니다. 그 차이는 작아 보입니다. 성수기에는 그 차이가 하루를 구합니다.
AI 비전 컨베이어 걸림 감지는 합류 지점에서 시작합니다
첫 단계에 큰돈을 쓸 엄두가 나지 않았습니다. 라인 전체에 카메라와 모델을 까는 것은 큰 창고의 게임입니다. 우리는 걸림이 잘 생기는 곳에만 카메라를 달았습니다. 주 라인과 피더가 만나는 합류 지점, 그리고 분류 출구 바로 앞의 굽은 구간입니다. 모두 세 대의 카메라입니다. 두 대는 보안 시스템에서 남은 여분이고, 한 대는 새로 샀습니다. 모델은 모든 것을 인식하려 하지 않습니다. 세 가지만 봅니다. 상자가 비뚤어졌는지, 상자가 쌓였는지, 상자가 몇 초 동안 움직이지 않았는지입니다. 목록을 이렇게 짧게 유지한 덕분에 오경보가 크게 줄었습니다.
시범 첫 주에도 여전히 된통 당했습니다. 오후 햇살이 서쪽 창문으로 들어와 벨트 위에 긴 그림자를 드리웠습니다. 시스템은 그림자를 옆으로 누운 상자로 오인해 어느 오후에 아홉 번이나 경보를 울렸습니다. 직원들이 달려가 봤지만 아무것도 없었고, 세 번째 출동쯤에는 욕이 나오기 시작했습니다. 공급업체 엔지니어와 상의한 뒤 규칙을 "연속된 여러 프레임이 이상해 보일 때만 경보"로 바꾸고, 하루 중 가장 밝은 시간대에 별도 설정을 추가했습니다. 오경보는 하루에 한 번 정도로 줄었습니다. 그 교훈이 마음에 남았습니다. 작은 창고에서는 감지율을 자랑하기 전에 오경보부터 잡아야 합니다. 직원들이 시스템을 믿지 않게 되면, 세상에서 가장 똑똑한 모델도 그냥 장식품에 불과합니다.
두 번째 이야기가 저를 완전히 믿게 만들었습니다. 십이월 어느 화요일 아침, 부드러운 폴리백 하나가 굽은 구간에서 눌려 절반이 벨트 옆으로 축 늘어졌습니다. 포토 아이는 아무 말도 하지 않았습니다. 한 줄의 시야만 보기 때문입니다. 카메라는 봤습니다. 가방이 다섯 초 동안 움직이지 않았고, 모양이 점점 길어지고 있었습니다. 경보가 울리고, 라인이 멈추고, 직원이 걸어가 가방을 바로잡았습니다. 처음부터 끝까지 두 분도 채 안 걸렸습니다. 완전히 걸릴 때까지 기다렸다면 또 반시간을 날렸을 겁니다. 그날 아침 이후로 저는 이것을 장난감이라 부르지 않게 됐습니다.
돈, 가상의 사례로 계산해 보기
아래 표에 대해 분명히 말씀드리겠습니다. 이것은 우리 창고 규모를 바탕으로 만든 가상의 계산 사례일 뿐, 업계 가격표도 아니고 누구의 견적도 아닙니다. 계산은 실제입니다. 여러분의 숫자를 넣어보세요. 방법 자체는 그대로 통합니다.
| 항목 | 가상 사례 |
|---|---|
| 카메라와 설치 | 3곳, 총 약 20,000위안 |
| 모델과 소프트웨어, 연간 | 연간 약 15,000위안 |
| 심각한 걸림 한 건 | 약 40분, 약 150건의 주문 영향 |
| 월별 심각한 걸림 | 성수기 약 6건, 한산한 달 약 2건 |
| 걸림 한 건당 인건비와 긴급 비용 | 약 800위안 |
대략 계산해 보면, 성수기에 한 달에 세 건의 걸림을 피하면 약 두 시간의 중단을 아끼고, 아낀 인건비와 긴급 주문 비용으로 한 달 소프트웨어 요금의 대부분을 충당합니다. 한산한 달에는 덜 아끼지만, 시스템은 거기 가만히 앉아 누구의 점심도 먹지 않습니다. 우리 규모에서 AI 비전 컨베이어 걸림 감지 창고 프로젝트의 요점은 바로 그것입니다. 역설적인 포인트는 이렇습니다. 작은 창고가 AI 비전을 살 때 사는 것은 감지율이 아닙니다. 사는 것은 더 적은 중단입니다. 감지율을 구십 퍼센트에서 구십오 퍼센트로 올리는 것은 우리 규모에서는 별 의미가 없습니다. 한 달에 두 번의 중단 감소는 큰 의미가 있습니다. 공급업체가 정확도 수치를 보여줄 때, 여러분이 다음에 물어야 할 질문은 항상 이것입니다. 하루에 오경보가 몇 번이고, 누가 처리합니까?
공개된 연구는 유용한 기준점을 제공합니다. Amazon의 연구팀은 실제 분류 시설에서 단일 카메라 시스템이 직접 센 513개의 화물을 기준으로 처리량을 98.05% 정확도로 셌고, 나란히 붙은 이중 화물 감지 정밀도는 96.0%였다고 공개적으로 보고했습니다. 그것은 그들의 현장과 그들의 데이터입니다. 제가 이를 인용하는 이유는 단 하나입니다. 이 접근법은 실험실 데모가 아니라 실제 창고에서 운용됐다는 것입니다. 여러분의 조명, 상자 구성, 벨트 속도는 다릅니다. 그러니 그들의 정확도 수치를 여러분 창고에 그대로 복사하는 것은 스스로를 속이는 일입니다.
AI 비전 컨베이어 걸림 감지를 위해 카메라를 어디에 둘 것인가
선택에서도 또 다른 교훈을 얻었습니다. 처음에는 누군가 깊이 감지 장치를 권했습니다. 견적을 보고 고개를 저었습니다. 좋은 장비였지만, 우리 상자는 어차피 뒤죽박죽입니다. 부드러운 봉투, 골판지 상자, 이상한 모양이 뒤섞여 돌아가는데, 깊이 데이터가 합류 지점에 비스듬히 들어오는 큰 상자를 구해줄 수는 없습니다. 우리의 규칙은 이렇게 됐습니다. 흐름을 먼저 보고, 모양을 나중에 봅니다. 흐름이란 상자가 움직이는지, 얼마나 빠른지입니다. 모양이란 비뚤어졌는지, 쌓였는지입니다. 평범한 카메라와 평범한 모델로 둘 다 할 수 있습니다. 가장 비싼 옵션이 필요 없습니다.
유지보수도 우리를 물었습니다. 카메라 한 대가 분류 출구 바로 위에 있었는데, 두 달 만에 먼지가 렌즈에 끼었습니다. 화면이 흐려지고 오경보가 급증했습니다. 이제 렌즈 닦기는 주간 장비 점검표에 들어 있습니다. 컨베이어 윤활과 같은 날, 열 분짜리 일입니다. 야간 근무도 또 다른 문제를 가져왔습니다. 밤에는 조명의 절반이 꺼지고, 벨트 한 구간이 어둡게 돌아가는데, 모델이 그곳에서 계속 머뭇거렸습니다. 조명을 추가하지도, 모델을 바꾸지도 않았습니다. 그 구간의 임계값만 느슨하게 풀어, 새벽 3시에 사람을 깨우는 것보다 약간의 틀어짐 하나를 놓치는 쪽을 택했습니다. 절충은 그렇게 작동합니다. 낮에는 민감하게, 밤에는 조용하게. 하나의 모델이 두 가지를 다 가질 수는 없습니다.
다른 작은 창고들에 드리는 조언은 한 문장입니다. 지능에 대해 이야기하는 것부터 시작하지 말고, 여러분의 라인이 가장 자주 걸리는 세 곳에 대해 이야기하는 것부터 시작하세요. 그 지점을 찾아 카메라를 겨누고, 모델에게 실제로 해가 되는 몇 가지 고장만 인식하게 가르치면, 돈은 중요한 곳에 쓰입니다. 지점을 잘못 잡고, 카메라를 한 줄로 달고, 모델에게 열두 가지를 가르치면, 경보가 걸림보다 사람을 더 짜증나게 할 겁니다. 직원들이 전원을 꺼버릴 것이고, 쓴 돈은 전부 물거품이 됩니다. 작은 창고에는 작은 창고 나름의 생존 방식이 있습니다. 큰 창고는 라인 전체의 지능을 이야기합니다. 우리는 가장 아픈 한 곳을 지키는 이야기를 합니다. 컨베이어 하나, 카메라 세 대, 지점 두 곳. 그리고 무엇이든 정하기 전에 노트와 함께 두 주를 먼저 보내세요. 모든 걸림마다 시간, 장소, 상자 종류를 적는 겁니다. 그 노트는 어떤 공급업체의 제안서보다 값집니다.
Xiao Ma, 소규모 창고 운영자 지음 영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.







