광산 컨베이어 벨트를 점검하는 일은 위험하고, 느리며, 일관성이 떨어지는 작업입니다. 이러한 벨트는 노천광과 지하 광산을 통과하며 수 킬로미터에 걸쳐 이어질 수 있으며, 점검 작업원들을 산성 먼지, 극심한 열, 자외선, 그리고 불편한 작업 자세에 노출시킵니다.
전통적으로 작업자는 벨트의 전체 길이를 직접 걸어가며 수천 개 부품의 상태를 육안으로 판단해야 했습니다. 가혹한 환경과 정확히 어느 부품이 어디에서 고장 나고 있었는지 기억하기 어렵다는 점 때문에 이 과정은 더욱 어려워졌습니다.
SK Godelius는 로봇 공학, computer vision, 그리고 다중 모달 센싱을 사용하여 광산 운영자가 이러한 핵심 자산을 모니터링하고 유지 관리할 수 있도록 지원합니다. 예를 들어, Ultralytics YOLO models을 사용하여 SK Godelius의 로봇은 컨베이어 벨트 옆을 걸어가며 롤러 같은 부품을 자동으로 감지하고 누락되었거나 멈췄거나 과열된 부품을 표시할 수 있습니다.
세계에서 가장 까다로운 광산에 로봇 공학와 AI 도입하기#
SK Godelius는 2011년부터 운영되어 온 엔지니어링 및 로봇 공학 기업으로 칠레, 캐나다, 호주에 지사를 두고 있습니다. SK Godelius는 로봇 공학, 인공지능, 엔지니어링, 심층 광산 도메인 전문 지식을 결합하여 까다로운 환경을 위한 기술을 구축해 왔으며, 수년에 걸쳐 그 기술은 광산이 안전과 효율성에 접근하는 방식을 바꾸어 놓았습니다.
결정적으로 SK Godelius는 단순히 코드를 작성하는 것 이상의 일을 합니다. 센서, 카메라, 프로세서, 온보드 지능형 시스템을 자체적으로 탑재한 기계를 직접 설계하고 제작하며, 노천광과 지하 광산에서 인간의 감독이 거의 또는 전혀 없는 상태로 작동할 수 있습니다.
이러한 작업의 핵심 목표는 사람들이 위험에 처하지 않도록 하는 것입니다. Mining inspections은 종종 작업자를 위험한 환경에 밀접하게 노출시키며, SK Godelius는 그러한 고위험 수동 작업을 더욱 안전하고 일관되게 수행할 수 있는 자율 시스템으로 대체하는 것을 목표로 합니다.
로봇 공학과 AI를 결합함으로써 SK Godelius는 광산 운영자에게 장비 상태를 파악할 수 있는 안정적이고 반복 가능한 방법을 제공하며, 한때 위험했던 수동 작업을 표준화된 데이터 기반 프로세스로 전환합니다.
수동 컨베이어 점검의 숨겨진 비용#
컨베이어 벨트는 광산의 척추로서 수 킬로미터에 달하는 거리를 가로질러 광석을 지속적으로 이동시킵니다. 벨트를 계속 가동하려면 정기적인 점검이 필요하며, 전통적으로 이는 작업자가 전체 라인을 수동으로 걸어서 점검하는 것을 의미했습니다.
노천광에서 이 작업은 강한 태양, 먼지, 공기 중의 산성 물질 아래에서 불편한 자세로 오랜 시간 동안 이루어집니다. 지하에서 점검원들은 밀폐된 공간, 낮은 조명, 불량한 환기, 제한된 시야 등 다른 조건들에 직면합니다.
두 환경 모두에서 점검은 작업자를 까다롭고 때로는 위험한 환경에 가깝게 위치시킵니다. 수동 방식은 또한 일관성을 유지하기 어렵습니다.
수 킬로미터의 벨트를 걷는 한 사람이 모든 결함, 즉 어떤 롤러가 과열되었고, 어떤 롤러가 멈췄으며, 문제가 정확히 어디에 있었는지를 쉽게 포착하고 기억하기란 어렵습니다. 교대조마다 보고하는 내용이 다를 수 있으므로 동일한 벨트가 하루에서 다음 날로 평가되는 방식이 달라질 수 있으며, 이는 시간이 지남에 따라 문제를 추적하거나 패턴을 파악하기 어렵게 만듭니다.
그러한 일관성 부족은 실질적인 비용을 초래합니다. 대형 광산에서 컨베이어가 고장 나면 생산 손실로 인해 시간당 최대 10만 달러의 비용이 발생할 수 있으며, 찢어진 벨트를 수리하는 데는 한두 번의 온전한 교대조가 소요될 수 있습니다. 완전하고 일관된 데이터가 없으면 운영자는 문제를 예방하기보다 고장이 발생한 후에 대응하는 상황에 놓이게 됩니다.
Ultralytics YOLO로 컨베이어 벨트 점검하기#
Automate conveyor 점검을 위해 SK Godelius는 라인을 따라 이동하며 이동 중에 시각적, 열화상, 음향 데이터를 캡처하는 로봇 플랫폼을 사용합니다.
각 센서는 고유한 역할을 담당합니다. 음향 분석은 롤러의 문제가 열로 나타나기 전에 소리를 감지하고, 열화상 카메라는 어떤 부품이 과열되어 작동하는지 보여주며, Ultralytics YOLO 모델을 활용하는 비전 AI 파이프라인은 시각적 데이터를 실시간으로 해석합니다.
그림 1. SK Godelius 로봇이 Ultralytics YOLO를 사용하여 컨베이어 벨트를 점검하고 있습니다 (Source)
SK Godelius가 추적하는 50개 이상의 컨베이어 고장 유형 중 약 20개는 시각적 고장(computer vision 파이프라인을 통해 해결되는 고장)이며, 나머지 고장 유형은 보완적인 센싱 기술을 통해 감지됩니다. Ultralytics YOLO 모델이 computer vision tasks과 같은 object detection을 지원하므로, 시스템은 컨베이어 라인에서 가장 중요한 부품과 상태를 식별할 수 있으며, 이를 통해 YOLO는 더 광범위하고 다중 모달인 점검 솔루션의 핵심 요소가 됩니다.
이는 개별 롤러를 골라내어 누락되었거나 더 이상 회전하지 않는 롤러를 표시하고, 벨트 아래에 쌓인 자재를 찾아내며, 열려 있는 울타리나 있어야 할 자리에 놓여 있는 물체 또는 차량 등 라인의 정상 상태를 벗어나는 모든 것을 포착하는 것을 의미합니다.
이러한 까다로운 환경에서 감지의 신뢰성을 유지하기 위해 SK Godelius는 Ultralytics YOLOv8으로 시작하여 이후 Ultralytics YOLO11로 전환했습니다. 이들은 속도와 정확도의 강력한 균형을 제공하는 중형 모델 변형을 활용하며, 클라우드가 아닌 엣지의 로봇 온보드 하드웨어에서 이를 실행합니다. 즉, 감지가 라인 현장에서 바로 이루어집니다.
Ultralytics YOLO 모델을 선택한 이유#
SK Godelius에게 Ultralytics YOLO 모델의 주된 장점은 정확도입니다. 컨베이어 라인에서 시스템은 고장 난 부품이 정확히 무엇이고 어디에 위치해 있는지 식별해야 하며, YOLO는 점검이 라인을 따라 이동함에 따라 특정 부품을 정확히 찾아내는 데 필요한 정밀한 감지를 제공합니다.
그림 2. 광산 컨베이어에 배포된 Ultralytics YOLO. 이미지 출처: Godelius
일관성 역시 그만큼 중요합니다. 수 킬로미터의 벨트를 걷는 단일 작업자는 모든 결함을 안정적으로 포착하고 기억할 수 없지만, YOLO 기반 비전 모델은 매번 동일한 방식으로 라인을 평가합니다. 이러한 일관된 감지는 SK Godelius의 광범위한 점검 플랫폼으로 공급되며, 이는 이를 표준화된 보고, 추적성, 그리고 더 신뢰할 수 있는 결정을 지원하는 유지 관리 워크플로로 전환합니다.
또한 모델은 클라우드가 아닌 로봇에서 직접 엣지에서 효율적으로 실행됩니다. 이 덕분에 연결이 제한되고 열, 먼지, 공기 중의 산성 물질 등 까다로운 조건이 있는 원격 광산 현장에서도 감지가 빠르고 안정적으로 유지됩니다.
Ultralytics YOLO를 통해 평균 주간 커버리지 95% 이상 유지하기#
Ultralytics YOLO로 구동되는 자율 점검 솔루션을 통해 컨베이어 점검을 자동화함으로써 SK Godelius는 점검을 더 빠르고, 더 안전하며, 훨씬 더 일관되게 만들었습니다. 시스템이 문제를 감지하면 그 결과를 정확한 GPS 위치와 연결하고, 유지 관리 팀에 문제의 위치를 (대개 1미터 이내로) 정확히 파악해 주는 보고서와 지원 데이터를 보냅니다.
라인의 수동 보행을 대체함으로써 인력이 위험한 환경에 노출되는 빈도도 줄어들며, 표준화되고 반복 가능한 감지 덕분에 팀은 고장이 발생한 후에 대응하기보다 문제가 악화되기 전에 조치를 취할 수 있어 대형 광산에서 컨베이어 정지가 유발할 수 있는 비용이 많이 드는 가동 중단을 방지하는 데 도움이 됩니다.
그림 3. 결함 및 이상 징후에 대한 광산 컨베이어 벨트 모니터링 (Source)
이러한 이점은 노천광과 지하 광산 모두의 10개 이상의 광산 현장에 자율 컨베이어 벨트 점검 시스템이 배포되어 운영 캠페인 전반에 걸쳐 16개 이상의 컨베이어를 평가하고 평균 주간 커버리지 95% 이상을 유지해 온 SK Godelius의 광산 운영 사례 중 하나에서 명확히 드러납니다.
그 기간 동안 시스템은 3,400개 이상의 이상 징후를 감지했으며, 그중 900개 이상이 심각한 수준으로 분류되어 팀에 고장으로 이어질 가능성이 가장 높은 문제에 대한 조기 경고를 제공했습니다. 전반적으로 그 결과 추적 가능하고, 반복 가능하며, 데이터 기반인 점검 프로세스가 구축되어 광산이 유지 관리 우선순위를 개선하고, 위험을 더 일찍 식별하며, 핵심 자산을 계속 가동할 수 있도록 지원합니다.
더 안전하고 스마트한 광산 점검 구축하기#
SK Godelius가 확장함에 따라, SK Godelius는 시스템이 감지할 수 있는 범위와 처리할 수 있는 조건을 넓히기 위해 노력하고 있습니다. 3D 이미징과 진동 분석을 사용하여 벨트 마모를 측정하고, X선을 통해 벨트 부품을 검사하며, 로봇을 사용하여 벨트 아래를 청소하는 등의 아이디어를 탐색하고 있으며, 최신 Ultralytics YOLO26 모델을 사용하여 감지 정확도와 효율성을 한층 더 높이기를 열망하고 있습니다.
로봇 공학, 다중 모달 센싱, 그리고 Ultralytics YOLO를 결합함으로써 SK Godelius는 컨베이어 점검을 위험한 수동 작업에서 핵심 자산을 계속 가동하고 사람들이 위험에 처하지 않도록 보호하는 표준화된 예측 프로세스로 전환하고 있습니다.
computer vision이 비즈니스를 어떻게 재편할 수 있는지 관심이 있으십니까? GitHub repository를 탐색하여 Ultralytics YOLO 모델이 AI in manufacturing 및 computer vision in robotics와 같은 혁신을 어떻게 변화시키고 있는지 확인해 보십시오. licensing options에 대해 자세히 알아보고 오늘 더욱 스마트하고 효율적인 자동화를 향한 여정을 시작하십시오.
