PC 제어 기반으로 고객이 원하는 장비를 제어할 수 있는 소프트웨어를 개발 및 납품하고 있습니다. 15년의 경험으로 구축된 제어 프레임워크는 반도체 공정에서 가장 까다롭다고 알려진 고정밀 다이본다 개발한 경험을 갖추고 있습니다.
1. 정형화된 자체 머신 제어 프레임워크를 기반으로 개발하여 소프트웨어를 인수받은 고객이 직접 유지 보수하기 용이합니다. 고객사 유지 보수 인원이 퇴사하더라도 핫비 머신 제어 프레임워크 교육을 받으면 업무를 쉽게 인계받을 수 있습니다.
2. 핫비 머신제어 프레임워크 또한 고객이 직접 수정 가능하기 때문에 개발 제약이 발생하지 않습니다.
3. 모션 컨트롤러, I/O 보드와 같은 장치들을 쉽게 변경할 수 있도록 모듈화 되어 있습니다. 장치들의 수급상황에 따라 유리한 선택을 할 수 있습니다.
- LED 다이본다 400 대 (S사, 고속기 UPH 20k/h)
- 24-분할 테스트 핸들러 200대 (S사, 고속기 UPH 18k/h)
- 칩마운터 100 대 (Dual Gantry 6 Head Each, 5um 정밀도, S사)
- 3D 레이저 프린터
- 세라믹 스크린 프린터
- LASER CAD/CAM
차량부터 전산시스템까지 토탈 서비스를 모두 보유하고 제품을 납품하고 있습니다. 소프트웨어 판매 또는 하드웨어 맞춤 제작 가능합니다.
라인을 추종하는 안정적인 방식으로 S사에 400 대 이상 납품을 하며 신뢰성을 보장 받았습니다. AI 비전 기반으로 라인을 추종하여 라인 훼손에 의한 에러를 최소화 하였습니다.
ROS 기반으로 자체 주행 프레임워크를 갖추고 있습니다. 독자적인 Sensor fusion 기술로 SLAM 만으로 운용이 어려운 환경에서도 Landmark, Line, Vision, Sky guide sensor 등을 활용하여 안정적인 운용이 가능합니다.
수십대의 AGV 가 엉키지 않고 외길에서도 질서정연하게 움직일 수 있도록 경로를 계획 관리하는 시스템 입니다. 도착예상시간(ETA)을 고려한 경로 예측 알고리즘이 강점으로 차량이 불필요하게 정차 및 대기하는 것을 최소화합니다.
OHT 의 경로를 관리하는 시스템으로 ACS 와 유사합니다. ACS 는 양방향 길이 많은 반면 OCS 는 단방향 길이 많기 때문에 ACS 에 비해 시스템 복잡도가 낮습니다.
Conveyor 기반의 물류를 관리하는 시스템으로 OCS 보다 시스템 복잡도가 낮습니다.
Material 을 보관하는 Stocker 를 통제합니다. 수백 수천개의 cell 로 이루어진 Stocker 내부에 Material 을 빠른 시간에 저장하고 꺼내오는 역할을 합니다. 저장할 곳이 모자를 때 임시저장소로 Material 을 옮겨 공간을 만들어내는 최적화 알고리즘이 적용되어 있습니다. 이중 백업 시스템으로 Material 저장 위치를 잃어버리는 일이 없습니다.
Factory 내의 Material Transfer 를 통제하는 시스템 입니다. AGV/AMR, OHT, Stocker, Conveyor 와 같은 Transfer Module 에게 명령을 내려 Material 을 원하는 곳으로 이동합니다. 반송 가능한 방법이 여러 경우일 때에도 최적의 방법을 선택하여 지령을 내립니다.
MES 에서 결정된 고객 출하 계획을 토대로 Factory 가 구체적으로 언제 얼마만큼의 생산을 해야 하는지 계획합니다. 계획의 실행은 RTD 에서 이루어 집니다.
APS 에서 만들어진 생산 계획을 기반으로 현재 어떤 Material 을 반송해야 하는지 실시간으로 결정하는 시스템입니다. MCS 에게 결정된 반송을 내려줍니다.
Factory 내의 장비들과 통신하여 각 상태를 통제 및 관제합니다. 이 정보는 MES 또는 RTD 에게 전달되어 다른 용도로 사용할 수 있게 합니다.
제조를 총괄하는 운영자의 시선에서 필요한 모든것이 전산화 되어 있는 시스템 입니다. ERP 와 연동하여 고객 출하 일정을 목적으로 정하고 실제로 Factory 가 가동되고 있는지 관리하기 위한 목적입니다.
인공 지능 불량 검사 솔루션을 보유하고 있습니다. 폐사의 강점은 Deepfake 기술을 활용한 Data Argumentation 으로 불량 데이터 확보에 어려움이 있는 상황에서 트레이닝이 가능한 충분한 양의 데이터를 합성 가공 할 수 있습니다. 제조업의 특성상 양품은 많고 불량은 적은데 처음 보는 불량을 맞이 할 때마다 AI 모델이 그것을 불량 판별하지 못하는 문제를 해결하고 있습니다.