설비 · 기구
서장구분기 · 순로구분기의 반송, 구분칸, 투입부 구성. 기존 설비 현대화 시에는 기구부를 유지하고 제어·인식 계층만 교체합니다.
우편물 자동구분은 기계가 빠른 것만으로는 부족합니다. 봉투에 적힌 주소를 정확히 읽고, 그 주소가 어느 집배구의 몇 번째 배달점인지 확정하고, 그 결과를 설비가 이해하는 신호로 바꿔 보내야 한 통이 제 칸으로 떨어집니다.
FLUXIS 는 이 세 가지를 한 회사가 맡습니다. 인식률이 떨어졌을 때 카메라 탓인지, 조명 탓인지, OCR 모델 탓인지, 구분계획 탓인지를 서로 미루지 않고 끝까지 추적할 수 있어야 하기 때문입니다.
그래서 우리는 판단 과정을 감추지 않습니다. 어떤 단계에서 어떤 값이 어떻게 바뀌었는지, 채택되지 않은 후보가 무엇이었고 몇 점이었는지를 운영자가 화면에서 직접 봅니다. AI 를 현장에 넣는다는 것은 그 판단을 설명할 수 있게 만드는 일이라고 생각합니다.
외주로 넘기지 않는 범위입니다.
서장구분기 · 순로구분기의 반송, 구분칸, 투입부 구성. 기존 설비 현대화 시에는 기구부를 유지하고 제어·인식 계층만 교체합니다.
촬영과 전처리. 프레임그레버에 종속되지 않는 구조라 카메라 제조사를 바꿔도 상위 소프트웨어가 그대로입니다.
주소 OCR · 등기 바코드 · 주소 매칭 엔진을 자체 개발합니다. 모델을 교체할 수 있고, 현장에서 검증한 가중치가 항상 우선합니다.
PLC 통신(FINS · Modbus)을 직접 구현합니다. 외부 통신 라이브러리가 없어 폐쇄망 현장에 폴더 복사만으로 배포됩니다.
다중 설비 관제, 원격 배포와 감시, 구분 실적 분석. 라인을 세우지 않고 소프트웨어를 갱신하는 것이 기본 요구사항입니다.
도착 · 발송 · 순로 · 복합 구분계획 수립 도구. 배달점 원장을 읽어 순로를 자동 계산합니다.
단계마다 무엇이 가능해졌는지를 기준으로 쌓아 왔습니다.
프레임그레버에 종속되지 않는 촬영 계층과, 유휴 워커가 작업을 직접 가져가는 관제 서버를 구축했습니다. 작업마다 임대 기록을 남겨 워커가 죽어도 우편물이 큐로 되돌아옵니다.
딥러닝 OCR 로 주소와 등기 바코드를 읽고, 4단계 조회와 유사도 앙상블로 실제 배달점을 확정합니다. 판단 과정 22단계를 구조로 남겨 오구분의 원인을 화면에서 짚습니다.
컨트롤러를 카탈로그에서 골라 붙이는 게이트웨이로 PLC 제조사 종속을 없앴고, 배달점 원장을 읽어 순로구분 계획을 자동 계산하는 도구를 갖췄습니다.
현장 PC 마다 상주하는 에이전트가 프로그램을 감시하고 정비 시간대에만 갱신합니다. 라인이 도는 중에는 업데이트가 들어가지 않습니다.
인식률과 리젝트 사유를 단계별로 분해하는 분석 모듈, 여러 국사·라인을 한 화면에 모으는 통합 관제를 개발 중입니다.
현장에서 촬영해둔 봉투 이미지를 주시면 저희 인식 파이프라인으로 그대로 돌려 결과를 보내드립니다. 실제 설비도, 라인 정지도 필요하지 않습니다.