|
시장보고서
상품코드
2106414
AI 기반 품질관리 시스템 시장 예측(-2034년) : 구성 요소, 검사 유형, 기술, 용도, 최종사용자 및 지역별 세계 분석AI-Based Quality Control Systems Market Forecasts to 2034 - Global Analysis By Component (Hardware, Software and Services), Inspection Type, Technology, Application, End User and By Geography |
||||||
Stratistics MRC에 따르면 세계의 AI 기반 품질관리 시스템 시장은 2026년에 28억 달러 규모에 달하며, 예측 기간 중 CAGR 17.0%로 성장하며, 2034년까지 72억 달러에 달할 것으로 전망되고 있습니다.
AI 기반 품질관리 시스템이란 머신러닝, 컴퓨터 비전, 딥러닝 등의 인공지능 기술을 활용하여 제조 공정에서 제품의 품질을 평가하는 지능형 검사 및 모니터링 솔루션입니다. 이러한 시스템은 시각 데이터, 치수 데이터 및 센서에서 생성된 데이터를 분석하여 결함, 불일치 및 미리 정의된 기준으로부터 일탈을 식별합니다. 이를 통해 자동화된 정확하고 일관된 품질 평가가 가능해질 뿐만 아니라, 전체 생산 환경에서의 실시간 의사결정, 공정 최적화, 추적성 및 지속적인 개선을 지원합니다.
'결함 제로' 제조에 대한 수요
전 세계 제조업이 엄격한 규제 요건, 브랜드 평판 보호, 그리고 안전성이 극히 중요한 분야에서 발생하는 제품 리콜 및 보증 청구에 따른 비용 급증을 배경으로 ‘결함 제로’ 생산 목표를 추구하는 가운데, AI 기반 품질관리 시스템에 대한 수요는 꾸준히 증가하고 있습니다. 자동차 업계에서는 브레이크 시스템, 에어백 모듈, 구조 부품 등 고장이 치명적인 결과를 초래할 수 있는 중요한 안전 부품에 대해 1밀리미터 미만의 결함 검출이 요구되고 있습니다. 전자기기 및 반도체 제조업체는 웨이퍼 제조, 칩 패키징, 인쇄회로기판 조립 과정에서 인간의 시력이나 기존 머신 비전의 한계를 뛰어넘는 나노미터 수준의 검사 능력을 요구하고 있습니다.
모델 학습의 복잡성
AI 기반 품질관리 시스템 시장은 다양한 제품 변종과 제조 조건에 걸쳐 모든 잠재적 결함을 확실하게 탐지할 수 있는 머신러닝 모델의 개발, 학습, 검증에 필요한 복잡성, 시간, 전문 지식 등의 요인으로 인해 도입에 있으며, 큰 장벽에 직면해 있습니다. 각 제품 유형 및 생산 환경에는 광범위한 라벨이 지정된 훈련 데이터세트가 필요하지만, 제조 기업에서는 이러한 데이터세트가 부족한 경우가 많아 AI 모델이 허용 가능한 성능 수준에 도달하기까지 비용이 많이 드는 데이터 수집 활동이나 전문가에 의한 라벨링 서비스가 필요합니다. 재료의 편차, 조명 변화, 설비 마모 등 제조 공정의 동적 특성으로 인해 시간이 지남에 따라 모델의 정확도가 저하될 가능성이 있습니다. 따라서 지속적인 재훈련과 검증이 필요하지만, 많은 조직은 이를 효과적으로 관리할 기술적 역량이 부족합니다.
생성형 AI를 통한 기능 확장
생성형 인공지능을 품질관리 시스템에 통합함으로써, 합성 결함 생성, 모델의 자동 최적화, 지능형 검사 계획 수립과 같은 혁신적인 기회가 창출되고 있습니다. 이를 통해 AI 기반 품질관리 시스템의 도입 장벽이 대폭 낮아지고, 탐지 성능이 향상됩니다. GAN(Generative Adversarial Networks)는 사실적인 합성 결함 이미지를 생성하여 제한된 실제 훈련 데이터세트를 보완할 수 있습니다. 이를 통해 AI 모델은 훈련 목적으로 대량의 결함 샘플을 생성하지 않고도 희귀한 결함 패턴을 학습할 수 있게 됩니다.
적대적 공격에 대한 취약성
AI 기반 품질관리 시스템 시장은 딥러닝 모델의 취약성을 악용하여 결함 제품을 합격품으로 오분류하거나, 합격품을 결함 제품으로 오분류하는 ‘적대적 공격’이라는 새로운 위협에 직면해 있습니다. 이로 인해 악의적인 공격자가 제조 품질을 저해하거나 생산 업무를 방해할 가능성이 발생합니다. AI 모델 아키텍처에 대한 지식을 갖춘 첨단 공격자는 제품의 표면, 조명 조건 또는 카메라 입력에 미묘한 변화를 가함으로써, 인간의 관찰자에게는 정상으로 보이지만 신경망이 예측 가능한 방식으로 오작동하도록 유도할 수 있습니다.
신종 코로나바이러스(COVID-19)의 영향:
COVID-19(COVID-19) 팬데믹은 당초 제조 시설의 일시적 폐쇄, 수요 불확실성에 따른 자본 예산 동결, 공급망 제약으로 인한 센서 및 컴퓨팅 부품 납품 지연 등으로 인해 AI 기반 품질관리 시스템 도입에 차질을 빚었습니다. 그러나 이 위기를 계기로, 인력 부족으로 인한 수동 검사 팀의 가동 제한, 여행 제한, 사회적 거리두기 요건에도 불구하고 일관된 품질 기준을 유지하는 회복탄력성 전략으로서 자동 검사의 중요성이 급속히 인식되기 시작했습니다. 팬데믹 이후, 공급망 재구축 및 리쇼어링 노력에 힘입어 국내 제조 역량에 대한 투자가 촉진되고 있습니다. 이를 위해서는 국내 규제 기준과 고객의 기대에 부응하기 위한 첨단 품질 보증 인프라가 요구됩니다.
예측 기간 중 하드웨어 부문이 가장 큰 시장 규모를 차지할 것으로 예상됩니다.
하드웨어 부문은 고해상도 산업용 카메라, 전용 조명 어레이, GPU 탑재 엣지 컴퓨팅 장치 및 센서 통합 하드웨어가 AI 기반 품질관리 도입의 기반으로서 필수적인 물리적 인프라를 제공함에 따라 예측 기간 중 최대 시장 점유율을 차지할 것으로 예상됩니다. 하드웨어 구성 요소는 AI 검사 시스템 도입에 있으며, 가장 큰 설비 투자 항목을 차지하고 있으며, 첨단 CMOS 및 CCD 이미징 센서는 소비자용 제품을 능가하는 해상도와 프레임 속도로 결함과 관련된 상세한 정보를 포착할 수 있습니다.
결함 탐지 부문은 예측 기간 중 가장 높은 연평균 성장률(CAGR)을 보일 것으로 예상됩니다.
예측 기간 중 결함 탐지 부문은 자동차, 전자기기, 의약품, 소비재 제조 분야의 품질 요구 사항이 높아지는 것을 배경으로 가장 높은 성장률을 보일 것으로 예측됩니다. 이러한 분야에서는 탐지되지 않은 결함이 제품의 안전성, 규제 준수, 브랜드 평판에 직접적인 영향을 미치기 때문입니다. AI 기반 결함 탐지 시스템은 방대한 결함 라이브러리를 통해 학습된 딥러닝 모델을 활용하여, 고속 생산 공정에서 인간 검사원이 간과하기 쉬운 흠집, 균열, 오염, 치수 편차, 조립 오류를 식별합니다.
시장 점유율이 가장 높은 지역:
예측 기간 중 북미 지역은 첨단인 제조 인프라, 인공지능 기술의 조기 도입, 그리고 미국과 캐나다 전역에 걸친 주요 AI 품질관리 기술 제공업체들의 강력한 입지 덕분에 가장 큰 시장 점유율을 차지할 것으로 예상됩니다. 미국에는 코그넥스, 텔다인, 키엔스 등 주요 산업용 자동화 및 머신 비전 기업이 모여 있으며, 이들은 혁신을 주도하고 AI 기반 검사 플랫폼의 시장 기준을 확립하고 있습니다. 북미의 자동차, 항공우주, 제약 제조업체들은 규제 준수 및 법적 책임 회피를 위해 첨단 자동 검사 시스템이 필요한 엄격한 품질 기준을 유지하고 있습니다.
연평균 성장률(CAGR)이 가장 높은 지역:
예측 기간 중 아시아태평양은 중국, 일본, 한국, 대만의 대규모 제조 규모, 정부 주도의 산업 현대화 프로그램, 그리고 확대되는 전자기기 및 자동차 생산을 배경으로 가장 높은 연평균 성장률(CAGR)을 보일 것으로 예상됩니다. 중국의 ‘중국 제조 2025’ 구상과 반도체 자급자족 정책은 국내 제조 시설을 위한 첨단 품질관리 시스템에 대한 전례 없는 투자를 촉진하고 있습니다. 일본과 한국은 세계 최고 수준의 전자 및 자동차 제조 부문을 유지하고 있으며, 세계 시장에서 경쟁력 있는 품질 위치를 확보하기 위해서는 AI 기반 검사가 필수적입니다.
무료 맞춤 서비스:
이 보고서를 구매하신 모든 고객님께는 다음 무료 맞춤 옵션 중 하나를 이용하실 수 있습니다. :
- 기업 프로파일
- 추가 시장 참여 기업(최대 3개사)에 대한 포괄적인 프로파일링
- 주요 기업의 SWOT 분석(최대 3개사)
- 지역별 세분화
- 고객의 요청에 따라 주요 국가의 시장 추정 및 예측, 그리고 CAGR(참고: 실현 가능성 확인 후 제공)
- 경쟁사 벤치마킹
- 제품 포트폴리오, 지역적 확장, 전략적 제휴를 기반으로 한 주요 기업의 벤치마킹
목차
제1장 개요
제2장 조사 프레임워크
제3장 시장 역학과 동향 분석
제4장 경쟁 환경과 전략적 평가
제5장 세계의 AI 기반 품질관리 시스템 시장 : 컴포넌트별
제6장 세계의 AI 기반 품질관리 시스템 시장 : 검사 유형별
제7장 세계의 AI 기반 품질관리 시스템 시장 : 기술별
제8장 세계의 AI 기반 품질관리 시스템 시장 : 용도별
제9장 세계의 AI 기반 품질관리 시스템 시장 : 최종사용자별
제10장 세계의 AI 기반 품질관리 시스템 시장 : 지역별
제11장 전략적 시장 정보
제12장 업계 동향과 전략적 구상
제13장 기업 개요
KSAAccording to Stratistics MRC, the Global AI-Based Quality Control Systems Market is accounted for $2.8 billion in 2026 and is expected to reach $7.2 billion by 2034 growing at a CAGR of 17.0% during the forecast period. AI-Based Quality Control Systems are intelligent inspection and monitoring solutions that use artificial intelligence technologies, including machine learning, computer vision, and deep learning, to evaluate the quality of products during manufacturing processes. These systems analyze visual, dimensional, and sensor-generated data to identify defects, inconsistencies, and deviations from predefined standards. They enable automated, accurate, and consistent quality assessment while supporting real-time decision-making, process optimization, traceability, and continuous improvement across production environments.
Market Dynamics:
Driver:
Zero-defect manufacturing demand
AI-based quality control systems are experiencing robust demand growth as global manufacturing industries pursue zero-defect production targets driven by stringent regulatory requirements, brand reputation protection, and escalating costs associated with product recalls and warranty claims in safety-critical sectors. The automotive industry requires sub-millimeter defect detection for critical safety components including brake systems, airbag modules, and structural elements where failures can result in catastrophic consequences. Electronics and semiconductor manufacturers demand nanometer-scale inspection capabilities for wafer fabrication, chip packaging, and printed circuit board assembly that exceed human visual acuity and traditional machine vision limitations.
Restraint:
Model training complexity
The AI-based quality control systems market faces significant adoption barriers from the complexity, time, and expertise required to develop, train, and validate machine learning models capable of reliably detecting the full spectrum of potential defects across diverse product variations and manufacturing conditions. Each product type and production environment requires extensive labeled training datasets that manufacturing organizations frequently lack, necessitating costly data collection campaigns and expert annotation services before AI models can achieve acceptable performance levels. The dynamic nature of manufacturing processes, including material variations, lighting changes, and equipment wear, can degrade model accuracy over time, requiring continuous retraining and validation that many organizations lack the technical capacity to manage effectively.
Opportunity:
Generative AI augmentation
The integration of generative artificial intelligence with quality control systems is creating transformative opportunities for synthetic defect generation, automated model optimization, and intelligent inspection planning that substantially reduce the barriers to AI-based quality system deployment and improve detection performance. Generative adversarial networks can create realistic synthetic defect images that augment limited real-world training datasets, enabling AI models to learn rare defect patterns without requiring extensive production of defective samples for training purposes.
Threat:
Adversarial attack vulnerability
The AI-based quality control systems market faces emerging threats from adversarial attacks that exploit vulnerabilities in deep learning models to cause misclassification of defective products as acceptable or acceptable products as defective, potentially enabling malicious actors to compromise manufacturing quality or disrupt production operations. Sophisticated adversaries with knowledge of AI model architectures can craft subtle perturbations to product surfaces, lighting conditions, or camera inputs that cause neural networks to fail in predictable ways while appearing normal to human observers.
Covid-19 Impact:
The COVID-19 pandemic initially disrupted AI-based quality control system deployments as manufacturing facilities faced temporary closures, capital budgets were frozen amid demand uncertainty, and supply chain constraints delayed sensor and computing component deliveries. However, the crisis accelerated recognition of automated inspection as a resilience strategy that maintains consistent quality standards despite workforce disruptions, travel restrictions, and social distancing requirements that limit manual inspection team availability. Post-pandemic, supply chain restructuring and reshoring initiatives are driving investment in domestic manufacturing capabilities that require advanced quality assurance infrastructure to meet domestic regulatory standards and customer expectations.
The hardware segment is expected to be the largest during the forecast period
The hardware segment is expected to account for the largest market share during the forecast period, due to the essential physical infrastructure that high-resolution industrial cameras, specialized lighting arrays, GPU-enabled edge computing devices, and sensor integration hardware provide as the foundation of AI-based quality control deployments. Hardware components represent the largest capital expenditure category for AI inspection system implementations, with advanced CMOS and CCD imaging sensors capable of capturing defect-relevant detail at resolutions and frame rates that exceed consumer-grade alternatives.
The defect detection segment is expected to have the highest CAGR during the forecast period
Over the forecast period, the defect detection segment is predicted to witness the highest growth rate, driven by escalating quality requirements across automotive, electronics, pharmaceuticals, and consumer goods manufacturing, where undetected defects directly impact product safety, regulatory compliance, and brand reputation. AI-powered defect detection systems leverage deep learning models trained on extensive defect libraries to identify scratches, cracks, contamination, dimensional deviations, and assembly errors that human inspectors frequently miss during high-speed production operations.
Region with largest share:
During the forecast period, the North America region is expected to hold the largest market share, due to advanced manufacturing infrastructure, early adoption of artificial intelligence technologies, and substantial presence of leading AI quality control technology providers across the United States and Canada. The United States hosts major industrial automation and machine vision companies, including Cognex, Teledyne, and Keyence, that drive innovation and establish market standards for AI-based inspection platforms. North American automotive, aerospace, and pharmaceutical manufacturers maintain stringent quality standards that necessitate sophisticated automated inspection systems for regulatory compliance and liability protection.
Region with highest CAGR:
Over the forecast period, the Asia Pacific region is anticipated to exhibit the highest CAGR, due to massive manufacturing scale, government-led industrial modernization programs, and expanding electronics and automotive production across China, Japan, South Korea, and Taiwan. China's Made in China 2025 initiative and semiconductor self-sufficiency policies are driving unprecedented investment in advanced quality control systems for domestic manufacturing facilities. Japan and South Korea maintain world-leading electronics and automotive manufacturing sectors that require AI inspection for competitive quality positioning in global markets.
Key players in the market
Some of the key players in AI-Based Quality Control Systems Market include Cognex Corporation, Keyence Corporation, Omron Corporation, Teledyne Technologies Incorporated, Basler AG, MVTec Software GmbH, ISRA VISION AG, SICK AG, ABB Ltd., Siemens AG, Rockwell Automation, Inc., Hikrobot Co., Ltd., Baumer Holding AG, Advantech Co., Ltd., Zebra Technologies Corporation, Balluff GmbH, and NVIDIA Corporation.
Key Developments:
In June 2026, Cognex Corporation launched a next-generation AI defect detection platform with synthetic data augmentation capabilities, enabling manufacturers to train high-accuracy inspection models with minimal real-world defective sample requirements.
In May 2026, Keyence Corporation introduced an AI-powered inline quality control system with real-time adaptive learning, allowing manufacturers to deploy defect detection without extensive pre-training datasets or specialized machine learning expertise.
In April 2026, NVIDIA Corporation expanded its Isaac robotics platform with generative AI modules for quality control applications, enabling autonomous generation of inspection scenarios and defect simulations for model validation and performance optimization.
Components Covered:
- Hardware
- Software
- Services
Inspection Types Covered:
- Surface Inspection
- Dimensional Inspection
- Defect Detection
- Product Classification
- Assembly Verification
- Label Inspection
- Packaging Inspection
Technologies Covered:
- Computer Vision
- Deep Learning
- Machine Learning
- Neural Networks
- Edge AI
- Cloud AI
Applications Covered:
- Manufacturing Quality Assurance
- In-Line Inspection
- End-of-Line Inspection
- Process Monitoring
- Predictive Quality Analytics
- Compliance Inspection
- Product Traceability
End Users Covered:
- Manufacturers
- OEMs
- Contract Manufacturers
- System Integrators
- Quality Inspection Service Providers
Regions Covered:
- North America
- United States
- Canada
- Mexico
- Europe
- United Kingdom
- Germany
- France
- Italy
- Spain
- Netherlands
- Belgium
- Sweden
- Switzerland
- Poland
- Rest of Europe
- Asia Pacific
- China
- Japan
- India
- South Korea
- Australia
- Indonesia
- Thailand
- Malaysia
- Singapore
- Vietnam
- Rest of Asia Pacific
- South America
- Brazil
- Argentina
- Colombia
- Chile
- Peru
- Rest of South America
- Rest of the World (RoW)
- Middle East
- Saudi Arabia
- United Arab Emirates
- Qatar
- Israel
- Rest of Middle East
- Africa
- South Africa
- Egypt
- Morocco
- Rest of Africa
What our report offers:
- Market share assessments for the regional and country-level segments
- Strategic recommendations for the new entrants
- Covers Market data for the years 2023, 2024, 2025, 2026, 2027, 2028, 2030, 2032 and 2034
- Market Trends (Drivers, Constraints, Opportunities, Threats, Challenges, Investment Opportunities, and recommendations)
- Strategic recommendations in key business segments based on the market estimations
- Competitive landscaping mapping the key common trends
- Company profiling with detailed strategies, financials, and recent developments
- Supply chain trends mapping the latest technological advancements
Free Customization Offerings:
All the customers of this report will be entitled to receive one of the following free customization options:
- Company Profiling
- Comprehensive profiling of additional market players (up to 3)
- SWOT Analysis of key players (up to 3)
- Regional Segmentation
- Market estimations, Forecasts and CAGR of any prominent country as per the client's interest (Note: Depends on feasibility check)
- Competitive Benchmarking
- Benchmarking of key players based on product portfolio, geographical presence, and strategic alliances
Table of Contents
1 Executive Summary
- 1.1 Market Snapshot and Key Highlights
- 1.2 Growth Drivers, Challenges, and Opportunities
- 1.3 Competitive Landscape Overview
- 1.4 Strategic Insights and Recommendations
2 Research Framework
- 2.1 Study Objectives and Scope
- 2.2 Stakeholder Analysis
- 2.3 Research Assumptions and Limitations
- 2.4 Research Methodology
- 2.4.1 Data Collection (Primary and Secondary)
- 2.4.2 Data Modeling and Estimation Techniques
- 2.4.3 Data Validation and Triangulation
- 2.4.4 Analytical and Forecasting Approach
3 Market Dynamics and Trend Analysis
- 3.1 Market Definition and Structure
- 3.2 Key Market Drivers
- 3.3 Market Restraints and Challenges
- 3.4 Growth Opportunities and Investment Hotspots
- 3.5 Industry Threats and Risk Assessment
- 3.6 Technology and Innovation Landscape
- 3.7 Emerging and High-Growth Markets
- 3.8 Regulatory and Policy Environment
- 3.9 Impact of COVID-19 and Recovery Outlook
4 Competitive and Strategic Assessment
- 4.1 Porter's Five Forces Analysis
- 4.1.1 Supplier Bargaining Power
- 4.1.2 Buyer Bargaining Power
- 4.1.3 Threat of Substitutes
- 4.1.4 Threat of New Entrants
- 4.1.5 Competitive Rivalry
- 4.2 Market Share Analysis of Key Players
- 4.3 Product Benchmarking and Performance Comparison
5 Global AI-Based Quality Control Systems Market, By Component
- 5.1 Hardware
- 5.2 Software
- 5.3 Services
6 Global AI-Based Quality Control Systems Market, By Inspection Type
- 6.1 Surface Inspection
- 6.2 Dimensional Inspection
- 6.3 Defect Detection
- 6.4 Product Classification
- 6.5 Assembly Verification
- 6.6 Label Inspection
- 6.7 Packaging Inspection
7 Global AI-Based Quality Control Systems Market, By Technology
- 7.1 Computer Vision
- 7.2 Deep Learning
- 7.3 Machine Learning
- 7.4 Neural Networks
- 7.5 Edge AI
- 7.6 Cloud AI
8 Global AI-Based Quality Control Systems Market, By Application
- 8.1 Manufacturing Quality Assurance
- 8.2 In-Line Inspection
- 8.3 End-of-Line Inspection
- 8.4 Process Monitoring
- 8.5 Predictive Quality Analytics
- 8.6 Compliance Inspection
- 8.7 Product Traceability
9 Global AI-Based Quality Control Systems Market, By End User
- 9.1 Manufacturers
- 9.2 OEMs
- 9.3 Contract Manufacturers
- 9.4 System Integrators
- 9.5 Quality Inspection Service Providers
10 Global AI-Based Quality Control Systems Market, By Geography
- 10.1 North America
- 10.1.1 United States
- 10.1.2 Canada
- 10.1.3 Mexico
- 10.2 Europe
- 10.2.1 United Kingdom
- 10.2.2 Germany
- 10.2.3 France
- 10.2.4 Italy
- 10.2.5 Spain
- 10.2.6 Netherlands
- 10.2.7 Belgium
- 10.2.8 Sweden
- 10.2.9 Switzerland
- 10.2.10 Poland
- 10.2.11 Rest of Europe
- 10.3 Asia Pacific
- 10.3.1 China
- 10.3.2 Japan
- 10.3.3 India
- 10.3.4 South Korea
- 10.3.5 Australia
- 10.3.6 Indonesia
- 10.3.7 Thailand
- 10.3.8 Malaysia
- 10.3.9 Singapore
- 10.3.10 Vietnam
- 10.3.11 Rest of Asia Pacific
- 10.4 South America
- 10.4.1 Brazil
- 10.4.2 Argentina
- 10.4.3 Colombia
- 10.4.4 Chile
- 10.4.5 Peru
- 10.4.6 Rest of South America
- 10.5 Rest of the World (RoW)
- 10.5.1 Middle East
- 10.5.1.1 Saudi Arabia
- 10.5.1.2 United Arab Emirates
- 10.5.1.3 Qatar
- 10.5.1.4 Israel
- 10.5.1.5 Rest of Middle East
- 10.5.2 Africa
- 10.5.2.1 South Africa
- 10.5.2.2 Egypt
- 10.5.2.3 Morocco
- 10.5.2.4 Rest of Africa
- 10.5.1 Middle East
11 Strategic Market Intelligence
- 11.1 Industry Value Network and Supply Chain Assessment
- 11.2 White-Space and Opportunity Mapping
- 11.3 Product Evolution and Market Life Cycle Analysis
- 11.4 Channel, Distributor, and Go-to-Market Assessment
12 Industry Developments and Strategic Initiatives
- 12.1 Mergers and Acquisitions
- 12.2 Partnerships, Alliances, and Joint Ventures
- 12.3 New Product Launches and Certifications
- 12.4 Capacity Expansion and Investments
- 12.5 Other Strategic Initiatives
13 Company Profiles
- 13.1 Cognex Corporation
- 13.2 Keyence Corporation
- 13.3 Omron Corporation
- 13.4 Teledyne Technologies Incorporated
- 13.5 Basler AG
- 13.6 MVTec Software GmbH
- 13.7 ISRA VISION AG
- 13.8 SICK AG
- 13.9 ABB Ltd.
- 13.10 Siemens AG
- 13.11 Rockwell Automation, Inc.
- 13.12 Hikrobot Co., Ltd.
- 13.13 Baumer Holding AG
- 13.14 Advantech Co., Ltd.
- 13.15 Zebra Technologies Corporation
- 13.16 Balluff GmbH
- 13.17 NVIDIA Corporation
