로봇 조립 라인 이상 조기감지
과제 체결 불량·
해결 시계열 이상탐지 + LLM 질의응답
성과 후공정 유출 전 조기 검출 — 재작업 흐름 차단
제조 AI — 이상을 후공정 전에 잡습니다.
설비 신호와 공정 데이터로 이상을 조기에 감지하고, 최적 공정 조건을 AI가 권고합니다 — 대기업·
설비·
| 기능 축 | 대상 설비· | 핵심 기법 | 산출물 |
|---|---|---|---|
| 이상 조기감지 | 회전기· | 시계열 이상탐지(정상 패턴 학습) + LLM 원인 질의응답 | 이탈 알람 · 근거 · 조치 가이드 |
| 공정 최적화 | 열처리· | 상태진단 · 프로파일 권고(숙련자 경험 표준화) | 최적 공정 조건 · 품질 편차 리포트 |
| 예지보전 | 설비 부하· | 잔존수명(RUL) 예측 · 정비 시점 산정 | RUL · 정비 권고 · 비계획 정지 예방 |
수집 프로토콜·
정상 패턴 학습 후 미세 이탈 조기 감지 — 근거와 함께
공정 조건·
설비 잔존수명 예측·
FactoryQ는 DataQ가 표준화한 데이터를 입력받아 판단하고, Cubeon 운영 계층에서 관제·
설비 신호가 표준화·
OPC-UA·
DataQ 공통 스키마·
시계열 피처 추출, 정상 패턴 학습으로 이상탐지 기준선 수립
미세 이탈 조기 검출 + 잔존수명 예측, 엣지·
LLM 질의응답으로 원인·
현장 피드백·
이기종 설비·
예지보전·
현장은 계속 변합니다. 학습 → 배포 → 감시 → 재학습(CT) 순환으로 정확도를 유지하도록 구성합니다.
Cubeon ModelOps 모듈과 연동해 운영합니다. MLOps 표준 관행(CI/CD/CT·
고정 임계 감시로는 잡지 못하는 미세 이탈과 원인·
| 관점 | 규칙 기반 임계 감시 | FactoryQ 제조 AI |
|---|---|---|
| 이상 감지 | 고정 임계 초과 시 알람(사후) | 정상 패턴 학습 후 미세 이탈 조기 감지 |
| 원인 파악 | 사람이 로그를 수동 추적 | LLM 질의응답으로 원인· |
| 공정 조건 | 고정 레시피 유지 | 상태 기반 프로파일 권고(숙련자 경험 표준화) |
| 정비 | 주기· | RUL 예측 기반 예지보전 |
| 운영 | 수동 튜닝· | 드리프트 감시· |
규칙 기반 감시를 대체하는 것이 아니라 보완합니다 — 기존 임계 알람 위에 AI 판단 레이어를 얹는 전환 경로를 권장합니다.
과제 체결 불량·
해결 시계열 이상탐지 + LLM 질의응답
성과 후공정 유출 전 조기 검출 — 재작업 흐름 차단
과제 고온 열처리 품질이 숙련자 경험 의존
해결 상태진단·
성과 숙련자 경험을 데이터로 표준화 — 품질 편차 관리
과제 에너지 과투입·
해결 예지보전·
성과 다운타임·
데이터 반출이 어려운 제조 현장까지 — 동일 제품을 세 형태로 배포하도록 설계합니다.
상용 LLM API·
사내 서버 sLLM·
망분리 대응. 반출 불가 데이터도 현장 내에서 추론
상용 LLM API와 온프레미스 sLLM을 현장 보안·
