AI 와제조혁신Trend

SKAX

최종우매니저

제조현장진화방향

1세대

2세대

3세대

4세대

사람 손과 감각으로 돌리는 공장

Manual Factory

정해진 조건으로 자동반복 되는 공장

Automated Factory

데이터 기반으로 의사결정 하는 공장

Smart Factory

사람 개입 없이 AI가 조정/개선하는 공장

AI Factory

출처 : Scholarly Community Encyclopedia

선도기업군

AI FACTORY 미래 모습

공정 운영

공정/품질 이상 징후 예측 진단 및 개선 조치

생산 계획

현장 현황을 반영한 실시간 자동 스케줄링

제조 운영 기준

실시간 학습기반 기준정보/운영기준 업데이트

설비 운영

고장 징후 예측 진단 및 셀프 조치

공정 물류

물류 Bottleneck 조정 및 Route 최적자동화

자재 관리

예측 기반 자재 운영 및 창고관리 자동화

AI FACTORY 공정 운영 모습

자동 공정 이상 인식 자동 원인 분석 Autonomous 조치

공정 이상 자동 Monitoring

공정 이상 Event 실시간 자동 감지

자동 Clustering

공법 인자 원인 분석

환경 인자 원인 분석

설비 원인 인자 분석

Random 인자 분석

소재 인자 원인 분석기 발생 이상 패턴 유사도 자동 확인

기존

New

이상 패턴 유형

자동 Root Cause 분석

예측 Simulation

자동 개선 이행

개선 성과 Simulation

Digital Twin 기반 인자 검증

개선 Simulation

영향도 Simulation

품질/Capa. Simulation

축의 변화, 제조 생태계

대기업= 플랫폼 제공자

⚫설계-생산-품질 전체를 디지털 Twin으로 연결

⚫데이터 허브 구축 및 표준화

⚫협력사에게 AI 기반 의사 결정 서비스 제공

협력사 = 데이터 공급자 + 빠른 실행자

⚫공정/설비 데이터를 플랫폼으로 공급

⚫플랫폼의 인사이트를 현장 실행으로 전환

Connected AI 제조 플랫폼

1차 협력사

1차 협력사

1차 협력사

1차 협력사

1차 협력사1차

협력사

2차 협력사

2차 협력사

2차 협력사

2차 협력사

2차 협력사

Set Maker

2차 협력사

2차 협력사

2차 협력사

DATA 와 AI가 제조사 경쟁력의 척도

일반 제조기업의 고민

“ AI는 어렵고 비싸다 “

대기업 같은 전문 인력과 예산 부족

USE CASE 발굴이 어려움

“ AI를 하려고 해도 쓸만한 데이터가 없다 “

중소 기업 70%는 데이터 수집 체계 미비

공정 데이터, 품질 데이터 표준화 필요

AI START 6 STEP

1. CASE 정의 2. 데이터/시스템점검 3. Small Pilot

어디에 AI를 적용 할까? 우리 공장의 개선 영역 선정

관련 Data들이 어디에 있나? Data 품질/연결성 점검

→지속적 DATA 확보방안 수립 및 실행

가능한 수준의 AI 모델 및 Agent 설계/구현

필요시 외부 전문가 협업

4. 데이터수집/정제 5. 현장적용 6. 확산

데이터 수집 저장소 준비 데이터 표준화/이상치 제거 필요시 외부 전문가 협업

효과 검증 및 시스템 연계 현장 프로세스 정의

확장 영역 정의 및 확산 현장 변화 관리

IT 담당자 → AI INNOVATOR 역할 확장

IT 담당자는 이제 AI 도입/실행의 전도사이자 제조 AI 생태계 연결자의 역할을 담당해야 합니다.

시스템 개발/운영자 → 프로세스/데이터 설계자 시스템을 ‘운영’하는 사람 →공장을 ‘이해하고 바꾸는’ 사람

그러기 위해서는 현장 업무의 데이터 흐름과 의미를 이해하고 구조화 하는 역량이 가장 중요합니다.

감사합니다!

슬라이드 1 슬라이드 2: 제조 현장 진화 방향 슬라이드 3: AI Factory 미래 모습 슬라이드 4: AI Factory 공정 운영 모습 슬라이드 5: 축의 변화, 제조 생태계 슬라이드 6: 일반 제조기업의 고민 슬라이드 7: Ai Start 6 Step 슬라이드 8: IT 담당자  AI Innovator 역할 확장 슬라이드 9: 감사합니다!