01Data Foundation
AI–현장 운영기술(AI-OT) 통합·표준화
분산제어·품질관리·설비제어·생산관리 데이터와 센서 정보를 시간·생산 작업 단위·설비 기준으로 정렬합니다.
- 연결 데이터
- 공정·설비·품질·에너지·물류
- 현장 활용
- 정합성 검증, 원인 추적, AI 학습용 표준 데이터
SOLUTION · AI 플랫폼
QFactory
공정·설비·품질·에너지 데이터를 연결해 이상과 낭비를 예측합니다.검증된 범위부터 운영 판단과 자율화로 확장합니다.
Overview
개별 설비 분석을 넘어, 공장 운영의 판단 체계를 연결합니다
QFactory는 공장 곳곳의 데이터를 모아 예측 결과를 현장 조치로 잇습니다.
쓰던 설비는 그대로 두고 필요한 공정부터 적용합니다.
이상 조기감지시계열 이상탐지와 생성형 AI 질의응답으로 원인·조치 후보를 신속히 확인
공정 최적화설비 상태진단·프로파일 권고 — 품질 편차 축소
예지보전·RUL 에너지 최적화·잔존수명(RUL) 예측으로 다운타임 저감
Manufacturing AX
공장 전주기를 여섯 가지 AI로 연결합니다
단일 분석 모델이 아니라, 현장 과제에 맞춰 확장하는 제조 AI 체계입니다.
단계적 도입 기존 설비를 전면 교체하지 않고, 기존 설비 보완용 센서와 현장 엣지 연계를 활용해 필요한 공정부터 확장합니다.
02Energy AI
열에너지 생산·사용 최적화
열원 생산과 스팀 소비를 함께 분석해 과열·과소 공급을 줄일 운전 조건을 권고합니다.
- 연결 데이터
- 연소 상태·스팀·연료·공기·온습도
- 현장 활용
- 소각로·보일러·Dryer 생산–사용 밸런싱
03Equipment AI
설비 건전성·잔존수명 예측
회전체와 건조 설비의 상태 변화를 분석해 이상·위험도·잔존수명을 예측합니다.
- 연결 데이터
- 진동·전류·온도·압력·유량·정비 이력
- 현장 활용
- 고장 조기경보, 정비 우선순위, 다운타임 예방
04Quality AI
품질 예측·공급망 추적
원료·첨가제부터 최종 품질까지 시간·Lot 이력을 연결해 편차 원인을 찾습니다.
- 연결 데이터
- 농도·입도·공정조건·검사·출하 Lot
- 현장 활용
- 품질 예측, 원인 추적, 공급망 피드백
05Safety AI
Vision AI 안전 관제
영상과 설비 이벤트를 결합해 위험 행동·구역 접근·화재·이상 상황을 감지합니다.
- 연결 데이터
- 실시간 영상 스트림(RTSP)·작업 구역·설비 알람
- 현장 활용
- 위험도별 알림, 이력 조회, 오탐 피드백
06AI Operations
MLOps·자율운영 지원
모델을 학습·
- 운영 정보
- 모델·데이터 버전·성능·데이터 변화
- 현장 활용
- 지속적 재학습·이전 모델 복구, 현장 엣지 연계, 단계적 자율운영
Features
제조 지능화의 핵심 기능
설비 상태를 진단하고 공정·
Detect
이상탐지 · 예지보전
설비 신호의 미세한 변화를 학습해 불량·
- 정상 패턴 학습 미세한 이탈을 조기 감지, 원인과 조치까지
- 잠재 불량 식별 사이클을 0.1초 단위로 보고 이탈 탐지
- 잔존수명 예측 설비 부하·
마모· 가동 이력으로 남은 사용 기간과 정비 시점 산정
이상치 탐지 분석 — 프로토타입 예시 화면
Optimize
공정 조건 권고
열처리·
반복되는 판단 기준을 데이터로 관리할 수 있습니다.
공정 최적화 대시보드 — 예시 화면
Sustain
지속 학습 운영
공정 변화에 따른 모델 성능 저하를 감시하고 재학습 시점을 판단합니다.
새 모델은 검증과 배포 절차를 거쳐 운영에 반영합니다.
- 학습·
배포· 버전 관리와 승인 절차로 운영감시· 재학습 - 데이터 변화 탐지 PSI · KL divergence 등 통계 지표로 데이터·
개념 변화 감지 - 배포 3옵션 클라우드 · 온프레미스 · 폐쇄망(에어갭) — 형태가 달라도 같은 모델·
API
모델 레지스트리 — 프로토타입 예시 화면
Why AI
임계 알람을 넘어서
고정 임계 감시로는 잡지 못하는 미세 이탈과 원인·
| 관점 | 규칙 기반 임계 감시 | QFactory 제조 AI |
|---|---|---|
| 이상 감지 | 고정 임계 초과 시 알람(사후) | 정상 패턴 학습 후 미세 이탈 조기 감지 |
| 원인 파악 | 사람이 로그를 수동 추적 | 생성형 AI 질의응답으로 원인· |
| 공정 조건 | 고정 레시피 유지 | 상태· |
| 정비 | 주기· | 잔존수명 예측 기반 예지보전 |
| 운영 | 수동 튜닝· | 데이터 변화 감시· |
규칙 기반 감시를 대체하는 것이 아니라 보완합니다 — 기존 임계 알람 위에 AI 판단 레이어를 얹는 전환 경로를 권장합니다.
Proven
제조 현장 실증
Factory Insight AI — 조립 라인 이상 조기감지
과제 체결 불량·
해결 시계열 이상탐지 + 생성형 AI 질의응답
성과 후공정으로 넘어가기 전에 잡아내는 체계
AI Smart Optimizer — 열처리 조건 최적화
과제 고온 열처리 품질이 숙련자 경험 의존
해결 상태진단·
성과 숙련자 경험을 데이터로 옮겨 품질 편차 관리
PAPERON AI — 제지 공정 자율운영
과제 분산제어(DCS)·품질관리(QCS)·설비제어(PLC) 데이터 분산, 열에너지·
범위 시간·생산 작업 단위 표준화, 열에너지 최적화, 설비 건전성·
진행 2026~2029 연구개발·
0개 사제조 적용 범위 — 자동차부품·열처리·제지
국책 과제산업 AI·AI Factory 국책과제 수행·추진
ManufacturingCubeon 제조 도메인팩으로 운영·확장
Ideal Use Cases
이런 공장에 적합합니다
알람만으로는 잡히지 않는 변화를 다뤄야 하는 현장에 적합합니다.
임계 알람만으로 품질을 관리하는 라인
정상 범위 안에서 서서히 나빠지는 변화는 놓치고, 후공정에서야 문제가 드러나는 환경
숙련자의 판단에 기대는 공정
담당자가 바뀌면 품질 편차가 생기는 열처리·
설비 정지가 곧 손실인 연속 라인
고장 시점을 미리 알아야 정비 일정을 짤 수 있는 24시간 가동 현장
에너지 비용 비중이 큰 공장
설비·