공장에는 솔루션이 넘치는데, 왜 아무것도 나아지지 않을까
많은 공장이 이미 충분히 많은 시스템을 갖고 있다. MES가 있고, 품질 관리 도구가 있고, 설비 모니터링이 있고, 부서마다 대시보드가 있다. 최근 몇 년은 여기에 AI 실증까지 얹혔다. 그런데 현장에 물어보면 답은 비슷하다. "데이터는 많은데, 정작 판단이 빨라지지는 않았다."
#제조AI
이 태그가 붙은 글 · 모두 87편
스마트팩토리 구축이 실패하는 진짜 이유 3가지
수억을 들여 MES를 깔고, ERP를 붙이고, 현장에 태블릿까지 돌렸습니다. 그런데 1년이 지나도 공장은 예전과 크게 다르지 않습니다. 품질 문제가 터지면 여전히 담당자가 엑셀을 열어 한참을 헤매고, 설비가 멈추면 사람이 뛰어가 원인을 찾습니다. 시스템은 늘었는데 일하는 방식은 그대로입니다.
제조 현장에서 ChatGPT를 못 믿는 이유, 그리고 환각 없는 제조 AI
생성형 AI가 화제가 되면서, 한 번쯤 이런 실험을 해보셨을 겁니다. 공장 데이터를 AI에 넣고 "이 불량의 원인이 뭐냐"고 물어보는 것. 그럴듯한 답이 나옵니다. 문장은 매끄럽고 자신감도 넘칩니다. 그런데 막상 현장 담당자가 보면 고개를 갸웃합니다. "이 설비는 그 공정에 안 쓰이는데?"
"표준화 없이 AI 없다"온톨로지가 도대체 뭐길래
앞선 글에서 환각 없는 제조 AI는 답을 '정의된 관계'에 묶는다고 했습니다. 그러면 자연스레 질문이 생깁니다. 그 '정의된 관계'는 대체 누가, 어떻게 만드는 걸까요? 여기서 두 단어가 나옵니다. 표준화, 그리고 온톨로지입니다.
품질 원인 분석 3시간 vs 30초제조 AI가 실제로 바꾸는 5가지 업무
제조 AI 이야기는 자주 추상적으로 흐릅니다. "혁신", "효율", "자율". 듣기엔 좋지만 현장 담당자에게는 잘 와닿지 않습니다. 그래서 이번 글은 추상을 걷어내고, 실제 업무 다섯 가지가 어떻게 바뀌는지만 구체적으로 적겠습니다. 앞선 글에서 말한 표준화와 닫힌 루프가 갖춰졌을 때 나오는 숫자들입니다.
우리 공장 AI, 지금 몇 단계일까: 5분이면 끝나는 제조 AI 성숙도 자가진단
한 번쯤 이런 적 있으실 겁니다. 큰맘 먹고 AI를 들였습니다. 챗봇도 붙여 보고, 불량도 예측해 보고, PoC도 몇 번 돌렸습니다. 다들 좋다니까요. 그런데 막상 몇 달이 지나도 공장 돌아가는 모습은 예전이랑 별로 다르지 않습니다. 보고는 그럴듯한데 현장은 그대로고요. 그러면 슬슬 이런 생각이 들죠. "AI가 좋다…
제조 현장 AI는 왜 자꾸 틀릴까: 검색을 네 갈래로 쪼갠 이야기
현장에 데모를 들고 가면 거의 매번 똑같은 장면이 나옵니다. 공장장님이 팔짱을 끼고 한참 보다가 이렇게 말씀하세요. "답은 잘 하네. 근데 이거 믿고 일해도 돼요?"
