Blog
-
Product제조 AI, 어디까지 맡길 것인가
많은 제조 기업들이 AI로 가장 먼저 해결하고자 하는 과제는 공정 불량을 정확히 잡아내고, 그 원인을 빠르게 찾아 조치하는 일입니다. 불량 발생부터 라인 정상화까지의 소요 시간(다운타임)을 줄이는 것이 곧 현장의 생산성과 직결되기 때문입니다. 다만, 라인 정상화를 지연시키는 ‘병목 지점’ 은 현장마다 다릅니다. 아직 사람의 눈에 의존해 불량을 놓치거나 잦은 오검출로 인해 발목이 잡히는 현장이 있는가 하면, […]
-
Product심볼부터 배관 연결까지 읽는 P&ID 도면 분석 Agent
P&ID(배관 계장도)는 공정 설비를 구성하는 장비와 밸브 등이 어떻게 연결되어 있는지 기호와 선으로 나타낸 도면을 말합니다. 보통 플랜트나 공정설비 프로젝트의 견적을 산출하기 위해 이 도면을 읽고, 필요한 장비와 부품을 파악합니다. 문제는 계약 전 받는 도면 대부분이 데이터 추출이 안 되는 스캔 PDF라는 점입니다. 그러다 보니 필요한 항목을 찾아 수량을 세는 일은 사람이 직접 하는 경우가 […]
-
Product파일명을 몰라도, 필요한 도면을 찾는 3가지 방법
“예전에 이거랑 비슷한 제품 설계한 적 있는데…” 머릿속엔 분명 떠오르는데 막상 찾아보려니 파일명이 도무지 기억나지 않을 때가 있습니다. 이 폴더 저 폴더를 클릭하며 한참을 뒤적이다, 결국 옆자리 동료에게 슬쩍 물어보게 되죠. “혹시 그 도면 어디에 저장되어 있는지 아세요?“ 신규 제품을 설계하거나 견적을 산출할 때, 실무자는 자연스레 과거의 유사 도면부터 찾게 됩니다. 이전 도면을 참고하면, 분석 […]
-
Product스스로 학습하고 진화하는 AI 검사, EZInspector
새벽 2시, 휴대폰이 울렸다. 당직 작업자의 전화다. “갑자기 불량이 너무 많이 잡히는데요.” 노트북을 열어 보니 불량 판정 건수가 평소보다 올라가 있다.아, 또 시작이네. 지난번에 다 잡은 줄 알았는데, 이번엔 또 뭐가 바뀐 거지? 현장 서버에 접속해 이미지를 확인해 보니, 불량으로 찍힌 건 대부분 멀쩡한 제품이다.결국 또 오검지된 이미지들을 골라, 라벨을 다시 붙여 재학습을 돌린다. 지난달에도, […]
-
Tech판단 전용 AI 모델 Jev, 어디까지 맡길 수 있을까?
생성형 AI의 능력은 보통 “얼마나 사람처럼 자연스럽게 글을 쓰고 말하는가”로 평가받는다. 하지만 실제 소프트웨어가 매 순간 필요로 하는 것은 화려한 수식어나 긴 설명이 아니다. 기다리던 택배가 도착하는 날, 다음과 같은 문자 한 통을 받았다고 가정해 보자. 택배 문자의 링크를 나도 모르게 누르려다 멈칫한다. 진짜 택배사 안내인지, 택배 기다리는 심리를 노린 피싱인지 순간 헷갈려서다. 사람이라면 발신 […]
-
InsightLooped Transformer: 모델 크기는 그대로, 생각은 더 깊게
‘쉬운 문제에는 1초, 어려운 문제에는 1분’ 사람에게는 자연스러운 이 과정이, 보통의 Transformer 아키텍처에는 자연스럽지 않습니다. 질문이 쉽든 어렵든, 토큰 하나를 만들어 낼 때 거치는 계산의 깊이가 똑같기 때문입니다. 최근 LLM 기반 AI 시스템의 패러다임은 테스트 시간 연산량(Test-time Compute)을 확장해 추론 능력을 끌어올리는 방향으로 빠르게 나아가고 있습니다. 즉, 모델이 어려운 문제를 만났을 때, 더 많은 연산을 […]
-
ProductPDF 도면을 올렸을 뿐인데, 제작 견적서가 나왔다.
“이 도면 견적 언제까지 나와요?” 금형 제작 현장이라면 하루에도 몇 번씩 듣는 질문입니다. 하지만 실무자가 이 질문에 답하기까지, 생각보다 많은 과정과 시간이 필요합니다. 견적을 계산하기에 앞서 고객이 보내온 도면부터 다시 그려야 하기 때문입니다. 견적을 내려면 재질과 수량뿐 아니라 제품의 크기와 면적, 형상, 가공 요소처럼 비용을 결정하는 다양한 정보를 파악해야 하는데, PDF 도면에 표시된 치수만으로는 견적에 […]
-
InsightAI가 내 컴퓨터를 지웠다: AI 에이전트에 안전 설계가 필요한 이유
“백업 좀 해줘.” 개발자가 AI에게 전달한 요청은 이 한마디였습니다. 하지만 불과 몇 초 뒤, 수년간 쌓아온 사진과 코드, 문서, 개인 설정이 담긴 사용자 폴더가 휴지통도 거치지 않고 통째로 삭제되었습니다. 등골이 서늘해진 순간, AI가 남긴 답변은 황당했습니다.“Sorry, typo.” (오타가 있었네요. 죄송해요.) 이 사건은 해외 기술 매체 Tom’s Hardware의 보도에 실린 실제 사례입니다. 우리가 맞이한 ‘AI 에이전트 […]
-
Product온프레미스 AI 에이전트, 제조 기업의 비용과 보안을 모두 잡는 법
제조기업의 AI 에이전트, 왜 ‘온프레미스’여야 할까? 제조 기업이 AI 에이전트 도입을 검토할 때 가장 많이 고민하는 부분은 바로 ‘보안’입니다. 도면부터 핵심 공정 데이터, 기술 규격서, 품질 이력까지… 데이터 하나하나가 회사의 귀한 노하우를 담고 있는 기밀 자산이기 때문입니다. 따라서, 이런 데이터에 외부 LLM API를 적용하는 것은 기업 입장에서 조심스러울 수 밖에 없습니다. 그럼에도 불구하고 많은 기업이 […]