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, […]
-
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 […]
-
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 […]
-
Product시방서 100페이지 스펙 추출 ‘1분 컷’의 비밀
“이것만 다 읽으면 견적 낼 수 있을 텐데…” 수백 페이지짜리 시방서를 한 장 한 장 넘기며 스펙을 찾는 일.여전히 많은 제조 현장에서는 이 ‘시방서 검토’라는 과정에 많은 시간을 쏟고 있습니다. 종종 “ChatGPT에 시방서를 넣었는데, 왜 스펙 추출이 안 될까요?” 라고 질문하시는 분들이 있는데, 이건 모델의 성능이 부족해서가 아닙니다. 시방서가 회사마다 형식이 다르고, 동일한 스펙도 표현이 […]
-
Product2026년 제조 AX, 라온피플과 시작하는 방법
“우리 회사도 제조 AX를 해야 한다는데, 어디서부터 시작해야 할까?” 제조 AX를 지원하는 정부 기조에 따라, 최근에는 대기업뿐 아니라 중소·중견 기업들도 공장 운영 효율화와 품질 관리 강화를 위해 2026년을 목표로 제조 AX를 검토하고 있습니다.이제 제조 AX는 ‘하면 좋은 선택’이 아니라, 미룰 수 없는 과제가 되어가고 있는데요. 문제는 어디서부터 시작해야할지 막막하다는 겁니다. 센서 데이터 및 MES 연동, AI 검사 모델 개발, Agent, AAS 등 관련 […]
-
Product검출률 99%의 함정, 나머지 1%를 잡는 ADC 시스템
AI만으로는 채울 수 없는 마지막 1% 아무리 정교한 AI라도 “검출 정확도 99% 뒤에 숨은 1%의 리스크”는 여전히 남아있습니다. ‘1% 정도는 괜찮지 않을까?’ 생각하실 수도 있지만, 제조현장에서는 이야기가 다릅니다. 놓친 1%의 오차는 실제 수백, 수천 개의 불량으로 이어질 수 있고, 이는 곧 고객 클레임과 생산가동 중단으로 연결되어 막대한 비용 손실을 초래하죠. 더 큰 문제는 현장이 끊임없이 […]