cortexys.ai

The lightest model,the deepest value

sLLM optimization, Advanced RAG, VLM, Agentic Workflow. We provide AI solutions optimized for enterprise environments.

AI Insight

제조 기업의 AX 전환은 어디서 막히는가

자동차·전지·부품·패션 제조 현장에서 AX 교육과 PoC를 진행하며 반복해서 마주친 패턴을 정리했습니다. 업계 일반론이 아니라 실제로 겪은 것만 적었습니다.

설비 로그, 검사 이미지, 생산 실적이 이미 수년치 쌓여 있는 경우가 대부분입니다. 문제는 양이 아니라 형태입니다. 라인마다 다른 포맷, 담당자만 아는 컬럼명, 불량 판정 기준이 사람마다 다른 상태로 남아 있습니다.

먼저 하는 일은 모델이 아니라 라벨 기준 정리입니다. 무엇을 불량으로 볼지 합의하지 않은 채 학습을 시작하면 정확도 숫자가 아무 의미를 갖지 못합니다.

전사 도입을 먼저 그리면 거의 예외 없이 멈춥니다. 검증 가능한 공정 하나를 골라 현장 담당자가 눈으로 확인할 수 있는 결과를 만드는 편이 빠릅니다. 육안 검사처럼 사람이 판단 기준을 이미 갖고 있는 공정이 적합합니다.

르노코리아에서는 YOLOv11 기반 컴퓨터 비전으로 공정 자동화 PoC를 수행했습니다. 커스텀 모델 개발부터 실제 라인 적용까지 하나의 공정을 끝까지 가져갔습니다.

PoC가 성공해도 외부 인력이 만들고 떠나면 6개월 뒤 아무도 손대지 못하는 시스템이 됩니다. 모델을 유지하는 것보다 판단 기준이 바뀌었을 때 현장이 스스로 재학습을 돌릴 수 있는지가 실제 수명을 결정합니다.

세방전지에서는 책임·선임 승진자를 대상으로, 신지모루에서는 전사를 대상으로 업무자동화 교육을 진행했습니다. 도구를 넘기는 것과 다룰 수 있게 만드는 것은 다른 일입니다.

제조 AX 전환에서 자주 어긋나는 접근과 권장 접근
흔한 접근	권장하는 접근
정확도부터 올리려 한다	현장이 수용 가능한 오검출 비율을 먼저 정합니다. 95%와 98%의 차이보다, 놓친 불량 한 건과 잘못 잡은 정상 백 건 중 무엇이 더 비싼지가 중요합니다.
전사 플랫폼을 먼저 만든다	공정 하나에서 끝까지 돌아가는 것을 만든 뒤 옆 라인으로 옮깁니다. 플랫폼은 두 번째 라인에서 반복되는 것이 보일 때 만듭니다.
AI 팀만 교육한다	판단 기준을 가진 사람은 현장에 있습니다. 라벨링 기준을 정하고 결과를 검증할 사람이 AI를 이해하지 못하면 모델은 현장과 어긋난 채로 굳습니다.

현재 어느 단계에 있는지 적어주시면, 다음에 무엇을 해야 하는지 정리해 드립니다.

We'll propose AI solutions optimized for your business. Discover possibilities through free technical consultation.