어드밴텍의 Linkou AIoT 공동 창조 캠퍼스, 스마트 혁신을 선도하다: 변화를 가속화하는 4가지 생성 AI 애플리케이션
2024-12-10
지난 2년 동안 많은 기업들이 "생성형 AI를 어떻게 활용할 것인가?"라는 질문을 던지고 있습니다. 스마트 변화를 선도하는 어드밴텍은 이 질문에 대한 답을 Linkou AIoT 공동 창조 캠퍼스에서 찾았습니다. 어드밴텍은 WISE-IoT iFactory 소프트웨어 및 하드웨어 솔루션과 생성형 인공지능(GAI) 기술을 통합하여 조립 병목 현상 해결, OEE 어시스턴트, AI 유지보수 어시스턴트, 자재 관리 에이전트의 4가지 주요 GAI 애플리케이션을 개발했습니다. 이러한 애플리케이션은 생산 라인 효율을 효과적으로 향상시키고, 직원 생산성을 높이며, 공급망의 대응성을 개선하고 있습니다.
데이터를 기반으로 다양한 GAI 애플리케이션 개발
산업용 PC 제조는 소량 생산과 다양한 생산이 특징입니다. 대부분의 고객은 일정 주기마다 반복 주문을 하는데, 이는 초기 생산 이후 몇 달 만에 다시 생산이 재개되는 것을 의미합니다. 이런 불규칙한 주기로 인해 데이터를 효과적으로 활용하기 어렵게 만듭니다. 어드밴텍의 매니저인 Notes Song은 이전에 딥러닝이나 머신러닝과 같은 전통적인 방법을 사용해 데이터를 분석하고 AI 모델을 구축했지만, 이러한 방법들은 조립 라인의 실제 생산 상태를 반영하지 못해 효과가 제한적이었다고 언급했습니다. 오늘날 GAI는 방대한 데이터 저장소를 기반으로 한 대규모 언어 모델을 활용합니다. 공장 데이터를 기존 작업 흐름과 통합하고 이러한 대규모 모델을 세밀하게 조정함으로써, 비정기적으로 수집된 데이터도 효과적으로 활용할 수 있습니다.이 기반을 바탕으로 Linkou AIoT 공동 창조 캠퍼스는 생산 관리 데이터의 필요성과 기존 문제점을 먼저 파악하여 다양한 GAI 애플리케이션 개발을 시작했습니다. GAI를 전략적으로 적용하여 이러한 문제를 해결한 결과, 다음의 4가지 주요 애플리케이션이 탄생했습니다.
AI 조립 병목 에이전트와 OEE 어시스턴트: 두 자릿수 생산 효율 향상 달성
AI 조립 병목 에이전트와 OEE 어시스턴트 애플리케이션은 SMT 및 조립 생산 라인의 효율성 문제를 해결하기 위해 개발되었습니다. 어드밴텍의 프로젝트 매니저 James Chang은 과거에는 관리자가 생산 라인 모니터링 대시보드를 수동으로 검토해 병목 현상이 발생한 지점을 찾아내고, 각 데이터를 하나씩 분석하여 이상 현상의 원인을 파악한 뒤 대응책을 마련했다고 설명했습니다. 이 과정은 시간이 많이 소요될 뿐만 아니라, 사람의 판단 차이에 따라 실행 효과가 변동되는 한계가 있었습니다.현재 GAI를 활용하여 생산 라인 데이터를 분석하면서 병목 현상이 발생하기 전에 초기 경고가 발령되고, 이를 뒷받침하는 포괄적인 분석 보고서가 제공됩니다. 이러한 도구는 관리자가 문제를 확인하고 해결하며 최적화하는 데 도움을 주며, 데이터 수집, 정리, 분석에 소요되는 시간을 크게 줄였습니다. 또한, 의사결정 과정이 표준화되어 생산 라인 문제를 더 빠르게 식별하고 해결할 수 있게 되었습니다. 캠퍼스 내부 통계에 따르면, SMT 생산 라인의 이상 처리 시간은 26% 단축되었고, 조립 생산성은 10% 증가했습니다.
AI 유지보수 어시스턴트와 자재 관리 에이전트: 인력 생산성 향상
AI 유지보수 어시스턴트 애플리케이션은 기존 작업 흐름과 통합되어 유지보수 인력과 GAI를 통해 상호 작용하며, 수리 효율성을 10% 향상시켰습니다. 이 도구를 통해 불량 제품에 대한 수리 요청이 AI로 직접 전송되며, AI는 문제를 평가하고 적절한 권장 사항을 제공하며 필요한 자재나 소모품 목록을 생성합니다. 유지보수 인력이 목록을 검증한 후, GAI는 자재 요청 프로세스로 자연스럽게 전환되어 행정 업무에 소요되는 시간을 줄이고 수리 완료 속도를 높입니다.또한, GAI는 유지보수 인력의 학습 곡선을 크게 단축시킵니다. Chang은 어드밴텍의 다양한 제품 라인업으로 인해 기술자들이 종종 익숙하지 않은 문제에 직면한다고 설명했습니다. GAI는 적절한 권장 사항을 제공함으로써 신입 직원도 빠르게 적응하고 효율적으로 작업할 수 있도록 지원합니다.자재 관리 에이전트에서는 GAI가 공급망의 특정 노드에 적용되어 이전에는 수작업으로 처리되던 작업을 자동화합니다. 이를 통해 수요에서 생산, 자재 공급으로 이어지는 전통적인 단계별 의사소통 과정이 없어져 대응 속도가 크게 향상되었습니다. 결과적으로, 이 시스템은 공급망의 빠르게 변화하는 역학에 보다 효과적으로 적응할 수 있습니다.
AI 에이전트 구현: 사용자 중심으로 개발된 12개의 혁신적 애플리케이션
Chang은 Linkou 지능형 캠퍼스가 GAI 애플리케이션을 통합할 때 두 가지 주요 전략을 우선시했다고 강조했습니다. 첫째, 애플리케이션이 실제 사용 시나리오와 일치하는지 확인하기 위해 작업 흐름을 분석하는 것, 둘째, 각 애플리케이션 유형에 맞춘 전문가 전용 데이터베이스를 구축해 GAI 솔루션의 효과를 극대화했습니다.Song은 "이 성공을 기반으로 어드밴텍은 더 많은 GAI 애플리케이션 개발을 가속화할 방법을 모색하고 있습니다"라고 덧붙였습니다. 사용자 중심 접근 방식이 GAI 채택을 주도했으며, 이를 통해 Linkou AIoT 공동 창조 캠퍼스에서 AI Academy를 설립했습니다. 이 이니셔티브는 다양한 부서에서 AI에 열정을 가진 직원을 시드 멤버로 선발합니다. 어드밴텍의 WISE-AI Agent 솔루션을 활용한 팀은 용량 분석, 테스트 프로그램 생성, FQC 체크리스트 작성, 생산 자재 관리, 자재 상관 분석, PLM 조회, 그리고 지능형 고객 서비스 등 12개의 GAI 애플리케이션 프로젝트를 개발했습니다.어드밴텍의 제품 매니저인 Ashley Peng는 WISE-AI Agent가 로우코드 또는 노코드 AI 플랫폼이라고 자세히 설명했습니다. 이 플랫폼은 구조화된 데이터와 비구조화된 데이터를 통합하고, 다양한 대규모 언어 모델(LLMs)에 연결합니다. 이를 통해 비기술적 사용자도 간단한 드래그와 클릭만으로 GAI 애플리케이션을 손쉽게 배포할 수 있으며, IT 팀은 데이터 준비와 사용자 지원을 통해 이를 뒷받침합니다. 이러한 접근 방식은 GAI 애플리케이션 개발 속도를 크게 향상시킵니다.Song은 "WISE-AI Agent의 목표는 AI 인재 부족 문제를 해결하고 제조업체가 GAI의 낮은 진입 장벽을 활용해 디지털 전환을 더 빠르게 실현할 수 있도록 돕는 것입니다"라고 밝혔습니다. 예를 들어 머신러닝이나 딥러닝과 같은 기존의 예측 AI는 높은 구현 기준을 요구합니다. 기업은 정확한 분석을 위해 방대한 데이터 세트를 필요로 하지만, 데이터 부족으로 인해 많은 기업이 AI 도입을 주저하게 됩니다. 반면, GAI는 기존 데이터를 읽고 생성하는 데 강점을 가지며, 공장의 자동화 수준이나 데이터 세트 크기에 관계없이 신속한 업데이트와 피드백을 제공합니다. 이를 통해 직원 생산성을 크게 향상시킬 수 있습니다.
어드밴텍은 향후에도 사용자 중심의 IT 지원 접근 방식을 유지하며 내부 GAI 혁신을 촉진할 계획입니다. 첨단 기술을 활용하여 Linkou AIoT 공동 창조 캠퍼스는 차세대 스마트 팩토리로 발전하는 것을 목표로 하고 있습니다. 또한, Linkou AIoT 공동 창조 캠퍼스에서 검증된 성공적인 모델을 종합적인 GAI 애플리케이션 솔루션으로 발전시켜, 더 많은 공장이 GAI를 활용하고 경쟁력을 갖춘 지능형 시스템을 구축할 수 있도록 지원할 예정입니다.
WISE-IoT 솔루션 자세히 알아보기
WISE-마켓플레이스
귀하의 요구 사항에 맞는 엣지 투 클라우드 AIoT 솔루션을 알아보세요
iFactory 솔루션
실시간 생산 통찰력으로 제조 인텔리전스 강화
