LangTailor페이지 목차
이 페이지에서 검색
AI Smart Factory
이 페이지에 묻기
이 프로젝트 소개 본문에서만 찾아 답합니다. 답을 지어내지 않고 해당하는 대목을 그대로 보여 주며, 여기에 없으면 없다고 알려 드립니다.
생성형 AI가 아니라 이 페이지 본문을 찾아 그대로 보여 주는 방식입니다. 외부로 나가는 요청이 없습니다.
LANGTAILOR REFERENCE BUILD 04 · 구현
소개 공개 · 구현 프로젝트 공개
AI Smart Factory
생산 · R&D · 품질 · 물류
생산·설비·품질 데이터와 작업 이력·매뉴얼을 함께 살펴 이상징후와 점검 항목을 정리하는 제조 AI Agent를 기획합니다.
Taylor가 설계·구현한 교육용 Reference Build의 소개입니다. 이 페이지에서는 검색·AI 분석·Agent를 실행하지 않으며, 구현된 프로젝트는 별도 사이트에서 확인할 수 있습니다.
WHY THIS PROJECT
어떤 업무 문제에서 시작하나요?
불량률 변화가 보여도 관련 설비와 작업 이력, 매뉴얼을 따로 확인해야 합니다. 데이터를 연결해 원인 후보를 검토하는 과정을 학습합니다.
오늘 2호기 불량률이 증가한 시점과 함께 확인할 작업 이력은 무엇일까요?
IMPLEMENTED SCOPE
구현된 핵심 기능
아래 항목은 구현된 기능입니다.
- 01
생산량·가동률·불량률·설비상태 대시보드
- 02
설비 시계열의 이상징후 탐지
- 03
제품·공정별 품질 변화와 작업 이력 비교
- 04
매뉴얼·표준서 RAG로 점검 항목 제안
DATA & ARCHITECTURE
데이터에서 검토 가능한 결과까지
구현된 프로젝트의 데이터 흐름입니다. 각 단계의 입력·출력과 근거를 확인할 수 있도록 설계했습니다.
- STEP 1샘플 MES · 설비 데이터
- STEP 2PostgreSQL
- STEP 3ML 이상탐지
- STEP 4매뉴얼 RAG · LLM
- STEP 5원인 후보·점검 항목
더미로 배우고, 우리 데이터로 완성합니다.
현실적인 가상 MES·설비·품질 데이터와 샘플 매뉴얼로 학습합니다. 실제 제조 데이터는 보안 검토 후 내부 환경에서 연결합니다.
BUILD · OPERATE · MANAGE RISK
구조를 배우고, 자기 업무에 맞게 바꿉니다.
Taylor의 가이드·멘토링을 바탕으로 직접 수정하고 검증하는 실습을 준비합니다.
- 제조 데이터와 작업 이력 연결
- 이상탐지 결과의 오탐·누락 평가
- 근거 기반 점검 흐름 설계
직접 바꿀 부분
설비·공정 스키마, 이상탐지 기준, 매뉴얼과 점검 절차를 직접 바꿉니다. 제품 이미지 분석은 향후 확장 과제입니다.
판단과 데이터의 경계
상관관계를 원인으로 단정하지 않습니다. 탐지 오류와 데이터 누락을 검토하며, 설비 제어·안전 판단은 현장 담당자가 수행합니다.
사용 후에도 직접 운영하고 개선합니다.
자료·프롬프트·도구·업무 규칙을 갱신하고, 로그·비용·오류를 확인합니다. 같은 평가 기준으로 변경 전후를 비교하며 개선하는 방법을 배웁니다.
PUBLIC LEARNING ROADMAP
개발 과정도 교육 콘텐츠가 됩니다.
문제 정의 → 데이터 확보 → 설계·구현 → 검증 → 배포의 과정을 순차적으로 공개할 계획입니다.
YouTube 공개강의
핵심 소개(3~5분), 시연(10~20분), 개발 과정 강의(30~60분)를 준비합니다.
영상 공개 예정
7시간 실습 과정 구성안
MES 데이터와 생성형 AI를 활용한 스마트팩토리 생산·품질 혁신
- 1H업무 문제와 AI 적용 방법
- 2H데이터와 AI 서비스 구조 이해
- 3HLLM / RAG 기본 실습
- 4H샘플 업무 데이터 연결
- 5HAI Agent 구축
- 6H프로젝트 수정·검증 실습
- 7H결과 분석·운영·리스크·개선
교육과정 제안 단계이며, 개설 일정과 기관 운영 여부는 확정되지 않았습니다.