AI 시스템

AI가 우리 공장을 이해하는 두뇌. 도메인 관리, 지식 그래프, 온톨로지, 실행 로그를 한 곳에서 관리합니다.

난이도	주요 사용자
중급 (IT 관리자 기준 초급)	IT 관리자, 품질 관리자, 생산 계획자

공장에는 수많은 데이터가 있습니다. 제품 정보, 설비 상태, 품질 검사 결과, 주문 내역, 조직 구조까지. AI 시스템은 이 모든 데이터를 분류하고, 연결하고, 이해하는 역할을 합니다. 사람이 공장 전체를 한눈에 파악하기 어려운 것처럼, AI도 체계적인 구조 없이는 제대로 된 분석을 할 수 없습니다.

비유

AI 시스템은 공장의 두뇌입니다.

데이터 사전(온톨로지) = 모든 용어와 개념을 정의한 사전
관계 지도(지식 그래프) = 데이터끼리 어떻게 연결되는지 보여주는 거미줄 지도
실행 기록(로그) = AI가 뒤에서 한 모든 활동의 기록

이 세 가지가 합쳐져서 AI가 "이 불량은 어떤 설비에서 어떤 자재를 쓸 때 발생하는가?"에 답할 수 있게 됩니다.

왜 필요한가?

AI에게 "불량 원인을 분석해줘"라고 물어봤는데, 엉뚱한 데이터를 가져오거나 관련 없는 답변을 한 적이 있나요?

그 이유는 AI가 공장 데이터의 구조를 모르기 때문입니다. 사람은 경험으로 "이 불량은 보통 금형 마모가 원인이고, 금형은 3번 프레스에 장착되어 있다"는 것을 알지만, AI는 누군가 이 관계를 알려주지 않으면 모릅니다.

AI 시스템은 이 문제를 해결합니다.

문제 상황	AI 시스템이 해결하는 방법
AI가 질문과 무관한 데이터를 검색함	온톨로지로 데이터 범위를 한정하여 관련 데이터만 찾음
설비-자재-불량 간 연결 관계를 파악 못함	지식 그래프로 데이터 간 관계를 자동 추적
"작업표준서에서 찾아줘"라고 했는데 못 찾음	벡터 임베딩으로 의미가 비슷한 문서도 검색 가능
AI가 잘 작동하는지 확인할 수 없음	실행 로그로 AI 활동을 실시간 모니터링

핵심 메시지

온톨로지가 없는 AI는 개별 테이블만 보는 장님이고, 온톨로지가 있는 AI는 전체 공정을 이해하는 베테랑입니다.

잘 쓰면 이런 결과가!

Before	After	효과
AI 질의 시 관련 없는 데이터까지 검색 (8초)	온톨로지 기반 범위 한정 (1.5초)	응답 속도 80% 향상
불량 원인 분석 수작업 2시간	지식 그래프 자동 관계 추적 15분	분석 시간 87% 단축
신규 담당자 업무 파악 1개월	지식 그래프로 시각적 파악 3일	온보딩 90% 단축
외부 감사 시 데이터 관계 증빙 준비 3일	지식 그래프에서 관계도 즉시 추출	감사 대응 95% 단축

하위 메뉴 구성

메뉴	현장 용어	역할
도메인	업무 영역 관리	제품/자재, 공정/설비, 품질, 주문/물류, 조직 5개 영역의 AI 노드와 관계
그래프	데이터 연결 지도	모든 데이터의 관계를 거미줄처럼 시각화 + AI 데이터 이해(벡터 임베딩)
온톨로지	데이터 사전	어떤 데이터가 어디에 몇 개, 서로 어떻게 연결되는지 목록
로그	AI 활동 기록	AI가 뒤에서 무슨 일을 하고 있는지 실시간 확인

시작하기

AI 시스템을 처음 사용한다면 아래 순서를 따라주세요.

1단계: AI 시스템 메뉴 진입

좌측 메뉴 → AI 시스템

URL: /ai/system/

2단계: 도메인 현황 확인

AI 시스템 > 도메인 메뉴에서 5개 업무 영역(제품/자재, 공정/설비, 품질, 주문/물류, 조직)이 등록되어 있는지 확인합니다.

각 도메인 카드를 클릭하면 해당 영역에 속한 노드(데이터 항목)와 관계를 볼 수 있습니다.
상단 요약 카드에서 전체 노드 수와 관계 수를 확인합니다.

3단계: 지식 그래프에서 연결 관계 확인

AI 시스템 > 그래프 메뉴로 이동하여 데이터 간의 연결 관계를 시각적으로 확인합니다.

라벨 필터로 관심 영역만 선택할 수 있습니다 (예: 품질 + 설비만 표시).
노드를 클릭하면 상세 속성이 나타납니다.

4단계: 벡터 임베딩 상태 확인

AI 시스템 > 그래프 > 벡터 임베딩 탭에서 작업표준서, 불량 이력, 설비 매뉴얼 등이 임베딩되어 있는지 확인합니다.

5단계: 실행 로그 모니터링

AI 시스템 > 로그 메뉴에서 AI의 동작 상태를 확인합니다. CDC 로그와 Embedding 파이프라인이 정상 작동 중인지 점검합니다.

주요 기능

도메인 관리 — 공장 데이터를 5개 영역으로 분류

공장의 모든 데이터를 5개 업무 영역(제품/자재, 공정/설비, 품질, 주문/물류, 조직)으로 분류합니다. 각 도메인 안에서 노드(데이터 항목)와 관계를 관리하며, 이를 통해 AI가 질문에 대해 올바른 범위의 데이터만 검색할 수 있습니다.

자세한 내용은 도메인 관리 페이지를 참조하세요.

지식 그래프 — 데이터 간 관계를 거미줄 지도로 시각화

공장의 모든 데이터를 노드(점)와 관계(선)로 연결하여 시각적으로 탐색할 수 있습니다. 21종의 노드 라벨(Product, Equipment, DefectType 등)을 지원하며, 노드를 클릭하면 연결된 데이터를 따라가며 원인 추적이 가능합니다.

예: 치수 불량 노드 클릭 > QualityInspection > CNC-03 설비 > 황삭 공정 > SUS304 자재

자세한 내용은 지식 그래프 페이지를 참조하세요.

벡터 임베딩 — AI가 문서의 "의미"를 이해하는 기술

작업표준서, 불량 이력, 설비 매뉴얼, 품질 기준서 등의 문서를 AI가 이해할 수 있는 형태로 변환합니다. 이를 통해 정확한 키워드가 아니더라도 의미가 비슷한 문서를 검색할 수 있습니다.

예: "스핀들 진동이 심해요"라고 질문하면 "주축 베어링 마모" 관련 매뉴얼도 함께 검색됩니다.

벡터 임베딩 탭은 지식 그래프 페이지의 탭 2에서 확인할 수 있습니다.

온톨로지 — 공장 데이터 사전

어떤 데이터가 어디에 몇 개 있고, 서로 어떻게 연결되는지 목록 형태로 정리합니다. 온톨로지는 AI가 데이터를 분류하고 검색하는 기준이 됩니다.

자세한 내용은 온톨로지 페이지를 참조하세요.

실행 로그 — AI 활동 기록

AI가 뒤에서 수행한 모든 작업(데이터 변경 감지, 임베딩 갱신, 질의 처리 등)을 실시간으로 확인할 수 있습니다. 오류 발생 시 원인을 추적하는 데 사용합니다.

자세한 내용은 실행 로그 페이지를 참조하세요.

누가 사용하나요?

순위	대상	주요 활용
1순위	IT 관리자	전체 AI 시스템 구성 확인, 도메인/온톨로지 관리, 로그 모니터링
2순위	품질 관리자	불량 원인 추적 시 지식 그래프 활용, AI 분석 결과 검증
3순위	생산 계획자	공정-설비-자재 연결 관계 파악, AI 기반 생산 최적화

실전 예시

예시 1: 불량 원인 분석 (자동차 부품 프레스 공정)

상황: 프레스 공정에서 크랙 불량이 급증했습니다. 기존에는 MES, QMS, EAM 3개 시스템 데이터를 수작업으로 취합하는 데 2시간이 걸렸습니다.

Before	After (AI 시스템 활용)
3개 시스템 데이터 수작업 취합 2시간	AI 채팅에 "크랙 불량 원인 분석" 입력 15분
담당자 경험에 의존하여 "소재 불량인 것 같다" 추정	지식 그래프가 금형 B-17 마모 임계치(0.3mm) 초과와 크랙 불량 4.2배 상관관계 발견
확신도 낮은 추정으로 소재 전수검사 실시 (비용 증가)	데이터 기반 정확한 조치로 불량률 78% 감소

예시 2: 야간 교대 중 처음 보는 설비 알람

상황: 야간 교대 중 CNC-07 설비에서 알람 코드 E-4502가 발생했습니다. 경력 10년차 반장님은 휴무입니다.

Before	After (AI 시스템 활용)
반장에게 전화 연락 시도 30분 이상	AI 채팅에 "CNC-07 E-4502 조치 방법" 입력 10분 내 해결
경험 없는 작업자가 대응 못함	벡터 임베딩이 설비 매뉴얼 142p(스핀들 과부하 보호 회로) 검색
매뉴얼 뒤져도 해당 내용 찾기 어려움	지식 그래프에서 2024년 3월 유사 사례 발견: 절삭유 필터 교체로 해결

예시 3: 신규 담당자 온보딩

상황: 품질관리팀에 신입 엔지니어가 입사했습니다. 공장의 데이터 구조를 파악해야 합니다.

Before	After (AI 시스템 활용)
선배 따라다니며 1개월간 파악	지식 그래프에서 3일 만에 전체 데이터 관계 파악
구두 전달로 빠진 내용이 많음	도메인별 노드와 관계를 시각적으로 확인
다른 부서 데이터 연결 관계 파악 불가	5개 도메인 간 교차 관계까지 한눈에 확인

해보기: 실습 가이드

목표: 첫 도메인 등록부터 지식 그래프 확인까지 직접 따라해봅니다.

소요 시간

약 15분 소요됩니다.

실습 1단계: 도메인 현황 점검

좌측 메뉴 > AI 시스템 > 도메인으로 이동합니다.
상단 요약 카드에서 도메인 수, 노드 수, 관계 수를 확인합니다.
"제품/자재" 카드를 클릭하여 펼칩니다.
노드 목록에서 Product, BOM, Part, RawMaterial이 있는지 확인합니다.

확인 포인트: 5개 도메인이 모두 등록되어 있고, 각 도메인에 노드가 포함되어 있으면 정상입니다.

실습 2단계: 지식 그래프에서 관계 탐색

좌측 메뉴 > AI 시스템 > 그래프로 이동합니다.
라벨 필터에서 **Equipment**와 **DefectType**만 선택합니다.
설비 노드 하나를 클릭하여 연결된 불량 유형을 확인합니다.
노드 수 슬라이더를 조절하여 표시 범위를 조정해봅니다.

확인 포인트: 설비와 불량 유형 간의 연결선이 표시되면 정상입니다.

실습 3단계: 벡터 임베딩 현황 확인

그래프 화면에서 벡터 임베딩 탭을 클릭합니다.
임베딩된 데이터 목록에서 작업표준서, 불량 이력, 설비 매뉴얼이 있는지 확인합니다.
updated_at 컬럼에서 마지막 갱신 시간을 확인합니다.

확인 포인트: 임베딩 데이터가 존재하고, 갱신 시간이 최근이면 정상입니다.

실습 4단계: 온톨로지에서 데이터 목록 확인

좌측 메뉴 > AI 시스템 > 온톨로지로 이동합니다.
전체 엔티티(데이터 항목) 목록과 관계 목록을 확인합니다.
특정 엔티티를 클릭하여 어떤 도메인에 속하는지, 어떤 관계가 있는지 확인합니다.

실습 5단계: 실행 로그로 AI 상태 점검

좌측 메뉴 > AI 시스템 > 로그로 이동합니다.
최근 로그에서 CDC(데이터 변경 감지)와 Embedding(벡터 임베딩 갱신) 타입이 정상 작동 중인지 확인합니다.
오류(빨간색) 로그가 있다면 클릭하여 상세 내용을 확인합니다.

확인 포인트: CDC와 Embedding 로그가 주기적으로 기록되고, 오류 없이 정상이면 AI 시스템이 잘 작동하고 있는 것입니다.

용어 사전

기술 용어	현장 용어	비유	설명
온톨로지 (Ontology)	공장 데이터 관계도	조직도처럼 데이터 간 관계를 그린 것	공장의 모든 데이터 항목과 그 관계를 체계적으로 정의한 구조
지식 그래프 (Knowledge Graph)	데이터 연결 지도	거미줄처럼 모든 데이터가 연결된 전체 그림	노드(점)와 관계(선)로 데이터를 연결한 시각적 네트워크
벡터 임베딩 (Vector Embedding)	AI 데이터 이해 방식	부품을 유사도별로 분류해둔 선반	텍스트를 AI가 이해할 수 있는 숫자 형태로 변환하여 의미가 비슷한 것끼리 묶는 기술
RAG	AI가 우리 데이터에서 답 찾기	작업표준서 뒤져서 답하는 베테랑 선배	AI가 질문을 받으면 관련 문서를 먼저 검색한 뒤, 그 내용을 바탕으로 답변하는 방식
CDC (Change Data Capture)	데이터 변경 자동 기록	디지털 생산일보	데이터베이스의 변경 사항을 실시간으로 감지하고 기록하는 기술
노드 (Node)	데이터 항목	조직도의 한 칸 (부서, 사람)	지식 그래프에서 하나의 데이터 항목을 나타내는 점
도메인 (Domain)	업무 영역	생산/품질/설비/물류 각 분야	공장 데이터를 분류하는 5개 업무 영역
ISA-95	제조업 데이터 표준	공장 조직 체계의 국제 약속	제조업의 데이터 구조를 정의하는 국제 표준 (Enterprise > Site > Area > Work Center > Work Unit)

자주 묻는 질문

AI가 우리 공장 데이터를 어떻게 이해하나요?

AI 시스템이 3가지 방법으로 데이터를 이해합니다.

온톨로지: 데이터 항목을 분류하고 정의합니다 (예: "Product는 제품이다").
지식 그래프: 데이터 간의 관계를 파악합니다 (예: "Product는 BOM을 가진다, BOM은 Part를 포함한다").
벡터 임베딩: 문서의 의미를 이해합니다 (예: "스핀들 진동"과 "주축 베어링 마모"가 관련 있음을 파악).

이 세 가지가 합쳐져서 AI가 종합적으로 판단할 수 있게 됩니다.

직접 설정해야 하는 것이 있나요?

대부분 자동으로 구성됩니다. 스키마 디자이너에서 테이블과 관계를 설계하고 배포하면, 도메인 분류, 지식 그래프 생성, 벡터 임베딩이 자동으로 진행됩니다. IT 관리자는 주기적으로 실행 로그에서 정상 작동 여부를 확인하는 것을 권장합니다.

AI가 자동으로 데이터를 바꾸나요? 잘못 건드리면 큰일 나는 것 아닌가요?

아닙니다. AI 시스템은 읽기 전용 분석 도구입니다. 데이터를 보고, 관계를 파악하고, 질문에 답하는 역할만 합니다. AI가 데이터를 변경하는 일은 없으며, AI Advisor도 "제안"만 할 뿐 사용자가 승인 버튼을 누르기 전까지 아무 변경도 일어나지 않습니다.

AI 응답이 느리거나 엉뚱한 답을 할 때는 어떻게 하나요?

두 가지를 확인하세요.

실행 로그 점검: AI 시스템 > 로그에서 오류(빨간색)가 있는지 확인합니다. CDC나 Embedding 파이프라인에 문제가 있으면 AI 응답 품질이 떨어집니다.
지식 그래프 보완: AI가 엉뚱한 답을 한다면 관련 데이터 간의 관계가 누락되었을 수 있습니다. 지식 그래프에서 해당 영역의 노드와 관계가 올바르게 연결되어 있는지 확인하세요.

지식 그래프는 직접 그려야 하나요?

아닙니다. 스키마 디자이너에서 테이블과 FK(외래키) 관계를 설계하면 지식 그래프가 자동으로 생성됩니다. 별도로 그래프를 그릴 필요가 없습니다.

외부 감사(IATF 16949, HACCP 등)에서 데이터 관계 증빙으로 쓸 수 있나요?

네, 지식 그래프는 공장 데이터 간의 관계를 시각적으로 증명하는 자료로 활용할 수 있습니다. "이 의사결정의 근거 데이터가 무엇입니까?"라는 감사 질문에 대해, 지식 그래프에서 데이터 계보(Data Lineage)를 추적하여 관계도를 제시할 수 있습니다.

ISA-95 표준을 반영할 수 있나요?

네, 도메인 설계 시 ISA-95 계층 구조(Enterprise > Site > Area > Work Center > Work Unit)를 온톨로지에 반영할 수 있습니다. 이 구조를 적용하면 AI가 "2공장 A라인 CNC 설비의 불량률"처럼 계층적 질의를 정확하게 처리할 수 있게 됩니다.

다음 단계

다음에 할 일	이동할 페이지	설명
5개 업무 영역 확인하기	도메인 관리	제품/자재, 공정/설비, 품질, 주문/물류, 조직 영역별 AI 노드와 관계를 확인합니다
데이터 관계를 시각적으로 탐색하기	지식 그래프	모든 데이터의 연결 관계를 거미줄 지도로 탐색하고, 벡터 임베딩 상태를 확인합니다
데이터 사전 확인하기	온톨로지	어떤 데이터가 어디에 있고 서로 어떻게 연결되는지 목록으로 확인합니다
AI 동작 상태 점검하기	실행 로그	AI가 정상 작동하고 있는지, 오류가 없는지 실시간으로 확인합니다

왜 필요한가?​

잘 쓰면 이런 결과가!​

하위 메뉴 구성​

시작하기​

1단계: AI 시스템 메뉴 진입​

2단계: 도메인 현황 확인​

3단계: 지식 그래프에서 연결 관계 확인​

4단계: 벡터 임베딩 상태 확인​

5단계: 실행 로그 모니터링​

주요 기능​

누가 사용하나요?​

실전 예시​

예시 1: 불량 원인 분석 (자동차 부품 프레스 공정)​

예시 2: 야간 교대 중 처음 보는 설비 알람​

예시 3: 신규 담당자 온보딩​

해보기: 실습 가이드​

실습 1단계: 도메인 현황 점검​

실습 2단계: 지식 그래프에서 관계 탐색​

실습 3단계: 벡터 임베딩 현황 확인​

실습 4단계: 온톨로지에서 데이터 목록 확인​

실습 5단계: 실행 로그로 AI 상태 점검​

용어 사전​

자주 묻는 질문​

AI가 우리 공장 데이터를 어떻게 이해하나요?​

직접 설정해야 하는 것이 있나요?​

AI가 자동으로 데이터를 바꾸나요? 잘못 건드리면 큰일 나는 것 아닌가요?​

AI 응답이 느리거나 엉뚱한 답을 할 때는 어떻게 하나요?​

지식 그래프는 직접 그려야 하나요?​

외부 감사(IATF 16949, HACCP 등)에서 데이터 관계 증빙으로 쓸 수 있나요?​

ISA-95 표준을 반영할 수 있나요?​

다음 단계​