ML 추론 노드
한눈에 보기
ML 추론 노드는 다듬어진 데이터를 모델에 넣어 예측·분류·판정 결과를 얻는 노드입니다. 시계열 예측, 분류/예측, 이미지 분석, 판단 이유 설명, LLM 질문, 문서 검색, ONNX 모델 실행까지 7종이 팔레트의 「AI 분석」 묶음에 있습니다.
무엇을 하는 노드인가
예측과 판정은 대부분 같은 순서로 진행됩니다. 데이터를 가져와 다듬고, 모델에 넣고, 결과를 기록하거나 알립니다. ML 추론 노드는 이 가운데 「모델에 넣는 」 단계를 맡습니다. 모델 이름이나 모델 파일 위치를 지정하면 노드가 입력 데이터를 모델 형식에 맞춰 넘기고 결과를 표 데이터나 JSON으로 돌려줍니다.
같은 AI 계열이라도 설비 건강지수·고장 위험도처럼 목적이 정해진 기능은 AI 기능 노드에 따로 있습니다. 이 묶음은 모델 자체를 골라 사용하는 범용 노드입니다.
노드 목록
| 팔레트 이름 | 하는 일 | 주요 설정 | 입력 → 출력 |
|---|---|---|---|
| 시계열 예측 | 딥러닝(LSTM) 모델로 미래 값을 예측합니다 | AI 모델 이름, 예측할 기간(기본 24), 참고할 항목, 예측 대상 항목 | 시계열 → 예측 결과(시계열) + 신뢰 구간(표) |
| 이미지 분석 | 이미지를 분류하거나 물체·불량을 찾습니다 | AI 모델 이름, 분석 작업(이미지 분류·물체 찾기·불량 검출), 최소 확신도(0~1, 기본 0.5) | 이미지 → 분석 결과(JSON) + 히트맵(이미지) |
| 분류/예측 | 머신러닝(랜덤 포레스트)으로 분류하거나 값을 예측합니다 | AI 모델 이름, 참고할 항목, 예측할 항목 | 표 데이터 → 예측 결과 + 영향도 순위(표) |
| 판단 이유 | 모델이 왜 그런 결과를 냈는지 항목별 영향력(SHAP)을 보여 줍니다 | AI 모델 이름, 차트 스타일(막대·점·폭포), 표시할 항목 수(기본 10) | 입력 데이터 + 예측 결과(표) → 영향력 값(표) + 요약 차트(JSON) |
| AI 질문 | LLM에게 데이터를 주고 질문해 답변을 받습니다 | 질문 내용, AI 모델(GPT-4o·Claude 3.5·Llama 3), 창의성 수준(0~2, 기본 0.3), 답변 최대 길이(기본 1000) | 참고 데이터(모든 형식, 선택) → AI 답변(텍스트) |
| 문서 검색 | 저장된 문서 모음에서 질문에 맞는 내용을 찾고 답변을 만듭니다(RAG) | 문서 모음, 검색 결과 수(기본 5), 연관성 기준(0~1, 기본 0.7), AI가 답변도 작성 | 질문(텍스트) → 찾은 문서(JSON) + AI 답변(텍스트) |
| AI 모델 실행 | ONNX 형식 모델 파일을 불러와 실행합니다 | 모델 파일 위치, 입력 이름, 출력 이름, 실행 장치(CPU·GPU) | 모든 형식 → 모든 형식 |
앞뒤로 무엇을 연결하나
| 노드 | 앞에 오는 노드 | 뒤에 오는 노드 |
|---|---|---|
| 시계열 예측 | 공장 설비·시계열 데이터·시간 간격 조정(시계열 출력) | 대시보드 차트, 조건 분기, MES 기록 |
| 분류/예측 | 데이터 처리 노드(표 데이터) | 판단 이유, 조건 분기, 알림 보내기 |
| 판단 이유 | 원본 입력 데이터와 분류/예측의 예측 결과를 둘 다 연결 | 대시보드 차트, 알림 보내기 |
| 이미지 분석 | 클라우드 저장소(이미지 파일) | 조건 분기, 알림 보내기 |
| AI 질문 | 집계 결과·이상 감지 결과 등 무엇이든(참고 데이터) | 알림 보내기, 외부 알림(웹훅) |
| 문서 검색 | 텍스트를 내보내는 노드(AI 질문의 답변 등) | AI 질문, 알림 보내기 |
시계열 예측은 시계열 입력만 받습니다. DB에서 가져온 표 데이터는 시계열 입력에 바로 연결할 수 없으므로, 시계열 데이터 노드로 가져오거나 시간 간격 조정 노드를 거칩니다.
사용 예: 불량 예측과 원인 설명
- PostgreSQL 노드로 공정 조건(온도·압력·속도)과 판정 결과가 담긴 테이블을 가져옵니다.
- 빈 값 처리와 범위 맞추기 노드로 입력을 다듬습니다.
- 분류/예측 노드를 연결하고 참고할 항목에 공정 조건 3개, 예측할 항목에 판정 결과를 지정합니다.
- 판단 이유 노드의 「입력 데이터」 포트에 다듬은 데이터를, 「예측 결과」 포트에 분류/예측 노드 출력을 연결합니다.
- AI 질문 노드에 영향력 값을 참고 데이터로 연결하고, 질문 내용에 「영향이 큰 공정 조건 3개와 점검 순서를 작업자용 문장으로 정리해 줘」를 입력합니다.
- 답변을 알림 보내기 노드로 품질 담당자에게 보냅니다.
실무 팁
- 실행 로그에서 Fallback 문구를 확인한다. 이 묶음의 노드는 AI 서비스에 연결되지 않으면 통계 기법(지수 평활, 결정 트리 앙상블, 키워드 검색 등)으로 대체 계산해 결과를 내고, 실행 로그에
Fallback문구를 남깁니다. 운영 판단에 사용하기 전에 이 문구가 없는지 확인합니다. - 예측 대상 항목은 입력에서 빼지 않는다. 분류/예측과 판단 이유 노드는 예측 대상 항목이 입력에 있어야 결과를 비교합니다. 항목 선택 노드로 정리할 때 이 항목을 남겨 둡니다.
- 창의성 수준은 낮게 시작한다. 보고서 요약처럼 사실을 정리하는 질문은 0.3 안팎이 무난합니다. 값을 높이면 표현은 다양해지지만 데이터에 없는 내용을 덧붙일 가능성도 커집니다.
- LLM 답변은 사람이 보는 곳으로 보낸다. AI 질문의 답변을 ERP·MES 기록 노드에 바로 넣기보다 알림이나 승인 대기 노드로 보내 사람이 확인하게 합니다.
- 모델과 프롬프트 버전은 MLOps에서 관리한다. 같은 프롬프트를 여러 파이프라인에서 사용한다면 MLOps 프롬프트에 등록하고 AI 기능 노드의 MLOps 프롬프트 조회 노드로 불러옵니다.