PlantPulse AI Platform
- 챗봇이 우리 문서로 답하게 하기 — 문서 하나로 첫 답을 받아 봅니다
- 질문 예제 — 무엇을 물어볼 수 있는지
- 원라인 설치 → 초기 비밀번호 변경
- 업무 프로세스 — 도입 후 계속 쓸 만하게 유지하기
"공장의 모든 데이터를, 모든 사람이, 자연어 한 마디로"
PlantPulse AI Platform은 제조 현장의 실시간 데이터, AI 분석, 지식 관리를 통합한 산업용 AI 코파일럿 플랫폼입니다.
공장 운영자가 자연어로 질문하면, AI가 실시간 센서 데이터 조회, 이상 탐지, 예측 분석, 기술 문서 검색을 자동으로 수행하여 즉각적이고 정확한 의사결정을 지원합니다.
코파일럿 — 현장 판단 앱
사람이 쓰는 앱인 코파일럿은 공장의 문제를 찾아 근거와 함께 제안하고, 사람이 승인해 닫고, 모르면 묻고, 반복되는 일은 자동화에 맡기는 현장 판단 앱입니다. 작업자 · 반장 · 정비 · 공장장이 하루를 여는 입구이고, 쓰임은 묻기 · 제안 · 자동화 세 가지입니다. 사이드바에는 위에서부터 새 대화 · 제안 · 자동화가 있습니다 — «묻기» 줄은 따로 없고, 새 대화와 처음 열리는 화면이 묻기입니다.
| 쓰임 | 하는 일 | 자세히 |
|---|---|---|
| 묻기 | 말 · 사진 · 음성으로 묻고 근거와 함께 답을 받습니다. 처음 열리는 화면이고, 손이 가야 할 일이 «오늘 할 일» 한 줄로 접혀 있습니다(누르면 펼쳐집니다) | AI 채팅 |
| 제안 | AI 가 찾은 할 일(계획)과 확인할 이상 · 이상 접수(돌발)를 접수 → 승인 → 조치 → 결과 → 재발 검증까지 한 상세에서 끝냅니다 | 제안 |
| 자동화 | 「매일 아침 이것 좀 봐 줘」 를 한 문장으로 맡깁니다. 결과는 제안 카드 · 보고서로 돌아오고, 앱 알림 · 사내 메일 · 메신저로도 받습니다. 지켜볼 것(옛 «와치»)도 여기서 만듭니다 | 자동화 |
화면 전체는 코파일럿 화면 지도에, 여는 법은 코파일럿 여는 법에 있습니다.
코파일럿이 아닌 것도 분명히 해 둡니다.
| 아닌 것 | 이유 |
|---|---|
| MES | 실행 · 실적의 정본은 고객 시스템입니다. 코파일럿은 읽고, 쓰는 것은 사람이 승인한 초안뿐입니다 |
| ERP | 주문 · 자재 · 원가의 정본도 고객 시스템입니다. 쓰기는 마찬가지로 승인된 초안만 나갑니다 |
| BI 대시보드 | 숫자보다 그 뒤의 원인과 다음 행동이 목적입니다. 숫자가 궁금하면 묻기에서 묻습니다 |
| 챗봇 | 채팅은 입구 하나입니다. 찾은 문제는 제안으로 올라와 승인 · 조치 · 결과 · 재발 검증까지 갑니다 |
| 작업자 실행 단말 | MES 작업지시의 시작 · 완료 보고는 하지 않습니다 — 제안의 «결과 기록» 은 수행 제안 · 이상 접수의 결과입니다 |
원칙은 둘입니다.
- 기능 대신 자동화 — 새로 챙기고 싶은 일이 생기면 화면 · 메뉴가 늘기를 기다리지 않고 먼저 자동화로 풀 수 있는지 봅니다. 반복해서 확인하는 일은 한 문장으로 맡기면 됩니다.
- 선택 연동 — 디지털 스레드 · MES · ERP · PLM · QM 연결은 옵션입니다. 연결이 없어도 화면은 완전하고, 연결되면 능력만 늡니다 — 묻기와 자동화가 쓸 도구, 제안에 붙는 근거 링크. 연동 전용 화면 · 카드 · 메뉴는 따로 없습니다.
AI 는 설명 · 요약 · 초안까지 하고, 쓰기는 사람이 승인합니다. 화면은 무채색이고 색은 상태 점(빨강 긴급 · 주황 주의 · 초록 정상)에만 씁니다.
에이전트 · 에이전트 빌더는 자동화로 부릅니다. 알람 · 이상 신호로 열린 건 하나하나는 이상 접수입니다(코드 · API 의 incident). 옛 메뉴 «오늘 · 수행 제안 · 이상 진단 · 해결 · 리포트» 는
묻기 첫 화면과 제안으로 모였습니다. 와치는 없어졌습니다 — 지켜볼 것은 자동화로 만듭니다 (옛 화면의 주소는 새 자리로 넘어가지 않습니다) → 코파일럿 화면 지도 — 옛 주소
핵심 수치
| 항목 | 수치 |
|---|---|
| 채팅이 도구를 받는 MCP 서버 | 6곳 |
| 플랫폼 통합 MCP 데이터 도구 (온톨로지 포함) | 22개 |
| TimeSeries-Insight 분석 도구 | 39개 |
| RAG 검색 도구 | 2개 |
| 디지털 스레드 도구 | 3개 |
| 온톨로지 노드 타입 | 14종 |
플랫폼 구성
| 구성 요소 | 역할 |
|---|---|
| AI Chat Web | 사용자 인터페이스 — 코파일럿(묻기 · 제안 · 자동화). 묻기의 도구 호출은 내장 에이전트가 합니다 |
| 통합 MCP | 실시간 공장 데이터 게이트웨이 (플랫폼 server-web /api/v5/mcp, 온톨로지 포함) |
| Ontology | 공장 지식 그래프 — 설비 관계/구조 분석 (통합 MCP에 포함) |
| TimeSeries-Insight | AI 이상 탐지 + 예측 + 피처 스토어 (39개 분석 도구) |
| RAG | LightRAG 기반 기술 문서 검색 — 매뉴얼, SOP, 규정 즉시 참조 |
| Digital Thread | 외부 시스템(MES·SCM·ERP·PLM·QM) 커넥터와 공장 그래프 거울 — 설비 타임라인과 연결 추적 |
| AURA | 산업 특화 LLM — 제조 도메인 파인튜닝 모델 |
도입 효과
| 영역 | Before (기존) | After (PlantPulse AI) |
|---|---|---|
| 현황 파악 | SCADA+엑셀+매뉴얼 30분~1시간 | 자연어 질문 10초 |
| 이상 감지 | 룰 기반 알람 (사후 대응) | AI 사전 감지 + 원인 추정 |
| 정비 방식 | 예방 정비 (주기 기반) | 예지 정비 (상태 기반) |
| 문서 검색 | 파일서버 수동 탐색 | AI 하이브리드 검색 즉시 |
| AI 비용 | 클라우드 API 종량제 | 온프레미스 고정비 무제한 |
| 데이터 보안 | 외부 클라우드 전송 | 사내 온프레미스 완전 유지 |
기술 스택
| 레이어 | 기술 |
|---|---|
| AI 모델 | AURA LLM, IBM Granite TSPulse, TinyTimeMixer TTM |
| AI 프레임워크 | MCP (Model Context Protocol), LiteLLM, LightRAG |
| 백엔드 | Java 21 / Spring Boot 3.4, Python / FastAPI |
| 그래프 DB | Neo4j |
| 벡터 DB | Qdrant |
| 관계형 DB | PostgreSQL 18 |
| 시계열 DB | Apache Cassandra |
| 캐시 | Valkey (Redis 호환) |
| 오브젝트 스토리지 | RustFS (S3 호환) |
| GPU | NVIDIA DGX Spark 호환 (저사양 운영) |
| 배포 | 온프레미스 / 엣지 / 클라우드 |
도입 대상
| 산업 | 주요 활용 시나리오 |
|---|---|
| 식음료 제조 | 생산라인 OEE 관리, 품질 모니터링, 에너지 최적화 |
| 화학/석유화학 | 공정 이상 조기 감지, 안전 규정 준수, 설비 건강 관리 |
| 자동차 부품 | 예지 정비, 작업지시 품질 추적, 라인 밸런싱 |
| 반도체/전자 | 미세 이상 감지, 수율 예측, 클린룸 환경 모니터링 |
| 철강/금속 | 고온 설비 모니터링, 에너지 관리, 정비 주기 최적화 |