AURA 모델

AURA 는 KOPENS 가 직접 만든 산업 AI 모델 계열입니다. PlantPulse AI 가 답을 만들 때 실제로 생각하는 층 — 설비 데이터를 읽고, 도구를 부르고, 현장의 말로 답하는 부분입니다.

범용 모델은 세상에 대해 많이 알지만 당신 공장의 압축기에 대해서는 모릅니다. 베어링이 무엇인지는 기꺼이 설명하고, 재지도 않은 진동 값을 기꺼이 지어냅니다. 공장에서 위험한 것은 뒤쪽입니다. AURA 는 그 반대로 훈련했습니다 — 근거에서 답하고, 재지 않은 것은 「측정 안 됨」이라고 말합니다.

언어 트랙의 세 모델

모델	크기	하는 일	지금 상태
AURA-Lite	약 26B (MoE, 활성 약 4B · 문맥 256K · 이미지 입력 겸용)	진단 · 계산 · 도구 호출 · 보고서 작성	제품으로 돕니다
AURA-Embedding-4B	4.0B	절차서 · 규격 · 고장 이력에서 찾기	제품으로 돕니다
AURA-Reranker-0.6B	0.6B	찾아온 것 중 실제로 답이 되는 것을 고르기	제품으로 돕니다

셋이 맞물립니다. 임베딩 모델이 문서에 넓게 그물을 던지고, 리랭커가 질문에 정말 답하는 대목을 골라내고, AURA-Lite 가 그것을 읽고 필요한 도구를 불러 답을 씁니다.

세 모델 다 «학습본» 이 서빙됩니다

게이트웨이가 내보내는 것은 베이스가 아니라 KOPENS 가 학습시킨 판입니다. 다만 성능 수치는 아직 싣지 않습니다 — 제품 경로에 막 올라온 참이라, 그 경로에서 다시 잰 뒤에 기술 백서 개정판으로 냅니다. 재지 않은 숫자를 먼저 말하지 않는 것이 이 제품의 규칙입니다.

파형은 «다른 물건» 으로 봅니다 — 시계열 트랙(연구 중)

언어모델은 왜 그런지를 설명하는 데 강하지만, 초 단위로 들어오는 파형에서 무엇이 이상한지를 찾는 일은 성질이 다릅니다. 그래서 파형 쪽은 백만 파라미터급의 별도 계열로 봅니다 — GPU 없이 돌 만큼 작아서 엣지에 얹을 수 있고, 현장마다 따로 맞춰도 비용이 거의 들지 않습니다.

아직 제품 경로에 넣지 않았습니다. 값을 증명하기 전에는 넣지 않습니다.

거기서 나온 것 하나는 이미 씁니다

모델을 부르지 않는 쪽이 나은 구간이 있습니다. 설비의 평소 기준선 대비 편차를 통계로 보는 것만으로 이상 구간이 갈리는 경우가 있었습니다. 그런 구간은 모델로 풀지 않습니다 — 모델을 쓰는 자리와 통계로 충분한 자리를 가르는 것이 「큰 모델을 더 크게」보다 먼저입니다.

무엇이 «산업» AI 인가

계산합니다 — 어림하지 않습니다. 베어링 결함 주파수(BPFO/BPFI), L10 수명, NPSH 여유, ASME 동체 두께, 오리피스 유량, OEE, 공정능력, 용접 입열량. 이런 값은 수식에서 나옵니다. 그리고 채점도 수식에 맞춰 봅니다 — 다른 모델의 의견과 견주지 않습니다.

0 과 «모름» 을 구분합니다. 「이번 주 작업지시 0건」은 측정입니다. 「CMMS 연결이 끊겼다」는 측정이 아닙니다. 뒤쪽을 앞쪽처럼 보고하면, 아무도 들여다보지 않은 설비를 운영자가 «정상» 으로 믿게 됩니다. AURA 는 값이 수집되지 않았을 때 그 사실을 분명히 말합니다.

낱말이 아니라 고장 메커니즘으로 따집니다. 온도가 오르는 이유는 적어도 넷입니다 — 베어링 마모, 윤활 부족, 냉각 실패, 전기적 결함. 이 넷은 함께 움직이는 것으로 갈립니다. 진동이 온도보다 먼저 오르는가, 유량이 먼저 떨어졌는가, 전류가 같이 올랐는가. AURA 는 「증상 → 정답」 짝이 아니라 그 구조를 배웁니다.

자기 자리를 지킵니다. 설비 · 공정 · 품질 · 안전. 기본은 한국어이고 요청하면 영어로 답하며, 정치나 외교는 범위 밖으로 둡니다. 검열이 아니라 공장 조수가 가져야 할 범위입니다.

어떻게 배포되나

AURA 모델은 양자화 체크포인트(NVFP4) 로 제공되고, 플랫폼의 나머지가 쓰는 것과 같은 OpenAI 호환 엔드포인트 뒤에서 돕니다. 검색 계열 모델은 버전이 바뀌어도 임베딩 차원을 그대로 유지하므로, 모델을 갈아끼워도 벡터 색인을 다시 만들 필요가 없습니다.

바깥으로 나가는 것이 없습니다. 모델은 고객의 장비에서, 고객의 데이터를 상대로 돕니다.

어떻게 재나

산업 AI 에는 리더보드가 없어서 KOPENS 가 자기 계측기를 만들었습니다. 다른 모델에게 채점을 맡기지 않고 수식 · 도구 스키마 · 운영 기록에 기계적으로 맞춰 봅니다.

• 산업 계산 — 공학 수식 30 계열. 그중 일곱은 훈련에서 아예 뺐습니다. 외운 것이 아니라 할 줄 아는 것인지를 보려는 것입니다.
• 도구 호출 — 가동 중인 플랫폼의 실제 도구 스키마로, 어느 도구를 골랐는지 · 인자가 맞는지 · 여러 단계를 이어 가는지를 봅니다.
• 근거 지키기 — 주어진 맥락에 실제로 있던 것만 써서 답했는지.
• 현장 진단(158문항) — 실제 압축기 6개월치 계측과 기록된 고장으로 봅니다. 다섯 축 중 유일하게 정답이 우리 밖에서 옵니다. 여기에는 «어려운 정상» 이 섞여 있습니다 — 비정상처럼 보이지만 정상인 고부하 구간입니다. 거짓 경보는 미탐지와 따로 셉니다. 양치기 소년이 된 조수는 꺼지고, 꺼진 조수는 아무것도 잡지 못하기 때문입니다.

더 깊이 보려면

기술 검토자용 AURA 기술 백서 가 있습니다(A4 20쪽, 한/영). 학습 데이터를 만든 방법, 고장 메커니즘을 가르치는 레시피와 양자화, 채점 규칙이 어떻게 기계화돼 있는지, 현장 진단 문항을 고른 기준, 그리고 검토자가 같은 방식으로 다시 재는 법까지 적혀 있습니다.

라이선스

도입 조건은 KOPENS 와 계약별로 협의합니다. 오픈소스 구성요소의 라이선스·고지는 모델 산출물과 함께 전달됩니다.