AURA 기술 백서
AURA 모델 기술 백서 입니다. 기술 검토자(데이터 과학자 · 설비 엔지니어 · AI 도입 검토자)를 대상으로, 산업 AI 모델을 어떻게 만들고 어떻게 재는지를 구조 · 데이터 · 채점 규칙으로 설명합니다.
내려받기
| 언어 | 쪽수 | 파일 |
|---|---|---|
| 한국어 | 20쪽 | PlantPulse AURA 기술 백서 (PDF) |
| English | 20쪽 | PlantPulse AURA Technical White Paper (PDF) — 한국어판과 같은 내용입니다 |
개정 2026.09 입니다.
무엇이 들어 있나
| 장 | 내용 |
|---|---|
| 01 | 강점 — 구조가 만드는 차이. GPU 한 장 · 색인 재생성 불필요 · 0 과 「측정 안 됨」의 구분 · 심판 모델 없는 채점 |
| 02 | 구성 — 언어 트랙의 세 모델과 파형을 보는 별도 계열 |
| 03 | 학습과 데이터 — SFT 한 단계, 어댑터, 정답이 규칙에서 나오게 만드는 다섯 갈래 |
| 04 | 레시피 — 설비가 아니라 「고장 메커니즘」을 가르친다. 파인튜닝과 양자화에서 무엇을 접고 무엇을 남기는지 |
| 05 | 고장 메커니즘 지도 — 고장 11종 × 설비 18종, 신호별 변화폭과 열화 기간 |
| 06 | 가르는 법 — 순서가 다르면 다른 고장이다. 선행·후행 신호 표와 구분 규칙 |
| 07 | 데이터를 고르는 법 — 「정답이 우리 밖에서 오는가」를 먼저 묻습니다 |
| 08 | 확보한 데이터 — 무엇을 덮고 있나(업종별) |
| 09 | 시뮬레이터 — 물리를 먼저 정하고 라벨을 유도하는 이유 |
| 10 | 모른다고 말하기 — 판단 보류도 정답입니다 |
| 11 | 정답의 출처 — 계산 30 계열 · 규격 조문 · 절차서 · 도구 스키마 |
| 12 | 학습 비중 — 무엇을 얼마나 넣는가가 곧 능력의 모양 |
| 13 | 정체성과 범위 — 프롬프트가 아니라 학습으로 |
| 14 | 검색 — 산업 RAG 는 검색 품질이 답변 품질의 상한 |
| 15 | 시계열 트랙 — 파형은 작은 모델로, 현장마다 하나씩 |
| 16 | 평가 — 벤치 다섯, 전부 심판 모델 없이 기계 채점. 검토자가 스스로 확인하는 법까지 |
| 17 | 현장 진단 — 158문항의 구성과 거짓 경보를 따로 세는 이유 |
| 18 | 온프레미스 배치와 다음 판 |
이번 판에서 바뀐 것
9쪽에서 20쪽으로 늘렸습니다. 새로 들어간 열한 장의 요지입니다.
- 고장 메커니즘 지도(05·06) — 고장 11종 × 설비 18종의 신호별 변화폭과 열화 기간, 그리고 「같은 두 신호라도 순서가 다르면 다른 고장」. 온도가 올랐을 때 넷을 가르는 규칙과, 전력이 「내려가는」 유일한 모드가 무엇인지
- 데이터를 고르는 법(07) — 「정답이 우리 밖에서 오는가」·「실험실인가 현장인가」·「가정이 덜 끼는 형태인가」, 그리고 센서와 라벨 사이에 인과가 없는 데이터는 크기와 무관하게 쓰지 않는다
- 확보한 데이터(08) — 어떤 공개 실측이 커버리지의 어느 구멍을 메우는지, 업종별로
- 시뮬레이터(09) — 라벨을 물리에서 «유도» 하는 이유(반대로 만들면 인과가 없어집니다)와, 인과가 실제로 생겼는지 수치로 확인한 결과
- 모른다고 말하기(10) — 판단 보류를 정답으로 두는 기준과, 데이터의 3분의 1이 확정하지 않는 답인 이유
- 정답의 출처(11) — 계산 30 계열과 홀드아웃 일곱, 규격 조문, 먼저 고정한 절차서, 도구 스키마
- 학습 비중(12) — 한 갈래가 압도하면 나머지가 희석됩니다. 프롬프트가 길면 도구를 안 부른다는 실측도 여기
- 정체성과 범위(13) — 프롬프트가 없어도, 남의 프롬프트로 덮어써도 유지되게 만드는 법
- 검색(14) — 비대칭 인코딩, 차원을 계약으로 고정하는 이유, 평가에서 누출을 막는 네 가지
- 시계열 트랙(15) — 백만 파라미터급이 강점인 이유(GPU 없이 엣지에서, 설비 1만 대에 모델 1만 개)와 산업 신호가 일반 시계열과 다른 네 가지
이 판에 성능 수치가 없는 이유
숫자를 지금 박으면 그것이 근거로 돌아다닙니다
학습본이 제품 경로에 막 올랐습니다. 수치는 그 경로에서 다시 잰 뒤에 싣습니다 — 예전 경로에서 잰 값을 백서에 박으면, 나중에 고쳐도 그 숫자가 근거로 돌아다닙니다.
무엇을 어떻게 재는지(문항 구성 · 채점 규칙 · 데이터 선정 기준)는 이미 확정돼 있으므로, 검토자는 같은 방식으로 자기 환경에서 다시 잴 수 있습니다. 그리고 관문의 기준은 측정 「전」에 정해 둡니다 — 결과를 보고 기준을 정하면 그것은 기준이 아닙니다.
읽는 순서를 하나 권한다면
16장(평가)을 먼저 보셔도 됩니다. 다섯 축이 각각 무엇을 어떻게 재는지, 채점 규칙이 어떻게 기계화돼 있는지, 그리고 검토자가 스스로 확인하는 법이 거기 있습니다 — 학습한 판이 실제로 서빙되는지, 평가에 학습 데이터가 새지 않았는지를 직접 확인하는 방법입니다.
함께 보기
AURA 모델 소개 · 아키텍처 · 데이터레이크 기술 백서 — 모델이 올라앉는 데이터 인프라