TimeSeries-Insight — AI 분석 엔진
개요
PlantPulse TimeSeries-Insight는 제조 시계열 데이터에 특화된 AI 이상 탐지, 예측, 종합 분석 MCP 서버입니다.
IBM Granite TSPulse(이상탐지)와 TinyTimeMixer TTM(예측) AI 모델을 활용하여, 센서 데이터, OEE, RAM, EMS, 알람, 작업지시 등 공장의 모든 시계열 데이터에 대한 지능형 분석을 제공합니다.
33개 분석 도구와 피처 스토어를 통해 실시간 분석부터 사전 계산된 종합 인사이트까지 지원합니다.
두 개의 서비스로 나뉘어 있습니다
insight-api(:8970)가 도구와 데이터를 담당하고, 모델 추론(TSPulse·TTM)은
insight-server(:8980)에 위임합니다. GPU 는 추론 쪽에만 필요하므로 두 서비스를 다른
장비에 둘 수 있습니다.
AI 이상 탐지 (Anomaly Detection)
기반 모델: IBM Granite TSPulse
| 대상 | 도구 | 분석 내용 |
|---|---|---|
| 설비 센서 | detect_asset_anomaly | 온도, 압력, 진동 등 센서 이상 패턴 감지 |
| 시스템 리소스 | detect_system_anomaly | CPU, 메모리, 디스크 이상 감지 |
| OEE | detect_oee_anomaly | 가용률, 성능, 품질 이상 패턴 |
| RAM | detect_ram_anomaly | MTBF, MTTR 이상 패턴 |
| EMS | detect_ems_anomaly | 에너지 소비, 전력, 탄소배출 이상 |
| 작업지시 | detect_order_anomaly | 생산 품질 이상 (OEE/RAM/EMS/복합) |
| 알람 | detect_alarm_anomaly | 알람 빈도 이상 패턴 |
주요 파라미터:
threshold— 이상 판정 임계값 (0으로 설정 시 자동)top_k— 상위 이상 메트릭 수lookback_minutes— 분석 시간 범위target_columns— 분석 대상 (미지정 시 전체 센서 자동 조회)
AI 예측 (Forecasting)
기반 모델: TinyTimeMixer (TTM)
| 대상 | 도구 | 예측 내용 |
|---|---|---|
| 설비 센서 | forecast_asset | 센서값 미래 추세 |
| 시스템 리소스 | forecast_system | CPU/메모리/디스크 사용률 |
| OEE | forecast_oee | 가용률, 성능, 품질 미래 추이 |
| RAM | forecast_ram | 설비 신뢰성 지표 미래 추세 |
| EMS | forecast_ems | 에너지 소비, 탄소배출 전망 |
| 작업지시 | forecast_order | 생산 품질 미래 추이 |
| 알람 | forecast_alarm | 알람 빈도 추세, 고장 예측 |
주요 파라미터:
prediction_length— 예측 스텝 수enable_bounds— 신뢰구간(상한/하한) 출력
알람 심층 분석
| 도구 | 설명 |
|---|---|
get_alarm_stats | 알람 통계 요약 — 빈도, 우선순위 분포, Top 알람, Top 태그 |
analyze_alarm_duration | 알람 지속시간/MTTA 분석 — 열화 감지, 평균 인지 시간 추이 |
analyze_alarm_correlation | 알람-센서 상관관계 — 어떤 센서 변화가 알람을 유발하는지 |
설비 건강 지수
get_asset_health — 센서 + OEE + RAM + EMS + 알람을 종합하여 0~100점 건강 점수 산출
피처 스토어 (Feature Store)
사전 계산된 피처와 LLM 컨텍스트로 빠른 종합 분석을 제공합니다.
| 도구 | 설명 |
|---|---|
get_feature_status | 피처 스토어 상태 — 스케줄러 잡, 실행 시각, 백필 상태 |
get_asset_features | 설비 피처 조회 — 건강점수, 이상점수, 알람, 상태, 생산 지표 |
get_asset_context | LLM 컨텍스트 — 일별 종합 분석 요약 텍스트 (사전 생성) |
analyze_asset | 설비 종합 분석 — 건강점수, 센서, 알람, OEE/RAM/EMS, 원인 힌트 |
explain_asset_anomaly | 이상 원인 분석 — 이상 태그, 알람, 상태 변화 기반 원인 추정 |
trigger_feature_pipeline | 피처 파이프라인 수동 실행 |
피처 스토어 아키텍처:
- 스케줄러: 시간별(hourly), 일별(daily) 자동 피처 계산
- 임베딩: 설비 피처를 벡터로 변환하여 유사도 검색 지원
- LLM 컨텍스트: 일별 종합 분석 텍스트를 사전 생성하여 응답 속도 극대화
MCP 리소스 (6개)
| 리소스 URI | 설명 |
|---|---|
plantpulse://system/info | 시스템 정보 |
plantpulse://domains | 도메인 목록 및 API 엔드포인트 |
plantpulse://metrics/oee | OEE 메트릭 설명 |
plantpulse://metrics/ram | RAM 메트릭 설명 |
plantpulse://metrics/ems | EMS 메트릭 설명 |
plantpulse://metrics/alarm | 알람 메트릭 및 분석 역량 |
설비·태그 이해
설비에 태그가 수천 개씩 달려 있으면 어느 것이 무엇인지 사람이 다 설명할 수 없습니다. 아래 도구는 실데이터 통계와 플랫폼 메타데이터로 태그의 성격을 자동 정리합니다.
| 도구 | 설명 |
|---|---|
list_asset_tags | 설비의 태그 목록 |
get_asset_profile | 설비 프로파일 — 어떤 태그가 어떤 성격인지 정리 |
get_asset_tag_relations | 태그 사이 상관관계 — 함께 움직이는 태그 묶기 |
사례 검색·비교
| 도구 | 설명 |
|---|---|
find_similar_assets | 유사 설비 검색 — 벡터 임베딩 코사인 유사도 기반 |
find_similar_anomalies | 유사 이상 사례 검색 — 과거에 같은 모양의 이상이 있었는지 |
find_fleet_outlier | 플릿 이상치 — 같은 종류 설비 중 혼자 다르게 움직이는 것 |
search_pattern | 패턴 검색 — 지정한 파형과 닮은 구간 찾기 |
check_failure_precursor | 고장 전조 점검 — 고장 전에 나타나던 신호가 지금 보이는지 |
활용 시나리오
| 시나리오 | 활용 도구 |
|---|---|
| 설비 이상 조기 감지 | detect_asset_anomaly → explain_asset_anomaly |
| 예지 정비 계획 | get_asset_health → forecast_asset → forecast_ram |
| 일별 설비 브리핑 | get_asset_context → get_asset_features |
| 알람 폭주 원인 분석 | get_alarm_stats → analyze_alarm_correlation → analyze_alarm_duration |
| 유사 설비 비교 분석 | analyze_asset → find_similar_assets |
| 이 이상, 전에도 있었나 | detect_asset_anomaly → find_similar_anomalies |
| 고장 나기 전에 잡기 | check_failure_precursor → forecast_ram |
| 같은 설비인데 하나만 이상 | find_fleet_outlier → analyze_asset |
| 에너지 이상 감지 | detect_ems_anomaly → forecast_ems |
| 생산 품질 예측 | detect_order_anomaly → forecast_order |