30분
GenAI + 제조 ML 통합 아키텍처 — 12주 집대성
Day 5: 통합 캡스톤 — 제조 AI 풀스택
GenAI + 제조 ML 통합 아키텍처 — 12주 집대성
생산 최적화 — 스마트 팩토리 AI > Day 5: 통합 캡스톤 — 제조 AI 풀스택
학습 목표
12주간 학습한 모든 기술의 통합 아키텍처를 이해한다 각 기술이 전체 시스템에서 어떤 역할을 하는지 매핑한다
12주 기술 통합 아키텍처
[제조 AI 풀스택 시스템 아키텍처]
사용자 (엔지니어, 관리자, 경영진)
|
v
┌──────────────────────────────────────────────────┐
│ Presentation Layer (Week 8, 12) │
│ Streamlit Dashboard + 대시보드 + 리포트 │
│ ├── 채팅 인터페이스 (Week 1-2) │
│ ├── KPI 대시보드 (Week 12) │
│ ├── KG 시각화 (Week 7) │
│ └── 자동 리포트 (Week 12) │
├──────────────────────────────────────────────────┤
│ Orchestration Layer (Week 4-5) │
│ LangGraph Agent Router │
│ ├── RAG Tool (매뉴얼 Q&A) │
│ ├── KG Tool (설비 관계 분석) │
│ ├── ML Tool (예지보전, 비전, 수요예측) │
│ ├── 최적화 Tool (공정 파라미터) │
│ └── Dashboard Tool (KPI 조회) │
├──────────────────────────────────────────────────┤
│ Service Layer │
│ ┌────────┐ ┌────────┐ ┌────────┐ ┌────────────┐│
│ │ RAG │ │ KG │ │ ML │ │ Optimizer ││
│ │ Week │ │ Week 7 │ │Week │ │ Week 12 ││
│ │ 2-3 │ │ │ │10-11 │ │ DOE+Bayes ││
│ │ChromaDB│ │Neo4j │ │sklearn │ │ Optuna ││
│ └────────┘ └────────┘ └────────┘ └────────────┘│
│ ┌────────┐ ┌────────┐ ┌────────────────────────┐│
│ │ LLM │ │ sLLM │ │ Monitoring ││
│ │ Week 1 │ │ Week 6 │ │ Week 12 ││
│ │GPT/ │ │QLoRA │ │ Grafana+InfluxDB ││
│ │Claude │ │Llama │ │ SPC+OEE ││
│ └────────┘ └────────┘ └────────────────────────┘│
├──────────────────────────────────────────────────┤
│ Data Layer │
│ ChromaDB │ Neo4j │ InfluxDB │ PostgreSQL│ MinIO │
│ (벡터) │ (그래프)│(시계열) │ (MES) │(파일) │
└──────────────────────────────────────────────────┘12주 기술 맵
| Week | 기술 | 시스템 내 역할 |
|---|---|---|
| 1 | LLM 기초, 프롬프트 | 핵심 언어 모델 + 프롬프트 관리 |
| 2 | RAG 기초 | 제조 매뉴얼 Q&A 검색 |
| 3 | RAG 심화 | KOSHA 안전지침, 멀티모달 검색 |
| 4 | Agent 기초 | 도구 호출, Function Calling |
| 5 | Agent 심화 | MCP, A2A, 멀티에이전트 |
| 6 | QLoRA 파인튜닝 | 온프레미스 경량 모델 |
| 7 | Knowledge Graph | 설비-공정 관계 분석 |
| 8 | 통합 프로젝트 | MVP 시스템 아키텍처 |
| 9 | 포트폴리오 | 발표 + 문서화 |
| 10 | 센서 데이터 분석 | 이상감지, 예지보전 |
| 11 | 비전 AI | 불량 검출, 외관 검사 |
| 12 | 생산 최적화 | OEE, 수요예측, 공정최적화, 대시보드 |
사용자 시나리오: 풀스택 데모
[시나리오 1: 설비 이상 감지 -> 자동 대응]
센서 데이터 이상 (Week 10)
-> 알람 발생 (Week 12)
-> Agent가 RAG로 매뉴얼 검색 (Week 2-4)
-> KG로 영향 범위 분석 (Week 7)
-> LLM이 조치 가이드 생성 (Week 1)
-> 대시보드에 표시 (Week 12)
[시나리오 2: 수요 변동 -> 생산계획 자동 조정]
LLM이 뉴스 분석 (Week 1, 12)
-> 수요예측 모델 업데이트 (Week 12)
-> MPS/MRP 자동 생성
-> 공정 파라미터 최적화 (Week 12)
-> 에너지 스케줄 최적화 (Week 12)AI로 학습하기 — 꿀팁
✅통합 아키텍처 기술 적합성 검증AI 학습 팁
12주 학습 기술의 통합 아키텍처는 각 컴포넌트 간 인터페이스 방식, 데이터 포맷 호환성, 레이턴시 요구사항이 현실적인지 검증해야 합니다.
다음 제조 AI 통합 아키텍처 설계를 검토하고 기술적 타당성 문제를 찾아줘. 검토 항목: 1) 실시간 이상탐지(100ms 이하 요구)와 LLM 추론(평균 2~5초) 모듈이 동일 요청 경로에 직렬로 연결된 레이턴시 문제, 2) RAG 파이프라인의 벡터 DB와 MES 관계형 DB 간 트랜잭션 일관성 보장 방법, 3) 온프레미스 GPU 서버와 클라우드 LLM API 혼용 시 데이터 주권(공장 내부 데이터 외부 전송) 법적 리스크, 4) MLflow 모델 버전 관리와 실시간 추론 서버 간 핫스왑 방법의 누락 여부. 각 문제에 대한 표준 해결 패턴도 제시해줘: [아키텍처 설계 내용 붙여넣기]
이 팁이 도움이 됐나요?
핵심 포인트
- • 12주 기술이 하나의 통합 아키텍처에서 각각의 역할을 수행
- • Agent가 RAG, KG, ML, 최적화를 도구로 조합하여 문제 해결
- • 4-Layer: Presentation -> Orchestration -> Service -> Data
- • 실제 시나리오는 여러 기술이 파이프라인으로 연결