왜 온프레미스인가?

[제조업 배포 환경 선택]

클라우드 (AWS/Azure/GCP):
  장점: 확장성, 관리 편의
  단점: 데이터 외부 유출 우려, 지연시간
  적합: 비민감 데이터, 외부 서비스

온프레미스 (사내 서버):
  장점: 데이터 보안, 저지연, 규정 준수
  단점: 인프라 관리 필요
  적합: 제조 데이터, 센서 데이터, 보안 중시

하이브리드:
  LLM API: 클라우드 (OpenAI/Claude)
  센서/MES 데이터: 온프레미스
  -> 대부분의 제조업이 이 방식 채택

---

Docker Compose 배포 구성

# docker compose.yml
services:
  app:
    build: .
    ports: ["8501:8501"]
    environment:
      - OPENAI_API_KEY=${OPENAI_API_KEY}
    depends_on: [chromadb, neo4j, influxdb]

  chromadb:
    image: chromadb/chroma:latest
    ports: ["8000:8000"]
    volumes: [chroma_data:/chroma/chroma]

  neo4j:
    image: neo4j:5
    ports: ["7474:7474", "7687:7687"]
    environment:
      - NEO4J_AUTH=neo4j/password
    volumes: [neo4j_data:/data]

  influxdb:
    image: influxdb:2.7
    ports: ["8086:8086"]
    volumes: [influx_data:/var/lib/influxdb2]

  grafana:
    image: grafana/grafana:latest
    ports: ["3000:3000"]
    depends_on: [influxdb]

volumes:
  chroma_data:
  neo4j_data:
  influx_data:

---

보안 체크리스트

항목	조치	우선순위
API 키 관리	환경변수 + vault	필수
네트워크	내부망 격리 (OT/IT 분리)	필수
인증	SSO + 역할 기반 접근	필수
데이터	민감 데이터 마스킹	높음
로깅	접근 로그 + 감사 추적	높음
백업	일일 자동 백업	높음
업데이트	모델/라이브러리 정기 업데이트	중간

---

성능 최적화

[응답 시간 목표]

실시간 알람:   < 1초
채팅 Q&A:     < 5초
KPI 대시보드:  < 3초 (초기 로딩)
SPC 분석:     < 10초
수요예측:     < 30초
리포트 생성:  < 60초

[최적화 방법]
1. ChromaDB 인덱싱: HNSW 파라미터 튜닝
2. LLM 캐싱: 동일 질문 캐시 (Redis)
3. 배치 처리: 예측/최적화는 야간 배치
4. 로드 밸런싱: 여러 GPU 서버 분산