영상 핵심 정리 — 제조 AI의 미래

이 영상은 과정 마무리로 제조 AI 기술의 현재 위치와 향후 5~10년 진화 방향을 조망한다.

---

1. 스마트 팩토리 자율화 4단계

[Level 1] 디지털화 — MES, SCADA — 한국 중소기업 평균
[Level 2] 연결 — IoT, OPC-UA, 실시간 대시보드 — 한국 대기업 평균
[Level 3] 가시화+예측 — 예지보전, 불량 예측 — 선진 제조사
[Level 4] 자율 최적화 — RL + 디지털 트윈 — 2027~2030년 목표
[Level 5] 완전 자율 공장 — Lights-Out — 2030년 이후

2. 제조 AI 성숙도 (2025 기준)

기술	성숙도	도입율	과제
비전 외관검사	높음	30~40%	조명 표준화, 엣지 배포
예지보전	중간	15~25%	센서 인프라, 데이터 품질
수요/생산 예측	중간	20~30%	데이터 사일로 통합
공정 최적화(RL)	낮음	<5%	Sim-to-Real Gap
LLM 제조 적용	초기	<1%	환각 리스크

3. 캡스톤 프로젝트 로드맵

[Week 1] 데이터 파이프라인
  센서 시뮬레이터 → MQTT → PostgreSQL
  OEE 자동 계산

[Week 2] AI 모델
  비전검사: YOLOv8
  예지보전: LSTM Autoencoder
  수요예측: Prophet

[Week 3] 서빙
  FastAPI REST API
  ONNX 변환 + 벤치마크

[Week 4] 대시보드 + 통합
  Plotly Dash 실시간
  알람 시스템 (이메일/Slack)
  Docker Compose 배포

4. 수료 후 성장 로드맵

단기 (0~6개월): MLOps 기초 + Edge AI (Jetson)
중기 (6~18개월): 도메인 심화 (반도체/배터리/자동차) + AWS ML Specialty
장기 (18개월+): Foundation Model 제조 적용 + 논문/특허 + 컨퍼런스 발표

함정 주의: 수료 직후 '모든 걸 배웠다'는 착각이 가장 위험하다. 현장에서는 데이터 품질, OT 보안, 변화 관리 같은 비기술적 장벽이 프로젝트의 80%를 좌우한다.

---

다음 task와의 연결

다음은 최종 관문 '캡스톤 프로젝트: 제조 AI 풀스택'이다. 12주 동안 쌓은 비전·예지보전·수요예측·공정최적화 역량을 통합 시스템으로 완성한다.

MLOps 없이 운영되는 스마트팩토리 AI 시스템에서 발생할 수 있는 장애 시나리오 4가지를 만들어줘. 모델 드리프트 미탐지로 인한 정확도 하락, 데이터 파이프라인 유지보수 실패, GPT-4V 기반 불량 이미지 XAI 설명의 환각 위험, A/B 배포 없이 모델 교체 시 품질 사고를 포함하고 각 문제를 예방하는 MLOps 설계도 제안해줘.