화요일 오전, 현장에서 전화가 왔다

"RAG 시스템에 'OEE 계산 방법' 물어봤더니 엉뚱한 답이 나와."

확인해보니 이런 상황이다:

질문: "OEE 계산 방법 알려줘"

[Semantic Search 결과]
1. "설비 효율성을 측정하는 다양한 방법론이 있습니다..." (유사도: 0.87)
2. "생산성 지표 관리의 중요성..." (유사도: 0.85)
3. "종합 설비 효율 개선 사례 연구..." (유사도: 0.84)

[실제 원하는 문서]
"OEE = 가동률 × 성능률 × 품질률" -> 이 문서는 6번째에 있다!

왜 이런 일이 발생할까?

---

의미 검색의 치명적 약점

임베딩 모델은 의미적 유사성을 잘 잡는다. 하지만 정확한 키워드 매칭에는 약하다.

쿼리: "OEE 계산"
임베딩이 이해하는 것: "설비 효율 관련 계산"
임베딩이 놓치는 것: "OEE"라는 정확한 약어

쿼리: "E-4521 에러"
임베딩이 이해하는 것: "에러/오류 관련"
임베딩이 놓치는 것: "E-4521"이라는 정확한 코드

쿼리: "ISO 9001:2015 요구사항"
임베딩이 이해하는 것: "품질 표준 관련 요구사항"
임베딩이 놓치는 것: "9001:2015"라는 정확한 규격 번호

제조 현장은 코드, 규격, 약어 투성이다. 의미 검색만으로는 절대 부족하다.

---

키워드 검색(BM25)의 강점과 한계

반대로 BM25 키워드 검색을 써보면:

쿼리: "OEE 계산"
BM25 결과: "OEE" 단어가 포함된 문서를 정확히 찾음! ✅

쿼리: "주축 과열 해결 방법"
BM25 결과: "주축", "과열" 단어가 포함된 문서만 찾음
놓치는 것: "스핀들 오버히트 트러블슈팅" 문서 ❌
-> "주축=스핀들", "과열=오버히트"를 모름

BM25는 정확한 단어는 잘 찾지만, 동의어와 문맥을 모른다.

---

Hybrid Search: 둘을 합친다

쿼리 유형	BM25	Semantic	Hybrid
"OEE 계산"	O (정확 매칭)	△ (의미만)	O
"설비 효율성 측정"	△ (단어 부분 매칭)	O (의미 이해)	O
"E-4521 에러"	O (코드 매칭)	X (일반화)	O
"장비 고장 원인 분석"	X (동의어 부재)	O	O
"스핀들 오버히트"	O (직접 매칭)	O	O
"주축 과열"	X (동의어)	O	O
"ISO 14001"	O	X	O
"환경 관리 체계"	X	O	O

Hybrid = 키워드 검색의 정확성 + 의미 검색의 이해력

---

이번 Day에서 배울 것

오늘이 끝나면:

• BM25 알고리즘의 수학적 원리를 이해한다
• Score Fusion과 RRF 두 가지 결합 방법을 구현할 수 있다
• Query Expansion과 HyDE로 검색을 더 확장할 수 있다
• 제조 도메인에 최적화된 Hybrid Search를 만든다

시작하자.