M.AX Platform
QFactory
M.AX Platform
QFactory
공정·설비·품질·에너지 데이터를 하나로 연결해 이상과 낭비를 예측하고 최적의 공정 조치를 지원합니다.
Overview
설비 한 대가 아니라 공장 운영 전체를 지능화합니다
QFactory는 기존 설비를 유지한 채 필요한 공정의 데이터를 모아 예측 결과를 공정 조치로 연결합니다.
실시간 모니터링·이상 감지
설비와 생산 흐름을 계속 살펴 평소와 다른 변화를 조기에 발견하고 원인 후보를 제시
예지보전·품질 관리
고장 가능성과 잔존수명(RUL), 품질 변화를 예측해 점검 시점과 대응 방향을 안내
생산·에너지 최적화
공정 조건과 에너지 사용량을 분석해 생산성과 효율을 높일 운전 조건을 권고Manufacturing AX
공장 운영 전 과정을 여섯 가지 AI 기능으로 연결합니다
공정 과제에 맞는 기능부터 적용하고, 검증된 범위를 단계적으로 확장합니다.
단계적 도입기존 설비를 전면 교체하지 않고, 기존 설비 보완용 센서와 엣지 시스템 연계를 활용해 필요한 공정부터 확장합니다.
AI·공장 운영 데이터 통합
제어·품질·생산 시스템과 센서 데이터를 시간·작업·설비 기준으로 정렬합니다.
- 연결 데이터
- 공정·설비·품질·에너지·물류
- 운영 활용
- 정합성 검증, 원인 추적, AI 학습용 표준 데이터
열에너지 생산·사용 최적화
열원 생산과 스팀 소비를 함께 분석해 과잉·부족 공급을 줄일 운전 조건을 권고합니다.
- 연결 데이터
- 연소·스팀·연료·공기·온습도
- 운영 활용
- 소각로·보일러·건조기 생산·사용 균형 최적화
설비 건전성·잔존수명 예측
회전·건조 설비의 상태 변화를 분석해 고장 가능성과 위험도, 잔존수명을 예측합니다.
- 연결 데이터
- 진동·전류·온도·압력·유량·정비 이력
- 운영 활용
- 이상 조기 경보, 정비 우선순위, 비가동 시간 최소화
품질 예측·공급망 추적
원료와 첨가제부터 최종 품질까지 시간·로트 이력을 연결해 품질 편차의 원인을 찾습니다.
- 연결 데이터
- 농도·입도·공정 조건·검사·출하 로트
- 운영 활용
- 품질 예측, 원인 추적, 공급망 상류 피드백
영상 AI 안전 관제
영상과 설비 이벤트를 함께 분석해 위험 행동·제한 구역 진입·화재 등 사고를 감지합니다.
- 연결 데이터
- 실시간 영상(RTSP)·작업 구역·설비 알람
- 운영 활용
- 위험도별 알림, 이력 관리, 오탐 피드백
AI 모델 운영·자율화 지원
학습·배포·정확도를 관리하고 권고→승인→실행→검증을 하나의 흐름으로 연결합니다.
- 관리 항목
- 모델·데이터 버전, 정확도, 데이터 변화
- 운영 활용
- 지속 재학습·롤백, 엣지 연동, 단계적 자율화
Architecture
필요한 기능을 조합하는 8개 공통 모듈
산업과 비즈니스에 공통으로 필요한 기능을 나눠 구성해 필요한 모듈과 분야 기능부터 단계적으로 확장합니다.
Detect
AI 설비 정밀 진단
진공 펌프·히터·진동·온도 센서를 분석해 가동 전 위험과 이상 징후를 확인합니다.
- 설비 건강도 진단
- 진공 펌프·히터·진동·온도 센서의 건전성 통합 판정
- AI 판정 검토
- 담당자 검토로 오탐과 실제 이상 구분
- 안전한 단계 전환
- 승인된 진단 결과만 공정 설계와 실시간 관제로 연결
Monitor
실시간 공정 관제
3차원 설비 화면과 온도·전류·진공도 추이로 공정 이상을 실시간 감시합니다.
- 다중 신호 관제
- 온도·전류·진공도·환경 데이터를 같은 시간축으로 확인
- 공정 이상 알림
- 정상 패턴과 다른 변화의 위험도와 원인 후보 기록
- 운영자 안전 조치
- 경고 확인 후 공정 중단과 대응 이력 관리
Measure
AI 공정 KPI 분석
설비·공정·수율·품질 지표를 분석해 목표 달성도와 개선 순서를 확인합니다.
- 핵심 지표 통합
- 설비·에너지·공정·품질 성과를 목표와 비교
- 종합 공정 진단
- 취약 지표를 찾아 개선 우선순위 제시
- 사이클 추이 비교
- 기간·사이클별 성과와 권고 적용 효과 검증
Recommend
AI 공정 설계 권고
제품과 적재 조건, 과거 결과를 분석해 단계별 최적 운전 프로파일을 제안합니다.
- 생산 조건 입력
- 제품·중량·두께 등 주요 조건 설정
- 최적 프로파일 생성
- 성공 사이클과 AI 예측으로 목표 온도·유지 시간 설계
- 승인 기반 적용
- 근거와 예상 결과 확인 후 담당자가 수용·거절
Analyze
공정 사이클 정밀 분석
완료된 공정을 시간순으로 재현해 AI 이상 판단 시점과 센서 변화를 검증합니다.
- 초 단위 데이터 재생
- 온도·진공도·공정 단계와 로그를 같은 시간축으로 동기화
- 3차원 공정 재현
- 설비와 제품 상태를 3차원 화면으로 재생
- 이상 원인 추적
- 감지 점수와 센서 변화를 비교해 원인 후보 확인
Operate
AI 모델 관리·운영
머신러닝 운영(MLOps) 체계로 모델 성능과 버전을 관리하고 재학습합니다.
- 모델·데이터 관리
- 학습 데이터와 모델 버전·성능·적용 이력 기록
- 피드백 기반 재학습
- 확정된 정상·이상 판정으로 재학습 시점 판단
- 검증 후 운영 적용
- 기존 버전과 비교해 승인된 모델만 반영
Why AI
AI로 이상 징후를 더 일찍 찾고 대응 방향까지 제시합니다
기존 임계값 알람만으로 놓치기 쉬운 미세한 변화와 원인, 정비 시점을 AI로 보완합니다.
| 관점 | 규칙 기반 임계 감시 | QFactory 제조 AI |
|---|---|---|
| 이상 감지 | 고정 임계 초과 시 알람(사후) | 정상 패턴 학습 후 미세 이탈 조기 감지 |
| 원인 파악 | 사람이 로그를 수동 추적 | 생성형 AI 질의응답으로 원인·조치 후보 제시 |
| 공정 조건 | 고정 레시피 유지 | 상태·품질 데이터 기반 프로파일 권고 |
| 정비 | 주기·고장 후 정비 | 잔존수명 예측 기반 예지보전 |
| 운영 | 수동 튜닝·고정 | 데이터 변화 감시·AI 모델 재학습 |
Ideal Use Cases
이런 공장에 적합합니다
알람만으로는 잡히지 않는 변화를 다뤄야 하는 공장에 적합합니다.
임계 알람만으로 품질을 관리하는 라인
정상 범위 안에서 서서히 나빠지는 변화는 놓치고, 후공정에서야 문제가 드러나는 환경숙련자의 판단에 기대는 공정
담당자가 바뀌면 품질 편차가 생기는 열처리·조립 공정설비 정지가 곧 손실인 연속 라인
고장 시점을 미리 알아야 정비 일정을 짤 수 있는 24시간 가동 공장