AI

산업 AI 응용Industrial AI Applications

제조 현장을 중심으로, 설비 센서 · 영상 · 계측 · 테스트 · 정비 기록 같은 공장 데이터에 AI 를 써서 품질 · 설비 · 공정 문제를 푸는 활용 유형 전체다. 이상 탐지 · 예지 보전 · 비전 검사 · 공정 최적화 · 가상 계측 · 수율 · 품질 예측 · 디지털 트윈 · 제조 AI 에이전트를 데이터와 정답이 오는 때로 견준다.

1요약

  1. 산업 AI 응용은 ISA-95 의 레벨 0 ~ 3(센서 · 제어 · 감시 · MES)에서 나오는 공장 데이터 위에서 여덟 하위 토픽이 돌고, IRDS FI 2022 는 이들을 반응 → 예측 → 처방 운영으로 넓혀 가는 흐름으로 정리했다(5.8.4.1절).
  2. 계측은 일부 웨이퍼만, 고장 기록은 드물게, 불량 판정은 늦게 오므로 정답이 언제 · 얼마나 오는가가 방법을 정한다 — 가정 챔버 300 런 사례에서 정답 없이 본 T² 경보는 177번째 런에 울렸고, 실측 20건만 쓴 가상 계측의 두께 오차는 0.55 nm 였다.
  3. 「AI 를 붙였는데 현장이 그대로다」는 결과를 받는 결정이 있는가로 가른다 — 경보만 쌓이면 반응 단계에 멈춘 것이고, 예측이 맞는데 정지 · 불량이 그대로면 조치 · 승인 경로가 빠진 것이다.

2등장 배경

예전 공장은 일이 난 뒤에 움직였다. 경보가 울리면 장비를 세우고, 계측 장비는 로트마다 몇 장만 재며, 정비는 정해진 주기로 부품을 바꿨다. 감시 화면의 센서 값은 쌓이기만 하고 다음 결정으로 이어지지 않았다.

1990년대 중반 시작된 ISA-95(IEC 62264)가 공장 정보를 레벨 0 ~ 4 로 나눠 데이터가 오가는 경계를 정했다(ISA-95 소개). 2008년에는 공정 신호 590개의 SECOM(UCI SECOM)과 엔진 열화 시뮬레이션 C-MAPSS(NASA CMAPSS 자료)가 공개돼 방법을 같은 데이터로 견줄 수 있게 됐고, 2013년 4월 독일 Forschungsunion · acatech 보고서는 생산 체계의 수직 통합을 정책 과제로 올렸다(acatech 2013).

지금은 IRDS FI 2022 가 반응형 운영에 예측 · 처방을 «더하는» 것을 공장 통합의 어려운 과제 아홉 가운데 하나로 꼽는다(1절 과제 5). 반응 기능은 없애지 않고 남긴다는 점이 산업 AI 응용의 전제다.

3쉽게 이해하기 — 종합병원의 환자 한 명

환자 한 명이 종합병원에 입원했다. 심전도 · 엑스레이 · 피 검사 결과가 진료과 여러 곳으로 간다. 응급실은 지금 이상한 신호를 알아채고, 내과는 언제 회복될지 내다보며, 처방 담당은 약을 바꿀지 고른다. 마지막 결정은 주치의가 내리고, 바꾼 약이 다시 환자의 검사 값으로 돌아온다.

환자 설비 · 공정 1 심전도 센서 신호 엑스레이 검사 영상 피 검사 계측 · 테스트 진료 기록 정비 · MES 기록 지금 알아채기 2 응급 경보 이상 탐지 사진 판독 비전 검사 앞날 내다보기 3 검사 추정 가상 계측 수명 예후 예지 보전 회복 예측 수율 · 품질 예측 할 일 고르기 4 처방 조정 공정 최적화 모의 환자 디지털 트윈 당직 비서 제조 AI 에이전트 주치의 사람 결정 세 진료과의 의견을 보고 승인 · 조치 정비 · 조건 변경 5 바꾼 약 = 조치가 다음 검사 값으로 설비 데이터 지금 알아채기 앞날 내다보기 할 일 고르기 사람 결정

그림 1 · 환자 한 명의 검사 결과를 진료과 여덟이 세 질문으로 나눠 읽고, 주치의의 결정이 다시 환자에게 돌아간다.

검사 받기심전도 · 엑스레이 · 피 검사
이상 알아채기평소와 다른 신호
앞날 보기회복 · 수명 예후
약 고르기처방 후보 비교
주치의 승인사람이 결정
다시 검사바꾼 약의 효과 확인
비유 — 환자에게 묻는 질문 실제 — 단계와 정답이 오는 때 열이 난다 — 지금 알아챔 평소 체온과 견줘 바로 앎 언제 회복될까 — 앞날 봄 퇴원한 뒤에야 맞았는지 앎 약을 바꿀까 — 할 일 고름 바꿔 본 결과가 곧 정답 반응 이상 탐지 · 비전 검사 정답 레이블 없이 정상 기준만 출력 = 경보 · 불량 판정 예측 가상 계측 · 예지 보전 · 수율 정답 = 나중에 오는 실측 · 고장 기록 출력 = 예측값 · 잔여 수명 처방 최적화 · 트윈 · 에이전트 정답 = 조치를 해 본 뒤의 결과 출력 = 조건 · 조치 제안

그림 2 · 같은 환자를 두고도 질문이 바뀌면 «맞았는지 아는 때»가 지금 · 나중 · 바꿔 본 뒤로 달라진다.

비유 속 역할실제 이름실제로 하는 일
환자설비 · 공정레벨 0 ~ 2 에서 센서 값 · 로그를 낸다
심전도 · 피 검사 결과센서 · 계측 · 테스트 데이터하위 토픽 모두의 입력이 된다
응급 경보 · 사진 판독이상 탐지 · 비전 검사정상 기준에서 벗어난 신호 · 영상을 지금 가른다
수명 예후 · 회복 예측예지 보전 · 수율 · 품질 예측고장 시점 · 수율을 미리 내다본다
검사 추정가상 계측재지 않은 웨이퍼의 계측값을 센서로 추정한다
처방 조정 · 모의 환자공정 최적화 · 디지털 트윈조건을 고르고 바꾸기 전에 가상으로 시험한다
당직 비서제조 AI 에이전트기록을 찾아 조치를 제안하고 승인을 받는다
주치의 승인사람 결정 · 기존 제어 계층결과를 실제 정비 · 조건 변경으로 바꾼다

⚠ 비유가 맞지 않는 곳: 병원은 환자마다 진료과를 고르지만 공장은 한 장비에 여러 하위 토픽을 동시에 겹쳐 쓴다. 또 설비는 아파도 말하지 않으므로 정답(고장 · 불량)은 기록으로만 늦게 온다.

4구조 — 여덟 하위 토픽의 데이터와 정답

여덟 하위 토픽은 쓰는 데이터보다 정답이 어디서 오는가로 더 크게 갈린다. 같은 센서 값도 정답 없이 쓰면 이상 탐지, 실측과 짝지으면 가상 계측, 고장 기록과 짝지으면 예지 보전이 된다. 여덟 가운데 처방 단계의 디지털 트윈과 제조 AI 에이전트는 산업 AI 응용 바로 아래가 아니라 제조 AI 아래에 함께 놓인다.

하위 토픽 센서 · 로그 영상 계측 기록 단계 정답이 오는 곳 이상 탐지 비전 검사 가상 계측 예지 보전 수율 · 품질 예측 공정 최적화 디지털 트윈 제조 AI 에이전트 반응 반응 예측 예측 예측 처방 처방 처방 없어도 됨(정상만) 정상 · 불량 영상 일부 웨이퍼 실측 고장 · 정비 기록 테스트 결과(늦게) 조건별 실험 결과 실제 상태와 비교 사람 승인 기록 주 입력 쓰기도 함 반응 예측 처방 계측 = 계측 · 테스트 · 기록 = MES · 정비 기록

그림 3 · 하위 토픽 여덟은 같은 센서 데이터를 나눠 쓰고, 정답이 오는 곳이 반응 · 예측 · 처방 단계를 가른다.

하위 토픽푸는 질문대표 방법결과가 가는 곳
이상 탐지지금 평소와 다른가T² · PCA 재구성 오차 · Isolation Forest정지 · 점검 경보
비전 검사이 제품 겉모습이 불량인가CNN · 정상 패치 기억배출 · 결함 분류
가상 계측재지 않은 웨이퍼의 값은PLS · 회귀 · 신뢰 지수보정 제어 · 표본 선택
예지 보전언제 고장 나는가건강 지표 · 잔여 수명 회귀정비 계획
수율 · 품질 예측이 로트의 수율 · 원인은분류 · 근본 원인 분석 · 웨이퍼 맵 분류출하 · 원인 조사
공정 최적화어떤 조건이 가장 좋은가실험 계획법 · 베이지안 최적화 · APC레시피 · 보정 값
디지털 트윈바꾸면 어떻게 되나상태 동기화 · 시뮬레이션바꾸기 전 시험
제조 AI 에이전트무엇을 조치할까LLM + 조회 도구 · 사람 승인MES 작업 기록

🔑 하위 토픽을 가르는 것은 모델 종류가 아니라 정답이다 — 같은 센서 값이 정답 없이 쓰이면 이상 탐지, 실측과 짝지으면 가상 계측, 고장 기록과 짝지으면 예지 보전이다.

5동작 — 한 챔버 300 런을 다섯 하위 토픽이 나눠 읽기

증착 챔버 한 대의 300 런을 하위 토픽 다섯이 차례로 읽는 사례다. 센서 · 두께 · 마모 값은 모두 설명용 가정 값이고, numpy 로 직접 실행(합성 데이터 · 시드 0)했다.

  1. 데이터 — 런마다 센서 셋(RF 전력 편차 · 챔버 압력 · 히터 온도)이 나오고, 두께 실측은 10 런마다 1장씩 런 200 까지 20건, 부품 마모는 런 120 부터 시작한다(마모 시작은 모델이 모르는 값).
  2. 이상 탐지 — 런 1 ~ 100 의 평균 · 공분산으로 정상 기준을 잡고, 그 구간 T² 의 99% 분위 13.08 을 임계값으로 둔다. 세 런 연속으로 넘은 첫 런은 177 이다.
  3. 가상 계측 — 실측 20건으로 센서 → 두께 최소 제곱 회귀를 맞춘다(NumPy lstsq). 재지 않은 런 180개의 두께 오차(RMSE)는 0.55 nm 이고, 마지막 실측값을 그대로 쓰면 2.44 nm 다.
  4. 예지 보전 — 런 220 에서 건강 지표의 177 ~ 220 추세를 직선으로 늘리면 한계 0.6 에 닿는 런은 287 이다. 남은 수명 예측 67 런 · 실제 60 런으로, 7 런 늦게 본다.
  5. 수율 · 품질 예측 — 규격 50 ± 3 nm 밖 런은 1 ~ 100 에서 6 · 101 ~ 200 에서 25 · 201 ~ 300 에서 85 로 는다. 가상 계측 값으로 판정하면 실제 규격 밖 116 런 중 107 런을 맞힌다.
  6. 처방 — 이 결과를 받을 결정은 정비 시점(67 런 안) · 두께 보정(공정 최적화 · APC) · 조치 승인(사람 · 에이전트)이다. 사례는 여기서 멈추며, 조치를 돌려야 다음 런의 값이 바뀐다.
챔버 한 대 · 런 1 ~ 300(설명용 가정 값) 1 100 200 300 런 번호 마모 시작 120(모델은 모름) 데이터 정상 기준 1 ~ 100 1 이상 탐지 2 첫 지속 경보 177 가상 계측 3 실측 20건 → 오차 0.55 nm 예지 보전 지금 220 4 예측 287 · 실제 280 규격 밖 6 런 25 런 85 런 5

그림 4 · 경보(177) 뒤에 수명 예측(287)이 이어지고, 실측 20건으로 만든 가상 계측이 300 런 모두의 품질 판정을 메운다.

반응 — 일어난 뒤 알아챔 예측 — 일어나기 전에 봄 처방 — 할 일을 고름 이상 탐지 경보 시점(사례 177) 비전 검사 불량 판정 영상 예지 보전 경보부터 추세를 늘림 가상 계측 재지 않은 웨이퍼 값 수율 · 품질 예측 예측값 · 판정을 모음 제조 AI 에이전트 정비 제안 → 사람 승인 공정 최적화 · APC 예측값으로 조건 보정 디지털 트윈 예측을 한 모델로 통합 반응 기능은 남는다 — 예측이 놓친 이상은 다시 이상 탐지가 잡는다(IRDS FI 2022 5.8.4.1) 화살 = 앞 단계 출력이 뒤 단계 입력 반응 예측 처방

그림 5 · 앞 단계의 출력이 뒤 단계의 입력이 되어 반응 → 예측 → 처방으로 넓어지고, 반응 기능은 그 아래에 남는다.

IRDS FI 2022 는 예측 기술이 한꺼번에 퍼지지 않는다고 본다 — 가상 계측은 모델이 잘 맞는 CVD · 식각부터, 예지 보전은 비싸고 자주 나는 정비부터 시작하고, 수율 예측은 그 둘이 자리 잡은 뒤, 팹 전체 실시간 시뮬레이션은 개별 예측을 한 플랫폼에 모은 뒤의 장기 목표다(5.8.4.2절).

🔑 처방은 예측 위에, 예측은 반응 위에 쌓인다 — 경보가 믿을 만하지 않으면 수명 예측의 시작점이 흔들리고, 가상 계측이 없으면 수율 예측의 입력이 빈다.

6비교 — 관련 기술과의 경계

기술맡는 일산업 AI 응용과의 경계넘기는 곳
인공지능 개요학습 원리 · 신경망 · 모델 평가PCA · 회귀 · CNN 의 원리는 그쪽, 공장 질문에 맞춰 방법을 고르는 일은 이쪽알고리즘 원리 · 성능 지표
생성형 AILLM · RAG · 도구 호출 · 멀티모달언어 모델 자체는 그쪽, 공장 데이터 조회 도구와 승인 경로를 붙인 것은 제조 AI 에이전트LLM · RAG 구조
AI 엔지니어링(AI 시스템 운영)데이터 준비 · MLOps · 경량화 · 서빙모델을 배포 · 갱신하는 체계는 그쪽, 무엇을 예측하고 어느 결정에 넣을지는 이쪽드리프트 감시 · 모델 서빙 · 엣지 배치
신뢰할 수 있는 AI법 · 윤리 · 설명 가능성 · 보안설명 · 위험 관리 기준은 그쪽, 설비 쓰기 권한과 사람 승인 단계를 정하는 일은 이쪽설명 기법 · AI 기본법 · AI 보안

분석방법이 막히면 인공지능 개요로, 배포 뒤 성능이 떨어지면 AI 엔지니어링으로, 설비 권한 · 책임이 걸리면 신뢰할 수 있는 AI 로 넘기고, 산업 AI 응용은 «어느 질문에 어느 정답을 붙이는가»만 맡는다. 근거는 표의 「경계」 열 — NIST AI RMF 도 AI 를 중지 · 대체하는 장치를 위험 관리 쪽 요구로 둔다(MANAGE 2.4).

7실무 진단 — 산업 AI 과제가 멈추는 단계 가르기

분석데이터 → 정답 → 결과를 받는 결정 순으로 본다. 정답이 없는데 지도 학습을 고집하거나, 결정 경로가 없는데 모델만 바꾸면 같은 실패가 되풀이된다(IRDS FI 2022 5.8.4.1).

#증상의심 원인단계확인 자료판정 기준(근거)
1불량 레이블이 없어 착수를 못 한다지도 학습만 생각함반응정상 구간 기간 · 센서 목록정상 데이터만 있으면 이상 탐지 · 설비 건강 감시부터 가능(IRDS FI 2022 5.8.4.1 EHM 정의)
2시범 점수는 높았는데 다음 달 떨어진다정비 · 소모품 교체 뒤 정상 기준 이동예측정비 기록 · 달별 점수정비 전후로 나눈 점수 차이가 크면 모델 갱신 문제
3수율 예측이 계속 빗나간다웨이퍼 · 로트 연결 키 · 가상 계측 미비예측연결 키 결측률 · 가상 계측 유무수율 예측은 가상 계측 · 예지 보전 다음 단계(IRDS FI 2022 5.8.4.2)
4예측은 맞는데 정지 · 불량이 줄지 않는다결과를 받는 결정 경로 없음처방경보 · 예측 뒤 조치 기록조치 기록이 0이면 처방 경로 부재

8시험 대비

시험에서는 산업 AI 의 정의와 하위 유형을 쓰는 정의 · 특징형, 그리고 반응형 공장에서 예측 · 처방형으로 가는 흐름과 과제를 쓰는 동향 · 발전형이 나올 수 있다. 하위 토픽을 나열하지 말고 «정답이 오는 때»라는 한 기준으로 묶으면 답안이 정리된다.

답안 목차
  1. 개요 — 정의(제조 현장 중심) · ISA-95 레벨 0 ~ 3 데이터 · 수직 통합(acatech 2013)
  2. 하위 토픽 지도 — 그림 3 데이터 · 정답 행렬 + 여덟 하위 토픽의 질문 · 방법 · 결과 표
  3. 반응 · 예측 · 처방 — 그림 5 단계 연결(IRDS FI 2022 5.8.4) · 반응 기능은 남음
  4. 적용 사례 — 그림 4 챔버 300 런(경보 177 · 오차 0.55 nm · 남은 수명 67 런)
  5. 선택 기준 — 정답이 오는 때 · 결과를 받는 결정 · 진단 표 네 증상
  6. 과제와 동향 — 연결 키 · 정상 기준 이동 · LLM 에이전트의 사람 승인 · 디지털 트윈 통합

꼭 쓸 키워드
반응예측처방ISA-95정상 기준가상 계측잔여 수명연결 키정상 기준 이동사람 승인

다른 답안과 차이를 내는 한 가지는 그림 3 의 데이터 · 정답 행렬이다 — 여덟 이름을 나열하는 대신 같은 센서 값이 정답에 따라 다른 하위 토픽이 된다는 것을 한 장으로 보인다.

9오해와 사실

  • 오해불량 레이블이 쌓여야 산업 AI 를 시작할 수 있다.
    사실이상 탐지는 정상 데이터만으로 시작하고, 사례에서도 정답 없이 런 1 ~ 100 기준만으로 177번째 런에 경보를 냈다.
  • 오해예측이 처방을 대신하면 반응형 감시는 없앤다.
    사실IRDS FI 2022 는 예측할 수 없는 이상과 예측이 놓친 경우를 위해 반응 기능을 계속 둔다고 적었다(5.8.4.1절).
  • 오해디지털 트윈을 먼저 세우면 나머지가 따라온다.
    사실IRDS FI 2022 는 팹 전체 실시간 시뮬레이션을 개별 예측 기술이 자리 잡은 뒤의 장기 목표로 둔다(5.8.4.2절).

10핵심 정리

구분단계필요한 정답출력받는 결정
이상 탐지반응없음(정상 기준)경보 · 이상 점수정지 · 점검
비전 검사반응정상 · 불량 영상판정 · 결함 종류배출 · 분류
가상 계측예측일부 실측웨이퍼별 예측값보정 제어 · 표본 선택
예지 보전예측고장 · 정비 기록잔여 수명정비 시점
수율 · 품질 예측예측테스트 결과수율 · 원인 순위출하 · 원인 조사
공정 최적화처방실험 결과조건 · 보정 값레시피 변경
디지털 트윈처방실제 상태what-if 결과바꾸기 전 시험
제조 AI 에이전트처방사람 승인 기록조치 제안MES 작업 기록

11참고 문헌

  1. 먼저 볼 문헌
  2. ★ International Roadmap for Devices and Systems 2022 Edition: Factory Integration (5.8.4 Augmenting Reactive with Predictive and Prescriptive Needs) — 반응 · 예측 · 처방 운영의 연속선과 예측 기술이 퍼지는 순서를 볼 때
    IEEE · 2022-12 · irds.ieee.org/images/files/pdf/2022/2022IRDS_FAC.pdf · 확인 2026-11-13
  3. ★ ISA-95 Standard: Enterprise-Control System Integration — 공장 데이터가 나오는 레벨 0 ~ 4 와 MES · ERP 경계를 볼 때
    International Society of Automation · 2026-11 · www.isa.org/standards-and-publications/isa-standards/isa-95-standard · 확인 2026-11-13
  4. ★ Recommendations for implementing the strategic initiative INDUSTRIE 4.0. Final report of the Industrie 4.0 Working Group — 스마트 제조 정책의 출발점과 수직 통합 과제를 볼 때
    Forschungsunion · acatech · 2013-04 · en.acatech.de/publication/recommendations-for-implementing-the-strategic-initiative-industrie-4-0-final-report-of-the-industrie-4-0-working-group/ · 확인 2026-11-13
  5. 본문 근거
  6. Artificial Intelligence Risk Management Framework (AI RMF 1.0) NIST AI 100-1 — NIST · 2023-01 · doi.org/10.6028/NIST.AI.100-1 · 확인 2026-11-13
  7. SECOM (UCI Machine Learning Repository · DOI 10.24432/C54305 · CC BY 4.0) — M. McCann · A. Johnston · UCI · 2008-11 · archive.ics.uci.edu/dataset/179/secom · 확인 2026-11-13
  8. CMAPSS Jet Engine Simulated Data — NASA · 2024-05 · data.nasa.gov/dataset/cmapss-jet-engine-simulated-data · 확인 2026-11-13
  9. MVTec Anomaly Detection Dataset (MVTec AD) 소개 · 라이선스 — MVTec Software · 2026-11 · www.mvtec.com/company/research/datasets/mvtec-ad · 확인 2026-11-13
  10. NumPy 2.4 Reference numpy.linalg.lstsq — NumPy Developers · 2026-11 · numpy.org/doc/2.4/reference/generated/numpy.linalg.lstsq.html · 확인 2026-11-13