표지 + 10 SLIDES · 16:9 · 1920×1080
회사 개요 · 난징강철(NISCO)
어떤 회사인가
| 업종 | 철강 · 고로에서 압연까지 |
| 대표 제품 | 후판 연 250만 톤+ |
| 쓰이는 곳 | 경기장 · 송유관 · 크루즈선 · LNG 탱크 |
| 파트너 | 화웨이 |
| AI 플랫폼 | YuanYe Steel Large Model |
Exhibit 1 · 제철 흐름과 문제가 있던 네 곳
무슨 문제
문제가 터진 뒤에 움직임
안 보이고, 어긋나고, 느림
어떻게 풀었나
설비 100% 연결 → 물리·AI 모델 → 에이전트 25개
현장마다 예측하고, 사람은 판단
결과
1,500만 달러+ 연간 절감
신제품 개발 기간 −50% (회사 발표)
출처: [1] AX Review 노트(2026.10.28), [2] Automation World 보도자료(2026.10.26, 화웨이 제공). 매출·인원은 미공개
1
01 · 해결 구조
Exhibit 2 · 플랫폼 층 구조와 압연 에이전트 1개가 도는 순서
그래서 첫 예산은 에이전트가 아니라 아래 두 층(설비 연결·데이터)에 둠. 아래 층이 비면 위 층은 돌지 않음 (노트 제안)
출처: [2] 층별 수치, [1] 단계 설명과 예산 제안
2
02 · 공통 작동 원리 · dual-drive
Exhibit 3 · 압연력 예측으로 본 dual-drive 흐름 가상 예시
예: 공식 2,000톤, 실측이 늘 3% 높음 → AI가 3%만 배워 2,060톤. 처음 보는 강종이면 공식값만 씀.
기술 스펙
| 잔차 | 물리 공식이 기본값, AI는 실측과의 차이만 학습 | 노트 |
| 모델 | 밀리초 응답이 필요해 엣지의 GBM·소형 신경망 | 노트 |
| 범위 밖 | 새 강종·처음 보는 두께면 보정 끄고 물리값만 | 노트 |
| 검증 | 적중 = 실측 ±5% 이내, 9개월 학습·3개월 시험 | 노트·가상 |
| 재학습 | 최근 2주 적중률이 기준선 아래면 다시 학습 | 노트·가상 |
88% → 98%
실제 압연력 예측 적중률 (원문)
출처: [2] dual-drive·적중률(결합 세부는 미공개), [1] 기술 스펙·예시(노트 설계안)
3
03 · 현장 ① 고로
Exhibit 4 · 고로 단면과 운영 화면
1 노 벽 센서가 실시간 전송
2 물리+AI 노온 예측 (점선)
3 기준선 넘기 전 경보
4 운영자가 미리 제어
기술 스펙
| 입력 | 노 벽 센서 데이터 + 야금 메커니즘 분석 | 원문 |
| 모델 | 실시간 동적 시뮬레이션, 노온 예측·건강 진단 모델 | 원문 |
| 출력 | 노온·이상 최대 2시간 전 예측, 정확도 90%+ | 원문 |
| 운영 | 경보 선행 시간 > 조치 시간, 정밀도·재현율 따로 측정 | 노트 |
Exhibit 5 · 노온 이상 1건의 전과 후 (간격 개념도)
2시간
최대 선행 예측
90%+
예측 정확도
+10%+
우등 쇳물 수율
출처: [2] 수치·모델, [1] 운영 기준. 도면은 재구성(NTS), 단계별 소요 시간·에너지 절감 수치는 미공개
4
03 · 현장 ② 후판 압연
Exhibit 6 · 4단 압연기 측면과 제어 고리
1 패스마다 압연 조건이 다름
2 실린더가 간격을 미리 조정
3 두께계로 공차 확인
4 밀리초 단위 압연력 예측
기술 스펙
| 입력 | 압연 조건 (예: 온도·롤 마모·이전 패스 결과) | 원문노트 |
| 모델 | 물리 공식 + 경험 모델, 밀리초 응답 → 엣지의 GBM·소형 신경망 | 원문노트 |
| 출력 | 압연력 예측 → 유압 실린더 설정 | 원문 |
| 검증 | 적중 = 실측 ±5% 이내, 9개월 학습·3개월 시험 | 노트·가상 |
Exhibit 7 · 한 패스 따라가기
| 한 패스 가상 | 전 · 공식만 | 후 · 공식 + AI 보정 |
|---|---|---|
| 예측 압연력 | 2,000톤 | 2,060톤 |
| 실측 압연력 | 2,060톤 (3% 높음) | ≈ 2,060톤 |
| 롤 설정 | 어긋나 두께가 흔들림 | 맞아서 ±0.2mm 안 |
| 사람의 일 | 다음 패스에서 손으로 재조정 | 예측·실측 차이만 감시 |
98%
예측 적중률 (전 88%)
±0.2mm
두께 공차
+0.5%
전체 수율
출처: [2] 적중률·공차·수율·후판 연 250만 톤+, [1] 모델·검증·톤수 예시(노트 설계안). 도면은 재구성
5
03 · 현장 ③ 금속 조직 검사
Exhibit 8 · 검사실 정면
1 로봇이 연삭·연마
2 현미경 자동 촬영
3 AI가 결정립 등급 판정
4 검사원은 이상 시료만
기술 스펙
| 입력 | 로봇이 연삭·연마·촬영한 시료 이미지 | 원문 |
| 모델 | 결정립 이미지로 등급 판정, 정확도 95%+ | 원문 |
| 출력 | 등급 + 이상 시료 표시 | 원문 |
| 운영 | 확신도 0.9 미만은 검사원에게, 나머지도 주 5% 재판정 | 노트·가상 |
Exhibit 9 · 시료 1개 처리 시간 (같은 축척)
전
10분
후
3~5분
0분 기준, 60px = 1분. 옅은 부분은 5분까지의 범위
예: 교대조 시료 30개 → 전 300분, 지금 90~150분 가상
3~5분
시료당 처리 (전 10분)
95%+
판정 정확도
출처: [2] 처리 시간·정확도, [1] 확신도 기준(노트 설계안). 단계별 시간 배분은 미공개
6
03 · 현장 ④ 가스·황 배출 관리 (S-Link)
Exhibit 10 · 연소·배출 계통도
1 계기 602개가 변수 수집
2 SO2 위험 1시간 전 경보
3 초 단위 가스 배합 권고
4 배출 기준 안에서 운전
기술 스펙
| 입력 | 공정 변수 602개 + 이미지·지식 데이터 | 원문 |
| 모델 | 발생원 역산 + 시계열 예측 + 최적화 + 게임이론 배출 배분 | 원문 |
| 출력 | 황 위험 1시간 전 경보(95%+), 초 단위 가스 배합 | 원문 |
| 운영 | 경보에 위험 확률·주요 원인·승인자, 승인 후 반영 | 노트 |
Exhibit 11 · 경보 1건 따라가기
T−60분
SO2 182 / 한계 200
위험 0.83
권고
천연가스 혼소 6%
엔지니어
승인 또는 반려
밸브 반영
배출 기준 유지
값은 가상 예시. 반려 사유는 기록해 센서 점검·재학습에 씀
1시간
선행 경보 (정확도 95%+)
−25%+
배출 관련 정지
9만 달러+
연간 경제 효과
출처: [2] 모델 구성·수치(천연가스 혼소 절반 가까이 감소 포함), [1] 경보 절차(노트 설계안). 계통도는 ISA식 재구성
7
04 · 운영 설계 · 노트 설계안
Exhibit 12 · 틀리는 경우 · 감지 신호 · 대응
| 틀리는 경우 | 감지 신호 | 대응 규칙 |
|---|---|---|
| 센서 드리프트 | 예측이 한쪽으로 쏠림, 같은 사유로 권고 반려 | 같은 사유 3회 반려 → 센서 점검 |
| 원료 변경·정비 직후 | 실측과의 차이 패턴이 바뀜, 적중률 하락 | 최근 2주 적중률 < 기준선 → 재학습 |
| 학습 범위 밖 입력 | 새 강종·처음 보는 두께 (in_training_range = false) | AI 보정 끄고 물리값만, 엔지니어 확인 |
| 현장 앱 난립 | 앱 수백 개, 누가 어떤 데이터를 쓰는지 불명 | 등록부 의무화, 기본 읽기 전용, 설정 쓰기는 중앙 검토 앱만 |
사람 개입 지점 설비 설정값이 바뀌는 권고는 모두 엔지니어 승인 후 반영. 확신도 낮은 판정은 사람에게 넘김
Exhibit 13 · 경보 1건의 기록 형식 가상 예시
{
"alert_id": "예: SL-0001",
"scenario": "S-Link SO2",
"horizon_min": 60,
"predicted_value": 182,
"limit": 200,
"risk_prob": 0.83,
"top_drivers": ["…"],
"in_training_range": true,
"recommendation": "천연가스 혼소 6%",
"requires_approval": true,
"approved_by": null,
"model_version": "…"
}
이 기록이 있어야 반려 사유 집계, 재학습 판단, 사후 감사가 가능함
출처: [1] 노트의 기술 디테일(설계안·가상 값). 원문 [2]는 NISCO의 실제 운영 규칙을 밝히지 않음
8
05 · 성과 · 회사 발표
Exhibit 14 · 현장별 변화와 회사 발표 성과
| 현장 | 유형 | 바뀐 일 | 핵심 수치 |
|---|---|---|---|
| 고로 | 먼저 알기 | 터진 뒤 수습 → 최대 2시간 전 예측 | 정확도 90%+ · 우등 쇳물 수율 +10%+ |
| S-Link | 먼저 알기 | 예측·배합·배출을 한 고리로 | 1시간 전 경보 95%+ · 정지 −25%+ · 연 9만 달러+ |
| 압연 | 빨리 맞추기 | 어긋난 설정 → 밀리초 예측·설정 | 적중률 88% → 98% · 두께 편차 1.9% · 수율 +0.5% |
| 조직 검사 | 빨리 맞추기 | 사람 판정 → 로봇 + AI 판정 | 시료당 10분 → 3~5분 · 정확도 95%+ |
| 회사 전체 | 에이전트 25 · 모델 300+ · 현장 앱 1,000+ | 연 1,500만 달러+ 절감 · 신제품 개발 기간 −50% |
먼저 알기
이상이 오기 전에 경보 → 고로 2시간, S-Link 1시간 앞서
빨리 맞추기
사람이 하던 계산·판정을 즉시 → 압연 밀리초, 검사 3~5분
출처: [2]. 모든 수치는 NISCO·화웨이 발표값이며 제3자 검증·측정 방법 세부는 미공개. 유형 구분은 이 덱의 분류
9
06 · 적용 · 노트 제안
Exhibit 15 · 8주 파일럿 일정 예시
전제 설비 연결·데이터 층 먼저 · 물리 공식이 있는 공정 · 스폰서는 생산 조직
계속 갈지 판정 기준 (예시)
적중률 기준선 +5%p 이상
엔지니어 승인률 70% 이상
안전 한계 넘는 권고 0건
팀 (예시)
스폰서 생산본부장·공장장
공정 엔지니어 2 · OT 엔지니어 1~2
품질 1 · 교대조별 현장 챔피언
첫 회의에서 엔지니어에게 물을 것
① 자주 빗나가는 강종·조건
② 허용 오차 범위
③ 필요한 경보 선행 시간
④ 권고를 그대로 쓰면 안 되는 상황
출처: [1] 노트의 현업 실행 제안. 기간·인원·판정 기준은 모두 예시. 원문 미공개: 투자 비용·모델 결합 방식·앱 운영·외부 검증
10