AI-enabled Technical Records: GE Aerospace 정비 공장이 엔진 서류 수집을 자동화해 처리 시간 25% 단축

정비 현장에서 AI를 가장 먼저 쓸 곳은 엔진을 진단하는 일보다, 입고 때마다 반복되는 서류 모으기일 수 있습니다. GE Aerospace는 이 단계를 자동화해 처리 시간을 약 25% 줄였고, 그 효과를 린 운영 체계 위에서 키웠습니다. 우리 현장에 옮기려면 모을 문서와 필드를 먼저 정의하고, 단계 시간과 전체 소요 기간을 따로 재야 합니다.

요약

GE Aerospace CEO Larry Culp는 2026년 10월 20일 3분기 실적 발표에서 정비(MRO, Maintenance·Repair·Overhaul) 현장의 AI 사례 하나를 소개했습니다. 회사의 가장 큰 정비 사이트인 Celma에서 현장 팀이 AI-enabled tool(AI 기반 도구)을 직접 만들었습니다. 이 도구는 CFM56 엔진이 shop visit(정비 입고)할 때마다 필요한 technical records(엔진 이력과 정비 기록 서류)를 자동으로 모읍니다. Culp에 따르면 기록 처리 시간이 약 25% 줄었습니다. 그는 이 사례를 회사의 린 운영 체계인 FLIGHT DECK과 묶어 설명했습니다. FLIGHT DECK으로 얻은 성과가 AI로 “further accelerated(한층 빨라졌다)“는 것입니다.

입고 한 건마다 반복되는 서류 모으기 단계를 AI 도구로 자동화했습니다(원문 발표).

결과는 공장 한 곳의 단계 개선에 그치지 않고 네트워크 지표로 이어졌습니다. 같은 분기 내부 정비 산출량은 다시 사상 최고였고, 정비 소요 기간(turnaround time)은 2025년 말보다 1주 넘게, LEAP 엔진은 2주 줄었습니다. 다만 네트워크 수치는 FLIGHT DECK의 여러 조치를 합한 결과이며, 기록 도구 하나의 몫으로 나눠 밝히지는 않았습니다. 수요 압력도 큽니다. 입고를 기다리는 엔진은 연초보다 20% 늘었고, CFM56은 기단의 3분의 2가 아직 두 번째 정비를 받지 않았습니다. 일감이 밀린 공장에서는 입고 한 건마다 반복되는 서류 단계가 곧 병목입니다. 아래에서는 기술 기록 수집이 무엇이고 왜 AI를 붙이기 좋은지 풀고, 우리 정비·검사 현장에 옮길 설계와 일정을 덧붙였습니다.

네트워크 수치는 FLIGHT DECK과 AI를 포함한 여러 조치의 합입니다. 기록 도구 하나의 효과로 나눠 밝히지는 않았습니다.

핵심 메커니즘

Technical Records: 정비 입고마다 모아야 하는 엔진 이력 서류

항공기 엔진은 정비에 들어갈 때마다 지난 이력을 증명하는 서류가 함께 와야 합니다. 일반적인 MRO 업무 기준으로 보면 엔진 로그북, 이전 정비 보고서, LLP(Life-Limited Parts, 수명 제한 부품)의 사용 이력, AD(Airworthiness Directive, 감항성 개선 지시)와 SB(Service Bulletin, 제작사 정비 권고) 이행 기록, 부품 인증 태그가 들어갑니다. 이 서류는 고객사 시스템, 스캔본, 이전 정비사의 보고서처럼 여러 곳에 흩어져 있습니다. 서류가 다 모여야 작업 범위(work scope)를 확정하고 분해를 시작할 수 있으므로, 이 단계가 늦으면 엔진 전체가 기다립니다.

AI를 붙이기 좋은 이유는 일이 반복되고 정답이 서류 안에 있기 때문입니다. 판단을 바꾸는 일이 아니라 찾고, 읽고, 맞춰 보는 일입니다. GE가 도구의 내부 구조를 밝히지는 않았습니다. 아래 그림은 이 단계가 하는 일을 일반 업무 기준으로 풀어 본 것입니다.

기술 기록 수집이 하는 일을 일반적인 MRO 업무 기준으로 풀었습니다. GE 도구의 내부 구조는 원문에서 밝히지 않았습니다.

FLIGHT DECK: 린 운영 위에 AI를 얹는 순서

FLIGHT DECK은 GE Aerospace의 린 운영 체계입니다. Culp는 이 체계가 안전, 품질, 납기, 비용을 늘 이 순서로 다룬다고 설명했습니다. 같은 발표의 다른 사례는 AI 없이 이 체계만으로 낸 성과입니다. LEAP 팬 조립 라인은 배치를 바꾸고 작업대마다 표준 작업을 정해 산출량을 두 배 넘게 늘렸습니다. 협력사와 함께 F414 부품의 수리 시간을 줄여 산출량을 두 배로 늘린 사례도 있습니다.

Celma 사례는 이 흐름 위에 있습니다. 공정과 표준 작업을 먼저 정리하면, 그 안에서 반복되는 손작업이 또렷이 보이고 AI가 맡을 범위도 좁아집니다. 정리되지 않은 공정에 AI를 먼저 넣으면 무엇을 줄였는지 재기 어렵습니다. 안전과 품질이 비용보다 앞서는 순서도 그대로입니다. 기록 수집은 감항성과 이어지는 일이므로, 빨라져도 사람의 확인을 건너뛰지 않는 설계가 맞습니다.

FLIGHT DECK은 안전·품질·납기·비용 순으로 판단하고, AI는 그 위에서 이미 다듬은 일을 빠르게 합니다.

Step Time과 Shop TAT: 단계 시간과 전체 소요 기간을 따로 재기

발표에는 세 종류의 숫자가 나옵니다. Celma의 기록 처리 시간 약 25%는 단계 하나의 시간입니다. 2025년 말 대비 1주 넘게 줄었다는 수치는 입고부터 출고까지의 전체 소요 기간(TAT)이고, 사상 최고 산출량은 공장이 분기에 내보낸 엔진 수입니다. 세 지표는 측정 범위가 다릅니다. 단계 시간이 줄어도 다음 단계가 병목이면 TAT는 그대로일 수 있습니다.

우리 현장에서도 AI 효과를 단계 시간으로 먼저 재고, TAT는 함께 바뀐 다른 조치와 분리해 해석해야 합니다. 기록 단계가 TAT의 몇 %를 차지하는지 모르면 25%가 며칠인지도 알 수 없습니다. 원문은 이 비중을 밝히지 않았습니다.

단계 시간, 전체 소요 기간, 산출량은 다른 지표입니다. 원문도 셋을 따로 밝혔습니다.

통념과 다른 주장

흔히 이렇게 봅니다정비 현장의 AI는 엔진 검사 영상 판독이나 고장 예측처럼 기술 판단에 먼저 쓰인다고 흔히 봅니다.

Culp는 이렇게 봅니다실적 발표에서 내세운 정비 AI 사례는 입고 서류 수집이었고, 그는 이를 린 운영 성과를 빠르게 하는 수단으로 소개했습니다.

근거Celma의 기록 처리 시간 약 25% 단축을 FLIGHT DECK의 라인 개선 사례와 나란히 들고, 네트워크 TAT 단축과 사상 최고 산출량으로 이었습니다.

정비 현장의 AI 첫 사례로 서류 단계를 꼽고, 린 운영 위에 얹는 순서를 강조했습니다.

저자가 든 사례

Celma: CFM56 입고마다 기술 기록 수집 자동화

항목	내용
상황	CFM56 정비 수요가 높은 시기. 입고마다 기술 기록을 모아야 함. Celma는 GE의 가장 큰 MRO 사이트
한 일	현장 팀이 기술 기록 수집을 자동화하는 AI 기반 도구를 개발
결과	기록 처리 시간 약 25% 단축. 도구 이름, 사용 모델, 적용 기간은 원문에서 밝히지 않음
연결	Technical Records, FLIGHT DECK 위의 AI, Step Time과 Shop TAT 구분

Celma 사례를 상황 → 한 일 → 결과로 다시 짰습니다.

LEAP 팬 조립 라인: AI 없이 린만으로 낸 성과

항목	내용
상황	LEAP 설치 기반이 2025년부터 2030년까지 두 배 넘게 늘 전망
한 일	FLIGHT DECK으로 라인 배치를 바꾸고 작업대별 표준 작업을 정함
결과	팬 조립 산출량 두 배 이상
연결	AI를 얹기 전에 공정을 정리하는 FLIGHT DECK의 순서

AI 없이 린만으로 낸 결과입니다. Celma 사례와 같은 운영 체계 안에 있습니다.

기술 디테일: 기록 수집 도구를 우리 현장에 만들려면

아래는 실제로 돌릴 때 필요한 설계를 새로 정리한 것이며, GE 도구의 실제 구조가 아닙니다. 항공 정비 외에도 설비 정비, 품질 검사, 수입 검사처럼 작업 전에 이력 서류를 모으는 현장에 그대로 쓸 수 있습니다.

Technical Records를 자동으로 모으려면 문서 목록과 필드 스키마부터 고정합니다. 문서 종류마다 뽑을 필드를 타입과 함께 정하고, 모델에는 구조화 출력(JSON)만 받습니다. 가상 예시 스키마입니다.

{
  "engine_serial": "string",
  "document_type": "logbook | shop_report | llp_sheet | ad_sb_record | part_tag",
  "llp": [{"part_number": "string", "cycles_since_new": "integer", "cycle_limit": "integer"}],
  "ad_sb": [{"id": "string", "status": "complied | open | n_a", "evidence_page": "integer"}],
  "missing_documents": ["string"],
  "confidence": "number 0~1",
  "source_file": "string"
}

가상 설계: 추출은 모델, 계산과 판정은 규칙, 승인은 사람이 맡습니다.

모델은 추출만, 계산과 판정은 규칙으로 나눕니다. 문서 분류와 필드 추출은 문서 AI나 LLM에 맡기되 temperature는 0으로 둡니다. LLP 잔여 사이클(한도 − 사용량)이나 AD 이행 여부 판정은 코드로 계산합니다. 모델이 숫자를 계산하게 두면 실행마다 결과가 흔들릴 수 있기 때문입니다. 같은 문서를 3회 추출해 값이 다르면 그 필드는 자동 처리에서 빼고 사람 검토로 보냅니다.

모든 값에 근거 위치를 남깁니다. 필드마다 원본 파일명과 페이지(evidence_page)를 붙여, 기록 담당자가 클릭 한 번으로 원문을 확인하게 합니다. 감항성과 이어지는 기록이므로 자동 확정은 하지 않고, confidence 0.9 미만이거나 누락 문서가 하나라도 있으면 검토 대기로 둡니다(가상 기준).

실패하는 경우를 먼저 모읍니다. 손글씨 태그, 기울어진 스캔본, 이전 정비사의 양식 차이, 같은 부품의 번호 표기 차이가 흔한 실패 원인입니다. 파일럿 첫 주에 실패 문서 30건을 모아 유형별로 분류하고, 표기 차이는 부품 번호 정규화 규칙으로, 화질 문제는 재스캔 요청으로 처리합니다.

현업 실행 디테일: 누가, 언제, 무엇을

역할(가상 예시)

역할	하는 일
공장장(스폰서)	대상 기종과 공장을 정하고 4주차 판정 회의를 주관
기록 담당 리드	문서 목록과 필드 정의, 검토 승인, 실패 문서 수집
린 담당	기존 작업 시간 측정, 표준 작업 갱신
AI 엔지니어 1~2명	추출 파이프라인, 규칙 엔진, 검토 화면
품질 · 감항 담당	자동화 범위와 사람 확인 지점 승인

시작 전 준비물: 최근 입고 20~30건의 기록 묶음(스캔본 포함), 현재 기록 수집에 쓰는 체크리스트, 단계별 소요 시간 기록, 문서 저장 위치 목록.

가상 예시: 한 엔진 기종, 한 공장에서 4주. 3주차에는 기존 방식과 나란히 돌립니다.

기간	할 일	산출물
1주차	기록 단계 시간 기준 측정, 실패 문서 30건 수집	기준 시간, 문서 목록
2주차	필드 스키마 확정, 샘플 20건 추출 시험	스키마 v1, 필드별 정확도
3주차	실제 입고 건에 기존 방식과 병행 운영	건별 시간 비교, 오류 목록
4주차	결과 판정, 표준 작업 갱신 여부 결정	판정 보고서

확인 질문: 기록이 다 모일 때까지 엔진은 평균 며칠 기다리나? 기록 단계는 TAT의 몇 %인가? 가장 자주 빠지는 서류는 무엇이고 누구에게 다시 요청하나? 자동 추출 값을 누가 어떤 화면에서 확인하나?

진행 판정 기준(가상 예시): 기록 단계 시간이 기준 대비 20% 이상 줄고, 필수 필드 정확도 98% 이상, 감항 관련 필드에서 놓친 오류 0건이면 다음 기종으로 넓힙니다. 시간이 줄어도 놓친 오류가 한 건이라도 있으면 범위를 넓히지 않고 규칙을 보강합니다.

어디에 먼저 쓸까. 첫 적용처는 일감이 밀려 대기열이 생긴 공장의 입고 서류 단계가 좋습니다. 반복이 많고 정답이 서류 안에 있으며, 시간 단축이 곧 처리량으로 이어지기 때문입니다. 순서는 GE처럼 린이 먼저입니다. 단계별 시간을 재고 표준 작업을 정한 뒤 AI를 얹어야 효과를 숫자로 보여 줄 수 있습니다. 현업 스폰서는 IT가 아니라 공장장이 맡아야 합니다. Celma에서도 도구를 만든 쪽이 현장 팀이었습니다.

원문 사례

항목	내용
발표	GE Aerospace 2026년 3분기 실적 발표, 2026.10.20
화자	Larry Culp(회장 겸 CEO), Rahul Ghai(CFO)
AI 사례	Celma(최대 MRO 사이트) CFM56 입고별 기술 기록 수집 자동화, 처리 시간 약 25% 단축
네트워크 정비	내부 shop visit 산출량 사상 최고, TAT 2025년 말 대비 1주 넘게 단축(LEAP 2주)
수요	입고 대기 엔진 연초 대비 20% 증가, CFM56 기단 3분의 2가 두 번째 정비 전
FLIGHT DECK 사례	LEAP 팬 조립 라인 산출량 두 배 이상, F414 부품 수리 산출량 두 배
분기 실적	수주 49% 증가, 매출 18% 증가, EPS 2.25달러, 잉여현금흐름 약 20억 달러

핵심 개념

MRO: Maintenance·Repair·Overhaul. 항공기와 엔진의 정비·수리·오버홀 사업과 그 공장.
shop visit: 엔진이 날개에서 내려 정비 공장에 들어가는 한 번의 입고. 정비 물량을 세는 단위.
CFM56 / LEAP: GE와 Safran의 합작사 CFM International이 만드는 협동체 항공기용 엔진. LEAP이 CFM56의 후속 기종.
turnaround time(TAT): 엔진이 입고해서 출고될 때까지 걸리는 기간.
LLP: Life-Limited Parts. 사용 사이클 한도가 정해진 부품. 한도 도달 전에 교체해야 함.
AD / SB: 감항 당국의 강제 개선 지시와 제작사의 정비 권고. 이행 여부가 기록에 남아야 함.
work scope: 이번 정비에서 어떤 작업을 할지 정한 범위. 기록이 모여야 확정됨.

내 메모

TODO: 내 생각 추가

원문: GE Aerospace, 2026년 3분기 실적 발표 웹캐스트 녹취록(2026.10.20), Larry Culp·Rahul Ghai 발언. 요약·메커니즘·통념과 다른 주장·사례·원문 사례 표는 발표 내용을 AX Review가 다시 정리했습니다. 수치는 회사 발표입니다. 기술 기록의 구성(로그북, LLP, AD/SB, 부품 태그)은 일반적인 항공 정비 업무 기준으로 덧붙인 설명이며, GE 도구의 구조를 밝힌 것이 아닙니다. 기술·현업 디테일, JSON 스키마, 일정·판정 기준, 인포그래픽은 새로 작성했으며 숫자는 가상 예시입니다. 발표 전문은 GE Aerospace 투자자 페이지의 녹취록에서 볼 수 있습니다.