Delta Electronics Closed-Loop Factory: 조립 계획, 소프트웨어 점검, 라인 데이터를 AI로 바꾼 사례 3건

Delta Electronics는 대형 시스템 조립 계획, 사내 소프트웨어 점검, 공장 라인 데이터라는 서로 다른 세 업무를 AI로 바꿨습니다. 세 사례는 같은 구조를 씁니다. 흩어진 데이터를 한 형식으로 모으고 사건이 생기면 바로 판단해 실행 지시까지 잇습니다. 우리 공장에 옮기려면 모델을 고르기 전에 설비·시스템 데이터의 공통 형식과 사건별 처리 규칙부터 정해야 합니다.

요약

대만 타이베이에 본사를 둔 전원·열관리·자동화 기업 Delta Electronics는 2026 Gartner Eye on Innovation Awards 첨단 제조 부문에 사례 세 건을 제출해 소개했습니다. 첫째 Dynamic Assembly Optimization은 대형 시스템 조립 라인의 인력 배치와 자재 이동 계획을 숙련 엔지니어의 수작업에서 자동 조정으로 바꿨습니다. MES(제조 실행 시스템), WMS(창고 관리 시스템), AI 비전 데이터를 IT·IoT·OT(설비를 움직이는 운영 기술) 네트워크로 묶어 예측 모델에 넣습니다. 이어 digital twin(공장을 본뜬 가상 모델)으로 시뮬레이션하고 최적화 결과를 사건이 생길 때마다 현장에 내립니다. 둘째 Smart Software Compliance는 사내 단말에 깔린 소프트웨어 정보를 모아 LLM으로 이름을 정규화하고 AI 규칙 엔진으로 위반을 찾아 티켓까지 자동으로 만듭니다. 셋째 Unified Edge Computing Platform은 전자 조립 설비 통신 표준 IPC-CFX와 자체 엣지 플랫폼 Line Manager를 함께 깔았습니다. 설비마다 다르던 데이터를 한 허브로 모으고 병목·품질·생산 전환·에너지는 라인 옆 엣지 모듈이 맡습니다.

세 사례는 업무가 다르지만, 데이터를 한 형식으로 모은 뒤 판단과 실행을 잇는 구조는 같습니다.

사례집의 성과는 모두 회사가 보고한 실적입니다. 조립 최적화에서는 공정 계획 시간이 50~60% 줄고 라인 밸런스가 15~20% 나아졌습니다. 리드타임은 8~15% 짧아졌고 인력 활용도는 10~20% 올랐습니다. 소프트웨어 점검은 도입하면서 기록 3만 건 이상을 표준화했고 관리 밖에 있던 설치를 20% 이상 찾아냈습니다. 한 건 검토는 15~30분에서 3~5초로, 고위험 취약점 노출은 약 한 달에서 24시간 미만으로 줄었습니다. 엣지 플랫폼은 OEE(설비 종합 효율) 20% 개선, 시간당 생산량 30% 증가, 개발 시간 50% 감소를 보고했고 수천 개 연결 자산에서 전력 사용이 15~20% 줄었습니다. OEE 20%가 상대 개선인지 %p인지는 사례집에 나오지 않습니다. 세 사례 모두 사람이 모아서 판단하던 일을, 표준화한 데이터 위에서 사건마다 돌아가는 판단·실행 고리로 바꿨습니다. 회사가 차별점으로 내세운 것도 계획·실행·물류를 실제 현장과 잇는 cyber-physical closed loop(가상 판단과 현장 실행을 잇는 닫힌 고리)였습니다. 아래에서는 세 사례의 작동 방식을 개념별로 풀고 한국 제조 대기업 AX 조직이 이를 자기 과제로 옮기는 순서를 덧붙였습니다.

사례집에 실린 회사 보고 실적입니다. 사례마다 기준이 달라 서로 합치거나 비교하지 않습니다.

핵심 메커니즘

Event-driven Closed Loop: 계획이 틀어지는 순간 다시 계획하는 고리

하루나 한 주 단위로 계획을 세워 두고 버티는 대신, 사건(event)이 들어오면 그 시점에 예측, 최적화, 실행 지시를 다시 돌리는 구조입니다. 사례집은 이를 event-driven control(사건 기반 제어)이라 부르며 조립 최적화 사례의 뼈대가 됩니다.

입력은 MES의 작업 지시와 공정 진행, WMS의 자재 위치와 재고, AI 비전이 읽은 현장 상태입니다. 예측 모델이 공정별 완료 시점과 자재 도착 시점을 추정하면, 최적화 단계가 생산 스케줄, 작업자 배치와 숙련도 매칭, 자재 경로를 다시 계산합니다. 출력은 현장에 내려가는 배치와 이동 지시입니다. 실행 결과가 다시 MES·WMS 데이터로 돌아와 다음 판단에 쓰이므로 고리가 닫힙니다.

다품종 소량, 긴 조립 시간, 작업자마다 숙련도 차이가 큰 대형 시스템 조립처럼 계획이 자주 깨지는 곳에 맞습니다. 같은 제품을 몇 주씩 반복 생산하는 라인이라면 주기 계획으로 충분합니다.

가상 예시로, 오후 2시에 숙련 배선 작업자 한 명이 빠집니다. 시스템은 남은 인원의 숙련도 표에서 배선 가능 인원을 찾아 공정을 넘기고 그 공정에 들어갈 자재 운반 순서를 바꿉니다. 반장은 15분 안에 새 배치표를 받습니다.

계획 주기를 기다리지 않고 사건이 들어온 시점에 예측과 최적화를 다시 돌립니다.

Digital Twin Simulation: 내리기 전에 가상 라인에서 먼저 돌려 보기

최적화가 내놓은 새 계획을 현장에 내리기 전에 라인의 가상 모델에서 돌려, 병목·대기·자재 정체가 생기지 않는지 확인하는 단계입니다.

공정별 작업 시간 분포, 작업자 숙련도, 설비 상태, 자재 이동 경로를 가상 모델에 넣고 후보 계획 몇 개를 시뮬레이션합니다. 후보마다 라인 밸런스, 리드타임, 인력 활용도를 계산해 가장 나은 안만 실행으로 넘깁니다. 사례집은 이 구성을 decision intelligence platform(예측·최적화·실행을 한 흐름으로 묶는 의사결정 플랫폼)과 디지털 트윈 기술로 분류했습니다.

계획을 바꾸는 비용이 크고(라인 재배치, 자재 재운반) 결과를 미리 보기 어려울 때 씁니다. 공정 시간 데이터가 부족해 가상 모델이 실제와 크게 어긋나면, 트윈보다 데이터 수집을 먼저 합니다.

회사 발표(2026년 8월, Automation Taipei 2026)에 따르면 Delta는 자체 DIATwin 플랫폼과 NVIDIA Omniverse 라이브러리로 라인 단위 디지털 트윈을 만듭니다. AI가 만든 경로를 고정밀 시뮬레이션으로 확인한 뒤 설비 레시피로 바꾸는 방식이고 태국 공장의 AI 서버 전원 라인에서 쓰고 있다고 밝혔습니다. 이 발표는 조립 최적화 사례와 같은 시스템이라고 말하지 않으므로, 같은 회사의 트윈 역량으로만 봅니다.

새 계획은 현장에 내리기 전에 가상 라인에서 먼저 돌려 지표로 고릅니다.

LLM Semantic Normalization: 제각각인 소프트웨어 이름을 하나로 묶기

단말에서 모은 설치 기록의 이름·제조사·버전 표기가 제각각일 때, LLM이 뜻을 읽어 같은 제품끼리 묶고 표준 이름을 붙이는 단계입니다. 소프트웨어 점검 사례의 앞단입니다.

경량 agent와 원격 스캔이 단말마다 설치 정보를 모읍니다. 기존 SAM(소프트웨어 자산 관리) 도구는 이름이 정확히 같아야 같은 제품으로 봤습니다. 그래서 한 제품이 버전, 언어, 배포판마다 다른 문자열로 남으면 사각지대가 생겼습니다. LLM은 이런 변형을 의미로 읽어 표준 제품명으로 정규화하고 관리 대상이 아닌 잡음 기록을 걸러 냅니다. 출력은 규칙 엔진이 그대로 쓸 수 있는 표준 목록입니다.

단말 수와 소프트웨어 종류가 많아 사람이 제품 사전을 관리할 수 없을 때 맞습니다. 관리할 제품이 수십 개뿐이라면 정확 매칭 사전으로 충분합니다.

회사는 정확한 명칭과 정적 매칭에 기대던 기존 도구의 사각지대를 LLM 정규화로 줄였고 표준화·잡음 제거·식별 정확도가 나아졌다고 설명했습니다.

가상 예시입니다. ‘AutoCAD 2024 - English’, ‘Autodesk AutoCAD 2024 (64bit)’, ‘ACAD2024 Language Pack’이 서로 다른 제품으로 잡혀 있다고 해 봅니다. 정규화 뒤에는 앞의 둘이 한 제품의 같은 버전으로 묶이고 언어 팩은 별도 라이선스가 필요 없는 구성 요소로 분류됩니다.

이름이 정확히 같지 않아도 같은 제품이면 하나로 묶은 뒤 규칙 판정에 넘깁니다.

AI Rules Engine과 Ticket API: 위반을 찾아 조치까지 잇기

표준 목록을 라이선스 보유 현황, 금지 목록, 취약점 정보와 맞춰 위반을 찾고 API로 티켓을 만들어 조치가 끝날 때까지 추적하는 단계입니다.

규칙 엔진이 비인가 설치, 라이선스 초과, 고위험 취약점이 있는 버전을 판정합니다. 판정 결과는 API 연동으로 업무 티켓이 되고 담당자 배정과 조치 상태가 대시보드에 모입니다. 사례집은 이 구성을 AI agents, automation, cybersecurity 기술로 분류했습니다.

점검을 분기·반기 감사에 몰아서 하고 찾은 뒤 조치가 메일로 흩어지는 조직에 맞습니다. 단말 수가 적고 설치 권한을 이미 중앙에서 막고 있다면 효과가 작습니다.

가상 예시로, 월요일 오전 스캔에서 원격 접속 도구의 취약 버전이 설계팀 노트북 12대에서 나오면, 규칙 엔진이 ‘고위험’으로 판정하고 단말별 티켓 12건을 IT 지원팀에 배정합니다. 화요일 오전까지 업데이트를 마치지 못한 단말은 팀장에게 알림이 갑니다.

판정에서 멈추지 않고 티켓과 조치 완료까지 한 흐름으로 이어집니다.

Dual-track Data Standard: IPC-CFX 표준과 Line Manager를 함께 깔기

두 트랙을 함께 가는 전략입니다. 하나는 설비 데이터 형식을 업계 표준 IPC-CFX(Connected Factory Exchange)로 맞추는 트랙이고, 다른 하나는 표준을 따르지 못하는 설비와 수작업 공정까지 자체 엣지 플랫폼 Line Manager로 묶는 트랙입니다. 엣지 플랫폼 사례의 바탕입니다.

IPC-CFX는 전자 조립 설비가 작업 시작·완료, 상태 변화, 고장 같은 사건을 정해진 메시지로 주고받게 하는 표준입니다. IPC 안내에 따르면 전송은 AMQP v1.0, 인코딩은 JSON입니다. Line Manager는 CFX 메시지와 비표준 설비 데이터를 받아 라인 단위 production data hub로 모읍니다. 그 위에 아래의 엣지 모듈이 올라갑니다.

설비 공급사가 여러 곳이고 공장이 여러 나라에 있어 자동화를 복제해야 할 때 맞습니다. 설비 한두 종으로 이뤄진 단일 공장이라면 공급사 프로토콜을 직접 받아도 됩니다.

IPC North Asia의 기고(I-Connect007, 2025년 5월)는 Delta가 아시아태평양 첫 IPC-CFX 시연 라인을 만들었다고 전합니다. 2024년 초부터는 설비 공급사에 자사 설비 네트워킹 규격을 지키도록 요구했다고 적었습니다. 회사 발표(2024년 10월, 둥관 스마트 제조 혁신 센터)는 Line Manager를 스케줄·계획, 실시간 모니터링, 이력 추적을 맡는 라인 네트워킹 애플리케이션으로 소개했습니다. 목표로는 ‘분산 제조, 집중 관리’를 내세웠습니다. 2026년 8월 발표에는 수작업 공정과 설비 데이터를 함께 분석해 라인 병목을 찾는 기능이 나옵니다.

가상 예시로, 신규 SMT 라인을 발주할 때 구매 규격서에 ‘CFX 메시지 출력’을 필수 조건으로 넣고 10년 된 수동 검사대에는 바코드 스캐너와 작은 엣지 PC를 달아 같은 허브로 보냅니다.

표준을 따르는 설비와 따르지 못하는 설비를 두 갈래로 받아 한 허브에 모읍니다.

Edge Modules: 100ms 병목 탐지와 품질·전환·에너지 관리

허브에 모인 데이터를 라인 옆 엣지에서 바로 처리하는 모듈 네 개입니다. Edge PQM은 100밀리초 단위 실시간 병목 탐지, Edge TTM은 자동 품질 관리, Edge MES는 생산 전환(changeover) 관리, Edge facility는 에너지 관리를 맡습니다.

병목은 설비 상태에 따라 몇 초 사이에도 다른 공정으로 옮겨 갑니다. 사건을 중앙 서버까지 보냈다가 받는 대신 라인 옆에서 계산하면, 병목이 옮겨 가는 순간을 놓치지 않고 잡습니다. 품질·전환·에너지 모듈도 같은 허브 데이터를 함께 쓰므로, 모듈마다 설비 연동을 새로 만들 필요가 없습니다.

사이클 타임이 짧고 공정이 촘촘히 이어진 전자 조립 라인에 맞습니다. 한 공정에 몇 시간씩 걸리는 대형 조립에는 분 단위 집계로 충분합니다.

사례집은 OEE, 시간당 생산량, 개발 시간, 전력 성과를 플랫폼 전체 단위로 보고했고 모듈별로 나누지 않았습니다.

가상 예시로 보면, 리플로 오븐 앞 버퍼가 차기 시작할 때 Edge PQM이 마운터 쪽 병목을 표시하고 반장 태블릿에 ‘마운터 2호기 노즐 점검’ 알림을 띄웁니다.

사례집이 밝힌 모듈별 역할입니다. 오른쪽 열은 각 모듈이 주로 건드리는 지표를 정리한 것입니다.

통념과 다른 주장

흔히 이렇게 봅니다소프트웨어 자산 관리는 제품명 사전을 잘 만들고 수집한 이름을 사전과 정확히 맞춰 보는 일이라고 봅니다.

Delta는 이렇게 봅니다정확한 이름 맞추기가 오히려 사각지대를 만든다고 보고 이름의 뜻을 읽는 LLM 정규화를 점검의 맨 앞에 두었습니다.

근거도입 과정에서 기록 3만 건 이상을 표준화했고 그동안 관리 밖에 있던 설치가 20% 이상 드러났습니다.

정확 매칭이 놓치던 변형 표기를 의미로 묶자 관리 밖 설치가 드러났습니다.

사례 재구성

Dynamic Assembly Optimization: 대형 시스템 조립의 계획·인력·물류

구분	내용
상황	대형 시스템 조립과 물류에서 인력 배치, 계획, 숙련도 매칭, 자재 경로를 경험 많은 엔지니어가 손으로 짰습니다. 인력 변동, 긴급 주문, 설비 이동, 물류 정체가 잦아 계획이 금방 쓸모없어졌습니다.
한 일	MES·WMS·AI 비전 데이터를 IT·IoT·OT 네트워크로 연결해 예측 모델에 넣고 digital twin 시뮬레이션과 최적화로 스케줄·인력 배치·물류를 사건이 생길 때마다 자동 조정했습니다.
결과	공정 계획 시간 50~60% 감소, 라인 밸런스 15~20% 개선, 리드타임 8~15% 감소, 인력 활용도 10~20% 증가(회사 보고 실적). 적용 라인 수와 기간은 사례집에 나오지 않습니다.
연결	Event-driven Closed Loop, Digital Twin Simulation

숙련자의 머릿속 계획을 데이터와 시뮬레이션 위의 자동 재계획으로 옮겼습니다.

Smart Software Compliance: 사내 소프트웨어 라이선스·보안 점검

구분	내용
상황	디지털 기반이 커지면서 단말과 설치 소프트웨어가 늘어 라이선스·보안 관리가 어려워졌습니다. 점검이 수동이고 사후 대응이라 실시간으로 보이지 않았고 규정에 맞지 않는 소프트웨어가 오래 남았습니다.
한 일	중앙 스캔 플랫폼을 만들었습니다. 경량 agent와 원격 스캔이 실시간 데이터를 모으고 LLM이 이름을 정규화하고 AI 규칙 엔진이 위반을 찾습니다. API로 티켓을 발행해 추적하고 대시보드로 관리합니다.
결과	기록 3만 건 이상 표준화, 미관리 설치 20% 이상 발견, 검토 15~30분에서 3~5초, 고위험 노출 약 한 달에서 24시간 미만(회사 보고 실적). 대상 단말 수는 사례집에 나오지 않습니다.
연결	LLM Semantic Normalization, AI Rules Engine과 Ticket API

점검을 감사 시즌의 수작업에서 상시 자동 판정과 티켓으로 바꿨습니다.

Unified Edge Computing Platform: 표준 통신과 엣지로 라인 데이터 통합

구분	내용
상황	고도로 자동화된 생산을 세계 공장에 복제하기 어려웠습니다. 현장 전문가에게 기대다 보니 생산 지식이 흩어졌고 설비마다 데이터 규격이 달라 실시간 이상 탐지와 데이터 수집이 막혔습니다.
한 일	IPC-CFX 표준과 자체 Line Manager 엣지 플랫폼을 함께 쓰는 dual-track 전략으로 production data hub를 만들고 그 위에 Edge PQM·TTM·MES·facility 모듈을 올렸습니다. 회사는 이 라인을 “APAC’s first fully CFX-compliant line”이라고 불렀습니다.
결과	OEE 20% 개선(상대·%p 여부 미기재), 시간당 생산량 30% 증가, 개발 시간 50% 감소와 시스템 통합 두 배(원문 표현), 수천 개 연결 자산 전력 15~20% 감소(회사 보고 실적).
연결	Dual-track Data Standard, Edge Modules

공장마다 다르던 설비 데이터를 표준 통신과 엣지 플랫폼으로 묶어 복제할 수 있게 했습니다.

기술 디테일: 세 사례를 우리 시스템에서 돌리려면

아래는 사례집에 없는 내용입니다. 세 사례의 구조를 한국 제조 현장의 시스템으로 옮길 때 필요한 설계를 새로 정리했고 숫자는 모두 가상 예시입니다.

이벤트 기반 재계획을 돌리려면(Event-driven Closed Loop) 먼저 사건의 형식을 고정합니다. 사건 하나는 event_id, event_type(absence, urgent_order, equipment_down, material_block), occurred_at, line_id, station_id, payload, source_system 필드를 가진 JSON 메시지로 받습니다. 최적화는 범용 LLM이 아니라 제약 기반 스케줄러에 맡깁니다. OR-Tools CP-SAT 같은 제약 풀이 도구나 MILP 솔버가 맞고 목적 함수는 라인 밸런스, 납기 지연, 계획 변경량의 가중합으로 둡니다. 계획 변경량에 벌점을 주지 않으면 사건마다 배치가 크게 바뀌어 현장이 따라오지 못합니다. 앞으로 30~60분은 동결 구간으로 두고 그 뒤만 다시 짜며 풀이 시간은 60초로 끊어 그때까지 나온 가장 좋은 해를 씁니다. 숙련도는 작업자 × 공정 행렬(0 불가, 1 보조, 2 단독, 3 지도 가능)로 두고 MES 작업 이력에서 분기마다 갱신합니다. 인력 활용도와 라인 밸런스의 계산식은 시작 전에 한 줄로 정해 둡니다. 예를 들어 라인 밸런스는 전체 공정 작업 시간 합을 ‘공정 수 × 가장 긴 공정 시간’으로 나눈 값입니다.

가상 예시입니다. 사건마다 받는 시스템, 다시 계산할 범위, 새 지시를 내릴 시간 한도를 미리 정해 둡니다.

가상 검증을 붙이려면(Digital Twin Simulation) 트윈은 처음부터 3D로 만들 필요가 없습니다. 이산 사건 시뮬레이션(SimPy, Plant Simulation, AnyLogic 같은 도구)으로 공정 시간 분포와 자재 이동만 넣어도 후보 계획 비교에는 충분합니다. 후보마다 난수 시드를 바꿔 10회씩 돌리고 평균과 90번째 백분위 리드타임을 함께 봅니다. 트윈을 믿기 전에 지난 2주 실적을 다시 돌려, 공정별 사이클 타임 오차가 10% 안에 드는지 확인합니다. 오차가 크면 결원이나 대기 같은 빠진 사건이 있는지 MES 기록부터 봅니다.

LLM 정규화를 돌리려면(LLM Semantic Normalization) 호출 단위는 ‘고유한 원본 문자열 하나’입니다. 같은 문자열이 수천 대 단말에 있어도 해시 캐시로 한 번만 부릅니다. 출력은 JSON 스키마로 강제합니다: canonical_product, vendor, edition, version_major, is_component(구성 요소 여부), license_required, confidence(0~1), evidence(판단 근거 문자열). temperature는 0으로 두고 confidence가 0.8 미만이면 같은 입력을 3회 다시 불러 결과가 갈리는지 봅니다. 갈리면 사람 검토 큐로 보냅니다. LLM이 지어낸 제조사 이름을 막으려면 사내 승인 제품 사전과 대조해, 사전에 없는 canonical_product는 ‘신규 후보’로만 올립니다. 모델은 큰 범용 모델이 아니어도 됩니다. 사내망에 둘 수 있는 중형 오픈 모델이나 사내 승인 API로 시작하고 비용을 줄이려면 문자열 20개를 한 호출에 묶되 결과는 문자열별 배열로 받습니다. 판정은 LLM에 맡기지 않습니다. 규칙 엔진은 정규화된 값을 받아 같은 입력이면 같은 결과가 나오는 규칙으로 돌립니다.

가상 설계 예시입니다. 같은 문자열은 한 번만 부르고, 확신이 낮은 결과만 사람에게 보냅니다.

규칙 엔진과 티켓을 잇으려면(AI Rules Engine과 Ticket API) 규칙은 세 묶음으로 나눕니다. 금지 목록 위반, 라이선스 보유 수 초과, 취약 버전입니다. 취약 버전은 NVD의 CPE(제품 식별 표기)와 정규화된 제품·버전을 맞춰 CVSS 7.0 이상을 고위험으로 봅니다. 티켓은 device_id + canonical_product + rule_id를 중복 방지 키로 써서 같은 위반이 매일 새 티켓이 되지 않게 합니다. ITSM(ServiceNow, Jira 같은 업무 관리 도구) API로 만들고 고위험은 24시간, 라이선스 초과는 5영업일처럼 규칙마다 조치 기한을 붙입니다. 사례집의 ‘검토 3~5초’를 우리 지표로 옮기려면 검토 시간을 ‘스캔 완료부터 판정 결과 기록까지’로 정의해 로그로 잽니다.

CFX와 엣지 데이터를 받으려면(Dual-track Data Standard, Edge Modules) 라인마다 AMQP 브로커를 하나 두고 CFX 메시지(작업 시작·완료, 설비 상태 변화, 고장)를 받아 엣지 PC에 원본으로 7일 보관합니다. 공장 허브로는 1분 집계만 올립니다. 병목 계산은 공정별로 ‘작업 중’ 상태가 이어진 시간이 가장 긴 곳을 찾는 방식이 단순하고 설명하기 쉽습니다. 상태 변화 메시지의 시각으로 계산하므로 100밀리초 해상도가 유지됩니다. 비표준 설비는 PLC 태그를 OPC UA로 읽어 CFX 형식으로 바꾸는 어댑터를 Line Manager 역할의 엣지에 둡니다. OEE는 가용률 × 성능률 × 양품률로 공장 공통 정의를 정하고 개선 폭은 상대값과 %p를 함께 기록합니다.

가상 설계 예시입니다. 빠른 판단은 라인 옆에서, 비교와 배포는 중앙에서 합니다.

실패 경우	증상	대응
재계획이 너무 잦음	반장이 배치표를 무시	동결 구간 30~60분, 변경량 벌점, 한 시간 재계획 횟수 상한
트윈과 실제가 어긋남	채택안이 현장에서 더 느림	2주 실적 재현으로 오차 10% 안 확인, 빠진 사건 보강
LLM이 제품을 잘못 묶음	라이선스 수 과대 집계	사전 대조, confidence 0.8 미만 3회 재호출, 사람 검토
티켓 폭주	같은 위반이 매일 반복 생성	중복 방지 키, 위반 상태가 바뀔 때만 갱신
CFX 미지원 설비	허브에 빈 공정	OPC UA 어댑터, 수작업 공정은 바코드 스캔

현업 실행 디테일: 누가, 언제, 무엇을

세 사례를 한꺼번에 시작할 필요는 없습니다. 위험이 낮고 효과가 빨리 보이는 소프트웨어 점검을 먼저 하고 라인 데이터 표준을 깐 뒤, 그 데이터 위에 이벤트 재계획을 올리는 순서가 현실적입니다. 아래 역할, 일정, 판정 기준은 모두 가상 예시입니다.

역할	담당 예	할 일
AX 추진 리더	AX 추진 조직 팀장	세 과제 범위·순서 결정, 판정 회의 주재
IT 보안·SAM 담당	정보보안팀, IT 자산 담당	단말 스캔 범위, 금지 목록, 조치 기한 규칙
생산기술(IE)	공장 생산기술팀	공정 시간 표준, 라인 밸런스 계산식, 트윈 검증
MES·설비 담당	제조 IT, 설비보전팀	설비 목록과 통신 방식 조사, CFX·OPC UA 연동
설비 구매	구매팀 설비 파트	신규 설비 구매 규격서에 데이터 출력 조건 반영
현장 반장	시범 라인 반장 2명	사건 정의 검토, 재배치 지시 수용성 피드백
데이터 엔지니어	AX 조직 또는 협력사	사건 메시지, 캐시, 허브 집계 파이프라인

시작 전 준비물. 단말 소프트웨어 설치 원본 목록(최근 1회 스캔분)과 라이선스 계약 목록, 시범 라인의 설비 목록(제조사·모델·통신 방식), MES 작업 실적 3개월분, 작업자 숙련도 현황, 지난 한 달 동안 계획을 바꾼 사건 기록(날짜·원인·바꾼 내용)을 모읍니다.

가상 예시입니다. 위험이 낮은 소프트웨어 점검부터 시작해 라인 데이터 표준, 이벤트 재계획 순서로 쌓습니다.

기간	할 일	산출물
1~4주	한 사업장 단말 대상 스캔, LLM 정규화와 사람 검토 비교	정규화 정확도 표, 미관리 설치 목록
1~3주	시범 라인 설비·통신 방식 조사	설비 데이터 지도(CFX 가능, OPC UA, 수작업)
4~6주	규칙 엔진·티켓 연동 시범, 시범 라인 허브 구축	조치 기한 준수율, 라인 상태 대시보드
4~6주	계획 변경 사건 정의와 처리 규칙 합의	사건 유형표, 동결 구간 규칙
7~9주	트윈으로 지난 2주 재현, 후보 계획 비교	트윈 오차 보고 후보안 비교표
7~9주	신규 설비 구매 규격서 개정안	데이터 출력 조건이 들어간 규격서
10~12주	시범 라인에서 사건 기반 재배치 2주 운영	계획 시간·라인 밸런스 전후 비교

확인 질문. 반장에게는 “지난주 계획을 몇 번 다시 짰고 한 번에 몇 분 걸렸나”, “배치를 바꿀 때 누구에게 무엇을 먼저 확인하나”를 묻습니다. 보안팀에는 “취약점 공지가 나온 뒤 마지막 단말까지 조치하는 데 며칠 걸렸나”, “라이선스 감사에서 지적받은 제품은 무엇인가”를 묻습니다. 설비 담당에게는 “이 설비의 상태를 지금 몇 초 단위로 읽을 수 있나”, “공급사가 데이터 출력 규격 변경에 응할까”를 확인합니다.

진행 판정 기준(예시). 6주차 1차 판정에서는 LLM 정규화가 사람 검토와 95% 이상 일치하고 고위험 티켓의 24시간 내 조치율이 80%를 넘으면 소프트웨어 점검을 전사로 넓힙니다. 시범 라인 공정의 80% 이상이 허브에 1분 안에 들어오면 다음 단계로 갑니다. 12주차 최종 판정에서는 트윈 사이클 타임 오차 10% 이내, 시범 라인 재계획 시간 30% 이상 단축, 반장 2명 모두 계속 쓰겠다는 답을 기준으로 둡니다. 하나라도 못 미치면 원인을 고친 뒤 4주를 더 돌립니다.

AX 적용 제언. 한국 제조 대기업에서는 세 사례 중 소프트웨어 점검이 가장 빨리 성과를 냅니다. OT 설비를 건드리지 않고 IT 보안팀과 AX 조직만으로 4~6주 안에 결과를 볼 수 있습니다. 다음 과제는 설비 데이터 표준입니다. Delta가 2024년 초부터 공급사에 네트워킹 규격을 요구했듯, 신규 설비 구매 규격서를 고치는 일은 비용이 거의 들지 않으면서 몇 년 뒤의 데이터 준비도를 결정합니다. 이벤트 재계획은 그 데이터가 쌓인 라인에서, 계획을 가장 자주 다시 짜는 공정부터 시작합니다. 현업 스폰서는 공장장으로 두고 판정 지표는 계획 시간과 라인 밸런스처럼 공장이 이미 보는 숫자로 맞추면 확산이 쉽습니다.

원문 사례

항목	Dynamic Assembly Optimization	Smart Software Compliance	Unified Edge Computing Platform
회사	Delta Electronics, Inc.(대만 타이베이)	같음	같음
제출처	2026 Gartner Eye on Innovation Awards, 첨단 제조	같음	같음
문제	숙련자 수동 계획, 잦은 변동으로 계획 무효화	단말·소프트웨어 증가, 수동·사후 점검	현장 전문가 의존, 설비별 데이터 규격 차이
방법	MES·WMS·AI 비전 연결, 예측·digital twin·최적화, 이벤트 기반 제어	경량 agent·원격 스캔, LLM 정규화, AI 규칙 엔진, API 티켓, 대시보드	IPC-CFX + Line Manager, Edge PQM(100ms)·TTM·MES·facility
기술 분류	AI, 데이터·분석, 디지털 트윈·시뮬레이션, 컴퓨터 비전, decision intelligence	AI agents, 자동화, 데이터·분석, AI, 사이버보안	AI, 데이터·분석, 디지털 트윈, 컴퓨터 비전, decision intelligence, IoT
보고 성과	계획 시간 -50~60%, 라인 밸런스 +15~20%, 리드타임 -8~15%, 인력 활용 +10~20%	기록 3만+ 표준화, 미관리 20%+ 발견, 검토 15~30분→3~5초, 고위험 노출 약 1달→24h 미만	OEE +20%, 시간당 생산 +30%, 개발 시간 -50%(통합 2배), 전력 -15~20%
공개 자료	회사 발표(2026.8): DIATwin·Omniverse 라인 트윈, 태국 공장 적용	확인 못 함	IPC 기고(2025.5): 아태 첫 CFX 시연 라인. 회사 발표(2024.10, 2026.8): Line Manager 기능

핵심 개념

MES / WMS: MES는 작업 지시와 공정 진행을 관리하는 제조 실행 시스템, WMS는 자재 위치와 입출고를 관리하는 창고 관리 시스템.
IT · IoT · OT: 사무 시스템(IT), 센서·기기 연결(IoT), 설비를 직접 움직이는 제어 시스템(OT). 세 네트워크를 잇는 일이 조립 최적화의 전제다.
line balance(라인 밸런스): 공정별 작업량이 얼마나 고르게 나뉘었는지의 정도. 가장 느린 공정이 라인 속도를 정한다.
OEE: Overall Equipment Effectiveness. 가용률, 성능률, 양품률을 곱한 설비 종합 효율.
IPC-CFX: IPC가 정한 전자 조립 설비 데이터 교환 표준. AMQP v1.0 전송, JSON 인코딩.
SAM: Software Asset Management. 설치된 소프트웨어와 라이선스 보유 현황을 맞춰 관리하는 일.
CVE / CPE / CVSS: 공개 취약점 번호(CVE), 제품을 가리키는 표준 표기(CPE), 취약점 심각도 점수(CVSS).
changeover(생산 전환): 라인에서 만드는 제품을 바꿀 때 설비 설정과 자재를 바꾸는 작업.
decision intelligence: 데이터, 예측, 최적화, 실행을 한 흐름으로 묶어 의사결정을 자동화하거나 돕는 접근.

내 메모

TODO: 내 생각 추가

근거: 사용자가 제공한 Gartner 2026 Eye on Innovation Awards Greater China 사례 자료(Delta Electronics 사례 3건, 슬라이드 7~9)와 확인한 공개 자료입니다. 공개 자료: IPC North Asia, ‘Delta Builds First IPC-CFX Demonstration Line in Asia-Pacific’(I-Connect007, 2025.5.14, https://mail.iconnect007.com/article/145306/delta-builds-first-ipccfx-demonstration-line-in-asiapacific/145303/smt), Delta 보도자료 ‘Delta Showcases Embodied AI Dual-Arm Robot Platform and AI-Enhanced Production Line Digital Twin at Automation Taipei 2026’(2026.8.19, https://www.placera.se/pressmeddelanden/delta-showcases-embodied-ai-dual-arm-robot-platform-and-ai-enhanced-production-line-digital-twin-at-automation-taipei-2026-20260819), Delta 뉴스룸 둥관 스마트 제조 혁신 센터 개소(2024.10.24, https://www.deltaww.com/zh-tw/news/39394), IPC-CFX 안내(https://cfx.ipc.org). Smart Software Compliance 사례는 추가 공개 자료를 확인하지 못했고 수상 여부도 공개 자료로 확인하지 못했습니다. 성과 수치는 모두 회사 보고 실적이며 검증된 값이 아닙니다. 요약·메커니즘·사례 재구성은 사례 자료를 AX Review가 다시 정리했고 기술·현업 디테일, 표, 인포그래픽은 새로 작성했으며 그 안의 숫자는 가상 예시입니다.