1차로 MES를 구축해 데이터 기반을 만들고, 2차에서 그 위에 예측과 최적화를 올린 현장입니다. 두 과제가 별개 프로젝트가 아니라 한 줄기입니다.
| 업종 | 알루미늄 다이캐스팅 |
|---|---|
| 1차 사업 | MES 구축 — 2023.09 ~ 2024.09생산·품질관리, 표준 테이블 축적 |
| 2차 사업 | 제조AI특화 — 2025.10 ~ 2026.06예지보전 · 품질예측 · 공정최적화 |
| 상태 | 1차 구축 완료 · 2차 진행 중2차 과제 목표 수치는 계획이라 싣지 않았습니다 |
1차로 MES를 구축해 데이터 기반은 만들었습니다. 문제는 그다음이었습니다 — 예측과 최적화가 별개 프로젝트로 떨어지면, 데이터를 다시 모으고 구조를 다시 맞추는 일부터 시작해야 합니다.
많은 공장이 여기서 멈춥니다. MES는 MES대로, AI는 AI대로 따로 놓이면 2차 투자는 1차를 이어받지 못하고 처음부터 다시 쌓는 일이 됩니다.
업종 연출 이미지MES로 공정 실적과 품질 데이터를 표준 테이블에 쌓았습니다. 이 단계의 결과물은 화면이 아니라 데이터 구조입니다.
STACKMES · 생산·품질관리 · 표준 테이블1차에서 만든 같은 테이블 위에 예지보전·품질예측·공정최적화를 올립니다. 데이터를 새로 모으지 않습니다.
STACK예지보전(LSTM AE+CNN) · 품질예측(LSTM-CNN+ATTENTION) · 공정최적화SaaS 방식으로 MES/FEMS를 실증해 초기 투자 부담을 낮췄고, X-RAY 3D CT 검사를 연계했습니다.
STACKSAAS MES/FEMS 실증 · X-RAY 3D CT 연계
구축이 끝나면 관계도 끝나는 방식과의 차이가 여기서 드러납니다. 1차에서 남긴 표준 테이블과 온톨로지가 2차 AI 확장의 토대가 됐고, 고객은 같은 플랫폼 위에서 다음 단계로 넘어갔습니다.
한 번 표준을 세우면 다음 투자는 그 위에 얹힙니다. 그래서 프로젝트마다 시스템을 새로 짜지 않습니다.
플랫폼이 어떻게 이걸 가능하게 하는지 →진단에서 귀사의 데이터 구조를 보고 시작 지점을 제안합니다.