VEXPLOR
TECHNOLOGY

그럴듯한 AI가 아니라,책임지는 AI를 만듭니다.

공장에서 AI가 틀리면 라인이 멈춥니다. 그래서 우리는 모든 답을 온톨로지로 검증하고, 제어권은 검증된 만큼만 넘기며, 표준화된 공장에서만 자율화를 진행합니다.

3 TECH GROUPS · PATENTS REG 3 / FILED 2 · GEN-1 2025 → GEN-2 2026
01TECH MAPTHREE GROUPS

세 가지 기술이
모두 제조 현장을 향합니다.

T-A지식·검색 엔진답이 근거를 벗어나지 못하게 하는 기술입니다. 표 정의에서 유도한 관계 그래프와 문서에서 근거를 찾아, 답마다 근거가 된 기록을 함께 보여 줍니다. GRAPH표 정의에서 유도한 관계 그래프 · 업무 저장과 같은 트랜잭션으로 반영
RETRIEVAL그래프 · 문서 결과를 RRF로 융합
CONNECT외부 AI 연결용 MCP 도구 5개
T-B자율화 거버넌스·운영자율화에 앞서 규율부터 갖춥니다. 성능은 약속이 아니라 계약 지표로 검수받습니다. AUTHORITYAAF L0 조회 · L1 제안 · L2 승인 후 실행 · L3 자동 실행 · L4 긴급 대응
VERIFYSHACL 물리 제약 실행 전 검사 · SHADOW MODE 검증
OPS계약 검증 방법론 (MAPE · F1 명문화)
T-C표준·연동설비 데이터를 국제표준 형식으로 통합합니다. 수집은 개방 프로토콜로, 의미 부여는 자산관리쉘(AAS)로 합니다. STANDARDAAS(IEC 63278) AI 서브모델 표준화 — 국가 참조모델 컨소시엄 주관
PIPELINEOPC-UA · MQTT → KAFKA · EDGE GATEWAY
딥다이브 — 다크팩토리는 이렇게 구현합니다 (데이터 수집부터 생산까지) →
02EVIDENCE FIRSTNO EVIDENCE · NO ANSWER

근거가 없으면
답하지 않습니다.

범용 챗봇은 그럴듯한 문장을 만들지만, 제조 현장은 그럴듯함이 아니라 근거를 요구합니다. VEXPLOR는 정의와 관계를 따라 회사 기록에서 근거를 찾고, 근거가 없으면 답하지 않습니다.

품목·설비·공정·품질이 어떻게 연결되는지 이미 정의된 온톨로지가 있기 때문에, 답은 정의된 관계를 따라 찾은 근거와 함께 나옵니다.

지식그래프 추상 씬FIG.3 — KNOWLEDGE GRAPH
QUERY → RETRIEVE [ 정의 · 관계 그래프 ] → GROUNDING CHECK [ 근거 0이면 답하지 않음 ] → ANSWER + EVIDENCE FIG.4 — EVIDENCE-FIRST PIPELINE
03HOW WE SEE A FACTORYFIVE PREDICATES · NOT A PARTS LIST

온톨로지를 가졌느냐가 아니라
무엇을 넣었느냐가 다릅니다.

품목·설비·공정을 연결하는 것은 출발점입니다. 정작 공장이 답을 원하는 질문은 그다음에 있습니다 — "다음 주에 우리를 멈출 수 있는 것은 무엇인가." 명사만 담은 스키마에는 이 질문을 물어볼 자리가 없습니다.

그래서 우리는 공장을 부품 목록으로 적지 않습니다. 사람·설비·자재·공법·전산 시스템은 하나씩 지워 봐도 공장이 성립합니다. 외주로, 대체기로, 무인 라인으로, 종이로 계속 만들 수 있기 때문입니다. 전부 바꿔 낄 수 있는 수단이며, 바꿔 껴도 남는 다섯 가지가 공장을 공장이게 합니다.

P-1약속한다수량·시각·규격·상대방이 확정됩니다. 이것 하나가 없으면 남는 것은 팔릴지 모르는 물건을 쌓는 창고입니다. OBJECT고객주문 · 작업지시 · 구매발주 — 유일하게 미래를 담는 객체
P-2변환한다물리 상태가 실제로 바뀝니다. 이것 하나가 없으면 보관과 이동만 남아 물류창고가 됩니다. OBJECT공정 · 자원 · 품목 — 소비와 산출이 대응되고 품목은 보존됩니다
P-3판정한다결과가 규격에 맞는지 결정됩니다. 이것 하나가 없으면 불량이 함께 나가고, 협력사 등급이 떨어지면 수주 자격 자체를 잃습니다. OBJECT기준 · 사건 — 기준만 시간 밖에 있고 유효일자로만 바뀝니다
P-4증명한다무엇을 언제 어떤 조건으로 만들었는지 되짚을 수 있습니다. 이것 하나가 없으면 사고 뒤에 회수 범위를 자르지 못합니다. OBJECT사건 — 유일하게 과거만 담고 수정되지 않습니다. 정정은 새 사건으로 남습니다
P-5회수한다투입 원가보다 큰 대가가 들어옵니다. 넷을 다 해도 이것이 역전되면 만들수록 손실이 커집니다. OBJECT원가 · 정산 — 약속과 사건을 금액으로 연결하는 자리

다섯 가지 어디에도 "사람이"라는 말이 없습니다. 수행 주체가 사람인지 기계인지는 정의가 아니라 구현입니다. 사람이 줄어도 공장이 성립하는 이유이자, 자동화가 공장의 정의를 바꾸지 않는 이유입니다.

명사만 담은 스키마 → 답이 나옵니다 [ 지난주 가동률 · 품번별 불량률 · 이번 달 납기 준수율 ] → 답이 나오지 않습니다 [ 다음 주에 우리를 멈출 수 있는 것은 무엇인가 ] FIG.5 — 무너지는 지점은 대개 객체가 아니라 다른 곳의 문서로 흩어져 있습니다. 고장·영향 분석표는 품질, 보전 대장은 설비, 제약은 생산 회의, 사업연속성 문서는 경영기획. 그래서 우리 진단은 10개 업무영역 각각의 첫 항목을 "무인 성립 조건 — 실패 모드"로 둡니다.
04GOVERNED AUTONOMYAAF — AGENT AUTHORITY FRAMEWORK

제어권은 검증된 만큼만 넘깁니다.

AAF는 AI의 권한을 다섯 단계로 나눕니다. 어느 단계까지 허용할지는 공장이 정하고, 물리 제약을 위반하는 명령은 SHACL 규칙으로 실행 전에 검사하도록 설계했습니다. 규제 산업의 거버넌스 요구(IATF 16949, FDA, ISO 13485)를 설계 기준으로 참고했습니다 — 해당 인증을 보유했다는 뜻은 아닙니다.

L0

조회

데이터 열람과 현황 질의만 수행

READ-ONLY
L1

제안

판단 결과를 제안으로만 제출

PROPOSE · HUMAN DECIDES
L2

승인 후 실행

담당자 승인을 거쳐 실행

HUMAN-IN-THE-LOOP
L3

자동 실행

검증된 범위 안에서 자동 실행

BOUNDED AUTONOMY · AUDIT LOG
L4

긴급 대응

안전 이벤트 시 즉시 개입

SAFETY OVERRIDE
COMMAND → SHACL CHECK [ 물리 제약 실행 전 검사 · 대체안 제안 ] → AAF GATE [ 허용 레벨 검사 ] → EXECUTE → AUDIT LOG FIG.6 — CONTROL PATH · 이양 절차: SHADOW MODE(판단만) → 승인 후 실행 → 자율 · AI→PLC 직접제어 실물 실증 [검증]
05GENERATIONS & STANDARDSGEN-1 2025 → GEN-2 2026
1세대 · 2025~

공정 딥러닝

예지보전·품질예측·공정최적화 3대 AI를 현장 과제로 구축·적용.

SITES: 금속 주조기업 · 소재 기업
MODELS: LSTM AE+CNN · LSTM-CNN+ATTENTION · TRANSFORMER+RL
2세대 · 2026~

제조 AI 에이전트 과제

현장별 에이전트 구축으로 확장. 1·2세대 합산 6개 현장.

SITES: 반도체 부품기업 · 표면처리기업 · 도금 공정 현장 · 정밀 기계 부품기업 (2026 선정 4)

국가 제조데이터 표준화 참조모델(AAS/IEC 63278) 개발 컨소시엄을 주관했고, 제품은 IATF 16949·FDA·ISO 13485 등 규제 산업의 요구를 설계 기준으로 참고했습니다(인증 보유가 아닙니다). 설비 연동은 OPC-UA·MQTT 같은 개방 표준을 따릅니다.

PAT REGESG 스마트팩토리 자율제어 AI (10-2904772) · 실시간 Graph RAG (10-3003470) PAT REG신경기호 CPS 제어 (10-3044060) R&D LAB기업부설연구소 제2026111564호 ESCROWSW 임치 — 한국저작권위원회 3자간 (~2029.09)
계획 단계의 과제 목표치는 싣지 않았습니다 · 업무 속도 수치는 제품 기준 · [검증] = 실증 완료
PLC·로봇 검증 실험은 판정 기준을 실행 전에 커밋하고(사전 등록) Zenodo DOI로 판을 남기는 기술보고서로 공개합니다 · 원문·데이터·코드 = GitHub waceinc/tech-reports

이 기술이 돌아가는 현장을 보세요.

업종·수행 내용·기술 구성으로 기록한 20건+의 구축 현장.

사례 보기 도입 진단 받기