다크팩토리는이렇게 만듭니다.

다크팩토리는 데이터에서 시작합니다. 스피폭스 현장에서는 완제품 2차 프레스 186대를 포함해 반제품·열처리·탈유·세척·건조 설비까지 PLC 243대를 연동하고, 현장의 신호를 세 단계에 걸쳐 모읍니다 — 현장(PLC·센서)에서 공정 엣지로, 엣지에서 공장 데이터웨어하우스·데이터레이크로.

설비마다 프로토콜이 달라 연동이 어렵다는 문제가 있습니다. RS-485·RS-232 직결 PLC부터 OPC-UA, TCP/IP까지 엣지 게이트웨이가 통합하고, 수집된 데이터는 AAS(IEC 63278) 표준 자산 모델로 정리되어 어떤 설비의 어떤 값인지 알 수 있게 됩니다.

설비 신호만으로는 부족합니다 — 무엇을 언제까지 만들어야 하는지는 업무 시스템이 알고 있습니다. 그래서 MES·ERP의 수주·생산계획·BOM·작업지시 데이터를 함께 연동해, 현장의 상태와 생산의 목표를 하나의 데이터 기반 위에 올립니다.

모인 데이터를 바탕으로 AI가 판단합니다. 판단의 출발점은 생산계획입니다 — ERP·MES에서 받은 수주와 납기, BOM을 입력으로 무엇을 언제, 어떤 순서로 만들지를 최적화하고, 그 계획을 실행하기 전에 가상에서 검증합니다. 핵심 원칙은 한 가지입니다 — 어떤 판단도 가상에서 검증되기 전에는 설비에 닿지 않습니다. DES(이산사건)와 ABS(에이전트 기반)를 결합한 하이브리드 시뮬레이션 엔진이 설비 고장, 자재 지연, 긴급 투입, 병목 같은 What-If 시나리오를 병렬로 비교해 의사결정을 사전 검증합니다.

이 시뮬레이션의 정확도는 공인기관 시험으로 85%를 확인했고(시간·자원·생산량 3축 종합), ML 기반 파라미터 자동 보정으로 현장과의 오차를 계속 줄여 갑니다. 공장 전체는 브라우저에서 열리는 Unity 3D 디지털트윈으로 시각화되어, 현장과 100ms 수준으로 동기화됩니다(적용 중).

시뮬레이션을 통과한 판단이 실제 설비로 내려가는 단계입니다. 이 경로에는 이중 안전장치가 있습니다 — 물리 제약을 위반하는 명령은 규칙 검증이 실행 전에 차단하고, 제어 권한 자체가 AAF(L0~L4) 프레임워크로 검증된 만큼만 단계적으로 이양됩니다. 처음에는 AI가 판단만 하고(Shadow Mode), 판단 일치율이 검증되면 승인 후 실행으로, 그다음에야 제한된 범위의 자율 실행으로 넘어갑니다.

AI 판단을 PLC까지 직접 내려 설비를 제어하는 이 경로는 실물 설비에서 실증을 마쳤고, 스피폭스 현장에서 프레스 186대·AMR 25대·EMS 6대의 동시 동기화를 실증했습니다(AMR·EMS는 고객 기존 설비의 AI 관제 연동).

네 단계가 이어지면 공장은 이렇게 돌아갑니다. 설비 이상 징후가 감지되면 AI가 원인을 분석하고, 시뮬레이션으로 대응안을 검증한 뒤, 생산 일정을 다시 짜고 설비와 물류를 재배치합니다. 이 순환이 관제실(Control Room)의 디지털트윈 화면 위에서 실시간으로 보입니다.

사람의 역할이 바뀝니다 — 모든 설비를 지켜보던 감시자에서, AI가 올린 예외와 승인 요청만 처리하는 결정자로. 신규 설비 도입이나 배치 정책 변경은 실제 라인에 손대기 전에 가상시운전으로 먼저 검증해 실패 비용을 없앱니다. 판정 정확도가 흔들리면 드리프트 감지가 MLOps 재학습을 자동으로 실행합니다.