AI 활용18 [제조 AI] 8) RAG 시스템 구축 기초 - 제조업 기술문서 활용 RAG 시스템을 활용한 제조업 기술문서 통합검색을 통한 혁신제조업 현장에 산재된 수많은 기술문서들이 이제 AI의 힘으로 하나의 똑똑한 지식 체계로 통합됩니다.기존의 단순한 키워드 검색을 넘어서 의미 기반 검색을 통해 "압력 상승"을 질문해도 "압력 증가" 관련 문서를 자동으로 찾아내는 혁신적인 변화가 가능해집니다. RAG(검색 증강 생성) 기술은 현장 작업자가 자연어로 질문하면 관련된 모든 문서에서 정보를 종합하여 맞춤형 답변을 제공하므로, 복잡한 매뉴얼을 뒤적이는 시간을 획기적으로 단축시킵니다. 이러한 시스템은 신입 직원 교육 시간을 70% 이상 줄이고, 설비 이상 상황 대응 속도를 3배 향상시키며, 품질 문제 해결에 필요한 과거 사례 검색을 몇 초 만에 완료할 수 있게 합니다. 특히 베테랑 직원의 은.. 2025. 10. 1. Google AI Studio 나노바나나를 활용한 건축 디자인 Google AI Studio 나노바나나로 건축디자인의 새로운 지평을 열다'나노바나나' 모두들 들어보셨죠?이전 블로그 글에서도 나노바나나의 일관성 유지 및 고품질 이미지 생성과 관련된 내용으로 포스팅한 적이 있는데요. (이전 글 : Google AI Studio에서 나노바나나를 만나다.) 오늘은 건축디자인에 적용하는 방법을 알려드리려고 합니다. 나노바나나의 일관성 유지 특성을 이용하면, 기존의 상태를 유지한 상태에서 인테리어를 변경해보는 등 실생활에서 사용할 수 있는게 아주 많습니다.휴대폰을 사용하는 경우 Google Gemini앱에서 사용하시면 되지만, 일반 데스크탑 컴퓨터를 사용하시는 경우는 'Google AI Studio'에서 사용하시는 것을 추천드립니다. Google AI Studio의 혁신적인 .. 2025. 9. 27. [제조 AI] 7-2) 임베디드 AI 구축 사례 - 정밀 가공 실시간 품질 모니터링 자동차 엔진 블록 CNC 가공 품질 모니터링 시스템 구축 사례를 중심으로현대자동차를 비롯한 유수의 자동차 메이커들에게 엔진블럭 등의 정밀 가공 제품을 납품하고 있던 부품 제조업체가 임베디드 AI를 도입하여, 가공공정내 실시간 품질 모니터링을 구축함으로써 가공 공정내 발생하던 불량률을 줄이는 긍정적인 결과를 가져왔습니다. 그 동안 CNC/MCT에서의 데이터를 실시간 수집하여 서버에서 분석하여 처리하는 방식의 전통적인 방식에서 현장의 임베디드AI를 활용하여 실시간 판단으로써 시스템, 네트워크 및 오퍼페이터간의 딜레이와 지속적인 모터터링의 피로감을 줄일 수 있는 혁신을 가져왔던 사례를 살펴보도록 하겠습니다.특수 설비를 사용하는 경우 임베디드AI를 활용한 구축으로 효율적이고 현장중심적인 AI구축이 가능해집니다... 2025. 9. 18. [제조 AI] 7-1) 임베디드 AI 모델의 이해와 최적화 중소 제조기업을 위한 엣지 AI 이해하기현대 제조업에서는 실시간 품질 검사, 예측 유지보수, 자동화 시스템 등 다양한 영역에서 AI 기술의 도입이 가속화되고 있습니다. 특히 중소 제조기업에서는 클라우드 의존성을 줄이고 데이터 보안을 강화하며 실시간 처리 성능을 확보하기 위해 임베디드 AI 시스템에 대한 관심이 높아지고 있습니다. 임베디드 AI는 제한된 하드웨어 자원 내에서 AI 모델을 효율적으로 실행할 수 있는 기술로, 제조 현장의 다양한 요구사항을 충족시킬 수 있는 핵심 기술입니다. 본 편에서는 임베디드 AI의 핵심 개념부터 실제 구현까지의 전 과정을 중소기업 담당자와 초보 개발자도 쉽게 이해할 수 있도록 상세히 다룰 예정입니다.오가닉AI, 온디바이스AI, 피지컬AI 및 임베디드AI 처럼 대형언어모델이.. 2025. 9. 17. [제조 AI] 6) [특집]공작기계(CNC) 제조업을 위한 로컬 LLM 구축 공작기계 분야 LLM 적용의 독특함과 전문성산업별 맞춤형 AI 접근의 필요성지금까지 연재를 통해 다양한 제조업 분야에서 로컬 LLM을 활용하는 방법들을 살펴보았습니다. 하지만 각 산업 분야는 고유한 특성과 요구사항을 가지고 있어, 획일적인 AI 솔루션으로는 진정한 효과를 기대하기 어렵습니다. 예를 들어, 식품 제조업에서는 HACCP과 위생 관리가 핵심이고, 화학 공업에서는 안전성과 공정 최적화가 중요하며, 전자 제조업에서는 미세 공정 제어와 수율 관리가 관건입니다. 마찬가지로 공작기계 제조업 역시 다른 어떤 분야와도 구별되는 독특한 특성들을 가지고 있습니다. 마이크론 단위의 정밀도가 요구되는 가공 환경, 수십 년간 축적된 숙련 기술자의 암묵지, G-code라는 특수한 프로그래밍 언어, 그리고 가공 조건의.. 2025. 9. 8. [제조 AI] 5) 제조업 분야별 AI 모델 선정 가이드 제조업 공장에서의 로컬 AI는 생산특성에 맞는 전용 AI 모델을 사용하세요.제조업 현장에서 AI를 도입할 때 가장 어려운 과제 중 하나는 '어떤 모델을 선택할 것인가'입니다.수많은 AI 모델들이 존재하지만, 제조업의 특수한 환경과 요구사항에 최적화된 모델을 찾는 것은 쉽지 않은 일입니다. 또한, 제조업 현장에서 AI를 도입할 때 가장 혼란스러운 점 중 하나는 '범용 LLM vs 전용 AI 모델' 중 어떤 것을 선택할지입니다. ChatGPT나 Llama3 같은 LLM이 화제가 되면서 모든 것을 LLM으로 해결하려는 시도가 늘어나고 있지만, 실제 제조업의 품질관리나 예측 유지보수에는 전용 AI 모델이 더 적합한 경우가 많고, 실제로도 실제 구축 환경에서는 전용모델들의 적용비율이 높습니다. 제조업 산업군의 특.. 2025. 9. 4. [제조 AI] 4) 로컬 LLM 프레임워크 및 아키텍처 설계 제조업 품질관리를 위한 AI 시스템 구축을 중심으로 LLM 프레임워크 및 아키텍처를 설계합니다.제조업에서 품질관리 업무를 지원하는 개발자라면 AI를 활용한 솔루션 개발에 대한 관심이 높을 것입니다.하지만 대용량 언어모델(LLM)을 실제 제조 현장에서 안정적으로 운영하기 위해서는 단순히 모델을 실행하는 것 이상의 복잡한 시스템 설계가 필요합니다. 예를 들어, 제조 라인에서 실시간으로 발생하는 품질 데이터를 분석하고 즉각적인 피드백을 제공하려면 높은 처리 성능과 안정성을 보장하는 서빙 아키텍처가 구축되어야 합니다. 이번 편에서는 제조업 환경에서 AI 품질관리 시스템을 구축할 때 필요한 LLM 서빙 프레임워크의 선택 기준과 아키텍처 설계 방법을 초보자도 이해할 수 있도록 상세히 설명하겠습니다. 실제 제조 현장.. 2025. 8. 29. Google AI Studio에서 'Nano Banana'를 만나다 이미지 생성의 새로운 지평을 열다2025년 8월 26일, AI 업계에 또 하나의 역사적인 순간이 기록되었습니다. Google이 마침내 그동안 베일에 싸여 있던 미스터리한 프로젝트 'nano banana'의 정체를 공개한 것입니다. 수주간 LMArena(대규모 모델 평가 플랫폼)에서 익명으로 활동하며 압도적인 성능을 보여주던 이 모델이 바로 Google의 차세대 이미지 생성 및 편집 모델, Gemini 2.5 Flash Image였던 것입니다. 'nano banana'는 구글이 과일명으로 사용하는 프로젝트 이름이었던 거죠. 이전까지 LMArena.io에서 nano banana 모델을 만나기는 하늘의 별따기만큼 어려웠지만(실제로 여러번의 이미지 변환 관련 테스트 요청으로 'nano banana'모델을 만나보.. 2025. 8. 28. 대화형 인공지능 언어 모델 평가 플랫폼, LMArena.io 'nano banana'에서 LMArena로 향한 여정원래 이번 블로그 글에서는 최근 화제가 되고 있는 'nano banana' 모델에 대해 소개하려고 했습니다.하지만 이미 수많은 블로그와 커뮤니티에서 'nano banana'에 대한 이야기가 넘쳐나고 있고, 정작 LMArena에서 이 모델을 만나기도 쉽지 않다는 점을 발견했습니다.그래서 방향을 바꿔 'nano banana'를 품고 있는 더 큰 플랫폼인 LMArena.io 자체에 대해 깊이 있게 알아보기로 했습니다. 이 결정이 오히려 초보 개발자분들에게는 더 유익한 정보를 제공할 수 있을 것이라고 생각합니다.LMArena는 수 많은 인공지능 모델에 대한 평가 플랫폼입니다. 실질적인 사용자의 평가에 의한 인공지능 언어모델의 순위에 대한 리더보드를 참고하시면.. 2025. 8. 27. 이전 1 2 다음
