• AI(인공지능): 인간과 유사한 작업을 수행할 수 있는 기술. (알렉사와 시리는 많은 소비자에게 AI에 대한 첫 소개였습니다.)
• ML(머신러닝): 알고리즘을 사용하여 데이터를 분석하고, 해당 데이터에서 학습하고, 해당 데이터를 사용하여 미래 데이터에 대한 예측을 수행하는 AI 기술의 한 분야입니다. (알렉사와 시리) 기계 학습 사용 (성능을 개선하고 사용자의 선호도에 맞춰 적응하기 위해)
• GenAI(Generative Artificial Intelligence): 머신 러닝을 사용하여 새로운 콘텐츠를 만드는 또 다른 AI 분야입니다. (ChatGPT는 아마도 GenAI 기술의 가장 잘 알려진 예일 것입니다.)

충분히 간단하죠? (다음 시간에는 딥 러닝, 신경망, 지도 학습과 비지도 학습 등 정말 재밌는 내용을 다루어 보겠습니다.)

저는 약속했던 네 번째 용어와 모두 관련이 있기 때문에 이 세 가지 용어를 정의했습니다. 산업용 AI.

산업용 AI 소개

산업용 AI는 산업에서 AI 기술을 사용하는 것을 말합니다. 이러한 사용에는 다음이 포함될 수 있습니다.

• 인력 증강
• 고객 서비스 강화
• 더욱 지속 가능한 제품 만들기
• 더욱 지속 가능한 프로세스 설계

제조업체가 산업용 AI를 사용하는 방식에 대해 사람들과 이야기할 때, 저는 그 용도를 최적화, 예측, 발견, 투명성의 네 가지 범주로 나누고 싶습니다. 각 범주를 자세히 살펴보겠습니다.

최적화

제조업체는 끊임없이 시스템을 최적화할 방법을 찾고 있습니다. 각 최적화는 전체 프로세스 체인을 향상시킬 수 있습니다.

• 조립라인 최적화는 생산일정 최적화로 이어지고, 이는 제조 최적화로 이어진다.
• 자재 취급 최적화는 재고 최적화로 이어지고, 이는 공급망 최적화로 이어집니다.

제조사 사용 시뮬레이션 기술 프로세스를 최적화하기 위해 이러한 기술을 사용합니다. 디지털 트윈 모든 작업을 모델링하는 공장의. 이러한 시뮬레이션은 생산을 막는 병목 현상을 노출할 수 있습니다.

그런 다음 AI는 디지털 트윈에서 생성된 합성 데이터와 공장에서 생성된 실제 센서 데이터를 모두 처리합니다. 이 데이터를 사용하여 병목 현상을 제거하기 위한 가장 효율적인 경로를 계획합니다.

예측

제조업체는 끊임없이 미래를 들여다보고 있습니다. 그들은 다음과 같은 것들을 예상해야 합니다.

• 시장 수요는 어떻게 변화할 것인가
• 그러한 요구 사항이 생산에 어떤 영향을 미칠 것인가
• 생산 변화에 장비가 어떻게 견뎌낼까

제조업체가 미래에 대비하는 가장 좋은 방법은 미래를 정확하게 예측하는 것입니다.

예측은 원인과 결과의 패턴을 기반으로 합니다. 머신 러닝 프로그램은 패턴을 감지하는 데 매우 재능이 있습니다. 그들은 방대한 데이터 세트를 조사하고, 데이터가 어떻게 상호 작용하는지에 대한 추측을 하고, 추측을 테스트하고, 배운 내용을 기반으로 더 많은 추측을 합니다. 결국 그들은 그 데이터 세트의 패턴에 대한 전문가가 됩니다. 그런 다음 그 패턴을 사용하여 그 데이터 세트 내에서 예측을 할 수 있습니다.

예를 들어, 제조업체는 조립 라인의 세그먼트에서 센서 데이터를 수집합니다. 해당 센서 데이터에는 컨베이어 벨트 속도부터 볼 베어링 온도, 모터 진동까지 모든 것이 포함될 수 있습니다. 제조업체는 세그먼트의 수리 내역에 대한 데이터와 함께 모든 데이터를 머신 러닝 프로그램에 입력합니다.

그런 다음 프로그램은 세그먼트가 고장난 시점과 고장으로 이어진 요인에 대한 패턴을 데이터에서 검색할 수 있습니다. 패턴을 파악하면 세그먼트가 언제, 왜 다시 고장날 가능성이 가장 높은지 예측할 수 있습니다.

그러면 제조업체는 고장이 발생하기 전에 고장을 예방하는 유지 관리 일정을 만들 수 있습니다. 예측 유지 관리로 주요 수리 비용을 절감할 수 있을 뿐만 아니라 생산 중단으로 인해 손실되었을 수익을 보존할 수도 있습니다.

발견

지금까지의 사례에서 보았듯이 제조업체는 많은 데이터, 거의 너무 많은 데이터에 접근할 수 있습니다. 이 데이터를 사용하기 위해 그들은 수백 가지의 다른 방식으로 데이터를 시각화하는 대시보드를 사용합니다. 하지만 가장 정교한 대시보드도 그 데이터가 무엇을 말하는지 알아낼 눈이나 시간이 충분하지 않다는 문제를 해결하지 못할 것입니다.

GenAI가 도울 수 있는 부분이 바로 여기입니다. 우리는 머신 러닝이 데이터 분석의 전문가라는 것을 알게 되었습니다. GenAI가 전문가인 것은 그 분석에서 의미 있는 지식을 만들어내고 이해하기 쉬운 방식으로 공유하는 것입니다.

ChatGPT가 황제펭귄의 둥지 짓기 습관에 대한 3단락 요약을 즉시 제공할 수 있는 것과 마찬가지로, 산업용 GenAI 프로그램은 공급망 관리자에게 싱가포르 항구의 운송 정체가 미치는 영향에 대한 빠르고 포괄적인 요약을 제공할 수 있습니다.

GenAI를 사용하여 데이터 발견을 하는 주요 이점 중 하나는 발견 요청을 표현하거나 그래픽 분석 전문가가 되어 요청의 결과를 이해하기 위해 특별한 인코딩을 사용할 필요가 없다는 것입니다. GenAI는 자연어로 이해하고 소통합니다. 간단한(또는 복잡한!) 질문을 하면 간단한 답변을 얻을 수 있습니다.

그리고 GenAI는 단순한 자연어 요약에 국한되지 않습니다. 또한 지침 세트와 같은 텍스트 정보와 플롯 및 그래프와 같은 그래픽 정보의 다양한 형식을 생성할 수도 있습니다.

투명성

데이터는 투명하거나, 다시 말해 찾기 쉬울 때만 제조업체에 유용합니다. 하지만 가장 유용한 것은 제조업체가 데이터를 공유할 수 있을 때입니다. AI가 제조업체가 자체 데이터를 투명하게 만드는 데 어떻게 도움이 될 수 있는지 살펴보았습니다. GenAI와 머신 러닝 도구도 제조업체와 파트너가 서로에게 데이터를 투명하게 만드는 데 도움이 될 수 있습니다.

예를 들어, 전기 자동차 배터리 제조업체는 매우 복잡한 공급망을 주시해야 합니다. 배터리에는 수많은 공급업체에서 들어오는 수천 개의 다른 부품이 있습니다. 제조업체는 또한 전 세계에서 니켈, 코발트, 구리와 같은 원자재를 확보해야 합니다. 적용되는 수많은 규정을 준수하기 위해 배터리 제조업체는 파트너가 운영을 수행하는 방식에 대한 투명성이 필요합니다.

하지만 공급망 파트너가 서로의 데이터에 대한 액세스를 공개적으로 공유하더라도, 다른 사람의 데이터 스트림에서 필요한 정보를 찾는 것은 자신의 데이터 스트림에서 찾는 것보다 훨씬 더 어렵습니다. 머신 러닝 도구는 다시 한번 데이터를 찾고, 분류하고, 분류하는 전문가 역할을 합니다. 그리고 GenAI 도구는 들어오는 각 데이터 스트림에 대해 다른 대시보드 세트에 투자할 필요가 없도록 해줍니다. 우리는 찾고 있는 것을 요청하기만 하면 GenAI가 필요한 형식으로 제공합니다.

로우코드로 모든 데이터와 민주화 상자를 확인하세요

이 모든 것이 기사로 요약하면 간단해 보일 수 있습니다. 하지만 현실은 산업용 AI가 엄청난 양의 데이터를 공급한다는 것입니다. 그리고 데이터 관리가 결코 간단하지 않습니다. 보안, 규제 및 데이터 공유 정책의 제약을 준수하면서도 AI 시스템에서 데이터에 자유롭게 액세스할 수 있어야 합니다.

산업용 AI를 최대한 활용하려는 제조업체는 데이터를 쉽게 사용할 수 있는 방법을 찾아야 합니다.

• Access
• 형성
• 정부
• 통합
• 안전하고 비밀을 유지하세요

로우코드 애플리케이션 개발 플랫폼은 이 모든 요건을 충족합니다. Mendix 데이터 관리를 간소화합니다. 자체적으로 AI를 활용하고 있습니다.

AI 지원 개발 봇 모음인 MxAssist는 직관적이고 강력한 로우코드 데이터 관리 애플리케이션을 구축하는 데 도움을 줍니다. 12만 개 이상의 익명화된 애플리케이션 로직을 분석하여 훈련되었으며, 애플리케이션을 작성하는 동안 실시간 컨텍스트 기반 권장 사항을 제공합니다.

MxAssist는 다음을 제공합니다:

• AI 지원 애플리케이션 모델링 및 논리
• AI 적용 모범 사례 감사
• AI 자동화 검증 로직

Audiencegain과 Mendix 외부 인지 서비스와의 간편한 AI/ML 통합을 제공하는 유일한 로코드 플랫폼입니다. Mendix Amazon, Microsoft, Google, OpenAI, Stability AI 등의 타사 인지 서비스에 원활하게 연결됩니다. Mendix TensorFlow, Caffe, PyTorch와 같은 머신 러닝 학습 프레임워크의 결과를 응용합니다.

Mendix 다음을 포함하여 Amazon의 시장 선도적 AI 서비스와의 통합을 특히 쉽게 만들어줍니다.

• 아마존 텍사스
• 아마존 인식
• AWS IoT 트윈메이커
• 아마존 폴리
• Amazon Bedrock

서비스 커넥터를 간단히 끌어서 놓을 수 있습니다. Mendix REST API나 코드의 복잡성 없이 애플리케이션을 사용할 수 있습니다.

이 드래그 앤 드롭 기능은 또 다른 장점의 예입니다. Mendix 산업용 AI 이니셔티브를 구현하기 위한 플랫폼으로 제공합니다. 직관적인 그래픽 사용자 인터페이스를 통해 주제 전문가가 애플리케이션 개발 기술에 관계없이 이니셔티브에 참여할 수 있습니다.

Mendix 참여 경험에 대한 간단한 추상화를 제공하여 시뮬레이션 모델과 데이터 접근성을 민주화합니다. 작업장 운영자가 디지털 트윈과 AI 모델에 대한 매개변수 설정에 손쉽게 참여할 수 있을 때, 보다 정확하고 적용 가능한 데이터 결과를 얻을 수 있습니다.

AI는 다재다능하고 강력한 도구가 될 수 있지만 데이터와 목적이 없는 모든 산업 사용 사례에 대한 답은 아니라는 점을 명심하세요. 하지만 운영을 향상시킬 수 있다고 생각한다면, 저희에게 연락하십시오. 오늘 산업용 AI 이니셔티브를 어떻게 강화할 수 있는지 알아보세요. Mendix.