맞습니다. 제조 데이터는 보안과 운영의 안정성이 정말 중요한데요. 이를 극복하기 위해 온프레미스, 클라우드, 하이브리드 등 맞춤형 인프라를 구성해 지원하고 있습니다.
마키나락스는 현재 미국 실리콘밸리에서 지사를 운영하고 있습니다. 올해부터는 일본 진출을 통해 글로벌 비즈니스 확장을 본격화 할 예정입니다.
안녕하세요, 남진님. 저희는 세미콘은 이번에 참여하진 않지만 3월 27~29일 코엑스에서 열리는 2024 SFAW (스마트 팩토리 자동화 박람회)를 참여합니다. 해당 행사에서 마키나락스와 스누아이랩을 모두 만나보실 수 있습니다. :)
PoC가 가능하며, 실 도입시 레거시 플랫폼과의 비교 및 통합도 함께 지원 가능합니다. 구축 기간은 기업의 상황에 따라 상이하며, 런웨이는 1년 단위로 라이선스 계약을 진행하고 있습니다. 관련해 상세한 안내를 희망하시는 경우 마키나락스에 연락(contact@makinarocks.ai)을 주시거나, 설문에 남겨주시면 연락드릴 수 있도록 하겠습니다.
시간과 스텝 수를 설명드리는 것이 좋을 것 같습니다. 마키나락스의 AI 플랫폼 런웨이는 글로벌 클라우드사에서 제공하는 플랫폼 대비 50%의 스텝만으로 손쉽게 사용할 수 있습니다. AI에 익숙한 데이터사이언티스트에게는 자유도 높은 Jupyter 기반의 모델 개발환경을, AI에 익숙하지 않은 현업 실무자 또는 현장 엔지니어들에게는 UI 기반의 높은 사용성과 노코드/로우코드 기반으로 사용할 수 있는 pre-trained 모델을 제공합니다. 특히 런웨이의 사전학습모델은 실제 제조 공정에서 검증을 마친 것들로 빠르게 현장에 적용해 고도화 하는 것이 가능합니다.
마키나락스는 현대, SK, LG, 한화, GS 등 국내 주요 대기업들과 제조 AI 프로젝트를 단독으로 수행해온 경험을 보유하고 있습니다. 현재 산업현장에서 4천 개 이상의 모델을 운영하고 있으며 스누아이랩(비전AI), 프렌들리AI(LLM) 등 특화된 기술 파트너들과 퍼블릭 클라우드 서비스를 제공하는 MSP사들과도 파트너십을 체결해 솔루션 제공의 범위를 넓혀가고 있습니다. 또한 오늘 소개드린 런웨이는 출시 1년 만에 자동차, 태양광, 공공 및 국방 분야에 적용을 시작하고 있습니다.
플랫폼 도입 후 모델 성능 관리, 운영 관리를 위한 지원이 가능합니다. 스누아이랩과 마키나락스는 AI 기술에 강점을 둔 회사로 다양한 산업군에서 AI 프로젝트를 수행해온 데이터 사이언티스트, 머신러닝 엔지니어들이 모델 관리에 대한 지원을 하고 소프트웨어 엔지니어들은 현장 엔지니어들이 UI를 기반으로 간편하게 사용할 수 있는 사용자 교육도 지원합니다.
인공지능의 가장 큰 장점은 강화학습을 기반으로 빠르게 무한한 trial erorr를 수행하고, 최적의 경로/태스크/모션 등을 도출할 수 있다는 것이 장점입니다. 예를 들어 700개의 부품을 조립한다고 했을 때, 고려해야 할 변수는 부품의 크기, 위치, 조립 시간 등 다양한데요. 자동화 수준에서는 룰 베이스 기반으로 목표한 하나의 목표를 달성하게 되지만 지능화의 단계에서는 레시피가 변경이 되더라도 빠르게 최적화 하는 조립/제어/스케줄링 등의 방법을 찾아낼 수 있게 됩니다.
마키나락스는 미국 내에서 반도체 제조 장비 제조 기업, 자동차 기업 등을 고객으로 보유하고 있습니다. 대표적인 사례는 미국 Applied Materials인데요, 반도체 장비 제조 공정에서의 이상탐지와 time-to-failure 에측 등의 프로젝트를 수행해오고 있습니다. 더 다양한 사례가 궁금하시다면 contact@makinarocks.ai로 연락주시기 바랍니다.
기본적으로 데이터 수집이 이루어져야 합니다. 산업 현장에서는 장비와 설비에서 무수한 데이터가 쏟아지고 있지만, 장비/설비 제조사가 데이터를 제공하지 않는 경우도 많고 AI 개발과 적용을 고려하지 않은 채 목적없이 수집되는 데이터도 많습니다. AI로 활용할 수 있는 수준의 데이터를 확보하는 것이 가장 선행이 되어야 합니다. 다음으로는 AI 운영입니다. 아무리 좋은 성능의 모델이라도 실제 사용이 되지 않으면 의미가 없습니다. 이에 현재 조직에서 보유하고 있는 인적자원(데이터 사이언티스트, 머신러닝 엔지니어 등)이 부족하다면 노코드/로우코드 등을 지원하여 제조 현장에서 검증된 pre-trained 모델 등을 제공하는지 등을 검토 후 AI 운영체계를 구축하시는 것이 좋습니다.
인공지능의 성능을 극대화 하기 위해서는 빠르게 ML 라이프 사이클을 운영하는 것이 중요합니다. 오늘 웨비나에서 소개드리고 있는 지속가능한 AI 운영과도 일맥상통 하는데요. 데이터의 수집-모델 개발-배포-서빙-재학습에 이르는 사이클을 빠르게 반복하며 성능을 빠르게 개선할 수 있는 비전 AI 운영 체계를 구축하는 것이 중요합니다.
런웨이는 다수의 AI 모델을 운영하고 있고, 빠른 예측과 재배포가 필요한 유통, 금융, 게임 등의 산업군에서도 범용적으로 사용할 수 있습니다. 실제로 현재 런웨이를 활용해 신선 제품 재고의 가격을 예측하는 AI 모델을 운영하는 데 사용되고 있는 사례도 있습니다. 더 다양한 사례가 궁금하시다면 contact@makinarocks.ai로 연락주시기 바랍니다.
AI 적용을 위해서는 산업 공정에서 쏟아지는 무수한 데이터를 의미있는 수준으로 수집/가공/구축하는 것이 선행되어야 합니다. 특히 제조 데이터는 항상 부족하고, 다양한 변수를 고려해야 하는 복잡한 특성이 있어 제조 AI에 특화된 경험이 필요합니다. 엔터프라이즈 AI 기업 마키나락스는 비전AI 플랫폼을 비롯해, 제조 현장을 위한 이상탐지·최적화·이상예측에 특화된 AI 솔루션을 제공하고 있습니다. 자동차, 반도체, 배터리, 화학 등 다양한 산업 현장의 AI 적용사례가 궁금하신 분들은 다음의 링크를 확인해보세요. https://www.makinarocks.ai/use-cases/
마키나락스X스누아이랩 비전AI 솔루션은 AI 플랫폼 런웨이(Runway)를 사용하고 있습니다. 런웨이는 노코드·로우코드를 지원하여 머신러닝과 친숙하지 않은 현장 엔지니어도 클릭만으로 간편하게 AI 모델을 운영할 수 있는 AI 플랫폼입니다. 제조 기업의 경우, 실제 제조 현장에서 4천개 이상의 모델을 운영한 마키나락스가 검증한 ▲이상탐지 ▲제어 최적화 ▲예측 분석 등 사전학습모델(pre-trained model)을 런웨이에서 사용할 수 있습니다.이를 통해 빠르게 데이터를 검증하고 AI 모델을 고도화 하는 것이 가능합니다.
웨비나 후반에 케이스를 소개드릴 예정인데요. 마키나락스X스누아이랩의 머신비전 AI 솔루션을 활용해 2차 검수 대상을 기존 47%에서 22%로 감소한 사례가 있습니다.
안녕하세요, 경애님. 비전 AI를 효과적으로 구현하는 전략을 소개하는 것이 오늘 웨비나의 핵심 주제라고 볼 수 있는데요. 제조 공정에서 비전 검사는 2D에서 3D로, sampling 조사에서 전수 조사로? 넘어가는 트렌드를 보이고 있습니다. 이런 트렌드를 달성하기 위해 자동화를 통해 반복적인 작업을 제거하고, 모델 성능을 빠르게 개선할 수 있는 AI 운영 시스템(MLOps)를 지속 가능한 구조로 구현하는 것이 중요하다고 볼 수 있습니다.
이번 웨비나를 진행하는 마키나락스, 스누아이랩 정보가 궁금하다면 홈페이지도 방문해보세요! - 마키나락스 : https://www.makinarocks.ai/ - 스누아이랩 : http://www.snuailab.com/
안녕하세요, 마키나락스X스누아이랩이 공동 주최하는 [지속가능한 비전 AI를 위한 AI 운영 전략] 웨비나에 참석해주셔서 감사합니다. 본 웨비나에 참여해 좋은 질문을 해주신 분들과 설문에 참여해주신 분들 중 추첨을 통해 소정의 경품을 드리고 있습니다. 많은 참여와 관심을 부탁드립니다.