제조 AI 전환을 위한 실무 가이드

제품 한 장 요약

제품 역할과 제어 흐름, 사내 검토용 인쇄·PDF

잉클 소개

잉클의 비전과 사람들

2019년 설립한 잉클의 비전과 핵심 가치, 주요 연혁, 구성원과 천안·수원 사무실을 소개합니다.

잉클 소개

다양한 제조 현장에서 쌓아온 경험.

반도체 소재, 자동차, 철강 등 서로 다른 설비와 데이터 환경에서 제조 데이터 인프라를 적용해왔습니다.

잉클 소개

현장의 다음 문제를 풀기 위한 연구.

산업부·중기부 사업에서 데이터 인프라와 AI 기술을 개발·실증하며 제품의 적용 범위를 넓힙니다.

NAZARE·NAVIS를 기존 시스템과 연결해 활용합니다.

NAZARE가 설비·MES·ERP·QMS 데이터를 연결하고, NAVIS가 같은 근거로 분석과 대응을 이어갑니다. 기존 시스템을 활용하는 제품 연동 흐름을 확인하세요.

NAZARE·NAVIS를 사업장별 권한에 맞춰 운영합니다.

NAZARE는 사업장·사용자별 데이터 접근을 구분하고, NAVIS에는 업무에 필요한 자료·도구와 승인자를 연결합니다. 여러 현장의 분리 운영과 실행 권한을 살펴보세요.

현장을 이해하고, 승인한 대응을 실행으로.

NAVIS는 사용자와 제조 현장을 연결하는 Agentic AI 플랫폼입니다. 실시간 설비 데이터와 운영 기록, NAZARE에 데이터화한 현장 지식으로 대응을 추론하고, 관리자 승인 후 MCP로 NAZARE에 실행을 요청합니다.

자료를 찾는 데서 끝내지 않고, 다음 업무까지.

데이터 조회, 업무 맥락, 모델 추론을 도구로 연결해 Agent가 필요한 작업을 수행하도록 구성합니다.

근거를 확인하고 승인하면, 설비의 다음 동작으로.

NAVIS에서 조치 대상과 근거를 검토하고 승인합니다. NAVIS는 MCP로 NAZARE에 요청하고, NAZARE는 연결된 PLC에 제어 지령을 전달합니다. 요청 상태와 실제 수행 결과를 구분해 확인합니다.

매뉴얼 몇 페이지보다, 지금 확인할 내용을 찾으세요.

질문에 필요한 자료와 업무 맥락을 연결하고, 현장 데이터를 활용하는 Agent의 출발점을 만듭니다.

현장 상태에서 조치 결과까지, 자율제조의 한 화면.

설비의 현재 상태, AI의 판단 근거, 승인할 작업과 실행 결과를 함께 봅니다. 다섯 가지 장비 시연으로 데이터와 현장 지식이 실제 대응에 연결되는 과정을 살펴보세요.

공장의 데이터를 모아, 현장이 쓰는 힘으로.

설비의 정밀한 신호, 생산·품질 기록, 숙련자의 노하우를 사내 데이터 인프라로 연결합니다. 지금의 이상을 확인하고 과거 원인을 찾는 일부터 AI와 자율제조까지, NAZARE에서 시작하세요.

설비마다 다른 표현을, 함께 쓰는 기준으로.

설비마다 다른 태그 이름 때문에 분석을 다시 시작하지 않도록 공통 용어와 관계를 관리합니다. AAS와 MDR을 활용해 설비 자산과 데이터의 의미를 정리합니다.

같은 작업, 평소와 다른 움직임을 찾습니다.

작업 한 번의 시작과 끝을 정하고, 기준 작업의 신호와 실제 작업을 비교합니다. 반복 생산에서 달라지는 구간을 찾아 품질 점검과 설비 확인의 우선순위를 정합니다.

“그때 왜 달라졌을까?” 기록에서 답을 찾습니다.

이상이 발생한 시간의 압력·온도·전류 등 신호를 나란히 비교합니다. 짧은 순간은 정밀하게, 긴 기간은 집계해서 살펴보며 원인 후보를 좁힙니다.

설비가 달라도, 데이터는 한곳으로.

PLC와 CNC의 신호부터 기존 생산·품질 시스템의 기록까지 연결합니다. 수집할 항목을 정하고 실제 값이 들어오는 것을 확인하면, 모니터링과 분석에 같은 데이터를 활용할 수 있습니다.

수집부터 저장까지, 운영 상태를 한곳에서.

연결한 데이터 소스와 저장 공간, 처리 상태를 함께 관리합니다. 현장 규모가 커질수록 늘어나는 운영 항목을 공통 화면과 기준으로 정리합니다.

숫자에 설비와 공정의 맥락을 붙입니다.

같은 압력 값이라도 어느 설비의 어느 지점인지 알아야 쓸 수 있습니다. 공장·설비·제품과 신호를 연결해 사람이 이해하고 AI가 참조할 수 있는 데이터로 만듭니다.

믿고 판단하려면, 데이터 상태부터 알아야 합니다.

값이 없거나 늦게 들어오는 경우, 범위를 벗어난 경우를 구분합니다. 원래 기록과 처리 기준을 함께 관리해 현장 분석과 AI에 쓰는 데이터의 신뢰도를 높입니다.

매번 엑셀에서 하던 정리, 반복되는 흐름으로.

조건에 따라 값을 정리하고 필요한 계산 신호를 만듭니다. 설비 신호와 기존 시스템의 기록을 활용 목적에 맞게 준비해, 분석 전에 반복하던 작업을 줄입니다.

멈춘 시간과 교체 기록을, 다음 개선으로.

얼마나 멈췄는지뿐 아니라 왜 멈췄는지를 기록합니다. 반복되는 비가동 원인과 부품 교체 이력을 함께 살펴보며 생산 손실을 줄일 곳을 찾습니다.

공장 데이터는 사내에, 접근 권한은 필요한 만큼.

외부로 데이터를 보내기 어려운 공장을 위한 온프레미스 운영을 지원합니다. 담당자별로 볼 수 있는 설비와 사용할 기능을 나누고, 데이터와 제어 권한을 구분합니다.

설비가 늘고 기록이 쌓여도, 필요한 순간을 찾아냅니다.

수백 대 설비의 정밀한 신호는 빠르게 방대한 이력이 됩니다. NAZARE는 이 데이터를 사내에 모으고, 필요한 설비·기간·항목을 조회해 실시간 활용과 장기 분석을 함께 지원합니다.

지금 들어오는 정밀한 신호를, 이상을 찾는 AI로.

공정에 특화된 ML 모델은 그 순간의 정밀한 데이터가 있어야 판단할 수 있습니다. NAZARE는 학습에 쓸 과거 이력부터 실시간 추론에 쓸 신호까지 준비하고, NAVIS는 현장 지식과 함께 결과를 설명하고 대응을 계획합니다.

숙련자의 노하우를, AI가 쓰는 데이터로.

어떤 설비의 어떤 신호가 이상인지, 무엇을 먼저 확인하고 어떻게 조치할지. 잉클 전문가가 현장 인터뷰와 도구로 이 지식을 정리하고, 설비·부품·신호·기준·조치의 관계로 연결합니다. 이것이 NAZARE의 온톨로지입니다.

지금 어느 설비를 먼저 봐야 할지, 한눈에.

공장 전체의 가동 상태에서 개별 설비의 신호까지 이어서 확인합니다. 가동·대기·비가동 상태와 알람을 함께 보고, 현장을 돌아다니며 확인하던 시간을 줄입니다.

숙련자의 노하우를, AI가 쓰는 데이터로.

데이터가 들어와 쓰이기까지의 흐름.

수집 주기·보존 기간·조회 패턴·AI 활용을 함께 보고 데이터 흐름과 운영 책임을 설계합니다.

이 데이터로 원하는 답을 찾을 수 있을까요?

연결되어 있는 데이터가 AI에 바로 쓸 수 있는 데이터인지, 여섯 가지 관점으로 점검합니다.

낯선 용어를 쉬운 말로.

제품 검토에 등장하는 용어를 현장 데이터와 업무의 관점에서 설명합니다.

무엇이 좋아졌는지, 같은 기준으로 확인하세요.

같은 분모와 조건으로 비교하고, 제품 사용량과 실제 업무 성과를 구분합니다.

현장의 경험을 정리하는 방법.

공장 전체를 한 번에 모델링하기보다, 반복되는 질문 하나에 필요한 대상·관계·판단 기준부터 시작합니다.

첫 적용에서 무엇을 확인할지 정하세요.

연결 성공을 넘어, 현장에서 사용할 수 있는지 판단하는 작은 검증을 설계합니다.

사출기 · 조건은 그대로인데, 왜 불량이 늘어날까요?

설정값만 봐서는 실제 공정의 변화를 놓칠 수 있습니다. 금형 온도와 냉각 상태, 충전 상태를 제품 검사 결과와 같은 생산 주기로 묶습니다.

검사기 · 불량이 늘어난 걸까요, 검사 조건이 달라진 걸까요?

불합격 판정이 늘었다고 곧바로 공정을 바꾸면 원인을 놓칠 수 있습니다. 영상 품질, 검사 조건, 앞 공정의 생산 이력을 같은 제품 번호로 연결합니다.

가공기 · 공구를 너무 일찍 바꾸고 있나요, 너무 늦게 바꾸고 있나요?

사용 시간만으로는 공구 상태를 충분히 알기 어렵습니다. 같은 가공 구간의 부하·진동, 공구 이력, 완성품 측정값을 연결해 교체 판단을 돕습니다.

프레스 · 평소보다 큰 하중. 금형 문제일까요, 소재 문제일까요?

하중 경보 하나로 생산을 멈출지 결정하기는 어렵습니다. 같은 제품의 정상 이력, 금형 사용량, 투입 소재를 함께 확인해 점검할 범위를 좁힙니다.

제조 로봇 · 같은 경로로 용접하는데, 왜 품질이 달라질까요?

용접·조립처럼 제품을 직접 만드는 자동화 로봇을 위한 데이터 연결입니다. 용접 공정을 예로, 전류·전압과 부품 고정 위치를 검사 결과에 연결해 품질이 흔들린 구간과 점검할 곳을 찾습니다.

우리 업종에 맞는 제조 AI의 시작점.

반도체·디스플레이·자동차·전자·방산과 국가 연구소. 공통 데이터 인프라에 각 현장의 공정 지식과 운영 기준을 연결합니다.

실험 데이터를 모으는 시간을 줄이고, 연구에 더 집중하세요.

연구 목적에 맞춘 전용 장비와 계측기, 실험 기록을 연결합니다. 방대한 원본 데이터를 안전하게 축적하고, 비교 분석과 AI 연구에 활용할 수 있는 환경을 만듭니다.

잉클과 함께하면, 본연의 서비스와 솔루션 개발에 집중할 수 있습니다.

고객사마다 반복되는 설비 연결, 데이터 저장과 조회, 확장 문제. NAZARE를 공통 데이터 인프라로 활용하고, 고객에게 필요한 업무 기능과 분석·AI 서비스에 집중하세요.

도입 전에 궁금한 것부터 확인하세요.

설비 연결, 제품 구성, 기존 시스템, AI 도입과 운영 조건을 확인하세요.

우리 현장에 필요한 서버 규모는 얼마일까요?

설비 수뿐 아니라 태그 수·주기·보관 기간·동시 조회·가용성 요구를 함께 고려합니다.

필요한 활용 범위에 맞춰 제품을 구성하세요.

데이터 수집부터 운영 분석과 AI Agent까지, 필요한 활용 범위에 맞춰 구성을 선택합니다.

도입한 뒤의 운영까지 함께 준비하세요.

현재 운영의 안정화와 제품 개선의 지속 적용 중 필요한 유지관리 방향을 선택합니다.

우리 공정에 맞는 예측이 필요하다면.

제품 기반 위에 공정 특화 예측·분류 모델이 필요하다면, 데이터와 검증 조건을 확인해 별도 과제로 진행합니다.

어디까지 도입할지, 먼저 분명하게.

제품 공급, 현장 연계, 데이터 준비와 운영 책임을 구분해 도입 범위를 명확하게 합니다.

공장 전체를 바꾸기 전에, 문제 하나부터 해결해보세요.

현장 진단, 한 가지 과제의 검증, 운영 전환과 확산을 단계별로 진행합니다.

정부·지자체 지원 사업으로, 제조 AI 도입을 함께 준비합니다.

잉클이 수행 중인 국가 연구개발, 제조 AI 특화 스마트공장, 천안·충남 지역 사업을 살펴보고 우리 공장에 맞는 도입 방법을 함께 찾으세요.