같은 레시피로 넣어도 원료 상태가 배치마다 달라 최종 탱크의 품질 지표가 흔들렸습니다. 투입량 보정은 숙련 작업자의 감에 맡겨져 있었습니다.
방법
원료 투입 카운터, 설정·실제 투입 속도, 물 유량, 가열기 온도, 하류 부하 신호를 1분 단위로 정렬하고 작업지시·탱크·품목 정보와 합쳤습니다. 라인 하나에 모델 하나가 아니라 라인·탱크·품목별로 따로 학습하고, 여러 AI 모델을 같은 기준으로 비교해 통과한 모델만 씁니다. 목표 품질을 넣으면 투입량과 운전 조건 후보 3개를 계산합니다.
달라진 점
작업자 화면에 다음 배치의 투입 보정값이 권고로 뜹니다. 권고로 시작해 검증이 끝난 범위부터 자동 반영으로 넘어갑니다.
Analyze · LINKER
식품 제조 · 음료
설비가 멈추기 전에 알립니다
과제
핵심 설비가 예고 없이 서면 생산 계획과 품질이 함께 무너졌습니다. 정비는 고장이 난 뒤에야 시작됐습니다.
방법
진동·전류·온도 센서를 연결하고 두 겹으로 감시합니다. 정상 운전 데이터로 센서별 상·하한을 잡아 명백한 위험은 즉시 잡고, AI가 정상 패턴을 학습해 시간에 따라 조금씩 어긋나는 징후를 잡습니다. 경고와 위험 기준을 나누고 오탐·미탐을 현장에서 맞춰 갑니다.
달라진 점
고장 뒤 수리에서 징후를 보고 계획하는 정비로 바뀝니다. 대시보드와 알림으로 정비 담당자가 먼저 움직입니다.
Analyze · LINKER · LinkerFlow
식품 제조 · 포장
제품 종류와 유효기간 인쇄를 한 번에 읽습니다
과제
조건 기반 판독 장비는 번짐·왜곡 인쇄를 놓쳤고, 품종이 바뀔 때마다 검사 조건을 다시 잡아야 했습니다.
방법
분류 모델로 포장 제품의 종류를 구분하고, AI 글자 판독으로 유효기간 문자를 읽습니다. 새 품종은 조건을 고치지 않고 이미지를 더해 재학습합니다.
달라진 점
혼입과 인쇄 불량을 같은 카메라로 함께 잡습니다. 품종 전환 때 라인을 세우지 않습니다.
AI VISION
제품
필요한 제품만 골라 시작하세요
AI부터 업무 시스템, 설비 데이터, 원격 지원까지. 하나로 시작해 같은 계정으로 늘려 갑니다.
