EP01 - AI Factory Control Tower 시작
AI Factory Control Tower 프로젝트를 시작했다. 가상의 자동차 전장부품 제조기업을 대상으로 ECU 제어모듈의 생산 과정에서 발생하는 설비, 생산, 품질, LOT, IoT 데이터를 하나의 시스템에서 통합 관리하는 플랫폼을 구축하는 것이 목표다. 현재 제조 현장의 여러 시스템에 분산된 데이터를 통합하고, 관리자가 생산 현황과 설비 상태, 불량률 등을 실시간으로 파악하기 어려운 문제를 해결하고자 한다. 프로젝트가 발전하면서 실시간 모니터링, 이상 탐지, 장애 대응, 데이터 분석 기능까지 단계적으로 구현한다. 최종적으로는 AI가 생산 데이터와 설비 로그, 품질 정보, 과거 장애 기록을 분석하여 이상징후와 불량 원인을 찾아내고 관리자의 의사결정을 지원하는 스마트팩토리 통합 운영 시스템으로 확장할 예정이다. 단순히 결과물을 만드는 것이 아니라 기획, 요구사항 분석, 시스템 설계, 프로그래밍, 데이터베이스, 네트워크, 보안, 테스트, 배포, 운영, AI 활용과 문제해결까지 실제 기업의 프로젝트 개발 과정을 직접 경험하고 학습하는 것이 이 프로젝트의 핵심 목적이다.
프로젝트를 시작한 이유 기업이 개발자에게 요구하는 능력을 단순한 프레임워크 사용 경험이 아니라 프로그래밍 기본기, 시스템 이해, AI 활용 능력, 전문지식, 문제해결 능력으로 보고 이를 하나의 대규모 프로젝트를 통해 직접 경험하기로 했다. 단순한 결과물 제작이 아니라 실제 기업 프로젝트처럼 요구사항 분석, 기획, 설계, 개발, 테스트, 배포, 운영, 장애 대응까지 전체 생명주기를 경험하는 것이 이번 프로젝트의 목적이다.
프로젝트 정의 가상의 자동차 전장부품 제조기업을 대상으로 AI Factory Control Tower를 구축한다. 주요 생산 제품은 ECU 제어모듈이며 생산, 품질, 설비, LOT, IoT 데이터를 하나의 시스템에서 통합 관리하는 것을 목표로 한다.
현재 해결하려는 문제 설비 데이터가 여러 시스템에 분산되어 있다. 생산량과 불량률을 한 화면에서 확인하기 어렵다. LOT 단위 추적이 어렵다. 설비 이상을 실시간으로 탐지하기 어렵다. 장애 발생 후 원인을 찾는 데 시간이 오래 걸린다. 관리자가 전체 공정 상태를 즉시 파악하기 어렵다.
이번 프로젝트의 최종 목표 생산, 품질, 설비 데이터를 실시간으로 수집하고 분석하여 관리자가 공장의 전체 상태를 하나의 Control Tower에서 확인할 수 있도록 한다. 최종 단계에서는 AI Agent가 설비 로그, 생산 데이터, 품질 데이터와 과거 장애 기록을 분석하여 이상징후와 장애 원인을 설명하고 대응을 지원하도록 확장한다.
- Stakeholder — 프로젝트와 관련된 이해관계자
- Business Requirement — 기업이나 업무 관점에서 필요한 요구사항
- Functional Requirement — 시스템이 실제로 제공해야 하는 기능
- Non-functional Requirement — 성능, 보안, 안정성 등 기능 외 요구사항
- Scope — 프로젝트에서 구현할 범위
- KPI — 프로젝트 성과를 판단하기 위한 측정 지표
오늘의 핵심 코드를 작성하기 전에 무엇을, 왜, 누구를 위해 만드는지 먼저 정의한다.
다음 단계 다음 단계에서는 Stakeholder를 정의하고 Business Requirement, Functional Requirement, Non-functional Requirement를 분리하여 실제 요구사항 명세서를 작성한다. 이후 Microsoft Visio를 이용해 업무 프로세스와 시스템 구조를 시각화한다.
