AI Factory

AI Factory의 공식 정의와 아키텍처

이 책에서 말하는 AI Factory는 단순히 단일 AI 모델을 도입하거나 자동화 설비를 늘리는 것이 아니라, 제조기업의 데이터, 지식, 판단, 실행, 학습을 하나의 구조로 연결하여 공장이 스스로 이해하고 판단하고 최적화하도록 만드는 제조 운영체제다. 즉, 판단 구조를 Human Brain에서 AI Brain으로 전환하는 것이다. 공식 18단계 Full ArchitectureAI Factory는 다음과 같이 물리 세계에서 피드백 루프에 이르는 공식 18단계의 참조 아키텍처를 통해 구현된다.

·Foundation Layer(1~4단계): Physical World, Raw Data, Data Governance, Semantic AAS를 통해 신뢰할 수 있는 데이터를 제조 공통 언어로 정의한다.
·Intelligence Layer(5~9단계): Context, RAG, Knowledge Graph, Knowledge Engineering, Rule & Score를 통해 상황을 파악하고 근거 문서를 조달하며 위험 점수를 산정한다.
·Decision&Simulation Layer(10~14단계): A/B/C Scenario, Economic Impact, Light Digital Twin, Decision Feature, AI Brain을 거쳐 실행 대안을 경제성과 가상 검증을 통해 선택한다.
·Execution&Governance Layer(15~17단계): Decision Governance, AI Agent, Physical AI를 통해 권한 승인에 따른 업무 및 제어 행동을 실행한다.
·Learning Layer(18단계): Feedback Loop를 통해 실제 결과를 규칙과 모델에 환류한다.

데이터에서 판단으로의 전환 과정

① Foundation Layer: AI가 공장을 올바르게 인식하려면 숫자에 제조 의미를 부여해야 한다.

·Raw Data: 원본 파형과 시간(event_time), 식별자(Asset ID)를 덮어쓰지 않고 보존하여 사건을 재구성할 수 있게 한다.
·Data Governance: 결측, 이상치, 단위, 시간 오차를 검증하고 데이터의 신뢰 수준을 관리하여 AI가 그릇된 정보를 학습하는 것을 막는 안전장치 역할을 한다.
·Semantic AAS: 자산관리셸(AAS)과 의미 주소(semanticId)를 활용해 서로 다른 시스템의 측정값을 공통의 제조 언어로 변환한다.

② Intelligence Layer: 상황과 규칙의 결합데이터에 의미가 부여되면, 현재 상태를 진단하고 판단 근거를 마련한다.

·Context와 RAG: 상태(State), 사건(Event), 영향 구간(Impact Window)을 묶어 현재 상황을 정의하고, 이에 부합하는 작업표준서 및 품질기준서를 Evidence Package 형태로 조달한다.
·Knowledge Graph와 Engineering: 데이터와 문서 간의 관계를 인과 경로로 엮고, 숙련자의 암묵지를 시스템이 계산 가능한 변수와 규칙 후보(Rule Candidate)로 번역한다.
·Rule&Score: 명시적인 기준 문장(Rule)과 다차원 위험 강도(Risk Vector)를 산출하여 무엇이 얼마나 위험한지 명확히 드러낸다.

③ Decision&Simulation Layer: 대안 검증과 AI Brain 위험 신호는 실제 행동을 선택하는 의사결정 단계로 이어진다.

·A/B/C Scenario & Economic Impact: 위험 수용(A안), 조건 조정(B안), 정지 점검(C안)의 대안을 구성하고, 동일한 비용 사전을 적용해 기대 손실(Expected Loss)을 비교한다.
·Light Digital Twin: 가상 환경에서 대안별 결과 분포와 실패 조건을 사전에 검증하여 선택지의 안정성을 높인다.
·AI Brain과 Governance: 축적된 결정 피처를 바탕으로 최적의 대안을 추천(Recommendation)하며, 조직의 권한 구조와 안전 경계(Guardrail)에 따라 승인(Authorization) 여부를 통제한다.

④ 실행(Execution): 자율 공장의 완성 승인된 의사결정 패키지는 실제 현장의 변화로 이어져야 가치를 창출한다.

·AI Agent: 승인된 판단을 누락 없는 업무 Workflow로 분해하고, 관련 담당자와 시스템에 태스크를 배정·추적한다.
·Physical AI: Supervisory Layer에서 허용된 제어 범위(Control Envelope) 내에서 안전하게 물리적 조건을 보정한다. 이때 모든 제어는 기존의 결정론적 제어기 및 독립된 안전 계층(Independent Safety Layer)보다 우선할 수 없다.
·Feedback Loop: 실행 결과의 성공 여부를 평가하고, 그 피드백을 규칙·과 모델에 반영하여 지속적인 학습 체계를 완성한다.

판단 구조가 곧 기업의 경쟁력이다

이전의 스마트 팩토리가 공장을 '보이게' 만들었다면, AI Factory는 공장이 상황을 이해하고 '스스로 판단'하게 만든다. AI Factory는 이처럼 Human Brain에만 의존하던 파편화된 경험을 조직의 시스템 자산으로 전환함으로써 데이터-지식-판단-실행-학습의 루프를 구축한다. 이처럼 AI Factory는 불확실한 제조 환경에서 기업이 지속 가능한 성장과 독보적인 경쟁력을 확보할 수 있게 한다.

[추천사] 제조업의 다음 경쟁력은 '스스로 판단하는 힘'입니다 5
·[프롤로그] 데이터는 있지만 판단은 없는 공장 11
·[이 책을 읽는 경로] 14

Part1. 왜 지금 AI Factory인가

Chapter1. 데이터는 있지만 판단은 없는 공장
1. 현장의 질문 23
2. 핵심 개념과 작동 원리 24
3. 사출공장 관통 사례의 이번 단계 27
4. 구축 핵심과 실행 원칙 28
5. 대표 도표 30
6. 핵심 정리 31

Chapter2. DX를 넘어 AX로
1. 현장의 질문 32
2. 핵심 개념과 작동 원리 33
3. 사출공장 관통 사례의 이번 단계 35
4. 구축 핵심과 실행 원칙 36
5. 대표 도표 37
6. 핵심 정리 37

Part1 결론: [판단 구조가 경쟁력이다] 39

Part2. AI Factory의 정의와 전체 구조

Chapter3. AI Factory: 제조기업의 판단 운영체제
1. 현장의 질문 43
2. 핵심 개념과 작동 원리 44
3. 사출공장 관통 사례의 이번 단계 49
4. 구축 핵심과 실행 원칙 50
5. 대표 도표와 산출물 51
6. 핵심 정리 52

Chapter4. Full Architecture와 기존 제조 IT의 역할
1. 현장의 질문 53
2. 핵심 개념과 작동 원리 54
3. 사출공장 관통 사례의 이번 단계 59
4. 구축 핵심과 실행 원칙 60
5. 대표 도표와 역할 표 62
6. 핵심 정리 63

Part2 결론: [책 전체의 기준 지도를 고정했다] 65

Part3. 데이터에서 의미로 Foundation Layer

Chapter5. 현실 공장에서 Raw Data까지
1. 현장의 질문 70
2. 핵심 개념과 작동 원리 71
3. 사출공장 관통 사례의 이번 단계 76
4. 구축 핵심과 실행 원칙 78
5. 대표 산출물 80
6. 핵심 정리 81

Chapter6. Data Governance: AI 판단의 안전장치
1. 현장의 질문 83
2. 핵심 개념과 작동 원리 84
3. 사출공장 관통 사례의 이번 단계 89
4. 구축 핵심과 실행 원칙 91
5. 대표 산출물 93
6. 핵심 정리 94

Chapter7. Semantic AAS: 데이터가 제조 언어가 되는 순간
1. 현장의 질문 97
2. 핵심 개념과 작동 원리 98
3. 사출공장 관통 사례의 이번 단계 102
4. 구축 핵심과 실행 원칙 104
5. 대표 산출물 106
6. 핵심 정리 107

Part3 결론: [AI가 공장을 보고, 본 것을 믿고, 그 뜻을 이해하게 되었다] 109

Part4. 의미에서 지식과 Rule로

Chapter8. Context와 RAG: 상황과 문서를 판단 근거로 바꾸다
1. 현장의 질문 114
2. 핵심 개념과 작동 원리 115
3. 사출공장 관통 사례의 이번 단계 119
4. 구축 핵심과 실행 원칙 122
5. 대표 산출물 124
6. 핵심 정리 125

Chapter9. Knowledge Graph와 Knowledge Engineering
1. 현장의 질문 127
2. 핵심 개념과 작동 원리 128
3. 사출공장 관통 사례의 이번 단계 132
4. 구축 핵심과 실행 원칙 133
5. 대표 산출물 136
6. 핵심 정리 137

Chapter10. Rule Design&Rule Scoring
1. 현장의 질문 139
2. 핵심 개념과 작동 원리 140
3. 사출공장 관통 사례의 이번 단계 145
4. 구축 핵심과 실행 원칙 147
5. 대표 산출물 150
6. 핵심 정리 151

Part 4 결론: [의미가 근거와 관계를 거쳐 판단 기준으로 전환되었다] 153

Part5. 가상 검증과 AI 판단 - Decision&Simulation Layer

Chapter11. A/B/C Scenario와 Economic Impact
1. 현장의 질문 158
2. 핵심 개념과 작동 원리 158
3. 사출공장 관통 사례의 이번 단계 161
4. 구축 핵심과 실행 원칙 163
5. 대표 도표와 산출물 164
6. 핵심 정리 164

Chapter12. Light Digital Twin: 현실 전에 가상에서 검증하라
1. 현장의 질문 167
2. 핵심 개념과 작동 원리 167
3. 사출 현장 관통 사례의 이번 단계 170
4. 구축 핵심과 실행 원칙 172
5. 대표 도표와 산출물 173
6. 핵심 정리 173

Chapter13. Decision Feature와 AI Brain
1. 현장의 질문 175
2. 핵심 개념과 작동 원리 175
3. 사출공장 관통 사례의 이번 단계 179
4. 구축 핵심과 실행 원칙 181
5. 대표 도표와 산출물 181
6. 핵심 정리 182

Chapter14. Decision Governance와 Feedback Loop
1. 현장의 질문 184
2. 핵심 개념과 작동 원리 184
3. 사출공장 관통 사례의 이번 단계 187
4. 구축 핵심과 실행 원칙 189
5. 대표 도표와 산출물 190
6. 핵심 정리 190

Part5 결론: [위험은 대안이 되고, 대안은 검증되며, 검증 결과는 통제 가능한 판단이 된다] 191

Part6. 실행과 자율 공장 - Execution&Governance Layer

Chapter15. AI Agent: 판단을 업무와 행동으로 연결한다
1. 현장의 질문 196
2. 핵심 개념과 작동 원리 196
3. 사출공장 관통 사례의 이번 단계 199
4. 구축 핵심과 실행 원칙 201
5. 대표 도표와 산출물 202
6. 핵심 정리 203

Chapter16. Physical AI와 Autonomous Factory
1. 현장의 질문 205
2. 핵심 개념과 작동 원리 205
3. 사출공장 관통 사례의 이번 단계 209
4. 구축 핵심과 실행 원칙 210
5. 대표 산출물 211
6. 핵심 정리 212

Part6 결론: [판단은 업무가 되고, 업무는 물리 행동이 되며, 행동은 다시 경험이 된다] 211

Part7. 공장에서 산업 생태계로

Chapter17. Autonomous Supply Chain과 AIX
1. 현장의 질문 218
2. 핵심 개념과 작동 원리 219
3. 사출공장 관통 사례의 이번 단계 224
4. 구축 핵심과 실행 원칙 227
5. 대표 도표 229
6. 핵심 정리 230

Chapter18. Green SDM-X Value Chain
1. 현장의 질문 232
2. 핵심 개념과 작동 원리 233
3. 사출공장 관통 사례의 이번 단계 238
4. 구축 핵심과 실행 원칙 241
5. 대표 도표 243
6. 핵심 정리 243

Part7 결론: [공장 내부의 판단 지능이 실행과 학습을 거쳐 공급망·기업 간 지능·지속가능 가치사슬로 확장되었다] 245

Part8. 실행 전략

Chapter19. 3개월·6개월·1년 로드맵과 조직 전환
1. 현장의 질문 250
2. 핵심 개념과 작동 원리 251
3. 사출공장 관통 사례의 이번 단계 259
4. 구축 핵심과 실행 원칙 262
5. 대표 도표 263
6. 핵심 정리 264

Chapter20. 실패하지 않는 10가지 원칙
1. 현장의 질문 266
2. 핵심 개념과 작동 원리 267
3. 사출공장 관통 사례의 이번 단계 269
4. 구축 핵심과 실행 원칙 271
5. 대표 도표 276
6. 핵심 정리 278

Part8 결론: [작게 시작한 AI Factory가 단계별 Gate, 명확한 책임, TCO와 실패 통제를거쳐 확산 가능한 제조 운영체제로 완성되었다] 279

[AI Factory 선언] 280
[AI Factory 부록]
부록 구성과 사용법 293
부록A. AI Factory 전문 용어집 295
부록B. CASE-IM-001 전체 Casebook 315
부록C. AI Factory Implementation Toolkit 323
부록D. 참고문헌 339
부록E. 표준·규제 공식 출처 Map 345
부록F. 그림·표 목록 347
부록G. 찾아보기 후보어 351

박한구 대한민국 제조 현장의 자동화와 스마트화, AI 전환을 40여 년간 연구하고 실천해 온 제조혁신 전문가다. 인하대학교 전자공학과를 졸업하고, 미국 스티븐슨대학 (Stevens Institute of Technology)에서 컴퓨터 엔지니어 석사 학위를 받았다. 포스코에서 공정 제어와 공장 자동화를 담당하고, 포스코ICT 스마트 팩토리 사업실장을 역임했으며, 한국인더스트리4.0협회 회장과 중소벤처기업부 산하 스마트제조혁신추진단 초대 단장으로 활동했다. 이 책에서 그는 현장 엔지니어, 기업 임원, 산업협회 리더와 국가정책 책임자의 경험을 바탕으로 데이터와 숙련자의 지식을 AI의 판단과 실행으로 연결하는 'AI Factory'를 제안한다. 현재 한국인더스트리4.0협회 명예회장이자 Smart M&F Group 대표로 제조 AI, AI Brain, 자율 제조와 Green SDM-X Value Chain의 산업 확산을 추진하고 있다.