문제
주사제 제조 공정의 핵심 설비에서는 공정 데이터가 대용량으로 계속 발생하지만, 이를 실시간으로 수집하고 활용할 체계가 없었습니다. 데이터가 쌓이기만 하고 분석에 쓰이지 못해, 설비 이상 징후를 조기에 파악하기 어려웠습니다.
수집 데이터
핵심 설비에서 발생하는 대용량 공정 데이터를 실시간으로 수집했습니다. 제약 공정 특성상 데이터가 언제 어디서 수집됐는지 추적할 수 있도록 수집 경로를 설계했습니다.
적용 모듈
B²LAB 빅데이터 플랫폼으로 수집·저장·모니터링 기반을 만들고, 그 위에 이상 감지 모델을 올렸습니다.
결과
대용량 공정 데이터를 실시간으로 수집·저장하는 체계를 갖췄고, 핵심 설비의 이상 징후를 조기에 감지할 수 있게 됐습니다.
제약 공정의 제약 조건
제약 현장에 시스템을 넣을 때는 규제 적합성이 먼저입니다. 데이터가 언제, 누구에 의해, 어떻게 수집되고 바뀌었는지를 남길 수 있어야 합니다.
AI 모델을 넣는다고 이 요건이 달라지지 않습니다. 오히려 모델의 입력 데이터가 어디서 왔고 어떻게 가공됐는지를 설명할 수 있어야 하므로, 데이터 계보를 남기는 설계가 더 중요해집니다.
대용량 데이터를 다루는 방식
핵심 설비에서 나오는 데이터는 양과 발생 속도가 모두 큽니다. 수집·저장 구조가 흔들리면 그 위의 분석은 의미가 없습니다. 그래서 B²LAB의 수집·저장·모니터링 계층을 먼저 세우고, 파이프라인이 안정적으로 도는 것을 확인한 뒤 이상 감지 모델을 올렸습니다.
이 사례는 구축 범위와 적용 기술을 중심으로 정리했습니다. 정량적 성과 수치는 고객사 공개 동의 확인 후 추가할 예정입니다.