제조 피지컬 AI

발표자: 장영재 석좌교수, KAIST / 다임리서치

Summary

제조 Physical AI의 핵심은 개별 AI 모델이나 로봇이 아니라 공장 전체를 유기적으로 운영하는 통합 운영 지능이다. 발표는 NVIDIA식 AI 팩토리와 제조 AI 팩토리의 용어 혼선을 구분하고, KAIROS와 Software Defined Factory 관점에서 공장 운영 플랫폼의 중요성을 강조했다.

핵심 메시지

1. AI 팩토리라는 용어를 구분해야 한다.
   NVIDIA가 말하는 AI 팩토리는 AI 모델을 생산하는 데이터센터 인프라에 가깝다. 제조 영역에서 말하는 AI 팩토리는 AI 자율제조 또는 Autonomous Manufacturing 공장이다.

2. 요소 기술만으로는 공장 ROI가 나오지 않는다.
   뛰어난 AI 모델 하나, 로봇 하나, GPU 하나가 있어도 MES, WMS, MCS, AMHS, 물류, 설비, 버퍼, 정비 일정과 연결되지 않으면 공장 운영 가치는 제한된다.

3. 제조 AI의 핵심은 공장 운영 지능이다.
   예지보전이 이상 징후를 잡아도, 장비를 지금 세울지 교대 시간에 정비할지는 생산량, 버퍼, 인력, 납기를 종합해 판단해야 한다.

4. KAIROS는 무인 공장 통합 플랫폼의 예다.
   센서 제어, 데이터 처리, 설비 제어, 물류 제어, 공장 운영을 하나의 체계로 통합하려는 접근이다.

5. 한국 제조업에는 Software Defined Factory 관점이 필요하다.
   개별 솔루션을 끼워 맞추는 것이 아니라 공장 전체를 제어하는 물류 및 운영 로직을 먼저 표준화해야 한다.

제조 Physical AI의 4대 영역

영역	설명	단독 도입의 한계
준비/관리	설비 보전, 예지보전	이상 감지만으로 ROI가 보장되지 않음
설비 제어	공정 최적화, 장비 제어	상하위 공정과 연결 필요
물류 제어	자율 물류, 스케줄링	WMS/MCS/AMHS 연동 필요
공장 운영	통합 관제와 의사결정	제조 AI의 최종 가치 지점

flowchart TD
  Maintenance["준비/관리"] --> Operation["공장 운영 지능"]
  Process["설비 제어"] --> Operation
  Logistics["물류 제어"] --> Operation
  Operation --> ROI["ROI / 생산성 / 납기"]
  MES["MES/WMS/MCS/AMHS"] --> Operation

AX Moon 해석

이 발표는 MES and AI Integration Map의 중심 주장을 강화한다. 제조AI는 모델 성능보다 운영 의사결정 시스템에 가까우며, 공장 전체의 데이터 흐름과 제어 로직이 함께 설계되어야 한다.

Tip

제조 Physical AI를 검토할 때 “어떤 모델을 쓸 것인가”보다 “그 모델의 판단이 공장 운영 의사결정의 어느 지점에 들어가는가”를 먼저 물어야 한다.

자료 첨부

• 발표자료:
• 사진:
• 현장 메모:
• 관련 링크:

권장 첨부 폴더:

content/40. Manufacturing AI/AI Factory Seminar 2026-07-02/attachments/

후속 질문

• KAIROS형 통합 플랫폼과 기존 MES/MCS/WMS의 책임 경계는 어떻게 나뉘는가?
• 공장 운영 지능의 KPI는 ROI, 납기, OEE, 재공 중 무엇을 중심으로 잡아야 하는가?
• Software Defined Factory를 도입하려면 기업이 먼저 표준화해야 할 데이터와 로직은 무엇인가?

관련 문서

• AI Factory Seminar 2026-07-02
• MES and AI Integration Map
• Manufacturing AI Use Cases
• AI Native KMS