Real Autonomy. Real Impact.

P 업체의 제조 공장에서는 수많은 생산설비가 동시에 가동하고 있어, 담당자가 모든 설비의 상태를 지속적으로 확인하는 것을 어려워 했습니다. 설비에 이상 징후가 나타나기도 했지만, 이러한 징후를 조기에 발견하지 못해 설비가 멈춘 후에야 문제를 인지하는 경우가 많았습니다.

고장이 발생하면 원인 파악부터 부품 확보, 수리 및 재가동까지 상당한 시간이 소요되었으며, 이로 인해 짧게는 하루에서 길게는 일주일가량 생산이 중단되는 어려움을 겪었습니다.

모다플은 공장 내 제조설비에서 수집되는 다양한 운영 데이터를 실시간으로 수집하고 하나 시스템에 통합하였습니다. AI 모델이 설비별 정상 운전 패턴을 학습하고 데이터의 변화와 상관관계를 분석하여 기존 임계값 방식으로 발견하기 어려운 이상 징후까지 감지할 수 있도록 하였습니다.

이상이 감지되면 관련 데이터와 설비의 운전 이력을 분석하여 예상 원인과 위험 수준을 평가하고, 담당자에게 이상 설비와 주요 점검 항목을 안내하여 신속한 현장 확인과 대응을 지원하였습니다.

설비가 멈춘 후에야 고장을 발견하고 원인을 분석하던 방식에서, AI가 이상 징후를 조기에 발견하고 필요한 점검과 대응을 안내하는 예방 중심의 설비 관리로 전환되었습니다.