제조 산업과 AI 활용(18H)

제조 현장의 실무자 및 구직자를 대상으로 현장의 노하우를 데이터화하고, 비전 AI와 예지 정비 등을 활용해 스마트팩토리 공정을 최적화하는 실무 역량 강화 교육 과정

• 10월 12일(월)
• 10월 13일(화)
• 10월 14일(수)
• 1일차
  • 스마트 제조와 AI 개요 이해
  • 제조 데이터 수집, 정제 및 분석 기초
• 2일차
  • 비전 AI 기반 품질 검사
  • 공정 최적화를 위한 AI 모델 적용
• 3일차
  • 설비 데이터 분석과 스마트 운영
  • 스마트 공장 확장과 미래 제조 전략

● 강의 개요

• 교육목적
  • AX 인사이트-사업재편을 위한 AI 전환 전략 및 과제 발굴
    • 사업재편 관점에서 AI 전환의 필요성 이해
    • 자사의 사업전환 및 신사업 추진에 필요한 AI 적용과제 도출
• 교육대상:
  • 사업재편 승인기업 재직자
  • 사업재편 관심 및 신청예비기업 재직자(‘사업재편 신청 예비기업 확인서’ 별도 제출)
  • 제조업, 이차전지, 탄소중립에 관련된 업종 기업의 재직자(‘사업재편 신청 예비기업 확인서’ 별도 제출)
  • AI 활용 및 신사업 접목에 관심 있는 일반기업 재직자
• 강의기간: 2026.10.12~10.13 (09:30 ~ 17:00) (18H)
• 운영방식: 오프라인 대면 강의

● 강의 내용

10월 12일(월)

• AX 인사이트-사업재편을 위한 AI 전환 전략 및 과제 발굴
  • 사업재편 관점에서 AI 전환의 필요성을 이해하고, 자사의 사업 전환/신사업 추진에 필요한 AI 적용 과제를 도출
  • 세부 과정
    • 사업재편과 AX(AI Transformation)
      • 사업재편 필요성(기존사업한계, 신사업전환, 고부가가치화)과 AI 전환이 불가피해진 배경
    • 비전공자를 위한 사업재편 AI지도
      • 머신러닝, 딥러닝, 생성형 AI, AI 에이전트의 구조와 사업재편 시 기술별 적용 한계 및 가능 범위 이해
    • 제조 AI 도입사례 1(공정혁신)
      • 사업재편 기업의 비전검사, 예지보전, 수율예측 적용사례 및 공정 재설치 조건 비교
    • 제조 AI 도입사례 2(신사업 및 운영)
      • 신사업 라인 전환 시 수요예측, 재고 최적화, 사업재편 승인 보고문서 작성 자동화 사례
    • 생성형 AI 기반 업무 생산성 극대화
      • 사업재편 기획서 작성, 규제/매뉴얼 분석, 시작데이터 요약 프롬프트 실습
    • (워크숍) 사업재편 AI 과제발굴
      • 신규 사업라인/기존 공정 페인포인트 도출 및 난이도 & ROI 기반 과제 우선순위 매트릭스 작성
      • 산출물: 사업재편 AI 적용 과제 정의서

10월 13일(화)

• 제조 데이터 리터러시-사업재편을 위한 공정 데이터 구조와 분석
  • 사업재편 공정 재배치 및 신규 설비 도입에 따른 데이터 구조를 이해하고, AI 기반 데이터 정제 및 인사이트 도출 역량 습득
  • 세부 과정

10월 14일(수)

• AI 활용 및 자동화- 사업재편 예측 모델과 AI 에이전트
  • 사업재편에 따른 품질·수율 예측 모델을 노코드로 구축하고, AI 에이전트를 활용해 사업재편 실무 업무를 자동화

1일차

스마트 제조와 AI 개요 이해

• 스마트 팩토리 개요
• 제조 패러다임 변화
• 현장 적용 관점에서의 AI 도입 포인트 정리

제조 데이터 수집, 정제 및 분석 기초

• 데이터 개요 및 기초
• 제조 데이터 유형 및 특성
• 제조 데이터 구조 이해
• (PLC-센서-클라우드 기반) 제조 데이터 수집 구조
• 데이터 전처리 및 정제 방법 (결측치, 이상치 처리)
• 데이터 통합 및 품질 관리 방법
• EDA(탐색적 데이터 분석) 기반 패턴 분석
• 공정 데이터 기반 인사이트 도출

2일차

비전 AI 기반 품질 검사

• 비전 AI 기반 검사 시스템 구조
• 이미지 데이터 수집 및 라벨링 프로세스
• 불량 검출 모델 개념 및 적용 방식
• 품질 검사 자동화 사례 분석
• 불량 검출 결과 해석 및 개선 포인트 도출

공정 최적화를 위한 AI 모델 적용

• 노코드/로우코드 기반 AI 활용 구조 이해
• Orange 기반 데이터 분석 실습
• 공정 데이터 기반 예측 모델 개념
• 예측 결과를 공정 개선에 연결하는 방법
• AI 모델 운영 흐름(MLOps) 기초 이해
• 공정 개선 시나리오 설계
• PyTorch 기반 DNN 예제

3일차

설비 데이터 분석과 스마트 운영

• 설비 센서 데이터 기반 이상 탐지
• 예지보전(Predicted Maintenance) 개념
• KPI 기반 공정 모니터링 및 대시보드 설계
• 실시간 데이터 기반 의사결정 구조
• 사례 분석: 현장 적용 운영 전략

스마트 공장 확장과 미래 제조 전략

• 디지털 트윈 및 가상 공장 개념과 활용
• 물류 자동화 및 제조 로봇(AVR, 협동로봇) 이해
• 유연 생산 시스템(FMS) 및 스마트 생산 전략
• 제조 AI 도입 로드맵 및 조직 변화
• 미래 제조 트렌드 및 산업 전망

• 참고
  • 실습은 주로 Orange 등의 무료도구를 사용함
  • 실습 데이터는 가상의 데이터를 사용함
  • 실습의 목적은 실질적인 기술을 익히는 것이 아니라 관리자와 실무자로서 데이터의 흐름을 이해하고 의사결정에 활용하는 법을 중심으로 함