발주 최적화 및 수요 예측 모델을 AI 플랫폼(Runway)을 기반으로 기존 관리 시스템과 연동해 식품 프랜차이즈의 적정 재고와 매출을 산정하는 AI 운영 체계(MLOps)를 구현합니다.

국제 표준 성능을 만족하는 브레이크 패드 특성 예측 모델을 개발하고 설명 가능한 AI(XAI, explainable AI)기술을 접목해 비전문가도 AI 예측 결과를 간편히 활용할 수 있게 합니다.

현장 전문가의 비정형적 지시를 이해하고 자율 제어와 모니터링을 수행할 수 있는 복수의 AI 에이전트를 다양한 시스템/솔루션과 연계해 소프트웨어 정의 공장(SDF)을 구현합니다.

AI 플랫폼(Runway)을 기반으로 공공데이터를 유기적으로 연결하고, 국가 보안 표준에 따른 K8s 환경 기반의 AI 모델 관리 체계(MLOps)를 구축합니다.

비전 AI 기반의 1차 불량 검수 체계를 구축해 기존 사람이 수만 건의 데이터를 선별해야 했던 작업량을 줄이고, 품질 검사의 효율을 높입니다.

도메인 지식을 바탕으로 다양한 양식의 고객 주문서(TDC)를 해석 가능한 AI 에이전트를 활용해 표준화 프로세스를 자동화 하고 소요 시간을 단축합니다.

디자인 생성 에이전트가 미학적 요소부터 성능까지 고려한 다양한 패턴의 타이어 패턴을 생성합니다. 생성된 디자인의 모든 요소는 산업 전문 디자이너가 원하는 방식으로 제어하고 개선할 수 있습니다.

RAG 기반 LLM 모델을 AI 에이전트로 구현해 다양한 형태로 산재된 공공 데이터의 활용도를 높이고, 사용자에게 가장 필요한 정보를 우선적으로 제공하는 지능형 검색 서비스를 개발합니다.

데이터 안보와 극한의 전투상황에서도 활용 가능한 폐쇄망 기반 AI 플랫폼(Runway)을 구축했으며, 모델의 성능 저하는 감지하여 자동으로 재학습되는 워크플로우를 구현합니다.

머신러닝 모델을 기반으로 TAME 공정에서의 메탄올 잔존량을 예측해 엔지니어가 오프라인으로 샘플을 채취하지 않고도 새롭게 주입해야 하는 메탄올의 양을 판단하고 주입할 수 있습니다.

복합수지 레시피 개발 단계에서 AI 기반 물성 예측 모델을 적용해 원재료 혼합비에 따른 물성값을 실험 전에 예측해 개발 기간과 실험 비용을 절감합니다.

제약 발효 공정의 수율을 결정하는 초기 운전 단계의 운전 자동화로 인적 오류를 제거하고 제어 편차를 획기적으로 개선합니다.

인공지능을 기반으로 자동차 도장 공정 내 환기 팬(ventilation fan)에 사용되는 모터의 이상을 탐지하여 생산 라인의 다운타임을 단축합니다.

오토 어노테이션을 활용한 데이터 구축부터 HPC 인프라 자원 최적화까지, 하나의 AI 플랫폼(Runway)에서 구현하여 전자 산업에서의 인공지능 운영 효율을 높입니다.

AI 플랫폼(Runway)에서 자동차 보험 사고 분석을 위한 다양한 이미지 분석 모델을 복합적으로 적용해 재학습-재배포 등 운영 프로세스를 자동화합니다.

PLC 실시간 데이터를 활용한 AI 시스템(Runway)을 구축해 제조 데이터 특성을 손쉽게 반영하고, 높은 해상도의 데이터도 사용할 수 있는 지속가능한 AI 프로세스를 구축합니다.

신선식품의 할인 가격 최적화를 위한 인공지능 모델을 개발하고, AI 플랫폼(Runway)을 기반으로 실제 매장에서 검증된 모델을 다수의 점포로 확장 적용합니다.

AI 기반 MPC(Model Predictive Control)를 통해 철강 퍼니스 장비의 온도를 제어하는 최적의 로직을 도출해 일관된 목표 품질을 달성하며 에너지 소모를 최소화합니다.

다품종 소량 생산 공정의 스케줄링을 최적화 하여 병목현상과 유휴장비를 최소화하고 생산성을 증대합니다.

실측 데이터 기반의 AI 시뮬레이터를 활용해 제어 최적화 시나리오를 도출하고 에너지 비용을 절감하고, 현장 관리자 마다 발생하는 제어 편차를 최소화합니다.

안정적인 데이터 수집 체계와 다량의 장비에 대응할 수 있는 AI 운영 체계(MLOps)를 구축해 모터 고장으로 인한 생산라인의 다운타임을 단축합니다.

데이터 기반 시뮬레이터와 강화학습을 활용해 파라미터 튜닝을 자동화하고 소프트웨어 기반 모션 컨트롤 솔루션의 제어값과 실제 제어값의 편차를 최소화합니다.

강화학습 기반 알고리즘을 활용해 PCB의 효율적인 전자부품 장착 순서를 플래닝하고, 표면실장기술 공정을 비롯한 전체 공정 소요 시간을 최소화합니다.

AI와 로보틱스 기술을 결합해 다중로봇으로 구성된 차체 용접 공정을 빠르고 안전하게 수행할 수 있는 경로와 작업을 자동화하고 작업 시간과 제품 생산 시간을 단축합니다.

전기차의 실제 데이터를 활용해 현실과 가장 유사한 AI 시뮬레이터를 개발하고, 연산 속도를 획기적으로 개선한 경량화 모델을 탑재해 차량 에너지 제어를 최적화합니다.

1만대 이상 로봇팔이 구동되는 자동차 조립 공정에 AI 운영 환경(MLOps)을 구축해 이상탐지 모델을 확장 적용해 중대 고장을 사전에 예측하고 비가동 시간을 단축합니다.

AI 기반 시뮬레이터와 강화학습 에이전트를 활용해 주문형 반도체(ASIC)에 존재하는 수백만 구성요소의 최적 배치를 자동화하고 작업 시간과 성능을 향상합니다.

다양한 앙상블 모델을 활용해 예측 정확도를 높이고, 787개 발전소를 통합 운영할 수 있고 3천개 이상의 모델을 빠르게 재학습하고 배포하는 AI 운영 환경(MLOps)을 구축합니다.

석유 화학 폴리프로필렌(PP) 연속 공정 반응로에 딥러닝 기반 이상탐지 모델을 적용해 ESD(Emergency Shut Down)을 사전에 예측하고 이상 특성에 대한 인사이트를 제공합니다.

배터리 관리 시스템 데이터와 전기차(EV) 운행 패턴 분석을 통해 리튬 배터리(2차 전지)의 잔존 수명 예측과 생애 주기 모니터링이 가능합니다.