생성형 AI와 IoT를 활용한 스마트 머신의 가치 극대화

이 글은 AWS for Industries 블로그에 게시된 글(Maximizing the value of Smart Machines with generative AI and IoT)를 한국어로 번역 및 편집하였습니다. 영어 원문 블로그는 Dimitrios Spiliopoulos(Principal World Wide Specialist Industrial IoT),
Gabriel Verreault(World Wide Manufacturing Senior Partner Senior Solutions Architect),
Gary Emmerton(Senior Solutions Architect)이 작성하였습니다.

오늘날 경쟁이 치열한 산업 환경에서 건설 기계, 광산 장비, 공장 설비와 같은 산업장비를 제조하는 기업들은 제품의 잠재력을 극대화할 혁신적인 방법을 찾고 있습니다. IoT를 활용하여 산업용 장비를 클라우드에 연결하면, 산업용 장비 제조사들은 실제 사용환경에서 장비가 어떻게 작동하는지에 대한 가시성을 확보하게 됩니다. 이를 통하여 작동 사용 패턴을 이해하고, 반복적인으로 발생하는 고장 원인을 빠르게 파악하며, 장비 개선과 새로운 서비스 제공으로 이어지는 최적화 기회를 발견할 수 있습니다. 하지만 장비와 클라우드를 연결하는 종합적인 솔루션을 구축하는 것은 복잡하고 많은 시간이 소요될 수 있습니다. “AWS로 스마트 산업용 기계 구축: 종합 가이드(Building Smart Industrial Machines with AWS: A Comprehensive Guide)” 블로그에서는 AWS IoT 서비스를 활용해 대규모 인프라 투자 없이도 안전하고 확장 가능한 산업 솔루션을 구현할 수 있는 방법을 설명하였습니다. 이번 글에서는 스마트 머신을 위하여 생성형 AI와 IoT를 결합하여 얻을 수 있는 혁신적인 잠재력에 대하여 설명합니다. 특히, 우리는 산업용 장비 제조사가 Amazon Bedrock과 같은 AWS 생성형 AI 서비스와 AWS IoT Core, AWS IoT SiteWise와 같은 AWS IoT 서비스를 결합하여 운영을 혁신하고, 새로운 인사이트를 창출하며, 실질적인 비즈니스 성과를 달성하는 방법을 집중적으로 살펴보겠습니다.

스마트 머신을 위한 생성형 AI

생성형 AI는 운영 데이터 및 제품 데이터로부터 실행 가능한 인사이트를 도출하여 실제 활용 사례에서 상당한 혁신을 이끌 수 있는 기술입니다. 이는 장비 운영자나 서비스 엔지니어가 문제를 더 빠르고, 일관되며, 반복 가능하게 해결할 수 있도록 지원합니다. Capgemini의 연구에 따르면, 제조회사 대다수가 생성형 AI에 대해 단순히 호기심을 갖는 것이 아니라, 55%가 적극적으로 그 잠재력을 탐구하고 있으며, 45%가 현재 파일럿 프로젝트를 진행하고 있습니다.
AWS와 AWS 파트너는 기업이 생성형 AI 기반 애플리케이션을 효과적으로 구축하고 확장할 수 있도록 지원합니다. 이번 글에서는 장비 제조사(OEM, Original Equipment Manufacturer)가 생성형 AI와 IoT를 결합해 구현할 수 있는 스마트 머신 대표 사용 사례 4가지를 살펴보겠습니다: 1. 진단 및문제 해결 지원, 2. 향상된 현장 서비스 운영, 3. 장비 제조사를 위한 대 규모 장비 분석, 4. AI를 활용한 진단 보고서 생성.

1. 진단 및 문제 해결 지원

생성형 AI와 IoT를 결합함으로써 유지보수 관리를 혁신할 수 있습니다. 예를 들어, 장비의 온도, 압력, 또는 진동과 같은 IoT 센서 데이터가 임계값를 초과해 이상감지 경보를 발생하는 시나리오를 고려해보겠습니다.이러한 이상감지 경보는 생성형 AI 분석을 활용하여, 장비 매뉴얼, 표준 업무 절차 (SOP), 과거 유지보수 기록, 축적된 전문가 경험, 부품 이력 등의 정보와 결합하여 추가 정보를 추출할 수 있습니다. 유지보수 팀은 이상감지 경보와 추가 정보를 활용하여, 이상의 원인과 단계별 수리 지침 뿐만 아니라, 수리에 필요한 권장 부품 및 도구들에 목록을 얻을 수 있습니다. 이를 통하여 장비 제공 회사의 서비스 엔지니어와 장비 사용 회사의 정비팀이 문제 해결과 수리에 필요한 시간을 단축하게 합니다. 또한, 경험이 부족한 인력도 진단 보조의 도움을 받아 문제를 해결할 수 있습니다. 진단 보조 사례의 샘플 구현에 대해서는 “AWS에서 보조 진단 및 문제 해결을 위한 가이드(Guidance for Assisted Diagnosis and Troubleshooting on AWS)“를 참조하시기 바랍니다. 이 조합은 고장 감지를 넘어서, 종합적인 유지보수 지침을 제공합니다. 또한, 더 나아가 음성 지원 AI 어시스턴트를 통하여 사용자가 두 손으로 작업을 하면서, 음성으로 진단 정보를 요청할 수 있습니다. 예를 들면, 서비스 엔지니어가 현재 진행하는 작업에 방해가 되지 않으면서, 펌프의 압력 변화의 원인에 대하여 문의를 할 수 있습니다.

2. 향상된 현장 서비스 운영

현장에서의 진단 및 문제 해결 지원을 기반으로, 장비 제조사는 원격 진단과 지능적인 사전 준비를 통해 생성형 AI로 현장 서비스 운영을 혁신할 수 있습니다. 현장 서비스 팀은 AI 생성 진단 보고서를 받아 센서 데이터 및 오류 코드와 같은 기계 데이터를 원격으로 분석합니다. 또한, 현장 방문이 필요한 경우 각 수리에 필요한 부품 및 도구들을 원격에서 미리 신속하게 준비할 수 있습니다. 이 준비 과정에는 부품 정보, 수리에 필요한 적정 도구, 서비스 엔지니어의 전문성 매칭이 포함됩니다. 이를 통하여 현장을 방문하는 횟수가 줄어들고, 유지보수 비용이 감소하며, 첫 번째 수리 성공률과 수리 시간이 크게 개선됩니다. 문제 분석 향상과 준비 과정 효율화는 서비스 엔지니어의 배치 효율화, 수리 시간 단축, 그리고 사용자 만족도 향상에 큰 도움이 됩니다.
이 비디오는 엘리베이터와 에스컬레이터의 글로벌 리더인 KONE이 AWS와 함께 개발한 AI 기반 서비스 엔지니어 보조 솔루션에 대하여 설명합니다. 또한, 이 비디오는 엘리베이터의 유지보수 이력, IoT 데이터, 그리고 관련 문서를 분석하여 서비스 엔지니어가 엘리베이터 수리 시간을 단축하는 것을 설명합니다.

3. 장비 제조사를 위한 대규모 장비 분석

기존의 대규모 분석은 이미 배포된 수천 대의 장비에서 인사이트를 추출하기 위하여 데이터 과학자와 복잡한 데이터 엔지니어링 작업을 필요로 합니다. 생성형 AI는 방대한 데이터셋에 대한 자연어 검색을 가능하게 하고, 원격 측정 데이터와 서비스 보고서, 운영자 피드백과 같은 비정형 데이터와 결합하여 서술적 인사이트를 자동으로 생성함으로써 기존의 방식을 혁신합니다. 장비의 성능을 이해하기 위해 수동으로 대시보드를 구축하는 대신, 장비 제조사는 “고온 환경에서 굴삭기의 일반적인 고장 모드는 무엇인가?”와 같은 질문을 하고, 트렌드 식별, 환경 요인에 대한 상관관계 분석, 그리고 설계 개선과 같은 종합적인 분석을 답변으로 받을 수 있습니다. 이를 통해 도출된 인사이트가 기술팀을 넘어서, 영업팀과 제품팀이 여러 활용 사례 및 환경에서 장비가 어떻게 작동하는지 빠르게 이해할 수 있도록 접근 가능하게 됩니다. 이러한 인사이트는 새로운 ‘제품의 서비스화(Servitization)’ 비즈니스 모델도 가능하게 합니다. 이 비즈니스 모델이 적용된 제품은 자산 유형, 고객 세그먼트, 지역별로 상세한 성능 분석 정보를 자동으로 생성하며, 이전에는 많은 시간과 노력이 필요한 수동 분석으로 가능하였습니다.

4. AI를 활용한 진단 보고서 생성

장비 제조사는 생성형 AI를 활용하여, 원격 측정 데이터, 유지보수 이력, 환경 조건, 사고 기록을 포함한 여러 데이터 소스를 통합하여 제품의 종합적인 운영 보고서를 생성할 수 있습니다. 이러한 보고서는 자체 팀을 위한 전략적 인사이트를 제공할 뿐 아니라, 수기 작성 및 데이터 수집에 걸리는 시간도 절감해 줍니다. 이러한 보고서는 단순히 문제 발생 후 진단하는 방식(Reactive Diagnostics)과는 달리, 광범위한 성능 패턴을 분석하여, 제품 개발 정보를 제공하고 설계 개선 사항을 식별하며 서비스 및 고객 지원 전략을 최적화하는데 활용할 수 있습니다.
이러한 보고서는 제조사와 고객 모두에게 가치를 제공하는 이중 보고 형태로 활용될 수 있습니다. 제조사에는 전략적 인텔리전스를 제공하고, 고객에게는 자동화된 다차원 분석 보고서를 제공하는 방식입니다. 장비 제조사는 이러한 진단 기능을 고객에게 프리미엄 서비스로 제공하고 지속적인 수익을 창출하는 동시에, 장비 신뢰성 향상, 고객 서비스 개선, 고객 운영 관리에 대한 인사이트를 통해 더 강력한 고객 관계를 구축할 수 있습니다.
HP가 IoT, 머신러닝, 생성형 AI를 활용해 산업용 프린팅의 미래를 어떻게 혁신하고 있는지, 그리고 미래형 지능형 프린팅 공장(Intelligent Printing Factory) 를 AWS와 함께 어떻게 구축하고 있는지 이 영상을 통해 확인해보세요.

IoT 데이터와 생성형 AI 연결

“AWS에서 스마트 머신 배포를 위한 가이드(Guidance for Deploying Smart Machines on AWS)“는 스마트 산업장비 여정의 출발점을 제공합니다. 이 가이드는 대규모 스마트 머신을 효과적으로 연결하고 관리하는 데 필요한 기본 구성 요소를 설정합니다. 더불어 동시에 다양한 애플리케이션에 필요한 양질의 데이터를 준비하고, 문맥화하고, 그리고, 유지할 수 있는 산업 데이터 파운데이션(Industrial Data Foundation)을 구축하는 방법을 안내합니다. 이 산업 데이터 파운데이션을 기반으로, 장비 제조사는 AWS 상에서 생성형 AI를 활용하여 새로운 기능을 개발할 수 있습니다.
그림 1의 아키텍처 다이어그램은 기본적인 스마트 머신 아키텍처에 생성형 AI 계층이 추가된 구조를 보여줍니다.

그림 1: AWS IoT와 생성형 AI를 사용한 AWS스마트 머신 배포 아키텍처

산업용 IoT 데이터는 AWS IoT SiteWise Edge를 사용하여 직접 AWS IoT SiteWise로 수집되거나 AWS IoT Core Rules Engine을 통하여 수집됩니다. 시스템 내에서 이 데이터는 정적 속성(예: 일련번호, 기계 유형)과 동적 속성(예: 센서 판독값, GPS 위치)이 결합된 형태의 디지털 자산 모델로 구성됩니다. 모터, 구동기(actuator), 펌프와 같은 개별 자산은, 개별 자산이 속해 있는 큰 장비 또는 설비와 부모-자식 관계로 연결됩니다. 구조화된 IoT 데이터를 포함하는 산업 데이터 파운데이션은 더욱 강력한 힘을 발휘합니다. 예를 들면, 가공되지 않은 운영 데이터를 생성형 AI 기능과 결합하여 실행 가능한 인사이트와 지능형 자동응답으로 변환함으로써 수리 작업 보조와 대규모 장비 관리에 활용할 수 있습니다. 이 방식은 서드파티(Third-party) 산업 시스템으로 확장할 수 있으며, 예를 들면 교체 부품과 유지보수 이력 정보를 얻기 위한 설비 관리 시스템이 이에 해당합니다. 산업용 IoT 데이터는 AWS IoT SiteWise Edge를 사용하여 직접 AWS IoT SiteWise로 수집되거나 AWS IoT Core Rules Engine을 통하여 수집됩니다. 시스템 내에서 이 데이터는 정적 속성(예: 일련번호, 기계 유형)과 동적 속성(예: 센서 판독값, GPS 위치)이 결합된 형태의 디지털 자산 모델로 구성됩니다. 모터, 구동기(actuator), 펌프와 같은 개별 자산은, 개별 자산이 속해 있는 큰 장비 또는 설비와 부모-자식 관계로 연결됩니다. 구조화된 IoT 데이터를 포함하는 산업 데이터 파운데이션은 더욱 강력한 힘을 발휘합니다. 예를 들면, 가공되지 않은 운영 데이터를 생성형 AI 기능과 결합하여 실행 가능한 인사이트와 지능형 자동응답으로 변환함으로써 수리 작업 보조와 대규모 장비 관리에 활용할 수 있습니다. 이 방식은 서드파티(Third-party) 산업 시스템으로 확장할 수 있으며, 예를 들면 교체 부품과 유지보수 이력 정보를 얻기 위한 설비 관리 시스템이 이에 해당합니다.

Amazon Bedrock: IoT와 생성형 AI 통합을 위한 유연한 솔루션

스마트 머신 솔루션을 개발하는 산업장비 제조사는Amazon Bedrock으로 생성형 AI 여정을 시작할 수 있습니다. Amazon Bedrock은 선도적인 파운데이션 모델(FM)에 쉽게 접근할 수 있는 하는 완전 관리형 서비스입니다. Amazon Bedrock Knowledge Bases를 사용하여 파운데이션 모델을 우리 조직의 데이터와 쉽게 연결하여, 특정 정보 소스를 기반으로 정확하며, 적절하고, 문맥화 된 응답을 제공할 수 있습니다. Amazon Bedrock Knowledge Bases는 Amazon S3에 있는 당신의 기존 데이터뿐 아니라, 세일즈포스, 컨플루언스, 셰어포인트와 같은 외부 시스템 및 고객 솔루션, 그리고 사용자 지정 엔드포인트와도 연결되어 빠른 배포가 가능합니다. 여기에 정의된 단계를 사용하여 Amazon Bedrock Knowledge Base 설정을 빠르고 명확하게 할 수 있습니다.
Amazon Bedrock Agents를 활용해 모델과 데이터를 결합하면, 데이터가 저장된 위치와 상관없이IoT 데이터와 자체 보유(proprietary) 정보로부터 빠르게 인사이트를 얻을 수 있습니다. 자연어 상호작용을 통해 단일 장비를 모니터링하거나 대규모 장비로 손쉽게 확장하여 운영 요약 내용을 생성할 수 있습니다. Amazon Bedrock Agents는 외부 시스템에 대한 작업을 조정하고 실행할 수 있어, IoT 데이터와 유지보수 시스템을 검색하여 새로운 작업 요청과 알람을 생성할 수 있습니다. 이러한 방식으로 자율 에이전트를 사용하여 다양한 워크플로우를 처리할 수 있게 됩니다..
예를 들어, Amazon Bedrock Agents는 IoT 데이터와 지식 베이스 인사이트를 추가하여 Amazon Connect에서 지원 티켓을 자동으로 생성할 수 있습니다. 만약 장비에 문제가 발생하면, 시스템이 문맥 정보와 함께 운영자에게 즉시 알림을 보내어 문제 해결 시간을 단축하고 선제적인 고객 서비스를 가능하게 합니다. 이 콜센터 활용 패턴에 대한 자세한 내용은 AWS의 콜센터의 입력 자동화 연결을 위한 가이드(Guidance for Connecting Automated Inputs to Contact Centers on AWS)를 참조하십시오.
Amazon Bedrock은 더욱 복잡한 워크플로를 위한 에이전트 기반 시스템 구축을 가속화하기 위해 다중 에이전트 협업을 지원합니다. 이 기능의 실습 데모는 Amazon Bedrock 다중 에이전트 협업을 참조하십시오.

스마트 머신을 위한 엣지 인텔리전스

연결이 제한적이거나 불안정한 환경에서 작동하는 산업 장비의 경우, 생성형 AI 기능을 엣지에 직접 배포하는 것이 매력적인 옵션입니다. 연결성과 컴퓨팅 용량을 고려하여, 작고 일상적인 작업은 엣지 모델에서 수행을 하고, 연결이 가능한 경우 더 복잡한 쿼리를 클라우드의 대규모 언어 모델 (LLM)에서 실행하게 하는 하이브리드 접근 방식도 사용할 수 있습니다. 소규모 언어 모델(SLM)을 스마트 머신에 직접 내장하는 것도 가능하여, 오프라인 상태에서도 지속적인 AI지원을 가능하게 합니다. AWS를 활용한 엣지 인텔리전스(Unlocking the Power of Edge Intelligence with AWS)와 엣지에서의 생성형 AI 및 IoT 모범 사례(Emerging Architecture Patterns for Integrating IoT and generative AI on AWS)에 대한 심층적인 내용은 위 블로그들에서 확인할 수 있습니다.

AWS IoT SiteWise Assistant: 산업용 IoT와 생성형 AI 통합을 위한 네이티브 솔루션

Amazon Bedrock이 어떤 IoT 데이터 소스에도 유연히게 적용할 수 있는 기반을 제공하는 반면, AWS는 산업 데이터 수집, 저장 및 분석을 위하여 AWS IoT SiteWise를 사용하는 산업장비 제조사를 위한 용도별 솔루션도 제공합니다. AWS IoT SiteWise Assistant는 복잡한 기술 쿼리문을 작성하지 않고도 자연어로 장비 데이터를 쿼리하여 장비 성능, 트렌드 및 운영 메트릭에 대한 인사이트를 얻을 수 있게 함으로써AWS IoT SiteWise 기능을 향상시킵니다. 더 자세한 개요는 AWS IoT SiteWise Assistant를 활용한 산업 의사결정 혁신을 참조하십시오.

AWS 파트너와 함께하는 연결된 스마트 머신의 생성형 AI 활용

AWS 파트너는 스마트 머신 솔루션을 구축하는 AWS 고객을 지원하는 데 중요한 역할을 하고 있으며, 전략 컨설팅과 아이디어 기획부터, “AWS에서 스마트 머신 배포를 위한 가이드“를 활용하여 확장 가능하고 안전한 솔루션을 제공하는 것에 이르기까지 전 과정을 지원합니다. 이 섹션에서는 시스템 통합 (SI) AWS 파트너들이 생성형 AI와 IoT를 결합하여 고객을 지원하고 더 광범위한 스마트 머신 산업을 발전시키는 방법을 다룹니다.
Deloitte는 생성형 AI를 활용하여 스마트 머신에 대한 정비 보조 및 자율 의사 결정을 가능하게 하여 유지보수 시장(Aftermarket) 지원과 EaaS(Equipment-as-a-Service)로의 전환을 모두 최적화하고 있습니다.
SoftServe의 통합 IIoT 플랫폼과 생성형 AI 솔루션은 산업용 IoT (IIoT), 생성형 AI, 디지털 트윈 및 NVIDIA 기능을 결합하여 스마트 머신을 변화시킵니다. Schunk 구현에서는 원격 및 현장 지원 엔지니어가 고객 장비 문제를 효율적으로 해결할 수 있도록 지원합니다.
Twisthink는 AWS의 생성형 AI와IoT 서비스를 활용하여 개발 노력과 투자를 줄이는 동시에 처방보전 (Prescriptive Maintenance) 및 대규모 장비 관리 분석을 위한 생성형 AI를 사용하는 스마트 머신 활용 사례를 지원하고 있습니다.
Green Custard는 AWS의 생성형 AI와 IoT를 결합하여 수리 보조, 실시간 성능 최적화, 그리고 향상된 고객 지원을 통해 스마트 머신 서비스를 혁신합니다. Britvic의Aqua Libra Flavour Tap구현은 IoT 데이터와 지원 문서의 지능형 분석을 통하여 향상된 고객 서비스를 보여줍니다.

결론

생성형 AI와 IoT의 결합은 유지보수 작업을 고도화하고, 대규모 장비 관리 프로세스를 확장하며,새로운 애플리케이션을 통하여 새로운 수익원을 창출함으로써 스마트 머신 제조사에게 혁신을 가져다 줍니다. AWS와 AWS 파트너는 장비 제조사가 현재의 IoT 솔루션을 확장하거나, 경쟁력을 유지하고, 수익 성장을 이끌 수 있도록 하는 새로운 스마트 머신을 구축하는 데 도움이 되는 서비스와 솔루션을 제공합니다.
생성형 AI 와 IoT로 제품을 혁신시킬 준비가 되셨나요? AWS 또는 AWS 파트너에게 연락하여 오늘 스마트 머신 여정을 시작하십시오. AWS의 생성형 AI에 대한 자세한 정보는 아래 리소스를 참조하세요:

이 블로그에 추가로 기여해주신 분들께 특별한 감사의 말씀을 전합니다. 이 글은 산업, IoT, 생성형 AI 분야의 AWS 전문가들이 다양한 전문성과 실무 경험을 바탕으로 협업한 결과물입니다.

Yuri Chamarelli, Senior Generative AI/ML Specialist Solution Architect, with Industrial IoT background
Channa Samynathan, Senior Worldwide Specialist Solutions Architect for AWS Edge AI & Advanced Computing
Vijay Karthick Baskar, Senior Partner Solution Architect for Manufacturing

AWS 기술 블로그