AI 솔루션 — 공정 이상 감지부터 자동 후속조치까지

Process Anomaly Response

공정 이상 감지 · 자동 대응

Process anomaly detection & response

설비가 완전히 멈추는 고장만 문제가 아닙니다. 알람 임계값은 넘지 않으면서 평소와 다르게 동작하는 상태 — 사람이 순회하다 발견할 때쯤이면 이미 늦은 그 구간을 AI가 대신 지킵니다.

A hard stop isn't the only failure. The dangerous state is the one that never crosses an alarm threshold but no longer looks like a normal cycle — the window that's already too late by the time someone walks past. AI covers that window.

생산 라인 비정상 동작 감지

Abnormal line behavior

제조 · 생산라인

Manufacturing · production lines

문제

Problem

설비가 멈추지는 않았는데 평소와 다르게 움직입니다. PLC 알람은 울리지 않고, 담당자가 순회 중에 발견할 때쯤이면 이미 불량이 수백 개 쌓여 있습니다.

The machine hasn't stopped, but it isn't moving the way it usually does. No PLC alarm fires, and by the time an operator notices on their round, hundreds of defective parts have already gone through.

수집

Collect

라인 카메라 영상, PLC 상태값, 사이클 타임, 진동·전류 센서를 같은 타임라인에 정렬

Line cameras, PLC state, cycle time, vibration and current sensors — aligned on one timeline.

판단

Judge

Vision AI가 동작 주기와 자세를 추적하고, VLM이 "이 움직임이 정상 사이클인가"를 맥락으로 재확인

Vision AI tracks the motion cycle and posture; a VLM re-checks in context whether this still reads as a normal cycle.

실행

Act

담당자 모바일 알림 → 무응답 시 라인 감속·정지 신호 → MES 이상 이벤트 기록 → 해당 시점 영상 클립을 붙여 품질팀 티켓 발행

Alert the operator → no response, slow or halt the line → log the event to MES → open a quality ticket with the video clip attached.

효과

Outcome

발견까지 수십 분 → 수십 초. 불량 유출을 줄이고, 원인 분석용 영상·데이터를 자동 확보

Tens of minutes to notice becomes tens of seconds — fewer defects escape, and the evidence for root-cause analysis is captured automatically.

적용 산업 Applies to 자동차 부품Auto parts 전자 조립Electronics assembly 식품 가공Food processing 포장 라인Packaging lines

작업 순서 누락 · 오작업 감지

Skipped steps & mis-assembly

조립 · 수작업 공정

Assembly & manual operations

문제

Problem

정해진 작업 순서 중 한 단계를 건너뛰어도 시스템은 알지 못합니다. 문제가 드러나는 것은 검사 공정이거나, 더 나쁘게는 출하 이후입니다.

If a worker skips one step in the sequence, nothing in the system notices. It surfaces at inspection — or worse, after the product has shipped.

수집

Collect

작업대 카메라, 바코드·스캐너 로그, 토크렌치·검사장비 결과값

Workbench cameras, barcode and scanner logs, torque wrench and inspection device readings.

판단

Judge

영상에서 작업 단계를 순서대로 인식하고 설비 로그와 대조해, 누락·순서 뒤바뀜·중복을 판단

Recognize each step in sequence from video and cross-check against device logs to spot omissions, reordering, and repeats.

실행

Act

작업자에게 즉시 표시등·음성 안내 → 다음 공정 이송 홀드 → 감독자 호출 → 작업 이력 기록

Signal the worker with a light and voice prompt → hold transfer to the next station → page the supervisor → record the history.

효과

Outcome

출하 후 리콜을 조립 시점의 즉시 교정으로 대체. 작업 표준 준수 여부가 데이터로 남음

A post-shipment recall becomes an on-the-spot correction, and compliance with the work standard becomes measurable data.

적용 산업 Applies to 기계 조립Machine assembly 정비 · 검사Maintenance & inspection 물류 피킹Logistics picking 의약품 포장Pharma packaging

Unstructured Sensor Analysis

비정형 센서 데이터 분석 · 판단

Unstructured sensor analysis & judgment

현장의 센서는 벤더마다 프로토콜도, 전송 주기도, 값의 의미도 다릅니다. 각각에 임계값 알람만 걸어 두면 따로 보면 정상인데 합쳐 보면 이상인 상태를 아무도 잡지 못합니다. 데이터를 한곳에 정규화해 모으고, 복합 신호를 AI가 함께 읽습니다.

Sensors on the floor differ by vendor in protocol, cadence, and even what a value means. Put a threshold alarm on each in isolation and nobody catches the state that is normal signal by signal but abnormal together. We normalize everything into one place and let AI read the combined picture.

이기종 센서 통합 분석 · 조치 분기

Cross-vendor sensor fusion & graded response

플랜트 · 유틸리티 · 인프라

Plants · utilities · infrastructure

문제

Problem

온도·진동·전류·유량 센서가 벤더별로 규격이 다르고, 각각 임계값 알람만 걸려 있습니다. 알람은 하루에도 수십 번 울리지만 대부분 오탐이라 아무도 보지 않고, 정작 중요한 신호는 그 사이에 묻힙니다.

Temperature, vibration, current, and flow sensors all follow different specs, each with its own threshold alarm. Dozens fire a day, most of them false, so nobody reads them — and the one that mattered is buried in the noise.

수집

Collect

Modbus · MQTT · 시리얼 · 파일 로그 등 형식이 다른 데이터를 커넥터로 받아 단위·주기를 정규화하고 타임라인 정렬

Connectors ingest Modbus, MQTT, serial, and file logs, then normalize units and cadence onto a shared timeline.

판단

Judge

정상 패턴 대비 복합 신호의 이탈을 탐지하고, LLM Agent가 최근 운전 이력·정비 기록과 함께 읽어 원인 후보와 심각도를 산출

Detect combined-signal deviation from the normal pattern; an LLM agent reads it alongside recent operating and maintenance history to rank likely causes and severity.

실행

Act

심각도에 따라 조치를 분기 — 경미: 관측 강화·일일 리포트 / 주의: 정비 티켓 발행·부품 재고 조회 / 심각: 설비 정지·담당자와 관리자 동시 호출

Branch by severity — minor: increase sampling and note it in the daily report; watch: open a maintenance ticket and check part stock; critical: stop the equipment and page operator and manager together.

효과

Outcome

임계값 알람의 오탐을 걸러내 알람 피로를 줄이고, 조치 수준이 상황에 맞게 자동 결정됨

Threshold false positives get filtered out, alarm fatigue drops, and the level of response is decided to fit the situation.

적용 산업 Applies to 화학 · 플랜트Chemical & plant 발전 · 송배전Power & grid 데이터센터Data centers 상하수도Water & wastewater

설비 상태 기반 예지보전

Condition-based predictive maintenance

회전기기 · 공조 · 컨베이어

Rotating equipment · HVAC · conveyors

문제

Problem

고장이 나야 고칩니다. 예방 정비는 달력상의 주기만 지킬 뿐 실제 설비 상태와 무관해서, 멀쩡한 부품을 갈거나 정작 필요한 정비는 놓칩니다.

Things get fixed once they break. Preventive maintenance follows the calendar, not the equipment — so healthy parts get replaced while the one that needed attention is missed.

수집

Collect

진동·온도·소음·전류 센서와 설비 가동 로그, 과거 정비 이력을 함께 축적

Vibration, temperature, acoustic, and current sensors together with runtime logs and past maintenance records.

판단

Judge

열화 추세를 추정해 고장 확률과 잔여 여유를 산출하고, 생산 계획과 대조해 정비하기 좋은 시점을 추천

Estimate the degradation trend to derive failure probability and remaining margin, then cross-reference the production schedule for the best window.

실행

Act

정비 계획 시스템에 작업 자동 등록, 필요한 부품 발주 요청, 라인 여유 시간대를 담당자에게 제안

File the work order into the maintenance system, raise the parts requisition, and propose the slack window to the planner.

효과

Outcome

계획 외 정지를 계획된 정비로 전환. 과잉 정비와 돌발 정지를 동시에 줄임

Unplanned downtime turns into planned maintenance, cutting both over-servicing and surprise stoppages.

적용 산업 Applies to 모터 · 펌프Motors & pumps 컴프레서Compressors 컨베이어Conveyors 건물 공조Building HVAC

Safety & Security Automation

영상 기반 안전 · 보안 자동화

Video-driven safety & security automation

카메라는 이미 충분히 달려 있습니다. 문제는 그 화면을 계속 보고 있을 사람이 없다는 것입니다. 판단과 첫 조치까지를 자동화하면, 사람은 정말 판단이 필요한 예외에만 개입하면 됩니다.

The cameras are already installed. What's missing is someone watching them continuously. Automate the judgment and the first response, and people only step in where judgment is genuinely needed.

작업장 안전 규정 위반 즉시 대응

Immediate response to safety violations

건설 · 중공업 · 물류창고

Construction · heavy industry · warehouses

문제

Problem

보호구 미착용이나 위험구역 진입은 관제 요원이 마침 그 화면을 보고 있을 때만 잡힙니다. 사고가 난 뒤에야 영상을 되돌려 보게 됩니다.

Missing protective gear or someone stepping into a restricted zone is only caught if an operator happens to be looking at that tile. Otherwise the footage is reviewed after the accident.

수집

Collect

작업장 카메라, 출입 통제 시스템 기록, 중장비 가동 신호

Site cameras, access control records, and heavy equipment operating signals.

판단

Judge

보호구 착용, 위험구역·중장비 반경 진입, 쓰러짐·장시간 부동을 판단. VLM이 "작업 중 정상 자세인지"까지 구분해 오탐을 줄임

Assess protective gear, entry into restricted zones or equipment swing radius, falls, and prolonged stillness — with a VLM distinguishing a normal working posture to cut false alarms.

실행

Act

해당 구역 스피커 안내 방송 → 중장비 인터록 신호 → 안전관리자 모바일 호출 → 위반 영상 클립과 함께 이력 저장

Announce over the zone speaker → send the equipment interlock signal → page the safety manager → archive the clip with the incident record.

효과

Outcome

사고 이전 단계에서 개입. 안전 점검·교육에 쓸 근거 자료가 자동으로 쌓임

Intervention happens before the incident, and the evidence for audits and training accumulates on its own.

적용 산업 Applies to 건설 현장Construction sites 중공업 · 조선Heavy industry & shipbuilding 물류창고Warehouses 제조 공장Factories

무단 출입 · 야간 시설 보안

Intrusion & after-hours facility security

공공기관 · 무인 시설

Public institutions · unmanned sites

문제

Problem

야간과 주말에는 확인할 사람이 없습니다. 동작 감지 알람은 동물·나뭇가지·빛 반사에 계속 울려서, 경비 출동 비용만 나가고 신뢰는 떨어집니다.

Nights and weekends have nobody watching. Motion alarms keep firing on animals, branches, and light reflections — burning dispatch costs and eroding trust in the system.

수집

Collect

경계 카메라, 출입문 센서, 인가된 출입 일정과 재실 정보

Perimeter cameras, door sensors, and the authorized access schedule and occupancy data.

판단

Judge

사람·차량 여부와 인가 여부를 대조해 침입인지 정상 출입인지 판단하고, 오탐 요인을 맥락으로 걸러냄

Cross-check person or vehicle against the authorization list to separate intrusion from a legitimate visit, filtering out the usual false triggers by context.

실행

Act

경광등·경고 방송 작동 → 출입문 잠금 → 관제실·경비업체 통보 → 침입 경로 영상을 자동 편집해 함께 전달

Trigger the strobe and warning announcement → lock the doors → notify the control room and security provider → send an auto-edited clip of the intrusion path.

효과

Outcome

무인 상태에서도 즉시 대응. 오탐 출동이 줄어 경비 운영 비용이 함께 내려감

Immediate response even with nobody on site, and fewer false dispatches bring guarding costs down with them.

적용 산업 Applies to 공공 · 기관Public institutions 발전 · 송배전Power facilities 물류센터Distribution centers 캠퍼스 · 연구소Campuses & labs

Custom Automation

요청형 맞춤 자동화

Automation built on request

앞의 사례들은 자주 나오는 형태일 뿐입니다. YIYOL이 실제로 하는 일은 고객이 가져온 문제에서 시작해 그 현장에만 맞는 파이프라인을 새로 만드는 것입니다.

The cases above are just the shapes that come up often. What YIYOL actually does is start from the problem you bring and build a pipeline that fits only your site.

세 가지만 알려주시면 됩니다

We only need three things from you

기술 사양을 정리해 오실 필요는 없습니다. 아래 세 가지를 말씀해 주시면 나머지는 저희가 설계합니다.

You don't need to arrive with a technical spec. Tell us these three things and we'll design the rest.

어떤 상황이 문제인가 — "야간에 이 구역에 사람이 들어오면 안 된다", "이 설비가 이렇게 움직이면 이상이다"Which situation is the problem — "nobody should enter this zone at night", "when the machine moves like this, something is wrong"
지금 어떤 데이터가 있는가 — 카메라, 센서, 설비 로그, 기존 시스템 무엇이든. 없으면 무엇을 붙여야 할지부터 함께 정합니다What data exists today — cameras, sensors, machine logs, existing systems, anything. If there's none, we work out together what to add
그때 무엇이 일어나야 하는가 — 알리기만 할지, 설비를 세울지, 다른 시스템에 기록할지, 상황에 따라 다르게 처리할지What should happen then — just notify, stop the machine, record it elsewhere, or branch differently depending on the case

후속조치로 연결할 수 있는 것들

What a follow-up action can be

판단 결과는 하나의 알림으로 끝나지 않습니다. WebHook과 API를 통해 이미 쓰고 계신 시스템으로 그대로 이어집니다.

A judgment doesn't have to end as one notification. Through WebHooks and APIs it flows straight into the systems you already run.

모바일 푸시 · 문자 · 이메일 · 메신저(슬랙·팀즈·카카오워크) 알림Mobile push, SMS, email, and messenger alerts (Slack, Teams, Kakao Work)
현장 스피커 방송 · 경광등 · 표시등 제어On-site PA announcements, strobes, and indicator lights
설비 정지·감속·인터록, 출입문 잠금, 차단기 제어 등 물리 장치 제어Physical control — halting or slowing equipment, interlocks, door locks, barrier gates
ERP · MES · CMMS · 그룹웨어에 이벤트 기록, 티켓·작업지시 자동 발행Writing events into ERP, MES, CMMS, or groupware and opening tickets and work orders
단계별 에스컬레이션 — 무응답 시 상위 담당자로 자동 승격Tiered escalation — automatically promoting to the next responder when nobody answers
해당 시점 영상 클립 자동 추출·첨부, 판단 근거 리포트 생성Auto-extracting the relevant video clip and generating a report on why the call was made

실제로 이렇게 만듭니다

How it comes together in practice

주차장 자동화를 예로 들면, 번호판 인식 결과를 WebHook으로 받아 차단기 제어와 정산 시스템 연동까지 이어지는 구조입니다. 구현 과정을 단계별로 정리한 글이 블로그에 있습니다.

Take parking as an example: license plate recognition results arrive over a WebHook and carry through to barrier control and the payment system. There's a step-by-step write-up on our blog.

WebHook 기반 자동화 구축 가이드 읽기Read the WebHook automation guide

How It's Built

솔루션은 이렇게 만듭니다

How a solution gets built

솔루션마다 처음부터 새로 만들지 않습니다. NOX 소프트웨어가 이미 영상과 데이터를 모아 저장하고 있으니, 그 위에 커넥터로 나머지 현장 데이터를 붙이고, AI 런타임이 상황을 판단하고, 액션 엔진이 후속조치를 실행하도록 구성합니다. 현장마다 달라지는 것은 판단 기준과 조치 시나리오뿐입니다.

No solution starts from scratch. The NOX software is already gathering and storing the video and data; on top of that we wire connectors for whatever else the site produces, an AI runtime that judges the situation, and an action engine that carries out the follow-up. What changes per site is the judgment criteria and the action scenarios — nothing else.

Layer 01

커넥터

Connectors

영상은 NOX 소프트웨어가 이미 받고 있습니다. 여기에 설비 로그와 센서처럼 프로토콜과 전송 주기가 제각각인 데이터를 기존 장비 교체 없이 붙여, 단위를 정규화하고 같은 타임라인에 정렬합니다.

The NOX software already has the video. Connectors add everything else — machine logs, sensors, whatever protocol and cadence they arrive in — without replacing installed equipment, normalizing units and aligning it all onto one timeline.

ONVIF · RTSPModbus · MQTT시리얼 · PLCSerial · PLC파일 · DB 로그File & DB logsREST API

Layer 02

AI 런타임

AI runtime

Vision AI가 1차로 감지하고, VLM·LLM Agent가 맥락을 읽어 최종 판단을 내립니다. 모델은 현장에 맞게 교체·추가할 수 있고, 판단은 기본적으로 현장 장비에서 수행됩니다.

Vision AI detects first; a VLM or LLM agent reads the context and makes the final call. Models can be swapped or added per site, and inference runs on your own hardware by default.

Vision AIVLMLLM Agent엣지 추론Edge inference모델 교체 가능Swappable models

Layer 03

액션 엔진

Action engine

판단 결과에 따라 정의된 후속조치 중 적절한 것을 골라 실행합니다. 조건 분기, 단계별 에스컬레이션, 무응답 시 승격까지 시나리오로 구성할 수 있습니다.

Picks and runs the right follow-up from the actions you defined. Conditional branching, tiered escalation, and promotion on no-response are all part of the scenario.

WebHook알림 · 방송Alerts · PA장치 제어Device controlERP · MES 연동ERP · MES에스컬레이션Escalation