Apollo Tyres 사례: 센서 데이터에서 원인 후보를 찾는 제조 AI 에이전트

제조 현장의 원인분석(RCA)은 정보가 부족해서만 느린 일이 아닙니다. 설비, 품목, 공정 조건, 시간대, 알람, 정비 이력처럼 확인해야 할 축이 많기 때문입니다. 대시보드가 있어도 엔지니어가 어떤 화면을 열고 어떤 비교를 먼저 할지 판단해야 하면, 이상 상황에서 분석은 길어집니다.

AWS와 Apollo Tyres가 공동으로 공개한 2025년 사례는 이 문제를 자연어 기반 Manufacturing Reasoner로 다룹니다. 사례에 따르면 경화 프레스의 센서·공정·운영·이벤트·상태 모니터링 데이터를 연결하고, 에이전트가 병목 후보와 분석을 보조합니다. AWS/Apollo는 건당 최대 7시간이던 분석 지원이 10분 미만으로 줄었고, 지원 노력은 약 88% 줄었다고 보고합니다. 이는 해당 사례의 보고값이며, 다른 공장에 그대로 적용된다는 보장은 아닙니다.

핵심은 ‘답을 주는 AI’가 아니라 원인 후보를 추적 가능한 순서로 줄이는 일입니다

사례의 범위는 단순 알람 요약보다 넓습니다. 경화 프레스의 다양한 요소, 품목, 공급사, 공정 매체를 비교해 원인을 탐색하고, 엔지니어가 자연어로 데이터를 살피도록 돕습니다. 그러나 기사 속 설명에서도 최종 방향은 사람이 데이터를 바탕으로 조치하도록 돕는 것입니다.

이 지점이 제조 AX에 중요합니다. AI가 “온도를 바꾸세요”라고 실행하는 것과, “어제 같은 품목·같은 설비에서 이 구간의 사이클 시간이 달랐고, 아래 세 신호를 확인해 보세요”라고 근거를 보여 주는 것은 전혀 다른 위험도입니다. 첫 파일럿은 후자여야 합니다.

RCA 보조 흐름을 네 칸으로 설계하세요

표에서 가장 중요한 칸은 조치 결정입니다. AI의 권장안을 ‘정답’으로 저장하지 말고, 엔지니어가 채택·수정·보류한 이유를 남기세요. 이 기록은 다음 사건에서 모델의 설명을 개선하는 자료이면서, 어느 조건까지 AI를 신뢰해도 되는지 판단하는 증거가 됩니다.

데이터가 많을수록 첫 범위는 더 작아야 합니다

센서가 수백 개, 품목이 수십 개라면 모든 것을 한 번에 연결하고 싶어집니다. 하지만 첫 대상은 하나의 설비군, 하나의 이상 징후, 한두 개의 결과 지표면 충분합니다. 예를 들어 특정 프레스의 비가동 시간, 특정 공정의 사이클 편차, 특정 품목의 불량 경향 중 하나를 고릅니다.

이 범위에서 과거 사건 10~20건을 준비하고, 숙련자가 실제로 무엇을 비교했는지 기록합니다. AI가 답을 맞혔는지뿐 아니라, 같은 데이터를 다시 열 수 있게 근거를 남겼는지, 모르는 경우 보류했는지 확인하세요. 아직 후보가 너무 넓다면 AX 자가진단으로 반복성·데이터 접근·검수자를 기준으로 줄일 수 있습니다.

사건 한 건을 분석하는 기록 양식

사건 ID / 발생 시각 / 대상 설비:
확인할 결과 지표와 정상 범위:
사용 가능한 신호와 데이터 갱신 시각:
AI 원인 후보 1~3개:
후보별 근거: 비교 구간 / 과거 사건 / 문서 위치
데이터 결측·불확실성·보류 사유:
엔지니어 판단: 채택 / 수정 / 제외
실제 조치·안전 승인·결과:
다음 대표 사례에 추가할 교훈:

이 양식은 거창한 데이터 플랫폼이 있어야만 쓸 수 있는 것은 아닙니다. 먼저 기존 대시보드와 정비 이력에서 사람이 반복해서 하는 비교를 표로 만들고, AI는 그 순서를 제안하는 역할로 제한할 수 있습니다. 단, 품질이나 안전에 영향을 주는 제어는 이 기록만으로 자동화하지 말고 별도 승인과 되돌리기 절차를 두어야 합니다.

성과는 시간 절감과 함께 ‘잘못된 가설’을 보세요

Apollo 사례는 분석 시간이 줄었다는 보고를 제시합니다. 팀 내부에서는 시간만 보지 말고, AI 후보를 사람이 채택한 비율, 제외한 이유, 원인 확인 후 실제 지표 변화, 사람 이관이 필요한 조건도 봐야 합니다. 빠른 답이 매번 같은 잘못된 신호를 가리키면 시간은 줄어도 품질은 나빠질 수 있습니다.

따라서 첫 주에는 자동 알림보다 과거 사건 재현을 권합니다. 둘째 주에는 근거 표시 방식을 고치고, 셋째 주부터 현재 사건에 보조로 씁니다. 현장 데이터·업무·승인 경계까지 설계해야 한다면 제조 AX 컨설팅에서 실제 흐름을 기준으로 검토할 수 있습니다.

자주 묻는 질문

AI가 설비 설정을 자동으로 바꿔도 되나요? 처음에는 원인 후보와 근거를 보여 주는 단계가 적합합니다. 안전·품질·생산에 영향을 주는 제어는 엔지니어 승인과 되돌리기 절차를 먼저 갖춰야 합니다.

센서 데이터가 완벽해야 시작할 수 있나요? 완벽할 필요는 없지만 데이터의 갱신 주기, 결측 상태, 설비·품목 식별 기준은 알아야 합니다. 범위를 작게 정해 먼저 검증하세요.

출처: AWS + Apollo Tyres, “How Apollo Tyres is unlocking machine insights using agentic AI-powered Manufacturing Reasoner”(2025년 6월 16일)를 2026년 9월 21일 확인했습니다. 시간·노력 감소 수치는 AWS/Apollo가 보고한 사례 값이며, RCA 보조 표와 사건 기록 양식은 LeanX의 제안입니다.