모델 팩토리 / 제조 AI 빌드 파이프라인
Gold Dataset 기반 파인튜닝, 평가, 배포까지의 모델 학습 루프
활성2025.05.01 ~ 2025.05.31
실험 수
128건
▲ 18.4% vs 이전 기간(108건)
학습 성공률
87.6%
▲ 6.2% vs 이전 기간(81.4%)
배포중 모델
23개
▲ 9.5% vs 이전 기간(21개)
추정 품질 점수
84.3점
▲ 5.7% vs 이전 기간(79.8점)
빌드 파이프라인
데이터셋 준비완료
데이터 수집 및 정제
2
파인튜닝진행중
모델 학습 및 최적화
3
평가대기
모델 성능 평가
4
패키징대기
모델 패키지 빌드
5
배포대기
배포 및 모니터링
실험 실행 현황
| 실험명 | 모델 | 데이터셋 | 진행률 | GPU | 상태 | 성능 |
|---|---|---|---|---|---|---|
| 설비 이상 탐지 v2 | ResNet-50 | Sensor_v5 | 78% | A100 x 2 | 학습 중 | F1 0.872 |
| 불량 예측 파이프 v1 | EfficientNet-B4 | ImageLine_v3 | 42% | A100 x 1 | 학습 중 | F1 0.735 |
| 예지 보전 모델 v3 | ViT-Base | Maintenance_v4 | 100% | A100 x 2 | 완료 | F1 0.925 |
| 수요 예측 모델 v1 | TimesNet | Demand_v6 | 100% | A100 x 1 | 완료 | MAPE 4.21% |
| 품질 분류 모델 v2 | Swin-T | Quality_v2 | 100% | A100 x 1 | 완료 | Acc 0.948 |
| 공정 최적화 RL v1 | PPO | ProcessSim_v1 | 15% | A100 x 4 | 학습 중 | Reward 1.32 |
| 에너지 예측 모델 v1 | Informer | Energy_v3 | 대기 | - | 대기 | - |
| 안전 위험도 모델 v1 | XGBoost | Safety_v2 | 대기 | - | 대기 | - |
선택된 실행 상세
설비 이상 탐지 v2학습 중
실행 ID EXP-2025-05-1278
시작 시간
2025.05.28 09:12
학습 곡선 (Training Loss)
평가 지표
정확도 (Accuracy)0.934
F1 Score0.872
정밀도 (Precision)0.885
재현율 (Recall)0.860
Latency (p95)128 ms
학습 비용 (추정)₩ 24,800
배포 대상
운영 중
온프레미스
사내 GPU 클러스터
모델 12개버전 24
운영 중
프라이빗 클라우드
VPC 내부 추론 서버
모델 7개버전 15
운영 중
엣지
공장 라인 엣지 디바이스
모델 4개버전 9
어댑터 / 인텔리전스 팩 라이브러리
설비 진동 어댑터어댑터
진동 센서 기반 이상 탐지 특화 어댑터
- 호환 모델
- ResNet, EfficientNet
- 버전
- v1.3.2
- 업데이트
- 2025.05.22
이미지 라인 검사 팩팩
라인 스캔 기반 불량 검출 패키지
- 호환 모델
- Swin, ViT
- 버전
- v2.1.0
- 업데이트
- 2025.05.15
예지보전 인텔리전스 팩팩
시계열 + 도메인 지식 결합 패키지
- 호환 모델
- Informer, TimesNet
- 버전
- v1.2.1
- 업데이트
- 2025.05.08
공정 최적화 RL 템플릿템플릿
공정 제어 강화학습 템플릿
- 호환 모델
- PPO, SAC
- 버전
- v1.0.3
- 업데이트
- 2025.04.30
Model Factory 학습 루프
Graph Explorer / Report의 사용자 질문·분석결과·근거·수정이력을 수집해 Gold Dataset을 만들고, 파인튜닝 → 평가 → 배포 → 모니터링 후 다시 지식으로 환류합니다.
수집
Graph Explorer / Report의 질문·분석결과·근거·수정이력 수집
Gold Dataset
승인된 분석만 Gold Dataset 후보로 선별
파인튜닝
Gold Dataset으로 모델 학습
평가
성능·품질 평가 후 승인
배포
온프레미스 / 클라우드 / 엣지로 배포
모니터링·환류
운영 성과를 관찰해 다시 지식으로 환류