HEARTCOUNT Decision Layer 제조 적용 사례

불량을 찾은 다음,
공장은 무엇을 해야 하나

현장 데이터와 전문가의 판단을 연결하는 제조 AI

어떤 조건이 달라졌는지, 어디까지 영향을 받았는지.
AI가 현장의 분석 기준에 따라 조사하고, 다음 조치를 판단할 근거를 정리합니다.

합성 SMT 데이터로 진행한 실제 Claude·Decision Layer 분석 예시입니다. 승인·제어·실행은 향후 확장 방향입니다.

Claude의 제조 품질 분석 시연

합성 데이터로 진행한 실제 Claude·Decision Layer 실행 화면입니다.

전자·EMS·PCB 제조의 품질 문제

불량이 집중된 구간과,
우선 점검할 제품을 찾습니다.

BGA 접합 불량률이 올랐습니다. 설정 전환 후의 열이력과 생산 이력을 비교해, 불량이 집중된 구간과 추가 점검이 필요한 제품을 확인합니다.

합성 데이터 분석 예시

BGA 접합 불량률 상승 조사

대상 설비 REFLOW-C-01
사례 기간 2026.08.10–08.25

현장의 질문

불량률이 왜 올랐고, 어떤 생산분을 확인해야 하나요?

Agent가 조사하는 순서

  1. 지표 확인

    BGA 불량률을 현장의 상한 기준 0.35%와 비교해 조사할 문제를 정합니다.

  2. 열이력 비교

    V7 초기 투입 9장과 안정 확인 이후 33장의 피크 온도·유지시간을 비교합니다.

  3. 점검 대상 구분

    전체 42장을 추적하고, 초기 구간에서 검사를 통과한 출하 대기 3장을 우선 점검 대상으로 구분합니다.

  4. 보고서 정리

    확인된 사실, 원인 후보, 우선 점검 대상과 추가 검증 사항을 나누어 정리합니다.

분석에서 확인한 내용

불량 6장은 초기 투입 9장에서 확인됐습니다.

미승인 설정 V7으로 전환한 뒤, 안정 확인 전 9장의 피크 온도와 용융점 이상 유지시간(TAL)이 기준을 벗어났습니다. 이후 33장은 열이력 기준을 충족했고 불량이 없었습니다.

검사를 통과한 3장도 우선 점검 대상입니다.

초기 9장 중 3장은 최초 검사를 통과해 출하를 기다리고 있습니다. 열이력이 기준을 벗어난 구간을 거쳤으므로, 출하 전 재검사를 우선 검토합니다.

무엇이 달라졌나

V7 초기 투입 9장과 8월 24일 10:10 안정 확인 이후 33장의 기판 열이력을 비교했습니다.

비교 항목초기 9장이후 33장
운전 설정V7V7
피크 온도(℃)259–259.8244–245
TAL(초)104–10662–66
불량 확인6장0장
처리 물량9장33장

기판 열이력 기준: 피크 온도 250℃ 이하, TAL(용융점 이상 유지시간) 90초 이하.

전체 물량과 우선 점검 대상

42장

V7을 거친 생산분
초기 9장 · 이후 33장

최초 검사 통과
36장 초기 구간 3장 우선 점검
불량 확인
6장 폐기 2 · 재작업 4

전체 42장의 위치와 출하 상태를 추적합니다. 이 가운데 초기 구간에서 검사를 통과한 B-V7-0007–0009 세 장은 열이력 이탈과 출하 대기 상태가 확인돼, 출하 전 재검사를 우선 검토합니다.

추가로 확인할 사항

열이력 이탈을 원인 후보로 검토하되, 자재·인쇄 공정의 영향도 추가로 확인합니다. 투입 전 안정 확인 기록이 없다는 사실만으로 절차를 수행하지 않았다고 단정하지 않습니다. 외주 이동 기록이 있는 8장의 위치와 재작업 대기 4장의 후속 검사 결과도 확인해야 합니다.

관련 사례 배경 읽기

전문가의 점검 방법을 AI가 활용하려면

데이터에 현장의
점검 순서를 더합니다.

지표의 계산법만으로는 조사할 순서를 알 수 없습니다. 어떤 상태를 문제로 보고, 무엇부터 확인하며, 어떤 조건과 비교할지 정해야 합니다.

KPI

무엇을 이상으로 볼까

사례의 BGA 불량률 상한은 0.35%입니다. AI도 조직이 정한 기준에서 조사를 시작합니다.

Driver

무엇부터 확인할까

설정 변경 시각과 기판 열이력, 자재 Lot과 SPI 검사 결과를 함께 확인합니다.

Lever

어떻게 비교할까

같은 V7 설정에서도 초기 투입 9장과 안정 확인 이후 33장을 나누어 비교합니다. 제품·설비·Lot과 시간 조건을 함께 확인합니다.

이런 점검 경로와 비교 기준을 Decision Graph로 구조화합니다. 영상의 Agent는 MCP를 통해 데이터와 판단 기준을 조회하고, 열이력 비교와 추가 점검 대상을 정리했습니다.

Decision Layer의 역할 살펴보기

분석 보고서 이후의 일

무엇을 할지 판단하고,
실제로 달라졌는지 확인할 때까지.

원인과 영향 범위를 조사한 뒤, 조치를 검토하고 승인·실행·결과 확인까지 이어가는 흐름입니다. 분석 사례와 향후 확장할 단계를 함께 살펴보세요.

적용 예시 · 1–2단계는 영상의 분석과 제안, 3–6단계는 향후 확장 방향입니다.

01 / 06

영상의 분석 예시

품질 이상을 생산 조건과 연결해 조사합니다.

지표와 분석 기준을 연결하면, Agent가 원인 후보를 좁히고 영향 범위를 정리할 수 있습니다. 제조 데이터 모델과 점검 경로는 현장에 맞게 구성해야 합니다.

사례에서 조사한 범위

문제의 단위
BGA 불량률과 Reflow 설비
비교할 조건
V7 전환 시각·안정 확인·기판 피크 온도·TAL
영향의 범위
전체 42장과 열이력 이탈 구간의 9장

전체 42장을 추적하고, 초기 구간에서 검사를 통과한 3장을 우선 점검 대상으로 구분합니다.

02 / 06

분석에서 제안한 조치

영향 물량과 근거에 맞는 조치를 검토합니다.

초기 3장의 출하 전 재검사, 외주 이동 8장의 위치 확인, 재작업 대기 4장의 후속 검사를 검토합니다. 변경 승인과 안정 확인을 투입 조건에 반영하는 개선안을 제안합니다.

실행 전에 정할 사항

적용 범위
어떤 설비·Recipe·생산분을 대상으로 할 것인가
운영 영향
품질 위험과 생산·출하 영향을 누가 검토할 것인가
남은 확인
결정 전에 어떤 데이터와 현장 확인이 필요한가

제안된 조치는 현장의 추가 확인과 승인을 거쳐 결정합니다. 이 사례에는 실제 조치 이후의 성과가 포함되어 있지 않습니다.

03 / 06

향후 확장 방향

담당자가 대상과 조건을 확인하고 승인합니다.

품질·생산 책임자가 조치의 범위와 근거, 실행 조건을 확인하고 승인하는 단계입니다. 조건이 달라지면 다시 검토하도록 연결합니다.

승인에 포함할 정보

누가
조치 유형별 권한을 가진 담당자
무엇을
대상 설비·물량, 허용한 변경과 유효기간
어떤 조건에서
품질 기준, 현장 상태, 중단·재검토 조건

업무 조치의 승인은 현재 분석 과정에서 사람에게 선택·입력을 요청하는 기능과 별도로 개발해야 합니다.

04 / 06

향후 확장 방향

승인된 조치를 기존 운영·제어 시스템에 전달합니다.

MES나 실행 모듈을 통해 작업 지시와 승인된 조건 변경을 요청하도록 연결합니다. 빠른 동작 제어와 안전 기능은 기존 제어 시스템이 담당합니다.

시스템별 역할

Decision Layer
판단 근거와 선택한 조치·제약 관리
실행 모듈
권한·승인을 확인하고 시스템별 요청으로 연결
기존 시스템
허용된 업무·설비 제어를 수행하고 처리 상태 전달

MES·설비 제어 커넥터는 현재 공개 프레임워크에 포함되어 있지 않습니다.

05 / 06

향후 확장 방향

요청을 보낸 뒤, 현장 적용 여부를 확인합니다.

명령을 전달했다는 사실과 실제 조치가 끝났다는 사실은 다릅니다. 시스템의 접수·진행·완료·실패를 구분하고, 현장 상태로 적용 여부를 확인하도록 설계합니다.

실행을 확인할 근거

요청 기록
대상·시각·승인·요청 식별자
처리 상태
접수, 진행 중, 완료 또는 실패
적용 확인
변경된 Recipe·작업 상태 등 현장의 기록

실행 시스템의 처리 상태와 실제 현장의 기록을 함께 확인해야 합니다.

06 / 06

향후 확장 방향

조치 완료와 성과 개선을 따로 확인합니다.

조치가 적용됐는지 확인한 다음, 비교 가능한 생산 조건에서 품질·생산성 변화와 부작용을 검토합니다. 그 결과를 기록해 다음에 같은 판단을 할 때 참고합니다.

결과를 판단할 기준

실행 여부
승인한 조치가 실제 대상에 적용됐는가
성과 변화
불량률·재작업·처리량·납기는 어떻게 달라졌는가
다음 적용
같은 조치를 다시 쓸 수 있는 조건은 무엇인가

자동 실행은 효과와 적용 조건을 확인한 작업부터 검토합니다. 이 분석 예시에는 조치 후 개선 수치가 포함되어 있지 않습니다.

Physical AI를 향한 확장 방향

공장의 판단을,
현장의 행동과 연결합니다.

개별 설비가 잘 움직이는 것에서 나아가,
공정 전체의 성과를 보고 판단하는 AI.

생산·품질·설비·자재 데이터와 작업 일지, 정비 기록, 현장 규칙을 함께 살펴봅니다. 생산량·품질·비용·납기를 종합해 공정 전체에 더 나은 조치를 판단하는 것이 목표입니다.

HEARTCOUNT는 현장 분석에서 출발해 기존 MES·운영 시스템·설비 제어기와 연결하는 방향으로 확장하고자 합니다. 상황에 맞는 조치를 선택했는지, 실제 성과가 개선됐는지를 기준으로 효과를 확인합니다.

지금 제공하는 기능과
앞으로 구현할 기능

현장 데이터에 맞춰 분석을 구성하고, 검토한 절차를 반복해 활용할 수 있습니다. Always-on Decision Agent와 승인·실행 인터페이스는 오픈소스로 공개 예정입니다.

현재 공개 프레임워크

현장의 기준으로 분석하고 근거를 확인

  • 정의된 지표를 통한 데이터 조회
  • 등록한 분석 코드·절차의 재사용
  • 입력·조회·결과·검증 기록 확인
  • Agent·업무 앱에서 분석 호출
공개 코드와 범위 확인
현장별 구성 필요

우리 공장에 맞는 판단 기준

  • 품질·생산성 지표와 이상 기준
  • 공정·설비·Lot·시간의 데이터 연결
  • 점검 순서와 비교·검토 기준
  • 관련 문서·이력·데이터 권한

BGA 사례의 데이터 모델과 판단 기준은 우리 공정에 맞게 조정하고 검증해야 합니다.

오픈소스로 공개 예정

Always-on Decision Agent와 승인·실행 연계

  • Always-on Decision Agent의 분석·보고
  • 담당자의 조치 검토·승인 연계
  • 업무·제어 시스템의 실행 요청
  • 실행 결과와 성과를 확인한 뒤 자동화 확대

Always-on Decision Agent와 승인·실행 인터페이스는 오픈소스로 공개 예정이며, 현재 공개 프레임워크에는 포함되어 있지 않습니다. 개별 시스템 커넥터와 승인 조건은 도입 시 구성합니다.

원인 파악에 시간이 걸리는
품질 문제 하나에서 시작하세요.

개선할 지표, 활용할 데이터, 현장의 점검 기준을 함께 정합니다.
향후 어떤 조치와 시스템까지 연결하고 싶은지도 살펴봅니다.