서문
제1부 기초와 데이터 흐름
제1장 공장에 AI를 들이기 전에
1.1 우리 공장은 지금 몇 층에 있나
1.2 현장과 사무실은 서로 다른 말을 쓴다
1.3 제조 데이터가 유난히 까다로운 이유
1.4 왜 실패하고, 어떻게 성공하나
제2장 가상 공장 한국정밀과 AX 과제 발굴
2.1 한국정밀은 어떤 회사인가
2.2 공정을 따라 데이터 흐름을 걸어 본다
2.3 무엇이 돈을 새게 하나: AX 과제 발굴과 우선순위
2.4 개선 전 상태를 숫자로 말할 수 있는가
제2부 수집과 품질
제3장 설비 데이터가 공장 밖으로 나오는 길
3.1 데이터는 설비 안 어디에 있나
3.2 어떤 언어로 설비와 대화할 것인가
3.3 어디서 줄이고 어디에 쌓는가
3.4 생산을 멈추지 않고 안전하게 모으려면
3.5 신호와 LOT를 하나로 묶는다
제4장 모은 데이터를 믿고 쓸 수 있게
4.1 같은 순간을 같은 시각으로
4.2 신호와 잡음을 가른다
4.3 빈칸을 채울 것인가, 표시할 것인가
4.4 신호와 결과를 한 줄에 놓는다
4.5 이 데이터는 학습에 쓸 만한가
제3부 분석 과제
제5장 멈추기 전에 알아차리는 설비
5.1 언제 고칠 것인가
5.2 결함은 고유한 주파수로 말한다
5.3 파형에서 판단까지
5.4 알람이 정비로 이어지게
제6장 반장님 손끝을 레시피로
6.1 무엇이 품질을 흔드는가
6.2 어떤 데이터로 배울 것인가
6.3 예측에서 추천까지
6.4 운전 창을 현장 표준으로
제7장 사람이 볼 것만 보게 하는 검사
7.1 무엇으로 성능을 재야 하는가
7.2 어떤 이미지로 배울 것인가
7.3 거르고, 이름 붙인다
7.4 검사원과 AI가 함께 일하는 구조
제4부 성과와 운영
제8장 같은 숫자로 회의하는 공장
8.1 KPI는 어디서 어떻게 계산되는가
8.2 결정에서 거꾸로 설계한다
8.3 정말 우리 덕분에 좋아졌는가
8.4 회의에서 쓰여야 대시보드다
제9장 그래서 얼마 남는가
9.1 무엇을 비용으로, 무엇을 편익으로 셀 것인가
9.2 어떤 자로 잴 것인가
9.3 지원금을 받으면 무엇이 달라지는가
9.4 과제가 아니라 묶음으로 판단한다
제10장 지원사업이 끝나도 AI가 일하게
10.1 모델은 왜 점점 틀리는가
10.2 언제, 누가, 어떻게 모델을 바꾸는가
10.3 데이터와 모델은 누구의 것인가
10.4 무엇을 지켜야 하는가
제11장 찾고, 쓰고, 제안하는 AI
11.1 생성형 AI는 공장 어디에 쓰이는가
11.2 한국정밀에서 무엇부터 할 것인가
11.3 어디까지 맡기고, 어떻게 넓혀 갈 것인가
책을 마치며
부록
부록 7 AX 컨설팅 툴킷
부록 8 데이터셋·그림·글꼴 출처와 라이선스
부록 9 용어 설명