핵심 개념
모든 생산 계획은 '얼마나 팔릴 것인가'에 대한 예측에서 시작합니다. 전통적인 방식은 과거 판매 데이터에 의존하지만, AI는 여기에 계절성, 시장 트렌드, 프로모션 효과, 거시 경제 지표 등 수많은 변수를 함께 학습하여 훨씬 더 정확한 수요 예측 모델을 만듭니다. 이를 통해 과잉 재고와 결품을 최소화할 수 있습니다.
실행을 위한 AI 프롬프트
프롬프트: 다변량 시계열 수요 예측 모델링
너는 데이터 과학자이자 수요 예측 전문가야.
# 예측 대상: "A 아이스크림"의 다음 달 판매량
# 사용 가능 데이터:
- 과거 3년간의 일별 판매량 데이터
- 같은 기간의 일별 평균 기온 데이터
- 같은 기간의 광고 집행 이력 (TV, 소셜 미디어)
# 과업:
위 3가지 데이터를 모두 활용하여 'A 아이스크림'의 다음 달 판매량을 예측하는 AI 모델 개발 계획을 수립해줘.
1. **모델 선정:** 이 문제에 가장 적합한 시계열 예측 모델은 무엇인가? (예: ARIMA, LSTM, Prophet 등) 그 이유는?
2. **변수(Feature) 설계:** 어떤 변수들을 모델에 입력해야 예측 정확도를 높일 수 있을까? (예: 요일, 월, 휴일 여부, 폭염 일수 등)
3. **모델 성능 평가:** 개발된 모델의 예측 정확도를 어떻게 평가할 것인가? (예: MAE, RMSE)핵심 개념
수요 예측이 완료되면, 해당 제품을 생산하는 데 필요한 모든 원자재와 부품이 언제, 얼마나 필요한지 계산해야 합니다. AI는 BOM(자재명세서), 현재고, 리드타임(조달 기간) 등의 정보를 바탕으로 최적의 자재 발주 시점과 수량을 자동으로 계산하여, 자재 부족으로 인한 생산 중단이나 과잉 재고로 인한 비용 낭비를 방지합니다.
실행을 위한 AI 프롬프트
프롬프트: 원자재 재고 최적화 시뮬레이션
너는 공급망 관리(SCM) 전문가야.
# 상황:
- 제품: 스마트폰
- 핵심 부품: 'AP칩' (리드타임: 4주, 가격 변동성 높음)
- 생산 계획: 향후 3개월간 매주 1만대 생산 예정
# 과업:
'AP칩'의 재고 관리 정책을 수립하려고 해. AI를 활용해 아래 두 가지 시나리오를 시뮬레이션하고, 어떤 정책이 총 재고 비용(재고 유지 비용 + 주문 비용) 측면에서 더 효율적인지 비교 분석해줘.
- **시나리오 1 (JIT):** 매주 필요한 수량(1만개)만큼 4주 전에 정확히 주문한다.
- **시나리오 2 (안전재고):** 혹시 모를 공급망 리스크에 대비해, 항상 2주치 사용량(2만개)을 안전재고로 가져간다.핵심 개념
생산 계획이 우리 공장의 설비와 인력으로 감당 가능한 수준인지 검증하는 단계입니다. AI는 각 설비의 최대 생산량, 가동률, 유지보수 일정, 작업자의 숙련도 및 근무 스케줄 등을 종합적으로 분석하여 생산 과정에서 발생할 수 있는 병목(Bottleneck) 구간을 사전에 예측하고, 최적의 인력 및 설비 운영 계획을 제안합니다.
실행을 위한 AI 프롬프트
프롬프트: 생산라인 병목 현상 분석
너는 생산 공정 최적화 컨설턴트야.
# 공정 데이터:
- 공정 1 (절단): 시간당 100개 처리
- 공정 2 (가공): 시간당 80개 처리 (현재 병목 구간)
- 공정 3 (조립): 시간당 120개 처리
- 공정 2의 설비는 노후화로 잦은 고장을 일으킴.
# 과업:
'공정 2'의 병목 현상을 해결하기 위한 개선 아이디어를 3가지 제안해줘. 단기/중기/장기적 관점에서 각각 다른 해결책을 제시해야 해.
- **단기적 해결책:** (예: 공정 2에 숙련된 작업자 추가 투입, 예방 정비 활동 강화)
- **중기적 해결책:** (예: 공정 2의 작업 순서 최적화, 유휴 설비 활용)
- **장기적 해결책:** (예: 공정 2에 고성능 신규 설비 도입)핵심 개념
수요 예측, 자재, 생산 능력을 모두 고려하여 '언제, 어떤 제품을, 얼마나 생산할 것인가'를 최종 결정하는 마스터 플랜입니다. AI는 복잡한 제약 조건(납기일, 생산 우선순위, 재고 비용 등) 하에서 기업의 이익을 극대화하는 최적의 생산 조합과 일정을 시뮬레이션을 통해 도출합니다. 이는 생산 계획의 컨트롤 타워 역할을 합니다.
실행을 위한 AI 프롬프트
프롬프트: 최적 생산 조합 문제 해결 (선형 계획법)
너는 생산 계획 최적화를 위한 OR(Operations Research) 전문가야.
# 문제 상황:
- 우리 공장은 '제품 A'와 '제품 B'를 생산한다.
- 제품 A: 개당 이익 10만원, 생산 시간 2시간
- 제품 B: 개당 이익 12만원, 생산 시간 3시간
- 총 사용 가능한 생산 시간은 주당 100시간이다.
- 시장 수요를 고려할 때, 제품 A는 최대 40개, 제품 B는 최대 25개까지 팔 수 있다.
# 과업:
이번 주 이익을 최대로 만들기 위해서는 제품 A와 제품 B를 각각 몇 개씩 생산해야 하는가? 이 문제를 해결하기 위한 선형 계획법(Linear Programming) 모델을 수립하고 최적의 해를 구해줘.핵심 개념
주 생산 계획이 확정되면, 각 생산 라인과 설비에서 '어떤 작업을 어떤 순서로 처리할지' 구체적인 시간 단위의 작업 계획을 수립합니다. AI는 작업 준비 시간(Setup Time), 설비 특성, 작업자 숙련도 등을 고려하여 전체 공정 완료 시간(Makespan)을 최소화하고, 설비 가동률을 극대화하는 최적의 작업 순서를 결정합니다.
실행을 위한 AI 프롬프트
프롬프트: 작업 순서 최적화 (유전 알고리즘 활용)
너는 복잡한 스케줄링 문제를 푸는 AI 알고리즘 전문가야.
# 문제:
- 하나의 기계에서 5개의 작업(Job 1~5)을 처리해야 한다.
- 각 작업의 처리 시간과 납기일은 모두 다르다.
- 작업 준비 시간은 어떤 작업을 먼저 하느냐에 따라 달라진다. (예: 어두운 색 페인트 작업 후 밝은 색 작업을 하면 청소 시간이 길어짐)
# 과업:
위와 같은 '작업장 순서 결정 문제(Job Shop Scheduling)'를 해결하는 데 '유전 알고리즘(Genetic Algorithm)'을 어떻게 활용할 수 있는지 그 원리를 단계별로 설명해줘. 그리고 이 알고리즘을 사용했을 때 얻을 수 있는 장점은 무엇인가?핵심 개념
계획이 실행되는 과정을 실시간으로 추적하고 통제하는 것은 매우 중요합니다. 공장 내 설비와 자산에 부착된 IoT 센서는 생산 현장의 데이터를 실시간으로 수집하고, AI는 이 데이터를 분석하여 계획 대비 실적(Plan vs. Actual)을 시각적으로 보여주는 디지털 트윈(Digital Twin) 환경을 구축합니다. 이를 통해 문제 발생 시 즉각적인 파악과 대응이 가능해집니다.
실행을 위한 AI 프롬프트
프롬프트: 생산 현황 모니터링 대시보드 기획
너는 데이터 시각화 및 대시보드 디자인 전문가야.
# 사용자: 공장장
# 목표: 공장 전체의 생산 현황을 한눈에 파악하고, 이상 징후를 즉시 발견하고 싶다.
# 과업:
공장장이 사용할 '생산 현황 모니터링 대시보드'에 반드시 포함되어야 할 핵심 KPI(성과 지표)와 시각화 차트 아이디어를 5가지 제안해줘. 각 KPI가 왜 중요한지와 어떤 차트 유형(예: 게이지, 라인 차트, 막대그래프)이 효과적일지 설명해줘.
1. **OEE (설비 종합 효율):** 2. **생산 목표 달성률:**
3. **공정별 재공 재고 현황:**
4. **품질 불량률:**
5. **안전사고 발생 건수:**핵심 개념
생산 과정에서 발생하는 불량을 조기에 발견하는 것은 품질 비용을 줄이는 핵심입니다. AI 비전 기술은 사람의 눈보다 더 빠르고 정확하게 제품의 미세한 스크래치, 이물질, 조립 불량 등을 실시간으로 검출합니다. 또한, AI는 불량 유형을 자동으로 분류하고 통계를 분석하여, 특정 공정의 품질 문제를 근본적으로 개선할 수 있는 인사이트를 제공합니다.
실행을 위한 AI 프롬프트
프롬프트: 불량 원인 분석 (RCA)
너는 6시그마 품질 관리 전문가야.
# 데이터:
지난주, 우리 공장의 3번 조립 라인에서 '나사 체결 불량'이 평소보다 50% 증가했다. 해당 라인에서는 2개의 부품 공급사(A, B사)로부터 나사를 공급받고 있으며, 3명의 작업자(김, 이, 박)가 교대로 근무했다.
# 과업:
위 '나사 체결 불량' 문제의 근본 원인(Root Cause)을 찾기 위한 분석 계획을 수립해줘. '피시본 다이어그램(Fishbone Diagram)'을 사용하여, 문제의 원인을 4M(Man, Machine, Material, Method) 관점에서 어떤 가설들을 세우고 어떤 데이터를 확인해야 할지 구체적으로 제시해줘.핵심 개념
생산 현장에서는 설비의 갑작스러운 고장, 긴급 주문 접수, 원자재 입고 지연 등 예측 불가능한 변수가 항상 발생합니다. 이런 상황에서 AI는 변경된 조건을 즉시 반영하여, 전체 생산 계획에 미치는 영향을 최소화하는 최적의 대안 스케줄을 실시간으로 재수립합니다. 이는 생산 계획 담당자의 의사결정을 돕고 생산 차질을 최소화하는 핵심 기능입니다.
실행을 위한 AI 프롬프트
프롬프트: 설비 고장 시 대응 시나리오 수립
너는 위기 상황에 대비하는 생산 운영 매니저야.
# 상황: 오늘 오후 2시, 핵심 설비인 'CNC-01'이 고장났다. 수리에는 최소 8시간이 소요될 예정이다. 이 설비에서 처리하기로 예정되어 있던 긴급 주문 3건의 납기일이 오늘 저녁 10시까지다.
# 과업:
이 위기 상황을 해결하기 위한 의사결정 옵션을 3가지 제시하고, 각 옵션의 장단점을 비교 분석해줘. 어떤 옵션을 최종적으로 선택하는 것이 가장 합리적인지 너의 의견을 제시해줘.
- **옵션 1:** 공장 내 다른 유휴 설비('CNC-02')를 활용한다. (단, 성능이 낮아 생산 시간이 20% 더 걸림)
- **옵션 2:** 긴급 주문 3건을 외주 생산 업체에 맡긴다. (단, 추가 비용이 발생함)
- **옵션 3:** 고객에게 상황을 설명하고 납기일 연장을 요청한다.핵심 개념
이제 생산 계획은 공장 내부를 넘어 공급업체, 물류 파트너, 고객사와 유기적으로 연결되어야 합니다. AI는 공급망 전체의 데이터를 통합 분석하여, 판매-생산-재고-구매 계획을 연계하는 S&OP(판매운영계획) 프로세스를 최적화합니다. 이를 통해 공급망 전체의 불확실성에 공동으로 대응하고 효율성을 극대화할 수 있습니다.
실행을 위한 AI 프롬프트
프롬프트: 공급사 다변화 전략 수립
너는 글로벌 공급망 리스크 관리 전문가야.
# 상황:
우리 회사는 핵심 부품 'X'를 전적으로 중국의 'A' 공급사에만 의존하고 있다. 최근 미중 무역 갈등이 심화되면서 공급망 리스크가 커지고 있다.
# 과업:
핵심 부품 'X'의 공급망 안정성을 높이기 위한 '공급사 다변화 전략'을 수립해줘.
1. **신규 공급사 발굴 기준:** 어떤 기준으로 새로운 공급사를 찾아야 하는가? (예: 지리적 위치, 생산 능력, 품질 인증, 가격)
2. **이원화(Dual Sourcing) 전략:** 기존 A사와 신규 B사의 물량을 어떤 비율로 나누는 것이 이상적인가? 그 이유는?
3. **전략적 파트너십:** 신규 공급사와는 어떤 관계를 맺어야 안정적인 공급을 보장받을 수 있을까?핵심 개념
생산 활동이 완료되면, 축적된 데이터를 분석하여 다음 계획을 개선하기 위한 인사이트를 도출해야 합니다. AI는 생산 계획과 실적의 차이가 발생한 근본 원인을 분석하고, 설비 가동 패턴, 작업자 효율, 품질 데이터 등을 종합하여 수율을 높이고 원가를 절감할 수 있는 개선 과제를 자동으로 발굴하여 제안합니다. 이는 지속적인 학습과 발전을 가능하게 하는 선순환 구조를 만듭니다.
실행을 위한 AI 프롬프트
프롬프트: 생산성 저하 원인 분석 보고서 작성
너는 데이터를 기반으로 공정을 개선하는 데이터 분석가야.
# 분석 결과:
지난달 생산 실적 데이터를 분석한 결과, '야간 근무조'의 시간당 생산량(UPH)이 '주간 근무조'에 비해 평균 15% 낮은 것으로 나타났다.
# 과업:
'야간 근무조의 생산성 저하'라는 문제의 원인을 파악하기 위한 가설을 3가지 수립하고, 각 가설을 검증하기 위해 어떤 데이터를 추가로 분석해야 하는지 구체적으로 설명해줘.
- **가설 1 (작업자 숙련도):** 야간조에 신입 작업자가 더 많이 배치되었을 것이다. -> (검증 데이터: 작업자별 근속 연수 및 교육 이수 현황)
- **가설 2 (설비 컨디션):** 야간에 특정 설비의 사소한 고장이 더 잦았을 것이다. -> (검증 데이터: 시간대별 설비 에러 로그)
- **가설 3 (관리 부재):** ...