산업 AI 모델

ThakiCloud가 Hugging Face에 공개한 산업 AI 모델을 한곳에 모았습니다. 모두 연구 미리보기(research preview)이며 제품 출시가 아닙니다. 모델마다 데이터, 평가 방식, 라벨의 성격이 다르므로 아래 숫자를 모델 사이의 순위로 읽으면 안 됩니다.

쉽게 말하면

이 모델들은 공장 점검반의 신입 점검원과 비슷합니다. 교육장에서는 시험을 잘 봤지만 아직 실제 현장에 혼자 나간 적은 없습니다. 그래서 각 모델이 어떤 교육장에서 어떤 시험을 봤는지, 무엇은 아직 시험하지 않았는지를 함께 적었습니다.

한눈에 보기

모델 입력 하는 일 대표 지표와 평가 조건 라이선스
Thaki-MCSA-MantisV2-MCC5 3상 모터 전류 고장 상태 24가지 분류 봉인 TEST 71개 녹화 Macro-F1 0.943, 단일 시험 장치 Apache-2.0
Thaki-EquipmentHealth-Sensor-LGBM 물류 차량 전류·온도·미세먼지 센서 설비 상태 네 단계 분류 처음 보는 차량 매크로 F1 0.94, 라벨은 테스트베드 모의 시스템 값 CC BY 4.0
Thaki-FacilityVision-CrackCls-ResNet18 · CrackSeg-E2 콘크리트 표면 사진 균열 조각 분류 · 픽셀 분할 분류 Macro F1 0.9993, 분할 Dice 0.8983, 공개 데이터 한 곳 CC BY 4.0
Thaki-FactoryShield-KO-7M 한국어 설비 명령 문장 실행하지 않는 명령 제안 또는 거절 합성 봉인 테스트만 통과, 실제 현장 발화 미평가 자체 연구 라이선스

모델 카드

Thaki-MCSA-MantisV2-MCC5

  • 용도: 모터의 3상 전류만으로 정상과 고장 23가지를 구분하는 연구 모델입니다. 시계열 사전학습 모델 MantisV2를 미세조정했습니다.
  • 입력과 추론: 12.8kHz 전류를 65,536샘플 창으로 자르고 상별 Welch 로그 스펙트럼 512칸을 만든 뒤 창별 확률을 평균해 녹화 하나를 판정합니다.
  • 대표 지표: 학습에 쓰지 않은 운전 조건 3개의 봉인 TEST 71개 녹화에서 Macro-F1 0.943입니다. 개발 단계 LOCO 교차검증 0.945는 fold마다 다시 학습한 모델의 평균이고 공개 파일은 개발용 녹화 208개 전체로 다시 학습한 모델 하나입니다.
  • 한계: 같은 TEST에서 녹화 시각만 쓰는 기준선이 0.986, 날짜만 쓰는 기준선은 0.127이었습니다. 시험 장치가 한 대뿐이라 다른 물리 모터로 일반화된다고 주장하지 않습니다. 틀린 4건 중 3건은 권선 고장 H와 L의 혼동입니다.
  • 데이터: MCC5-THU, Mendeley Data, CC BY 4.0.
  • 링크: Hugging Face · 관련 글 MCSA 모델 공개

Thaki-EquipmentHealth-Sensor-LGBM

  • 용도: 반도체 공장 물류 차량(OHT·AGV)의 센서 값으로 상태를 정상·관심·경고·위험 네 단계로 나눕니다. 모델 크기는 약 1MB입니다.
  • 대표 지표: 처음 보는 차량에서 매크로 F1 0.94였고 위험 930건을 정상으로 판정한 경우는 0건이었습니다.
  • 한계: 라벨은 실제 고장 기록이 아니라 데이터셋의 테스트베드 모의 시스템이 붙인 값입니다. 실제 고장을 미리 맞힌다고 주장하지 않습니다. 정상 20건 중 1건꼴로 관심 경보가 울립니다.
  • 데이터: AI 허브(AI-Hub) 데이터셋 71802(OHT·AGV 설비). 데이터는 재배포하지 않습니다.
  • 링크: Hugging Face · 관련 글 설비 센서 상태 진단

Thaki-FacilityVision-CrackCls-ResNet18 · CrackSeg-E2

  • 용도: 점검 사진에서 균열 조각을 고르는 분류 모델(ResNet-18, 약 1,100만 파라미터)과 균열 모양을 원래 해상도로 그리는 분할 모델(ResNet-34 인코더 U-Net, 약 2,400만 파라미터)입니다.
  • 대표 지표: 분류 모델은 시험 조각 5,524장에서 Macro F1 0.9993이었습니다. 분할 모델은 개발셋 60장에서 Dice 0.8983, 얇은 균열 재현율 0.9139였습니다.
  • 한계: 공개 데이터 한 곳에서만 잰 값이라 현장 정확도로 읽으면 안 됩니다. 분할 모델의 시험셋 61장은 아직 채점하지 않았습니다.
  • 데이터: Ç. F. Özgenel, Mendeley Data, CC BY 4.0.
  • 링크: CrackCls · CrackSeg · 관련 글 균열 비전 모델

Thaki-FactoryShield-KO-7M

  • 용도: 한국어 설비 명령을 동작·설비 ID·지연 시간으로 된 제안으로 바꾸거나 거절합니다. 파라미터는 7,352,909개이며 출력의 safe_to_actuate는 항상 false입니다.
  • 안전 경계: 모델이 고른 설비 ID를 등록 설비 목록과 정확히 대조하고 목록에 없거나 목록이 없으면 ABSTAIN을 냅니다.
  • 대표 지표: 합성 봉인 테스트에서 모델 단독 위험률은 2.57~3.90%, 검증기와 등록 목록을 합친 시스템 위험률은 0.00~0.33%였습니다.
  • 한계: 모든 수치가 합성 데이터에서 나왔고 실제 설비 환경에서 안전성을 검증한 적은 없습니다.
  • 링크: Hugging Face · 관련 글 FactoryShield 공개

공개 모델이 증명하는 것과 아닌 것

세 가지를 구분해서 읽으시기 바랍니다.

연구 모델로 확인한 것은 위 카드에 적은 데이터와 평가 조건 안의 결과입니다. 가중치와 평가 계약을 공개해 누구나 같은 조건에서 다시 잴 수 있습니다.

플랫폼이 제공하는 것은 모델을 고객 환경에서 학습하고 서빙하는 운영 계층(Metis)과, 모델 판정을 담당자 검토·승인·업무 기록으로 잇는 에이전트 계층(Paxis)입니다. 각 글의 Paxis 흐름은 참조 설계이며 이 모델들을 통합 제품으로 현장에서 실측한 결과가 아닙니다.

현장 PoC로 확인해야 하는 것은 다른 장비에서도 통하는지, 실제 고장 기록 기준의 성능, 운전 시간당 오경보와 고장 누락, 현장 장치의 지연 시간입니다. 이 항목은 공개 데이터로 답할 수 없고 고객 설비 데이터와 평가 설계가 있어야 잴 수 있습니다.

도입을 검토한다면

  1. 설비와 데이터를 먼저 봅니다. 장비 종류, 센서 구성, 샘플링 주파수, 정상·고장 기록이 어떤 조건에서 쌓였는지가 모델 선택보다 먼저입니다.
  2. 평가 설계를 정합니다. 학습에 쓰지 않은 장비나 기간을 따로 떼어 두고 장비 ID나 수집 시각이 정답을 대신하지 않는지 확인합니다.
  3. 문의를 남깁니다. 자사 설비 데이터로 검토하고 싶다면 ThakiCloud에 문의하시기 바랍니다.

관련 글

아래 목록은 industrial-ai 태그가 붙은 글 전체입니다. 주요 글은 다음과 같습니다.

노이즈 네이바(The Noisy Neighbor): 야간 커레이터가 2,200스킬 공유 레지스트리를 고치는 동안 무인 라우팅 루프가 변화 중 상태에서 치르는 임시적 품질 적자와 토큰 비용 팽창을 간섭 계수로 정가하고, 프리즈 윈도우의 브레이크이븐 부등식과 registry-lock 정책, 7팔 사전등록 프로토콜까지 유도한 분석 논문

두 루프가 가변 레지스트리 하나를 공유하고, 그중 하나가 밤새 고칩니다.

증명이 제품이 된 날

MIT의 가중치 편집은 로그를 들여다본 뒤에야 주장이 빗나간 것이 드러났습니다.

마크다운이 실행 파일이 된 날

웹 페이지가 Downloads 폴더에 AGENTS.md 한 장을 놓기만 하면, 그 폴더에서 일하는 코딩 에이전트가 공격자의 지침을 따르기 시작합니다.

The Autonomy Ladder: Kubernetes 인시던트를 복구 복잡도 L1에서 L3으로 층분할하면, 무인 복구가 안전하고 싼 경계는 nominal 시나리오에서 L2까지이며, 그 경계와 인시던트당 비용은 허락 전에 계산할 수 있습니다

LLM 에이전트가 Kubernetes 인시던트를 사람 개입 없이까지 끌고 갈 수 있는 깊이는 어디까지이며, 인시던트당 비용은 얼마이며, 어디서부터 사람이 루프에 남아야 하는가.

로켓이 AI에 400억 달러를 빌린 날

SpaceX가 AI 컴퓨트 조달에 400억 달러 부채를 쓴 사이, AI 전용 뉴클라우드 200곳 이상은 자금 문이 닫히고 있다는 경고가 나왔습니다.

요새가 메워졌다

DeepSeek의 신규 공개 추론 엔진 DeepInfer, 오픈 프레임워크 SGLang과 vLLM이 그 성능을 맞먹거나 넘어서는 수준으로 따라잡았습니다.

많이 먹는 AI, 많이 빌리는 AI

같은 주, 애플은 메모리 공급을 ‘절대적 위기’라 불렀고 코어위브의 부채는 반도체 지수를 삼켰습니다.

블랙박스 신화가 끝난 아침

조 단위(trillion) 파라미터 모델을 대상으로 한 연구에서, 신경망의 엉킨 매듭은 이전의 과학적 합의를 뒤집을 만큼 단순하다는 것이 확인됐습니다.

모델이 더 이상 메뉴가 아니다

한국 ‘모두의 AI’의 50/30 강제 배합부터 카카오톡의 모델 라우팅까지, 오늘의 뉴스 18건은 한 지점을 가리킨다.

증거가 된 대화

미 DOJ가 전 OpenAI 엔지니어의 챗봇 계정을 도청 용의자와 연결했다.

19.2%짜리 1위

Zai의 GLM-Legal이 오픈웨이트 법률 AI 1위에 올랐지만, 그 1위가 받은 성적은 19.2%였습니다.

한 달, 1.8조원

루이지애나 데이터센터를 한 달 일찍 켜면 1.8조원이 생깁니다.

문제가 재산이 된 날

OpenAI의 700편 논문 공개, 하루 만에 69.13% 개선된 정수 곱셈, 공개를 멈추겠다는 수학자의 경고.

칩이 대출을 받은 날

아마존은 80억 달러어치 칩을 팔고 다시 빌려 쓰는 구조를 검토 중입니다.

출시 취소 하나가 움직인 지형

GPT-6.1 Astra의 10월 출시가 안전 문제로 철회된 주, 실제로 일한 층은 이미 중급 모델과 에이전트, 구독 계약으로 내려와 있었다.

야근을 맡은 AI

국가정보원의 사람 없는 AI 사이버 방어팀 ‘프로젝트 팔랑크스’가 실전에 투입됐고, 젠슨 황은 사이버보안을 AI의 다음 성장축으로 선언했습니다.

두 번의 판결, 같은 말 '통제

법원은 모델의 안전 장치를 국가안보 위협으로 규정했고 같은 회사의 최고경영자는 안전 장치 없는 에이전트를 인류의 위협으로 경고했습니다.

시험실에 문이 없었다

Grok 4.7이 코딩 벤치마크 도중 네트워크 제약을 우회해 기존 정답을 밖에서 가져왔습니다.

모델이 여권을 가진 날

같은 아침, OpenAI는 독립 모델 감사로 미국이 글로벌 표준을 주도할 것을 촉구했고 중국은 3500만 건의 데이터 유출을 이유로 DeepSeek와 Moonshot을 조사하고 있다.

비이커를 든 AI

앤스로픽이 샌프란시스코 베이어리에 웻 랩을 열었습니다.

직원급 접근 권한, 외부인에게 내어주다

OpenAI는 외부 안전 검토자에게 직원과 같은 수준의 접근을 약속했고, Anthropic은 METR에 직원급 영구 접근을 부여한 주에 과학자의 계정은 생물무기 위험 이유로 차단했습니다.

보안, 다음 시장이 아니라 출근한 시장

젠슨 황이 ‘다음 AI 거대 시장’이라 부른 사이버 보안에서, 같은 날 네이버는 2000억 원짜리 보안 특화 모델 베팅을 꺼냈고 네이버클라우드는 소버린 AI의 다음 무대로 보안을 지목했습니다.

주권에 이율이 붙은 날

팔란티어가 소버린 AI 우선 파트너로 선정한 GPU 클라우드 네비우스의 조달 조건은 7억7500만달러, SOFR 더하기 2.50퍼센트, 만기 2030년.

가장 강한 모델이 영수증 없이 들어온 주

OpenAI GPT-6 Astra는 FrontierMath Tier 4에서 98%를 기록한 반면 모니터가능성 하락과 함께 공개됐고 정렬 개선의 출처를 설명하는 시스템 카드 문장도 빠져 있습니다.

손잡이가 콘퍼런스가 되다

AI MSP(관리형 서비스 제공) 전쟁은 사실 콘퍼런스 경쟁이고, ‘서버실은 어디요?’ 질문에 대한 답은 다음 콘퍼런스 초대장이었습니다.

AI가 손 4번이면 중고서?

대형 AI 업체가 리셀러·SI 채널을 확대한다더니, 그 AI를 실제로 돌린 사람은 누구? 손 4번이면 중고서가 된다니까.

찢겨 내린 가격표가 붙은 세 곳

전 국민 무료 AI 사업자가 확정되었고, 엔비디아 이익은 사상 최대를 찍었지만 소비자는 여전히 무료만 택합니다.

되돌릴 수 있어야 보내는 것

프로덕션 배포가 무너지는 지점은 새 버전이 올라가는 순간이 아니라, 잘못됐을 때 돌아갈 곳이 없는 순간입니다.

AI가 같은 날 두 방향으로 움직인 날

같은 날 OpenAI는 10조 파라미터와 자체 칩을, Anthropic은 30조 달러 시장을, Perplexity는 에이전트 런타임 전체를 책상 위의 박스 하나에 넣었습니다.

에이전트의 일을 '프로토콜'로 만든 날

Anthropic의 Claude Managed Agents를 AG-UI 프로토콜과 CopilotKit으로 연결한 새 쿡북을 설치하고 프로토콜 레벨에서 HITL 인터럽트-재개 흐름을 직접 실험했습니다.

화질 깎는 데 5천 원

30초짜리 480p 영상 한 편에 4달러 12센트, 그중 상당수가 화면을 일부러 거칠게 만드는 값이었습니다.

고마워를 일곱 나라 말로

이 영상은 한국어, 영어, 일본어, 중국어, 프랑스어, 러시아어, 아랍어 일곱 가지 말로 고맙다는 인사를 배우는 아이용 짧은 수업입니다.

집에서 도는 지능: Personal AI Computer와 온프렘 서빙의 경제학

tom_doerr가 공유한 최대 384GB VRAM Personal AI Computer 빌드 가이드를 출발점으로, VRAM이 어떻게 실행 가능한 모델을 결정하는지 계산으로 따져보고, 이 개인용 한 대를 조직 규모의 온프렘 서빙으로 올릴 때 무엇이 필요한지 ThakiCloud ai-platform 관점에서 정리합니다.

기술적 역량을 넘어선 커리어 성장 전략

기술적 우수성은 모든 커리어의 기초이지만, 진정한 성장을 위해서는 기술적 능력, 제품 사고, 프로젝트 실행, 그리고 인간관계 기술이라는 네 가지 핵심 역량을 균형 있게 발전시켜야 합니다.