제조실행시스템(Manufacturing Execution System, MES) 환경에서 데이터 기반 의사결정을 지원하기 위해서는, 다양한 생산·품질·자산·자재 정보를 빠르고 정확하게 분석할 수 있는 시스템을 배치해야 한다. 그러나 기존의 MES 데이터 관리 접근 방식은 사전에 정의된 쿼리나 보고서 템플릿에 의존하는 경우가 많아 유연성이 부족하고 실시간 의사결정 지원에 한계를 지닌다. 본 논문에서는 LangChain의 기능을 확장하여 제조실행시스템(MES)에 특화된 구성요소와 Ollama 기반 로컬 대규모 언어 모델(Local Large Language Model, LLM)을 통합하는 도메인 특화 검색증강생성(Retrieval-Augmented Generation, RAG) 아키텍처를 제안한다. 제안된 아키텍처는 실시간 센서 데이터 처리, 복잡한 제조 워크플로, 도메인별 지식 통합을 포함하여 MES의 고유한 요구사항을 해결한다. 또한 고성능 비동기 처리를 위한 FastAPI를 사용하는 응용 계층, 자연어 이해를 위한 LLM 계층, 효율적인 데이터 관리를 위한 MariaDB, Redis, Weaviate의 결합으로 이루어진 데이터 저장 계층의 3계층 구조를 구현한다. 이 시스템은 스키마 관계, 시간적 데이터 처리, 보안 관련 우려와 같은 MES 특화 과제를 민감한 공장 데이터를 노출하지 않고 효과적으로 처리한다. 제안된 설계는 단순한 텍스트 기반 RAG를 넘어 제조 현장의 문제 해결에 초점을 둔 산업 특화 맞춤형 접근법이다. 또한 데이터 소스의 특수성, 실시간 및 고가용성 요구사항, 도메인 지식과 워크플로의 반영, 보안 및 품질관리 규정 준수, MES 시스템과의 직접적인 상호운용성을 고려한다. 아키텍처는 다양한 제조 시스템, 고급 LLM, 분산 처리 프레임워크와의 통합을 통해 추가로 향상될 수 있으며, 이때 핵심은 MES 도메인 전문화에 대한 집중을 유지한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.