작은 CNC 기계 공장의 관리자가 고객 주문을 받을 때 가장 많이 겪는 고충은 바로 시간 소모적인 검토 과정입니다. 종이로 출력된 도면을 하나하나 손으로 치수를 재고, 공장에 있는 공구를 직접 찾아보며 기계가 요구되는 공차를 견딜 수 있는지 눈으로 확인하는 전통적인 방식은 하나의 도면당 30 분에서 60 분의 숙련된 인력을 필요로 합니다. 주당 10 개에서 20 개의 견적 요청을 받는 바쁜 공장이라면 이 과정만으로도 주당 5 시간에서 20 시간의 소중한 생산 시간이 사라지게 되죠. 더 큰 문제는 이 과정에서 실수가 발생할 경우, 생산을 시작한 뒤 필요한 공구가 없거나 기계가 정밀도를 맞추지 못해 부품이 폐기되고 고객 불만으로 이어지는 경우가 빈번하다는 점입니다.
이러한 산업 현장의 비효율을 해결하기 위해 등장한 것이 바로 MachinaCheck 라는 다중 에이전트 AI 시스템입니다. 이 기술은 고객이 보내는 표준 CAD 파일인 STEP 파일과 재료 종류, 요구 공차, 나사 사양 같은 세 가지 간단한 입력값만 받으면 30 초 만에 완전한 제조 가능성 보고서를 만들어냅니다. 더 이상 도면을 손으로 읽거나 공장을 돌아다니며 공구를 확인할 필요가 없으며, 생산 시작 전 어떤 공구가 부족하고 어떤 조치를 취해야 하는지 명확하게 알려줍니다. 이는 단순한 자동화를 넘어, 숙련된 관리자의 판단을 AI 가 보조하여 실수를 줄이고 생산성을 극대화하는 새로운 패러다임을 제시합니다.
이 시스템이 주목받는 핵심 이유는 복잡한 작업을 여러 AI 에이전트가 분업화하여 처리하는 아키텍처에 있습니다. 먼저 순수 파이썬으로 작성된 파서가 STEP 파일을 분석하면, Qwen 2.5 7B 모델을 기반으로 한 에이전트가 작업 유형을 분류하고 적합한 공구를 매칭합니다. 이후 또 다른 에이전트가 실제 제조가 가능한지 최종 결정을 내리고, 마지막 에이전트가 이를 종합한 보고서를 생성합니다. 이러한 멀티 에이전트 구조는 각 단계에서 발생하는 오류를 줄이고, 특정 모델이 처리하기 어려운 복잡한 공학적 판단을 여러 단계로 나누어 정확도를 높이는 데 기여합니다.
특히 이 프로젝트가 AMD MI300X 하드웨어 위에서 구축되었다는 점도 기술적 흐름을 읽는 중요한 단서입니다. 대규모 언어 모델이 여러 개 동시에 작동해야 하는 이 시스템은 높은 연산 성능과 메모리 대역폭을 요구하는데, AMD 의 최신 가속기가 이를 효과적으로 뒷받침하며 실시간 처리를 가능하게 했습니다. 앞으로는 단순한 견적 검토를 넘어, 실시간으로 변하는 재고 상황이나 기계 상태까지 반영한 더 정교한 의사결정 지원 시스템으로 발전할 가능성이 큽니다. 제조 현장에서 AI 가 단순한 도구를 넘어 생산 프로세스의 핵심 파트너로 자리 잡는 시점이 바로 지금이라고 할 수 있습니다.
작성자 소개
