플러스프로젝트 배경
(1) 문제 정의: 반도체 Fab 내 전산 시스템이 여러 개의 분산된 DB와 레거시 인터페이스로 구성되어 있어, 담당자 정보 조회나 공정 현황 파악 시 매번 수작업 검색·확인 과정을 거쳐야 함. 이로 인해 응답 지연과 업무 병목이 빈번히 발생하고, 긴급 상황에서의 실시간 의사결정이 어렵다는 한계가 존재. (2) 해결 방향: 실시간 정보 조회 시스템과 LLM(대형 언어 모델) 기반 자연어 응대 챗봇을 통합
프로젝트 성과
오프라인 환경 LLM 모델 개발·배포
(GPT 외 오픈소스 LLM 출시 이전)
사내 오프라인 환경 GPU 서버에서 자체 데이터로 LLM 모델 학습 및 파인튜닝 수행
모델 버전 관리·자동 업데이트
사내 오프라인 환경 GPU 서버에서 자체 데이터로 LLM 모델 학습 및 파인튜닝 수행
모델 버전 관리·자동 업데이트
운영 효율성 향상
문서 조회 시간: 기존 평균 3시간 → 0.4초 이하
직관 및 기존 이력을 포함한 결과 정리 : 수치화 불가
일일 조회 건수 처리량 : 월 1,000건 → 동시 500건 이상 실시간 처리 가능
직관 및 기존 이력을 포함한 결과 정리 : 수치화 불가
일일 조회 건수 처리량 : 월 1,000건 → 동시 500건 이상 실시간 처리 가능
반복 업무 자동화
1차 문의 자동화율: 92% 달성
수작업 문의 처리 건수: 월 800건 → 150건으로 81% 감소
수작업 문의 처리 건수: 월 800건 → 150건으로 81% 감소
핵심 기능
오프라인 환경 LLM 모델 직접 개발
사내 GPU 클러스터 기반 ML 아키텍쳐 직접 설계 및 S/U에 다운로드
파인튜닝 데이터 전처리·토큰화 파이프라인 구축
자체 도메인 데이터로 학습 및 하이퍼파라미터 튜닝
도메인 지식 매핑 기반 질문
파인튜닝 데이터 전처리·토큰화 파이프라인 구축
자체 도메인 데이터로 학습 및 하이퍼파라미터 튜닝
도메인 지식 매핑 기반 질문
진행 단계
요구사항 분석 및 기획
2024.06.
반도체 Fab 운영 현황 파악, 주요 사용자군 인터뷰 진행
핵심 문의 시나리오 정의(담당자 조회, 공정 현황 질의 등)
기능 목록 및 우선순위 확정, 전체 일정 수립
핵심 문의 시나리오 정의(담당자 조회, 공정 현황 질의 등)
기능 목록 및 우선순위 확정, 전체 일정 수립
프로젝트 상세
1. 프로젝트 개요 본 프로젝트는 반도체 Fab 운영 환경 내 전산 시스템의 병목 해소와 실시간 업무 대응력 향상을 목적으로, 실시간 정보 조회 시스템과 LLM 기반 자동 응대 기능을 통합한 고도화된 전산 플랫폼을 구축한 사례입니다. 복잡한 데이터 흐름과 수작업 응대를 줄이고, 사용자 중심의 빠르고 직관적인 UI/UX, 모듈화된 시스템 구조, 지능형 챗봇 자동화까지 포함하여 Fab 내의 정보 흐름과
