Trackunit이 AI를 통해 건설 데이터를 의사 결정으로 전환하는 방법

건설 산업은 장비 텔레메트리 및 유지보수 기록부터 작업 현장 문서, 임대 피드에 이르기까지 풍부한 데이터를 생성합니다. 하지만 제조업과 마찬가지로 건설 산업도 취약한 공급망, 마진 압박, 그리고 속도, 맞춤화, 추적성에 대한 수요 증가에 직면해 있습니다.

데이터는 시스템, 조직, 장비 유형 전반에 걸쳐 파편화된 상태로 남아 있습니다. 소유권은 프로젝트마다 변경될 수 있으며, 중요한 정보는 비정형이거나 단절되어 있거나 아예 수집되지 않을 수도 있습니다. 이는 단순한 데이터 품질의 문제가 아니라 데이터 인텔리전스의 문제입니다. 데이터가 연결되거나 구조화되지 않고 적절한 운영 컨텍스트가 제공되지 않는다면 AI는 의사 결정을 개선할 수 없습니다.

Trackunit은 Databricks Data and AI Platform을 기반으로 구축된 운영 데이터 플랫폼인 IrisX를 통해 이러한 과제를 해결하고 있습니다. Trackunit의 가치는 건설 분야에 특화된 컨텍스트에 있습니다. 즉, 에코시스템 전반에서 장비, 머신, 작업자, 현장 및 운영 데이터를 연결하여 팀이 파편화된 신호를 인사이트와 행동으로 전환할 수 있도록 지원하는 것입니다. 이러한 관점은 20년의 업계 경험, 5,000개의 고객사, 120개국에 걸쳐 연결된 600만 개의 자산, 1,200개의 커넥터, 150개의 파트너 마켓플레이스 애플리케이션을 바탕으로 합니다.

Databricks를 활용함으로써 Trackunit은 데이터 엔지니어링, 분석, AI를 단일 개방형 플랫폼으로 통합할 수 있습니다. 이를 통해 IrisX는 연결(connect), 정제(distill), 증폭(amplify)이라는 세 가지 기능을 통해 원시 머신 데이터를 운영 의사 결정 및 엔터프라이즈 인텔리전스로 전환할 수 있습니다. Trackunit의 EMEA 상업 및 글로벌 컨설팅 부문 VP인 Domokos Spéder와 Databricks의 제조 부문 수석 솔루션 아키텍트인 Erin Kirsten이 Trackunit이 Databricks를 기반으로 어떻게 구축되었는지 설명하는 영상을 시청해 보세요.

건설 에코시스템 전반의 파편화된 데이터 연결

건설 장비는 독립적으로 작동하지 않습니다. OEM은 장비가 공장을 떠난 후 어떻게 작동하는지 파악해야 합니다. 임대 회사는 여러 위치에서의 사용률, 가용성 및 유지보수 현황을 이해해야 합니다. 계약업체는 장비가 어디에서 작동하고 있는지, 어디에서 유휴 상태인지, 어디에서 용량이 제한되어 있는지 알아야 합니다.

각 조직마다 서로 다른 시스템과 우선순위를 가지고 있습니다. 또한 서로 다른 데이터 모델과 용어를 사용할 수도 있습니다. 장비의 텔레메트리는 한 플랫폼에 있고, 서비스 기록은 다른 플랫폼에 있으며, 작업 현장 정보는 문서나 스프레드시트에 있을 수 있습니다. 공유된 기반이 없다면 간단한 운영상의 질문조차도 수동으로 대조해야 할 수 있습니다.

IrisX는 머신, 장비, 작업자, 문서 및 타사 소스의 데이터를 하나로 통합합니다. 이 플랫폼은 추적 애플리케이션, ERP 시스템, 고객 애플리케이션, 분석 또는 AI 엔진을 포함하여 건설 기업이 이미 사용하고 있는 도구와 연동되도록 설계되었습니다.

이러한 기반은 각 신호 뒤에 숨겨진 컨텍스트를 보존합니다. 결함 코드는 장비 이력, 작동 조건, 유지보수 활동 및 위치와 함께 제공될 때 더 유용합니다. 사용률은 계약 조건, 프로젝트 요구 사항 및 자산 가용성과 비교할 때 더 유용해집니다.

머신 신호를 유용한 인텔리전스로 정제

데이터를 연결하는 것은 첫 단계에 불과합니다. 원시 장비 데이터가 제품 관리자, 서비스 팀, 차량 운영자 또는 비즈니스 리더에게 자동으로 유용한 것은 아닙니다. 데이터는 정제되고, 구조화되고, 거버넌스가 적용되고, 비즈니스가 조치를 취할 수 있는 질문으로 변환되어야 합니다.

IrisX는 이 프로세스에 건설 분야에 특화된 컨텍스트를 적용합니다. 위의 데모에서 사용자는 엔진 부하와 토크가 연료 소비에 어떤 영향을 미치는지, 어떤 장비 그룹이 이상치인지 질문합니다. 시스템은 쿼리를 요구하지 않고도 요약 보고서, 시각적 분석 및 장비 유형별 분석을 반환합니다. 두 번째 예시에서는 지역별 작동 시간과 계절적 패턴을 분석하여 제품 및 엔지니어링 팀이 가상의 평균이 아닌 실제 현장 상황에 맞게 설계할 수 있도록 지원합니다.

이러한 변화는 누가 고급 분석을 사용할 수 있는지를 결정하며, 제품 관리자, 서비스 팀 및 운영 사용자가 차량 및 운영에 대해 자연어로 질문하고 거버넌스가 적용된 데이터를 기반으로 답변을 얻을 수 있도록 합니다. 이처럼 확장된 접근성 덕분에 의사 결정이 이루어지는 곳 어디에서나 적시에 인텔리전스를 활용할 수 있습니다.

동일한 인텔리전스를 사람들이 이미 사용하는 도구를 통해서도 제공할 수 있습니다. Trackunit IrisX MCP를 통해 Trackunit은 Trackunit Manager에 IrisX 분석을 내장할 수 있으므로, 사용자는 시스템을 전환하거나 데이터를 이동하지 않고도 선호하는 AI 도구에서 답변을 얻고 조치를 취할 수 있습니다.

운영 워크플로우를 통한 인사이트 증폭

인사이트는 그 다음에 일어날 일을 변화시킬 때만 가치를 창출합니다. 이것이 바로 증폭 레이어의 목적입니다. 즉, 신호를 의사 결정으로, 의사 결정을 행동으로 전환하는 것입니다.

이것이 바로 Trackunit이 특정 건설 및 장비 사용 사례를 위해 즉시 배포 가능한 솔루션인 IrisX Blueprints를 구축한 이유입니다. 이 솔루션은 데이터 연결, 워크플로우, 분석 및 AI 기반 자동화 로직을 결합하여 팀이 빈 개발 환경이 아닌 비즈니스 문제에서부터 시작할 수 있도록 지원합니다. 이러한 블루프린트는 맞춤형 개발 없이 몇 달이 아닌 며칠 만에 배포할 수 있어, 팀이 연결된 데이터에서 행동으로 더 빠르게 나아갈 수 있도록 돕습니다.

OEM이 장비 및 배터리 관련 의사 결정을 개선하도록 지원

OEM의 경우 현장 데이터는 제품 설계, 서비스 운영, 보증 관리 및 디지털 제품 개발에 정보를 제공할 수 있습니다. Battery Management Insights Blueprint는 전기화된 장비 전반에서 충전 동작, 대기 시간, 배터리 상태 및 보고 활동을 통합할 수 있습니다.

팀은 차량 전반의 보고 상태와 충전 수준을 확인하고, 충전량이 낮거나 비활성 상태인 자산을 식별하며, 시간 경과에 따른 충전 세션을 검사할 수 있습니다. 위의 데모에서는 조기 배터리 성능 저하와 관련된 짧고 얕은 충전 세션 패턴을 발견한 고객의 사례를 설명합니다. 이 인사이트는 더 나은 충전 가이드를 지원하는 한편, 동일한 데이터를 통해 재판매 또는 바이백을 위한 차량 준비 상태 및 배터리 투명성을 알릴 수 있습니다.

연간 약 10,000대의 장비를 생산하는 OEM 차량의 경우, 배터리 관리 블루프린트는 보증 위험 감소, 신속한 문제 진단 및 디지털 기능 기회를 통해 연간 약 300만 달러의 가치를 창출합니다.

임대 회사가 계약 외 사용을 식별하도록 지원

임대 회사는 장비 사용량을 합의된 계약 조건과 비교해야 합니다. Out of Contract Usage Blueprint는 계약 초과 사용을 지속적으로 감지하고 이를 기존 비즈니스 시스템 및 인보이스 발행 프로세스에 연결하여 수주간 소요되던 수동 대조 작업을 대체할 수 있습니다.

위의 데모는 이러한 방식을 통해 약 5,000대 규모의 혼합 임대 차량에서 이전에는 누락되었던 약 200만 달러의 인보이스를 찾아낸 사례를 보여줍니다. 또한 청구 공백이 투명하게 해결된 후 고객 유지율이 10% 이상 향상되었다고 언급합니다. 더 나은 데이터는 매출 보호와 더 강력한 고객 관계 구축을 모두 지원할 수 있습니다.

계약업체가 프로젝트 전반에서 장비를 재배치하도록 지원

계약업체의 경우, 차량 불균형은 분배의 문제이기도 합니다. 한 현장에는 유휴 장비가 있는 반면, 다른 현장에서는 용량 부족에 직면하여 긴급 임대나 계획에 없던 구매를 진행해야 할 수 있습니다. Site Performance & Asset Utilization Blueprint는 모든 운영 리더에게 단일 뷰를 제공합니다.

자산, 프로젝트 요구 사항, 위치 및 사용률이 연결된 뷰를 통해 장비가 다음에 어디로 이동해야 하는지 파악할 수 있습니다. 위의 데모는 데이터 기반의 재배치를 통해 프로젝트 지연과 초과 근무를 줄이고 장비 관련 비용을 낮춘 사례를 강조합니다. 비즈니스 내에 이미 적절한 자산이 있는 경우, 다른 자산을 추가하는 것보다 기존 자산을 이동하는 것이 더 효과적일 수 있습니다.

건설 AI를 위한 실용적인 패턴

연결(connect), 정제(distill), 증폭(amplify) 패턴은 AI 도입에 대한 실용적인 접근 방식을 제공합니다.

첫째, 머신, 작업자, 현장, 서비스 이벤트, 계약 및 문서를 연결합니다. 둘째, 이를 거버넌스가 적용되고 컨텍스트화된 인텔리전스로 정제합니다. 셋째, 의사 결정이 내려지는 애플리케이션, 워크플로우 및 AI 비서를 통해 해당 인텔리전스를 증폭합니다.

이것은 데이터 기반과 도메인 컨텍스트가 준비되기 전에 AI 어시스턴트를 도입하는 것을 방지합니다. 건설 분야에서 유용한 답변은 올바른 자산, 현장, 운영 조건 및 비즈니스 프로세스를 반영해야 합니다. 목표는 단순히 더 많은 대시보드를 만드는 것이 아니라 서비스, 재배치, 청구, 사용 예외 및 제품 개발에 대해 더 나은 의사결정을 내리는 것입니다.

제조업체의 경우, 동일한 기반을 통해 대규모의 운영 우수성, 회복 탄력적이고 지능적인 공급망, 더 빠른 제품 개발을 지원할 수 있습니다. AI는 문제가 실적에 영향을 미치기 전에 계획되지 않은 다운타임을 줄이고, 수율을 개선하고, 낭비를 줄이고, 중단을 예측하고, 재고를 최적화하며, 소싱 의사결정을 가속화하는 데 도움을 줄 수 있습니다. 공통된 핵심은 사후 대응에서 예측으로, 고립된 상태에서 통합된 상태로, 그리고 데이터만 풍부한 상태에서 진정으로 지능적인 상태로 전환하는 것입니다.

다음 단계의 경쟁 우위는 단순히 더 많은 장비가 아니라 더 나은 의사결정입니다

수년 동안 연결된 장비는 건설 기업이 현장에서 일어나는 상황을 더 자세히 파악할 수 있도록 도왔습니다. 다음 단계는 연결된 데이터를 활용하여 후속 의사결정을 개선하는 것입니다.

기업이 더 효과적으로 운영하기 위해 가장 큰 규모의 장비를 보유할 필요는 없습니다. 자산에 대한 더 명확한 가시성, 데이터에 대한 더 강력한 컨텍스트, 그리고 인사이트가 여전히 유효할 때 사람들이 조치를 취할 수 있도록 돕는 워크플로우가 필요합니다.

Databricks를 기반으로 구축된 IrisX는 이러한 운영 모델이 어떤 모습일 수 있는지 보여줍니다. 파편화된 건설 데이터를 연결하고, 이를 인텔리전스로 정제하며, 팀이 이미 의존하고 있는 애플리케이션과 프로세스를 통해 이를 증폭시킵니다.

건설 리더와 실무자에게 시작점은 실용적입니다. 다운타임, 활용 부족, 느린 서비스, 청구 누락 또는 피할 수 있는 자산 교체로 인해 측정 가능한 비용이 발생하는 의사결정을 파악하세요. 그런 다음 해당 의사결정을 개선하는 데 필요한 데이터로 역추적하여 AI가 이를 활용할 수 있는 기반을 구축하십시오.

IrisX의 실제 작동 모습을 볼 준비가 되셨나요? 제조 가상 산업 포럼: 파일럿에서 생산까지에서 전체 데모와 전문가의 심층 분석을 시청해 보세요.

자주 묻는 질문

Trackunit IrisX란 무엇인가요?

IrisX는 Databricks를 기반으로 구축된 운영 데이터 플랫폼으로, 건설 장비, 기계, 작업자, 현장 및 운영 데이터를 연결하여 파편화된 신호를 맥락에 맞는 인텔리전스 및 워크플로우로 전환합니다.

AI는 어떻게 장비 운영을 개선할 수 있나요?

원격 측정(telemetry) 데이터를 유지보수, 프로젝트, 위치 및 계약 데이터와 결합함으로써, AI는 다운타임, 청구 문제, 누락된 청구, 활용도가 낮은 자산 및 재배치 기회를 식별하는 데 도움을 줄 수 있습니다.

Databricks는 제조 및 건설 분야에서 더 광범위하게 어떻게 사용되나요?

Databricks는 예측 유지보수, 장비 활용, 공급망 회복 탄력성, 품질 모니터링 및 보증 관리를 위한 하나의 거버넌스된 데이터 및 AI 플랫폼을 제공하여, 팀이 사후 보고에서 예측 운영으로 전환할 수 있도록 지원합니다.

Unity Catalog는 거버넌스된 건설 데이터를 어떻게 지원하나요?

Unity Catalog는 건설 데이터 및 AI 자산을 위한 거버넌스된 기반을 제공하여, 팀이 워크플로우 전반에서 장비, 원격 측정, 유지보수 및 운영 데이터의 액세스, 계보(lineage) 및 일관된 사용을 관리할 수 있도록 지원합니다.

Databricks 데이터 및 AI 플랫폼은 장비 데이터 워크플로우를 어떻게 지원하나요?

데이터 엔지니어링, 분석 및 AI를 하나의 개방형 플랫폼으로 결합하여, 기업이 기계, 현장, 작업자 및 운영 데이터를 연결하고 애플리케이션, 대시보드 및 AI 인터페이스를 통해 인사이트를 제공할 수 있도록 지원합니다.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)