smms 를 활용한 중장비 예지 정비 효과에 대한 연구 논문을 정리 SMMS(스마트 유지보수 관리 시스템)를 활용한 중장비 예지 정비에 대한 최신 연구 논문과 관련 효과, 기술적 배경, 실제 현장 적용 사례를 정리하면 아래와 같습니다[1][2][3][4][5]. 주요 최신 논문 및 연구 자료 정리 논문 제목 발행연도 연구 배경 연구 목적 연구 방법 연구 결과 연구의 기여 Predictive Maintenance in Industry 4.0: A Systematic Multi-sector Review 2024 산업 4.0 시대, 스마트 유지보수 도입 확대 중장비 포함 제조·건설·물류분야 예지정비 실효성 체계적 검토 문헌 리뷰, 현장 사례 분석 사전고장 예측 정확도 개선, 비용/생산성 이점 증명 AI·IoT 기반 PdM의 산업 적용 가이드라인 제공[2] Systematic Review of Predictive Maintenance Practices 2025 다양한 제조 산업에서 PdM 적용 현황 분석 최신 예지정비 기술의 효과 및 사례 파악 PRISMA 프레임워크로 문헌 리뷰 설비 다운타임 감소, 운용 효율 향상, 신뢰도 증가 향후 PdM 기술 도입 전략 제안[1] AI-Enabled Predictive Maintenance in Heavy Equipment Market 2025 AI·IoT 기반 중장비 시장 변화 예지정비가 중장비 운영에 미치는 영향 분석 AI/ML 모델 적용사례, 현장 성능 검증 장비수명 연장, 돌발정지 감소, 유지비 절감 산업별 AI 예지정비 도입 성공요인·시장 전망 분석[4] Enhancing Heavy Equipment Maintenance with Artificial Intelligence 2023 중장비 예지정비 영역의 AI 활용 초기 도전 CBM(조건기반 정비)와 AI 연계 효과 실험 센서 데이터, 머신러닝, 현장 실험 진동·온도·압력 데이터로 고장 예측 정확도 상승 실질적인 CBM+AI 설계, 운용 가이드 제공[5] SMMS 기반 ...
공유 링크 만들기
Facebook
X
Pinterest
이메일
기타 앱
2025년 국내 은행 업권의 AI 기반 사업 현황
공유 링크 만들기
Facebook
X
Pinterest
이메일
기타 앱
-
2025년 국내 은행 업권의 AI 기반 사업 현황
2025년 국내 주요 은행들은 AI 기술을 활용하여 금융 서비스의 혁신과 효율성을 극대화하고 있습니다. 각 은행은 생성형 AI, 머신러닝, XAI 등을 활용하여 고객 경험 개선, 내부 업무 자동화, 신용평가 고도화 등 다양한 영역에서 AI 기반 서비스를 도입하고 있습니다.
은행별 주요 AI 기능 및 서비스
은행
주요 기능 및 서비스
진행 일정
신한은행
- AI 뱅커 기반 ‘디지털 데스크’와 무인점포 ‘AI 브랜치’ 운영- 감정 인식 분석을 통한 금융사고 예방
- 생성형 AI 기반 투자 및 금융지식 Q&A 서비스
2024년부터 점포 확대 및 2025년 상반기까지 생성형 AI 플랫폼 구축 예정
•생성형AI 기반 AI 은행원
•생성형AI 투자 및 금융지식 Q&A 서비스
NH농협은행
- 모든 영업점에 AI 뱅커 배치 - AI 금융상품 추천 서비스 출시(XAI) XAI를 활용한 금융상품 추천 서비스- 외국인 및 고령층을 위한 상담 서비스 제공 - 기업 대출 심사 AI 도입
2024년부터 적용 시작, 2025년까지 전국 확대
•생성형AI 플랫폼 기반 금융서비스
KB국민은행
•AI 금융비서 서비스 베타 오픈 - ‘리브 넥스트’의 AI 금융비서 베타 서비스- KB-GPT 및 KB-AI OCR 기술 활용- 생성형 AI 금융상담 Agent 도입
•의심거래 보고(STR) AI 적용
2024년부터 PoC 진행, 2025년 상반기까지 상용화 예정
•생성형AI 플랫폼 기반 금융서비스
우리은행
- ‘우리WON뱅킹’ 내 대출 상담 확장- 이상 외화 송금 탐지 프로세스 도입
•생성형AI 기반 AI 뱅커 서비스 출시
•AI 챗봇기반 AI 실험실 오픈
2024년부터 적용 시작
하나은행
•AI 기반 기업 하이챗봇오픈 (상담챗봇)
•AI 수출환어음 매입 전산 자동화 •해외송금 예측 서비스 AI 적용
•AI 기반 정책자금 맞춤 조회 서비스 제공
- 기업 고객 대상 ‘기업 하이챗봇’ 운영- 기술력 기반 신용평가 모델 개발
2014년부터 신용평가 모델 개발, 2025년까지 서비스 고도화
카카오뱅크
- 주 1회 언어 모델 재학습으로 챗봇 성능 개선- 보이스피싱 모니터링 시스템 강화- 대화형 금융계산기 도입
•AI 전용 데이터센터 오픈
•이상거래탐지시스템(FDS) XAI 적용
•AI 통한 개인화 추천 기능 도입
2024년부터 데이터센터 개소, 2025년까지 AI 에코시스템 완성
케이뱅크
•대안 신용평가 모형(ACSS) 고도화
- 비금융데이터 기반 대안 신용평가 모형(ACSS) 도입- 금융 특화 LLM 개발- 고객 이벤트(퀴즈 챌린지 등) 제공
2024년부터 LLM 개발 시작, 2025년까지 상용화
토스뱅크
•신분증 검증 자체 AI 모델 개발 - 신분증 검증 서비스(정확도 94%) •생성형AI 기반 ‘나만의 지폐 만들기’ 서비스 제공 - 고객 맞춤형 이벤트 제공
2024년부터 적용 시작
AI 기술별 주요 활용 영역
고객 경험 개선
신한은행: 무인점포 운영 및 감정 인식 분석으로 고객 맞춤형 서비스 제공.
카카오뱅크: 개인화된 상품 추천과 대화형 금융계산기 도입.
NH농협은행: 외국인 및 고령층을 위한 상담 서비스를 강화.
내부 업무 자동화
KB국민은행: 텍스트 분석 기술(KB-STA)과 KB-GPT를 활용한 내부 업무 효율화.
신한은행: 직원 업무 비서 플랫폼 ‘AI ONE’을 통해 업무 관리 자동화.
신용평가 고도화
하나은행: 기술력 기반 신용평가 모델로 기업 평가 정확성 향상.
케이뱅크: ACSS를 통해 금융 이력이 부족한 고객 대상 신용평가 확대.
이상거래 탐지 및 예방
카카오뱅크: 머신러닝 기반 보이스피싱 모니터링 시스템.
토스뱅크: 신분증 진위 여부 검증 시스템.
생성형 AI 활용
카카오뱅크: 카드 결제 이력 기반 일기 생성 서비스.
케이뱅크: 라이브 퀴즈 방송과 카드 만들기 이벤트.
특징 비교 요약
기능/서비스 영역
신한은행
NH농협은행
KB국민은행
하나은행
카카오뱅크
고객 경험 개선
감정 인식 분석
외국인/고령층 지원
금융비서 베타 서비스
정책자금 맞춤 조회
개인화 상품 추천
내부 업무 자동화
AI ONE 플랫폼
XAI 추천 이유 제공
KB-GPT 활용
수출환어음 자동화
데이터센터 개소
신용평가
이상 외화 송금 탐지
상품 설명 보조
법인/개인 확인 제도
기술력 기반 평가
비금융 데이터 활용
이상거래 탐지/예방
외화 송금 탐지
XAI 모델 적용
FDS 고도화
보이스피싱 방지
향후 전망
2025년 상반기까지 금융당국은 ‘금융권 AI 플랫폼’을 구축하여 각 은행이 오픈소스 모델을 내부망에 설치하고 성능을 점검할 수 있도록 지원할 계획입니다.
생성형 AI는 기존 보조 역할에서 벗어나 판단과 처리까지 가능한 AI Agent 방식으로 확대될 전망이며, 이를 위해 코어 시스템 아키텍처 변화를 수반할 것입니다.
고객 맞춤형 대면/비대면 채널 확장과 함께 금융 취약계층 지원 서비스가 더욱 강화될 것으로 기대됩니다.
KrakenD의 설정 파일인 `krakend.json`은 KrakenD API Gateway의 동작을 정의하는 중요한 파일입니다. 이 파일의 구조와 주요 요소를 설명해 드릴게요. ### krakend.json 파일의 기본 구조 ```json { "$schema": "https://www.krakend.io/schema/v2.7/krakend.json", "version": 3, "endpoints": [], "extra_config": {} } ``` - **$schema**: 선택 사항으로, IDE 통합을 통해 자동 완성 및 문서를 사용할 수 있게 합니다. - **version**: 필수 항목으로, 설정 파일 형식의 버전을 나타냅니다. 현재 버전은 3입니다. - **endpoints**: API 게이트웨이가 제공하는 엔드포인트와 관련된 백엔드 및 설정을 정의하는 배열입니다. - **extra_config**: Lura 프로젝트의 핵심 기능이 아닌 서비스 구성 요소의 설정을 저장합니다². ### 엔드포인트 설정 엔드포인트는 게이트웨이가 사용자에게 제공하는 URL을 정의합니다. 각 엔드포인트는 최소 하나 이상의 백엔드를 선언해야 합니다. ```json { "endpoints": [ { "endpoint": "/v1/foo-bar", "backend": [ { "url_pattern": "/foo", "host": ["https://my.foo-api.com"] }, { ...
Kraken api - get token with python an example of how you can generate a WebSocket authentication token using Python for Kraken's API: ```python import time import base64 import hashlib import hmac import urllib.request import json # Replace with your Kraken API public and private keys api_key = 'YOUR_API_PUBLIC_KEY' api_secret = 'YOUR_API_PRIVATE_KEY' # API endpoint and parameters api_path = '/0/private/GetWebSocketsToken' api_nonce = str(int(time.time() * 1000)) api_post = 'nonce=' + api_nonce # Create the SHA256 hash api_sha256 = hashlib.sha256(api_nonce.encode('utf-8') + api_post.encode('utf-8')).digest() # Create the HMAC signature api_hmac = hmac.new(base64.b64decode(api_secret), api_path.encode('utf-8') + api_sha256, hashlib.sha512) api_signature = base64.b64encode(api_hmac.digest()) # Create the request api_request = urllib.request.Request('https://api.kraken.com' + api_path, api_post.encode('utf-8')) ap...
( 경영전략,사업전략 ) 마이클 포터의 가치사슬 분석(Value Chain Analysis) 이론 #경영전략 #기업혁신전략 #가치창출전략 #생산유통전략 #가치사슬이론 #오픈이노베이션 #개방혁신전략 신사업을 하려면 사업 전략 기획 뿐아니라 프로그램을 개발하는 개발자도 경영 전략에 대한 인사이트가 필요 합니다. 시장에 대한 기회요인과 필요한 기술을 찾고 투입 되는 생산 비용과 효율성을 확보하는 것은 디지털 기업이 성공하는 필수적이고 핵섬적인 전략 요소가 될 것입니다. (실패하지 않으려면) (경영전략.사업전략) 기업의 가치 창출 전략 이론 (1) 마이클 포터의 가치사슬 분석(Value Chain Analysis) (2) 자원 기반 관점 (Resource-Based View, RBV) 역량 확보 전략 (3) 헨리 체스브로(Henry Chesbrough) 개방형 혁신(Open Innovation) 이론 (4) 블루 오션 전략 (Blue Ocean Strategy) https://couplewith.tistory.com/668 마이클 포터의 가치사슬 분석(Value Chain Analysis) 이론 마이클 포터의 가치사슬 분석(Value Chain Analysis)은 기업의 활동을 여러 단계로 나누어 각 단계에서 가치를 창출하는 방식을 분석하는 도구입니다. 이 기법은 1985년 마이클 포터가 제안한 것으로, 기업 내부의 활동을 기본 활동과 지원 활동으로 구분하여 분석합니다. 이를 통해 기업은 각 활동에서 발생하는 비용과 가치를 파악하여 경쟁력을 강화할 수 있습니다. 1. 기본 활동 (Primary Activities) 2. 지원 활동 (Support Activities) 1. 기본 활동 (Primary Activities) 1.1.내부 물류 (Inbound Logistics) 설명: 원재료의 수급 및 저장, 재고 관리 등을 포함합니다. 예시: 자동차 제조업체...
댓글
댓글 쓰기