dure-factory

June 17, 2026 · View on GitHub

흩어진 공장 장비를 하나의 협력 AI 크루로 — 분산 엣지 × 제조 MES One pipeline from the line's know-how to research — distributed edge × manufacturing MES

기반 기술: DureClaw (분산 에이전트 협력 버스) + Open MES Korea (AI native MES)

dure-factory one-pager

무엇인가 / What it is

공장의 요소들은 거리적으로 흩어져 있습니다 — 센서·카메라는 현장, GPU는 서버실, 분석용 PC는 사무실. dure-factory는 이 흩어진 노드를 하나의 버스로 묶고, 실 데이터를 흘려, LLM에게 보여주고 → 분석하고 → 스킬로 컴파일하는 한 흐름으로 잇습니다.

Factory elements are physically scattered — sensors on the floor, GPUs in the server room, analysis PCs in the office. dure-factory joins them on one bus, lets real data flow, and threads it into show the LLM → analyze → compile into a skill.

방법 / Method

[현장 엣지]              [협력 버스]            [마스터 브레인]        [제조 MES]
 센서·카메라(Pi) ─┐                                                 
 GPU·분석 PC    ─┼─▶  DureClaw  ─▶  Claude (종합·추론·제안)  ─▶  Open MES Korea
 Windows·필터   ─┘   presence·task                                 승인 · 결정 동결
        │            fan-out/in                                     대시보드
        └──────────────── 닫힌 학습 루프: 승인된 결정을 룰로 동결 → 엣지 재배포 ──────────────┘

센싱 (엣지) — 각 노드의 에이전트가 자기 역할을 관측 (외관·비전 점수·LOT 계보·거리센서).
종합 (브레인) — 마스터가 fan-in 수집해 원인·영향을 추론·제안.
승인 (사람) — 제조 엔지니어가 검토·사인. AI 직접 쓰기 0.
결정 동결 (LLM as compiler) — 승인된 판단을 결정론적 룰로 동결 → 같은 문제는 LLM 0회로 µs 재사용.

핵심 아이디어: 키 없이 한 줄로 이종 장비를 붙이고(keyless), LLM 호출은 마스터가 흡수해 엣지는 키·비용 0, 그리고 한 번 제대로 부른 LLM을 룰로 컴파일해 재사용합니다 — 데이터는 엣지 · 두뇌는 분산 · 학습은 닫힌 루프 · 결정은 사람.

점진적 성숙: 로우 데이터 → 통계·기계 분석 + LLM → 부분 스킬화(compile) → 모듈화 → 모델화(distill) (raw data → stats/rule + LLM → skill compile → modularize → model distillation; automation ↑ / LLM dependence ↓).

효과 / Impact — demo-measured (prototype)


7 노드	이종 함대(Pi·GPU·Win·Mac)를 한 버스에 동시 연결
실 센서	$5 Pi Zero + 거리센서(HC-SR04) → 데이터가 버스를 따라 순환
15.5s → µs	1회차 LLM 종합(~15.5초) → 동결 후 재사용은 µs
LLM 0회	같은 패턴 재조사 시 호출·토큰 0 (결정론적 룰 재사용)
한 줄 합류	키 없이 엣지 위임 — IT가 키 안 깔아도 노드가 붙음

한 번의 조사를 룰로 컴파일하면, 같은 문제는 LLM 없이 µs에 처리됩니다 — Claude를 가장 효율적으로 쓰는 법.

정직한 캘리브레이션 / Honest calibration

오늘까지 보인 것은 메커니즘을 끝까지 한 번 돌린 prototype (proof-of-mechanism) 입니다. 실 공장 스케일·다중 센서·정식 통계 검증·물리 엣지 대규모 배포는 다음 단계입니다.

What is shown is a proof-of-mechanism prototype: the full loop ran end-to-end. Factory-scale, multi-sensor, rigorous statistics, and large-scale physical-edge deployment are next.

문서 / Documents (PDF)

기반 기술 / Built on

DureClaw — 분산 에이전트 협력 버스 (Phoenix Channel) · https://github.com/DureClaw/dureclaw
Open MES Korea — AI native MES (Phoenix/Elixir) · https://github.com/baryonlabs/open-mes-korea
Claude (Anthropic) — 종합·추론·결정 제안

데이터는 엣지 · 두뇌는 분산 · 학습은 닫힌 루프 · 결정은 사람. Data at the edge · brains distributed · learning in a closed loop · humans decide.