K-하이테크 플랫폼 통합유지보수 용역

링크

• 공고 상세 페이지 (사람에게 건넬 링크)
• 나라장터 원문 공고

비슷한 공고

링크는 각 공고의 AI 페이지다.

진행 중

• 2027~2028년 충남교육정보시스템 통합 유지관리 · 충청남도교육청 충청남도교육청교육과정평가정보원 · 30.4억원 · D-28
• 2027년 부산학교지원서비스(BSSS) 통합 유지관리 · 부산광역시교육청 · 6,761만원 · D-13
• 2027년 광주교육정보시스템 유지관리 및 보안관제 용역 · 전남광주통합특별시교육청 전남광주통합특별시교육청AI교육원 · 12.2억원 · D-35
• 2026년 정보시스템 인프라 통합 유지보수 용역 · 한국고용노동교육원 · 2.63억원 · D-7
• 2027년 보안관제시스템 유지관리 · 부산광역시교육청 · 1.39억원 · D-8
• 27~29년 정보시스템 통합 유지보수용역 · 국토교통부 국토교통인재개발원 · 6.28억원 · D-29

끝난 공고 · 결과

• K-하이테크 플랫폼 통합유지보수 용역 · 국립순천대학교 산학협력단 · 유찰
• AI-데이터 중심의 경기교육 디지털플랫폼 운영 및 유지관리 · 경기도교육청 · 낙찰 엔에이치엔인재아이엔씨(주) · 61.7억원
• STEP 정보시스템 통합유지보수 · 한국기술교육대학교 · 유찰
• 2026~2027년도 통합정보자원시스템 유지관리 용역 · 경기도교육청 경기도교육정보기록원 · 낙찰 한국정보기술 주식회사 · 41.1억원
• DSC 공유대학 공동교육 통합관리시스템 유지보수 용역 · 충남대학교 산학협력단 · 유찰
• (혁신) 학습관리시스템(LMS) 클라우드 기반 인프라 유지보수 용역업체 선정(재공고) · 동아방송예술대학교 · 유찰

첨부파일

뷰어 링크는 사람이 원문을 볼 때 쓰는 화면이다. 이 문서들에서 뽑은 자격 · 배점 · 일정 · 발췌는 이 페이지 아래에 글로 있다.

• 1. 공고서(안).hwpx · 공고규격서
• 1. 공고서(안).pdf · 공고규격서
• 2. 제안요청서.hwp · 공고규격서

공고 개요

재공고 · 유찰 · 국립순천대학교 산학협력단 · SW 개발·운영

결과

유찰

참가

0곳 · 개찰 08/18(화)

요약 AI 요약

디지털 교육 및 정보 관리 시스템의 안정적인 운영을 위해 체계적인 유지보수 및 장애 대응 체계를 구축하고 서비스 품질을 향상시키기 위함입니다.

• 클라우드 인프라, 고성능 컴퓨팅(HPC), AI 분석 솔루션 및 네트워크·보안 시스템 유지관리
• 대규모 언어 모델(LLM) 및 가상화된 LLM(vLLM) 환경 구축 및 운영
• AI 알고리즘 기반 시스템 자원 모니터링 및 이상 징후 사전 탐지 체계 구축
• LLM을 활용한 유지보수 보고서 초안 자동 생성 시스템 구축 및 운영
• 유지보수 업무 자동화를 위한 AI 에이전트(AI Agent) 설계, 개발 및 운영
• 정기·수시 예방점검, 장애 복구, 보안 패치 및 운영자·사용자 기술 지원 교육

평가 · 배점

기술 : 가격 — 기술 90점 · 가격 10점

협상 대상 기준 · 기술능력평가 점수(90점)를 기준으로 85% 이상 득점자를 협상 적격자로 선정합니다.

참가 자격 · 제한

업종제한

소프트웨어사업자(컴퓨터관련서비스사업)(1468)

지역제한

제한 없음

공동수급

공동수급불허

입찰참가 제한

없음

실적경쟁 · PQ

해당 없음

국제입찰

국내입찰

제출 방법

전자입찰

입찰 일정

가격

추정가격

36,363,636원

배정예산

40,000,000원

예정가격 방식

비예가

공고 정보

공고종류

재공고 (재입찰공고)

게시일

08/05(수)

공고번호

R26BK01667795-000

참조번호

연구산학협력과-12529

공고기관

국립순천대학교 산학협력단

수요기관

국립순천대학교 산학협력단

계약방법

제한경쟁

낙찰방법

협상에의한계약

계약유형

총액계약

예정가격 방식

비예가

추정가격

36,363,636원

배정예산

40,000,000원

공공조달분류

ICT 서비스 › 운영 및 유지관리 › 정보시스템유지관리서비스

사전규격번호

R26BD00252815

재공고

재공고

출처

나라장터

문서 발췌

과업·요구

1. 사업 개요

가. 사 업 명: K-하이테크플랫폼 통합 유지보수 나. 사업기간 : 계약일로부터 ~ 2026. 11. 30. (※상황에 따라 변동될 수 있음) 다. 사업예산 : 금 40,000,000원 (금 사천만원정, 부가세 포함) 라. 계약방법 : 제한경쟁입찰, 협상에 의한 계약 체결 바. 제한조건 : 하도급을 허용하지 않음 사. 사업대상 : 국립순천대학교 정보전산원(※상황에 따라 변동될 수 있음)

2. 추진 배경 및 목적

가. 추진 배경 ◦ 본 사업은 디지털 교육 및 정보 관리 시스템(클라우드, AI 기반 데이터 분석 기능, 인공지능 시스템 등)의 복합적 구조를 안정적으로 운영하기 위해 체계적인 유지보수 계약을 체결하고, 예방점검 및 장애 대응 체계를 구축하고 안정적인 서비스 제공을 보장하기 위함 ◦ 기존 시스템은 클라우드 인프라, AI 모델(Stable Diffusion, 머신러닝/딥러닝 솔루션, Jupyter Notebook 환경) 등 다양한 요소가 통합된 상태이므로, 원활한 운영과 최적화 유지가 필요함 ◦ 전문 용역사를 통해 안정적이고 효율적인 유지보수를 수행하고, 기술적 이슈(보안, 성능, 데이터 증가, 버전 업그레이드 등)에 대한 지속적 지원이 요구됨 ◦ 데이터 증가, 보안 위협 확대, AI 기술 고도화 등 변화가 가속화됨에 따라, 전문 업체의 상시 모니터링 및 예방점검을 통한 유지보수 체계가 필수적 ◦ 장애 발생 시 신속한 복구가 가능하도록 대응 프로세스를 마련하고, 정기 점검을 통해 시스템 안정성을 높여야 함 나. 목적 ❍ 디지털 교육 및 정보 관리 시스템(클라우드, HPC·AI 환경, 데이터 분석 솔루션 등)의 연속적 운영과 서비스 품질 향상을 위해 체계적인 유지보수 및 장애 대응 체계를 구축, 안정적 서비스를 보장하고자 함 ◦ 시스템 운영 환경을 지속적으로 최적화하고, 이를 통해 성능 저하를 방지하며, 장애 발생 시 서비스 중단 최소화와 신속 대응을 목표로 함 ◦ 시스템 보안 강화를 위해 정기적인 패치와 취약점 진단‧조치를 시행하고, 예방점검을 통해 안정적 운영 환경을 유지 ◦ 전문적인 유지보수를 통해 운영 효율성을 높이고, 운영자‧사용자 대상 기술 지원을 제공하여 서비스 품질을 향상 ◦ 디지털 교육 및 정보 관리 시스템의 연속적인 운영과 서비스 품질 향상을 위해 체계적인 유지보수 및 장애 대응 체계를 구축하고, 안정적인 서비스 제공을 지속해서 보장하기 위함

3. 주요 사업내용

◦ 클라우드 및 교육·정보시스템(H/W, S/W) 유지관리 - 기존 클라우드 플랫폼(컨테이너, 가상화 등)과 연동된 각종 하드웨어와 소프트웨어의 정상 운용을 위한 점검, 업데이트, 보안 패치 수행 - HPC(GPU) 자원 포함한 서버/스토리지 시스템의 최적화 및 모니터링 ◦ 네트워크 및 보안 시스템 유지보수 - 스위치, 라우터, 방화벽, 침입방지시스템(IPS) 등 보안장비의 예방점검 - 네트워크 안정성 확보 및 침입 차단 정책(ACL) 등의 주기적 점검과 규정 준수 ◦ AI 분석 솔루션 및 데이터 처리 지원 - Stable Diffusion, Jupyter Notebook, 머신러닝/딥러닝 프레임워크 등 AI 솔루션 모니터링‧업데이트 - 대규모 데이터 전처리 및 분석 과정 점검, 오류‧장애 시 신속 복구 - LLM 모델 운영 - 스마트팜, 유전자 정보, 스마트팩토리 등 각 연구 분야별로 특화된 대규모 언어 모델 구축 및 학습 환경 지원 - 가상화된 LLM 환경(vLLM)으로 GPU 리소스 효율 관리 및 다중 모델 동시 운영 가능 ◦ AI 기반 시스템 모니터링 및 사용 현황 분석 * 2026년 유지보수 운영 시 필수 추가 사항 - AI 알고리즘을 활용한 시스템 자원(CPU/GPU/메모리/스토리지/네트워크) 사용 패턴 자동 분석 및 이상 징후 사전 탐지 - 머신러닝 기반 이상 탐지(Anomaly Detection) 모델을 적용하여 장애 발생 전 선제적 경보 체계 운영 - GPU 연산 사용률, LLM 추론 응답시간, 컨테이너 리소스 사용 현황 등 AI 특화 지표의 실시간 대시보드 구성 및 운영 - 사용자별·서비스별 시스템 활용 내역을 자동 집계하여 자원 최적화 의사결정 지원 ◦ AI 기반 자동 보고서 생성 시스템 구축 및 운영 - LLM(대규모 언어모델)을 활용하여 일간·주간·월간 유지보수 보고서의 초안을 자동 생성하는 시스템 구축 - 모니터링 로그, 장애 이력, 성능지표 데이터를 입력으로 받아 자연어 형태의 보고서를 자동 산출 - 보고서 자동화를 통해 운영자 업무 부담 경감 및 보고 품질 표준화 ◦ AI Agent 개발 및 운영 - 유지보수 업무 자동화를 위한 AI Agent 설계·개발·운영 (장애 감지→원인 분석→조치 권고 자동화 파이프라인 구성) - MCP(Model Context Protocol) 기반 AI Agent를 활용하여 시스템 모니터링 도구, 티켓 시스템, 보고 체계 간 연동 자동화

- 스마트팜·스마트팩토리 등 연구 도메인별 특화 AI Agent 개발 지원 및 운영 환경 관리 - AI Agent의 안전한 운영을 위한 권한 제어, API 키 관리, 에이전트 행동 로그 모니터링 체계 마련 ◦ 장애 대응 체계 운영 - 주요 장애 사례(서버 다운, GPU 연산 오류, 네트워크 단절 등)에 대한 SOP(Standard Operating Procedure) 마련 - 장애 발생 시 즉각적인 원인 파악 및 복구, 재발 방지 대책 수립 ◦ 계약 범위 내 필수 소프트웨어 업그레이드 및 보안 패치 - OS, DB, 보안 솔루션, AI 라이브러리(PyTorch, TensorFlow 등) 등 정기·수시 패치 - 버전 호환성 및 안정성 테스트 후 안전한 업그레이드 진행 ◦ 예방점검 및 유지관리 수행 - 정기적인 하드웨어·소프트웨어 상태 점검(리소스 사용량, 로그 분석 등)을 통한 잠재 장애 요소 사전 제거 - GPU 장비의 쿨링 상태, 메모리 누수, 펌웨어 업데이트 등 AI 환경 특화 점검 ◦ 운영자‧사용자 대상 기술 지원 및 교육 - 시스템 운영 절차, AI 모델 학습/추론, 데이터 처리 매뉴얼 제공 - 신규 인력, 관리자 대상 필요한 교육 세션 또는 온라인 교육 진행 ◦ 데이터 처리·보안 강화 조치 - 중요 데이터 백업/복구 체계 확립, 정기 보안 진단 및 취약점 분석 - 개인정보 처리, AI 모델 보안(접근 권한, API 키 관리) 등 엄격한 통제·관리 - 클라우드 및 교육·정보시스템의 H/W, S/W 유지관리

4. 기대효과

◦ 시스템 가용성 극대화: 전문적인 예방점검과 장애 대응으로 서비스 중단을 최소화하고, 긴급장애 발생 시 신속 복구 가능 ◦ 안정적 HPC‧AI 운영: GPU(H100) 자원을 안정적으로 운용해 AI 분석 성능을 유지하고, 데이터 과학 업무를 원활히 지원 ◦ 보안성 강화: 정기 보안 패치, 취약점 점검, 접근제어 강화 등을 통해 데이터 누출, 사이버 공격 리스크 감소 ◦ 운영 효율성 향상: 유지보수 체계 확립으로 비용 절감, 인력·시간 낭비 최소화, 문제 발생 시 담당자 부담 완화 ◦ 서비스 품질 제고: 운영자·사용자 대상 기술 지원과 교육을 통해 시스템 활용도가 높아지고, 학습‧연구 환경의 전반적 품질향상 ◦ 미래 확장성 확보: AI‧클라우드 기반 시스템을 지속 업그레이드하고, LLM‧vLLM 등 대규모 언어 모델 학습/추론 환경을 도입하여, 향후 더욱 복잡한 인공지능 고도화 수요에 유연하게 대처 ◦ 연구·교육 현장에서 요구하는 대규모 텍스트 처리와 자연어처리를 한층 강화 ◦ AI 기반 운영 자동화 실현: AI Agent 및 자동 보고서 생성 시스템 도입으로 반복적 운영 업무를 자동화하여 담당자의 고부가가치 업무 집중 환경 조성 ◦ 선제적 장애 예방 체계 고도화: AI 이상 탐지 모델을 통해 장애 발생 전 사전 경보가 가능하여 시스템 다운타임 최소화 및 가용성 향상

5. 유지보수 대상 장비

❍ 유지보수 대상 장비: [붙임.1] 목록에 따름 ❍ 유지보수 대상 장비 운영 장소 ◦ 국립순천대학교에서 지정한 장소(※상황에 따라 변동될 수 있음)

1. 추진 목표

◦ 지속적 운영 및 성능 유지 - 디지털 교육 및 정보 관리 시스템의 안정적인 운영을 위해, 클라우드 인프라, HPC·AI 환경, 데이터 분석 솔루션 등 각 구성 요소에 대한 정기적 점검 및 최적화 유지보수 수행 ◦ 장애 발생 시 신속 대응 및 복구 체계 구축 - 장애 발생 시 즉각적인 대응을 위한 사전 준비된 대응 매뉴얼(SOP)과 복구 프로세스를 마련, 서비스 연속성 확보 ◦ 보안성 및 안정성 강화 - OS, DB, 보안 솔루션, AI 라이브러리 등 필수 소프트웨어에 대해 정기 보안 패치와 최신기술 적용을 통해 시스템 안정성과 보안성 지속 강화 ◦ 예방점검 및 최적화를 통한 가용성 극대화 - 시스템 리소스 모니터링, 로그 분석, 하드웨어 상태 점검 등 예방 점검을 하여 장애 발생 요인을 사전에 제거하고, 시스템 가용성 극대화 ◦ 운영 효율성 증대 및 유지보수 부담 경감 - 체계적인 기술 지원 및 유지보수 이력 관리를 통해 운영 효율성을 높이고, 반복 업무를 자동화하여 유지보수 부담 경감

2. 추진 전략

1) 기술적 전략 ◦ 정기 점검 및 성능 최적화 - 클라우드, HPC, AI 분석 솔루션 등 주요 시스템에 대해 주기적인 성능 모니터링과 진단을 시행하여 리소스 사용량, CPU/메모리 부하, 스토리지 상태 등 주요 성능지표 점검 - AI 학습‧추론 과정(Stable Diffusion, LLM‧vLLM 등)의 연산 효율성을 분석하고, 모델·데이터 특성을 고려한 최적화 조치 수행 - LLM 메모리 사용량 급증 대비, GPU 연산 부하 모니터링, 텐서코어 활용도 점검 ◦ 보안 패치 및 최신기술 반영 - OS, DB, 보안 솔루션, AI 라이브러리(PyTorch, TensorFlow 등)에 대한 정기적 보안 패치와 업데이트를 수행, 취약점 보완 및 시스템 안정성 강화 - 최신 기술 동향을 반영하여, 기존 시스템과의 호환성 검증 후 새로운 기술을 적용함으로써 장기적인 안정성 확보 ◦ 장애 대응 및 복구 체계 운영 - 서버 다운, GPU 연산 오류, 네트워크 장애 등 다양한 장애 상황에 대비하여, 각 장애 유형별 대응 매뉴얼(SOP) 마련 - 장애 발생 시, 원인 파악 및 신속 복구를 위한 원격 모니터링과 자동 알림 시스템을 통해 즉각적인 대응 체계 운영 ◦ 데이터 관리 및 AI 시스템 최적화 - 대규모 데이터 전처리, 학습 및 추론 과정을 정밀 분석하고, 발생할 수 있는 오류를 조기에 탐지하여 최적화된 유지보수 전략 수립 - GPU 및 HPC 자원의 효율적인 사용을 위해 성능분석 및 자원 분배 최적화 지속적 실시

- LLM(대규모 언어 모델)‧vLLM 환경을 도입·운영하여 자연어처리(NLP) 분야의 연구·교육을 지원하고, 모델 학습 및 추론에 필요한 HPC 자원 모니터링‧튜닝 수행 - 다양한 LLM 프레임워크 호환성 검증 및 버전 업그레이드 - vLLM(가상화된 LLM) 활용으로 다중 사용자·다중 모델 시나리오에 대비한 GPU 스케줄링, 메모리 최적화 등 유지보수 체계 마련 2) 운영 및 관리 전략 ◦ 발주기관 요구사항 반영 및 현장 환경 최적화 - 국립순천대학교 및 발주기관의 구체적 요구사항을 분석, 전산실, 전력·냉각 설비, 네트워크 링크 등 현장 인프라와 연계하여 최적의 유지보수 체계 구축 ◦ 체계적 이력 관리 및 데이터 기반 운영 개선 - 유지보수 이력, 장애 대응 기록, 성능 모니터링 데이터를 중앙 집중형 데이터베이스로 관리하고, 이를 바탕으로 운영 환경 개선·미래 유지보수 전략 수립 반영 - LLM·vLLM 운영 이력(모델 버전, 학습 데이터 변화, GPU 사용 패턴 등)을 별도 트래킹하여, 대규모 언어 모델 환경에서 발생하는 이슈(메모리 초과, 응답 지연 등)를 사전에 파악하고 개선안 마련 ◦ 프로세스 표준화 및 업무 자동화 - 단순 반복 유지보수 업무와 장애 대응 절차를 표준화하고, 자동화 도구를 도입하여 운영자 부담을 줄이고 효율성 극대화 3) 지원 전략 ◦ 전문 기술 지원 및 유지보수 교육 - 시스템 운영자와 관리자를 대상으로 정기적인 교육, 워크숍, 온라인 세미나 등을 통해 유지보수 체계와 최신 기술 동향(클라우드, HPC, LLM‧vLLM 등) 전달 - 운영 매뉴얼, AI 모델 학습‧추론 가이드, LLM‧vLLM 활용 사례, 데이터 처리 프로세스 등 필수 자료를 제공하여 기술적 자립도 제고 - LLM 기반 서비스(챗봇, 지식검색 등) 운영 노하우, 모델 업데이트 절차, 보안·윤리적 이슈 대응 등 심화 교육 프로그램 마련 ◦ 유지보수 이력 및 조치사항 체계적 기록 - 모든 유지보수 활동과 장애 대응 기록을 전산화하여 관리하고, 이를 통해 향후 효율성 증대에 필요한 데이터 기반 분석·개선 활동 추진 - 특히 LLM·vLLM 관련 장애(모델 오작동, GPU 메모리 부족, 성능 저하 등)에 대한 원인 분석과 복구절차를 별도로 문서화하여, 반복 사고 예방 및 향후 모델 업그레이드 시 참고 자료 활용 ◦ 신속한 원격 지원 체계 운영 - 원격 모니터링 시스템과 연계된 24시간 기술 지원 체계를 마련, 장애 발생 시 신속한 대응과 문제 해결 지원 - 실시간 원격 지원을 통한 즉각적 문제 해결 프로세스를 구축하여 서비스 연속성 보장

1. 유지보수 수행 세부 요구사항

1) 요구사항 총괄표

2) 유지관리 수행 요구사항(Maintenance Requirement)

3) 보안요구사항(Security Requirement)

4) 품질 요구사항(Quality Requirement)

5) 제약사항(Constraint Requirement)

6) 프로젝트 관리 요구사항(Project Mgmt Requirement)

7) 프로젝트 지원 요구사항(Project Support Requirement)

8) 시스템유지관리인력 요구사항(Maintenance Human Requirement)

참가자격

1. 협상적격자 및 낙찰자 선정 방법

◦｢국가를 당사자로 하는 계약에 관한 법률 시행령｣ 제12조 및 동법 시행규칙 제14조 규정에 의한 경쟁 입찰 참가 자격 소지자로서 아래의 요건을 갖춘 자 - 국가종합전자조달시스템 입찰참가자격등록규정에 따라 반드시 전자입찰서 제출 마감일 전일까지 나라장터(G2B시스템)에 입찰마감일 전일까지 소프트웨어사업자(컴퓨터관련 서비스사업, 업종코드:1468), 빅데이터분석서비스(세부품명번호:8111200202)로 입찰참가자격을 등록한 업체 ◦ 제안서 평가는 기술평가와 가격평가를 합한 종합평가로 하며, 평가비중은 기술평가 90%, 가격평가를 10%로 함 ◦ 협상적격자 중 기술과 가격의 합산점수의 고득점 순으로 협상함 ◦ 합산점수가 동일한 경우에는 기술평가점수가 높은 업체를 우선하며, 기술평가점수가 동일한 경우 기술평가 배점이 큰 항목에서 높은 점수를 얻은 자가 우선함 ◦ 따로 명시하지 않은 사항은 협상에 의한 계약체결 기준(계약예규)에 준함 ※ (계약예규) 협상에 의한 계약체결기준

2. 일반사항

❍ 기술평가 ◦ 제안내용이 허위로 작성되었거나 제안내용에 대하여 객관적 근거자료가 미흡한 제안서는 평가대상에서 제외함 ◦ 제안 설명회 불참시 해당 제안서는 서면으로만 평가함 ◦ 제안서의 평가 및 배점은 본교의 내부에서 정한 항목별 세부 평가기준에 의하여 실시함 ◦ 본사업의 기술평가는 순천대학교에서 주관하며, 「교육부 기술(제안서)평가 업무 처리규정(교육부훈령 제111호, 2014.6.5., 제정, 시행)」을 준용하여 평가한다. ❍ 세부 평가방법 ◦ 평가항목 및 배점 - 기술평가: 90점(정량적평가 10점, 정성적평가 80점) - 가격평가: 10점 - 종합평가점수 산출 종합 평가점수 = 기술평가점수 + 가격평가점수 ◦ 기술 평가 - 각 항목 평가배점은 『3. 제안서 기술평가 항목 및 배점』에 의한다. - 각 평가위원의 평가점수 중 최고·최저점을 제외하고 산술평균한 점수를 90점 만점으로 환산하며 기술평가 분야 배점한도의 85% 이상인 자를 협상적격자로 선정한다. - 평가점수 결과는 소수점 이하 3자리에서 반올림하여 산출함 ◦ 가격평가(입찰가격 평가점수 산출방법) - 가격 평가는 「협상에 의한 계약체결 기준」(기획재정부 계약예규 제656호) 별표에 제시된 “입찰가격 평점산식”에 따름 ◦ 평가항목에 대한 세부 분류 및 점수 - 본 제안요청서 “Ⅷ. 평가기준 및 배점” 참고

배점·평가

3. 제안서 기술평가 항목 및 배점

4. 정량적 평가항목 평가 기준

※ 각 항목에 대한 최고배점을 초과할 수 없다 ❍ 경영상태 ◦ 평가대상: 신용평가등급에 의한 경영상태 평가 ◦ 평가점수

마. 이행실적에 대한 입증책임은 입찰참가업체가 부담하며 의무를 다하지 아니하여 실적확인이 어려운 경우에는 실적을 인정하지 아니한다. 바. 공동수급체의 경우 구성원별 실적에 지분율을 곱한 후 그 실적들을 합산한 실적으로 최종 평가 (예) {(A사 실적×A사 지분율)+(B사 실적×B사 지분율)…}에 대한 점수

5. 정성적 평가항목 평가 기준

※ 정성적 평가의 세부평가 방법 - 소프트웨어기술성평가기준(과학기술정보통신부 고시 제2018-83호, 2018.11.21., 일부개정)을 기준으로 본 사업에 적합한 내용으로 재구성함

과업·요구

※ 근무시간: 본교직원의 법정근무 및 비상근무시간을 말한다. ◦ HDD의 물리적 고장 혹은 과실로 유실된 자료복구 시간은 장애조치 시간에 포함하지 아니한다. ◦ 장애조치 시간을 초과할 경우 본 제안요청서 “Ⅵ. 6. 손해배상” 기준에 따라 배상하여야 한다.

6. 손해배상

◦ 유지보수 대상 장비의 장애 발생 시 천재지변 또는 본교의 과실에 인하지 않는 한 본교는 계약상대자에게 장애발생 통보 후 정상 가동 시까지 시간(이하 “장애조치 시간”이라 한다)에 대하여 장애조치 시간을 초과할 때에는 전체 월 유지보수료에 대해서 1.25/1000의 요율을 적용(국가를 당사자로 하는 계약에 관한 법률 시행규칙 제75조)하여 매 지체일수마다(기획재정부 계약예규 “용역계약일반조건” 제18조) 월 유지보수료에서 공제한다. 단, 월간 공제액은 해당 월 유지보수료를 초과할 수 없다. ◦ 계약상대자는 본 용역수행과 관련한 안전사고와 유지보수 대상 정보시스템 및 자료를 손․망실 하여 복구하지 못하였을 경우 그에 따른 모든 유․무형의 손해배상 책임을 진다.

7. 보안준수

◦ 계약상대자는 본교가 요구하는 보안사항을 충실히 이행하여야 하며, 본 용역과 관련하여 취득한 모든 정보는 계약기간 중은 물론 계약 만료 후라도 일체 유출 또는 누설하여서는 아니 된다. ◦ 계약상대자는 용역수행 과정에서 취득 또는 작성하는 성과품 및 산출물에 대한 소유권은 본교에 있으며 용역수행 완료즉시 본교에 반납하여야 한다. ◦ 계약상대자는 보안준수사항을 위반하여 발생하는 모든 민․형사상 책임 및 그에 따른 유․무형의 손해배상을 전적으로 책임져야한다.