AI Agent 기반 다이캐스팅 공정데이터 수집분석전처리 체계 구축 용역

링크

• 공고 상세 페이지 (사람에게 건넬 링크)
• 나라장터 원문 공고

비슷한 공고

링크는 각 공고의 AI 페이지다.

진행 중

• AX 전환 생산장비 효율 및 품질 관리 서비스 개발 및 유지보수 용역 · 목포대학교 산학협력단 · 5,000만원 · D-6
• 제조 데이터 통합 기반 AI 서비스 개발 · (재)구미전자정보기술원 · 1.85억원 · D-8
• 2026년 지역 주도형 AI대전환 사업 - 제조 데이터허브 구축 사업 · (주)지에스티 · 6억원 · D-10
• 하수,재이용,바이오가스시설 통합운영관리 소프트웨어 개발을 위한 AI 예측모델 개발 및 검증 용역 · (주)그린텍아이엔씨 · 9,636만원 · D-6
• (긴급) 제조현장 산업안전 AI 솔루션 학습용 데이터 가공 정제 용역 · 주식회사 마음에이아이 · 1.6억원 · D-1
• 2026년 상생협력 실증 프로그램_ AI 수질 관리 및 정화 로봇 연계 스마트 수질 관리 시스템 SW & 서버 HW · 에코피스 주식회사 · 3.58억원 · D-6

끝난 공고 · 결과

• AI 기반 탄소 데이터 분석 알고리즘 개발 용역 · 한국생산기술연구원 · 유찰
• 청음 품질 지능형 자동 판정 고도화 DX 혁신 솔루션 구축 · 국립금오공과대학교산학협력단 · 유찰
• 2026년 지역 주도형 AI대전환 사업 - 제조 데이터허브 구축 사업 · (주)지에스티 · 유찰
• 가상 라벨 기반 실시간 적응형 범용 품질 검사 알고리즘 개발 · 한국생산기술연구원 · 낙찰 고려대학교산학협력단 · 4,400만원
• [지역주도형 AI대전환사업]AI솔루션 구축사업 · 에스엘피주식회사 · 낙찰 한솔피엔에스주식회사 · 2.1억원
• 신재생에너지 발전소 O&M AI 모델 활용을 위한 에이전트 기반 데이터 전처리 및 AI 모델 학습 파이프라인 개발 · 한국과학기술정보연구원 · 낙찰 -

첨부파일

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

• 과업지시서_AI_Agent_기반_다이캐스팅_용역.hwpx · 공고규격서
• 입찰공고문(협상)_AI_Agent_기반_다이캐스팅_용역.hwp · 공고규격서
• 입찰공고문(협상)_AI_Agent_기반_다이캐스팅_용역.pdf · 공고규격서

공고 개요

한국생산기술연구원 · SW 개발·운영

추정가격

2,620만원

참가자격 등록 마감

10/02(금) 18:00 · 마감

낙찰방법

협상에의한계약 · 기술 80 : 가격 20

참가 자격

제한 없음

무슨 일

AI Agent 기반 다이캐스팅 공정데이터 수집·분석·전처리 체계 구축

요약 AI 요약

다이캐스팅 공정의 품질·설비·생산이력 데이터를 수집·정합·전처리하는 체계를 구축하고, AI Agent 기반 분석 워크플로우를 설계·구현하여 향후 품질 예측·불량 원인 분석·공정 최적화 및 Physical AI/자율제조 연계 기반을 마련하는 사업이다.

• SCADA·PLC·MES·품질검사·생산이력 등 분산된 원천 데이터의 항목·저장 위치·수집 주기·단위·데이터 타입·누락 여부 조사 및 수집 대상 항목 정의
• 제품코드·LOT·shot·설비·금형·작업일시 기준의 공정-품질 데이터 정합 규칙과 결측치·이상치·중복값·단위 불일치·시간축 불일치 전처리 기준 수립
• 데이터 수집·정합 검증·전처리·탐색분석·보고서 생성 Agent로 구성된 AI Agent 워크플로우 설계 및 구현(온프레미스 로컬 LLM 연동, Human-in-the-Loop 승인 체계 포함)
• Python 기반 데이터 정제·변수 변환·파생변수 생성·데이터셋 버전 관리 등 전처리 자동화와 기초 통계·상관관계·불량 조건 탐색 분석
• 공정·품질·설비·생산이력 통합 분석용 데이터셋(Parquet·CSV)과 데이터 사전·컬럼 정의서 구축
• 품질 예측·불량 원인 분석·공정조건 추천·Physical AI 연계 활용 시나리오 및 데이터 업데이트·유지관리 방안 제시

사업 내용 · 이 공고에 든 일

중심 · AI Agent 기반 다이캐스팅 공정데이터 수집·분석·전처리 체계 구축

용역 › 정보시스템·SW › SW 개발·운영

SCADA·PLC·MES 등 분산 원천데이터의 수집·정합·전처리 체계와 AI Agent workflow, 분석용 데이터셋을 설계·구축하는 SW 개발·운영 용역이다.

• 데이터 현황 조사 및 수집 체계 설계
• 공정-품질 데이터 정합·전처리 기준 수립
• AI Agent workflow 설계 및 구현(로컬 LLM 연동, HITL 승인 체계)
• 분석용 데이터셋·데이터 사전 구축
• 전처리·분석 스크립트 및 실행 가이드 작성
• 완료보고서 및 산출물 제출

평가 · 배점

기술 : 가격 — 기술 80점 · 가격 20점

협상 대상 기준 · 제안서 평가결과 기술능력평가 점수가 기술능력평가분야 배점한도의 85% 이상인 자를 협상적격자로 선정

참가 자격 · 제한

업종제한

제한 없음

지역제한

제한 없음

공동수급

공동수급불허

입찰참가 제한

없음

실적경쟁 · PQ

해당 없음

국제입찰

국내입찰

제출 방법

전자입찰

입찰 일정

가격

추정가격

26,200,000원

배정예산

28,820,000원

기초금액

28,190,620원 (예비가격 -2% ~ +2%)

예정가격 방식

복수예가

공고 정보

공고종류

등록공고 (일반공고)

게시일

09/22(화)

공고번호

R26BK01741088-000

참조번호

P81202600971

공고기관

한국생산기술연구원

수요기관

한국생산기술연구원

계약방법

제한경쟁

낙찰방법

협상에의한계약

계약유형

총액계약

예정가격 방식

복수예가

추정가격

26,200,000원

배정예산

28,820,000원

공공조달분류

연구조사서비스 › 학술연구서비스 › 기타연구조사서비스

사전규격번호

R26BD00275184

재공고

아니오

출처

나라장터

문서 발췌

과업·요구

I 과업안내

1. 과업개요 ㅇ 용역명 : AI Agent 기반 다이캐스팅 공정데이터 수집·분석·전처리 체계 구축 용역 ㅇ 과업기간 : 계약체결일로부터 60일 이내 ㅇ 배정예산 : 30,000,000원 이내 (부가세 포함) ㅇ 낙찰방식 : 협상에 의한 계약 체결 2. 추진배경 ㅇ 다이캐스팅 공정은 용탕온도, 금형온도, 사출속도, 사출압력, 냉각 조건, 사이클타임, 설비상태, LOT/제품 이력 등 복수의 데이터가 품질에 복합적으로 영향을 미치는 대표적인 뿌리 제조공정임 이를 통해 공정 최적화 방안을 도출하는 것을 핵심 목표로 함 ㅇ 현장 데이터는 SCADA, PLC, MES, 품질검사, 생산이력 등 여러 시스템에 분산되어 있으며, 시간축·LOT·제품코드·공정 이벤트 기준이 일치하지 않는 경우가 많아 분석 활용 전 데이터 수집·정합 체계 구축이 필요함 1. 품질 불량 원인 분석, 공정조건 최적화, AI 모델 개발을 위해서는 원천 데이터의 수집, 정합, 전처리 및 분석용 데이터셋 구축이 선행되어야 함 - 2. 제품별 LOT, shot, 설비, 금형, 작업시각, 품질검사 결과를 연결할 수 있는 기준 정보가 필요하며, 이는 공정데이터와 품질데이터를 정확하게 일치시키는 핵심 연결고리 역할을 수행함정 제품의 최종 품질과 생산 당시의 공정 데이터를 정확하게 일치시키는 핵심 연결고리 역할을 수행함 - 3. 결측치, 이상치, 단위 불일치, 시간축 불일치 등 데이터 품질 문제를 사전에 점검하고 표준화하지 않을 경우 AI 분석 결과의 신뢰도 확보가 어려움 실시간 모니터링 시스템(대시보드)이 반드시 필요함 - AI Agent를 활용하면 반복적인 데이터 수집, 결측·이상치 점검, 변수 탐색, 전처리 워크플로우 실행, 분석 리포트 작성을 자동화하고 전문가 검토를 보조할 수 있음 ㅇ 따라서 본 용역을 통해 다이캐스팅 공정 및 품질 데이터의 수집·정합·전처리 체계를 구축하고, AI Agent 기반 분석 workflow를 설계하여 향후 품질 예측, 불량 원인 분석, 공정 최적화 및 Physical AI/자율제조 연계 기반을 마련하고자 함

3. 추진목적 ㅇ (과업 1) 다이캐스팅 공정데이터 현황 조사 및 수집 체계 설계 - SCADA, PLC, MES, 품질검사, 생산이력 등 분산된 원천 데이터의 항목, 저장 위치, 수집 주기, 단위, 데이터 타입 및 누락 여부를 조사하고 분석 활용을 위한 수집 대상 항목을 정의반 학습(AI 모델 개발)을 원활히 수행할 수 있는 기반을 마련 ㅇ (과업 2) 공정-품질 데이터 정합 및 전처리 기준 수립 - 제품코드, LOT, shot, 설비, 금형, 작업일시 등을 기준으로 공정데이터와 품질데이터를 연결하고 결측치, 이상치, 중복값, 단위 불일치, 시간축 불일치 처리 기준을 수립 ㅇ (과업 3) AI Agent 기반 데이터 분석·전처리 workflow 설계 및 구현 - 데이터 수집 Agent, 정합 검증 Agent, 전처리 Agent, 탐색분석 Agent, 보고서 생성 Agent의 기능과 승인 지점을 정의하고 재현 가능한 전처리·분석 절차를 구현 ㅇ (과업 4) 분석용 데이터셋 구축 및 활용 방안 제시 - 다이캐스팅 공정·품질·설비·생산이력 통합 데이터셋과 데이터 사전을 구축하고 향후 품질 예측, 이상징후 탐지, 공정조건 추천, Physical AI 연계 활용 시나리오를 제시

Ⅱ 과업내용

1. 과업내용 가. 과업 1: 다이캐스팅 공정데이터 현황 조사 및 수집 체계 설계 ㅇ 본 과업은 다이캐스팅 현장에서 발생하는 공정·설비·품질·생산이력 데이터를 분석 활용 가능한 형태로 수집하기 위해 원천 시스템과 데이터 항목을 조사하고 수집 체계를 설계하는 것을 목표로 함 함 ㅇ 세부 요구사항: - 데이터 조사 범위: SCADA, PLC, MES, 품질검사, 생산이력, 설비상태, 금형정보, 작업조건 등 주요 원천 데이터 포함 - 대상 범위 및 식별자 정의: 발주기관이 지정하는 다이캐스팅 양산 라인(호기/금형) 및 대상 기간을 기준으로 제품코드, LOT, shot, 설비, 금형, 작업일시, 검사일시 등 공정-품질 연계를 위한 핵심 기준정보 정의 - 수집 원칙: 원천 데이터 보존과 분석용 가공 데이터를 분리하고, 데이터 수집 주기·단위·형식·누락 여부를 명확히 관리할 수 있도록 설계 ㅇ 핵심 산출물: - 데이터 현황 조사서 - 수집 대상 항목 정의서 및 데이터 연계 구조도 - 원천 데이터 보존 및 분석용 데이터 분리 원칙서

나. 과업 2: 공정-품질 데이터 정합 및 전처리 기준 수립 ㅇ 본 과업은 다이캐스팅 공정조건과 품질검사 결과를 제품·LOT·shot·시간 기준으로 연결하고, AI 분석에 활용 가능한 데이터 품질 기준과 전처리 절차를 수립하는 것을 목표로 함축하는 것을 목표로 함 ㅇ 세부 요구사항: - 정합 기준 수립: 시간축 정렬, LOT/제품/shot 매핑, 생산 이벤트와 검사 이벤트 연결 기준 정의 - 전처리 기준 수립: 결측치, 이상치, 중복값, 단위 불일치, 센서 오류, 시간축 불일치 처리 기준 작성이터베이스 테이블을 설계하고 구축해야 함 - 주요 변수 정규화: 사출속도, 사출압력, 용탕온도, 금형온도, 냉각수 온도/압력, 사이클타임 등 주요 변수의 단위와 데이터 타입 정규화 등)을 조회할 수 있는 간단한 웹 기반 조회 화면을 개발해야 함 ㅇ 핵심 산출물: - 전처리 기준서 - 데이터 정합 규칙서 및 분석용 테이블 정의서 - 공정조건-품질결과 연계 데이터 예시 다. 과업 3: AI Agent 기반 데이터 분석·전처리 workflow 설계 및 구현 ㅇ 본 과업은 반복적인 데이터 점검·전처리·탐색분석·보고 작업을 AI Agent 기반 workflow로 설계하고, 사람이 검토해야 하는 승인 지점과 자동 처리 가능 범위를 구분하는 것을 목표로 함 ㅇ 세부 요구사항: - Agent 기능 및 구조: 데이터 수집 Agent, 정합 검증 Agent, 전처리 Agent, 탐색분석 Agent, 보고서 생성 Agent의 역할 및 LLM Tool-calling 기반 연계 워크플로우 정의 - 로컬/온프레미스 환경 호환: 제조 공정 및 품질 데이터의 보안 유지를 위해 현장 온프레미스 망에서 구동 가능한 로컬 모델(Ollama 등 오픈소스 LLM) 연동 지원 - 전처리 자동화: Python 기반 데이터 정제, 변수 변환, 파생변수 생성, 데이터셋 버전 관리 절차 구현 * 기초 통계 및 변수 분포 분석 * 공정조건과 품질결과 간 상관관계 분석 * 불량 발생 조건 후보 탐색 및 기간·제품·설비별 비교 * 전처리 로그 및 분석 리포트 자동 생성 - Human-in-the-Loop(HITL) 승인 체계: AI Agent가 생성한 정합 결과, 이상치 판단, 분석 리포트는 담당자가 검토·수정하고 최종 승인할 수 있는 승인 지점(검토 인터페이스/체크포인트) 구현 - 오픈소스 라이선스 준수: 활용되는 모든 프레임워크 및 라이브러리는 기관 내부 및 향후 실용화 시 제약이 없는 허용적 라이선스(MIT, Apache 2.0 등) 준수 ㅇ 핵심 산출물: - AI Agent workflow 설계서 - 전처리·분석 스크립트 및 실행 가이드

- 기초 분석 리포트 예시 라. 과업 4: 분석용 데이터셋 구축 및 활용 방안 제시 ㅇ 본 과업은 공정·품질·설비·생산이력 데이터를 통합한 분석용 데이터셋과 데이터 사전을 구축하고, 향후 품질 예측, 이상징후 탐지, 공정조건 추천, Physical AI/자율제조 연계 활용 방안을 제시하는 것을 목표로 함c Data Layer를 구축하는 것을 목표로 함. 이를 통해 공정, 품질, 에너지 등 다차원 데이터를 통합적으로 분석하고, 본 기관(생기원)이 지능형 AI 모델을 활용한 생산성 분석을 원활히 수행할 수 있는 기반을 마련하고자 함 ㅇ 세부 요구사항: - 데이터셋 구축: 공정조건, 설비상태, 생산이력, 품질검사 결과를 연계한 분석용 테이블 구성 (분석 효율성을 위한 Parquet 및 CSV 포맷 지원) - 필수 구현 요소: * 데이터 사전 및 메타데이터 작성 * 품질 예측·불량 원인 분석·공정조건 추천 활용 시나리오 제시 * 데이터 업데이트 및 유지관리 방안 제시 ㅇ 활용 방안: 구축된 데이터셋은 향후 AI 모델 학습, 품질 이상징후 탐지, 공정 최적화, Physical AI 및 자율제조 시스템 연계의 기반자료로 활용할 수 있어야 함 ㅇ 핵심 산출물: - 분석용 데이터셋 및 데이터 사전 (Parquet 및 CSV 포맷, 컬럼 정의서 포함) - 활용 시나리오 보고서 - 데이터 업데이트 및 유지관리 가이드 - 최종보고서

3. 산출물 ㅇ 개발 및 분석 관련 산출물 제출 - 완료보고서 1부 - 데이터 현황 조사서 1부 - 데이터 수집 대상 항목 정의서 및 데이터 연계 구조도 각 1부 - 데이터 정합 및 전처리 기준서 1부 - 분석용 데이터셋 및 데이터 사전 - AI Agent workflow 설계서, 전처리·분석 스크립트 및 실행 가이드 (Docker Compose 또는 가상환경 실행 스크립트 포함)

Ⅲ 과업수행 일반사항

1. 일반사항 ㅇ 과업수행자는 본 과업을 수행함에 있어 한국생산기술연구원의 제반규정 및 관련 법 규정을 준수하여야 하며 한국생산기술연구원의 특별한 요구가 없는 한 제안요청서에 따라 과업을 진행해야 함 ㅇ 과업수행자는 과업수행 시 한국생산기술연구원의 의견을 충분히 수렴하여 반영하여야 하며, 세부 추진일정 및 성과물 도출 등에 대하여 실무담당자와 사전에 긴밀히 협의한 후 수행함 ㅇ 한국생산기술연구원과 과업수행자가 과업내용에 대한 해석상의 의견이 달라 변경이 필요할 경우 양자간 협의에 의하되 한국생산기술연구원이 최종 결정권을 가짐 ㅇ 본 과업은 하도급을 불허함 ㅇ 과업수행자의 용역 일부 및 전부를 타 사에 재용역할 수 없음 2. 지도·감독 ㅇ 한국생산기술연구원은 용역과 관련하여 과업수행자의 업무를 지도․감독할 수 있음 ㅇ 한국생산기술연구원은 필요한 경우에 용역과 관련된 각종 자료의 제출을 요구하거나, 소속직원 또는 지정하는 자로 하여금 과업수행자의 업무처리 또는 관련서류 등에 대하여 검사 또는 평가하게 할 수 있으며, 과업수행자는 이에 따라야 함 ㅇ 한국생산기술연구원은 용역과 관련한 과업수행자의 사무처리가 관계법규 등에 위배되거나 부당하다고 인정되는 때에는 이에 대한 시정을 요구하거나 직접 시정조치를 할 수 있으며 이 경우 과업수행자는 정당한 사유가 없는 한 이에 응하여야 함

배점·평가

[별표1] 신용도 평가 (10점) - 유효한 신용평가등급 확인서를 기준으로 적용률을 고려하여 배점한도 내에서 평가

5. 공동수급체의 경우 구성원별 해당 점수에 지분율을 곱한 후 그 점수들을 합산하여 최종 평가하고, 평가 결과 소수점 이하의 숫자가 있는 경우 소수점 다섯째자리에서 반올림 한다. (예) (A사 점수×A사 지분율)+(B사 점수×B사 지분율)… 6. 중소기업협동조합이 입찰에 참여하는 경우 중소기업협동조합의 신용평가등 [별표2] 과업수행능력 (40점) - 제안서와 PT 자료의 내용으로 본 과업에 대한 제안요청 사항의 명확한 이해 여부, 제안내용과 과업목적과의 부합성, 제안내용의 논리성 및 체계성, 수행방법과 절차의 구체성 및 합리성을 종합 평가

[별표3] 과업관리능력 (30점) - 현재 조직 및 본 과업에 참여하는 전담인력의 규모, 경력 사항과 본 과업에 참여하는 조직의 운영방안 등을 종합 평가