입찰공고상세[용역] · 마감
출처 · 이용 조건 — 공고 정보: 공공데이터포털 · 조달청 입찰공고 정보 · 요약 · 분석: 공공일감이 공고문과 첨부를 읽고 정리. 요약 · 분석을 인용할 때는 공공일감과 이 페이지 링크를 함께 밝혀 주세요.
파워트레인 이상진단 및 세부진단을 위한 Embedding vector 추출 및 검증
재공고 · 한국과학기술정보연구원 · 기타
- 낙찰업체
- 한양대학교 산학협력단
- 낙찰금액
- 62,500,000원 · 낙찰률 90.317%
- 낙찰하한율
- -
- 참가
- 1곳 · 개찰 06/10(수)
계약
| 계약번호 | 계약일 | 계약금액 | 계약 기간 | 업체 |
|---|---|---|---|---|
| R26TE18861489 | 10/13(화) | 62,500,000원 | 금차 142일, 총차 142일 | 한양대학교 산학협력단 (주계약업체 100%) |
| R26TE18574053 | 06/12(금) | 62,500,000원 | 금차 142일, 총차 142일 | 한양대학교 산학협력단 (주계약업체 100%) |
| R26TE15728037 | 06/12(금) | 62,500,000원 | 금차 142일, 총차 142일 | 한양대학교 산학협력단 (주계약업체 100%) |
| R26TE15691400 | 06/12(금) | 62,500,000원 | 금차 142일, 총차 142일 | 한양대학교 산학협력단 (주계약업체 100%) |
| R26TE15638622 | 06/12(금) | 62,500,000원 | 금차 142일, 총차 142일 | 한양대학교 산학협력단 (주계약업체 100%) |
요약 AI 요약
장갑차 파워트레인의 상태 진단 및 노후화 예측 모델 성능을 높이기 위해, 센서 데이터를 저차원의 상태 표현 공간으로 변환하는 임베딩 벡터 추출 기술을 개발하고 검증합니다.
- 엔진 센서 데이터 특성 분석 및 기존 모델과의 성능 비교 분석
- 시계열 특성을 반영한 임베딩 벡터 생성 알고리즘 개발 및 고도화
- 자동 특징 추출기(Feature Extractor) 및 AI 모델 통합 파이프라인 연구
- 세부 고장 진단 및 노후화 예측을 위한 학습 데이터셋 생성 기술 연구
- 엔진 및 데이터 환경 변경에 따른 기술 범용성 및 성능 개선 효과 검증
- 연구 결과 보고서, 알고리즘 소스코드, 학습 데이터 및 임베딩 벡터 데이터 제출
AI에게 이 공고를 물어볼 때 · ChatGPT · Claude에 이 링크를 함께 주면 공고문과 첨부를 정리한 글을 읽고 답합니다. /ai/projects/R26BK01565842 · 베타 기간 무료
평가 · 배점
협상 대상 기준 · 평가결과 기술능력평가 점수가 기술능력평가분야 배점한도(80점)의 85%(68점) 이상인 업체를 협상적격자로 선정
| 평가 항목 | 배점 |
|---|---|
| 기술능력평가 | 80점 |
| 가격평가 | 20점 |
| 합계(항목을 더한 값) | 100점 |
참가 자격 · 제한
- 업종제한
- 제한 없음
- 지역제한
- 제한 없음
- 공동수급
- 공동수급불허
- 입찰참가 제한
- 없음
- 실적경쟁 · PQ
- 해당 없음
- 국제입찰
- 국내입찰
- 제출 방법
- 전자시담
입찰 일정
| 진행 | 일시 | 남은 날 |
|---|---|---|
| 공고 게시 | 06/08(월) | 지남 |
| 입찰참가자격 등록 마감 | 06/09(화) 18:00 | 지남 |
| 입찰서 제출 시작 | 06/10(수) 10:00 | 지남 |
| 입찰서 제출 마감 | 06/10(수) 11:00 | 지남 |
| 개찰 | 06/10(수) 12:00 | 지남 |
가격
- 추정가격
- 63,636,364원
- 배정예산
- 70,000,000원
- 예정가격 방식
- 단일예가
공고 정보
- 공고종류
- 재공고 (재입찰공고)
- 게시일
- 06/08(월)
- 공고번호
- R26BK01565842-000
- 참조번호
- 2026-행정지원-47968
- 공고기관
- 한국과학기술정보연구원
- 수요기관
- 한국과학기술정보연구원
- 계약방법
- 수의계약
- 낙찰방법
- 수의시담
- 계약유형
- 총액계약
- 예정가격 방식
- 단일예가
- 추정가격
- 63,636,364원
- 배정예산
- 70,000,000원
- 공공조달분류
- 연구조사서비스 › 학술연구서비스 › 기타연구조사서비스
- 사전규격번호
- R26BD00214826
- 재공고
- 재공고
- 출처
- 나라장터
첨부파일
- HWP · 제안요청서_파워트레인 이상진단 및 세부진단을 위한 Embedding vector 추출 및 검증.hwp · 공고규격서
- HWP · 1. 용역계약일반조건.hwp · 공고규격서
- HWP · 2. 용역입찰유의서.hwp · 공고규격서
- HWP · 3.국가종합전자조달시스템 전자입찰특별유의서(조달청고시)(제2024-23호)(20250106).hwp · 공고규격서
- HWP · 4.KISTI 청렴계약특수조건 및 서약서.hwp · 공고규격서
- HWP · 5.KISTI 보안서약서.hwp · 공고규격서
문서 발췌
과업·요구
1. 사업 개요 사 업 명 : 파워트레인 이상진단 및 세부진단을 위한 Embedding vector 추출 및 검증 사업기간 : 계약일로부터 2026년 10월 31일 까지 예산규모 : 금 70,000,000원 (VAT 포함) 입찰방법 : 제한경쟁입찰 / 협상에 의한 계약 - 국가를 당사자로 하는 계약에 관한 법률(제8050호) 및 시행령 - 정부 입찰․계약 집행기준 / 협상에 의한 계약체결기준 - 한국과학기술정보연구원(KISTI) 계약업무요령 2. 추진 배경 및 필요성 수도권지역혁신국에서는 “장갑차 파워트레인 모듈 및 이상진단 시스템 개발” 사업을 수행 중에 있음 장갑차 파워트레인의 상태 진단 및 노후화 예측 모델의 성능을 향상시키기 위해서는 개발 대상 엔진의 ECU환경에서 차륜형 장갑차 엔진 제어기의 실시간 정상/비정상 분류 시스템 개발을 위한 특징 벡터 개선 필요 이에, 다수의 센서 데이터를 저차원의 상태 표현 공간(latent space)으로 변환하여 파워트레인의 상태를 효과적으로 표현할 수 있는 기술로 Embedding vector를 추출하여 세부진단 및 노후화 예측 모델 개발에 활용하고자 함 3. 사업 범위 개발 대상 엔진의 운용 데이터 특성 분석 및 기존 모델과의 성능 비교 분석 - DX15 엔진의 센서 데이터 분석 및 상태 표현 구조 정의 - H엔진 기반 기존 모델과 DX15 엔진 적용 모델 간 성능 비교 분석 개발 대상 엔진의 지능형 상태진단을 위한 Embedding vector 추출 모델 개발 고도화 방안 연구 - 파워트레인 ECU 센서 데이터 구조 분석 및 데이터 전처리 연구 - 시계열 특성을 반영한 Embedding vector 생성 알고리즘 제안 - AI 모델 적용 및 활용성 검증 Feature extractor와 AI 모델 Pipeline 기술 연구 - 센서 데이터 기반 자동 특징 추출(Feature Extraction) 방법 연구 - 다양한 데이터 환경에 적용 가능한 범용적 데이터 표현 구조 제안 - 특징 추출기와 진단 모델 간의 통합 파이프라인 기술 연구 및 유효성 검증 세부진단 모델 및 노후화 예측 모델 개발을 위한 Embedding vector 재정의/재추출 및 세부진단 학습 데이터 생성기술 연구 - 세부 고장 진단에 최적화된 Embedding vector 재정의 및 추출 기술 연구 - 세부진단 학습 데이터셋 구성 및 효율적 학습 방법론 제시 및 검증 Embedding vector의 기술확산을 위한 범용성 및 개선효과 검증 - 엔진, 데이터 변경에 대한 범용성 검증 - 기존 특징벡터 기반 방법과 비교 및 모델 성능 개선 효과 검증
| 구분 | 주요 기능 및 역할 | |
|---|---|---|
| 주관기관 | 주관부서 (수도권지역 혁신국) | ◦ 연구 추진계획 수립 및 지침 마련 ◦ 사업 총괄 및 시행 ◦ 핵심기술 요구사항 정의 및 기능 설계 ◦ 사업 공정관리 및 감독 ◦ 연구 수행을 위한 엔진 운용 데이터 및 분석 환경 제공 ◦ 제시된 임베딩 기술 및 AI 파이프라인의 유효성 검증/분석 결과 검토 ◦ 세부추진실적 점검 및 산출물 관리 ◦ 연구결과 확인·평가 및 문제점 피드백 등 |
| 외주용역사 | ◦ 과업 필수사항 협의 및 수행 ◦ 요구사항 분석 및 요구기능 반영 알고리즘 도출 ◦ 계약 내용 준수 및 요구사항 수행 ◦ 엔진 센서 데이터 특성 분석 및 기존 모델 성능 비교 분석 ◦ 지능형 상태진단을 위한 임베딩 벡터(Embedding Vector) 추출 기술 연구 ◦ 특징 추출(Feature Extractor) 및 AI Pipeline 구축/고도화 기술 연구 ◦ 세부진단 및 노후화 예측 모델을 위한 데이터 생성 학습 기술 연구 ◦ 연구 기술들의 범용성, 유효성, 모델 성능 개선 효과 등의 검증 ◦ 임베딩 벡터 생성 방법 및 데이터 분석 보고서 등 작성 ◦ 일정별 과업 수행 및 사업 진도현황, 추진실적 보고 ◦ 수요기업 및 용역사 간 연구기술 협력을 위한 온/오프라인 회의 등 지원 ◦ 이슈 사항 수시 보고 등 |
| 구 분 | 작업일정 | |||||
|---|---|---|---|---|---|---|
| M1 | M2 | M3 | M4 | M5 | M6 | |
| o 사업관리 | ||||||
| - 착수보고회 | ||||||
| - 중간보고회 | ||||||
| - 최종보고회 | ||||||
| - 기술문서 작성 및 연구 결과 정리 | ||||||
| o 데이터 분석 및 모델 성능 비교 | ||||||
| - 개발 대상 엔진 센서 데이터 특성 및 구조 분석 | ||||||
| - 기존 베이스라인 모델 대비 성능 분석 | ||||||
| o Embedding Vector 추출 기술 연구 | ||||||
| - 유사급·대상 엔진 데이터 전처리 연구 | ||||||
| - 시계열 데이터 기반 Embedding vector 생성 기술 연구 | ||||||
| - AI 모델 적용 및 활용성 검증 | ||||||
| o 특징 추출(Feature Extractor) 및 AI 모델 Pipeline 기술연구 | ||||||
| - 자동 특징 추출 기술 연구 | ||||||
| - 범용 Embedding vector 구조 연구 | ||||||
| - 자동 특징 추출과 AI 모델 간 Pipeline 기술 연구 | ||||||
| - AI 모델 Pipeline 기술 연구 유효성 검증 | ||||||
| o 세부진단 및 노후화 예측 모델을 위한 학습 데이터 생성 기술 연구 | ||||||
| - 세부진단용 임베딩 벡터 정의 및 데이터셋 구성 | ||||||
| - 노후화 예측용 임베딩 벡터 정의 및 데이터셋 구성 | ||||||
| - 임베딩 벡터 기반 모델 성능 개선 효과 연구 | ||||||
| o 임베딩 벡터 범용성 및 개선효과 검증 | ||||||
| - 유사급·대상 엔진 데이터에 대한 범용성 검증 | ||||||
| - 모델 성능 개선 효과 검증 |
1. 제안 요청 세부 내용 개발 대상 엔진의 ECU 센서 데이터 특성 분석 및 기존 모델과의 성능 비교 분석 - 엔진 ECU 센서 데이터 프로파일링 및 데이터 분석 결과서 제시 - 유사급·대상 엔진 데이터 변동성 분석 및 상태 표현 유효 인자 도출 - 기존 모델과 성능 비교 분석을 통한 상태진단 모델 고도화 방안 연구 지능형 상태진단을 위한 Embedding vector 추출 모델 연구 및 고도화 - 자동 특징 추출 기반 기술 조사 - 시계열 특성 반영 Embedding vector 기술 연구 - 상태 표현 차원 및 구조 최적화 연구 및 검증 - 유사급·대상 엔진을 위한 범용 Embedding vector 추출 기술 연구 - 이상진단 AI모델에 Embedding vector 적용 시 활용성 검증 및 고도화 방안 제시 특징 벡터(Feature extractor)와 이상진단 AI 모델 파이프라인 구축 기술 연구 - End-to-End 데이터 파이프라인 구축 기술 연구 - 범용적 데이터 표현 구조 연구 - 파이프라인 최적화 및 효율화를 위한 기술 연구 - 파이프라인의 유효성 검증 세부진단 및 노후화 예측 모델 개발을 위한 Embedding vector 재정의 및 학습 데이터 생성 기술 연구 - 세부진단 및 노후화 예측 모델을 위한 임베딩 벡터 추출 기술 연구 - 임베딩 벡터 기반 학습용 데이터셋 구축 연구 - 이상진단 AI 모델 적용 지원 및 활용 가이드라인 제시 Embedding vector의 기술확산을 위한 범용성 및 개선효과 검증 - 엔진, 센서, 운용 환경, 데이터 구성 등의 변경 시에도 적용 가능한지 검증 - 기존 특징벡터 기반 방법 대비 모델 성능 개선 효과 검증하여 연구기술의 신뢰도 확보 상기 연구 관련 기술 문서화가 필요하며 최종 산출물인 연구 결과 보고서는 아래의 목차 구성(안)으로 작성되어야 함 Ⅰ. 연구의 개요
1. 배경 및 목적 2. 연구 내용 및 추진 체계 Ⅱ. 세부 연구 내용 1. 연구 관련 국내외 기술 동향 2. 데이터 및 전처리 3. 개발 대상 엔진 데이터 특성 분석 및 기존 모델 성능 비교 결과 4. 지능형 상태진단을 위한 Embedding Vector 추출 기술 5. 특징 벡터 및 AI 모델 Pipeline 고도화 기술 및 검증결과 6. 세부진단 및 노후화 예측 모델 개발을 위한 임베딩 기반 학습 데이터 생성 방법 및 검증 결과 7. Embedding vector의 활용성을 위한 범용성 및 개선효과 검증 결과 Ⅲ. 결론 Ⅳ. 연구 기대효과 및 활용 방안 1. 기대 효과 2. 활용 방안 Ⅴ. 보안 관리 Ⅵ. 참고문헌 Ⅶ. 부록 ※ 해당내용은 목차 구성(안)으로 추후 기술평가 등에서 심의 후 발주처 요청에 따라 내용은 조정될 수 있음 용역수행을 위해 필요한 장소 및 설비, 기타 작업 환경은 상호 협의하여 정함 본 제안요청서에 기재되지 않은 내용에 대하여는 발주기관과 협의하여 처리하여야 함 2. 주요 산출물 착수계획서(사업수행계획서) - 사업수행자는 계약일로부터 10일 이내에 계약서, 과업지시서 등을 근거로, 본 사업을 완벽하게 수행하기 위한 착수계획서를 작성하여 주관부서에 문서로 제출․승인을 받아야 하며, 착수계획서에는 다음과 같은 사항은 반드시 포함되어야 함 ◦ 사업목적, 사업범위, 일정계획, 추진체계 및 추진절차 ◦ 작업분할구조 (Work Breakdown Structure) ◦ 산출물 정의서, 목록, 제출일정 ◦ 인력계획, 품질관리, 위험관리의 방법 및 절차 ◦ 기타 사업추진시 필요한 협조사항 ◦ 보안서약서 등 착수, 중간보고회 관련 원본 파일 자료(한글, PPT 등) 수시보고 - 사업 특이사항 및 긴급사항 내역 - 연구 문서화 관련 각종 보고서 및 발표자료 등 업무 협조 - 발주처 요구 시 담당자의 기관 방문을 통한 (대면/비대면) 연구회의 및 업무협의 개최 - 기타 각종 자료 등
참가자격
1. 입찰방식 가. 입찰 및 낙찰자 결정방식 : 제한(소기업·소상공인)경쟁계약 (협상에 의한 계약) 나. 적용 기준 ❍ 국가를 당사자로 하는 계약에 관한 법률 및 시행령 ❍ 정부 입찰․계약 집행기준 ❍ 한국과학기술정보연구원 계약업무요령 다. 입찰 참가 자격 (* 아래의 자격을 모두 갖춘 자이어야 함.) ❍ 국가를 당사자로 하는 계약에 관한 법률 시행령 제12조 및 동 시행규칙 제14조에 의한 입찰참가자격을 갖춘 업체 ❍ 국가를 당사자로 하는 계약에 관한 법률 제27조 및 동법 시행령 제76조에 의거 제한받지 않는 자(부정당업체의 입찰참가자격 제한) ❍ 연구원 계약업무요령 제45조 및 내자계약업무처리지침 제36조에 의해 연구원으로부터 부정당업자의 입찰참가자격 제한을 받지 않거나, 국가를 당사자로 하는 계약에 관한 법률 제27조 및 동법시행령 제76조에 의거 제한받지 않는 자(부정당업자의 입찰참가자격 제한) ❍ ｢중소기업기본법｣제2조에 따른 중·소기업자 및 ｢소상공인 보호 및 지원에 관한 법률｣제2조에 따른 소상공인으로서｢중소기업 범위 및 확인에 관한 규정｣에 따라 <발급된 소기업․소상공인확인서>(서류 제출 마감일 전일까지 발급된 것으로 유효기간 내에 있어야 함)를 소지한 자 ※「중소기업제품구매촉진 및 판로지원에 관한 법률시행령」제2조의3 제2호에 해당하는 비영리법인은 입찰참가 가능합니다. 라. 공동수급 허용 여부 : 공동수급을 허용하지 않음 (※ 하도급 불가) * 업무간 연계성이 중요한 사업의 특수성을 고려하여 공동수급 불가
배점·평가
마. 사업자 선정 ❍ 제안서 세부평가 방법 - 제안내용에 대한 평가는 발주기관에서 기술평가위원회를 구성하여 평가하며, 기술평가위원회는 제안업체들이 제공한 제안서 검토를 통해 기술 평가 실시 - 기술(80%)과 가격(20%)에 대한 종합평가로 실시. 평가점수에서 소수점 이하가 있는 경우 소수점 5자리에서 반올림 ❍ 협상적격자 선정 - 평가결과 기술능력평가 점수가 기술능력평가분야 배점한도(80점)의 85%(68점) 이상인 업체를 협상적격자로 선정 ․협상적격자가 없는 경우 재공고 입찰에 부칠 수 있음 - 협상순서는 협상적격자의 기술능력평가 점수와 입찰가격평가 점수를 합산하여 합산점수의 고득점순에 따라 결정 - 동점 시 처리방침 ․합산점수가 동일한 제안자가 2인 이상일 경우에는 기술능력평가점수가 높은 제안자를 선순위자로 함 ․기술능력평가점수도 동일한 경우에는 기술능력의 세부평가항목 중 배점이 큰 항목에서 높은 점수를 얻은 자를 선순위자로 함 - 협상이 성립된 때에는 다른 협상적격자와의 협상은 실시하지 않음 - 모든 협상적격자와 협상 결렬시 재공고 입찰에 부칠 수 있음 - 기술평가는 발표평가를 원칙으로 하나, 발표평가에 참여하지 않을 경우는 서면평가로 진행 (단, 발표평가 미 참여로 인한 불이익은 없음) ․ 발표평가로 진행하는 제안사는 발표자료도 평가에 포함할 수 있으나, 서면평가로 진행하는 제안사는 온라인으로 제출한 제안서를 서면으로 평가함. - 기술평가 평가 기준 - 재무 건전성 항목은 신용평가 등급에 따른 정량 평가로서, 하기 기준에 따른 기술평가 배점 부여 ․등급별 평점이 소수점 이하의 숫자가 있는 경우 소수점 다섯째자리에서 반올림 함