입찰공고상세[외자] · 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.
페트렐 머신러닝 탄성파 해석 모듈
재공고 · 외자 · 유찰 · 한국지질자원연구원 · 소프트웨어 라이선스
- 결과
- 유찰
- 참가
- 0곳 · 개찰 07/13(월)
요약 AI 요약
인공지능과 머신러닝 기술을 활용해 지하 데이터 해석의 효율성과 정확도를 높이기 위함입니다. 이를 위해 페트렐 머신러닝 탄성파 해석 모듈을 도입합니다.
- Petrel 머신러닝 탄성파 해석 모듈 설치 및 1인 사용자 라이선스 제공
- 딥러닝 알고리즘(3D CNN) 기반 단층 확률 볼륨 자동 생성 및 3D 단층 구조 추출
- 신경망 기반 단일·다중 탄성파 지평면 자동 예측, 추적 및 추출
- 탄성파 자료 신호대잡음비 개선 및 입력자료 품질 최적화 워크플로우 지원
- 비지도 머신러닝 기반 지진상 분류 및 층서 분포 매핑
- 3D 연대층서 볼륨(RGT 모델) 생성 및 해석 워크플로우 지원
AI에게 이 공고를 물어볼 때 · ChatGPT · Claude에 이 링크를 함께 주면 공고문과 첨부를 정리한 글을 읽고 답합니다. /ai/projects/R26BK01618646 · 베타 기간 무료
평가 · 배점
협상 대상 기준 · 평가위원별 평가점수를 합산하여 평가위원수로 나눈 평균점수가 85점 이상인 업체를 적격자로 선정 한다.
| 평가 항목 | 배점 |
|---|---|
| Petrel Machine Learning Assisted Seismic Interpretation 모듈 설치 및 1 User License 제공 | 20점 |
| ML 기반 Fault Prediction & Extraction, Horizon Prediction, Multi-Horizon Prediction 기능 | 15점 |
| 최신 버전 전자 라이선스 제공, 수요부서 지정 장소 설치 및 설치·제품 결함 관련 지속 지원 | 15점 |
| 3D CNN 기반 딥러닝 알고리즘을 활용하여 단층 확률 볼륨을 자동 생성하고 3D 단층 구조 추출 | 20점 |
| 신경망 및 Radial Basis Function 기반 ML 기법을 활용하여 단일·다중 탄성파 지평면을 자동 예측·추적·추출 | 15점 |
| 탄성파 자료의 신호대잡음비 개선, 입력자료 품질 최적화, 지진상 분류 및 3D 연대층서 볼륨 생성 등 해석 워크플로우 지원 | 15점 |
| 합계(항목을 더한 값) | 100점 |
참가 자격 · 제한
- 업종제한
- 제한 없음
- 지역제한
- 제한 없음
- 공동수급
- 공동수급불허
- 입찰참가 제한
- 모름
- 실적경쟁 · PQ
- 모름
- 국제입찰
- 국제입찰
- 제출 방법
- 전자입찰
입찰 일정
| 진행 | 일시 | 남은 날 |
|---|---|---|
| 공고 게시 | 07/06(월) | 지남 |
| 입찰서 제출 시작 | 07/09(목) 10:00 | 지남 |
| 입찰참가자격 등록 마감 | 07/10(금) 18:00 | 지남 |
| 입찰서 제출 마감 | 07/13(월) 10:00 | 지남 |
| 개찰 | 07/13(월) 11:00 | 지남 |
가격
- 외화 예산
- USD 53,955 (배정예산의 통화)
- 예정가격 방식
- 비예가
납품
- 품명
- 분석및과학용소프트웨어 (4323260501)
- 수량
- 1 SET
- 납품
- 계약 후 30일
- 인도조건
- 모름
- 제조물품
- 모름
- 세부품명 등록
- 모름
공고 정보
- 공고종류
- 재공고 (재입찰공고)
- 게시일
- 07/06(월)
- 공고번호
- R26BK01618646-000
- 참조번호
- 지질자원 제165호
- 공고기관
- 한국지질자원연구원
- 수요기관
- 한국지질자원연구원
- 계약방법
- 일반경쟁
- 낙찰방법
- 규격적합자중 최저가
- 계약유형
- 총액계약
- 예정가격 방식
- 비예가
- 추정가격
- -
- 배정예산
- -
- 사전규격번호
- R26BD00242573
- 재공고
- 재공고
- 출처
- 나라장터
첨부파일
- PDF · 3. Bid Re-Announcement.pdf · 공고규격서
- HWP · 4. COMMODITY DESCRIPTION.hwp · 공고규격서
- HWP · 5. 규격기술심사기준.hwp · 공고규격서
- PDF · 6. Summary of Bidding.pdf · 공고규격서
문서 발췌
| 구분 | 평가항목 | 세부항목 | 채점기준 | A업체 | B업체 |
|---|---|---|---|---|---|
| 규격 (사양) | 물품(장비)의 세부 규격(사양) 및 적합도 | • Petrel Machine Learning Assisted Seismic Interpretation 모듈 설치 및 1 User License 제공 | 20 | ||
| • ML 기반 Fault Prediction & Extraction, Horizon Prediction, Multi-Horizon Prediction 기능 | 15 | ||||
| • 최신 버전 전자 라이선스 제공, 수요부서 지정 장소 설치 및 설치·제품 결함 관련 지속 지원 | |||||
| 기능 (성능) | 물품(장비)의 총체적 기능 및 성능 | • 3D CNN 기반 딥러닝 알고리즘을 활용하여 단층 확률 볼륨을 자동 생성하고 3D 단층 구조 추출 | 20 | ||
| • 신경망 및 Radial Basis Function 기반 ML 기법을 활용하여 단일·다중 탄성파 지평면을 자동 예측·추적·추출 | 15 | ||||
| • 탄성파 자료의 신호대잡음비 개선, 입력자료 품질 최적화, 지진상 분류 및 3D 연대층서 볼륨 생성 등 해석 워크플로우 지원 | |||||
| 합계 | 100 |
| 가. 건명 | : | 페트렐 머신러닝 탄성파 해석 모듈 |
|---|---|---|
| (영문) | Petrel, Machine Learning Seismic Interpretation Module | |
| 나. 세부품명 및 수량 | : | 첨부 규격서 참조 |
| 다. 납품기한 | 계약 체결 후 30 일 이내 | |
| 라. 납품장소 | 한국지질자원연구원(우리 연구원 지정장소) | |
| 마. 배정예산 | 53,955 USD | |
| 바. 인코텀즈 조건 | EXW | |
| 사. 계약방법 | 일반경쟁 | |
| 아. 입찰방법 | 국가종합전자조달시스템을 통한 전자입찰 (나라장터시스템: http://www.g2b.go.kr ) | |
| 자. 낙찰방법 | 규격적합자 중 최저가 |
| 품목번호 Item No. | 관세분류번호 HSK No. | 정부물품분류번호 Korean Government Commodity Classification Code(eight-digit) | 품 명 Description | 단위 Unit | 수량 Q'ty |
|---|---|---|---|---|---|
| 1 | 8524910000 | 43232605 | 페트렐 머신러닝 탄성파 해석 모듈 (Petrel, Machine Learning Seismic Interpretation Module) | Module | 1 |
Ⅰ. 용도(End-user's Use) ● Designed to enhance the efficiency and accuracy of subsurface data interpretation through advanced AI and Machine Learning technologies. It provides robust, automated workflows for fault and horizon extraction, and seismic facies classification, significantly reducing interpretation cycle times while eliminating subjective human bias.. Ⅱ. 장비의 구성(Configurations of Goods) ● Provision of software installation and license file (Petrel Machine Learning Assisted Seismic Interpretation module package): 1 set (1 user) Ⅲ. 성능 및 규격(Performance and Specification) 1. Machine Learning Assisted Seismic Interpretation ● ML Fault Prediction & Extraction: Utilizes deep learning algorithms (3D CNNs) to automatically generate fault probability volumes and extract consistent 3D fault geometries without manual picking. ● ML Horizon & Multi-Horizon Prediction: Employs neural networks to automatically predict, track, and extract single or simultaneous multiple continuous seismic horizons with high accuracy. ● ML Seismic Conditioning & Seiskit Plug-in: Integrates advanced seismic data analysis and conditioning tools to improve signal-to-noise ratios and optimize input data quality prior to ML interpretation. ● WaveFormClass Plug-in (Seismic Facies): Employs unsupervised machine learning to classify seismic facies, enabling rapid mapping of stratigraphic distributions and subtle geological features.
● Relative Geological Time (RGT): Generates a continuous 3D chronostratigraphic volume (RGT model) directly from seismic data to facilitate automated structural and stratigraphic interpretation workflows. Ⅳ. 기타 조건(Remarks) ● Delivery period: Within 30 days after contract execution ● Software License delivered electronically (No physical media) ● Provision of the latest version license ● Delivery and installation at the location designated by the requesting department ● Continuous support for installation and resolution of issues such as product defects === 6. Summary of Bidding.pdf ===
Summary of Bidding
Ⅰ. End-user's Use ○ Designed to enhance the efficiency and accuracy of subsurface data interpretation through advanced AI and Machine Learning technologies. It provides robust, automated workflows for fault and horizon extraction, and seismic facies classification, significantly reducing interpretation cycle times while eliminating subjective human bias. Ⅱ. Configurations of Goods ○ Provision of software installation and license file (Petrel Machine Learning Assisted Seismic Interpretation module package): 1 set (1 user) Ⅲ. Performance and Specification ○ Machine Learning Assisted Seismic Interpretation - ML Fault Prediction & Extraction: Utilizes deep learning algorithms (3D CNNs) to automatically generate fault probability volumes and extract consistent 3D fault geometries without manual picking.
- ML Horizon & Multi-Horizon Prediction: Employs neural networks to automatically predict, track, and extract single or simultaneous multiple continuous seismic horizons with high accuracy. - ML Seismic Conditioning & Seiskit Plug-in: Integrates advanced seismic data analysis and conditioning tools to improve signal-to-noise ratios and optimize input data quality prior to ML interpretation. - WaveFormClass Plug-in (Seismic Facies): Employs unsupervised machine learning to classify seismic facies, enabling rapid mapping of stratigraphic distributions and subtle geological features. - Relative Geological Time (RGT): Generates a continuous 3D chronostratigraphic volume (RGT model) directly from seismic data to facilitate automated structural and stratigraphic interpretation workflows. Ⅳ. Remarks ○ Delivery period: Within 30 days after contract execution ○ Software License delivered electronically (No physical media) ○ Provision of the latest version license ○ Delivery and installation at the location designated by the requesting department ○ Continuous support for installation and resolution of issues such as product defects