🔐
RFP 문서 접근
내부 문서입니다. 암호를 입력하세요.
암호가 올바르지 않습니다
RFP 대응 품목지정 2026-지식서비스-품목-일반-01

온톨로지 기반 디지털트윈 자동 생성을 통한
제조 설비의 가상 운영 검증 기술 개발

제조설비 동작/형상 자동 생성을 통한 가상 운영 검증으로 현장 시험 운전 최소화

4
핵심 개발 영역
57
개발 기간 (개월)
49.5
총 예산 (억원)
TRL 7
목표 성숙도

컨소시엄 구성

주관기관 1개 + 참여기관 4개 + 수요기업 1개

LS EV 주관기관 | 40% 총괄관리 + EV 분야 실증 듀얼소프트 참여기업 | 15% MCC 자동생성 / 실행엔진 고려대학교 EIF Lab 공동연구기관 | 15% 형상 모델 자동 생성/정합화 서울과학기술대학교 공동연구기관 | 15% 온톨로지 기반 DT 통합 넥스트필드 참여기업 | 15% AAS 표준 기반 에셋 관리 + 수요기업 (자동차/전장 분야 실증 협력) 현대자동차 | 한국단자공업 | 대구SL

핵심 기술 영역

4개 세부과제로 구성된 통합 디지털트윈 플랫폼

01

생성형 AI 기반 제조설비 모델링

고려대학교 EIF Lab + 듀얼소프트
  • GNN/3D CNN 기반 형상 특징 추출
  • 3D GAN + NeRF 형상 복원
  • B-rep/점군 표현 상호 변환
  • NLP 기반 설계 사양 자동 검증
  • ISO 15926 기반 지식 표현
02

온톨로지 기반 DT 모델 통합

서울과학기술대학교
  • OWL 2.0 + SHACL 기반 온톨로지 설계
  • MCC/형상 정보 의미화
  • 지식그래프 추론 엔진
  • Unity/Omniverse 연계
03

디지털트윈 실행 환경

듀얼소프트
  • 운영 시퀀스 관리 실행 엔진
  • R/G/F/H 상태 전이 모델
  • OPC-UA / MQTT PLC 연동
  • 실시간 검증 대시보드
04

AAS 표준 디지털 에셋 관리

넥스트필드
  • IEC 63278 표준 메타모델 설계
  • 서브모델 스키마 정의
  • BaSyx 기반 AAS 서버
  • RESTful API + GraphQL

고려대학교 EIF Lab 핵심 연구역량

지능형 설계 자동화 및 딥러닝 기반 3D 형상 인식 기술

지능형 설계 자동화 및 검증 CAD/CAM 통합 설계 파라메트릭 모델링 Feature 기반 설계 자동 공차 분석 NLP 기반 설계 검증 자연어 사양서 자동 분석 설계 규칙 기반 자동 검증 LLM 기반 시퀀스 추출 ISO 15926 표준 기반 지식 표현 플랜트 라이프사이클 데이터 통합 표준 / 의미론적 상호운용성 OWL 온톨로지 매핑 / RDF 기반 지식그래프 구축 규칙 기반 추론 SWRL / SPARQL 설계 최적화 GA / PSO 알고리즘 시뮬레이션 연계 FEM / CFD 통합 기대 성과 설계 검증 자동화율 85% / 설계 오류 조기 발견율 90% / 문서화 시간 70% 단축 3D CAD 모델링 및 딥러닝 형상 인식 딥러닝 아키텍처 Graph Neural Network (GNN) 3D Convolutional NN Vision Transformer Point Cloud Networks 3D 생성형 AI 3D GAN (형상 생성) NeRF (신경 복사 필드) Diffusion Model AutoEncoder 기반 복원 3D 형상 표현 및 변환 B-rep (경계표현) 점군 데이터 메쉬 재구성 ICP 정합 3D 정렬 알고리즘 특징점 추출 SIFT / ORB 3D 세그멘테이션 Part Segmentation 기대 성과 형상 인식 정확도 93% / 자동 생성률 92% / CAD 모델 재구성 시간 80% 단축 통합

시스템 아키텍처

입력 데이터부터 실증까지 End-to-End 통합 플랫폼

입력 데이터 3D CAD / 2D 도면 PLC 프로그램 자연어 사양서 사진 / 동영상 생성형 AI 처리 Vision Transformer 3D GAN / NeRF LLM 시퀀스 추출 ICP 정합 알고리즘 온톨로지 통합 / 실행엔진 온톨로지 매핑 OWL 2.0 + SHACL 지식그래프 추론 DT 모델 자동 생성 실행 엔진 Flow-Work-Call 구조 R/G/F/H 상태 전이 Event-Driven 스케줄러 출력 / 실증 AAS 에셋 관리 IEC 63278 표준 BaSyx 서버 Unity / Omniverse 3D 시각화 연동 PLC 연동 OPC-UA / MQTT LS EV / 현대자동차 실증 정량 목표: 자동 생성률 92% / 모델 정확도 93% / 시운전 기간 55% 단축 TRL 4 to 7 | 57개월 | 총 49.5억원

연차별 추진 계획

5개년 57개월 연구개발 로드맵

1차년도 (9개월) 2차년도 3차년도 4차년도 5차년도 세부 1. 생성형 AI 1-1 형상모델 자동생성 1-2 MCC 자동생성 세부 2. 온톨로지 DT 2-1 온톨로지 구축 2-2 DT모델 자동생성 2-3 플랫폼 연계 세부 3. 실행 환경 3-1 시퀀스 실행엔진 3-2 PLC 연동/검증 세부 4. AAS 관리 4-1 메타모델 설계 4-2 리포지토리/API 세부 5. 실증 5-1 자동차 분야 5-2 전자/반도체 GNN 기반 3D CNN NeRF 통합 정밀도 향상 92% 달성 NLP 파서 구조화 엔진 DS연계 자동화 고도화 완전자동 OWL 설계 SHACL 검증 지식그래프 추론엔진 표준화 의미화 기반 MCC 매핑 형상 통합 동기화 93% 정확도 - Unity 연계 Omniverse 양방향 동기 실시간 연동 DS 문법 파서/컴파일러 런타임 엔진 분기/병렬 55% 단축 - OPC-UA MQTT 연동 실시간 모니터 검증 대시보드 IEC 63278 서브모델 1종 서브모델 2종 서브모델 3종 표준 인증 - BaSyx 구축 RESTful API GraphQL 상용화 - - 시범 적용 EV 부품 라인 실증 완료 - - - 시범 구축 실증 완료 기반구축 핵심개발 통합 고도화 완료 고려대 듀얼소프트 서울과기대 넥스트필드 LS EV

정량적 목표

핵심 성과 지표 (KPI)

92%
제조설비 동작/형상
자동 생성률
93%
디지털트윈 모델
정확도
55%
설계단계 시운전
기간 단축
3종
제조 DT
메타모델
2건
실증 및
현장 적용

연구개발비 계획

기관별 정부출연금 배분 (5년 총 49.5억원)

49.5억
정부출연금
LS EV (주관기관) 40% - 19.8억
듀얼소프트 15% - 7.4억
고려대학교 EIF Lab 15% - 7.4억
서울과학기술대학교 15% - 7.4억
넥스트필드 15% - 7.4억

LS EV 주관기관 사업비 소요 계획 (19.8억원)

본 과제의 핵심 기술인 생성형 AI 기반 형상/동작 자동생성을 위해서는 대규모 딥러닝 모델 학습 인프라가 필수적으로 요구됩니다. GNN, 3D CNN, NeRF, Transformer 등 최신 AI 모델의 학습 및 추론에는 고성능 GPU 연산 환경이 반드시 필요하며, 이는 과제 성공의 핵심 선결 조건입니다.

🖥️ AI 학습용 고성능 서버 구축
  • NVIDIA H100/A100 GPU 서버 - 대규모 3D 형상 학습
  • GPU 메모리 80GB급 다중 구성 필수
  • NeRF/3D Gaussian Splatting 실시간 렌더링
  • 분산 학습을 위한 고속 인터커넥트 (NVLink)
⚡ 연산 인프라 및 스토리지
  • 고속 NVMe SSD 스토리지 - 대용량 3D 데이터셋
  • 100Gbps 네트워크 인프라 구축
  • 학습 데이터 전처리용 워크스테이션
  • 모델 서빙을 위한 추론 서버
🏭 실증 환경 구축 재료비
  • Edge AI 디바이스 - 현장 실시간 추론
  • 3D 스캐닝/센싱 장비
  • PLC 연동 테스트베드 구축
  • DT 시각화용 대형 디스플레이 시스템

⚠️ 필수 투자 사유: 생성형 AI 모델(GNN, NeRF, LLM)의 학습에는 수십~수백 GB 규모의 GPU 메모리와 수천 TFLOPS급 연산 성능이 요구됩니다. 최신 GPU 없이는 목표 정확도(92%) 달성이 불가능하며, 재료비 중심의 예산 편성이 과제 성공의 핵심입니다.