2025 정주영창업경진대회 대상 수상 (국내 민간 규모 최대)
ON-PREMISE · ONTOLOGY · AGENTIC

P&ID부터 MTO까지FEED-EPC 설계 자동화 AI

설계 변경 한 건이 프로젝트를 멈추지 않도록. 노동은 AI가, 판단은 엔지니어가.

0%검증 시간 절감
0x정합성 검증 속도
0%완전 온프레미스
0+도메인 전문가 인터뷰
문제 확인하기
PROBLEM

왜 설계 변경 하나가프로젝트 전체를 위협하는가

산출물이 연결되지 않으면, 설계 변경은 곧 위험이 됩니다.

01
0~5

오류 1건 수정/재검토 소요

P&ID, 배관목록, 3D 모델, 계산서가 독립적으로 관리됩니다. 하나의 변경이 전파되지 않으면 오류가 누적되고, 브라운필드 환경에서는 레거시 데이터가 이 문제를 더 심화시킵니다.

02
0%+

엔지니어 업무 시간 중 검토 비중

문서 간 데이터 정합성 검증에 엔지니어 역량의 상당 부분이 소모됩니다. 의사결정이 아니라 확인 작업에 시간을 쓰고 있어, 검증 지연은 설계 사이클 전체를 늦추고 재작업 비용을 증가시킵니다.

03
수억원 /일

납기 지연 시 하루당 패널티

누적된 설계 오류와 검증 지연은 결국 납기 지연으로 이어집니다. EPC 프로젝트에서 납기 초과 시 하루당 수억 원의 지체상금이 발생하며, 프로젝트 전체 수익성을 위협합니다.

WHY NOT JUST FINE-TUNE?

기업 데이터로 LLM 학습은현재 불가능에 가깝습니다

플랜트 산업에서는 구조적 제약이 LLM 학습을 가로막습니다. 온톨로지 기반 접근법을 택한 이유입니다.

BARRIER 010%
DATA STAYS LOCAL

데이터 보안 -> 로컬 LLM 필수

플랜트 설계 데이터는 극비 자산으로, 외부 클라우드 전송이 원천 차단됩니다.

BARRIER 020%
STRUCTURED DATA RATIO

데이터 양 절대 부족, 비정형 데이터 산재

PDF, 스캔 도면, 수기 메모가 대부분. 정형 데이터는 극소수에 불과합니다.

BARRIER 030~4
GPU SERVERS TYPICAL

소수 GPU 서버로는 학습 불가

도입 가능한 GPU 서버는 2~4대. LLM 학습에는 수십~수백 대가 필요합니다.

!

결론: LLM을 학습시키는 대신, 온톨로지로 지식을 구조화

LLM 학습이 아니라 도메인 지식의 구조화가 핵심입니다. 온톨로지 위에서 LLM이 제어됩니다.

CORE TECHNOLOGY

기업 내부망 속
플랜트 특화 온톨로지가 해법입니다

플랜트 설계의 모든 지식, 규칙, 관계를 구조화한 핵심 코어. 기업 내부 GPU에서 완결됩니다.

기업 내부망
ONTOLOGYENGINE
P&ID.pdf
LIST.xlsx
PFD / HMB.pdf
DATASHEET.xlsx
MTO.xlsx
HYDRAULIC.xlsx
EQ SIZING.xlsx
ISOMETRIC.dwg
PSV.xlsx
RULES
VALIDATION
RELATIONSHIPS

이 이미지는 이해를 돕기 위한 이미지로, 제품의 내부 구조를 직접적으로 반영하지 않습니다

설명 가능한 AI, 구조화된 지식
추론 경로 추적 가능
LLM 학습 불필요

AI 판단 경로를 투명하게 검증하고, 사전 구조화된 지식으로 LLM 학습 없이 즉시 시작합니다.

Physical AI의 두뇌
NEXT
일관된 지식 체계로 모든 정보 통합
GPU 인프라 + AI 원스톱 공급

Physical AI가 현장에서 작동하려면 모든 정보가 하나의 체계로 연결되어야 합니다. 온톨로지가 그 두뇌입니다.

AUTOFLOW

AutoFlow

AUTONOMOUS AGENT

단순 추천이 아닌, 딜리버러블을 직접 수정하고 교정하는 에이전트입니다. 플랜트 특화 온톨로지 위에서 CAD 도면 반영, 시뮬레이션 셋업, 정합성 검증까지 자율적으로 수행합니다.

1
명령 입력
2
온톨로지 분석
3
자율 실행
4
산출물 반영

아래 영상에서 에이전트의 실제 작동 모습을 확인하세요.

PDF 마크업을 AI가 인식하여 CAD 도면에 자동 반영합니다.

위 데모는 고정된 기능이 아닌, 플랜트 특화 온톨로지 위에서 제공 가능한 자동화 기능의 예시입니다.

Interactive DEMO - Consistency Check

우측 하단의 챗봇 위젯을 클릭하여 산출물 간 정합성 검증 과정을 직접 체험해 보세요.

PID-2024-PRJ-001.pdfx
클릭하여 체험하기
VoC

VoC

"

MTO를 뽑는 속도가 비약적으로 빨라져서, Proposal을 보낼 때 정말 유용합니다. 입찰 경쟁에서 속도가 곧 경쟁력인데, 이 부분이 확실히 차별화됩니다.

MTO 산출 속도 대폭 향상
프로젝트 매니저
글로벌 엔지니어링사 한국지사
"

P&ID 도면 300장에서 태그-배관 정합성을 수작업으로 3주 걸려 검증하던 걸, PoC에서 하루 만에 끝냈습니다. 검출된 불일치 항목이 수작업 대비 15% 더 많았습니다.

검증 기간 3주 -> 1일
배관설계 팀장
국내 대형 EPC
"

마크업 반영을 CAD에 수작업으로 옮기는 데 매번 반나절이 걸렸는데, AutoFlow 적용 후 20분 내로 끝납니다. 실수도 거의 없어졌습니다.

마크업 반영 4시간 -> 20분
공정설계 엔지니어
중견 플랜트 설계사
COMMUNITY

시니어 전문가의 경험이영구적 자산이 됩니다

수십 년간 현장에서 쌓아오신 경험과 판단력은 어떤 AI도 대체할 수 없습니다. 우리는 그 경험이 한 세대에서 사라지지 않고, 다음 세대의 설계 역량으로 이어지도록 구조화하고자 합니다. 시니어 전문가분들의 적극적인 참여와 조언이 필요합니다. 저희는 언제나 경청하고 있겠습니다.
커뮤니티 참여 신청비상업 목적 커뮤니티
기술 자문단 시니어 전문가 소속 기업 (고객사 아님)
Honeywell UOP
POSTECH
DuPont
Samsung Petrochemical
Hanwha Ocean
DL E&C
HD Hyundai Heavy Industries
Aspentech
Honeywell UOP
POSTECH
DuPont
Samsung Petrochemical
Hanwha Ocean
DL E&C
HD Hyundai Heavy Industries
Aspentech
COMPANY

플랜트 산업을 깊이 이해하는AI 엔지니어들이최고의 AX 파트너가 되어드립니다

김상윤 CEO
signature

80명 이상의 시니어 엔지니어들에게 귀중한 경험과 조언을 들으면서 어떤 문제를 겪고 계신지 깊이 있게 이해하고 있고, 계속 배워나가고 있습니다. 현장의 디테일한 부분을 정확하게 캐치하여 핀셋처럼 해결해드립니다.

김상윤CEO, SnapScale|데모데이 발표와 언론 보도, 블로그에서 더 자세한 이야기를 확인하실 수 있습니다.
2025 정주영 창업경진대회 대상 (국내 민간 최대 규모)
VISION

플랜트 AX를 통해에너지 대전환을 가속하고기후위기의 핵심 병목을해소합니다

친환경 기술의 상용화를 가로막는 가장 큰 병목은 플랜트 설계의 느린 속도와 높은 비용입니다. SnapScale은 설계 자동화와 최적화를 통해 이 병목을 해소하고, CCUS, 수소, 차세대 배터리 등 핵심 기술의 상용 플랜트 구축을 앞당기는 것을 궁극적 목표로 합니다.

구체적인 비전과 기술 살펴보기
READY TO START

설계 자동화를직접 확인하세요

아래 양식을 작성해 주시면 2영업일 내 담당자가 연락드립니다. 모든 데이터는 귀사 인프라 내에서만 처리됩니다.

CAREERS

플랜트 AX의 미래를함께 만들어갈 동료를 찾습니다

AI, 도메인 엔지니어링, 프로덕트 등 다양한 포지션에서 채용이 진행 중입니다. 이메일을 남겨주시면 채용 담당자가 연락드립니다.