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.

0~5

일

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.

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.

수억원 /일

납기 지연 시 하루당 패널티

누적된 설계 오류와 검증 지연은 결국 납기 지연으로 이어집니다. EPC 프로젝트에서 납기 초과 시 하루당 수억 원의 지체상금(납기지연 손해배상,LD) 이 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 속플랜트 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.hsc, .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

일관된 지식 체계로 모든 정보 통합

GPU 인프라 + AI 원스톱 공급

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

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)