회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2016년 설립 회사입니다. 응용 소프트웨어 개발 및 공급업을 합니다. 2025년 그룹 연결 매출은 28.1억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 88명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2026-01-22 · 최근 등록 2026-09-11 · 최신 출원순
본 발명은 제조 파운데이션 모델의 하이브리드 라우팅 기반으로 제조 통합 임베딩 스페이스를 생성하는 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 제조 통합 임베딩 스페이스를 생성하는 방법은 제조 통합 임베딩 스페이스 생성 장치의 앵커부가 앵커를 설정하는 단계와 제조 통합 임베딩 스페이스 생성 장치의 고정 프레임 생성부가 앵커를 기반으로 고정 프레임을 생성하는 단계를 포함하되, 앵커는 도메인 전형 상태와 데이터 군집을 바탕으로 설정되는 데이터 집합이고, 고정 프레임은 앵커를 프레이밍하여 생성될 수 있다.
본 발명은 기계 장치 고장 인과 관계 분석 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 기계 장치 고장 인과 관계 분석 방법은 기계 장치 고장 인과 관계 분석 장치가 고장 판단 기초 데이터를 수신하는 단계, 기계 장치 고장 인과 관계 분석 장치가 고장 판단 기초 데이터에 대한 클러스터링을 통해 기계 장치 상태를 결정하는 단계와 기계 장치 고장 인과 관계 분석 장치가 인과 관계 모델링을 수행하는 단계를 포함할 수 있다.
본 발명은 회전 기기의 동기화된 베어링 진동에 대한 다중 궤적 표시 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 회전 기기의 동기화된 베어링 진동에 대한 다중 궤적 표시 방법은 다중 오빗 표시 장치가 회전 기기의 복수의 베어링 각각에 대한 복수의 오빗 플롯을 결정하는 단계와 다중 오빗 표시 장치가 복수의 오빗 플롯을 3차원 공간 상에 나열하여 3차원 회전체 형상 그래프를 생성하는 단계를 포함할 수 있다.
본 발명은 딥러닝 기반 터빈 진단 및 고장 예측 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 딥러닝 기반 터빈 진단 및 고장 예측 방법은 터빈 이상 감지 장치가 데이터의 차원을 축소하여 축소 차원 데이터를 생성하는 단계와 터빈 이상 감지 장치가 축소 차원 데이터의 데이터 간 거리를 기반으로 터빈에 발생한 이상을 탐지하는 단계를 포함할 수 있다.
본 발명은 시계열 데이터를 사용한 진동 예측 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 시계열 데이터를 사용한 진동 예측 방법은 시계열 진동 예측 장치가 입력 데이터를 결정하는 단계, 시계열 진동 예측 장치가 입력 데이터를 기반으로 시계열 데이터를 생성하는 단계, 시계열 진동 예측 장치가 시계열 데이터를 기반으로 진동 예측 모델을 생성하는 단계와 시계열 진동 예측 장치가 진동 예측 모델을 기반으로 장치의 진동을 예측하는 단계를 포함할 수 있다.
본 발명은 변전 설비 진단 및 예측 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 변전 설비 진단 및 예측 방법은 변전 설비 진단 및 예측 장치가 복수의 가스 데이터를 수신하는 단계와 변전 설비 진단 및 예측 장치가 복수의 가스 데이터를 기반으로 변전 설비의 상태를 진단하는 단계를 포함할 수 있다.
본 발명은 부분 방전 진단을 검증하는 방법은 부분 방전 진단 검증 장치가 타겟 딥러닝 모델이 PRPD(Phase Resolved Partial Discharge) 데이터 또는 PRPS(Phase Resolved Pulse Sequence) 데이터 중 어떠한 데이터 포맷을 사용하였는지 여부를 판단하는 단계, 부분 방전 진단 검증 장치가 타겟 딥러닝 모델의 입력으로 사용되는 데이터의 크기를 판단하는 단계, 부분 방전 진단 검증 장치가 전처리된 PRPD 데이터 또는 PRPS 데이터를 타겟 딥러닝 모델로 전달하는 단계와 부분 방전 진단 검증 장치가 타겟 딥러닝 모델을 검증하는 단계를 포함할 수 있다.
본 발명은 피크 탐지 방법 및 피크 탐지를 수행하는 장치가 개시된다. 피크 탐지 방법은 피크 탐지 장치가 스펙트럼 정보, 피크 임계값 결정 계수 정보, 필터 길이 정보를 결정하는 단계, 피크 탐지 장치가 스펙트럼 상에서 피크 임계값을 결정하기 위한 제1 스펙트럼 값 및 제2 스펙트럼 값을 결정하는 단계, 피크 탐지 장치가 스펙트럼 상에서 피크 임계값을 결정하기 위해 제2 스펙트럼 값과 제1 스펙트럼 값 간의 스펙트럼 차이값을 결정하는 단계, 피크 탐지 장치가 피크 임계값을 결정하는 단계와 피크 탐지 장치가 피크 임계값 및 필터 길이 정보를 기반으로 결정된 피크 탐지 윈도우를 기반으로 피크를 탐지하는 단계를 포함할 수 있다.
본 발명은 회전 기기에서 진동을 예측하는 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 회전 기기에서 진동을 예측하는 방법은 진동 예측 장치가 진동 데이터 및 진동외 데이터를 수신하는 단계, 진동 예측 장치가 상기 진동 데이터 및 진동외 데이터를 기반으로 진동 기대 데이터 및 진동 오차 기대 데이터를 결정하는 단계와 진동 에측 장치가 진동 기대 데이터 및 진동 오차 기대 데이터를 기반으로 진동 예측 데이터를 결정하는 단계를 포함할 수 있다.
본 발명은 전류 신호를 기반으로 베어링 결함을 진단하는 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 전류 신호를 기반으로 베어링의 결함을 진단하는 방법은 베어링 고장 진단 장치가 모터 3상 전류 신호를 수신하는 단계, 베어링 고장 진단 장치가 모터 3상 전류 신호에 대한 디노이징(denoising)을 수행하는 단계, 베어링 고장 진단 장치가 디노이징된 모터 3상 전류 신호를 1상 전류 신호로 변환하는 단계, 베어링 고장 진단 장치가 1상 전류 신호를 기반으로 특성 인자를 결정하는 단계와 베어링 고장 진단 장치가 특성 인자를 기반으로 베어링의 결함 여부를 결정하는 단계를 포함할 수 있다.
본 발명은 실시간 로봇 상태 진단 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 실시간 로봇 상태 진단 방법은 실시간 로봇 상태 진단 장치가 진단 기초 데이터를 수신하는 단계, 실시간 로봇 상태 진단 장치가 진단 기초 데이터를 기반으로 진단 데이터를 생성하는 단계, 실시간 로봇 상태 진단 장치가 진단 데이터를 전처리하여 특성값을 결정하는 단계와 실시간 로봇 상태 진단 장치가 특성값을 기반으로 로봇의 상태를 진단하는 단계를 포함할 수 있다.
본 발명은 기계 학습을 통해 건전성 인자를 결정하는 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 기계 학습을 통해 건전성 인자를 결정하는 방법은 장치 상태 판단 장치가 기계 학습을 기반으로 건전성 피처를 결정하는 단계, 장치 상태 판단 장치가 건전성 피처를 기반으로 건전성 평면을 생성하는 단계, 장치 상태 판단 장치가 타겟 장치의 타겟 입력 데이터를 수신하는 단계와 장치 상태 판단 장치가 건전성 평면을 기반으로 타겟 입력 데이터에 대응되는 건전성 인자를 결정하는 단계, 장치 상태 판단 장치가 건전성 인자를 기반으로 타겟 장치의 상태를 결정하는 단계를 포함할 수 있다.
본 발명은 GIS 고장 진단 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. GIS(gas insulated switchgear) 고장 진단 방법은 노이즈 분류 모델이 노이즈 신호와 고장 신호를 분류하는 단계와 고장 모드 분류 모델이 고장 신호를 기반으로 고장 신호 타입을 분류하는 단계를 포함할 수 있다.
본 발명은 차단기 고장 진단 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 차단기 고장 진단 방법은 차단기 관리 서버가 차단기의 차단기 데이터를 수신하는 단계, 차단기 관리 서버가 차단기 데이터의 차단기 데이터 그룹을 결정하는 단계, 차단기 관리 서버가 차단기 데이터 그룹을 고려하여 차단기의 건전성 인자를 결정하는 단계와 차단기 관리 서버가 건전성 인자를 기반으로 차단기의 상태를 결정하는 단계를 포함할 수 있다.
본 발명은 접속함에서 부분 방전 진단 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 접속함에서 부분 방전 진단 방법은 부분 방전 진단 장치가 펄스 신호에 대한 부분 방전 신호 판단 프로세스를 수행하는 단계, 부분 방전 진단 장치가 펄스 신호에 대한 노이즈 신호 판단 프로세스를 수행하는 단계와 부분 방전 진단 장치가 부분 방전 신호 판단 프로세스 및 노이즈 신호 판단 프로세스를 기반으로 펄스 신호가 부분 방전 신호인지 노이즈 신호인지 여부를 결정하는 단계를 포함할 수 있다.
본 발명은 OLTC(on load tab changer) 고장 진단 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. OLTC 상태 진단 방법은 OLTC 상태 진단 장치가 OLTC의 진동 신호를 수신하는 단계, OLTC 상태 진단 장치가 진동 신호 중 진동 신호(다이버터 스위치)를 결정하는 단계와 OLTC 상태 진단 장치가 진동 신호(다이버터 스위치)를 기반으로 OLTC의 상태를 진단하는 단계를 포함할 수 있다.
본 발명은 유중 가스 데이터 보정을 기반으로 한 변압기 상태 결정 방법 및 이러한 방법을 사용하는 장치에 관한 것이다. 유중 가스 데이터 보정을 기반으로 한 변압기 상태 결정 방법은 변압기 상태 판단 장치가 유중 가스 데이터를 수신하는 단계, 변압기 상태 판단 장치가 유중 가스 데이터 상에서 보정 대상인 측정 오류값을 결정하는 단계, 변압기 상태 판단 장치가 측정 오류값을 보정하는 단계와 변압기 상태 판단 장치가 보정된 측정 오류값을 포함하는 유중 가스 데이터를 기반으로 변압기 상태를 결정하는 단계를 포함할 수 있다.
본 발명은 오일 여과 여부를 고려한 변압기 상태 예측 진단 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 오일 여과 여부를 고려한 변압기의 상태를 예측하는 방법은 변압기 상태 예측 장치가 변압기의 변압기 데이터를 수신하는 단계, 변압기 상태 예측 장치가 변압기 데이터를 기반으로 변압기의 오일 여과 여부를 결정하는 단계와 변압기 상태 예측 장치가 오일 여과 여부를 기반으로 서로 다른 예측 모델을 기반으로 변압기의 상태를 예측하는 단계를 포함할 수 있다.
본 발명은 딥 러닝 기반의 고장 진단 방법 및 이러한 방법을 수행하는 고장 진단 장치에 관한 것이다. 딥 러닝 기반의 고장 진단 방법은 고장 진단 장치가 회전 장치의 구동 정보를 수신하는 단계, 고장 진단 장치가 구동 정보를 기반으로 한 학습을 수행하는 단계와 고장 진단 장치가 학습을 기반으로 회전 장치에 발생한 고장을 진단하는 단계를 포함할 수 있다.
본 발명은 머신러닝을 위한 자동화된 피처 선택 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 머신러닝을 위한 자동화된 피처 선택 방법은 피처 입력부가 피처를 수신하는 단계, 변환 적합성 판정부가 피처를 변환한 적어도 하나의 변환 피처의 머신 러닝 적합성을 결정하는 단계, 최적 변환 결정부가 머신 러닝 적합성을 기반으로 적어도 하나의 추천 변환 피처를 결정하는 단계를 포함할 수 있다.
본 발명은 베어링 고장 진단 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 베어링 고장 진단 방법은 고장 판단 장치가 베어링에 대한 로우 시그널을 수신하는 단계, 고장 판단 장치가 고장 판단 대역을 선택하는 단계와 고장 판단 장치가 고장 판단 대역을 고려하여 로우 시그널을 필터링하여 베어링에 대한 고장 판단을 수행하는 단계를 포함할 수 있다.
머신 러닝 기반의 인공지능을 이용하는 상태 감시 데이터 생성 장치가 개시된다. 상기 상태 감시 데이터 생성 장치는 컴퓨팅 시스템을 포함하며 상기 컴퓨팅 시스템은 생성적 적대 신경망 및 프로세서를 포함하고, 상기 프로세서는 초기화된 제1 입력을 수신하는 생성기 신경망을 이용하여 판별기 신경망을 위한 제1 훈련 입력 데이터를 생성한다. 프로세서는 상기 기계 장비에서 실제로 발생하는 데이터를 상기 판별기 신경망을 위한 제2 훈련 입력 데이터로서 상기 판별기 신경망에 전달하고, 상기 기계 장비 및 상기 상태 감시 데이터의 물리적 특징에 부합하는지 여부를 검증하는 국부적 특징 함수가 정의되면, 상기 제1 훈련 입력 데이터를 상기 제2 훈련 입력 데이터로부터 판별하기 위한 제1 손실 함수에 상기 국부적 특징 함수가 합성되는 제2 손실 함수를 이용하여 상기 판별기 신경망 및 상기 생성기 신경망을 훈련한다.
본 발명은 복합 조건을 고려한 진동 기반 고장 진단 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 복합 조건을 고려한 진동 기반 고장 진단 방법은 학습 정보를 기반으로 학습을 수행하는 학습 단계와 상기 학습 단계에서 결정된 제1 인자 및 진단 정보를 기반으로 결정된 제2 인자를 기반으로 장치에 대한 진단을 수행하는 진단 단계를 포함할 수 있다.
산업 시설 등으로부터 획득된 시계열 신호를 다른 시계열 신호와 비교하고, 그 결과에 기반하여 해당 산업 시설의 고장 발생 여부를 판단하는 기법이 적용되고 있다. 만약 시계열 신호간의 샘플링 주파수 또는 샘플링 주기가 상이하다면, 시계열 신호간의 비교는 쉽지 않다. 예시적 실시예에 따른 시계열 신호 유사 여부 판단 장치는 각 시계열 신호를 주파수 영역으로 변환하여 스펙트럼 벡터를 생성하고, 각 시계열 신호의 샘플링 주파수를 고려하여 스펙트럼 벡터를 리샘플링할 수 있다. 시계열 신호 유사 여부 판단 장치는 리샘플링된 스펙트럼 벡터를 비교하여 시계열 신호가 유사한지 여부를 판단할 수 있다.
본 발명은 운전조건을 고려한 회전체 고장 진단 데이터 정규화 처리 방법 및 이를 이용한 회전체 고장 진단 방법에 관한 것으로, 검출부가 회전체 고장 진단을 위한 데이터를 검출하는 단계, 데이터 처리부가 검출된 데이터를 회전체의 운전조건을 기반으로 처리하여 상기 운전조건에 무관한 데이터로 변환하는 단계 및 진단부가 변환된 데이터를 이용하여 회전체의 고장 정도 또는 건전성을 진단하는 단계를 포함하는 것을 특징으로 한다.
터빈의 고장 발생 여부를 판단하고, 디스플레이하는 장치가 개시된다. 터빈의 상태를 표시하는 장치는 터빈의 진동으로부터 터빈의 고장 발생 여부 및 고장 모드를 추정하고 관리자가 직관적으로 파악할 수 있는 화면을 통해 관련 정보를 디스플레이 한다.
베어링의 고장 발생 여부를 판단하고, 잔여 수명을 추정하여 디스플레이하는 장치가 개시된다. 베어링의 상태를 표시하는 장치는 베어링의 진동으로부터 베어링의 고장 발생 여부 및 잔여 수명을 추정하고 관리자가 직관적으로 파악할 수 있는 화면을 통해 관련 정보를 디스플레이 한다.
본 발명은 설비 진단을 위한 데이터 이미지화 방법 및 이를 이용한 진단 방법에 관한 것으로, 제어부가 설비 진단을 위한 데이터를 입력받는 단계, 상기 제어부가 입력된 데이터를 이미지의 픽셀 범주의 데이터로 칼리브레이션 하는 단계, 상기 제어부가 칼리브레이션된 데이터를 픽셀 정보로 변환하여 픽셀 어레이를 생성하는 단계 및 상기 제어부가 생성된 픽셀 어레이를 스택킹하여 설비 진단을 위한 이미지를 생성하는 단계 것을 특징으로 한다.
본 빌명은 회전체 진단 장치 및 방법에 관한 것이다. 본 발명의 제1 측면에 따르면, 본 발명의 실시예에 따른 베어링에 회전축을 중심으로 회전되도록 설치되는 회전체를 진단하기 위한 진단 장치는 회전축과 수직한 면에 위치한 회전체의 두 지점에서 각각의 제1 진동 신호를 계측하는 계측부, 회전체의 제1 진동 신호가 계측된 두 지점과 동일 평면상에 위치한 지점의 진동 신호인 제2진동 신호를 제1 진동 신호에 기초하여 산출하는 산출부, 제2 진동 신호에 기초하여 이미지를 생성하는 이미지 생성부 및 생성된 이미지에 기초하여 회전체를 진단하는 진단부를 포함하여, 사용자에게 회전체 상태에 대한 직관적인 정보를 제공할 수 있다.
본 발명은 기어의 고장 진단 및 구분 방법에 관한 것이다. 본 발명의 제 1 측면에 의하면, 기어의 고장 진단 및 구분 방법 시스템이 기어 이빨을 선택하여 입력단 회전 변위 및 출력단 회전 변위를 측정하는 단계, 상기 입력단의 회전 변위와 상기 출력단의 회전 변위의 전달오차를 계산하는 단계, 및 상기 전달오차에 기초하여 기어의 고장 진단 및 고장의 종류를 구분하는 단계를 더 포함할 수 있다. 이와 같은 본 발명에 의하면, 기어의 각 고장 메커니즘을 분석함으로써 기어의 고장을 진단하고 고장의 종류를 분석할 수 있다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 30건 중 30건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 8.2 | 28.1 |
| 영업비용 | (116.1) | (88.6) |
| 영업이익(손실) | (107.9) | (60.5) |
| 영업외수익 | 200.4 | 2.9 |
| 기타이익 | 0.4 | 0.3 |
| 금융수익 | 200.0 | 2.6 |
| 영업외비용 | (42.0) | (59.6) |
| 기타손실 | (3.4) | (0.1) |
| 금융원가 | (38.5) | (59.5) |
| 법인세비용차감전순이익(손실) | 50.5 | (117.2) |
| 당기순이익(손실) | 50.5 | (117.2) |
매출은 28.1억으로 전년 대비 242.4% 증가한 것으로 나타났다.
영업이익률은 -214.9%로 전년 -1312.2%에서 상승했다.
당기순이익은 -117.2억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-08 확인