회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
경기도에 있는 2000년 설립 회사입니다. 컴퓨터 시스템 통합 자문 및 구축 서비스업을 합니다. 2025년 그룹 연결 매출은 188억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 165명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2026-01-21 · 최근 등록 2026-10-01 · 최신 출원순
개시하는 일 실시예는, 클라이언트 제조생산시스템의 데이터 스키마를 기반으로 시간 순행 방식인 포워드 플래닝(forward planning) 로직을 포함하는 소프트웨어모델 및 로직 세트를 생성하거나 제공하는 단계; 상기 데이터 스키마에 따라 상기 클라이언트로부터 기준정보를 포함하는 입력데이터를 수신하는 단계; 및 상기 수신된 입력데이터를 기반으로 상기 포워드 플래닝(forward planning) 로직을 포함하는 소프트웨어모델 및 로직 세트를 수행하여 생산 계획 데이터를 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공하는 방법을 제공한다. 개시한 실시예에 따르면 제조 또는 생산 시스템의 실시간 변화를 예측하거나 효율적으로 생산 계획을 제공할 수 있다.
개시하는 일 실시 예는, 사용자에 의해 입력되는 제조생산시스템과 관련된 사용자 요청을 획득하는 단계; 상기 사용자 요청에 대응하는 액션 에이전트를 이용하여 상기 사용자 요청에 대한 쿼리 또는 코드 중 적어도 하나에 기반하는 최종 응답을 생성하는 단계; 및 상기 제조생산시스템과 관련된 최종 응답을 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시 예는, 사용자에 의해 입력되는 제조 생산 관련 사용자 요청을 획득하는 단계; 상기 사용자 요청에 대응하는 작업에 대한 작업 수행 정보와 에이전트 할당 정보를 나타내는 오케스트레이션 그래프에 기반하는 최종 응답을 생성하는 단계; 및 상기 최종 응답을 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시 예는, 사용자에 의해 입력되는 제조 생산 관련 사용자 요청을 획득하는 단계; 상기 사용자 요청에 대한 오케스트레이션 그래프에 기반하는 에이전트, 제조 생산 관련 외부 도구 또는 스트리밍 서비스 중 적어도 하나를 이용하여 최종 응답을 생성하는 단계; 및 상기 최종 응답을 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
본 발명의 일 실시예에 따른 리드타임 예측 모델의 생성 방법은, 사용자로부터 특정 시점의 하나 이상의 구성 부품의 가격 데이터를 수신하는 단계 - 상기 하나 이상의 구성 부품은 최종 부품을 구성함 -; 상기 하나 이상의 구성 부품 각각에 대하여, 과거 가격 데이터 및 과거 리드타임 데이터를 적어도 포함하는 제1 데이터를 획득하는 단계; 상기 제1 데이터에 대해 전처리를 수행하여 신규 특징인 제3 데이터를 생성하는 단계; 및 상기 제3 데이터를 학습 데이터 세트로 하여 학습을 수행함으로써 상기 최종 부품에 대한 예측 리드타임을 생성하기 위한 모델을 생성하는 단계를 포함한다.
개시하는 일 실시예는, 클라이언트에게 생산 계획 데이터를 생성하는 확장 가능한 소프트웨어 모델 및 로직 세트를 제공하는 단계; 제조 생산 시스템에 대한 기준 정보를 포함하는 제1 입력 데이터 및 매개변수 설정을 위한 제2 입력 데이터를 수신하는 단계; 상기 제1 입력 데이터 및 상기 제2 입력 데이터를 기반으로, 학습 데이터를 생성하는 단계; 및 상기 생성된 학습 데이터를 정책 학습하여, 학습된 정책 함수 및 학습된 가치 함수 중 적어도 하나를 제공하는 단계를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는, 클라이언트에게 생산 계획 데이터를 생성하는 확장 가능한 소프트웨어 모델 및 로직 세트를 제공하는 단계; 제조 생산 시스템에 대한 기준 정보를 포함하는 제1 입력 데이터 및 매개변수 설정을 위한 제2 입력 데이터를 수신하는 단계; 및 상기 제1 입력 데이터 및 상기 제2 입력 데이터를 기반으로, 적어도 하나의 정책을 학습, 평가, 운영, 배포 및 관리 중 적어도 하나를 수행하여 상기 클라이언트에게 생산 계획 데이터를 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는, 클라이언트에게 생산 계획 데이터를 생성하는 확장 가능한 소프트웨어 모델 및 로직 세트를 제공하는 단계; 제조 생산 시스템에 대한 기준 정보를 포함하는 제1 입력 데이터 및 매개변수 설정을 위한 제2 입력 데이터를 수신하는 단계; 상기 제1 입력 데이터 및 상기 제2 입력 데이터를 기반으로, 의사결정 요소 및 액션 목록을 추출하는 단계; 및 의사결정 요소 및 액션 목록에 대하여 정책 함수를 반영하여, 최종 의사결정이 포함된 생산 계획 데이터를 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는, 클라이언트에게 생산 계획 데이터를 생성하는 확장 가능한 소프트웨어 모델 및 로직 세트를 제공하는 단계; 제조 생산 시스템에 대한 기준 정보를 포함하는 제1 입력 데이터 및 매개변수 설정을 위한 제2 입력 데이터를 수신하는 단계; 제1 입력 데이터 및 제2 입력 데이터를 기반으로, 적어도 하나의 정책을 학습시키는 단계; 및 적어도 하나의 학습된 정책 및 적어도 하나의 소프트웨어 모델을 평가하여, 생산 계획 데이터를 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시 예는, 클라이언트의 제조생산시스템에 대한 백워드 플래닝(backward planning) 로직 및 포워드 플래닝(forward planning) 로직 중 적어도 하나의 의사결정 지점 별 규칙 정보를 획득하는 단계; 상기 제조생산시스템에 대한 기준 정보를 포함하는 입력 데이터를 획득하는 단계; 및 상기 입력 데이터에 기반하여 상기 규칙 정보의 의사결정 지점 별 의사결정 기준에 따른 상기 백워드 플래닝 로직 및 포워드 플래닝 로직 중 적어도 하나를 포함하는 소프트웨어 모델 및 로직 세트를 수행하여 생산 계획 데이터를 상기 클라이언트에게 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시 예는, 클라이언트의 제조생산시스템에 대한 미리 저장된 백워드 플래닝(backward planning) 로직의 의사결정 지점 별 규칙 정보를 획득하는 단계; 상기 클라이언트로부터 상기 제조생산시스템에 대한 기준 정보를 포함하는 입력 데이터를 수신하는 단계; 및 상기 입력 데이터에 기반하여 상기 규칙 정보에 따른 상기 백워드 플래닝 로직을 포함하는 소프트웨어 모델 및 로직 세트를 수행하여 생산 계획 데이터를 상기 클라이언트에게 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시 예는, 클라이언트의 제조생산시스템에 대한 미리 저장된 포워드 플래닝(forward planning) 로직의 의사결정 지점 별 규칙 정보를 획득하는 단계; 상기 제조생산시스템에 대한 기준 정보를 포함하는 입력 데이터를 획득하는 단계; 및 상기 입력 데이터에 기반하여 상기 규칙 정보에 따른 상기 포워드 플래닝 로직을 포함하는 소프트웨어 모델 및 로직 세트를 수행하여 생산 계획 데이터를 상기 클라이언트에게 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는, 생산 운영 데이터를 생성하는 백워드 플래닝(backward planning) 로직 및 포워드 플래닝 로직 중 적어도 하나를 포함하는 확장 가능한 소프트웨어 모델 및 로직 세트를 제공하는 단계; 클라이언트로부터 상기 생산 운영 데이터와 관련된 기준 정보가 포함된 입력 데이터를 수신하는 단계; 및 상기 수신된 입력 데이터를 이용하여 상기 백워드 플래닝 로직 및 상기 포워드 플래닝 로직 중 적어도 하나를 포함하는 소프트웨어 모델 및 로직 세트를 수행하고 상기 클라이언트에게 생산 계획 데이터를 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시 예는, 클라이언트 제조생산시스템의 제조생산 도메인에 대응하는 생산 공정에 대한 도메인 특화 엔진을 포함하는 소프트웨어모델 및 로직 세트를 생성하거나 제공하는 단계; 상기 클라이언트 제조생산시스템으로부터 기준정보를 포함하는 입력데이터를 수신하는 단계; 및 상기 수신된 입력데이터를 기반으로 상기 도메인 특화 엔진을 포함하는 소프트웨어모델 및 로직 세트를 수행하여 생산 계획 데이터를 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는 클라이언트 제조생산시스템의 데이터 스키마 및 라이브러리 엔진세트 중 적어도 하나를 기반으로 생성된 적어도 하나의 소프트웨어 모델 및 적어도 하나의 모델 로직을 수신하는 단계; 상기 적어도 하나의 소프트웨어 모델 및 상기 적어도 하나의 모델 로직을 포함하는 정책 최적화를 위한 적어도 하나의 운영작업 및 정책 평가를 위한 적어도 하나의 운영작업을 생성하는 단계; 및 입력데이터를 기반으로, 상기 정책 최적화를 위한 적어도 하나의 운영작업 및 상기 정책 평가를 위한 적어도 하나의 운영작업 중 적어도 하나를 수행하여 생산 계획 데이터를 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는 클라이언트 제조생산시스템의 실험허브 사용자 인터페이스를 표시하는 단계; 상기 실험허브 사용자 인터페이스에 대한 사용자 입력에 기반하여 실험 정제, 실험 설계 및 실험 수행 중 적어도 하나를 실행하는 단계; 및 상기 수행된 실험 정제, 실험 설계 및 실험 수행 중 적어도 하나의 결과를 클라이언트 제조생산시스템에 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
본 개시의 일 실시 예는, 클라이언트 제조생산시스템의 기준 정보를 포함하는 입력 데이터를 획득하는 단계; 미리 설정된 솔버(solver)를 이용하여 상기 입력 데이터에 기반한 수리최적화 모형 기반 모델을 실행하는 단계; 및 상기 실행된 수리최적화 모형 기반 모델의 출력값에 포함되는 생산 계획 데이터를 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는 클라이언트 제조생산시스템의 실험허브 사용자 인터페이스를 표시하는 단계; 상기 실험허브 사용자 인터페이스에 대한 제1 사용자 입력에 기반하여 실험허브 파일의 모델타입 변인 및 로직타입 변인을 등록하는 단계; 상기 실험허브 사용자 인터페이스에 대한 제2 사용자 입력에 기반하여 상기 실험허브 파일에 데이터 타입 변인, 변인 값 및 주요성능지표 중 적어도 하나를 포함하는 구성요소 정보를 생성하는 단계; 및 상기 등록된 모델타입 변인 및 로직타입 변인, 상기 생성된 등록 정보에 기반하여 편집된 실험허브 파일을 클라이언트 제조생산시스템에 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
본 개시의 일 실시 예는, 클라이언트 제조생산시스템의 소프트웨어모델 및 로직 세트에 대한 관리 사용자 인터페이스(user interface, UI)를 표시하는 단계; 상기 관리 사용자 인터페이스에 대한 사용자 입력에 기반하여 작업(Job) 관리 정보 및 트리거(Trigger) 관리 정보 중 적어도 하나를 생성하는 단계; 및 상기 작업 관리 정보 및 트리거 관리 정보 중 적어도 하나를 상기 클라이언트 제조생산시스템에 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는, 클라이언트 제조생산시스템의 데이터 스키마 및 라이브러리 엔진세트 중 적어도 하나를 기반으로 생성된 적어도 하나의 소프트웨어 모델 및 적어도 하나의 모델 로직을 수신하는 단계; 상기 적어도 하나의 소프트웨어 모델 및 상기 적어도 하나의 모델 로직을 포함하는 실험허브의 운영작업을 생성하는 단계; 및 상기 생성된 운영작업에 따라, 입력데이터를 기반으로, 상기 생성된 실험을 수행하여 적어도 하나의 생산 계획 데이터를 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
본 개시의 일 실시 예는, 클라이언트 제조생산시스템의 소프트웨어모델 및 로직 세트에 대한 관리 사용자 인터페이스(user interface, UI)를 표시하는 단계; 상기 관리 사용자 인터페이스에 대한 사용자 입력에 기반하여 배포 설정 정보를 생성하는 단계; 및 상기 배포 설정 정보에 기반하여 상기 소프트웨어모델 및 로직 세트 관련 파일을 상기 클라이언트 제조생산시스템에 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
본 개시의 일 실시 예는, 클라이언트 제조생산시스템의 소프트웨어모델 및 로직 세트에 대한 개발 사용자 인터페이스(user interface, UI)를 표시하는 단계; 상기 개발 사용자 인터페이스에 대한 사용자 입력에 따른 상기 소프트웨어 모델 및 로직 세트에 대한 설정값에 대응하는 프로그램 코드를 생성하는 단계; 및 상기 프로그램 코드를 포함하는 소프트웨어모델 및 로직 세트에 기반하는 상기 클라이언트 제조생산시스템에 대한 생산 계획 데이터를 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는, 클라이언트 제조생산시스템의 데이터 스키마 및 라이브러리 엔진세트 중 적어도 하나를 기반으로 생성된 적어도 하나의 소프트웨어 모델 및 적어도 하나의 모델 로직을 수신하는 단계; 상기 적어도 하나의 소프트웨어 모델 및 적어도 하나의 모델 로직을 포함하는 실험을 설계하는 실험허브 파일을 생성하는 단계로서, 상기 실험은 반복 단계 로직 및 적어도 하나의 시나리오 파일을 포함하는 반복 단계를 포함함; 및 입력데이터를 기반으로, 상기 반복 단계 로직 및 상기 반복 단계가 포함된 상기 실험을 수행하여 적어도 하나의 생산 계획 데이터를 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는, 클라이언트 제조생산시스템의 소프트웨어모델 및 로직 세트에 대한 개발 사용자 인터페이스(user interface, UI)를 표시하는 단계; 상기 개발 사용자 인터페이스에 대한 사용자 입력에 따른 상기 소프트웨어 모델 및 로직 세트에 대한 설정값에 대응하는 상기 소프트웨어 모델 및 로직 세트를 생성하는 단계; 및 상기 소프트웨어모델 및 로직 세트에 기반하는 상기 클라이언트 제조생산시스템에 대한 생산 계획 데이터를 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는, 클라이언트 제조생산시스템의 데이터 스키마 및 라이브러리 엔진세트 중 적어도 하나를 기반으로 생성된 적어도 하나의 소프트웨어 모델 및 적어도 하나의 모델 로직을 수신하는 단계; 상기 적어도 하나의 소프트웨어 모델 및 적어도 하나의 모델 로직을 포함하는 실험을 생성하는 단계; 및 입력데이터를 기반으로, 생성된 실험을 수행하여 적어도 하나의 생산 계획 데이터를 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
본 개시의 일 실시 예는, 클라이언트 제조생산시스템에 대한 소프트웨어모델 및 로직 세트를 획득하는 단계; 상기 소프트웨어모델 및 로직 세트에 기반하여 생산 계획 관련 데이터를 산출하는 단계; 및 상기 생산 계획 관련 데이터를 메뉴 영역, 모델 영역, 데이터 영역 및 출력 영역 중 적어도 하나를 포함하는 분석 사용자 인터페이스(user interface, UI) 화면을 통해 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
본 개시의 일 실시 예는 클라이언트 제조생산시스템에 대한 소프트웨어모델 및 로직 세트를 획득하는 단계; 상기 소프트웨어모델 및 로직 세트에 기반하여 모델 정보, 실험 계획 정보 및 실험 결과 정보 중 적어도 하나를 포함하는 생산 계획 관련 데이터를 산출하는 단계; 및 상기 생산 계획 관련 데이터를 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
본 개시에 따른 일 실시예는 클라이언트 제조생산시스템의 데이터 스키마 및 라이브러리 엔진세트 중 적어도 하나를 기반으로 생성된 소프트웨어 모델 및 로직 세트를 수신하는 단계; 상기 소프트웨어 모델 및 상기 로직 세트에 기초하여 적어도 하나의 운영작업을 생성하는 단계; 및 상시 생성된 적어도 하나의 운영작업에 따라, 입력데이터를 기반으로 상기 소프트웨어 모델 및 로직 세트를 수행하여 생산 계획 데이터를 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
본 개시에 따른 일 실시 예는, 클라이언트 제조생산시스템의 데이터 스키마 및 라이브러리 엔진세트 중 적어도 하나에 기반하여 상기 클라이언트 제조생산시스템에 대한 페깅 로직(pegging logic) 및 시뮬레이션 로직(simulation logic) 중 적어도 하나를 포함하는 소프트웨어모델 및 로직 세트를 생성하거나 제공하는 단계; 상기 데이터 스키마에 따라 상기 클라이언트로부터 기준정보를 포함하는 입력데이터를 수신하는 단계; 및 상기 수신된 입력데이터를 기반으로 상기 소프트웨어모델 및 로직 세트를 수행하여 생산 계획 데이터를 제공하는 단계;를 포함하는, 디지털 생산 계획 정보를 제공하는 방법을 제공한다.
개시하는 일 실시예는, 클라이언트 제조생산시스템의 데이터 스키마를 기반으로 시간 순행 방식인 포워드 플래닝(forward planning) 로직을 포함하는 소프트웨어모델 및 로직 세트를 생성하거나 제공하는 단계; 상기 데이터 스키마에 따라 상기 클라이언트로부터 기준정보를 포함하는 입력데이터를 수신하는 단계; 및 상기 수신된 입력데이터를 기반으로 상기 포워드 플래닝(forward planning) 로직을 포함하는 소프트웨어모델 및 로직 세트를 수행하여 생산 계획 데이터를 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공하는 방법을 제공한다. 개시한 실시예에 따르면 제조 또는 생산 시스템의 실시간 변화를 예측하거나 효율적으로 생산 계획을 제공할 수 있다.
개시하는 일 실시예는, 클라이언트 제조생산시스템의 데이터 스키마를 기반으로 시간 순행 방식인 포워드 플래닝(forward planning) 로직을 포함하는 소프트웨어모델 및 로직 세트를 생성하거나 제공하는 단계; 상기 데이터 스키마에 따라 상기 클라이언트로부터 기준정보를 포함하는 입력데이터를 수신하는 단계; 및 상기 수신된 입력데이터를 기반으로 상기 포워드 플래닝(forward planning) 로직을 포함하는 소프트웨어모델 및 로직 세트를 수행하여 생산 계획 데이터를 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공한다. 개시한 실시예에 따르면 제조 또는 생산 시스템의 실시간 변화를 예측하거나 효율적으로 생산 계획을 제공할 수 있다.
개시하는 일 실시예는, 클라이언트 제조생산시스템의 데이터 스키마를 기반으로 시간 역산 방식인 백워드 플래닝(backward planning) 로직을 포함하는 소프트웨어모델 및 로직 세트를 생성하거나 제공하는 단계; 상기 데이터 스키마에 따라 상기 클라이언트로부터 기준정보를 포함하는 입력데이터를 수신하는 단계; 및 상기 수신된 입력데이터를 기반으로 상기 백워드 플래닝(backward planning) 로직을 포함하는 소프트웨어모델 및 로직 세트를 수행하여 생산 계획 데이터를 제공하는 단계;를 포함하는 디지털 생산 계획 정보를 제공한다. 개시한 실시예에 따르면 제조 또는 생산 시스템의 실시간 변화를 예측하거나 효율적으로 생산 계획을 제공할 수 있다.
본 발명의 일 실시예에 따른 리드타임 예측 모델의 생성 방법은, 사용자로부터 특정 시점의 하나 이상의 구성 부품의 가격 데이터를 수신하는 단계 - 상기 하나 이상의 구성 부품은 최종 부품을 구성함 -; 상기 하나 이상의 구성 부품 각각에 대하여, 과거 가격 데이터 및 과거 리드타임 데이터를 적어도 포함하는 제1 데이터를 획득하는 단계; 상기 제1 데이터에 대해 전처리를 수행하여 신규 특징인 제3 데이터를 생성하는 단계; 및 상기 제3 데이터를 학습 데이터 세트로 하여 학습을 수행함으로써 상기 최종 부품에 대한 예측 리드타임을 생성하기 위한 모델을 생성하는 단계를 포함한다.
본 발명의 일 실시예에 따른 예측 리드타임을 생성하기 위한 모델의 구현 방법은, 사용자로부터 입력 데이터를 수신하는 단계; 상기 입력 데이터에 대응하는 최종 부품을 식별하는 단계; 상기 최종 부품을 구성하는 하나 이상의 부품을 식별하는 단계; 상기 식별된 하나 이상의 부품을 자체 생산이 가능한 자체 생산 부품 및 공급사로부터 구매에 의해 조달해야 하는 주문 부품으로 분류하는 단계; 상기 자체 생산 부품에 대한 리드타임을 결정하는 단계; 상기 주문 부품 각각에 대해 가격 데이터 및 과거 리드타임 데이터를 적어도 포함하는 제1 데이터를 획득하는 단계; 획득된 상기 제1 데이터에 기초하여 상기 최종 부품 및 상기 주문 부품 중 적어도 하나에 대한 예측 리드타임을 생성하기 위한 모델을 생성하는 단계; 고정 비용, 재고 비용, 주문 비용, 백로그 비용, 및 수요손실 비용 중 적어도 하나에 기초하여 상기 모델을 최적화하는 단계를 포함한다.
이에, 본 발명의 일 목적은 부품 조달을 위한 글로벌 밸류 체인(GVC)에 있어서 필요한 부품의 수급에 대한 최신 정보를 유지하기 위해, 필요 부품과 동일한, 또는 대체 가능한 부품에 관한 정보를 지속적으로 수집하고 구조화된 형태로 보관하는 데이터베이스를 제공하는 것에 있다. 이를 위해, 본 발명의 일 실시예에 따른 부품 조달을 위한 글로벌 밸류 체인(GVC)에 대한 데이터베이스 구축을 위한 시스템은, 요청 정보에 기초하여 웹 상의 다수의 리소스로부터 데이터를 수집하기 위한 인공지능(AI) 기반 지식 채굴 로봇; 수집된 상기 데이터를 저장하기 위한 비정형(Raw) 데이터 아카이브; 상기 Raw 데이터 아카이브 내의 데이터에 대한 분석을 수행하여 둘 이상의 부품들 사이의 상관 관계를 추출하여 특정 부품에 대한 하나 이상의 대체 부품을 설정하고, 상기 데이터를 정형화된 형태로 분류하여 생성하는 데이터 분석 엔진; 상기 데이터 분석 엔진에 의해 생성된 정형화된 데이터를 저장하기 위한 부품 지식 데이터베이스(Knowledge Database, KDB); 및 사용자로 하여금 부품을 검색 가능하게 하고, 상기 부품 KDB의 데이터로부터의 검색 결과를 제시하기 위한 사용자 인터페이스를 포함하는 GVC KDB 서비스를 포함한다.
이에, 본 발명의 일 목적은 공장 상황을 시각적으로 나타내는 이미지 데이터를 생성하고 생성된 이미지를 인공 신경망 모듈에서 의미 있는 특징을 추출 가능한 형태로 전처리함으로써, 인공 신경망 모듈을 통해 최적화된 공장 시뮬레이션 데이터를 출력할 수 있도록 하는 것에 있다. 이를 위해, 본 발명의 일 실시예에 따른 공장 상황 이미지 전처리 장치는, 공장 상황 데이터에 기초하여 공장 상황을 시각적으로 나타내는 기본 이미지를 생성하는 기본 이미지 생성기 - 상기 기본 이미지는 간트(Gantt) 차트를 포함함 - ; 및 상기 기본 이미지에 대해 하나 이상의 조건 세트를 적용한 하나 이상의 조건 적용 이미지를 생성하는 조건 적용 이미지 생성기를 포함하며, 상기 기본 이미지 및 상기 하나 이상의 조건 적용 이미지 중 적어도 하나를 포함하는 출력 이미지는 인공 신경망 모듈에 입력으로서 제공된다.
이에, 본 발명의 일 목적은 공장의 작업 일정에 대한 What-if 시뮬레이션 실험의 대상이 되는 모델의 기준 정보의 요인의 수준을 변경하면서 성능 지표를 추출하는 과정을 자동화할 수 있도록 하여 효과적으로 최적의 실험 결과(즉, 시나리오)를 결정하고 이에 기초하여 실제 공장의 작업 일정에 대한 디스패칭 전략을 수립 가능하도록 하는 것에 있다. 이를 위해, 본 발명의 일 실시예에 따른 공장의 작업 일정에 대한 시뮬레이션을 수행하기 위한 클라이언트 장치는, What-if 시뮬레이션 실험의 대상이 되는 모델(Model)에 대한 입력 값인 기준 정보에 포함된 복수의 요인 중 하나 이상의 요인을 관심 요인으로 선택하고, 선택된 관심 요인의 수준을 설정함으로써 실험 설계 데이터를 생성하기 위한 실험 설계 모듈과, 상기 실험 설계 데이터에 기초하여 복수의 실행 엔진을 포함하는 실행기를 이용하여 상기 모델에 대한 상기 What-if 시뮬레이션 실험을 병렬 실행함으로써 실험 실행 결과를 출력하기 위한 시뮬레이션 실행 모듈을 포함한다.
시뮬레이션 기반의 공장 내 자원 플래닝 방법이 제공된다. 상기 자원 플래닝 방법은 공장 자원을 용량 버킷(capacity bucket)으로 모델링하는 단계; 상기 모델링된 용량 버킷에 복수의 디멘드(demand)를 할당하는 단계; 및 상기 복수의 디멘드가 할당된 공장 자원에 기초하여, 용량 버킷 시뮬레이션(CBS; capacity bucket simulation)을 수행함으로써 공장 자원 플래닝(planning)을 구축하는 단계를 포함할 수 있다.
강화 학습 기반의 공장 내 디스패칭 방법이 제공된다. 상기 강화 학습 기반의 공장 내 디스패칭 방법은, 공장 내에서 디스패처(dispatcher)의 디스패칭 행동(action)과 그에 따른 보상(reward) 및 상기 공장의 상태(state)에 대해서 마르코프 결정 프로세스(MDP; Markov Decision Process)를 구축하는 단계; 상기 구축된 마르코프 결정 프로세스(MDP)에 강화 학습(RL; Reinforcement Learning)을 적용하여 학습을 수행하는 단계; 및 상기 강화 학습(RL)의 결과로서, 점수화된 복수의 디스패칭 규칙들의 가중화 합을 최대로 하는 작업(job)을 선택하는 단계를 포함할 수 있다.
본 발명은 생산-물류 통합 시뮬레이션 시스템 및 시뮬레이션 방법에 관한 것으로서, 첨단부품의 생산 공정을 담당하는 생산설비와 생산설비 간의 제품 이송을 담당하는 물류설비를 통합하여 시뮬레이션하는 시스템의 생산설비 및 물류설비를 유형별로 모듈화하여 정의하는 이벤트 객체 시뮬레이터 및 이벤트 객체 시뮬레이터 간의 이벤트 예약, 이벤트 실행 및 시뮬레이션 시간 진행을 하는 시뮬레이션 코디네이터(Simulation Coordinator)를 포함하되, 이벤트 객체 시뮬레이터는 이벤트 객체 시뮬레이터가 모사하고자 하는 생산설비 또는 물류설비의 시점에서 상태변화를 정의하는 로컬 이벤트 및 다른 유형의 이벤트 객체 시뮬레이터에서 정의된 로컬 이벤트를 실행하는 미러 이벤트를 포함하여 유형별 생산설비 및 물류설비를 통합하여 시뮬레이션하는 생산-물류 통합 시뮬레이션 시스템에 관한 것이다. 본 발명은 다양한 종류의 생산설비 및 물류설비를 통합하여 시뮬레이션함으로써 정확한 생산계획 수립 및 생산능력 평가가 가능한 장점이 있다. 또한, 생산설비 및 물류설비를 유형별로 모듈화하여 유지 보수가 편리하며 가능하며 신규 유형의 설비를 추가가 용이하다.
본 발명은 각 단위 장비를 모델링하고, 모델링된 장비에 공정 적용을 위한 정책을 반영하여 반도체 제품 생산에 소요되는 납기를 신속히 예측함은 물론, 공정에 이용되는 각 장비의 가동율, 생산성 및 시간을 판단할 수 있도록 하는 반도체 공정을 위한 생산 시뮬레이트 장치를 제안한다. 이를 위해 본 발명은 반도체 제품 생산에 소요되는 공정 및 공정에 적용되는 각 장비에 대해 상기 장비에서 공정 처리에 소요되는 시간을 토대로 각 공정과 장비 각각에 대한 이벤트별 이산(discrete) 모델링을 수행하는 이산자원 모델링 모듈 및 각 공정에 대한 장비의 가용 관계를 정의하는 어레인지 테이블을 참조하여 도체 제품 생산에 소요되는 시간을 최소화하는 최적 배열을 판단하고, 최적 배열을 따라 각 장비를 어레인지 하며, 어레인지 된 장비들을 통해 생산 가능한 수량과 시간을 판단하는 시뮬레이터를 포함하여 구성될 수 있다.
본 발명은 생산 현장에서 주어진 생산 목표 달성을 위한 작업 스케줄을 생성하고, 생산 라인 설비별 작업 계획을 실시간으로 생성한 후 각 설비에 작업 분배 규칙(Dispatching Rule)에 의해 작업을 할당하며, 통합 생산관리시스템 및 실시간 작업분배 실행 및 제어를 통하여 나온 작업 결과물을 최적화 생산 스케줄링 과정에서 최적화기(Optimizer)를 활용하여 의사 결정변수(Decision Variable)를 조정하여 생산 현장 상황을 즉시 반영(Feedback)할 수 있는 로딩 시뮬레이션 엔진을 포함한 최적화된 생산 스케줄링 시스템이다.
본 발명은 모의생산 시뮬레이션 시스템에 있어서, 생산 시뮬레이션 시스템에 로딩 시뮬레이션 엔진, 지능형 분배기, 설비모델 템플릿을 장착한 로딩 시뮬레이션을 장착하여 빠른 시뮬레이션 속도, 복잡한 생산 과정에서의 신속한 시뮬레이션 모델 생성, 시뮬레이션의 정확성 실현, 생산과정에서의 적용, 생산현장 상황 반영능력이 개선된 모의생산 시뮬레이션 시스템에 관한 것이다.
본 발명은 다축 가공기계의 NC데이터 산출시 가공조건 자동산출 방법에 관한 것으로, 가공할 모델 데이터와 공구 정보 및 가공 기계 형상 데이터 CL데이터를 이용하여 공구각도 설정시 절삭가능영역을 산출하고, 충돌없이 가공가능한 공구각도를 산출하며, 최소 공구장을 산출하여, 원하는 모델을 충돌없이 가공할 수 있는 다축 가공기계의 NC데이터를 정확하고 신속하게 산출하는 방법을 제공하는 데 있다. 5축, 각도, 영역, 공구, NC데이터, 공구장
본 발명은 일정관리를 위한 제조공정 모델링 방법에 관한 것으로, 보다 상세하게는, a) 신규 제품에 대한 제품시방서를 기준으로 표준공정명세서를 작성하여 표준공정명세서DB에 기록하는 단계(S100); b) 상기 표준공정명세서DB와 신규투입 Lot정보DB로부터 생산공정명세서를 생성하여 생성된 신규 생산공정명세서를 생산공정명세서DB에 저장하는 단계(S200); c) 현장관리시스템(POP/MES)으로부터 각 Lot별 작업진행 실적이 입력된 작업실적DB를 바탕으로 상기 생산공정명세서를 갱신하는 단계(300); d) 갱신된 생산공정명세서로부터 작업 스케줄을 생성하는 단계(S400); 및 e) 생성된 작업스케줄에 따라 현장작업지시 내용이 상기 현장관리시스템(POP/MES)을 통해 작업자에게 지시되고(S500), 상기 현장작업지시 내용이 작업지시DB에 저장되는 단계;를 포함하는 것을 특징으로 하는 일정관리를 위한 제조공정 모델링 방법에 관한 것이다. 제조공정 모델링, 일정관리, 네트워크 모델링, 공정명세서(BOP), 스케줄링
본 발명은 NC 데이터 및 NC 작업 지시서 생성 업무의 일관화 및 자동화 방법에 관한 발명으로서, 상세하게는 a) 공정계획 DB를 바탕으로 피삭물의 가공조건, 절삭공구요건 및 가공방법으로 구성된 가공공정이 순차적으로 NC 데이터에 저장되는 단계; b) CAM 시스템을 이용하여 상기 NC 데이터에 순차적으로 저장된 가공공정에 따라 피삭물의 NC 데이터가 생성되는 단계; c) CAD 모델에 의한 모의 가공을 이용하여 NC 데이터의 형상 오류가 검출되는 단계; d) 피삭물의 가공 완료 후 생성된 실제 데이터와 상기 c) 단계의 NC 데이터가 비교되어 검출된 오차가 보정된 새로운 가공공정이 DB에 다시 저장되는 단계; 로 구성된 것을 특징으로 한다. 본 발명에 따른 NC 데이터 및 NC 작업 지시서를 생성하는 방법은 NC 데이터 생성 업무 효율화하고, 가공 지식의 축적 및 활용이 가능하며, 공정, 부서별 데이터활용의 효율화 및 생산시간 단축할 수 있는 장점이 있다. CAM, 데이터 일관화, 자동화, 가공공정계획, NC 데이터, 작업지시서
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 46건 중 46건 · 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) | 142.9 | 187.6 |
| 매출원가 | 134.1 | 122.8 |
| 매출총이익(손실) | 8.7 | 64.8 |
| 판매비와관리비 | 46.8 | 55.2 |
| 영업이익(손실) | (38.1) | 9.6 |
| 영업외수익 | 8.6 | 3.6 |
| 기타이익 | 0.3 | 0.1 |
| 금융수익 | 8.4 | 3.5 |
| 영업외비용 | 11.3 | 33.1 |
| 기타손실 | 1.9 | 1.1 |
| 금융원가 | 9.4 | 32.0 |
| 법인세비용차감전순이익(손실) | (39.6) | (25.0) |
| 법인세비용 | (7.8) | (0.0) |
| 당기순이익(손실) | (31.9) | (24.9) |
매출은 187.6억으로 전년 대비 31.3% 증가한 것으로 나타났다.
영업이익률은 5.1%로 전년 -26.6%에서 상승했다.
당기순이익은 -24.9억으로 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 · 2026-11-06 확인