Loading the company…
Loading the company…
㈜에이티지
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-11 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Gyeonggi, founded in 2013. Industry: R&D & Professional Services. Revenue for 2025 was ₩10.4bn. It has 58 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”.
Loading…
Latest filing 2026-02-03 · latest registration 2026-07-02 · newest first
본 발명의 목적은 이상탐지 결과와 규칙기반 진단 결과 간의 불일치 정보를 피드백 데이터로 체계적으로 활용하여, 전문가의 수동 개입 없이도 운전 조건 및 설비 상태에 맞추어 규칙기반 진단의 임계값을 자동으로 보정하고 최적화할 수 있는 적응형 임계값 자동 조정 메커니즘을 제공하는 운전상태 기반 임계값 조정형 풍력발전기 진동 진단 시스템 및 방법을 제공하는 것이다. 이에 의해, 이상탐지 결과와 규칙기반 진단 결과 간의 불일치 정보를 피드백으로 활용하여 규칙기반 진단의 임계값을 자동으로 조정함으로써, 진동 진단 전문가의 상시 개입 없이도 터빈별 결함 탐지 성능이 운전 데이터 축적에 따라 점진적으로 향상되는 효과가 있고, 특히 이상탐지에서 의미 있는 이상 징후가 확인되었음에도 규칙기반 임계값 미달로 정상 처리되는 상황을 체계적으로 수집하고 보정 계수를 자동 갱신함으로써, 미탐 위험을 실질적으로 낮출 수 있는 효과가 있다.
본 발명의 목적은 도면에서 정보를 자동으로 분석하여 실제와 일치하는 3D 모델을 생성하고, 이를 디지털 트윈으로 확장하여 설계 및 운영의 효율성과 정밀성을 높임으로써, 다양한 산업에서 설계, 생산, 운영 등의 프로세스를 혁신하고 가상과 현실 간의 연결성을 강화시킬 수 있도록 도면과 실제 물체를 맵핑 학습을 통해 모델을 생성하고 생성된 모델을 통해 도면을 분석하여 3D 모형을 자동 생성하는 맵핑 학습을 통해 생성된 모델을 이용한 승강기를 포함하는 건물의 3D 모형 자동 생성 시스템 및 그 방법을 제공하는 것이다. 상기 목적을 달성하기 위해, 본 발명의 일 실시예에 따른 맵핑 학습을 통해 생성된 모델을 이용한 승강기를 포함하는 건물의 3D 모형 자동 생성 시스템은, 도면에 나타낸 도면 데이터와, 실제 건물의 이미지 데이터가 입력되는 입력부; 및 상기 도면 데이터에 포함된 기호와, 상기 이미지 데이터의 맵핑 학습을 통해 생성된 모델로부터 승강기를 포함하는 건물의 3D 모델을 생성하는 서버;를 포함하는 것을 특징으로 한다.
상술한 과제를 해결하기 위한 본 발명의 목적은, 발전기의 고온 가스터빈 상부에 설치되는 화재감지기의 잦은 오동작을 예방하고 동작상태를 실시간으로 상세하게 모니터링할 수 있는 발전기의 화재 감지 모니터링 시스템을 제공하는 것이다. 상술한 과제를 해결하기 위한 본 발명에 따른 발전기의 화재 감지 모니터링 시스템은, 발전소 발전기에 다수개의 구역별로 설치된 다수개의 화재 감지기; 상기 화재 감지기의 화재 감지신호를 전달받는 화재감시 시스템의 제어판에 설치되는 것으로, 상기 각 구역별 화재 감지기에 인가되는 전압 신호를 수신하는 감지기 수신부와, 상기 수신된 전압 신호를 미리 설정되어 분류된 전압 신호 범위에 따라 상기 화재 감지기의 동작상태를 판단하는 동작상태 판단부와, 상기 동작상태 판단부에서 판단된 상기 화재 감지기의 동작상태 정보를 표시하는 동작상태 출력부를 포함하여 각 구역별 상기 화재 감지기를 감시하는 다수개의 감시기판; 및 상기 화재감시 시스템의 감지신호와 각 구역별 감시기판으로부터 전달받은 상기 동작상태 정보를 기반으로 상기 화재감시 시스템을 제어, 모니터링 및 통합 관리하는 중앙제어장치를 포함하는 것을 특징으로 한다.
상술한 과제를 해결하기 위한 본 발명의 목적은, 발전기의 고온 가스터빈 상부에 설치되는 화재감지기의 잦은 오동작을 예방하고 동작상태를 실시간으로 상세하게 모니터링할 수 있는 발전기의 화재 감지 모니터링 방법을 제공하는 것이다. 상술한 과제를 해결하기 위한 본 발명에 따른 발전기의 화재 감지 모니터링 방법은, (a) 화재감시 시스템의 제어판에 설치된 감시기판이 발전소 발전기에 다수개의 구역별로 설치된 다수개의 화재 감지기의 감지신호와 각 구역별 상기 화재 감지기에 인가되는 전압 신호를 수신하는 단계; (b) 상기 감시기판이 상기 수신된 전압 신호를 미리 설정되어 분류된 전압 신호 범위에 따라 각 구역별 상기 화재 감지기의 동작상태를 판단하고 판단된 상기 화재 감지기의 동작상태 정보를 생성하는 단계; 및 (c) 중앙제어장치가 수신된 화재 감지신호와 상기 동작상태 정보를 기반으로 상기 화재감시 시스템을 제어, 모니터링 및 통합 관리하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 목적은 물류 하역지에 하역된 물류를 각각의 배송지까지 로봇으로 배송하는 동안 승강기를 안전하게 통과하여 해당 배송지까지 정확하게 배송할 수 있는 승강기를 통해 층간 이동이 가능한 물류 배송 로봇 시스템 및 물류 배송 방법을 제공하는 것이다. 상기 목적을 달성하기 위해, 본 발명에 따른 승강기를 통해 층간 이동이 가능한 물류 배송 로봇 시스템은, 건물의 물류 하역지에 하역된 물류를 배송하도록 제어 및 관제하는 중앙 관제부; 상기 중앙 관제부의 제어에 의해 승강기를 이용하여 물류를 배송하는 로봇; 및 상기 로봇에 의해 배송되는 물류를 수령하는 복수의 배송지;를 포함하는 것을 특징으로 한다.
본 발명에 따른 인공 지능을 이용한 설비의 예측 진단 방법은 (a) 열화상 카메라로부터 설비의 열화상 이미지를 수집하여 학습 데이터를 확보하는 단계, (b) (a) 단계에서 확보된 학습 데이터에 라벨링 하는 단계, (c) 학습 데이터를 학습 알고리즘에서 사용 가능한 이미지 특성으로 변환하는 단계, (d) (c) 단계에서 변환된 학습 데이터를 딥러닝 기반의 객체 검출 알고리즘을 이용하여 훈련하는 단계 및 (e) (d) 단계에서 훈련된 훈련 모델과 진단 설비의 열화상 이미지를 비교하여 진단 설비의 상태를 판별하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 따른 열화상 이미지의 발열 및 반사열 판별 방법은 a) 열화상 카메라로 피사체를 촬영하여 피사체의 열화상 이미지를 수집하는 단계, b) 열화상 이미지의 열화상의 온도 분포에 따른 특징을 분석하는 단계, c) b) 단계에서의 분석에 따른 열화상 이미지에서의 발열 및 반사열을 검출하는 단계 및 d) c) 단계에서 검출된 열화상 이미지에서의 발열 및 반사열을 열화상 이미지에 발열 및 반사열 영역을 표시하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 실시예에 따른 머신러닝 특징 추출 방법은, 구조물에서 발생하는 진동을 측정하여 진동 데이터를 획득하는 진동 데이터 획득 단계, 상기 진동 데이터로부터 적어도 하나의 샘플 데이터를 추출하는 단계, 상기 샘플 데이터로부터 제1 통계 정보들을 연산하는 단계 및 상기 제1 통계 정보를 기반으로 상기 진동 데이터가 측정 오류에 의한 것인지를 판단하는 머신 러닝을 위한 특징 정보들을 추출하는 단계를 포함한다.
본 발명의 실시예에 따른 진동 측정 오류 판단 방법은, 구조물에서 발생하는 진동을 측정하여 진동 데이터를 획득하는 진동 데이터 획득 단계, 미리 설정된 오류 데이터 선정 규칙에 기초하여 상기 진동 데이터가 측정 오류에 의한 것인지 여부를 판단하는 제1 판단 단계, 기계 학습 알고리즘을 이용해 상기 진동 데이터가 측정 오류에 의한 것인지 여부를 판단하는 제2 판단 단계 및 상기 제1 판단 단계와 상기 제2 판단 단계에서 판단된 결과를 기반으로 상기 진동 데이터가 측정 오류에 의한 것인지 여부를 판단하는 최종 판단 단계를 포함한다.
본 개시에 따른 회전기계의 결함 진단 방법은 회전기계의 상태를 진단한 데이터에 기반하여 머신러닝을 통해 상기 회전기계에 대한 제 1 결함 값을 진단하는 단계 및 상기 회전기계의 결함과 연계된 주파수 및 상기 제 1 결함 값에 기반하여 제 2 결함 값을 진단하는 단계 및 상기 회전기계의 전체 진동 값 및 상기 제 2 결함 값에 기반하여 제 3 결함 값을 진단하는 단계 및 상기 제 1 결함 값, 상기 제 2 결함 값 또는 상기 제 3 결함 값 중 적어도 하나에 기반하여 상기 회전기계의 결함 심각도를 결정하는 단계를 포함할 수 있다.
본 개시에 따른 회전기계의 결함 진단 방법은 회전기계의 상태를 진단한 데이터에 기반하여 결함 레벨을 결정하되, 상기 회전기계의 상태를 진단한 데이터는, 상기 회전기계의 진동신호와 관련된 특징벡터, 상기 회전기계의 결함과 연계된 주파수 또는 상기 회전기계의 전체 진동 값 중 적어도 하나를 포함하는 단계 및 상기 회전기계의 상태 이력 데이터 상의 결함과 관련된 정보 또는 상기 회전기계의 운전 정보와 관련된 알람의 발생 여부 중 적어도 하나에 기반하여, 상기 결함 레벨에 가중치를 적용하는 단계 및 상기 가중치가 적용된 결함 레벨에 기반하여 상기 회전기계의 결함 심각도를 결정하는 단계를 포함할 수 있다.
본 발명은 발전설비용 정비전략수립을 위한 의사결정방법에 관한 것으로, 발전설비의 실시간 운전정보 시스템 및 발전설비관리 시스템과 연결된 의사결정 시스템을 준비하는 단계;와, 상기 실시간 운전정보 시스템으로부터 발전설비의 운전정보를 입력받는 단계;와, 상기 발전설비관리 시스템으로부터 APM 대상설비를 지정하는 단계;와, 상기 APM 대상설비의 총정비항목 및 해당 발전설비에서의 실 정비현황을 확인하는 단계;와, 발전설비의 APM 대상설비의 총정비항목 중에서 보완 정비항목을 선정하는 단계;와, 보완 정비항목으로 선정된 항목에 대하여 RCM을 수행하는 단계;와, 상기 실 정비현황 및 보완 정비항목 중에서 정비전략수립을 위한 의사결정 대상 항목을 선정하는 단계; 및 상기 의사결정 대상 항목을 선정하는 단계에서, 정비항목 부품의 시간 연관성 또는 비용 연관성을 고려하여 의사결정을 하는 단계;를 포함하고 있다.
본 발명은 원자력 발전설비의 기계학습식 복합결함 예측진단장치에 관한 것으로, 설비로부터 진동신호를 수신하여 저장하는 진동신호 수신모듈; 상기 진동신호를 전처리하는 신호 전처리모듈; 상기 진동신호로부터 통계적, 형태적 특성값을 계산하는 특성 추출모듈; 상기 특성추출모듈에서 추출된 특성값 중 상기 설비에 적합한 1차 특성값 그룹을 선택하는 특성 선택모듈; 상기 특성 선택모듈에서 선택된 1차 특성값 그룹을 제외한 그룹을 대상으로, 설비의 복합결함을 감지하기 위하여 2차 특성값 그룹을 재선택하는 특성 재순환모듈; 및 상기 특성 선택모듈에서 선택된 1차 특성값 그룹 및 특성 재순환모듈에서 재선택된 2차 특성값 그룹을 통해 머신학습하고, 상기 학습 결과를 통해 상기 설비를 진단하는 진단모듈;을 포함하고 있다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 13 of 13 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 11.5 | 10.4 |
| Operating expenses | 10.6 | 10.2 |
| Selling, general and administrative expenses | 6.2 | 5.0 |
| Operating income (loss) | 0.9 | 0.2 |
| Non-operating income | 0.0 | 0.1 |
| Other gains | 0.0 | 0.0 |
| Finance income | 0.0 | 0.0 |
| Other | 0.0 | 0.0 |
| Non-operating expenses | 0.8 | 0.2 |
| Other losses | 0.0 | 0.0 |
| Finance costs | 0.3 | 0.2 |
| Other | 0.5 | 0.0 |
| Profit (loss) before tax | 0.1 | 0.1 |
| Income tax expense | 0.0 | — |
| Net income (loss) | 0.1 | 0.1 |
Revenue ₩10.4bn, down 9.0% YoY.
Operating margin 2.0% (prior 7.7%).
Net income ₩0.1bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.
Headlines and links to public articles only · not checked by us (original ↗) · articles are in Korean — English headlines are our translation; where none is shown, “Read in English ›” opens a machine translation · “Broker view” is a forecast, not reported results · checked 2026-11-07