(주)에이팀벤처스가 운영하는 국내 최대급 제조 매칭 플랫폼 'CAPA'와 도면 기반 협업 SaaS 'CAPA Connect', 그리고 비전·시계열 AI 기반 제조 운영 AI 'MOAI'를 결합한 제조 AI 솔루션입니다.

CAPA의 매칭 데이터 자산(누적 수요기업 약 25,000사·제조공장 약 3,000사)과 CAPA Connect의 도면 자동 해석·BOM·견적 자동화 AI를 축으로, 의료·바이오·화장품·식품·제지 등 융합바이오 5대 산업군 제조 공정에 비전·시계열 AI를 결합해 적용합니다.

주요 차별점

- 국내 최대급 제조 매칭 데이터 자산 기반의 산업별 도메인 데이터 누적

- 도면 자동 해석·BOM·견적 자동화 AI 자체 기술 보유 및 상용 운영

- 비전(이상탐지·분류·분할·객체탐지·OCR)·시계열(이상탐지·회귀) AI 자체 운영 경험

- 운영기관 제공 'Manu MLOps 플랫폼(네이버 클라우드)' 기반 개발·배포 호환

- 클라우드 SaaS 제공 — 별도 서버 구축·설치 비용 부담 없음

[활용 분야]

- 의료(의료기기)·바이오(의약품)·화장품·식품·제지 등 융합바이오 5대 산업군 제조 공정

- 자체 ERP·MES·MLOps 환경이 미구축된 중소·중견 제조사

- 도면·BOM·견적 처리, 공정 비전 검사, 시계열 이상탐지 등 제조 AI 적용 수요 기업

[활용 방식]

- CAPA 매칭 데이터·산업별 도메인 데이터 → 학습 데이터 구축의 출발점

- CAPA Connect 도면 AI → 도면 자동 해석·BOM·견적 자동화로 데이터 정제·라벨링 가속

- MOAI → 비전·시계열 AI 기반 공정 이상탐지·품질 예측·운영 모니터링

- 운영기관 제공 Manu MLOps 플랫폼(네이버 클라우드) 기반 학습·배포·운영

- 클라우드 SaaS — 별도 설치 없이 가입 즉시 사용

[주요 기능]

A. 매칭 데이터 자산 (CAPA)

- 누적 수요기업 약 25,000사 · 제조공장 약 3,000사 매칭 데이터 활용

- 산업별 도메인 데이터 누적 → 학습 데이터 출발점 제공

B. 도면 AI (CAPA Connect)

- 2D 도면(PDF·DWG) 자동 인식, 치수·재질·공정 추출 [컴퓨터비전]

- BOM·공정 정보 추출 및 견적 자동화 [자연어 처리]

- 견적서·발주서·작업지시서 자동 생성 [생성형 AI]

C. 공정 운영 AI (MOAI)

- 비전 외관 검사·이상탐지·분류·분할·객체탐지·OCR

- 시계열 공정 이상탐지·품질 회귀 예측

- Manu MLOps 플랫폼 호환 모델(AHHA·ConvNext·PatchTST·XGBoost 계열) 활용

[수행 방법론 — 4단계 게이트]

STEP 1. 진단 — 공정·데이터 Pain-Point 분석, 데이터 보유 현황 점검

STEP 2. 데이터 — 수집·전처리·라벨링, 학습 데이터 스키마 설계

STEP 3. 모델 개발 — Manu MLOps 기반 학습, 성능 검증(TTA 협력)

STEP 4. 현장 적용·인계 — SDK 기반 실증 운영, 사후관리 모니터링

[제공 형태]

- 클라우드 기반 SaaS — 설치·서버 구축 불필요

- 기업·사용자 단위 구독형 과금- 멀티 클라우드 운영 호환 (AWS·네이버 클라우드 등)

※ 위 시나리오·방법론은 매칭 단계 출발점이며, 실제 적용 범위·지표는 수요기업 공정·데이터 보유 현황 진단 후 맞춤 재설계합니다.

본 AI 솔루션은 검증된 오픈소스 프레임워크와 상용 클라우드 AI 서비스를 결합하여 개발되었다.

- 애플리케이션 계층: React 기반 풀스택 웹 프레임워크(서버 사이드 렌더링), TypeScript, 유틸리티 기반 CSS 디자인 시스템, OAuth 2.0 + JWT 인증, 다국어(i18n) 처리

- AI · 데이터 계층: 상용 클라우드 LLM 추론 API, 1024차원 벡터 임베딩, 관계형 DB 기반 벡터 유사도 검색, 도메인 특화 분류 엔진(하이브리드 의사결정), CAD 파싱 라이브러리

- 인프라 · 운영 계층: 글로벌 클라우드 서비스(서버리스 컨테이너 + 관리형 DB + 객체 스토리지), 코드형 인프라(IaC), 컨테이너 오케스트레이션, CI/CD 자동 파이프라인, 중앙 시크릿 관리, 통합 로깅·모니터링

본 시스템은 클라우드 기반 멀티테넌트 SaaS 아키텍처로 구축되어 다수 고객사가 단일 인프라를 안전하게 공유한다. 다음 세 가지 핵심 원칙에 따라 설계되었다.

- 테넌트 격리 및 보안 우선 설계: 데이터베이스 계층에서 행 단위(Row-Level) 격리 정책을 적용하여 조직 간 데이터 접근을 원천 차단한다. 모든 통신은 TLS 암호화, 저장 데이터는 KMS 기반 암호화, 자격 증명은 중앙 시크릿 저장소에서 일원 관리된다.

- 모듈러 익스텐션 + 지식 그래프 기반 AI: 영업·생산·품질·물류 등 도메인별 모듈을 고객사별로 활성화/비활성화할 수 있으며, 전사 데이터를 엔티티·관계 그래프(온톨로지)로 매핑하여 RAG(Retrieval-Augmented Generation) 방식으로 AI 응답을 생성한다. 사용자 질의를 벡터화한 뒤 관련 컨텍스트를 검색하고, 권한 필터를 적용한 컨텍스트를 LLM에 주입해 출처가 명시된 응답을 반환한다.

- 이벤트 기반 자동화 및 병렬 파이프라인: 스케줄러·트리거를 통한 워크플로우 자동 실행과 도면·문서 처리 시 속성 추출·시각 정보 추출의 비동기 병렬화로 처리 시간을 단축하며, 결과는 실시간 스트리밍 방식으로 사용자에게 전달된다.

본 솔루션의 핵심 기능인 AI 기반 분류 엔진의 성능을 실제 산업 도메인 데이터로 평가하였다. 본 과제는 다중 클래스 분류(Multi-class

Classification) 태스크에 해당하므로, 해당 분야에서 일반적으로 인정되는 성능 지표인 정확도(Accuracy), 정밀도(Precision), 재현율(Recall),

F1-score를 채택하였다.

[테스트 환경]

- 실제 산업 현장 데이터 156건, 분류 클래스 7종

- 정답 라벨은 도메인 전문가 수기 검수(Ground Truth)

- 표준 분류 평가 도구(classification_report) 기반 평가

[전체 성능 지표]

- 정확도(Accuracy): 0.897

- Macro F1-score: 0.863

- Weighted F1-score: 0.901

- 자동화율(신뢰도 0.9 이상 비율): 84.6%

- 도면 1건당 평균 처리 시간: 2.4초

[클래스별 성능 (요약)]

- 고신뢰 분류군(4종): Precision 0.921.00, Recall 0.921.00, F1-score 0.93~1.00

- 일반 분류군(2종): Precision 0.900.95, Recall 0.850.86, F1-score 0.88~0.90

- 모호 분류군(1종): Precision 0.38, Recall 0.50, F1-score 0.43

[종합 평가]

- 전체 156건 중 약 84.6%가 별도 검토 없이 자동 분류 가능한 수준의 신뢰도를 확보

- 기존 수동 분류 방식 대비 처리 시간 99% 이상 단축

- LLM 기반 보조 모듈에서 카테고리 추론 정확도 86%, 도메인 전문가 만족도 4.1/5.0 달성

- 모호 분류군은 추가 데이터 확보 및 LLM 보조 분류 적용으로 단계적 개선 예정