Track 1 — 제조 AI 서두/본문 공통 본문 목차¤

📖 약 20 분 읽기

이 페이지 둘러보기

본 페이지는 약 424 줄 / H2 섹션 6 개 입니다. 우측 목차 (TOC) 를 활용하여 원하는 섹션으로 빠르게 이동할 수 있습니다.

서문¤

본 문서는 철강·금속가공을 중심으로 한 부산·경남권 제조업체(화승, YCP특수강, 코리녹스, 코렌스, 대한제강, 한국철강 등)를 고객으로 하는 제조 AI 관련 정부지원 사업계획서 · 사업신청서 · 수행계획서 · 연구개발계획서 작성 시, 서두와 본문(Track 1) 에 반복적으로 투입되는 내용을 모듈 단위로 재사용 할 수 있도록 설계한 공통 목차이다.

각 섹션은 특정 사업계획서의 한 문단이 아니라, 섹션·문단 단위로 자립적인 블록 으로 구성되어 있다. 한 번 집필된 블록은 고객사·지원사업 포맷이 달라져도 최소한의 수정으로 재사용 가능하도록 설계하였으며, 각 섹션마다 고정 공통 / 업종별 교체 / 규모별 생략 가능 여부를 명시하였다. 고객사명·공정명·수치는 모두 [고객사], [공정], [수치] 플레이스홀더로 표기한다. 철강·금속가공을 기본으로 하되, 고무·폴리머([고무·폴리머 제조사]), 정밀가공 등 타 업종 대응 지점은 대안 문구 또는 옵션 블록으로 표시하였다.

ℹ️ 페이지 정보 (워크스페이스 메타)

플레이스홀더 범례 — [고객사] 고객사명, [공정] 대상 공정명, [수치] 수치, [기간] 기간, [%] 비율. 특정 고객사 전용 문구는 공통 자산과 분리되며, 본 문서는 고정 공통 블록 기준으로 작성됨.

목차 전체 구조¤

1. 사업 개요 및 추진 배경
   1.1 과제명·사업기간·추진 체계 요약
   1.2 제조 AI 도입 필요성 (거시 환경)
   1.3 철강·금속가공 산업의 디지털 전환 당위성
   1.4 고객사 현황 요약 및 핵심 문제의식

2. 기업 현황 및 대상 공정 분석
   2.1 도입기업 개요 및 재무 현황
   2.2 대상 공정의 제조 프로세스 및 특성
   2.3 기존 스마트공장·ICS/MES 구축 이력
   2.4 제조 데이터 보유 현황

3. 현황 및 문제점 (AS-IS)
   3.1 공정 운영의 인적 의존성 및 암묵지 리스크
   3.2 데이터 단절 및 비정형·이미지 기반 관리의 한계
   3.3 품질 편차 및 불량 원인 추적 체계 부재
   3.4 실시간 운영·의사결정 체계의 공백
   3.5 종합 위기 직면 (구조적 문제 요약)

4. 목표 모습 (TO-BE) 및 제조 AI 도입 전략
   4.1 TO-BE 개념도 및 핵심 전략
   4.2 AI 적용 공정 및 기능 분류
   4.3 활용 데이터 유형 및 수집 설계
   4.4 피쳐 엔지니어링 접근
   4.5 모델·알고리즘 선정 기준 및 앙상블 구성
   4.6 데이터 → 피쳐 → 모델링 → 현장 적용 전체 파이프라인

5. 구축 상세 내용
   5.1 데이터 수집·정형화 단계
   5.2 AI 엔진 개발 단계
   5.3 Human-in-the-loop 검증 체계
   5.4 기존 시스템(MES/ERP/SCADA/PLC) 연동 방안
   5.5 단계별 추진 일정 및 마일스톤

6. 기대효과 및 성과 지표
   6.1 정량적 기대효과 (AS-IS vs TO-BE)
   6.2 정성적 기대효과 및 제조혁신 연계성
   6.3 핵심 성과 지표(KPI) 및 측정 방법
   6.4 중장기 로드맵과의 연계

7. Track 2·3 연계 섹션 (선택 삽입)
   7.1 MLOps 및 지속적 개선 체계 (→ Track 2)
   7.2 LLM·RAG 기반 지식자산화 (→ Track 3)

각 소섹션별 카드¤

1.1 과제명·사업기간·추진 체계 요약¤

목적: 사업계획서 맨 앞에서 과제를 한 문단으로 정의하고 심사자에게 전체 이미지를 제공한다.
포함 내용:
과제명(한 줄) 및 과제의 핵심 키워드 3~5개
사업기간(개월 수) · 사업비 규모 · 지원금/자부담 비율
주관기관 및 (해당 시) 공동수행기관 · 수요기업 간 역할 분담
본 사업이 지원사업 공고의 어떤 주제·트랙에 해당하는지 명시
삽화·도식 후보: 추진체계도(주관-공동-수요 삼각 구조), 기간·예산 요약 테이블. 문서 상단 1페이지 내 배치.
고객사별 가변 여부: 공통 골격 고정, 금액·기간·기관명만 교체.

1.2 제조 AI 도입 필요성 (거시 환경)¤

목적: "왜 지금, 제조업에 AI인가"를 국내외 거시 환경으로 정당화한다.
포함 내용:
글로벌 제조업 저성장 기조 및 공급과잉 · 인건비 상승 · 숙련인력 고령화
선진국 제조기업의 IoT·CPS·AI 기반 자율 네트워크 제조 전환 트렌드
국내 제조업의 DX 4단계 모델(디지털화 → 공급사슬 통합 → 플랫폼 → 신사업) 중 현재 위치
중대재해처벌법 · ESG 등 규제 변화로 인한 표준·데이터 기반 운영의 불가피성
정부 지원정책 맥락(스마트공장, 대중소상생, 디지털 경남 등)
삽화·도식 후보: 글로벌 철강 수요·생산·가동률 그래프, DX 4단계 계단형 다이어그램, 제조 데이터·AI 투자 트렌드 막대차트. 섹션 도입부 2~3개 배치.
고객사별 가변 여부: 공통 고정. 업종별로는 철강/고무/정밀가공 통계 그래프만 교체.

1.3 철강·금속가공 산업의 디지털 전환 당위성¤

목적: Track 1의 핵심 도메인인 철강·금속가공에 초점을 맞춰 AI 도입의 산업적 명분을 확립한다.
포함 내용:
철강산업 수요 정체 및 다품종 소량 생산 체제 확대
"감과 수작업"에 의존하는 기존 방식의 한계
압연·열처리·인발·필거밀 등 핵심 공정의 복잡도(변수 10종 이상 동시 최적화)
고부가가치화 요구(듀플렉스강, 고정밀 두께/공차 ±0.05mm 수준)와 현장 운영의 괴리
옵션 블록: 고무·폴리머([고무·폴리머 제조사]) → 배합·경화·압출 공정 편차 / 정밀가공 → 치수 정밀도 · 열영향
삽화·도식 후보: 공정 복잡도 분석 인포그래픽(변수 간 상호 연동), 다품종 소량 생산 증가 추이 그래프. AS-IS 섹션 바로 앞에 배치해 문제의식 교량 역할.
고객사별 가변 여부: 업종별 교체(철강 vs 고무·폴리머 vs 정밀가공 블록을 분리 관리).

1.4 고객사 현황 요약 및 핵심 문제의식¤

목적: 일반 담론에서 해당 고객사의 구체 상황으로 좁혀 심사자에게 "이 기업은 왜 이 과제가 필요한가"를 한 페이지로 전달한다.
포함 내용:
[고객사] 주력 제품·주요 공정·핵심 고객사 · 연혁
현재 스마트공장 수준(기초/중간1/중간2/고도화)과 기존 구축 자산
현재 직면한 3~4개 구조적 문제를 블렛으로 요약
본 사업이 해결하고자 하는 핵심 과제 (한 줄 명제문)
삽화·도식 후보: 4분할 문제인식·해결방안 요약도([중견 스테인리스 냉연사 스타일]), 기업 연혁 타임라인, 주요 고객사 로고 벽.
고객사별 가변 여부: 고정 골격 + 고객사별 전면 교체.

2.1 도입기업 개요 및 재무 현황¤

목적: 지원사업 공식 서식 요구 항목(기업정보·재무현황)을 충족한다.
포함 내용: 기업명·대표자·소재지·업종코드·주생산품·종업원수·최근 3개년 매출/영업이익/수출액/부채비율·스마트공장 지원 이력.
삽화·도식 후보: 표 형태(서식 양식 준용), 본사·공장 전경 사진, 주요 인증서 썸네일 그리드.
고객사별 가변 여부: 고객사별 전면 교체. 골격은 공통 서식.

2.2 대상 공정의 제조 프로세스 및 특성¤

목적: AI를 적용할 대상 공정의 기술적 맥락을 명확히 정의한다.
포함 내용:
원재료 입고 → [공정1] → [공정2] → ... → 출하에 이르는 전체 플로우
대상 공정의 핵심 변수(온도·압력·속도·패스 수·인발률 등)
품질에 직결되는 변수 조합 및 왜 단일 변수로 설명 불가능한지 서술
국제 인증 · 선급 인증 보유 현황(ISO 9001/14001, IATF 16949, AS9100 등)
삽화·도식 후보: 전체 공정 플로우 다이어그램(아이콘 기반), 공정 설비 사진 + 기술 스펙 캡션, 핵심 변수 상호작용 맵.
고객사별 가변 여부: 업종별 교체 + 고객사별 공정 상세 교체.

2.3 기존 스마트공장·ICS/MES 구축 이력¤

목적: 본 사업이 "처음 시작"이 아니라 기존 기반 위에 "고도화"를 추가한다는 단계적 연속성을 보여준다.
포함 내용: 연도별 구축 시스템 테이블(MES/ERP/ICS/APS/FEMS 등), 수집 중인 설비 데이터 규모, 현재 스마트공장 수준 진단 결과와 목표 수준.
삽화·도식 후보: 연도별 마일스톤 타임라인, ICS/MES 주요 화면 캡처 그리드, 수준진단 레이더 차트.
고객사별 가변 여부: 규모별 생략 가능(소기업은 축약, 중견 이상은 필수).

2.4 제조 데이터 보유 현황¤

목적: AI 학습의 원재료가 되는 데이터 자산의 규모·유형·품질을 입증한다.
포함 내용:
공정별 · 설비별 데이터 유형(시계열 센서, PLC 로그, MES/SCADA DB, 비전 이미지, 문서·엑셀) 매트릭스
수집 주기 · 누적 규모(건수 · GB) · 구축 위치 · AI 도입 대상 여부 표기
데이터 품질 상태(정형/반정형/비정형, OCR 필요 여부 등)
삽화·도식 후보: 데이터 보유현황 대형 표([강관 제조사 스타일]), 데이터 볼륨·유형 파이/스택 차트.
고객사별 가변 여부: 고객사별 전면 교체. 표 골격과 컬럼 정의는 공통.

3.1 공정 운영의 인적 의존성 및 암묵지 리스크¤

목적: "왜 AI여야만 하는가"의 첫 번째 근거 — 사람에만 의존할 수 없다는 점을 설득한다.
포함 내용:
1~2명 베테랑 숙련공의 머릿속 경험(암묵지)에 100% 의존하는 설계·운영 구조
핵심 인력 퇴직 시 공정 역량이 즉각 마비되는 치명적 리스크
작업자별 숙련도 차이로 인한 설계 편차 ±[수치]% 발생
수식화된 매뉴얼 부재, Excel·수기 메모 기반 파편적 관리
삽화·도식 후보: "암묵지 의존 구조 리스크" 인포그래픽([강관 제조사 스타일]), 문제점-현황-리스크 3열 표, 공정 복잡도 분석 다이어그램(변수 수~[수치]만 조합).
고객사별 가변 여부: 공통 고정 (모든 고객사 공통). 수치만 교체.

3.2 데이터 단절 및 비정형·이미지 기반 관리의 한계¤

목적: 두 번째 근거 — 데이터는 존재하지만 단절·비정형이어서 AI 학습과 의사결정에 쓸 수 없음을 지적한다.
포함 내용:
원재료 밀시트·성적서가 PDF/이미지로만 보관되어 검색·분석 불가
MES와 품질 원본 데이터 간 자동 연동 단절, 실무자 수기 입력 의존
휴먼 에러 발생률 [수치]%, 처리 시간 건당 [수치]분
공정별 · 공급사별 양식이 제각각 → 표준화 원천 차단
삽화·도식 후보: "아날로그식 밀시트 관리로 데이터 단절" 컨셉 이미지, 문서·이미지·엑셀 파편화 현황 사진 벽.
고객사별 가변 여부: 공통 고정. 원재료 문서 종류만 업종별 교체(밀시트/배합표/도면 등).

3.3 품질 편차 및 불량 원인 추적 체계 부재¤

목적: 세 번째 근거 — 불량 발생 시 원인 분석에 수일이 소요되는 후행적 운영 실태를 드러낸다.
포함 내용:
완제품 불량 발생 시 투입 원소재 물성치 ↔ 가공 결과 상관관계 추적 데이터 기반 부재
Heat No./LOT No. 기반 자동 역추적 시스템 부재, 원인 규명에 [수치]일 소요
품질 편차 ±[수치]% 로 재작업률 [수치]%
표준운전체계 부재로 공정 재현성 · 운영 안정성 미확보
삽화·도식 후보: 불량 원인 규명 프로세스 흐름도(현재 소요시간 강조), 품질 편차 산점도.
고객사별 가변 여부: 공통 고정. 공정 명칭과 수치만 교체.

3.4 실시간 운영·의사결정 체계의 공백¤

목적: 네 번째 근거 — 수작업 집계와 사후 보고 구조의 한계를 지적한다.
포함 내용:
종이 일보 기반 · 익일 확인 구조로 실시간 생산 진행 파악 불가
경영진 의사결정 필요 시점에 현장 정보 부재, 신속 대응 곤란
영업-생산-품질 간 정보 비대칭으로 고객 납기 대응 지연
설비 이상 징후 사전 감지 불가, 사후 대응만 가능
삽화·도식 후보: 종이 일보·엑셀 집계 현황 사진, 현재 대시보드 조회 소요 시간 비교 막대차트.
고객사별 가변 여부: 공통 고정, 일부 규모별 생략 가능(소기업은 서술 축약).

3.5 종합 위기 직면 (구조적 문제 요약)¤

목적: 3장 전체를 1페이지로 요약하여 4장(TO-BE)으로 넘어가는 교량 역할을 한다.
포함 내용: "현재 직면 상황 / 핵심 구조적 문제 / 전환 시급성" 3단 요약표.
삽화·도식 후보: 3단 요약 테이블([강관 제조사 스타일]), 위기-전환 화살표 다이어그램.
고객사별 가변 여부: 공통 고정.

4.1 TO-BE 개념도 및 핵심 전략¤

목적: AS-IS 대비 바뀌는 운영 구조를 한 장으로 보여준다.
포함 내용:
AS-IS → TO-BE 대비 표(3~5개 혁신 영역)
핵심 추진 전략 3단계(예: 지식 추출 → 지식 모델링 → 지능형 어시스턴트)
본 사업으로 달성할 수준(중간1 → 중간2 또는 중간2 → 고도화)
삽화·도식 후보: AS-IS/TO-BE 좌우 대조 다이어그램, 3-STEP Solution Architecture.
고객사별 가변 여부: 공통 템플릿 + 문구 교체.

4.2 AI 적용 공정 및 기능 분류¤

목적: 정부 서식의 "AI 적용 공정" · "AI 기능 분류" 요구 항목을 충족하면서 본 사업의 적용 범위를 명확화한다.
포함 내용:
7대 공정 영역(재무/인사, 제품기획/설계, 구매, 제조공정, 물류, 환경/에너지/안전, 사후서비스) 중 대상 선택
5대 AI 기능(인지·예측·자동화·소통·생성) 중 대상 선택 및 근거
대상 공정별 AI 도입 목적(예지보전 / 품질관리 / 공정최적화 / 공급망 / 에너지 / 안전 / 공정설계 지능화)
삽화·도식 후보: 공정 × 기능 매트릭스 체크 표, AI 도입 목적별 기대효과 아이콘 세트.
고객사별 가변 여부: 사업별 교체(동일 고객사라도 사업마다 범위가 다름).

4.3 활용 데이터 유형 및 수집 설계¤

목적: 학습·추론에 투입될 데이터를 유형별로 정리하고 수집 설계 방침을 서술한다.
포함 내용:
시계열 센서 데이터(온도·압력·속도·진동): PLC 연동, 초·분 단위 수집
설비·장비 로그: PLC/SCADA에서 이벤트·알람 로그 수집
MES/ERP/APS DB: 생산실적·품질검사·재고·작업지시
비전 이미지: 표면결함·치수측정 등
비정형 문서: 공정설계서·작업표준서·밀시트(OCR 대상)
수집 주기 · 저장소(TSDB/RDB/Vector DB/Object Storage) 설계
삽화·도식 후보: 데이터 수집 아키텍처 다이어그램(Edge → Gateway → DAQ → DB), 데이터 유형 × 저장소 매핑 표.
고객사별 가변 여부: 업종별 교체(철강은 시계열·PLC 비중 높음, 고무·폴리머는 배합·경화 시계열, 정밀가공은 비전 비중 높음).

4.4 피쳐 엔지니어링 접근¤

목적: 원시 데이터에서 모델 입력으로 가는 설계 사고를 드러낸다 (심사자 가점 요소).
포함 내용:
도메인 지식 기반 피쳐: 패스 이력 누적값, 롤링 통계(평균·표준편차·min-max), 공정 구간 간 차분
자동 피쳐 생성: tsfresh · featuretools 등 시계열 피쳐 자동 추출
피쳐 선정 기준: 상관관계·상호정보량·SHAP 기반 중요도
피쳐 스토어 개념 도입(Track 2 MLOps로 교량)
삽화·도식 후보: 원시 데이터 → 피쳐 → 모델 입력으로 가는 3단 플로우, 피쳐 카테고리 분류표.
고객사별 가변 여부: 공통 고정. 예시 피쳐 이름만 업종별로 교체.

4.5 모델·알고리즘 선정 기준 및 앙상블 구성¤

목적: 단일 알고리즘이 아닌 문제 유형별 적합 모델 을 선정하는 사고 틀을 보인다.
포함 내용:
문제 유형별 후보: 회귀(XGBoost·LightGBM), 시계열 예측(LSTM·Transformer·TCN), 이상탐지(Isolation Forest·AutoEncoder·OneClassSVM), 분류(CNN for 비전, Transformer for 문서), 추천(유사도 기반 Retrieval + LLM)
선정 기준: 데이터 규모 · 해석가능성 · 추론 지연 · 재학습 주기 · 현장 엣지 배포 가능성
앙상블 전략: Stacking · Weighted Average · Model Router(문제 성격별 분기)
베이스라인 모델 → 후보 모델 → 채택 모델의 선정 프로세스
삽화·도식 후보: 문제유형 × 후보모델 매트릭스, 앙상블 아키텍처 다이어그램, 모델 선정 의사결정 트리.
고객사별 가변 여부: 공통 고정. 대상 문제에 따라 채택 모델만 다르게 표기.

4.6 데이터 → 피쳐 → 모델링 → 현장 적용 전체 파이프라인¤

목적: 4장 전체를 한 장의 엔드투엔드 파이프라인 그림으로 압축한다.
포함 내용: 데이터 수집 → 정제 · 라벨링 → 피쳐 엔지니어링 → 학습/평가 → 배포 → 추론 · 피드백 → 재학습 루프.

삽화·도식 후보: 대형 파이프라인 다이어그램 1장(한 페이지 풀 사이즈). Mermaid 예시:

flowchart LR
  A[현장 데이터
  PLC/MES/비전] --> B[데이터 레이크
  TSDB/Object]
  B --> C[전처리·라벨링]
  C --> D[피쳐 엔지니어링]
  D --> E[모델 학습·평가]
  E --> F[모델 레지스트리]
  F --> G[현장 배포
  Edge/Server]
  G --> H[추론·예측]
  H --> I[운영 피드백
  품질·수율]
  I --> C

고객사별 가변 여부: 공통 고정 (고객사별 적용 시 노드 이름만 일부 교체).

5.1 데이터 수집·정형화 단계¤

목적: 구축 1단계로서 데이터 기반을 마련하는 실행 계획.
포함 내용: 데이터 수집 범위 · 주기 · 규모 (예: 과거 [수치]년 누적 공정설계 [수치]건, 밀시트 [수치]건), 단위 통일 체계(mm, ℃, %), 설비 코드 · 재질 코드 표준화, 관계형 DB · Vector DB · Object Storage로의 이관, 품질 검증 기준(누락·이상치·중복).
삽화·도식 후보: 단계별 절차 블록 다이어그램, 표준화 전·후 예시 테이블.
고객사별 가변 여부: 공통 골격 + 수치 교체.

5.2 AI 엔진 개발 단계¤

목적: 본 사업에서 개발·운영할 AI 엔진의 내부 구조를 서술하며, 시나리오 특성에 맞는 엔진 패턴을 선택·조합 한다. 단일 서술이 아니라 시나리오별 교체 블록으로 운영.
제공되는 엔진 패턴 (변형 카드) — 상세는 별도 문서 track/track1-engine-cards.md 참조:
5.2-a 유사 사례 검색·추천 엔진 — 공정설계·레시피·설정 추천 유형 (SCN-STL-07, SCN-MET-05, SCN-MET-07 등)
5.2-b 시계열 품질·이탈 예측 엔진 — 품질 예측·실시간 피드포워드 유형 (SCN-STL-01/03/05, SCN-RUB-01/04, SCN-MET-01 등)
5.2-c 비전 검사 엔진 — 표면결함·치수·행동 인식 유형 (SCN-STL-10/11, SCN-MET-02/03/06, SCN-RUB-02/05, SCN-SAF-01 등)
5.2-d 예지보전 엔진 — 이상탐지·RUL·CMMS 연동 유형 (SCN-STL-09, SCN-MET-01, SCN-UTL-02 등)
5.2-e 공정 최적화·제어 엔진 — BO·RL·제약 최적화 유형 (SCN-STL-02/06, SCN-MET-04, SCN-RUB-03, SCN-UTL-01/05 등)
5.2-f LLM·RAG 지식검색 엔진 — SOP·도면·보고서·MSDS 유형 (SCN-LLM-01~04, SCN-STL-08, SCN-MET-07, SCN-SAF-03 등)
포함 내용: 선택된 엔진 패턴별 구조(모듈 구성 · 입출력 · 성능 KPI · 제약 · 선행조건), 복수 패턴 결합 시 엔진 간 데이터·피드백 공유 지점, Track 2 운영 연계 1 문단.
삽화·도식 후보: 본 섹션 표지로 6개 패턴 개요 매트릭스(시나리오 × 엔진 패턴) 1 장 + 선택 패턴의 엔진 내부 모듈 다이어그램(변형 카드 참조).
고객사별 가변 여부: 시나리오별 전면 교체. 대상 시나리오(카탈로그 SCN-XXX)에 따라 해당 변형 카드로 교체하며, 결합 사업의 경우 복수 카드를 병기.

5.3 Human-in-the-loop 검증 체계¤

목적: 초기 AI가 현장 신뢰를 얻기 위한 숙련자 검토 루프 설계.
포함 내용: 검증 UI 화면 구성(고객 스펙 요약 → AI 추천 → 유사 오더 참조 → 예상 결과 → 검증 버튼), 피드백 프로세스("사용가능 / 수정 필요 / 부적합" 3단 평가), 숙련자 피드백 · 실제 생산 결과를 학습 데이터로 자동 축적하는 선순환.
삽화·도식 후보: 검증 UI 목업(와이어프레임), HITL 루프 사이클 다이어그램.
고객사별 가변 여부: 공통 고정 (모든 고객사에 동일 패턴).

5.4 기존 시스템(MES/ERP/SCADA/PLC) 연동 방안¤

목적: 신규 AI 시스템이 기존 자산과 어떻게 결합되는지 설계.
포함 내용: 기존 MES 작업지시 화면에 "AI 공정설계 조회" 기능 추가, 승인된 레시피를 MES 작업지시서로 자동 변환, 설비 PLC와의 데이터 양방향 인터페이스, ERP/APS와의 생산계획 연동.
삽화·도식 후보: 시스템 연동 아키텍처(기존 · 신규 · Interface 레이어 구분), API/메시지큐 흐름도.
고객사별 가변 여부: 고객사별 교체(기존 시스템 벤더와 버전에 따라 상세 교체).

5.5 단계별 추진 일정 및 마일스톤¤

목적: 수행 가능성(Feasibility) 입증.
포함 내용: 월 단위 간트차트, 단계별 산출물, 의사결정 게이트, 검수 기준.
삽화·도식 후보: 간트차트, 마일스톤 타임라인.
고객사별 가변 여부: 사업기간별 교체(9개월 · 1년 · 다년 과제 각각 템플릿 보유).

6.1 정량적 기대효과 (AS-IS vs TO-BE)¤

목적: 심사자가 가장 주목하는 수치 효과를 한 표로 요약.
포함 내용: 혁신영역별 AS-IS / TO-BE / 개선효과 3열 표. 예: 공정설계 [기간(AS-IS)]/건 → [기간(TO-BE)]/건 (연간 [수치]시간 절감), 품질 편차 ±[수치]% → ±[수치]%, 불량률 [수치]PPM → [수치]PPM, 불량 원인 추적 [기간(AS-IS)] → [기간(TO-BE)] 등.
삽화·도식 후보: AS-IS/TO-BE 대조 표, 핵심 지표 전·후 막대 그래프.
고객사별 가변 여부: 공통 표 골격 + 수치 교체.

6.2 정성적 기대효과 및 제조혁신 연계성¤

목적: 수치로 표현되지 않는 전략적 효과(지식 자산화, 인력 양성, 안전 공장, 글로벌 확장 등)를 서술.
포함 내용: 지식 휘발 리스크 완전 제거, 신규 인력 교육 기간 단축, 설계 오류 사전 차단, 작업 안전성, 글로벌 수출 확장 가능성.
삽화·도식 후보: 기대효과 5~6개 영역 아이콘 세트, 기업 비전-KPI-AI 효과 정합도 피라미드.
고객사별 가변 여부: 공통 고정. 기업 비전 문구만 교체.

6.3 핵심 성과 지표(KPI) 및 측정 방법¤

목적: 지원사업 평가 및 정산 대비 측정 가능성 확보.
포함 내용: KPI 정의(수율, 불량률, 추천 채택률, 설계 시간, 밀시트 OCR 정확도 등), 측정 주기, 기준값 · 목표값, 측정 도구.
삽화·도식 후보: KPI 카드 세트, 대시보드 개념도(Track 2 연결 지점).
고객사별 가변 여부: 공통 지표 풀 + 고객사별 선택.

6.4 중장기 로드맵과의 연계¤

목적: 본 사업이 단발성이 아니라 고객사 중장기 DX 전략의 한 단계임을 보인다.
포함 내용: 3~5년 로드맵(지능형 자율공장 → 수요예측 · 신속 견적 → 스마트 공급망 관리), 본 사업이 담당하는 영역 하이라이트.
삽화·도식 후보: 3~5년 DX 로드맵([강관 제조사 스타일 대형 다이어그램]). 6장 마지막 페이지 풀 사이즈.
고객사별 가변 여부: 고객사별 교체.

7.1 MLOps 및 지속적 개선 체계 (→ Track 2)¤

목적: Track 2 MLOps 섹션으로 자연스럽게 이어지도록 교량 문단 제공.
포함 내용: "본 사업에서 구축하는 AI 모델이 도입 초기 성능에 머물지 않고 지속적 피드백과 신규 데이터를 바탕으로 스스로 성능을 유지·향상시키는 자기 진화형 AI 운영 환경이 필수이며, 이에 대한 상세는 [별도 섹션/별첨]에서 서술함" 2~3 문단.
삽화·도식 후보: 재학습 루프 축소판, Track 2 상세 도식의 티저.
고객사별 가변 여부: 공통 고정.

7.2 LLM·RAG 기반 지식자산화 (→ Track 3)¤

목적: Track 3 LLM+RAG 섹션으로의 교량 문단.
포함 내용: 비정형 공정설계서·표준서·작업일지를 Vector DB로 구축, RAG 기술 적용하여 신규 수주 시 유사 과거 사례 검색 및 최적 공정 파라미터 자동 추천, 대화형 AI 에이전트 인터페이스로 실무자 의사결정 지원 — 3~4 문단.
삽화·도식 후보: LLM+RAG 컨셉 다이어그램 축소판.
고객사별 가변 여부: 공통 고정.

공통 자산 vs 특화 지점 맵¤

섹션	재사용 유형	설명
1.1 과제 요약	공통 골격 + 수치/기관명 교체	서식 기반, 고정
1.2 거시 환경	공통 고정	전 고객사·전 사업 동일 사용 가능
1.3 산업 당위성	업종별 교체	철강 / 고무·폴리머 / 정밀가공 3개 버전 관리
1.4 고객사 현황	고객사별 전면 교체	플레이스홀더 없이 매번 새로 씀
2.1 기업 개요	고객사별 전면 교체	서식 준수
2.2 대상 공정	업종+고객사별 교체	업종별 템플릿 → 고객사 공정 상세로 확장
2.3 구축 이력	고객사별 교체 / 규모별 생략 가능	소기업은 축약
2.4 데이터 보유 현황	표 골격 공통 + 내용 교체	컬럼 정의 공통, 값은 전면 교체
3.1 암묵지 리스크	공통 고정	수치만 교체. Track 1 전체에서 가장 재사용 높음
3.2 데이터 단절	공통 고정	원재료 문서 종류만 교체
3.3 품질·불량 추적	공통 고정	공정명·수치만 교체
3.4 실시간 공백	공통 고정 / 소기업 생략 가능
3.5 종합 요약	공통 고정
4.1 TO-BE 개념	공통 템플릿	Solution Architecture 3-STEP은 공용
4.2 AI 적용 공정	사업별 교체	지원사업 서식과 연동
4.3 데이터 유형	업종별 교체
4.4 피쳐 엔지니어링	공통 고정	피쳐 카테고리 정의는 불변
4.5 모델 선정	공통 고정	매트릭스는 재사용, 채택 모델만 교체
4.6 전체 파이프라인	공통 고정	대형 다이어그램 공용
5.1~5.4 구축 상세	고객사·사업별 교체
5.5 일정	사업기간별 템플릿
6.1 정량효과	표 골격 공통 + 수치 교체
6.2 정성효과	공통 고정
6.3 KPI	공통 풀 + 선택
6.4 중장기 로드맵	고객사별 교체
7.1/7.2 Track 2·3 교량	공통 고정

재사용 효율이 높은 Top 5 블록: 3.1 암묵지 리스크, 3.2 데이터 단절, 4.4 피쳐 엔지니어링, 4.5 모델 선정, 4.6 엔드투엔드 파이프라인 — 이 5개는 철강·고무·정밀가공 전반에서 거의 그대로 재사용 가능.

특화 지점 대표 예시 3개: 1. 1.3 산업 당위성 — 철강(수요 정체 + 다품종 소량) / 고무·폴리머(배합·경화 편차) / 정밀가공(치수 정밀도)으로 분리 관리. 2. 2.2 대상 공정 — 필거/인발([강관 제조사]), 냉간압연([중견 스테인리스 냉연사]), 압출([고무·폴리머 제조사])처럼 공정 자체가 다름. 3. 5.2 AI 엔진 — 레시피 추천(철강) vs 배합 추천(고무) vs 가공조건 추천(정밀가공)으로 도메인이 바뀜.

Track 2·3 연계 지점¤

Track 1 → Track 2 (MLOps) 연결 지점
주 연결: 4.6 전체 파이프라인 의 "재학습 루프" 노드에서 자연스럽게 Track 2로 분기.
보조 연결: 5.3 HITL 의 "피드백 데이터 자동 축적" 서술 직후, 6.3 KPI 의 "모니터링 대시보드" 언급 지점.
삽입 방식: "MLOps 상세는 [별도 섹션 / 별첨 N] 에서 구체화" 1~2 문단으로 교량 후 Track 2 블록 통째로 삽입.
Track 1 → Track 3 (LLM + RAG) 연결 지점
주 연결: 4.3 데이터 유형 의 "비정형 문서(공정설계서·작업표준서·밀시트)" 서술 직후, 또는 5.2 AI 엔진 의 "유사 케이스 검색" 모듈이 사실상 RAG 전조임을 언급하고 Track 3로 넘김.
보조 연결: 3.1 암묵지 리스크 에서 "암묵지의 형식지화" 필요성 제기 후 Track 3 방법론을 해결책으로 제시.
삽입 방식: LLM 기반 공정설계 지능화를 본 사업 핵심 과제로 삼는 경우([강관 제조사 사례]) Track 3가 본문에 통합되고, 그렇지 않은 경우 별첨으로 분리.

사용 예시 — 철강 대기업 A사 1부 조립¤

가령 대한제강 · 한국철강 수준의 철강 대기업 A사 대상 "전사적 DX 촉진 R&D" 성격의 연구개발계획서 1부를 본 목차로 조립한다고 하면, 1장은 1.1 과제 요약 + 1.2 거시 환경(공통 고정) + 1.3 철강 산업 당위성(철강 블록) + 1.4 A사 현황 순으로 8~10페이지 서두를 구성하고, 2장은 2.1~2.4 의 고객사 교체 블록으로 A사의 압연·열처리·코일 공정과 데이터 보유 현황(PLC 시계열 수십만 건/일, MES 수년치, 밀시트 PDF 수천 건)을 채운 뒤, 3장은 3.1~3.5 의 공통 고정 블록 을 거의 그대로 가져와 수치만 A사 현장 값으로 교체한다.

이어서 4장은 4.1 TO-BE 공통 템플릿 + 4.2 사업별 적용 공정 선택(공정최적화 + 품질관리) + 4.3 데이터 유형(철강 블록, 시계열·PLC 비중 높음) + 4.4·4.5·4.6 공통 고정 블록**으로 구성하여 방법론의 일반성과 깊이를 동시에 보인다. 5장은 A사 기존 MES/ERP 벤더에 맞춰 **5.4 연동 방안**을 전면 교체하고 나머지 **5.1~5.3, 5.5**는 공통 골격에 수치만 교체한다. 6장은 표 골격(**6.1, 6.3)과 공통 문구(6.2, 6.4)를 A사 중장기 로드맵과 정합시키며, 7장에서 MLOps(Track 2)와 LLM/RAG(Track 3)를 별첨으로 삽입하여 R&D 과제의 깊이를 보강한다. 이렇게 하면 약 70~100페이지 분량의 연구개발계획서 1부가 전체 분량의 60~70%가 공통 블록 으로 채워지고, 나머지 30~40%만 A사 고유 내용으로 교체되어, 재사용 효율을 극대화한 구성을 얻을 수 있다.

📌 이 페이지 정보 (개발자용)

원본 파일: track1_공통본문_목차.md
자산 군: 🔧 기술 트랙
slug 경로: track/track1-index.md
워크스페이스 정책: 원본 .md 수정 0 — hooks 로만 시각 변환
자산 자족성 정상화: Phase E7 완료 (잔여 외부 갭 4)