01
Object
설비·
산업 데이터 플랫폼 — 흩어진 데이터를 하나의 언어로.
부서·
데이터가 흐르는 세 단계 — 각 단계가 다음 AI의 신뢰도를 결정합니다.
OPC-UA·
중복 제거·
공통 스키마·
지도·
상용 레이크하우스의 메달리온 패턴(원시→정제→표준)처럼 각 계층의 품질이 다운스트림 AI의 신뢰도를 결정합니다. DataQ는 이 4계층 정제 흐름을 파이프라인으로 구성하도록 설계됩니다.
OT와 IT의 프로토콜·
실시간 스트림과 배치 데이터를 동일한 어댑터 계층에서 수집하도록 구성합니다. (지원 프로토콜은 순차 확장)
DataQ가 이기종 데이터를 표준화하면, 그 위에서 판단과 운영이 흐릅니다.
상용 데이터 플랫폼의 온톨로지 상위계층·
단순 스키마 정합을 넘어, 현실의 설비·
설비·
온도·
설비-공정-제품의 관계를 지식그래프로 연결
부서·
데이터 자산을 검색·
원본→표준까지 데이터 계보를 추적
결측·
표준 데이터셋을 실시간 질의 API로 제공
데이터 플랫폼은 끝이 아니라 시작입니다. 표준화된 데이터는 곧바로 예측 모델과 에이전트가 학습·
수집·
표와 도면이 섞인 현장 문서를 구조 단위로 해석하고, 이미지와 음성을 텍스트로 전환해 정형 데이터와 같은 층에서 다룹니다.
용어와 단위를 표준화하는 데서 그치지 않고, 설비·
데이터 품질과 모델 성능을 같은 지표 체계에서 관찰하고, 변화가 감지되면 재학습과 재배포로 이어지는 폐루프를 운영합니다.
| 항목 | DataQ 산업 데이터 플랫폼 |
|---|---|
| 입력 소스 | PLC · 센서 · SCADA · MES · ERP · Historian · 시계열 DB · 문서 |
| 수집 프로토콜 | OPC-UA · MQTT · Modbus · REST/API (실시간 스트림 + 배치) |
| 표준화 방식 | 공통 스키마 매핑 · 온톨로지 기반 의미 표준화 · 품질검증 · 결측 보정 |
| 데이터 거버넌스 | 데이터 카탈로그 · 리니지(계보) 추적 · 품질 규칙 · 접근제어 (지향) |
| 서빙 방식 | 지도(GIS)· |
| 배포 | 클라우드 · 온프레미스 · 폐쇄망(에어갭) |
산업 데이터 상호운용 표준과 데이터 거버넌스 관행을 준수하도록 설계합니다.
데이터 반출 정책과 보안 등급에 따라 배포 형태를 선택할 수 있도록 설계합니다.
빠른 구축과 확장. 표준화 파이프라인을 관리형으로 운영하며 상용 데이터 서비스와 연계.
사내 서버에 데이터를 내부화. 민감 공정 데이터를 외부로 내보내지 않고 표준화·
망분리 환경 대응. 엣지 수집과 온프레미스 표준화로 완전 격리된 데이터 기반 구성.
클라우드↔온프레미스 배포 선택으로 데이터 주권·
축적된 산업 현장 경험을 바탕으로, 데이터 통합·
분산된 공정 데이터를 통합해 예지보전·
전국 충전 인프라의 상태·
영상·
복잡한 현장 데이터 환경에서 AI 도입을 준비하는 조직에 최적화된 기반을 제공합니다.
설비·
제어망의 설비 데이터와 업무망의 MES·
작업표준서·
PoC 때마다 데이터 수집·
외부 반출이 불가능한 데이터를 내부에 둔 채로 표준화와 AI 활용 기반을 갖춰야 하는 공공·
