01
Object
설비·라인·배치 등 현실 자산을 데이터 객체로 정의
산업 데이터 플랫폼 — 흩어진 데이터를 하나의 언어로.
부서·설비마다 다른 이기종 데이터를 수집·표준화·통합해, 지도 기반 관제와 실시간 질의로 잇는 산업 데이터 기반입니다.
데이터가 흐르는 세 단계 — 각 단계가 다음 AI의 신뢰도를 결정합니다.
OPC-UA·MQTT·Modbus·REST 어댑터로 OT/IT 이기종 소스를 실시간 스트림·배치로 원본 그대로 적재.
중복 제거·타입 정합·결측 보정·이상값 필터 — 품질 규칙으로 신뢰 가능한 정제 데이터로.
공통 스키마·온톨로지에 매핑 — 설비마다 다른 데이터를 하나의 의미 모델로 통합.
지도·대시보드 관제 + 실시간 질의 API — FactoryQ·AgentQ가 즉시 소비.
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·포맷 차이를 어댑터 계층에서 흡수 — 신규 소스는 커넥터 추가로 확장합니다.
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·통합 카탈로그처럼, 표준화층의 품질이 상위 AI 전체의 신뢰도를 좌우합니다.
단순 스키마 정합을 넘어, 현실의 설비·공정·자산을 객체·속성·링크로 모델링하는 온톨로지 기반 표준화를 지향합니다. 온톨로지·GraphRAG 구축 이력을 기반으로, 상용 데이터 플랫폼 수준의 의미 표준화·거버넌스를 지원하도록 설계합니다.
설비·라인·배치 등 현실 자산을 데이터 객체로 정의
온도·진동·수율 등 속성을 표준 단위·타입으로 통일
설비-공정-제품의 관계를 지식그래프로 연결
부서·설비별 상이 포맷을 공통 스키마로 매핑
데이터 자산을 검색·발견 가능하게 목록화
원본→표준까지 데이터 계보를 추적
결측·이상·중복 검증 규칙으로 신뢰도 확보
표준 데이터셋을 실시간 질의 API로 제공
데이터 플랫폼은 끝이 아니라 시작입니다. 표준화된 데이터는 곧바로 예측 모델과 에이전트가 학습·추론할 수 있는 기반으로 이어집니다.
수집·정제·표준화·저장·서빙을 하나의 흐름으로 설계해, 단계마다 형식을 다시 맞추는 낭비 없이 데이터가 이동하도록 구성합니다.
표와 도면이 섞인 현장 문서를 구조 단위로 해석하고, 이미지와 음성을 텍스트로 전환해 정형 데이터와 같은 층에서 다룹니다.
용어와 단위를 표준화하는 데서 그치지 않고, 설비·공정·불량·조치 사이의 관계를 정의해 검색을 넘어 추론이 가능한 형태로 만듭니다.
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)·대시보드 관제 + 실시간 질의 API |
| 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·서빙.
망분리 환경 대응. 엣지 수집과 온프레미스 표준화로 완전 격리된 데이터 기반 구성.
클라우드↔온프레미스 배포 선택으로 데이터 주권·보안 요건을 충족하도록 지원합니다.
축적된 산업 현장 경험을 바탕으로, 데이터 통합·표준화 역량을 다양한 도메인에 적용해 왔습니다.
분산된 공정 데이터를 통합해 예지보전·에너지 최적화의 기반 구축
전국 충전 인프라의 상태·이용 데이터를 표준화·관제
영상·뱃지·환경 센서 융합 데이터를 중앙에서 통합 관제
복잡한 현장 데이터 환경에서 AI 도입을 준비하는 조직에 최적화된 기반을 제공합니다.
설비·공정 데이터는 쌓이고 있으나 태그 체계와 단위가 라인마다 달라, 분석 이전의 정제·통합 단계에서 프로젝트가 멈춰 있는 조직
제어망의 설비 데이터와 업무망의 MES·ERP 데이터가 서로 연결되지 않아, 품질 이슈의 원인을 설비까지 되짚기 어려운 환경
작업표준서·점검일지·설비 매뉴얼·불량 보고서가 문서로만 존재해, 검색증강(RAG) 지식베이스로 전환하지 못하고 있는 조직
PoC 때마다 데이터 수집·정제를 처음부터 다시 하느라, 정작 모델 고도화에 시간을 쓰지 못하는 조직
외부 반출이 불가능한 데이터를 내부에 둔 채로 표준화와 AI 활용 기반을 갖춰야 하는 공공·에너지 성격의 환경
