제어반이 한 줄로 늘어선 건물 기계실 복도
Technology

기능을 이어 붙인 것이 아니라
처음부터 플랫폼으로 설계했습니다

수집 → 구조화 → 학습 → 예측 → 검증이 하나의 흐름입니다. 네 솔루션은 그 위에서 조립됩니다.

적용 사례 보기 기술 상담
Platform layers

네 개의 층과 하나의 결과

앞 층이 제 일을 못하면 뒤 층은 정교하게 틀린 답을 냅니다.

  1. Data Collection Layer
    입력 수집 — 공간·설비 신호와 건설 도면·문서
  2. Data Platform Layer
    데이터 구조화 — 입력별로 단위를 나누고 근거를 남긴다
  3. AI Engine Layer
    AI 분석 — 패턴을 학습하고 변화를 판단한다
  4. Control & Verification Layer
    실행과 검증 — 결과를 적용하고 원본을 되짚는다
  5. Outcome
    네 층이 함께 만들어 내는 결과
축 주로 쓰는 층 무엇을 하는가
공간관리 1 · 2층 — 수집과 구조화 공간 데이터를 재고 정리합니다
에너지 3 · 4층 — 학습과 제어 운전 전략을 세우고 결과를 확인합니다
돌봄·안전 3층 — 학습 생활 패턴을 배우고 변화를 짚습니다
건설 2 · 3층 — 구조화와 판독 도면과 문서를 읽고 사람이 확인합니다
Data & Intelligence

무엇을 재고, 어떻게 나누는가

무엇을 재고 어떻게 나눠 두느냐가 AI의 성능을 좌우합니다.

데이터 측정 · 수집 항목 취득 방식
실내 환경 온도 · 습도 · CO2 · 미세먼지 · 조도 IoT 환경 센서
재실 · 활동 재실 여부 · 생활 패턴 비접촉 센서(카메라 없음)
설비 상태 EHP · 공조기 운전 상태 제조사 중앙제어 · BACnet · MODBUS
에너지 전력 사용량 관제 포인트 수집
도면 · 문서 도면 표제란 · 문서 항목 AI 판독 후 사람 검수
  • 공간 — 층 · 존 · 실
  • 시간 — 시간대 · 요일 · 계절
  • 설비 — 실내기 · 열원 · 계통
  • 가구 — 돌봄 영역에서만, 최소한으로

“3층 회의실이 목요일 오후에 비어 있는데 냉난방이 돌고 있다.” 이런 판단은 네 단위가 서로 이어져 있어야 나옵니다.

AI Engine

패턴을 배우고 변화를 판단합니다

4계층의 세 번째 층입니다. 설비의 부하 특성과 공간 사용 패턴을 함께 봅니다.

사무실 천장 그리드에 들어간 사각형 4방향 카세트형 냉난방 실내기
모듈형 설계 — 같은 엔진, 다른 대상

엔진은 특정 설비에 묶여 있지 않습니다. 네 솔루션이 같은 엔진을 쓰는 이유입니다.

Custom models

건물마다 정답이 다릅니다

사용 시간과 설비 구성이 다르면 최적 운전도 다릅니다. 그 건물의 데이터로 모델을 맞춥니다.

기준선 학습 도입 초기의 실제 운전 데이터로 비교 기준을 잡습니다.
운영 정책 반영 유지할 온도 범위나 야간 운전 제한 같은 운영 조건을 반영합니다.
누적 재조정 운전 결과를 되먹여 점점 그 건물에 맞춰 갑니다.
IoT & Edge

현장은 균일하지 않습니다

네트워크도 제조사도 데이터 형식도 제각각입니다. 어디서나 같은 방식이 통한다고 보면 실제 건물에서 멈춥니다.

단자대와 DIN 레일 모듈이 줄지어 있고 배선이 정리된 제어반 내부
  • 제조사가 다른 설비를 함께 연동
  • Edge 처리로 네트워크 차이 흡수
  • 기존 중앙제어는 그대로 두고 위에 얹는 구조
Security & Reliability

공공 환경을 전제로 설계합니다

공공청사 · 공공임대주택 · 복지시설에 들어갑니다. 보안은 덧붙이는 요건이 아니라 출발 조건입니다.

  • 관할 구역 단위 접근 · 권한 관리
  • 개인정보 최소 수집 — 영상 미수집
  • 지속 모니터링
Verification

AI 전략은 검증되어야 합니다

자동으로 돌았다는 것과 잘 돌았다는 것은 다릅니다.

제어 결과를 실제 사용량과 맞춰 보고, 비효율 운전을 찾습니다.

Document intelligence

센서가 아니라 사람이 만든 자료도 읽습니다

도면과 기술 문서는 그림과 표로 뜻을 담습니다. 읽는 방법도, 믿게 만드는 방법도 다릅니다.

무엇이 다른가 센서 데이터 도면 · 문서
들어오는 모양 값이 계속 들어온다 묶음으로, 제각각의 판형으로 들어온다
틀리는 방식 값이 튀거나 빠진다 엉뚱한 곳을 읽거나 지어낸다
믿게 만드는 법 자동으로 검증한다 사람이 원문과 대조해 확인한다
  1. 변환

    문서를 AI가 읽을 수 있는 형태로 바꿉니다.

  2. 가리기

    개인정보는 판독 전에 가립니다.

  3. AI 판독

    항목과 원문 위치를 함께 뽑습니다.

  4. 검수

    사람이 확인한 것만 검색에 올립니다.

왜 검수 단계를 남겨 두는가

AI 판독에도 오류는 남습니다. 원문 위치를 달아 두면 검수자가 빠르게 확인할 수 있어, 실제로 쓸 수 있는 자료가 더 빨리 쌓입니다.

건설 솔루션 보기
Intellectual property

단국대학교 기술이전 특허 4건

통상실시권 보유. 등록 3건 · 출원 1건.

발명의 명칭 상태 번호
실내 환경 관리 장치 및 그 동작방법 등록 특허등록 10-2650015
건물 상태 분석 방법 및 분석 장치 등록 특허등록 10-2807050
인공지능 제어 및 규칙기반 제어의 하이브리드 실내 환경 제어 방법 등록 특허등록 10-2787775
비접촉 센서 데이터 기반 상황 인지 모델과 에너지 세분화 모델을 이용한 댁내 거주자 이상 행태 판단 방법 출원 특허출원 10-2023-0047009
기술이 실제 현장에서 어떻게 쓰이는지 확인해 보세요
현장별 적용 사례를 모았습니다.
적용 사례 보기 기술 상담 신청
FAQ

자주 묻는 질문

수집 → 데이터 구조화 → 학습과 판단 → 제어와 검증 네 층입니다. 앞 층이 제 일을 못하면 뒤 층은 정교하게 틀린 답을 냅니다. 그래서 정합성 검증을 마지막이 아니라 구조 안에 넣었습니다.

사용 시간과 열원 구성이 다르면 최적 운전도 달라집니다. 그 건물의 데이터로 기준을 다시 잡는 맞춤형 모델을 씁니다.

단국대학교 기술이전 통상실시권으로 등록 3건과 출원 1건을 보유하고 있습니다. 실내 환경 관리 장치, 건물 상태 분석 방법, 하이브리드 실내 환경 제어 방법이 등록 건입니다.