산업용 도면도 AI가 읽을 수 있을까? Control Valve GAD 도면 인식·데이터 추출 PoC

제조·플랜트 산업에서 사용하는 기술도면에는 수많은 정보가 담겨 있습니다. 밸브의 종류와 크기, 식별 번호(TAG), 압력 등급부터 도면에서 바라보는 방향과 흐름 방향, 각종 치수 정보까지 설계와 엔지니어링 업무에 필요한 다양한 정보가 하나의 도면 안에 복잡하게 표현됩니다.

하지만 이 데이터를 디지털 정보로 활용하는 일은 쉽지 않습니다. 대부분의 도면은 PDF나 이미지 형태로 존재하고, 같은 정보라도 벤더에 따라 표기 방식과 위치가 달라지기 때문입니다. 단순히 문자 인식(OCR)로 글자를 읽는 것만으로는 어떤 숫자가 어떤 정보를 의미하는지까지 파악하기 어렵습니다. 그렇다면 AI가 산업용 도면 자체를 보고 필요한 정보를 이해하고 추출할 수 있을까요?

몬드리안에이아이는 Control Valve GAD(General Arrangement Drawing) 도면을 대상으로 AI 기반 도면 인식 및 데이터 추출 PoC를 진행하며 이 가능성을 확인했습니다. 이번 PoC에서는 도면을 단순히 텍스트로 변환하는 것이 아니라, 도면의 시각적 구조를 분석하고 필요한 정보를 찾아내는 방식으로 접근했습니다.

도면을 ‘읽는 것’과 ‘이해하는 것’은 다릅니다

일반적인 OCR은 이미지 속 문자를 텍스트로 바꾸는 데 효과적입니다. 하지만 산업용 도면에서는 이것만으로 충분하지 않습니다. 예를 들어 도면에 ‘300’이라는 숫자가 있다고 가정해보겠습니다. 이 숫자가 밸브의 압력 등급인지, 특정 부분의 치수인지, 다른 정보를 나타내는 숫자인지는 숫자만 보고 판단하기 어렵습니다. 숫자가 도면의 어디에 표시되어 있는지, 주변에 어떤 기호와 그림이 있는지, 어떤 구조 안에 포함되어 있는지를 함께 살펴봐야 그 의미를 정확하게 이해할 수 있기 때문입니다.

이번 PoC에서는 이러한 문제를 해결하기 위해 컴퓨터 비전, 객체 탐지, 문자 인식(OCR), 시각 언어 모델(Visual LLM) 등 다양한 AI 기술을 결합해 도면을 인식하고 분석하는 과정을 구성했습니다.

먼저 도면에서 필요한 뷰(View)를 찾아내고, 흐름 방향(Flow)을 인식합니다. 이후 해당 영역을 분석해 밸브의 종류를 분류하고, 도면에 표시된 문자와 숫자를 추출합니다. 마지막으로 도면의 전체적인 구조와 각 정보가 표시된 위치를 함께 분석해, 추출한 정보가 무엇을 의미하는지 연결합니다. 즉, 단순히 “글자를 읽는 AI가 아니라, “도면을 보고 그 안의 정보를 이해하는 AI”를 만드는 접근입니다.

AI가 도면 속 Valve와 Flow를 찾아낼 수 있을까?

가장 먼저 확인한 것은 AI가 도면의 구조를 이해할 수 있는가였습니다. GAD에는 하나의 밸브를 여러 방향에서 바라본 모습이 포함될 수 있고, 물질이나 유체가 흐르는 방향(Flow) 역시 다양한 기호로 표시됩니다. 특히 제조사마다 선의 형태나 흐름 방향을 표시하는 방식이 달라, 하나의 규칙만으로는 모든 도면을 처리하기 어렵습니다.

저희는 이러한 차이를 AI가 스스로 구분할 수 있도록 객체 탐지 기술을 활용해 도면에서 각 화면(View)을 찾아내고, 이미지를 이해하는 인공지능(Visual LLM)을 활용해 흐름 방향을 인식하도록 했습니다.

그 결과, 제한된 데이터로 진행한 사전 검증에서도 도면의 화면을 찾아내는 작업에서 정밀도 94%, 재현율 92%, 종합 정확도 93%의 결과를 확인했습니다. 흐름 방향 역시 도면의 시각적인 요소와 주변 정보를 함께 분석하도록 구성했으며, 약 85%의 정확도를 확인했습니다. 이는 복잡한 기술도면에서도 AI가 단순히 이미지를 구분하는 것을 넘어, 도면 안에 어떤 요소가 있고 어디에 배치되어 있는지 찾아낼 수 있다는 가능성을 보여줍니다.

AI는 도면 속 밸브의 종류도 구분할 수 있습니다

도면을 제대로 분석하려면 먼저 어떤 종류의 밸브인지 파악해야 합니다. 이번 PoC에서는 밸브를 움직이는 장치인 구동기(Actuator)의 종류 가운데 CV와 CYL을 대상으로 분류 모델을 학습했습니다. 특히 도면 전체를 한꺼번에 분석하는 대신, 밸브와 구동기의 특징이 잘 나타나는 주요 영역(관심 영역, ROI)을 따로 지정했습니다. AI가 도면 전체를 보는 것보다 필요한 부분에 집중하도록 한 것입니다.

그 결과 CV와 CYL을 구분하는 작업에서 약 91~94%의 평균 정확도를 확인했습니다. 데이터가 많지 않은 초기 단계였다는 점을 고려하면, AI가 도면에서 필요한 시각적 특징을 찾아 밸브의 종류를 구분할 수 있다는 가능성을 확인한 결과입니다.

AI는 도면 속 주요 정보도 찾아낼 수 있습니다

산업용 도면을 데이터로 활용하기 위해서는 밸브의 종류뿐 아니라 TAG, NPS, Class, End Type과 같은 주요 정보도 알아야 합니다. 문제는 제조사마다 이러한 정보를 표현하는 방식이 다르다는 것입니다. 어떤 도면에는 이름과 숫자가 함께 표시되지만, 다른 도면에서는 숫자만 표시되거나 서로 다른 표현을 사용하기도 합니다. 따라서 단순히 글자를 읽는 것만으로는 정확한 정보를 파악하기 어렵습니다.

몬드리안에이아이는 OCR로 도면 속 글자와 숫자를 읽은 뒤, 그 정보가 도면의 어느 위치에 있는지까지 함께 분석했습니다. 여기에 이미지를 이해하는 인공지능을 결합해 “이 숫자와 문자가 도면에서 어떤 정보를 의미하는가”를 판단하도록 했습니다.

실제로 Azbil 도면을 대상으로 한 테스트에서는 TAG, NPS, Class, End Type 네 가지 정보를 95% 이상의 정확도로 파악하는 결과를 확인했습니다. 표현 방식이 달라도 NPS와 Size가 같은 의미라는 것을 이해하고 정보를 추출하는 사례도 확인할 수 있었습니다.

이제 복잡한 치수도 AI가 분석할 수 있습니다

산업용 도면에서 특히 어려운 부분은 치수(Dimension)입니다. 치수는 단순히 숫자를 읽는 것으로 끝나지 않습니다. 먼저 도면에서 어떤 부분이 특정 치수를 나타내는지 찾아야 하고, 주변에 여러 숫자가 있다면 그중 어떤 숫자가 해당 치수의 값인지 연결해야 합니다. 경우에 따라서는 도면에 표시된 여러 값을 이용해 직접 계산해야 하는 경우도 있습니다.

몬드리안에이아이는 이를 치수 영역 찾기 → 숫자 읽기 → 위치를 비교해 연결하기의 방식으로 접근했습니다. 사전 검증에서는 CV-2way 유형의 도면을 대상으로 각 치수를 판단하는 데 필요한 주요 영역을 학습했습니다. 그 결과 특정 영역을 얼마나 정확하게 찾아내는지를 평가하는 지표에서 96.3%와 80.4%의 결과를 확인했습니다.

또한 도면에서 읽어낸 숫자의 위치와 치수 영역을 연결해 실제 치수값을 찾아내는 과정도 검증했습니다. 도면에 정확한 숫자가 표시된 경우에는 D1+D2, D3, D7 등의 치수를 올바르게 연결해 추출하는 결과를 확인했습니다.

물론 아직 모든 치수를 완벽하게 자동으로 분석할 수 있는 단계는 아닙니다. 주변에 여러 숫자가 있거나 계산과 추정이 필요한 경우에는 잘못된 값을 선택하는 경우도 있었습니다. 하지만 제한된 데이터에서도 일부 계산이 필요한 치수를 올바르게 연결하고 계산하는 사례를 확인했으며, 앞으로 더 많은 데이터를 학습하면 성능을 높일 수 있는 가능성을 확인했습니다.

우리가 만들고 있는 것은 단순한 ‘도면 문자 인식’이 아닙니다

이번 PoC를 통해 확인하고자 했던 것은 단순히 “AI로 도면의 글자를 읽을 수 있는가”가 아니었습니다. 도면에서 필요한 부분을 찾아내고, 흐름 방향을 구분하고, 밸브의 종류를 판단하고, 글자와 숫자의 의미를 이해하고, 치수와 숫자를 연결하는 것까지 AI가 도면 전체의 정보를 이해할 수 있는지를 확인한 것입니다. 결국 중요한 것은 산업용 도면을 실제로 활용할 수 있는 데이터로 바꾸는 것입니다.

지금까지는 사람이 직접 도면을 열어 필요한 정보를 찾고, 이를 다시 엑셀이나 다른 시스템에 입력해야 했다면 AI를 통해 이러한 과정을 자동화할 수 있습니다. 도면에 포함된 밸브 종류와 TAG, 크기, 압력 등급, 연결 방식은 물론 흐름 방향과 치수까지 필요한 정보를 찾아 구조화된 데이터로 만들 수 있는 것입니다.

물론 실제 현장에 적용하기 위해서는 더 다양한 제조사의 도면을 학습하고, 데이터와 모델을 지속적으로 고도화하는 과정이 필요합니다. 이번 PoC는 바로 그 가능성을 실제 Control Valve GAD 도면을 통해 확인했다는 데 의미가 있습니다.

도면은 이미지로 저장되어 있지만, 그 안의 정보까지 이미지로 남아 있을 필요는 없습니다. AI가 도면을 읽고, 이해하고, 필요한 데이터로 바꾸는 것. 저희가 이번 PoC를 통해 확인한 것은 바로 AI를 활용한 산업용 도면 데이터화의 가능성입니다.

산업용 도면 AI 데이터화 FAQ

Q1. 산업용 도면 AI 데이터화란 무엇인가요?

산업용 도면 AI 데이터화는 PDF나 이미지 형태로 저장된 기술도면을 AI가 분석해, 도면 안에 있는 정보를 구조화된 데이터로 변환하는 기술입니다. 단순히 글자를 읽는 것을 넘어 도면의 구조와 위치, 시각적 정보를 함께 분석해 밸브 종류, TAG, 크기, 압력 등급, 흐름 방향, 치수 등의 정보를 추출할 수 있습니다.

Q2. GAD 도면이 무엇인가요?

GAD(General Arrangement Drawing)는 설비나 부품의 구조와 배치 정보를 보여주는 기술도면입니다. 이번 PoC에서는 Control Valve의 GAD 도면을 대상으로 AI가 도면의 구조와 정보를 인식하고 추출할 수 있는지 검증했습니다.

Q3. AI가 산업용 도면에서 어떤 정보를 추출할 수 있나요?

이번 PoC에서는 View, Flow 방향, Valve Type, TAG, NPS, Class, End Type, Dimension 등을 주요 대상으로 검증했습니다. 도면의 종류와 데이터에 따라 추출할 수 있는 정보는 달라질 수 있으며, 추가 학습을 통해 다양한 정보로 확장할 수 있습니다.

Q4. 일반적인 OCR과 AI 도면 인식은 무엇이 다른가요?

일반적인 OCR은 도면에 있는 글자와 숫자를 읽는 데 초점을 둡니다. 반면 AI 도면 인식은 글자가 어디에 있고, 주변에 어떤 도면 요소가 있으며, 해당 정보가 무엇을 의미하는지까지 함께 분석합니다. 따라서 단순히 문자를 추출하는 것을 넘어 도면의 정보를 구조화할 수 있습니다.

Q5. 제조사마다 도면 형식이 달라도 AI가 인식할 수 있나요?

가능성을 확인했습니다. 이번 PoC에서는 여러 제조사의 Control Valve 도면을 활용해 데이터를 구성하고, 제조사마다 다른 도면 표현 방식에 대응할 수 있는지 검증했습니다. 다만 실제 현장에 적용하기 위해서는 대상 제조사와 도면 유형에 맞는 추가 데이터 학습과 고도화가 필요합니다.

Q6. AI가 도면의 치수(Dimension)도 읽을 수 있나요?

네. 이번 PoC에서는 도면에서 치수가 표시된 영역을 찾고, OCR로 숫자를 읽은 뒤 해당 숫자와 치수를 연결하는 과정까지 검증했습니다. 일부 치수는 정확하게 추출할 수 있었지만, 여러 숫자 중 하나를 선택하거나 별도의 계산·추정이 필요한 경우에는 추가적인 고도화가 필요한 것으로 확인했습니다.

Q7. 이번 PoC에서 AI 도면 인식의 정확도는 어느 정도였나요?

검증 항목에 따라 결과가 달랐습니다. View Detection에서는 정밀도 94%, 재현율 92%, F1-score 93%를 확인했고, Valve Type 분류에서는 약 91~94%의 평균 정확도를 확인했습니다. TAG, NPS, Class, End Type 등 주요 정보는 일부 테스트에서 95% 이상의 정확도를 확인했습니다. 다만 제한된 데이터로 진행한 사전 검증 결과이므로 실제 현장 적용 시에는 대상 도면에 맞는 추가 검증이 필요합니다.