도전2022
산업대전환 대응을 위한 제조시스템 지능화 본문
| 품목번호 | 2025-B10057-품목-일반-01 | 산업기술분류 | 중분류Ⅰ | 중분류Ⅱ | ||||||||||||||||
| 개발형태 | 소프트웨어 | 전기전자부품 | ||||||||||||||||||
| 혁신도전형 | ||||||||||||||||||||
| 초격차프로젝트 (해당) |
||||||||||||||||||||
| 분야 | 첨단제조 | |||||||||||||||||||
| 미션 | 산업대전환 대응을 위한 제조시스템 지능화 | |||||||||||||||||||
| 프로젝트 | 산업 AI 핵심 기술 개발 | |||||||||||||||||||
| 연계유형 | ||||||||||||||||||||
| 특성분류 | ||||||||||||||||||||
| ESG | ||||||||||||||||||||
| R&D 자율성트랙 | ||||||||||||||||||||
| 품목명 | EUV 마스크 결함 추론 및 분류를 위한 AI 기반 품질검사 기술 개발 및 실증 | |||||||||||||||||||
| (TRL : [시작] 5단계 〜 [종료] 7단계) | ||||||||||||||||||||
| 1. 개념 및 개발내용 | ||||||||||||||||||||
□ 개념 ㅇ 전 세계반도체 시장의 EUV를 중심으로 재편 추세에 따른 EUV 마스크를 빠르고 정확하게 검사하기 위한 AI 기반 고성능·고신뢰성 검사 기술 개발 - (제품형태) EUV 마스크용 공정 초미세 결함 검출 시스템 - (기술형태) 제조공정 현장에 최적화된 AI 기반 결함 검출·분류 소프트웨어 - (산업동향) EUV 마스크 제조 공정 검사 및 분류를 위한 및 EUV 데이터 수집 및 결함 검출 모듈 개발 지원 필요 □ 개발내용 ㅇ 생성형 AI 기반 비정형/고해상도 EUV 마스크 제조 공정 데이터 생성 기술 개발 ㅇ 초미세화 반도체 회로 대상 Bump 및 Pit 결함 검출 기술 개발 ㅇ EUV 마스크 이물형 결함을 영상 신호에서 이물 신호만을 분리하는 기술 개발 ㅇ 대용량 데이터 대상 AI 분석 및 추론을 위한 데이터 병렬 처리 기술 개발 ㅇ AI 기반 EUV 마스크 결함 추론 및 분류를 위한 AI 기반 품질 검사 시스템 개발 ㅇ 2차년도까지 AI 기반 EUV 마스크 결함 품질검사 프로토타입 완성, 3차년도까지 실 제조환경에서 기능 및 성능 실증 완료 ㅇ 제품 상용화 및 사업화를 위해 AI 기술 보유 기업·기관과 제조기업 참여 필수 |
||||||||||||||||||||
| 2. 지원 필요성 | ||||||||||||||||||||
□ 지원필요성 ㅇ (정책적 측면) 반도체 산업은 국가 경제에서 큰 비중을 차지하며, 특히 최첨단 기술인 EUV 기반 검사 기술의 개발은 EUV 공정의 안정성을 향상시키고, 생산능력을 극대화하는 핵심 기술임 ㅇ (핵심적 지표) EUV 마스크 검사 기술은 ASML, Samsung Electronics, Intel 등 일부 글로벌 기술 리더 기업에서만 개발되고 있으며, 결함 분류 기술의 기술 확보가 시급함 ㅇ (시장 규모) EUV 활용 기술의 영향력은 2022년 150억 달러에서 2030년 약 1,200억 달러에 이를 것으로 예상되어 첨단 반도체 생산에 필수적이며 시장의 수요가 매우 높음 ㅇ (사회적 측면) 국내의 EUV 마스크 검사 기술/분류 기술 구축을 통해 국내 리소그래피 기업인 삼성전자 및 SK하이닉스 포토마스크 제작 및 Wafer Fab Yield 향상에 도움이 됨 |
||||||||||||||||||||
| 3. 활용분야 | ||||||||||||||||||||
□ 활용분야 o 검사 기술/장비를 활용하여 검출된 결함에 대해서 분석을 필요로 하는 반도체 관련 기업 o EUV 리소그래피 공정 전후의 제조공정 신뢰성 관리를 필요로 하는 반도체 관련 기업 |
||||||||||||||||||||
| 4. 지원기간/예산/추진체계 | ||||||||||||||||||||
ㅇ 연구개발기간 : 33개월 이내(1차년도(9개월), 2차년도(10개월), 3차년도(12개월), 4차년도(2개월)) ㅇ 정부지원연구개발비 : ’25년 10.31억원 이내(총 정부지원연구개발비 30.31억원 이내) ㅇ 주관연구개발기관 : 중소·중견 기업 ㅇ 기술료 징수여부 : 징수 |
||||||||||||||||||||
| 품목번호 | 2025-B10057-품목-일반-02 | 산업기술분류 | 중분류Ⅰ | 중분류Ⅱ | ||||||||||||||||
| 개발형태 | 소프트웨어 | 전기전자부품 | ||||||||||||||||||
| 혁신도전형 | ||||||||||||||||||||
| 초격차프로젝트 (해당) |
||||||||||||||||||||
| 분야 | 첨단제조 | |||||||||||||||||||
| 미션 | 산업대전환 대응을 위한 제조시스템 지능화 | |||||||||||||||||||
| 프로젝트 | 산업 AI 핵심 기술 개발 | |||||||||||||||||||
| 연계유형 | ||||||||||||||||||||
| 특성분류 | ||||||||||||||||||||
| ESG | ||||||||||||||||||||
| R&D 자율성트랙 | ||||||||||||||||||||
| 품목명 | PFAS 대체 소재 개발을 위한 AI 활용 물성/합성 분석 기술 개발 및 실증 |
|||||||||||||||||||
| (TRL : [시작] 5단계 〜 [종료] 7단계) | ||||||||||||||||||||
| 1. 개념 및 개발내용 | ||||||||||||||||||||
□ 개념 ㅇ PFAS 대체 소재 개발 효율성 극대화를 위해 AI 기반으로 분자 구조 및 물성 예측, 합성 및 분석 솔루션을 제공하는 기술 개발 및 실증 - (제품형태) PFAS 대체 화합물 합성 모사, 분자 구조 예측 및 소재 설계 시스템 - (기술형태) 제조공정에서 지속적으로 활용 가능한 형태의 AI 기반 물성 예측 모델 및 합성 경로 최적화 솔루션 - (산업동향) 글로벌 환경 규제 강화로 인해 PFAS 대체 소재 개발이 필수적이며, AI 기반 신소재 물성, 분자 구조, 합성 최적화 기술 개발 지원 필요 □ 개발내용 ㅇ PFAS 대체 소재 개발을 위한 AI 기반 가상 합성 환경 및 대체 소재 이차전지 적용 전기화학 및 물성 평가 실험실 구축 ㅇ 가상 합성 환경에서 PFAS 대체 소재의 분자 구조 설계 및 합성 모사 모듈 개발 ㅇ 가상 합성 환경에서 PFAS 소재 대체의 핵심이 되는 분자의 구조적 특징을 추출하여 지식화하기 위한 AI 모델 개발 ㅇ 가상 합성 환경에서 합성 모사 및 설계 기술 확보를 위한 기존 양자 전산모사의 기술적 한계를 극복하는 화학적 모사가 가능한 대규모 시뮬레이션 기술 개발 ㅇ 가상 합성 환경에서 PFAS 대체 화합물의 절연성, 내열성, 불연성 등 주요 물성에 대한 실험 기반 데이터베이스 구축 및 성능 예측 AI 모델 개발 ㅇ 물성 평가 실험실 내에서 대체 소재의 분리막 제조, 기계적 물성 및 이차전지 전기화학 평가 및 적용 시스템 최적화 기술 개발 ㅇ 2차년도까지 가상실험실·제조현장 운용 프로토타입 개발 완료 및 3차년도까지 실증 완료 |
||||||||||||||||||||
| 2. 지원 필요성 | ||||||||||||||||||||
□ 지원필요성 ㅇ (정책적 측면) PFAS 글로벌 환경 규제 강화에 대응하여 국내 산업계 피해를 최소화하고, 대체 소재 개발 및 상용화 지원 기술 개발 지원 ㅇ (기술적 측면) 개발 시간 단축 및 비용 절감을 위한 CATL, BYD, EnerSys등 세계 주요 업체 AI 기반의 합성 예측 정확도는 75~90% 수준 ㅇ (시장적 측면) 전 세계 이차전지 시장은 ‘23년 1,173억 달러에서 연평균 성장률 (CAGR) 9%를 보이며 ’32년 2,579억 달러에 이를 것으로 전망 ㅇ (사회적 측면) PFAS의 환경 및 건강 유해성을 고려한 안전한 대체 소재 개발 필요 |
||||||||||||||||||||
| 3. 활용분야 | ||||||||||||||||||||
□ 활용분야 ㅇ 소재 합성 및 설계 과정의 연구 기간 단축 및 비용 절감이 필요한 제조산업 전 분야 ㅇ 리튬이온 배터리, 차세대 전지 등 차세대 전기화학 전환 장치 산업 분야 |
||||||||||||||||||||
| 4. 지원기간/예산/추진체계 | ||||||||||||||||||||
ㅇ 연구개발기간 : 33개월 이내(1차년도(9개월), 2차년도(10개월), 3차년도(12개월), 4차년도(2개월)) ㅇ 정부지원연구개발비 : ’25년 10.31억원 이내(총 정부지원연구개발비 30.31억원 이내) ㅇ 주관연구개발기관 : 중소·중견·대기업 ㅇ 기술료 징수여부 : 징수 |
||||||||||||||||||||
| 품목번호 | 2025-B10057-품목-일반-03 | 산업기술분류 | 중분류Ⅰ | 중분류Ⅱ | ||||||||||||||||
| 개발형태 | 소프트웨어 | 전기전자부품 | ||||||||||||||||||
| 혁신도전형 | ||||||||||||||||||||
| 초격차프로젝트 (해당 or 해당없음) |
||||||||||||||||||||
| 분야 | 첨단제조 | |||||||||||||||||||
| 미션 | 산업대전환 대응을 위한 제조시스템 지능화 | |||||||||||||||||||
| 프로젝트 | 산업 AI 핵심 기술 개발 | |||||||||||||||||||
| 연계유형 | ||||||||||||||||||||
| 특성분류 | ||||||||||||||||||||
| ESG | ||||||||||||||||||||
| R&D 자율성트랙 | ||||||||||||||||||||
| 품목명 | 이차전지 분리막 내열성 향상을 위한 AI 기반 설계·구조 최적화 기술 및 전지 단락 방지용 첨가제 제조 기술 개발 |
|||||||||||||||||||
| (TRL : [시작] 5단계 〜 [종료] 7단계) | ||||||||||||||||||||
| 1. 개념 및 개발내용 | ||||||||||||||||||||
□ 개념 ㅇ 이차전지의 안정성과 분리막의 내열성을 높이기 위해 AI 및 시뮬레이션 기술을 활용한 고성능 분리막 설계·구조 최적화 기술 및 전지 단락 방지용 첨가제 기술 개발 - (제품형태) 전해액 침지 환경에서도 내열성을 유지하는 고성능 분리막 시스템 - (기술형태) 이차전지 공정에서 활용 가능한 AI 및 다중 규모 시뮬레이션 기술 - (산업동향) 인공지능 기반 고분자-세라믹 복합소재의 상호작용 매커니즘 학습을 위한 데이터 수집·분석·예측 모듈 개발 필요 □ 개발내용 ㅇ 분리막 침지 시 발생하는 전해액-분리막 간 실시간 데이터를 분석하여 내열성과 화학적 안정성을 극대화하는 AI 기반 최적화 소재 설계 기술 개발 ㅇ 전해액 침지 조건에서도 내열성을 유지할 수 있는 AI 기반 고분자-세라믹 복합 소재와 다층 구조 설계 기술 개발 ㅇ 기계적 강도 및 화학적 안정성이 강화된 분리막 바인더 및 고성능 분리막 기술 개발 ㅇ 분리막과 필러의 결합력을 향상시키는 고내열성 바인더 및 첨가제 개발 ㅇ 필러 분산도 향상 및 균일 코팅 기술 개발 ㅇ 수요기업 인증 테스트베드를 통한 통합 관리 시스템 실증 운영 및 효용성 검증 ㅇ 제품 상용화 및 사업화를 위해 고성능 분리막 기술 보유 기업 및 수요기업 참여 필수 |
||||||||||||||||||||
| 2. 지원 필요성 | ||||||||||||||||||||
□ 지원필요성 ㅇ (정책적 측면) 이차전지 산업의 글로벌 경쟁력을 강화하고 폭발 및 화재의 안전성을 확보하기 위해 내열성 분리막 기술 및 산업 육성을 위한 정책적 지원 필요 ㅇ (기술적 측면) 고성능 분리막 기술 세계 최고 수준인 아사히카세이(일본, 코팅 분리막 통기도 ≤200 sec/100ml)을 뛰어넘는 초격차 기술 확보 필요 ㅇ (시장적 측면) 전기차 및 ESS시장의 성장과 함께 이차전지 분리막 시장은 2035년 128억달러로 연평균 12% 이상 성장할 것으로 전망 ㅇ (사회적 측면) 이차전지 기술은 전문인력양성에 따른 고용해소 기여와 친환경 에너지 산업 환경을 조성할 수 있는 사회적 가치가 높은 기술 개발이 필요함 |
||||||||||||||||||||
| 3. 활용분야 | ||||||||||||||||||||
□ 활용분야 ㅇ 이차전지 및 차세대 전지 등 고성능 배터리 기술개발 ㅇ AI 및 디지털 트윈기술을 기반으로 한 소재 개발 및 제조의 혁신 |
||||||||||||||||||||
| 4. 지원기간/예산/추진체계 | ||||||||||||||||||||
ㅇ 연구개발기간 : 33개월 이내(1차년도(9개월), 2차년도(10개월), 3차년도(12개월), 4차년도(2개월)) ㅇ 정부지원연구개발비 : ’25년 10.3억원 이내(총 정부지원연구개발비 30.3억원 이내) ㅇ 주관연구개발기관 : 중소·중견 기업 ㅇ 기술료 징수여부 : 징수 |
||||||||||||||||||||
| 품목번호 | 2025-B10057-품목-일반-04 | 산업기술분류 | 중분류Ⅰ | 중분류Ⅱ | ||||||||||||||||
| 개발형태 | 소프트웨어 | 전기전자부품 | ||||||||||||||||||
| 혁신도전형 | ||||||||||||||||||||
| 초격차프로젝트 (해당) |
||||||||||||||||||||
| 분야 | 첨단제조 | |||||||||||||||||||
| 미션 | 산업대전환 대응을 위한 제조시스템 지능화 | |||||||||||||||||||
| 프로젝트 | 산업 AI 핵심 기술 개발 | |||||||||||||||||||
| 연계유형 | ||||||||||||||||||||
| 특성분류 | ||||||||||||||||||||
| ESG | ||||||||||||||||||||
| R&D 자율성트랙 | ||||||||||||||||||||
| 품목명 | LFP 배터리 생산수율 확보를 위한 전극 제작·조립 공정 대상 AI 품질 진단 기술 개발 및 실증 |
|||||||||||||||||||
| (TRL : [시작] 5단계 〜 [종료] 7단계) | ||||||||||||||||||||
| 1. 개념 및 개발내용 | ||||||||||||||||||||
□ 개념 ㅇ 배터리 전극 제작·조립 과정에서 품질 불량이 주된 원인인 배터리 폭발·발화 사고 대응 실험실과 제조 현장 동시 운용이 가능한 AI 활용 품질 진단 시스템 개발 - (제품형태) 운용데이터 및 시뮬레이션 모델 기반 온디바이스 AI 품질 예측·진단 연합학습 모듈, 전극 제작·조립 공정 운용 시스템 - (기술형태) 품질 불량으로 인한 생산수율 감소 대응을 위해 공정 조건 DB화 및 현장 내 온디바이스 AI 활용 품질 예측·진단 기술 - (산업동향) 배터리 폭발·발화 사고 예방 및 관리를 위한 전극 제작·조립 공정 운용·품질·진단 데이터 DB 및 품질 진단 예측을 위한 가상공정 시뮬레이션 모델 모듈 개발 지원 필요 □ 개발내용 ㅇ 수계형 LFP 전극 제작·조립 공정 운용·품질·진단 데이터 가공 및 구축 기술 개발 ㅇ 수계형 LFP 전극 제작·조립 공정 분석을 위한 가상공정 시물레이션 기술 개발 ㅇ 공정 데이터 연동 시뮬레이션 모델 기반 AI 품질 예측·진단 기술 개발 ㅇ 실 제조 현장 운용을 위한 전극 제작·조립 공정 운용 시스템(QMS, APS 등) 개발 ㅇ 품질 불량률이 높은 LFP 전극 제작·조립 단위공정 대상 온디바이스 AI 품질 검사 유용성 평가 ㅇ 2차년도까지 실험실과 제조 현장 운용 가능한 프로토타입 개발 완료 및 3차년도까지 제조공장 내 양산용 수계형 LFP 공정 대상 실증 완료 |
||||||||||||||||||||
| 2. 지원 필요성 | ||||||||||||||||||||
□ 지원필요성 ㅇ (정책적 측면) 인공지능 기반 디지털 제조혁신 역량 강화를 위해 배터리 제조공정 단계별 품질 등 DB 구축과 활용이 매우 중요 ㅇ (기술적 측면) 배터리 전극 소재 조성 진단 기술 수준의 AI 활용 진단 기술이 산업계에 적용되고 있으며, 전극 제작·조립 공정 연계 기술 확보 필요 ㅇ (시장적 측면) ‘27년까지 약 2,200억 달러에 이를 것으로 전망되며, ’22년-‘27년 동안 연평균 성장률(CAGR)이 15% 이상일 것으로 예측됨 ㅇ (사회적 측면) 배터리 폭발·발화 사고 등 사회적 문제 사전 대응을 위해 DX 기술 활용 원인 분석·대응을 통해 배터리 관련 산업 활성화 및 전문인력양성을 통한 고용 해소 기여 |
||||||||||||||||||||
| 3. 활용분야 | ||||||||||||||||||||
□ 활용분야 ㅇ AI 기술 활용 실시간 품질 측정 및 진단 기술 기반 스마트 제조 자동화 시스템 산업 분야 ㅇ 리튬이온 및 차세대 이차전지 전극개발 등 배터리 제조공정 적용 운용·품질·진단 응용 분야 |
||||||||||||||||||||
| 4. 지원기간/예산/추진체계 | ||||||||||||||||||||
ㅇ 연구개발기간 : 33개월 이내(1차년도(9개월), 2차년도(10개월), 3차년도(12개월), 4차년도(2개월)) ㅇ 정부지원연구개발비 : ’25년 10.3억원 이내(총 정부지원연구개발비 30.3억원 이내) ㅇ 주관연구개발기관 : 중소·중견 기업 ㅇ 기술료 징수여부 : 징수 |
||||||||||||||||||||
| 품목번호 | 2025-B10057-품목-일반-05 | 산업기술분류 | 중분류Ⅰ | 중분류Ⅱ | ||||||||||||||||
| 개발형태 | 소프트웨어 | 전기전자부품 | ||||||||||||||||||
| 혁신도전형 | ||||||||||||||||||||
| 초격차프로젝트 (해당 or 해당없음) |
||||||||||||||||||||
| 분야 | 첨단제조 | |||||||||||||||||||
| 미션 | 산업대전환 대응을 위한 제조시스템 지능화 | |||||||||||||||||||
| 프로젝트 | 산업 AI 핵심 기술 개발 | |||||||||||||||||||
| 연계유형 | ||||||||||||||||||||
| 특성분류 | ||||||||||||||||||||
| ESG | ||||||||||||||||||||
| R&D 자율성트랙 | ||||||||||||||||||||
| 품목명 | AI 기반 장수명 고안전성 이차전지 수명 신속 예측 디바이스 개발 및 실증 | |||||||||||||||||||
| (TRL : [시작] 5단계 〜 [종료] 7단계) | ||||||||||||||||||||
| 1. 개념 및 개발내용 | ||||||||||||||||||||
□ 개념 ㅇ AI 기술을 활용한 소형전지 충·방전 패턴 학습 및 분석을 연계하여 배터리 수명 모델링과 안전성 예측 시스템 개발 및 실증 - (제품형태) 소형전지 자동제조 디바이스, 배터리 수명 모델링 및 안전성 예측 시스템 - (기술형태) 인공지능 활용 다양한 분석기법이 적용된 예측 데이터 검증 및 실증기술 - (산업동향) 인공지능 기반 배터리 충방전 학습용 데이터 수집·분석·예측 모듈 개발 지원 필요 □ 개발내용 ㅇ AI 기반 전기화학 평가 패턴 분석 및 성능 저하 원인 규명 모델 개발 ㅇ 분광분석 기반 이차전지 구조·화학적 특성 신속 측정 모듈 개발 ㅇ 다중 분석 기법 및 데이터 융합을 통한 지능형 수명·안전성 예측 기술 개발 ㅇ 신속 고정밀 충방전 평가를 위한 소형전지 자동 검사 기술 및 디바이스 개발 ㅇ 2차년도까지 프로토타입 개발 완료 및 3차년도까지 실증 완료 ㅇ 상용화 및 사업화를 위해 AI 기술 보유 기업 및 수요기업 참여 필수 |
||||||||||||||||||||
| 2. 지원 필요성 | ||||||||||||||||||||
□ 지원필요성 ㅇ (정책적 측면) 이차전지 폭발 및 화재의 위험성 방지하기 위한 AI 기반 이차전지 수명 예측 시스템 개발과 폭발 및 화재 방지에 대한 규제 및 기술개발 지원 필요 ㅇ (기술적 측면) 배터리 수명 예측정확도 기술우위는 MIT(미국-95%), 품질 예측 정확도는 KAIST&ETRI(95%)로 두 기술을 적용한 우위인 제품 및 기술 부재로 기술 확보 시급 ㅇ (시장적 측면) ‘25년 전기차와 ESS 수요 증가로 이차전지 시장은 1,000억 달러(약 134조), ’35년에는 전기차용 이차전지 시장이 커져 6,160억 달러(약 815조)로 성장할 전망 ㅇ (사회적 측면) 이차전지 및 차세대 전지 관련 제품의 폭발 및 화재에 대한 불안을 해소하며, 관련 기술과 산업 활성화로 부족한 전문 인력양성 및 고용해소 기여 |
||||||||||||||||||||
| 3. 활용분야 | ||||||||||||||||||||
□ 활용분야 ㅇ 이차전지 및 차세대 전지 개발 등 고성능 배터리 제조 검사 산업 분야 ㅇ 인공지능 기술 기반 스마트 제조, 품질관리 등 고도 시스템 산업 분야 |
||||||||||||||||||||
| 4. 지원기간/예산/추진체계 | ||||||||||||||||||||
ㅇ 연구개발기간 : 33개월 이내(1차년도(9개월), 2차년도(10개월), 3차년도(12개월), 4차년도(2개월)) ㅇ 정부지원연구개발비 : ’25년 10.3억원 이내(총 정부지원연구개발비 30.3억원 이내) ㅇ 주관연구개발기관 : 중소·중견 기업 ㅇ 기술료 징수여부 : 징수 |
||||||||||||||||||||
| 품목번호 | 2025-B10057-품목-일반-06 | 산업기술분류 | 중분류Ⅰ | 중분류Ⅱ | ||||||||||||||||
| 개발형태 | 소프트웨어 | 전기전자부품 | ||||||||||||||||||
| 혁신도전형 | ||||||||||||||||||||
| 초격차프로젝트 (해당) |
분야 | 첨단제조 | ||||||||||||||||||
| 미션 | 산업대전환 대응을 위한 제조시스템 지능화 | |||||||||||||||||||
| 프로젝트 | 산업 AI 핵심 기술 개발 | |||||||||||||||||||
| 연계유형 | ||||||||||||||||||||
| 특성분류 | ||||||||||||||||||||
| ESG | ||||||||||||||||||||
| R&D 자율성트랙 | ||||||||||||||||||||
| 품목명 | 국산 SoC 기반 XR용 온디바이스 AI SW 기술 개발 및 실증 | |||||||||||||||||||
| (TRL : [시작] 5단계 〜 [종료] 7단계) | ||||||||||||||||||||
| 1. 개념 및 개발내용 | ||||||||||||||||||||
□ 개념 ㅇ 온디바이스 AI 환경에서 실시간 위치 추정, 공간 데이터 처리, 사용자 인터렉션 등을 지원하는 XR용 실감영상 데이터 처리 기술 개발 - (제품형태) 제조, 교육, 의료 등 다양한 산업에서 활용 가능한 XR 디바이스 S/W - (기술형태) 온디바이스 AI 기반 XR 디바이스용 실시간 데이터 처리 및 인터렉션 S/W - (산업동향) XR에 AI기술을 효과적으로 접목하여 경량화·저전력과 동시에 실감 미디어의 대용량·실시간 처리를 구현하여 사용자 경험을 향상하는 핵심기술 확보 □ 개발내용 ㅇ 저전력 환경에서 실시간 데이터를 처리하기 위한 온디바이스 AI 경량화 추론 엔진 개발 ㅇ 다양한 센서 데이터 융합 기반의 정밀 위치 추정을 위한 멀티센서 데이터 처리 알고리즘 개발 ㅇ 객체 상태 및 움직임의 실시간 추적/매칭을 위한 하이브리드 추적 및 정합 기술 개발 ㅇ 사용자 행동(제스쳐, 음성 등) 기반의 정밀 상호작용을 위한 멀티모달 인터페이스 기술 개발 ㅇ 실시간 위치 추정 및 환경 맵핑을 위한 경량화 SLAM* 알고리즘 S/W 개발 ㅇ 실시간 환경 데이터 기반 사용자 맞춤형 증강 정보를 제공하는 AR 지능형 검색 기술 개발 ㅇ 2차년도까지 프로토타입 개발 완료 및 3차년도까지 실증 완료 ㅇ 제품 상용화 및 사업화를 위해 AI 및 XR 기술 보유 기업, 수요기업 참여 필수 ***SLAM(Simultaneous Localization and Mapping):사용자 위치를 추적하고 주변 환경을 실시간으로 맵핑하여 가상 콘텐츠와 현실을 정밀히 결합하는 핵심 기술 |
||||||||||||||||||||
| 2. 지원 필요성 | ||||||||||||||||||||
□ 지원필요성 ㅇ (정책적 측면) 디지털 뉴딜과 가상융합경제 전략을 기반으로 핵심 기술 확보, 인프라 확충, 규제 혁신, 산업 전반 XR 융합 확산 적극 지원 ㅇ (기술적 측면) 실감미디어 XR 위치 추정 정확도의 최고 수준은 미국 Meta社 Oculus의 1cm 이며, 국산 NPU 기반의 경량화 모델과 SLAM 기술을 통한 XR 디바이스 전용 S/W 개발이 시급 ㅇ (시장적 측면) 프레시던스 리서치에 따르면 글로벌 XR 시장 규모는 년 33% 이상 증가하여, 2022년 351억 4천만 달러에서 2030년 약 3,459억 달러를 기록할 것으로 예상 ㅇ (사회적 측면) 산업 전반의 디지털 전환을 가속화하고 사용자 경험과 직무 생산성을 개선함으로써 사회적 신뢰도와 효율성이 증대할 것으로 기대 |
||||||||||||||||||||
| 3. 활용분야 | ||||||||||||||||||||
□ 활용분야 ㅇ XR 기술을 활용한 실시간 환경 시뮬레이션 및 공정 최적화를 통한 제조업 생산성 향상 ㅇ 몰입형 가상 학습 환경 구축을 통한 교육 및 훈련 분야 학습 효율 극대화 |
||||||||||||||||||||
| 4. 지원기간/예산/추진체계 | ||||||||||||||||||||
ㅇ 연구개발기간 : 33개월 이내(1차년도(9개월), 2차년도(10개월), 3차년도(12개월), 4차년도(2개월)) ㅇ 정부지원연구개발비 : ’25년 10.31억원 이내(총 정부지원연구개발비 30.31억원 이내) ㅇ 주관연구개발기관 : 중소·중견 기업 ㅇ 기술료 징수여부 : 징수 |
||||||||||||||||||||
| 품목번호 | 2025-B10057-품목-일반-07 | 산업기술분류 | 중분류Ⅰ | 중분류Ⅱ | ||||||||||||||||
| 개발형태 | 소프트웨어 | 전기전자부품 | ||||||||||||||||||
| 혁신도전형 | ||||||||||||||||||||
| 초격차프로젝트 (해당) |
||||||||||||||||||||
| 분야 | 첨단제조 | |||||||||||||||||||
| 미션 | 산업대전환 대응을 위한 제조시스템 지능화 | |||||||||||||||||||
| 프로젝트 | 산업 AI 핵심 기술 개발 | |||||||||||||||||||
| 연계유형 | ||||||||||||||||||||
| 특성분류 | ||||||||||||||||||||
| ESG | ||||||||||||||||||||
| R&D 자율성트랙 | ||||||||||||||||||||
| 품목명 | 고독성 분해 기술을 활용한 AI 폐수 처리 자동화 시스템 개발 및 실증 | |||||||||||||||||||
| (TRL : [시작] 5단계 〜 [종료] 7단계) | ||||||||||||||||||||
| 1. 개념 및 개발내용 | ||||||||||||||||||||
□ 개념 ㅇ 고독성 분해 정도를 분석한 AI 자가진단 데이터를 기반으로 AI 기반 폐수 처리 자동화 시스템 개발 및 실증 - (제품형태) 탁도, 농도, 전도도, 입도, 성분시그널 분석이 가능한 자가진단 시스템이 포함된 임베디드 모듈 개발을 통해 실시간 분석 데이터 기반 실시간 모니터링 시스템 - (기술형태) 다양한 융합 추론 모델 기반 배출물질에 대한 자가진단 AI 기술 및 고독성 폐수 처리 기술 - (산업동향) API (Active Pharmaceutical Ingredients) 및 반도체 공정 등에서 배출되는 고독성 물질 포함 화학물질 폐수 분해 기술 및 시스템 개발 지원 필요 □ 개발내용 ㅇ 고독성 물질 포함 화학물질 폐수 비소각 실시간 고독성 물질 분해 기술 개발 ㅇ AI 기반 탁도, 농도, 전도도, 입도, 성분 시그널 분석 기술 개발 ㅇ 다양한 융합 추론 모델 기반 배출물질에 대한 자가진단 AI 기술 개발 ㅇ 고독성 분해 기술을 활용한 AI 폐수 처리 자동화 시스템을 적용한 친환경 공정 기술 개발 ㅇ 2차년도까지 프로토타입 개발 완료 후 3차년도까지 국내 및 해외 지역 수요기업 실증 ㅇ 국제공동 R&D(수요맞춤형-시장진출형)로 해외 현지 수요기업과 컨소시엄 구성 필수 |
||||||||||||||||||||
| 2. 지원 필요성 | ||||||||||||||||||||
□ 지원필요성 ㅇ (정책적 측면) 유럽을 중심으로 환경 보호를 위한 법적 규제가 강화되고 있어, 기업과 기관이 법적 책임을 이행하는데 기여 ㅇ (기술적 측면) GE, Veolia 등 기업은 고온 고압 산화 기술 등의 개발을 통해 고독성 폐수 처리 기술 개발에 적극 투자 중 ㅇ (시장적 측면) 세계 의료폐기물 관리시장 규모는 ‘24년부터 ’30년까지 연평균 8% 성장할 전망이며, ‘30년에는 594억 달러로 예상되고 반도체 산업 폐기물 관리 시장은 반도체 생산량 증가와 환경 규제 강화에 힘입어 급속도로 성장중이며, 연평균 57%의 성장률(CAGR)로 예상도고 있음. ㅇ (사회적 측면) 고독성 폐기물 폐수 비소각 시스템은 환경보호, 지속 가능한 자원관리 및 공공보건 향상 등의 사회적 이점이 있음 |
||||||||||||||||||||
| 3. 활용분야 | ||||||||||||||||||||
□ 활용분야 ㅇ 자동 맞춤형 제조 시스템 설비, 실시간 수처리 설비, 실시간 분석 모듈 및 AI 자가 진단 시스템 탑재 설비 산업 |
||||||||||||||||||||
| 4. 지원기간/예산/추진체계 | ||||||||||||||||||||
ㅇ 연구개발기간 : 33개월 이내(1차년도(9개월), 2차년도(10개월), 3차년도(12개월), 4차년도(2개월)) ㅇ 정부지원연구개발비 : ’25년 10.3억원 이내(총 정부지원연구개발비 30.3억원 이내) ㅇ 주관연구개발기관 : 중소·중견 기업 ㅇ 기술료 징수여부 : 징수 |
||||||||||||||||||||
| 품목번호 | 2025-B10057-품목-일반-08 | 산업기술분류 | 중분류Ⅰ | 중분류Ⅱ | ||||||||||||||||
| 개발형태 | 소프트웨어 | 전기전자부품 | ||||||||||||||||||
| 혁신도전형 | ||||||||||||||||||||
| 초격차프로젝트 (해당) |
||||||||||||||||||||
| 분야 | 첨단제조 | |||||||||||||||||||
| 미션 | 산업대전환 대응을 위한 제조시스템 지능화 | |||||||||||||||||||
| 프로젝트 | 산업 AI 핵심 기술 개발 | |||||||||||||||||||
| 연계유형 | ||||||||||||||||||||
| 특성분류 | ||||||||||||||||||||
| ESG | ||||||||||||||||||||
| R&D 자율성트랙 | ||||||||||||||||||||
| 품목명 | 물리센서 및 소프트센서, 온센서 등 AI 다중 센싱 처리 기술 개발 및 실증 | |||||||||||||||||||
| (TRL : [시작] 5단계 〜 [종료] 7단계) | ||||||||||||||||||||
| 1. 개념 및 개발내용 | ||||||||||||||||||||
□ 개념 ㅇ 물리, 가상센서, 온센서 등 멀티 센서 기반 AI 분석·추론 기술 및 이를 활용한 개인용 디바이스 또는 산업용 시스템 개발 및 실증 - (제품형태) 물리센서, 소프트센서, 온센서 AI가 결합된 디바이스 및 통합 관리 시스템 - (기술형태) 다양한 산업 공정에서 활용 가능한 다중센서 융합 HW 디바이스 및 경량화된 AI 소프트웨어 - (산업동향) 온센서 및 소프트센서를 기반으로 물리 센서의 한계를 극복하여 정밀한 센싱을 지원하고 센서 융합에 기반한 복합적인 진단·근거 제시 모듈 개발 필요 □ 개발내용 ㅇ 노이즈가 많은 환경에서 강건한 상태 감지를 위한 디노이징 기반 물리 센서 데이처 처리 기술 개발 ㅇ 센싱 데이터 증강 및 AI 기반 상황 감지를 위한 가상센서·소프트웨어 센서 기술 개발 ㅇ 데이터 전처리와 상황 판단 가능한 초경량 AI 기반 온센서 기술 개발 ㅇ 다차원 데이터 수집이 가능한 물리, 소프트웨어, 온센서 융합 AI 분석·추론 기술 개발 ㅇ 물리, 가상센서, 온센서, AI 분석·추론 모듈이 탑재된 개인용 또는 산업용 디바이스 개발 ㅇ 2차년도까지 프로토타입 개발 완료 및 3차년도까지 실증 완료 ㅇ 제품 상용화 및 사업화를 위해 AI 기술 및 멀티 센싱 기술 기업, 수요기업 참여 필수 |
||||||||||||||||||||
| 2. 지원 필요성 | ||||||||||||||||||||
□ 지원필요성 ㅇ (정책적 측면) 정부는 AI의 신뢰성과 투명성을 확보하기 위해, 인간이 AI의 판단을 신뢰할 수 있도록 설명이 가능한 인공지능 기술 개발을 추진 ㅇ (기술적 측면) 산업 분야의 디지털 전환 및 초경량 가상센서 분야에서 세계 최고 수준(Siemens, 데이터 분류 정확도 89.8%)을 뛰어넘는 초격차 기술 확보 필요 ㅇ (시장적 측면) 360iResearch 시장 조사에서 AI 센서 시장은 2024년에는 75억 1,000만 달러로, 2030년에는 CAGR 41.21%로 601억 2,000만 달러까지 성장할 것으로 전망 ㅇ (사회적 측면) 산업 현장의 사고 예방과 작업 공정의 효율화에 다양하게 활용되며, 지속 가능한 산업 환경을 조성할 수 있는 기술 개발이 필요함 |
||||||||||||||||||||
| 3. 활용분야 | ||||||||||||||||||||
□ 활용분야 ㅇ 생육관리, 스마트홈 등 AI 다중 센싱 처리 기술이 필요한 가정용 디바이스 분야 ㅇ 산업 환경에서 발생 가능한 가스 누출, 전기 누전 등 감지·분석이 어려운 안전 관리 분야 ㅇ 정밀한 상황 인식과 복합적인 판단이 필요한 자율 제조 로봇 분야 |
||||||||||||||||||||
| 4. 지원기간/예산/추진체계 | ||||||||||||||||||||
ㅇ 연구개발기간 : 33개월 이내(1차년도(9개월), 2차년도(10개월), 3차년도(12개월), 4차년도(2개월)) ㅇ 정부지원연구개발비 : ’25년 10.3억원 이내(총 정부지원연구개발비 30.3억원 이내) ㅇ 주관연구개발기관 : 제한없음 ㅇ 기술료 징수여부 : 징수 |
||||||||||||||||||||