체계기업 설계실 서버에 도면이 수십만 장 있습니다.
파일명 규칙은 시대마다 달랐고, 형식도 CATIA 원본, PDF, 스캔본이 섞여 있습니다. 1980년대 도면은 종이를 스캔한 이미지뿐이고, 그 도면을 만든 원본 데이터는 남아 있지 않습니다.
국산화 과제가 내려오면 이 도면을 다시 꺼내야 합니다. 어떤 부품이 몇 개 들어가는지, 어떤 규격을 따르는지, 협력사 견적서와 공정서는 어디 있는지를 사람이 한 장씩 열어 찾습니다.
방산 기술자료 디지털화를 알아보는 분들이 부딪히는 벽은 기술보다 보안입니다. 도면 한 장도 회사 밖으로 나갈 수 없습니다.
저희 팀리부뜨(team reboott)는 조선소 사내망에 AI 플랫폼을 설치해 시범 운영하고 있고, 항공 방산 체계기업과 도면 이해 과제를 함께 기획하며 방산 현장의 보안 조건을 하나씩 확인했습니다.
요약
방산 도면 AI는 클라우드가 아니라 사내망 안에서 돌아야 합니다.
팀리부뜨는 고객 서버에 오픈소스 VLM을 설치하고, 도면을 쪽 이미지로 읽어 표제란, 부품표, 치수, 주기, 참조 규격을 데이터로 뽑아 BOM, 견적서, 공정 문서와 잇습니다.
개발도 고객 내부망에 상주해 진행하고, 모델 출처와 실행 기록을 보안팀이 확인할 수 있게 남깁니다.
방산 도면을 다시 쓰기 어려운 이유는 도면이 오래 쌓이는 동안 저장 규칙이 여러 번 바뀌고, 도면을 만든 원본 데이터가 사라져 이미지로만 남은 경우가 많기 때문입니다.
무기체계는 수십 년을 씁니다. 그동안 CAD 도구가 바뀌고, 담당 부서가 바뀌고, 파일 서버가 옮겨집니다. 결과적으로 같은 부품이 서로 다른 이름으로 여러 곳에 남고, 도면과 BOM, 견적서, 공정서 사이의 연결은 담당자 기억에만 있습니다.
국산화나 성능 개량 사업이 시작되면 이 연결을 다시 만들어야 합니다. 원본 데이터가 없으니 AI도 결국 도면 이미지 자체를 읽어야 합니다.
도면 AI는 방산 도면에서 표제란, 부품표, 투상도의 치수와 공차, 주기, 참조 규격을 영역별로 읽어 데이터로 만듭니다.
위 그림은 1960년대 MIL 규격 샘플 도면을 팀리부뜨 CAD 에이전트로 읽은 결과를 보안을 위해 다시 그린 예시입니다. 손글씨에 가까운 스캔 부품표에서 MS, AN 규격 품번과 수량을 한 줄씩 뽑았고, 주기란에서는 도면 해석 기준(MIL-D-70327)과 납땜 규격(MIL-S-6872) 같은 참조 규격을 따로 정리했습니다.
| 도면 속 정보 | 나오는 데이터 | 쓰이는 곳 |
|---|---|---|
| 부품표 | 품목 번호, 품번, 품명, 수량 | BOM 재구성, 국산화 대상 부품 목록 |
| 주기와 참조 규격 | 적용 규격, 마킹 사양, 검사 요구 | 규격 이력 관리, 협력사 요구사항 |
| 표제란과 개정 이력 | 도면 번호, 개정 기호, 일자 | 형상 이력 대조, 최신본 확인 |
| 투상도 | 치수, 공차, 기하공차 | 검사 기준, 역설계 참고 |
이렇게 뽑은 값은 도면 위 위치와 함께 저장됩니다. 나중에 "이 품번이 들어간 도면을 모두 찾아줘"처럼 물으면, 해당 도면과 그 위치를 함께 보여줍니다.
부품 하나가 바뀌면 그 부품과 체결된 부품, 그 부품이 들어간 BOM, 공정, 견적까지 영향이 갑니다. 도면에서 뽑은 부품과 체결 관계를 그래프로 이어 두면, 이 영향 범위를 질문 한 번으로 찾을 수 있습니다.
위 그림은 항공 방산 체계기업과 과제를 기획하며 가상 데이터로 만든 시연을 보안을 위해 다시 그린 예시입니다. 날개 리브 하나가 바뀌면 스킨, 패널, 스파와 체결재 12개가 영향을 받고, BOM 변경 3건과 공정 변경 2건, 견적 재산정이 필요하다는 결과가 한 화면에 나옵니다.
같은 관계에서 조립 순서도 나옵니다. 어떤 부품을 먼저 놓고, 어떤 공구로 몇 개를 체결하고, 무엇을 검사하는지를 단계별 안내서로 만듭니다.
이 기능은 아직 연구 과제 단계입니다. 실제 적용은 반제품 몇 종처럼 범위를 좁혀, 담당 엔지니어가 결과를 검수하는 방식으로 시작하는 것이 현실적입니다. BOM이나 PLM에 반영하는 단계도 AI가 직접 고치지 않고, 엔지니어 승인을 거쳐 반영 요청을 만드는 구조로 둡니다.
도면, 모델, 결과가 모두 고객 사내망 안에 머무르도록 구성합니다. 외부 인터넷 연결 없이 동작합니다.
모델은 고객 서버에 설치합니다
공개된 오픈소스 VLM을 문서 업무에 맞게 학습해 고객 GPU 서버에서 vLLM으로 서빙합니다. 어떤 모델을 쓰는지, 그 모델이 어디서 나온 것인지를 미리 보안팀과 정합니다. 특정 국가의 오픈소스 모델을 피해 달라는 요구가 있으면 그 기준에 맞춰 고릅니다.
개발도 안에서 합니다
자료를 밖으로 가져올 수 없으니, 학습과 평가는 고객 내부망에 상주하며 진행합니다. 저희가 조선소 사내망에 플랫폼을 설치할 때도 사내 인증, 사내 데이터베이스, 사내 LLM 게이트웨이에 맞춰 붙였습니다.
누가 무엇을 했는지 남깁니다
어떤 도면을 누가 열었고, AI가 어떤 값을 어디서 뽑았는지 실행 기록으로 남겨 보안 감사에 쓸 수 있게 합니다.
보안팀이 가장 먼저 묻는 것은 데이터가 정말 밖으로 나가지 않느냐는 것입니다. 방위사업청이 2026년 1월 방산기업에 생성형 AI를 통한 해킹을 주의하라는 공문을 보냈다는 보도가 있었을 만큼, 외부 AI 서비스에 도면을 올리는 일은 현장에서 사실상 막혀 있습니다.
그래서 처음 검토 자리에서 다음을 같이 확인합니다.
방산기술은 방위산업기술보호법으로 보호되고, 회사마다 내부 보안 규정도 따로 있습니다. 구성은 그 규정에 맞춰 고객 보안팀과 함께 정합니다.
| 할 수 있는 일 | 단계 |
|---|---|
| 스캔 도면의 부품표, 표제란, 치수, 주기, 참조 규격 추출 | 제품 기능 |
| 비슷한 과거 도면 찾기 | 제품 기능 |
| 고객 사내망 설치, 외부 통신 없는 운영 | 조선소 시범 운영 |
| 도면과 BOM, 견적서, 공정 문서 연결 | 맞춤 구축 |
| 개정본 비교와 형상 이력 대조 | 맞춤 구축 (문서 비교는 조선소 시범 운영) |
| 부품 체결 관계와 조립 순서 정리 | 연구 과제 |
외부 AI 서비스에 도면을 올리는 방식은 쓰기 어렵습니다. 고객 사내망 서버에 오픈소스 모델을 설치하고 외부 통신 없이 운영하는 방식이라면, 고객 보안 규정에 맞춰 구성할 수 있습니다.
쓸 수 있습니다. 모델, 도면, 결과 데이터가 모두 고객 사내망 안에 있고 외부 인터넷 연결 없이 동작합니다. 개발과 평가도 고객 내부망에 상주해 진행합니다.
만들 수 있습니다. 스캔 이미지만 남은 도면도 쪽 이미지로 읽어 부품표, 치수, 주기, 참조 규격을 영역별로 뽑습니다. 손글씨에 가까운 글자는 확대해 다시 읽고, 값마다 도면 위 위치를 함께 남겨 원본과 대조할 수 있게 합니다.
고를 수 있습니다. 고객 GPU 사양과 보안 기준에 맞춰 공개 오픈소스 모델 중에서 고르고, 모델 출처와 라이선스를 미리 보안팀과 확인합니다.
외부 반출이 가능한 공개 도면이나 비밀이 아닌 샘플 몇 장으로 먼저 결과를 확인하고, 그다음 사내망 설치 범위를 정하는 순서를 권합니다.
도면 AI가 값을 찾는 방식은 도면 AI 글에서, 사내 서버 AI 구성과 보안 검토 항목은 온프레미스 AI 보안 글에서 자세히 다뤘습니다.
상담문의 시 "방산 도면 AI 글을 보고 문의했다"고 남겨주시면 보다 원활한 상담이 가능합니다.
참고 자료
%202.png){kind=logo}
