LG전자 ES사업부, Agentic Workflow로 도면 분석 자동화

LG전자 ES사업부가 AWS Generative AI Innovation Center와 협력하여 상업용 건물의 BMS(Building Management Systems) 설계 도면 분석 프로세스를 AI 기반 Agentic Workflow로 자동화했습니다. 기존에 숙련된 엔지니어가 2~3일 소요되던 작업을 AI가 약 10분 만에 완료하며, 91%의 정확도를 달성했습니다.

직면 과제: 비구조화된 도면 데이터의 한계

• 다양성: 엔지니어링 회사별 도면의 심볼, 레이아웃, 표기법이 달라 규칙 기반 자동화가 어려웠습니다.
• 암묵적 지식: 도면에 명시되지 않은 엔지니어의 도메인 지식을 AI가 학습하고 해석하는 데 한계가 있었습니다.
• 해상도 제약: 대규모 도면을 VLM(Vision Language Model)에 한 번에 입력 시 세부 정보 인식이 어려워, 논리적 단위 분할이 필요했습니다.

혁신적 해결책: Agentic Workflow 기반 자동화

• AWS AgentCore 기반 멀티 에이전트 오케스트레이션 시스템: Orchestrator Agent가 도면 파일을 분석하고 각 담당 Agent에게 작업을 효율적으로 분배했습니다.
• 4단계 Agentic Workflow: CAD 파일 구조 이해, 필요 부분 패칭(Patching), 패칭 부분 정보 추출, 추출 정보 기반 심화 추론 및 분석 과정을 거쳐 엔지니어의 사고방식을 모방했습니다.
• Context-Aware Intelligent Patching: AI가 시각적으로 학습(STAGE 1: ANALYZE)하고, 오류 수정(STAGE 2: MODIFY), 다양한 시나리오 검증(STAGE 3: EVALUATE)을 통해 도면 분할의 정확도를 높였습니다.
• 심화 추론 및 분석 (4단계): 계통도 맥락 파악, 개별 관제점 정밀 분석, 암묵적 지식 활용을 통해 전문가 수준의 분석을 수행했습니다.

주요 성과 및 시사점

• 처리 시간 단축: 2~3일 → 10분
• 정확도 향상: 91% (99개 중 90개 정확)
• 확장성 확보: 분산 멀티 에이전트 처리로 대량 도면 동시 분석 가능
• B2B 영역 혁신: 복잡한 기술 도면 해석에 비전 AI와 추론 AI 결합
• 지식 이전: 수십 년간 축적된 엔지니어링 전문 지식을 AI에게 이식 및 적용