===== 하수,재이용,바이오가스시설 AI 용역 - 입찰공고문_최종.pdf =====
용역 전자입찰 공고
1. 입찰에 부치는 사항
가. 용 역 명 : 하수,재이용,바이오가스시설 통합운영관리 소프트웨어 개발을
위한 AI 예측모델 개발 및 검증 용역
나. 용역내용 : 제안요청서에 의함
다. 용역기간 : 착수일로부터 2026년 12월 11일까지
라. 기초금액 : 일금106,000,000(추정가격96,363,636원+부가세9,636,364원)
마. 전자입찰서 제출기간 : 2026. 10. 09(금) 10:00 ~ 2026. 10. 19.(월) 10:00
※ 제출기간 중에는 24시간 입찰서의 제출이 가능합니다.
바. 개찰일시 및 장소
- 개찰일시 : 2026. 10. 19(월) 15:00 및 기술평가 이후
- 개찰장소 : G2B(나라장터, 국가조달전자시스템)
※ 입찰참가자격등록은 2026. 10. 16.(금) 18:00까지 완료하여야 하고, 나라장터
(G2B)를 통한 전자입찰로 진행합니다.
※ 입찰자가 면세사업자인 경우 입찰금액은 반드시 부가가치세를 포함하여 투찰하여
야 하며, 입찰결과 낙찰자가 면세사업자인 경우 낙찰금액에서 부가가치세(10%) 상당
액을 차감한 금액을 계약금액으로 합니다.
2. 입찰 및 계약방식
가. 제한경쟁, 총액입찰, 전자입찰입니다.
나. 입찰서는 반드시 국가종합전자조달시스템(http://www.g2b.go.kr, 이하
“나라장터 시스템”이라 합니다.)의 “입찰정보”를 이용하여 제출하여야
합니다.
다. 본 입찰은「국가를 당사자로 하는 계약에 관한 법률 시행령」제43조에 따
른 협상에 의한 계약으로 진행합니다.
다. 제안서는 국가종합전자조달시스템 나라장터를 통하여 온라인으로 제출하
여야 한다.
라. 전자입찰 및 제안서 제출 절차는 국가종합전자조달시스템 나라장터에서
정한 절차에 따른다.
마. 입찰자는 부가가치세를 포함한 총액으로 투찰하여야 한다.
3. 입찰참가 자격
입찰참가자는 다음 각 호의 자격을 모두 충족하여야 하며, 관련 자격·권리 및
증빙서류는 전자입찰서 및 제안서 제출 마감일 현재 유효하여야 합니다.
가. 나라장터 입찰참가자격
국가를 당사자로 하는 계약에 관한 법률시행령 제12조 동법 시행규칙 제14조
에 의한 소정의 자격을 갖추고, 같은 법 시행규칙 제76조에 의한 부정당업자
로 입찰참가 자격제한을 받지 않은 업체
나. 학술연구용역 업종 등록
국가종합전자조달시스템(나라장터)에 학술연구용역(업종코드: 1169)로 등록한
업체이어야 합니다.
다. 중소기업 또는 소상공인 확인
「중소기업기본법」 제2조제2항에 따른 소기업 또는 「소상공인 보호 및 지원
에 관한 법률」 제2조에 따른 소상공인으로서 「중소기업 범위 및 확인에 관
한 규정」에 따라 발급된 ‘소기업․소상공인 확인서’를 소지한 업체
* 중소기업제품 구매촉진 및 판로지원에 관한 법률 시행령 제2조의3제2호에
따라 비영리법인은 소기업·소상공인확인서가 없어도 입찰에 참가할 수 있습
니다.
라. 공동수급 제한
본 사업은 기술 적용의 일관성, 보안 유지, 신속한 현장 대응 및 사업 수행 책
임 확보를 위하여 공동수급을 허용하지 않습니다.
입찰참가자는 본 입찰에서 요구하는 자격, 특허기술, 기술사용 권한, 장비 및
수행인력을 직접 보유하여야 하며, 협력업체 또는 제3자가 보유한 자격·기
술·장비는 입찰참가자의 보유 요건으로 인정하지 않습니다.
마. 하도급 제한
계약상대자는 사업 총괄, AI 기반 데이터 분석, 시스템 연계 및 최종 성과물
작성 등 핵심업무를 직접 수행하여야 하며, 이를 하도급할 수 없습니다.
그 밖의 일부 전문업무를 하도급하려는 경우에는 관계 법령에 따라 사전에 발
주기관의 서면승인을 받아야 하며, 재하도급은 원칙적으로 허용하지 않습니다.
발주기관의 승인 없이 하도급 또는 재하도급을 실시한 경우 계약 해제·해지
등의 사유가 될 수 있습니다.
바. 입찰참가자격
국가를 당사자로 하는 계약에 관한 법률시행령 제12조 동법 시행규칙 제14조
에 의한 소정의 자격을 갖추고, 같은 법 시행규칙 제76조에 의한 부정당업자
로 입찰참가 자격제한을 받지 않은 업체이어야 합니다.
4. 현장설명
본 용역은 별도의 현장설명을 실시하지 아니한다.
5. 가격입찰서 및 제안서 제출
가. 가격입찰서와 제안서는 공고문에서 정한 제출기한 내에 모두 제출하여야 한
다.
나. 가격입찰서 또는 제안서 중 어느 하나라도 제출하지 아니한 경우에는 입찰
무효로 처리한다.
다. 제안서 제출 여부는 국가종합전자조달시스템 나라장터 서버 수신 여부를 기
준으로 판단한다.
라. 제안서 파일이 정상적으로 열람되지 않거나, 첨부파일의 오류, 누락, 손상 등
으로 평가가 불가능한 경우에는 제안서를 제출하지 아니한 것으로 볼 수 있
다.
마. 제안서 제출 마감 이후에는 제안서의 수정, 보완 또는 교체 제출을 원칙적으
로 허용하지 아니한다.
바. 수요기관은 평가에 필요한 경우 입찰참가자에게 추가자료 제출을 요청할 수
있으며, 입찰참가자는 이에 응하여야 한다.
6. 제출서류
입찰참가자는 다음 각 호의 서류를 제안서 제출마감일시까지 제출하여야 한다.
가. 제안서 전자파일 1식 (※ 정성제안서와 정량제안서를 구분하여 제출)
나. 입찰참가신청서 1부
다. 사업자등록증 사본 1부
라. 중기업·소기업·소상공인확인서 1부 (※ 비영리기관의 경우 제외)
마. 정량평가 증빙서류 1식
바. 서약서 1부
사. 보안서약서 1부
※ 제출서류 중 사본은 원본대조필 또는 사실과 상위없음을 표시하고 대표자
직인 또는 법인인감을 날인하여 제출하여야 한다.
※ 허위서류 제출 또는 제출서류의 중대한 하자가 확인될 경우, 입찰무효, 협
상대상 제외, 낙찰자 결정 취소 또는 계약해지 사유가 될 수 있다.
7. 제안서 평가
입찰참가자는 다음 각 호의 서류를 제안서 제출마감일시까지 제출하여야 한다.
가. 제안서 평가는 수요기관이 구성한 평가위원을 통하여 실시한다.
나. 제안서 평가는 제출된 제안서 및 관련 서류를 기준으로 한 서면평가 방식
으로 실시한다.
다. 별도의 발표평가는 실시하지 아니한다.
라. 평가는 기술능력평가 90점, 입찰가격평가 10점으로 한다.
마. 기술능력평가는 정성평가와 정량평가로 구성한다.
바. 기술능력평가의 세부 평가항목, 정성평가 및 정량평가의 배점, 평가방법은
제안요청서에 따른다.
사. 입찰가격평가는 기획재정부 계약예규 「협상에 의한 계약체결기준」에 따
라 산출한다.
아. 수요기관은 제안내용 확인을 위하여 필요한 경우 입찰참가자에게 추가자료
를 요청할 수 있다.
자. 제안서 평가결과의 세부내용은 공개하지 아니한다.
8. 협상대상자 선정 및 낙찰자 결정
가. 협상대상자는 기술능력평가 점수와 입찰가격평가 점수를 합산한 종합평가
점수의 고득점자 순으로 선정한다.
나. 기술능력평가 점수가 기술능력평가 배점한도 90점의 85퍼센트인 76.5점 미
만인 자는 협상대상에서 제외한다.
다. 종합평가점수가 동일한 경우에는 기술능력평가 점수가 높은 자를 우선순위
자로 한다.
라. 기술능력평가 점수도 동일한 경우에는 제안요청서에서 정한 기술능력평가
세부항목 중 배점이 큰 항목의 점수가 높은 자를 우선순위자로 한다.
마. 우선협상대상자와 협상이 성립된 경우에는 차순위 협상대상자와 협상을 실
시하지 아니한다.
바. 우선협상대상자와 협상이 성립되지 아니한 경우에는 차순위 협상대상자와
순차적으로 협상을 실시한다.
사. 모든 협상대상자와 협상이 성립되지 아니한 경우에는 재공고입찰 또는 새
로운 입찰에 부칠 수 있다.
아. 수요기관은 제안내용 확인을 위하여 필요한 경우 입찰참가자에게 추가자료
를 요청할 수 있다.
자. 최종 낙찰자는 협상이 성립된 자로 한다.
9. 입찰보증금
가. 입찰보증금은 전자입찰서의 입찰보증금 지급각서 제출로 갈음할 수 있다.
나. 다만, 입찰보증금 납부가 필요한 자는 관계 법령 및 공고에서 정한 방법에
따라 입찰보증금을 납부하여야 한다.
다. 낙찰자가 정당한 사유 없이 소정의 기한 내에 계약을 체결하지 아니하는
경우 입찰보증금은 관련 법령에 따라 처리한다.
10. 입찰의 무효
다음 각 호의 어느 하나에 해당하는 입찰은 무효로 한다.
가. 「국가를 당사자로 하는 계약에 관한 법률 시행령」 제39조 및 같은 법 시
행규칙 제44조에 해당하는 입찰
나. 입찰참가자격이 없는 자가 한 입찰
다. 가격입찰서를 제출하지 아니한 입찰
라. 제안서를 제출하지 아니한 입찰
마. 가격입찰서와 제안서를 정해진 제출방법에 따라 제출하지 아니한 입찰
바. 제출서류에 허의 또는 중대한 하자가 있는 입찰
사. 동일인이 2개 이상의 입찰서를 제출한 입찰
아. 기타 입찰공고문, 제안요청서 또는 관계 법령에서 무효로 정한 입찰
11. 계약체결, 검수 및 대금지급
가. 낙찰자는 협상 성립 후 수요기관이 정한 기한 내에 계약을 체결하여야 한
다.
나. 계약조건, 세부 과업범위, 산출물, 검수방법 및 대금지급 조건은 제안요청
서, 협상 결과 및 계약서에 따른다.
다. 본 용역은 최종 산출물 제출 및 검수결과에 따라 대금을 지급할 수 있다.
라. 계약상대자는 용역 수행 중 수요기관이 요구하는 보고, 검수, 시험, 보완 및
자료제출에 성실히 응하여야 한다.
12. 청렴계약 및 보안준수
가. 입찰참가자는 본 입찰에 참가함으로써 청렴계약 이행에 동의한 것으로 본
다.
나. 계약상대자는 용역 수행 과정에서 취득한 수요기관의 자료, 정보, 운영데이
터, 시스템 구성정보 및 기타 비공개 정보를 외부에 누설하거나 목적 외로
사용하여서는 아니 된다.
다. 계약상대자는 수요기관의 보안정책 폐쇄망, 운영환경, 접근통제 및 자료반
출 제한사항을 준수하여야 한다.
라. 보안위반, 자료유출 또는 비밀누설이 발생한 경우 계약상대자는 이에 따른
민형사상 책임 및 계약상 책임을 부담한다. 13. 기타 유의사항
가. 입찰참가자는 입찰공고문, 제안요청서, 계약조건, 전자입찰 이용약관, 관련
법령및 예규 등을 충분히 숙지한 후 입찰에 참가하여야 한다.
나. 이를 숙지하지 못하여 발생하는 책임은 입찰참가자에게 있다.
다. 제안서 작성 및 제출에 소요되는 모든 비용은 입찰참가자가 부담한다.
라. 제출된 서류는 반환하지 아니한다.
마. 제안내용은 계약체결 시 계약조건의 일부가 될 수 있다.
바. 제안서에 기재된 내용이 허위로 판명될 경우 평가대상에서 제외하거나 낙
찰자 결정 취소 또는 계약해지 사유로 삼을 수 있다.
사. 본 공고문과 제안요청서의 내용이 상충하는 경우에는 입찰 및 계약절차에
관한사항은 입찰공고문을 우선 적용하고, 과업수행 및 산출물에 관한 사항
은 제안요청서를 우선 적용한다.
아. 본 공고에 명시되지 아니한 사항은 「국가를 당사자로 하는 계약에 관한
법률」, 같은 법 시행령, 같은 법 시행규칙, 기획재정부 계약예규 및 국가
종합전자조달시스템 관련 규정에 따른다.
자. 입찰참가, 계약사항 및 사업내용에 대한 상세한 사항은 (주)그린텍아이엔씨
(김정건 부장 ☎ 031-348-0123)로, 전자입찰 이용안내는 조달청 전자조달콜센
터(☏1588-0800)로 문의하시기 바랍니다.
위와 같이 공고합니다. 2026. 10. 08. ㈜그린텍아이엔씨
===== 하수,재이용,바이오가스시설 AI 용역 - 제안요청서.pdf =====
제 안 요 청 서
하수·재이용·바이오가스시설 통합운영관리 소프트웨어
개발을 위한 AI 예측모델 개발 및 검증 용역
2026. 09. ㈜그린텍아이엔씨 차 례
Ⅰ. 사업안내 ·········································································································· 1
- 사업개요 ········································································································1
- 주요 사업 범위 ····························································································1
- 핵심 구축 개념 ····························································································2
Ⅱ. 현황 및 추진방향 ·························································································· 3
- 현황 ················································································································3
- 주요 개선 필요사항 ····················································································3
- 추진방향 ········································································································4
- 목표 운영체계 ······························································································4
Ⅲ. 제안요청 내용 ································································································ 5
- 제안 범위 ······································································································5
- 세부 제안요청 사항 ····················································································5
- AI 모델 개발 시 고려사항 ········································································7
- 제안사항 ········································································································7
- 세부 요구사항 ······························································································8
Ⅳ. 제안서 작성요령 ··························································································· 24
Ⅴ. 평가 및 선정 ································································································· 28
Ⅵ. 기타 사항 ······································································································· 30
Ⅶ. 붙임 ················································································································· 31
Ⅰ. 사업안내
가. 사업개요
(1) 사업명칭 : 하수·재이용·바이오가스시설 통합운영관리 소프트웨어 개발
을 위한 AI 예측모델 개발 및 검증 용역
(2) 사업목적 : 하수·재이용·바이오가스시설의 공정·수질·에너지 데이터를 기
반으로 주요 운영변수를 예측하는 AI 모델을 개발하고, 모델
의 성능검증 및 운영시스템 연계 기반을 구축
(3) 사업기간 : 착수일로부터
(4) 계약방법
:
※「국가를 당사자로 하는 계약에 관한 법률」 제43조 및 「(계약예규)협상에 의한 계약체결기준」
(5) 계약금액 : 금 일억육백만원정(￦106,000,000원 / 부가세 포함)
- 추정가격 : 96,363,636원(부가세 별도)
(6) 지급계획 : 분할지급
- 선금 : 계약 체결 및 용역 착수 신고 후 금액의 50% 지급
- 잔금 : 용역 완료 및 최종 보고서 검수 후 나머지 지급
2026년 12월 11일까지
제한경쟁입찰 / 협상에 의한 계약 나. 주요 사업 범위
(1) 공정데이터 수집·전처리 및 통합 DB 연계
- 하수·재이용·바이오가스시설 계측·운영데이터 수집 항목 정의
- 데이터 단위·수집주기·태그체계 표준화
- 태그–공정–변수 매핑 및 유효 태그 선별
- 결측값·이상값·0값 데이터 품질진단 및 보정기준 수립
- 고빈도 센서데이터와 저빈도 수질분석 데이터의 시간해상도 정합
- 통합 DB 스키마 및 ETL 설계 지원
(2) 시설별 AI 예측모델 개발
- 하수처리시설 유입유량·수질 및 부하 단기 예측모델 개발
- 재이용시설 생산량·품질 및 막오염 진행 예측모델 개발
- 바이오가스시설 가스 발생량 및 소화조 안정도 예측모델 개발
- 회귀 및 시계열 딥러닝 기반 모델 설계·학습·튜닝
- 비지도 학습 기반 이상탐지 기초모델 개발
- 1 -
- 최적 운전인자 산출 로직 개념설계
(3) AI 모델 성능검증 환경 구축
- 학습·검증·시험 데이터셋 분리기준 수립
- AI 예측성능 평가기준 및 검증 프로토콜 수립
- 실측데이터 기반 모델 검증 및 튜닝
- 학습이력·하이퍼파라미터·성능을 관리할 수 있는 재현 가능한 검증환경 구축
- 성능 미달 항목에 대한 원인분석 및 개선
(4) MLOps 및 시스템 연계
- Docker·Airflow·MLflow 기반 기존 MLOps 환경 연계
- 학습·평가·배포·재학습 파이프라인 구축
- AI 예측결과 REST API 제공
- 통합운영관리 SW 및 디지털트윈 연계 인터페이스 구축
- 모델 버전관리 및 재학습 트리거 기준 설계
(5) 기술이전 및 내재화
- 전처리·학습·추론·배포 파이프라인 전체 소스코드 납품
- 학습된 모델 및 개발문서 납품
- 발주기관 개발인력 대상 기술이전 교육 실시
- 모델 구조, 변수 선정근거, 튜닝이력 및 재학습 방법 문서화
다. 핵심 구축개념
그림 1 AI 예측모델 개발 로드맵
본 사업은 하수·재이용·바이오가스시설에서 수집되는 공정·수질·에너지 데이
터를 AI 학습에 활용할 수 있도록 표준화·전처리하고, 시설별 주요 운영변수
에 대한 AI 예측모델을 개발하는 것을 목적으로 한다. 개발된 모델은 실측데
이터를 기반으로 성능을 검증하고 MLOps 환경에 등록하여 지속적인 모델
관리와 재학습이 가능하도록 구성하며, REST API를 통해 통합운영관리 SW
및 디지털트윈과 연계할 수 있는 AI 운영 기반을 구축한다.
- 2 -
Ⅱ. 현황 및 추진방향 가. 현황
하수·재이용·바이오가스시설은 공정별로 다양한 계측·운영데이터를 실시간으
로 생성하고 있으며, 이러한 데이터를 활용한 AI 기반 예측·분석 및 운영지
원의 필요성이 증가하고 있다.
발주기관은 현재 재이용시설의 공정 계측·운영데이터를 정주기로 수집·확보
하고 있으며, 공정별 계측 태그를 기반으로 데이터 분석 및 활용 기반을 마
련하고 있다. 향후 하수처리시설 및 바이오가스시설의 데이터를 추가 확보하
여 세 시설의 데이터를 통합적으로 활용할 계획이다.
다만 실제 AI 학습 및 운영에 활용하기 위해서는 데이터 품질진단, 결측·이
상값 처리, 서로 다른 시간해상도의 정합, 태그와 공정·변수 간 매핑, 시설별
AI 예측모델 개발 및 객관적인 성능검증 체계 구축이 필요한 상황이다.
나. 주요 개선 필요사항
- 시설별 계측·운영데이터의 단위·수집주기·태그체계 표준화
- AI 학습에 활용 가능한 유효 태그 선별 및 태그–공정–변수 연계체계 확보
- 결측값·이상값·0값 등 데이터 품질 문제에 대한 체계적인 진단 및 처리기준 마련
- 초 단위 센서데이터와 수질 정밀분석 데이터 간 시간해상도 정합체계 확보
- 시설 간 연계 데이터의 관계를 반영한 Q–BOD–TS 데이터 매핑구조 구축
- 하수·재이용·바이오가스시설별 주요 운영변수 AI 예측모델 확보
- 정량적 성능지표에 기반한 모델 검증 및 지속적인 재학습·고도화 체계 확보
- 통합운영관리 SW 및 디지털트윈에서 AI 분석결과를 활용할 수 있는 API
연계 기반 확보
- 3 -
다. 추진방향
구분
내용 데이터 표준화 및 품질 확보 시설별 AI 예측모델 구축 모델 성능검증 체계 구축 MLOps 기반 운영체계 구축 통합운영관리 시스템 연계
시설별 계측·운영데이터의 단위, 주기, 태그체계를 표준화하고
결측·이상·0값 데이터에 대한 진단 및 보정체계를 구축한다.
하수, 재이용, 바이오가스시설의 주요 의사결정 변수를 대상으로
예측모델을 개발한다.
학습·검증·시험 데이터셋을 분리하고 정량적 평가기준에 따라
모델의 성능을 검증·개선한다.
모델의 학습·평가·배포·버전관리 및 재학습이 가능한 MLOps
기반 운영체계를 마련한다.
AI 모델 결과를 REST API 기반으로 통합운영관리 SW 및 디지털
트윈에서 활용할 수 있도록 구성한다.
라. 목표 운영체계
본 사업을 통해
→
→
→
→
→
→
→
로 이어지는 AI 모델 개
발·운영체계를 구축하고자 한다.
이를 통해 1차년도에는 주요 예측모델의 기초 성능을 확보하고, 2~3차년도에는 실
시간 연계·재학습 및 AI 기반 최적운전 지원으로 단계적으로 고도화할 수 있는 기
반을 확보한다.
공정데이터 수집
학습데이터셋 구축 록·관리 품질진단 및 전처리 시설별 AI 모델 학습 모델 성능검증
API 기반 통합운영관리 SW·디지털트윈 연계
- 4 -
태그·공정·변수 매핑
MLOps 등
Ⅲ. 제안요청 내용 가. 제안 범위
제안사는 하수·재이용·바이오가스시설을 대상으로 공정데이터의 수집·전처리·표준화 체
계를 구축하고, 시설별 주요 운영변수를 예측하는 AI 모델을 개발하여야 한다. 또한 개
발된 모델에 대한 객관적인 성능검증 환경을 구축하고 발주기관의 MLOps 및 통합운영
관리 SW·디지털트윈과 연계할 수 있는 인터페이스를 구현하여야 한다.
- 시설별 계측·운영데이터 수집 항목 및 표준체계 정의
- 태그–공정–변수 매핑 및 유효 태그 선별
- 데이터 품질진단 및 결측·이상값 처리기준 수립
- 시계열 데이터 전처리 및 학습데이터셋 구축
- 하수처리시설 유입부하 단기 예측모델 개발
- 재이용시설 생산량·품질 및 막오염 예측모델 개발
- 바이오가스시설 가스 생산량 및 소화조 안정도 예측모델 개발
- 비지도 학습 기반 이상탐지 기초모델 개발
- 운영지표 및 최적 운전인자 산출 로직 정의
- 모델 성능검증 및 튜닝
- MLOps 기반 모델 운영·관리체계 연계
- REST API 기반 통합운영관리 SW·DT 인터페이스 구현
- 소스코드·모델·개발문서 납품 및 기술이전
나. 세부 제안요청사항
구분
내용
3개 시설의 계측·운영 데이터에 대한 수집 항목, 단위, 주기, 태
공정데이터 수집 및 표준화
그체계를 정의하고 표준화하여야 한다. 시설별 데이터의 공정 위
치와 의미를 분석하여 AI 모델 개발에 활용 가능한 데이터 구조
로 구성하여야 한다.
발주기관이 제공하는 태그 정리자료와 원본 태그 목록을 분석하
태그–공정–변수 매핑
여 AI 모델 입력변수로 활용 가능한 유효 태그를 선정하고, 태그–
공정단계–모델 입력변수 간 매핑 정의서를 작성하여야 한다.
- 5 -
수집 데이터의 결측값, 이상값 및 0값 발생현황을 분석하고 원인
데이터 품질진단 및 전처리
에 따른 보정·대체·제외 기준을 수립하여야 한다. 시계열 연속
성 및 모델 학습 적합성을 고려한 데이터 전처리 파이프라인을
구축하여야 한다.
초 단위 고빈도 센서데이터와 저빈도 수질 분석데이터를 함께 학
시간해상도 정합
습에 활용할 수 있도록 리샘플링·집계·라벨링 기준을 정의하여
야 한다.
유입유량 및 SS·BOD·T-N 등 주요 수질·부하 항목에 대해
하수처리시설 AI 모델
3~6시간 선행 예측이 가능한 AI 모델을 개발하여야 하며, 송풍·
교반·반송슬러지량 등 운영 의사결정을 지원할 수 있는 구조로
구성하여야 한다.
재이용수 생산량·품질 및 막오염 진행상태를 예측할 수 있는 AI
재이용시설 AI 모델
모델을 개발하여야 하며, 여과차압, UF/RO 압력·유량 및 탁도
등의 실측데이터를 활용하여 막세척 주기 산출이 가능한 기초 로
직을 구현하여야 한다.
TS·VFA·pH·온도 등 공정변수를 활용하여 바이오가스 생산량
바이오가스시설 AI 모델
과 소화조 안정도를 예측할 수 있는 모델을 개발하고, 이상징후
를 판단할 수 있는 안정도 지표를 정의하여야 한다.
정상·비정상 운영상태를 구분할 수 있는 비지도 학습 기반 이상
이상탐지
탐지 알고리즘을 설계하고 2차년도 고도화를 위한 프로토타입을
구축하여야 한다.
학습·검증·시험 데이터셋을 구분하고, RMSE 등 정량적 평가지
성능검증
표를 적용한 성능검증 기준 및 프로토콜을 수립하여야 한다. 실
측데이터를 이용한 검증과 모델 튜닝을 수행하고 성능 미달 시
원인을 분석하여 개선방안을 제시하여야 한다.
발주기관의 Docker·Airflow·MLflow 기반 MLOps 체계에 학습·
MLOps 연계
평가·배포·재학습 파이프라인을 등록·연동하고 모델 버전 및
성능이력을 관리할 수 있도록 구성하여야 한다.
AI 예측결과를 REST API 형태로 제공하고, 발주기관 통합운영관
API 연계
리 SW 및 디지털트윈 시스템에서 활용할 수 있도록 인터페이스
정의서와 API를 구현하여야 한다.
모델 개발 및 운영에 필요한 전체 소스코드, 학습모델 및 관련
기술이전
문서를 제공하고 발주기관 개발인력이 모델 구조, 재학습 및 운
영방법을 자체적으로 수행할 수 있도록 기술이전을 실시하여야
한다.
- 6 - 다. AI 모델 개발 시 고려사항
- 데이터의 정확성·정합성·연속성을 확보할 것
- 모델 입력변수와 원천 태그 간 추적성을 확보할 것
- AI 모델 학습 및 검증과정의 재현성을 확보할 것
- 특정 알고리즘 하나에 종속되지 않고 대상 공정과 데이터 특성에 적합한 모델을
적용할 것
- 모델 학습·평가·배포·재학습이 가능한 구조로 구축할 것
- 개발 모델 및 소스코드는 발주기관이 자체 유지·고도화할 수 있는 형태로 제공할 것
- 통합운영관리 SW 및 디지털트윈과의 연계를 고려한 API 구조를 적용할 것
- 시설 운영데이터에 대한 보안 및 외부 반출 제한을 준수할 것
라. 제안사항
제안사는 본 제안요청서의 기본 요구사항을 충족하는 범위 내에서 데이터 품질 향
상, AI 모델 예측성능 개선, 모델 학습 효율화, MLOps 운영 효율성, AI 모델 설명가
능성, 시스템 연계 및 향후 모델 확장성 등을 향상할 수 있는 추가적인 기술·기능
및 구축방안을 제안할 수 있다. 추가 제안 시에는 적용대상, 적용방법, 기대효과 및
본 사업 성과지표와의 연계성을 구체적으로 제시하여야 한다.
- 7 -
마. 세부 요구사항
(1) 요구사항 목록
요구사항 구분
기능
(Model Function
Requirement)
성능
(Performance
Requirement)
품질
(Quality
Requirement)
프로젝트 관리
(Project
Management
Requirement)
프로젝트 지원
(Project Support
Requirement)
요구사항 명
MFR-001
AI 모델 개발 일반사항 MFR-002 공정데이터 수집 및 표준화 MFR-003 데이터 품질진단 및 전처리 MFR-004 태그–공정–변수 매핑 및 데이터 연계 MFR-005 하수처리시설 AI 예측모델 개발 MFR-006 재이용시설 AI 예측모델 개발 MFR-007 바이오가스시설 AI 예측모델 개발 MFR-008 이상탐지 모델 개발 MFR-009 운영지표 및 최적 운전인자 산출 로직 MFR-010 모델 성능검증 및 튜닝 MFR-011 MLOps 연계 및 모델 관리 MFR-012
REST API 및 통합운영관리 SW·DT 연계
PER-001 AI 예측성능 확보 PER-002 데이터 품질 및 정합성 확보 PER-003 AI 모델 API 응답성능 확보 QUR-001 데이터 교환성 및 무결성 확보 QUR-002 성능검증 및 인수시험 지원 QUR-003 모델 성능검증 및 결과 관리 PMR-001 표준 작업단계 및 산출물 준수 PMR-002 성과품 작성 및 제출 기준 PMR-003 성능지표 및 트레이서빌리티 관리 PSR-001 기술이전 및 교육훈련 PSR-002 운영 및 유지관리 지원 PSR-003 하자보수 및 기술지원 - 8 - (2) 요구사항 상세
o 기능 요구사항
고유번호
요구사항 명
분류
MFR-001
AI 모델 개발 일반사항
기능
응락수준 필수
◦ 하수, 재이용, 바이오가스시설을 대상으로 시설별 AI 예측모델 1차 버전을 개발하
여야 한다.
◦ 시설별 공정데이터와 주요 의사결정 변수를 분석하여 AI 모델의 입력·출력변수
를 정의하여야 한다.
◦ 회귀(Regression) 계열 및 시계열 딥러닝(LSTM·GRU 등) 기반의 예측모델을 개발
요구사항
세부내용
하여야 한다.
◦ Boosting·Optuna 등의 튜닝 기법을 적용하여 예측정확도를 확보하여야 한다.
◦ 모델 개발에 필요한 학습·검증·시험 데이터셋을 구성하고 모델별 성능을 검증
하여야 한다.
◦ 개발된 모델과 수식은 입력 태그 및 산출지표를 명확히 정의하여야 한다.
◦ 개발된 AI 모델 및 학습 파이프라인은 발주기관의 MLOps 체계와 연계하여 향후
고도화 및 실증에 활용할 수 있도록 하여야 한다.
고유번호
요구사항 명
분류
MFR-002
공정데이터 수집 및 표준화
기능
응락수준 필수
◦ 하수·재이용·바이오가스 3개 시설의 계측·운영 데이터 수집 항목을 정의하여
야 한다.
◦ 시설별 데이터의 단위·수집주기·태그체계를 분석하고 표준화 방안을 설계하여
야 한다.
요구사항
세부내용
◦ 하수·재이용·바이오가스시설의 공정 운영 및 AI 모델 개발에 필요한 주요 계
측·운영데이터를 대상으로 하여야 한다.
◦ 시설별 공정 특성과 AI 모델의 목적을 고려하여 필요한 주요 계측·운영데이터를
선정하고 활용하여야 한다.
◦ 표준화된 데이터는 AI 모델 학습용 데이터셋 및 통합 DB 연계에 활용할 수 있도
록 구성하여야 한다.
- 9 -
고유번호
요구사항 명
분류
MFR-003
데이터 품질진단 및 전처리
기능
응락수준 필수
◦ 발주기관이 제공하는 정주기 수집 DB를 대상으로 데이터 품질진단을 수행하여야
한다.
◦ 0값 및 결측이 과다한 태그에 대해 미계측, 간헐 운전, 통신, 스케일 설정 등의
발생원인을 분석하여야 한다.
◦ 데이터 품질진단 결과를 기반으로 보정·대체·제외 기준을 수립하여야 한다.
◦ 고빈도 센서데이터와 저빈도 수질 정밀분석 데이터 간 시간해상도 정합체계를 설
요구사항
세부내용
계하여야 한다.
◦ 수질분석 데이터에 대한 리샘플링·집계·라벨링 기준을 수립하여 학습데이터의
시계열 연속성을 확보하여야 한다.
◦ 결측·이상값 처리, 시계열 파생변수 생성, 인코딩 등의 데이터 정제 파이프라인
을 개발하여야 한다.
◦ 전처리 결과를 활용하여 AI 모델 학습용 데이터셋을 구축하여야 한다.
◦ 태그별 유효성, 0값·결측 분석 및 보정기준을 포함한 데이터 품질진단 결과를
작성하여야 한다.
고유번호
요구사항 명
분류
MFR-004
태그–공정–변수 매핑 및 데이터 연계
기능
응락수준 필수
◦ 발주기관이 제공하는 HMI 공정별 계측 태그 및 태그 원본 리스트를 기반으로 모
델 입력변수로 활용 가능한 유효 태그를 선별하여야 한다.
◦ 태그–공정단계–모델 입력변수 간 매핑관계를 정의하여야 한다.
◦ 정의된 매핑관계에 대한 상호검증을 수행하여야 한다.
◦ 하수처리 처리수질에서 재이용 공정 입력으로 이어지는 연계관계를 정의하여야
요구사항
세부내용
한다.
◦ 잉여슬러지 발생량·성상에서 바이오가스시설 유입으로 이어지는 연계관계를 정
의하여야 한다.
◦ 시설 간 연계·종속 데이터 매핑 구조인 Q–BOD–TS 경로를 정의하여야 한다.
◦ 발주기관 통합 데이터 플랫폼의 스키마·ETL 설계를 지원하고 구축 검증에 참여
하여야 한다.
◦ 태그–공정–변수 매핑 및 시설 간 데이터 매핑 결과를 정의서로 작성하여야 한다.
- 10 -
고유번호
요구사항 명
분류
MFR-005
하수처리시설 AI 예측모델 개발
기능
응락수준 필수
◦ 하수처리시설의 유입부하(유량·수질)에 대한 단기 예측모델을 개발하여야 한다.
◦ SS·BOD·T-N 등 주요 수질항목을 예측대상에 포함하여야 한다.
◦ 주요 예측항목에 대해 3~6시간 선행(Ahead) 예측이 가능하도록 모델을 개발하여
요구사항
세부내용
야 한다.
◦ 예측결과를 송풍·교반·반송슬러지량 등의 운전 의사결정 지원에 활용할 수 있
도록 하여야 한다.
◦ 시설에서 확보되는 공정·수질 데이터를 활용하여 모델을 학습하고 검증하여야 한다.
◦ 모델별 입력 태그와 산출값을 명확하게 정의하여야 한다.
고유번호
요구사항 명
분류
MFR-006
재이용시설 AI 예측모델 개발
기능
응락수준 필수
◦ 재이용시설의 재이용수 생산량 및 품질을 예측하는 AI 모델을 개발하여야 한다.
◦ 막오염 진행상태를 예측할 수 있는 모델을 개발하여야 한다.
요구사항
세부내용
◦ 시설에서 확보되는 주요 공정·수질 데이터를 모델에 활용하여야 한다.
◦ 막차압(TMP) 상승률 및 막오염 지표를 정의하여야 한다.
◦ 막세척(CIP) 주기 산정식을 정의하여야 한다.
◦ 막오염 예측결과를 기반으로 세척주기를 도출하는 로직을 1차 개발하여야 한다.
◦ 공정별 회수율 등 재이용시설 운영판단에 필요한 산출식을 정의하여야 한다.
고유번호
요구사항 명
분류
MFR-007
바이오가스시설 AI 예측모델 개발
기능
응락수준 필수
◦ 바이오가스시설의 가스 발생량을 예측하는 AI 모델을 개발하여야 한다.
◦ 투입 슬러지 및 온도 등의 운전 의사결정을 지원할 수 있도록 모델을 구성하여야
요구사항
세부내용
한다.
◦ 시설에서 확보되는 주요 공정·운영데이터를 기반으로 가스 생산량을 예측하여야 한다.
◦ 소화조 안정도를 판단하기 위한 이상징후 지표를 정의하여야 한다.
◦ 시설에서 확보되는 공정데이터를 기반으로 모델을 학습하고 검증하여야 한다.
◦ 모델별 입력 태그와 산출값을 명확하게 정의하여야 한다.
- 11 -
고유번호
요구사항 명
분류
MFR-008
이상탐지 모델 개발
기능
응락수준 필수
◦ 정상·비정상 운영상태를 구분하기 위한 비지도 학습 기반 이상탐지 알고리즘을
설계하여야 한다.
◦ 이상탐지 알고리즘의 기초 설계 및 프로토타입을 개발하여야 한다.
요구사항
세부내용
◦ 시설별 공정데이터를 기반으로 정상운전 상태와 이상운전 상태를 구분할 수 있도
록 구성하여야 한다.
◦ 바이오가스시설의 경우 소화조 안정도와 관련된 이상징후 지표를 정의하여야 한
다.
◦ 이상탐지 모델은 2차년도 고도화를 고려한 1차년도 기초 설계 및 프로토타입 개
발 범위로 수행하여야 한다.
고유번호
요구사항 명
분류
MFR-009
운영지표 및 최적 운전인자 산출 로직
기능
응락수준 필수
◦ 예측모델과 병행하여 성과검증 및 운영판단에 필요한 운영지표 산출식을 정의하
여야 한다.
◦ 재이용시설의 막차압(TMP) 상승률, 막오염 지수, 세척(CIP) 주기 및 공정별 회수율
을 정의하여야 한다.
◦ 공통 운영지표로 에너지 원단위(kWh/㎥), 약품 원단위 및 처리단가 등의 산출식을
요구사항
세부내용
정의하여야 한다.
◦ 모든 운영지표 산출식은 입력 태그 ID, 집계주기 및 산출지표를 명시하여야 한다.
◦ 산출식은 향후 통합운영관리 SW에 구현할 수 있는 형태로 제시하여야 한다.
◦ 예측결과를 기반으로 송풍량, 약품 주입량, 슬러지 반송량 등의 최적 운전인자를
산출하기 위한 로직을 개념 설계하여야 한다.
◦ 1차년도에는 직접 자동제어가 아닌 의사결정지원 방식의 개념 설계 범위로 수행
하여야 한다.
- 12 -
고유번호
요구사항 명
분류
MFR-010
모델 성능검증 및 튜닝
기능
응락수준 필수
◦ 학습·검증·시험 데이터셋의 분리기준을 수립하여야 한다.
◦ RMSE 기준값 등 모델 성능평가를 위한 성능검증 기준 및 평가 프로토콜을 수립
하여야 한다.
◦ 하수·재이용·바이오가스시설의 실측 데이터를 활용하여 모델을 검증하고 튜닝
요구사항
세부내용
하여야 한다.
◦ 실험관리 도구를 활용하여 학습이력, 하이퍼파라미터 및 모델 성능을 기록할 수
있는 재현 가능한 검증환경을 구축하여야 한다.
◦ 성능 미달 항목에 대해서는 원인을 분석하고 데이터 보강, 모델 구조 개선 등의
개선방안을 제시하여야 한다.
◦ 성능 미달 시 보완 후 재검수를 수행할 수 있도록 하여야 한다.
◦ 성능검증 기준서 및 성능검증 결과보고서를 작성하여야 한다.
고유번호
요구사항 명
분류
MFR-011
MLOps 연계 및 모델 관리
기능
응락수준 필수
◦ 발주기관이 기보유한 Docker·Airflow·MLflow 기반 MLOps 체계에 개발된 AI 모델
을 연계하여야 한다.
◦ 모델의 학습·평가·배포·재학습 파이프라인을 MLOps 체계에 등록하고 연동하
여야 한다.
요구사항
세부내용
◦ 모델 버전관리 기능을 적용하여야 한다.
◦ 모델의 성능저하 감지 등을 고려한 재학습 트리거 기준을 설계하여야 한다.
◦ 실험관리 도구를 기반으로 학습이력, 하이퍼파라미터 및 성능정보를 기록하여야
한다.
◦ 개발된 AI 모델과 학습 파이프라인이 향후 2~3차년도 고도화 및 실증에 활용될
수 있도록 발주기관 환경에 내재화하여야 한다.
- 13 - 고유번호 MFR-012 요구사항 명
REST API 및 통합운영관리 SW·DT 연계
분류 기능 응락수준 필수
◦ 개발된 AI 모델의 예측결과를 REST API 형태로 제공하여야 한다.
◦ 발주기관의 통합운영관리 SW에서 AI 예측결과를 활용할 수 있도록 인터페이스를
구현하여야 한다.
◦ 디지털트윈(DT) 시스템에서 AI 예측결과를 활용할 수 있도록 연계 인터페이스를
요구사항
세부내용
구현하여야 한다.
◦ API 인터페이스 정의서(I/F 규격서)를 작성하여야 한다.
◦ MLOps 및 API 연동결과를 문서화하여야 한다.
◦ 검증된 모델 및 수식이 향후 AI·DT 실시간 연동 및 통합 SW 실증에 활용될 수
있도록 연계 기반을 마련하여야 한다.
◦ 디지털트윈 자체 개발 및 통합운영관리 SW 화면 개발은 본 과업 범위에서 제외
한다.
- 이 하 여 백 - - 14 -
o 성능 요구사항
고유번호
요구사항 명
분류
PER-001
AI 예측성능 확보
성능
응락수준 필수
◦ 하수·재이용·바이오가스시설의 AI 예측모델에 대해 정량적인 성능검증을 수행
하여야 한다.
◦ AI 예측정확도는 부하·수질·가스 생산량 등의 예측모델을 대상으로 평가하여야
한다.
◦ AI 예측정확도는 RMSE 기준값의 15% 이하를 목표로 하여야 한다.
◦ RMSE 기준값은 항목별 측정범위 또는 평균값 등을 기준으로 하며, 착수 단계에서
요구사항
세부내용
발주기관과 협의하여 「성능검증 기준서」로 확정하여야 한다.
◦ 학습·검증·시험 데이터셋의 분리기준을 수립하여야 한다.
◦ 시험데이터셋을 이용하여 모델의 예측성능을 검증하여야 한다.
◦ 하수·재이용·바이오가스시설의 실측 데이터를 활용하여 모델 검증 및 튜닝을
수행하여야 한다.
◦ 성능 미달 항목은 원인을 분석하고 데이터 보강, 모델 구조 개선 등의 개선방안
을 제시하여야 한다.
◦ 성능 미달 시 보완 후 재검수를 수행하여야 한다.
◦ 모델별 성능검증 결과를 성능검증 결과보고서로 작성하여야 한다.
고유번호
요구사항 명
분류
PER-002
데이터 품질 및 정합성 확보
성능
응락수준 필수
◦ AI 모델의 학습·검증에 활용되는 주요 센서 데이터의 정합성을 확보하여야 한다.
◦ 학습·검증용 센서 데이터 정합성은 90% 이상을 목표로 하여야 한다.
◦ 정주기 수집 DB를 대상으로 데이터 품질진단을 수행하여야 한다.
◦ 0값·결측 과다 태그의 발생현황과 원인을 분석하여야 한다.
요구사항
세부내용
◦ 미계측·간헐 운전·통신·스케일 설정 등 데이터 이상 발생원인을 분석하여야
한다.
◦ 분석결과를 바탕으로 데이터의 보정·대체·제외 기준을 수립하여야 한다.
◦ 고빈도 센서데이터와 저빈도 수질 정밀분석 데이터 간 시간해상도 정합기준을 수
립하여야 한다.
◦ 데이터 품질 및 정합성 검증결과는 데이터 품질검증 보고서를 통해 확인할 수 있
도록 하여야 한다.
- 15 -
고유번호
요구사항 명
분류
PER-003
AI 모델 API 응답성능 확보
성능
응락수준 필수
◦ 개발된 AI 예측모델의 예측결과를 REST API 형태로 제공하여야 한다.
◦ AI 예측모델 API의 응답(추론) 시간은 5초 이내를 목표로 하여야 한다.
◦ API를 통해 발주기관의 통합운영관리 SW 및 디지털트윈(DT)에서 AI 예측결과를
요구사항
세부내용
활용할 수 있도록 하여야 한다.
◦ REST API 연계에 필요한 인터페이스 정의서(I/F 규격서)를 작성하여야 한다.
◦ MLOps 및 API 연동결과를 문서화하여야 한다.
◦ API 응답시간에 대한 성능은 통합 테스트를 통해 검증하여야 한다.
◦ API 응답성능 검증결과를 통합 테스트 결과서로 확인할 수 있도록 하여야 한다.
- 이 하 여 백 - - 16 -
o 품질 요구사항
고유번호
요구사항 명
분류
QUR-001
데이터 교환성 및 무결성 확보
품질
응락수준 필수
◦ 3개 시설의 계측·운영 데이터에 대한 수집 항목 및 데이터 표준화 방안을 설계
하여야 한다.
◦ 데이터의 단위·수집주기·태그체계를 표준화하여 AI 모델 및 통합 DB에서 활용
할 수 있도록 하여야 한다.
◦ 발주기관이 제공하는 태그 정리자료와 태그 원본 리스트를 기반으로 모델 입력변
수로 유효한 태그를 선별하여야 한다.
요구사항
세부내용
◦ 태그–공정단계–모델 입력변수 간 매핑관계를 정의하고 상호 검증하여야 한다.
◦ 하수처리 처리수질 → 재이용 공정 입력, 잉여슬러지 발생량·성상 → 바이오가
스 유입으로 이어지는 시설 간 연계·종속 데이터 구조를 정의하여야 한다.
◦ 시설 간 데이터 매핑 구조인 Q–BOD–TS 경로에 대한 매핑 정의서를 작성하여야
한다.
◦ 모든 수식 및 모델은 입력 태그와 산출지표를 명시하여 데이터와 모델 결과 간
연계관계를 확인할 수 있도록 하여야 한다.
◦ 발주기관 통합 데이터 플랫폼의 스키마·ETL 설계를 지원하고 구축 검증에 참여
하여야 한다.
고유번호
요구사항 명
분류
QUR-002
성능검증 및 인수시험 지원
품질
응락수준 필수
◦ 개발된 AI 모델에 대해 학습·검증·시험 데이터셋을 구분하여 성능검증을 수행
하여야 한다.
◦ RMSE 기준값 및 평가 프로토콜 등을 포함한 「성능검증 기준서」를 수립하여야 한다.
◦ 하수·재이용·바이오가스시설의 실측 데이터를 활용하여 모델을 검증하여야 한다.
◦ 실험관리 도구를 기반으로 학습이력·하이퍼파라미터·성능을 기록할 수 있는 재
요구사항
세부내용
현 가능한 검증환경을 구축하여야 한다.
◦ 개발된 모델에 대한 인수시험을 지원하여야 한다.
◦ 성능 미달 항목에 대해서는 원인을 분석하고 데이터 보강·모델 구조 개선 등의
개선방안을 제시하여야 한다.
◦ 검수는 산출물 검수와 성능 검수로 구분하여 실시하여야 한다.
◦ 성능 미달 시 보완 후 재검수를 수행하여야 한다.
◦ 성능검증 기준서 및 성능검증 결과보고서를 최종 산출물로 제출하여야 한다.
- 17 -
고유번호
요구사항 명
분류
QUR-003
모델 성능검증 및 결과 관리
품질
응락수준 필수
◦ 학습·검증·시험 데이터셋의 분리기준을 수립하여야 한다.
◦ 모델별 성능검증 기준 및 평가 프로토콜을 수립하여야 한다.
◦ AI 예측정확도는 RMSE 기준값의 15% 이하를 목표로 검증하여야 한다.
◦ 실측 데이터를 활용하여 모델의 성능을 검증하고 튜닝하여야 한다.
◦ 실험관리 도구를 활용하여 모델의 학습이력·하이퍼파라미터·성능을 기록하여야
요구사항
세부내용
한다.
◦ 모델 성능 미달 항목에 대한 원인분석 및 개선방안을 제시하여야 한다.
◦ 모델 튜닝 이력을 포함한 알고리즘 설계 내역을 문서화하여야 한다.
◦ 성능검증 기준 및 결과를 「성능검증 기준서」와 「성능검증 결과보고서」로 작
성하여야 한다.
◦ 성능검증 결과는 본 사업의 1차년도 성과지표 달성 여부를 확인할 수 있도록 관
리하여야 한다.
- 이 하 여 백 - - 18 -
o 프로젝트 관리 요구사항
고유번호
요구사항 명
분류
PMR-001
표준 작업단계 및 산출물 준수
프로젝트 관리
응락수준 필수
◦ 사업 수행을 위해 착수보고서 및 수행계획서를 작성하여야 하며, 수행계획서에는
WBS를 포함하여야 한다.
◦ 착수보고서 및 수행계획서는 계약 후 2주 이내 제출하여야 한다.
◦ 데이터 수집·표준화·전처리 및 매핑 정의를 수행하여야 한다.
◦ AI 모델 설계 및 학습데이터셋 구축을 수행하여야 한다.
◦ 시설별 예측모델 1차 개발 및 튜닝을 수행하여야 한다.
요구사항
세부내용
◦ 실측 데이터를 활용한 성능검증 및 보완을 수행하여야 한다.
◦ MLOps·API 연동, 기술이전·교육 및 최종보고를 수행하여야 한다.
◦ 사업 수행 중 착수보고, 월간 진도보고, 중간보고 및 최종보고를 실시하여야 한다.
◦ 월간 진도보고 및 중간보고는 서면으로 수행하고 최종보고는 납품 시 실시하여야 한다.
◦ 본 사업 전담기관의 점검 일정에 따라 발주기관이 요청하는 자료 작성 및 대응에
협조하여야 한다.
◦ 사업의 협약 변경으로 사업기간·예산 등이 조정되는 경우 발주기관과 협의하여
용역 범위 및 일정을 변경할 수 있도록 하여야 한다.
- 이 하 여 백 - - 19 -
고유번호
요구사항 명
분류
PMR-002
성과품 작성 및 제출 기준
프로젝트 관리
응락수준 필수
◦ 착수보고서 및 WBS를 포함한 수행계획서를 제출하여야 한다.
◦ 데이터 표준화·전처리 설계서 및 시설 간 데이터 매핑 정의서(Q–BOD–TS)를 제출
하여야 한다.
◦ 태그별 유효성·0값·결측 분석 및 보정기준을 포함한 데이터 품질진단 보고서를
제출하여야 한다.
◦ 학습용 데이터셋 및 데이터 품질검증 보고서를 제출하여야 한다.
◦ 시설별 AI 예측모델 1차 버전 및 소스코드 일체를 제출하여야 한다.
◦ 수식·입력 태그·집계주기를 명시한 운영지표 산출식 정의서를 제출하여야 한다.
◦ 태그–변수–모델–성과지표 연계 정의서(트레이서빌리티 매트릭스)를 작성하고 중
간·최종 단계에서 갱신하여야 한다.
◦ RMSE 등 지표별 성능검증 기준서 및 성능검증 결과보고서를 제출하여야 한다.
◦ API 인터페이스 정의서(I/F 규격서) 및 MLOps 연동 결과서를 제출하여야 한다.
◦ 기술이전 교육자료 및 교육 결과보고서를 제출하여야 한다.
◦ 모사업 성과보고 양식을 반영한 최종보고서를 제출하여야 한다.
◦ 문서는 HWP 또는 MS Word, 발표자료는 PPT 형식으로 작성하고 전자파일과 함께
요구사항
세부내용
제출하여야 한다.
◦ 소스코드는 발주기관이 지정하는 형상관리 저장소(Git)에 등록하여야 한다.
◦ 산출물은 모사업 전담기관 점검·평가의 증빙자료로 활용할 수 있도록 산출근거
를 명확히 작성하여야 한다.
※ 납품 성과품
구분
사업관리
데이터
납품 성과품
수행계획서, 최종보고서
데이터 표준화·전처리 및 품질진단 관련 문서,
학습·검증 데이터셋
AI 모델
시설별 AI 예측·이상탐지 모델, 학습된 모델 파일
성능검증 성능검증 기준서 및 결과보고서
시스템 연계
기술이전
MLOps·API 연계 관련 문서
전체 소스코드, 기술이전 교육자료 및 결과보고서
※ 세부 성과품의 구성, 형식 및 제출방법은 착수 단계에서 발주기관과 협의하여 확정한다.
- 20 -
고유번호
요구사항 명
분류
PMR-003
성능지표 및 트레이서빌리티 관리
프로젝트 관리
응락수준 필수
◦ 본 용역의 과업 및 산출물은 본 사업 1차년도 성과지표와 연계하여 관리하여야 한다.
◦ AI 예측정확도 RMSE 기준값의 15% 이하 달성 여부를 관리하여야 한다.
◦ 학습·검증용 센서 데이터 정합성 90% 이상 달성 여부를 관리하여야 한다.
◦ 공정데이터 통합 DB의 스키마·ETL 설계 반영 및 통합 DB 70% 구축 지원 실적
을 관리하여야 한다.
◦ 시설 간 연계 데이터 매핑 구조인 Q–BOD–TS 경로의 매핑 정의서 완성 여부를 관
요구사항
세부내용
리하여야 한다.
◦ 예측모델 API 응답(추론)시간 5초 이내 달성 여부를 관리하여야 한다.
◦ 태그–변수–모델–성과지표 연계 정의서(트레이서빌리티 매트릭스)를 작성하여야 한다.
◦ 트레이서빌리티 매트릭스에는 성과지표별「입력 태그(ID) → 전처리 규칙 → 수
식·모델 → 산출값 → 검증방법」의 연계관계를 명시하여야 한다.
◦ 트레이서빌리티 매트릭스는 중간 및 최종 단계에서 갱신하여야 한다.
◦ 작성된 연계 정의서는 용역 성과보고 및 전담기관 점검에 직접 활용할 수 있도록
구성하여야 한다.
- 이 하 여 백 - - 21 -
o 프로젝트 지원 요구사항
고유번호
요구사항 명
분류
PSR-001
기술이전 및 교육훈련
프로젝트 지원
응락수준 필수
◦ 전체 소스코드를 발주기관에 납품하여야 한다.
◦ 소스코드에는 데이터 전처리·학습·추론·배포 파이프라인을 포함하여야 한다.
◦ 개발된 학습 모델 파일 및 개발문서 일체를 발주기관에 납품하여야 한다.
◦ 발주기관 개발인력을 대상으로 기술이전 교육을 2회 이상 실시하여야 한다.
요구사항
세부내용
◦ 기술이전 교육에는 모델 구조, 모델 재학습 방법 및 운영방법을 포함하여야 한다.
◦ 알고리즘 설계내역을 문서화하여 발주기관에 제공하여야 한다.
◦ 알고리즘 설계내역에는 변수 선정근거, 모델 구조 및 튜닝 이력을 포함하여야 한다.
◦ 발주기관이 개발된 모델을 자체적으로 유지·고도화할 수 있는 수준으로 기술 내
재화를 지원하여야 한다.
◦ 기술이전 교육자료 및 교육 결과보고서를 최종 산출물로 제출하여야 한다.
◦ 소스코드는 발주기관이 지정하는 형상관리 저장소(Git)에 등록하여야 한다.
고유번호
요구사항 명
분류
PSR-002
운영 및 유지관리 지원
프로젝트 지원
응락수준 필수
◦ 발주기관이 개발된 AI 모델을 자체적으로 유지·고도화할 수 있도록 기술 내재화
를 지원하여야 한다.
◦ 전체 소스코드, 학습된 모델 파일 및 개발문서를 제공하여 운영·유지관리에 활
용할 수 있도록 하여야 한다.
◦ 모델 구조·재학습 방법·운영방법에 대한 기술이전을 수행하여야 한다.
요구사항
세부내용
◦ 변수 선정근거, 모델 구조 및 튜닝 이력 등 알고리즘 설계내역을 문서화하여야 한다.
◦ 발주기관이 기보유한 Docker·Airflow·MLflow 기반 MLOps 체계에 모델의 학습·
평가·배포·재학습 파이프라인을 등록하고 연동하여야 한다.
◦ 모델 버전관리 및 성능저하 감지 등에 따른 재학습 트리거 기준을 설계하여야 한다.
◦ API 인터페이스 정의서 및 MLOps 연동 결과서를 제공하여 향후 모델 운영에 활
용할 수 있도록 하여야 한다.
◦ 데이터 변화에 따른 추가적인 모델 재학습·고도화는 하자보수 범위가 아닌 별도
협의 대상으로 한다.
- 22 -
고유번호
요구사항 명
분류
PSR-003
하자보수 및 기술지원
프로젝트 지원
응락수준 필수
◦ 검수는 산출물 검수와 성능 검수로 구분하여 실시하여야 한다.
◦ 성능 검수는 본 용역에서 정한 정량 성과지표를 기준으로 실시하여야 한다.
◦ 성능 미달 시 수행기관은 필요한 보완을 실시하여야 한다.
◦ 보완 완료 후 재검수를 수행하여야 한다.
요구사항
세부내용
◦ 본 사업의 정량 성과지표 미달 항목은 하자보완 대상으로 한다.
◦ 최종 검수일로부터 1년간 무상 하자보수를 보장하여야 한다.
◦ 무상 하자보수 대상에는 모델 결함 및 파이프라인 오류를 포함한다.
◦ 데이터 변화에 따른 모델 재학습 및 고도화는 무상 하자보수 범위에서 제외하고
별도 협의 대상으로 한다.
◦ 지체상금 및 계약보증 등은 발주기관 계약규정 및 국가연구개발혁신법령 관련 기
준을 준용하여야 한다.
- 이 하 여 백 - - 23 - Ⅳ. 제안서 작성요령 □ 제안서 작성 기본사항
제안사는 본 사업의 목적과 AI 모델 개발대상 공정 및 데이터 특성을 충분히
이해하고, 데이터 수집·전처리·모델링·검증·배포·운영으로 이어지는 전
체 AI 개발 프로세스를 구체적으로 제시하여야 한다. 특히 시설별 AI 모델의
입력변수 선정근거, 모델 구조, 학습·검증 방법, 성능목표 달성방안 및
MLOps·API 연계방안을 명확히 제시하여야 한다.
□ 제안서 구성
제안서는 다음의 목차를 기준으로 작성하되, 사업의 특성에 따라 항목을 추가
할 수 있다.
Ⅰ. 제안 개요
1) 제안 목적 및 배경
2) 사업 이해도
3) 제안의 특징 및 차별성
4) 기대효과
Ⅱ. 기술 부문
1) 전체 AI 모델 구축 및 운영방안
2) 공정데이터 수집·표준화 방안
3) 데이터 품질진단 및 전처리 방안
4) 태그–공정–변수 매핑방안
5) 하수처리시설 AI 예측모델 개발방안
6) 재이용시설 AI 예측모델 개발방안
7) 바이오가스시설 AI 예측모델 개발방안
8) 이상탐지 모델 개발방안
9) 운영지표 및 최적 운전인자 산출방안
10) 모델 성능검증 및 튜닝방안
11) MLOps 기반 모델 관리방안
12) API 및 통합운영관리 SW·DT 연계방안
- 24 -
Ⅲ. 사업 수행 부문
1) 사업 수행방법 및 추진전략
2) 수행조직 및 역할분담
3) 투입인력 구성 및 주요 경력
4) 단계별 추진일정
5) 품질관리 및 위험관리 방안
6) 데이터 보안관리 방안
7) 발주기관과의 협업 및 보고체계
Ⅳ. 지원 및 관리 부문
1) AI 모델 성능검증 및 인수시험 방안
2) 산출물 관리 및 제출계획
3) 기술이전 및 교육계획
4) 하자보수 및 기술지원 방안
Ⅴ. 기타 제안사항
1) 추가 기술 또는 기능 제안
2) 사업성과 향상을 위한 제안사항
3) 기타 발주기관이 사업 수행에 필요하다고 판단하는 사항
□ 기술제안 작성 시 유의사항
제안사는 기술제안 시 다음 사항을 구체적으로 제시하여야 한다.
- 전체 AI 모델 개발·운영체계 및 주요 구성요소 간 연계구조
- 하수·재이용·바이오가스시설별 공정 및 데이터 특성 분석방안
- 공정데이터 수집 항목, 단위, 수집주기 및 태그체계 표준화 방안
- 결측값·이상값·0값 데이터 품질진단 및 보정·대체·제외 방안
- 고빈도 센서데이터와 저빈도 수질분석 데이터 간 시간해상도 정합방안
- 태그–공정–변수 매핑 및 AI 모델 입력변수 선정방안
- 시설별 AI 예측모델 구조·알고리즘 및 학습·튜닝 방안
- 비지도 학습 기반 이상탐지 모델 및 운영지표 산출방안
- 학습·검증·시험 데이터셋 구성 및 모델 성능검증 방안
- 25 -
- Docker·Airflow·MLflow 기반 MLOps 연계방안
- REST API 기반 통합운영관리 SW 및 디지털트윈 연계방안
- 모델 버전관리, 재학습 및 향후 고도화 방안
- 제안 기술이 특정 제품, 솔루션 또는 개발환경에 의존하는 경우 선정사유와
적용상 장·단점을 함께 제시하여야 한다.
□ 수행인력 및 수행체계 작성
제안사는 사업 수행에 참여하는 조직과 인력의 역할 및 책임을 명확히 제시
하여야 한다. 특히 다음 분야의 수행역량을 확인할 수 있도록 관련 경험 및
역할을 기술하여야 한다.
- PM 및 프로젝트 관리
- AI/ML 및 시계열 예측모델 설계·개발
- 하수·재이용·바이오가스 공정 분석
- 공정데이터 분석·품질진단 및 전처리
- 태그–공정–변수 매핑 및 데이터 엔지니어링
- AI 모델 성능검증 및 튜닝
- 이상탐지 및 운영지표 산출 로직 개발
- MLOps 환경 연계 및 모델 관리
- REST API 및 통합운영관리 SW·DT 연계
핵심 참여인력에 대해서는 담당업무, 참여기간, 참여율, 보유 전문기술 및 유
사사업 수행경험 등을 제시하여야 하며, 각 참여인력의 경험과 역량이 본 사
업의 세부 수행업무와 어떻게 연계되는지를 확인할 수 있도록 작성하여야 한
다. 또한 제안사가 보유하거나 기술이전 등을 통해 확보한 특허·기술을 본
사업에 활용하는 경우, 해당 기술의 적용을 담당하는 전문인력과 역할을 함께
제시하여야 한다.
- 26 - □ 사업 수행일정 작성
제안사는 계약 후 착수 및 요구사항 분석 → 공정데이터 수집·표준화·전처
리 → 태그–공정–변수 매핑 → AI 모델 설계 및 학습데이터셋 구축 → 시설별
예측모델 개발·튜닝 → 실측 데이터를
활용한 성능검증 및 보완 →
MLOps·API 연동 → 기술이전·교육 → 최종보고 및 납품까지의 전체 수행
일정을 단계별로 제시하여야 한다.
세부 일정에는 주요 단계별 수행내용, 중간 검토시점 및 산출물 제출일정을
포함하고, 데이터 품질진단 및 모델 성능검증 결과에 따른 수정·보완이 전체
사업일정에 반영될 수 있도록 하여야 한다.
□ 제안서 작성 유의사항
- 제안내용은 사업목적 및 요구사항을 반영하여 명확하고 구체적으로
작성하여야 하며,
추후 협의만을 전제로 한 불명확한 표현은 지양한다.
- 요구사항 충족이 어려운 경우에는 해당 사유와 대안을 제시하여야 하며,
제안한 기술·구축내용 및 수행방안은 원칙적으로 계약 후 수행범위에
포함된다.
- 추가 기술 또는 구축방안을 제안하는 경우 필요성, 적용방안 및 기대효과를
명확히 제시하여야 한다.
- 발주기관의 추가자료 또는 설명 요청에 협조하여야 하며, 본 사업과 직접
관련 없는 회사소개 및 홍보내용은 최소화한다.
- 제출된 제안내용은 특별한 사유가 없는 한 임의로 변경할 수 없다.
- 27 -
Ⅴ. 평가 및 선정
가. 평가방식
제안서 평가는 기술평가와 가격평가를 종합하여 실시하며, 본 사업의 목적 및
요구사항에 대한 이해도, 기술적 구현 가능성, 수행역량 등을 종합적으로 검
토하여 우선협상대상자를 선정한다. 평가방법 및 세부 절차는 발주기관의 계
약 및 평가기준에 따른다.
나. 평가항목 및 배점
평가구분
평가항목 기술평가 과업 이해도 및 추진전략
기술평가
기술평가
기술평가
기술평가
가격평가
AI 모델 개발 방법론의
적정성·창의성
유사 실적 및 참여인력
전문성
성능목표 및 검증
기술이전·내재화 및 사
후지원 계획
제안가격
주요 평가내용 배점 사업 이해도 및 추진전략의 적정성 15 AI 모델 개발 및 적용방안의 적정성 30 유사 수행실적 및 전문인력 보유 수준 25 성능목표 및 검증방안의 적정성 10 기술이전 및 유지관리 지원방안 10 제안가격의 적정성 10 합 100 계
※ 가격 평가 방법은 계약예규 협상에 의한 계약 체결 기준 별표를 준용한다.
❍ 입찰가격평가
- 입찰가격이 예정가격(예정가격을 작성하지 않은 경우에는 추정가격에 부가가치세를 포함한 금액으
로 한다. “이하같다”)의 100분의 80 이상인 경우
평점 = 입찰가격평가 배점한도 x ( 최저입찰가격 / 당해입찰가격 )
- 입찰가격이 예정가격의 100분의 80 미만인 경우
평점 = [입찰가격평가 배점 한도 x ( 최저입찰가격 / 예정가격의 80%상당가격)] ＋
[2 ×
(예정가격의 80%상당가격 – 당해입찰가격) / (예정가격의 80% 상당가격 예정가격의 60%상당가격)]
[주]
1. 최저입찰가격은 유효한 입찰자중 최저입찰가격으로 하되, 입찰가격이 예정가격의 100분의 70미만일 경우
에는 100분의 70으로 계산한다. 다만, SW사업은 100분의 80미만인 경우 100분의 80으로 계산한다.
2. 해당입찰가격이 예정가격의 100분의 70미만(SW사업은 100분의 80)일 경우에는 배점한도의 30%에 해당하
는 평점을 부여한다.
- 28 -
다. 주요 평가기준
평가항목
세부 평가내용
- 본 사업의 목적 및 AI 개발범위에 대한 이해 수준
과업 이해도
- 하수·재이용·바이오가스 공정 특성에 대한 이해도
및 추진전략
- 보유 데이터 특성 및 품질문제에 대한 이해도
- 사업 추진전략의 구체성 및 실현 가능성
- 시설별 예측대상에 적합한 알고리즘 선정방안
- 입력변수 선정 및 Feature Engineering 방안
AI 모델 개발 방법론
- 시계열 모델 설계 및 튜닝방안
- 이상탐지 및 운영지원 모델 구현방안
- MLOps 및 API 연계방안
- AI/ML 및 시계열 데이터 전문인력 구성
유사 실적 및
참여인력 전문성
- 상하수도·환경·공정데이터 관련 수행경험
- 유사 AI 모델 구축 및 실증경험
- 프로젝트 수행조직 및 역할분담
- RMSE 등 정량적 목표 달성방안
성능목표 및 검증
- 학습·검증·시험 데이터셋 구성의 적정성
- 모델 검증 및 개선 프로세스
- 데이터 정합성 및 모델 재현성 확보방안
- 전체 소스 및 모델 내재화 방안
기술이전 및 사후지원
- 기술이전 교육계획
- 재학습 및 모델 유지관리 방안
- 하자보수 및 기술지원 계획
라. 우선협상대상자 선정
기술평가와 가격평가를 합산한 종합평가점수 고득점 순으로 우선협상대상자
를 선정한다. 종합평가점수가 동일한 경우 기술평가 점수가 높은 제안사를 우
선하며, 세부 선정 및 협상절차는 발주기관의 관련 규정 및 계약기준에 따른
다. 우선협상대상자와의 협상 과정에서 제안내용, 사업범위, 세부 수행방안 및
계약조건 등을 조정할 수 있으며, 협상이 성립되지 않을 경우 차순위 제안사
와 협상을 진행할 수 있다.
- 29 -
Ⅵ. 기타 사항
가. 기타 사항
- 제안사는 본 RFP의 내용을 충분히 숙지하여 제안서를 작성하여야 한다.
- 제안내용은 실제 수행 가능한 사항을 기준으로 작성하고 계약 체결 시 계
약조건의 일부로 활용할 수 있다.
- 사업 수행 중 제공되는 시설 운영데이터는 용역 목적 외 사용, 제3자 제공
및 외부 반출을 금지한다.
- 개발은 발주기관이 지정한 사내 서버 또는 클라우드 환경 내에서 수행함을
원칙으로 한다.
- 외부 상용 AI 서비스에 원천데이터를 업로드하여서는 안 된다.
- 용역 종료 시 제공 데이터 일체를 반환·폐기하고 관련 확인서를 제출하여야
한다.
- 본 용역에서 발생하는 소스코드, 학습모델, 데이터셋 및 문서의 소유권과
지식재산권은 발주기관 귀속을 원칙으로 한다.
- 최종 검수일로부터 1년간 모델 결함 및 파이프라인 오류에 대한 무상 하자
보수를 수행한다.
나. 문의 및 담당자
RFP 내용 및 사업 관련 문의사항은 아래 담당자를 통해 문의한다.
사업 및 과업내용 문의 : 기술연구소 김 정건 부장 / ☎ 031-348-0123
계약 및 제안서 제출 문의 : 기술연구소 김 정건 부장 / ☎ 031-348-0123
- 30 - Ⅶ. 붙임 【서 식 목 차 】
【서식 제1호】 입찰참가 신청서
【서식 제2호】 서약서
【서식 제3호】 보안확약서
- 31 - 【서식 제1호】 입찰참가 신청서 입 찰 참 가 신 상호 또는 청 서 법인등록번호
법인명
신
청
주 소 전 화 번 호
인
대 표 자
입
찰
입 찰 공 고
(지명) 번 호
입찰일 . . .
개
요
입 찰 건 명
본인은 위의 번호로 공고한 귀 ㈜그린텍아이엔씨의 경쟁 입찰에 참가하고자
㈜그린텍아이엔씨에서 정한 입찰공고 사항을 모두 승낙하고 별첨 서류를 첨부
하여 입찰참가 신청을 합니다.
첨 부 : 입찰공고에서 정한 입찰등록 구비서류
2026년 신청인 : (법인인감 날인) ㈜그린텍아이엔씨 대표이사 - 32 - 귀하 월 일 【서식 제2호】 서약서 서 약 서 회 사 명 : 사업자등록번호 : 주 연 소 : 락 처 :
귀 ㈜그린텍아이엔씨에서 추진하는『하수·재이용·바이오가스시설 통합
운영관리 소프트웨어 개발을 위한 AI 예측모델 개발 및 검증 용역』입찰과
관련하여 아래와 같이 제반사항을 준수할 것을 서약한다.
- 아 래 1. 제출된 모든 관련 증빙서류는 성실하게 작성 제출하며, 만일 허위 기재
사항 등이 확인될 경우에는 참가자격에서 제외되어도 아무런 이의를 제
기하지 않겠습니다.
2. 기술평가를 위해 구성된 기술평가위원회의 평가방법 및 평가기준, 평가
결과에 어떠한 이의 제기도 하지 않겠습니다.
2026년
서 약 자
월 일
업 체 명:
대표자명:
(법인인감 날인) ㈜그린텍아이엔씨 대표이사 귀하 - 33 - 【서식 제3호】 보안서약서
보안 서약서
본인은 ㈜그린텍아이엔씨와 계약한『하수·재이용·바이오가스시설 통합
운영관리 소프트웨어 개발을 위한 AI 예측모델 개발 및 검증 용역』의 수
행을 완료함에 있어, 다음 각 호의 보안사항에 대한 준수 책임이 있음을
서약하며 이에 비밀유지 서약서를 제출한다.
1. 본인은 사업수행 중 취득한 모든 자료를 반납 및 파기하였으며, 지득한
정보에 대한 유출을 일절 금지하겠습니다.
2. 본인은 업무 중 작성된 복사본 기타 유/무형의 모든 정보를 폐기하여,
기관, ㈜그린텍아이엔씨의 비밀이 외부에 유출되지 않도록 만전을 기하
겠습니다.
3. 퇴직 시 본인은 본 사업을 통해 지득한 비밀사항 및 중요 기술비밀을 퇴
직 후에도 일체 누설하지 않겠습니다.
4. 본인은 보안사항을 위반했을 경우에 민․형사상 및 보안상의 책임과 관계
법규에 의한 조치에 따를 것을 서약하오며 이에 서약서를 제출한다.
2026년
서 약 자
월 일
업 체 명:
대표자명:
(법인인감 날인) ㈜그린텍아이엔씨 대표이사 귀하 - 34 -