ENJPKO

XPMeXperience · Pharma Manufacturing

Engineering Intelligence for Pharma Manufacturing

제약 제조 현장의 경험과 데이터를 연결하는 지능형 소프트웨어

첫 번째 영역은 코팅공정입니다. XPM Golden Recipe는 운전 데이터를 레시피별 Golden Profile과 비교하고, XPM Troubleshooting은 불량 원인 검토와 사례 관리를 돕습니다. 최종 판단은 엔지니어에게 남깁니다.

제품 살펴보기접근 방식
코팅 시뮬레이션0%
예열필름 형성

시각 효과용 시뮬레이션 · 공정 데이터 아님

제품스크롤

제품

두 개의 제품, 하나의 코팅공정

한쪽은 측정된 운전 데이터를, 다른 한쪽은 현장의 관찰과 경험을 다룹니다. 두 제품 모두 엔지니어의 검토를 돕는 데 목적이 있습니다.

  • 제품 01 · 운전 데이터 비교

    XPM Golden Recipe

    “이 배치는 기준과 어디서 달랐나?”

    코팅 운전 리포트를 레시피별 기준 프로파일과 비교해 검토할 차이를 찾는 도구

    • PDF 운전 리포트 수집·파싱
    • 레시피별 Golden Profile
    • 특이 배치 TOP 5 차이
    • 여러 배치의 반복 패턴
    XPM Golden Recipe 자세히
  • 제품 02 · 이상 사례 검토

    XPM Troubleshooting

    “무엇을 먼저 확인해야 하나?”

    룰 기반 원인 후보와 확인사항, 재사용 가능한 사례로 코팅 불량 검토를 정리하는 도구

    • 룰 기반 원인 후보와 근거
    • 확인 체크리스트·대처 후보
    • LOT 사례·유사 사례
    • 템플릿 문구·외부 AI용 프롬프트
    XPM Troubleshooting 자세히

한눈에 보기

개요

DEMO-EQ-01 · 샘플 데이터
DEMO · 샘플 리포트 48건
수집한 운전 리포트48PDF · 샘플
Golden Profile 레시피4레시피 키 기준
특이 배치 표시5수동 표시
파싱 경고3확인 필요

처리 흐름

  1. 1PDF 운전 리포트
  2. 21분 기준 정규화
  3. 3공정 특징 추출
  4. 4레시피별 기준
  5. 5예외 비교

제품온도 · DEMO-BATCH-K vs 기준

샘플 곡선

레시피별 기준 배치

레시피기준 배치상태
DEMO-RCP-0114비교 가능
DEMO-RCP-029비교 가능
DEMO-RCP-036비교 가능
DEMO-RCP-043표본 적음
펌프속도
샘플 데이터화면은 가상 데이터로 구성한 UI 콘셉트입니다.

우리가 일하는 이유

코팅 문제의 원인은 하나인 경우가 드뭅니다. 근거는 이미 현장에 있습니다 — 운전 리포트에, 배치 기록에, 그 문제를 먼저 겪어 본 사람들에게. 우리는 그 근거를 한데 모으는 도구를 만들고, 판단은 판단하는 사람에게 남깁니다.

  1. 01

    운전 데이터가 리포트에 갇혀 있습니다

    배치마다 PDF로 남는 운전 기록은 한 장씩 열어 볼 수는 있어도, 같은 레시피의 다른 배치와 나란히 비교하기는 어렵습니다.

  2. 02

    경험이 사람에게 머뭅니다

    무엇부터 확인해야 하는지에 대한 감각은 숙련자에게 남아 있고, 새로운 담당자에게는 같은 시행착오가 반복됩니다.

  3. 03

    기록이 다음 판단으로 이어지지 않습니다

    사례와 보고서가 남아 있어도 조건별로 다시 찾기 어렵고, 비슷한 배치가 어떻게 해결됐는지 연결하기 힘듭니다.

제품 01

XPM Golden Recipe

코팅 운전 리포트를 레시피별 기준 프로파일과 비교해 검토할 차이를 찾는 도구

개발 중 · 로컬 실행형

설비가 출력한 PDF 운전 리포트를 읽어 1분 기준 공정 데이터로 정규화하고, 같은 레시피의 정상 배치로 관측 기반 기준(Golden Profile)을 만듭니다. 특정 배치의 트렌드와 공정 특징이 기준과 어디서 달랐는지 보여 주어 엔지니어가 검토할 지점을 좁히도록 돕습니다.

리포트에서 엔지니어 검토까지

  1. PDF 운전 리포트

    설비 운전 리포트를 수집하고 파싱 상태와 경고를 기록합니다.

  2. 정규화된 공정 데이터

    10초·1분 샘플링을 1분 기준으로 맞추고 공정 특징과 데이터 품질 정보를 만듭니다.

  3. 레시피별 기준

    같은 레시피 키의 정상 배치로 관측 기반 Golden Profile을 구성합니다.

  4. 예외 비교

    특이 배치를 기준 분포와 비교해 차이가 큰 특징을 정리합니다.

  5. 엔지니어 검토

    차이는 원인이 아니라 검토할 지점입니다. 판단은 담당자가 내립니다.

XPM Golden Recipe 화면 미리보기

트렌드 비교부터 데이터 품질까지, 주요 화면을 순서대로 살펴보세요. 레시피·배치·곡선은 모두 가상 데이터입니다.

배치 곡선을 기준 범위 위에

선택한 배치의 제품온도·급기·배기온도, 펌프속도, 챔버 차압 추이를 같은 레시피 기준의 중앙값·범위와 겹쳐 봅니다.

  • 1분 기준으로 정규화된 트렌드
  • 공정 단계별 구간 표시
  • 기준 범위를 벗어난 구간 강조

트렌드 비교

DEMO-RCP-01 · DEMO-BATCH-K
제품온도급기온도배기온도펌프속도챔버 차압

제품온도 (°C)

DEMO-RCP-01 · 1 min

1분 기준으로 정규화한 가상 곡선입니다. 차이는 검토 대상 표시이며 원인 판단이 아닙니다.

배치 공정 특징

특징배치기준 중앙값
총 공정 시간132 min121 min
코팅 구간 최저 제품온도36.9 °C40.4 °C
건조 구간 시간19 min15 min
코팅 구간 평균 급기온도58.6 °C58.0 °C
분사 일시정지 횟수21
샘플 데이터 기반 UI 콘셉트

주요 기능

  • PDF 운전 리포트 수집

    코팅 설비의 운전 리포트를 파싱하고 리포트 메타데이터, 파싱 상태, 경고를 관리합니다.

  • 1분 기준 정규화

    10초·1분 샘플링 데이터를 1분 기준으로 맞추고 파생 트렌드와 데이터 품질 리포트를 생성합니다.

  • 배치 트렌드·공정 특징

    온도, 펌프속도, 챔버 차압, 단계별 소요 시간 등 배치 단위 트렌드와 특징을 검토합니다.

  • 레시피별 Golden Profile

    같은 레시피 키의 정상 배치로 관측 기반 기준 통계를 만들고 운전 패턴을 비교합니다.

  • 특이 배치 비교

    수동 표시한 배치를 기준 배치와 비교해 차이가 큰 특징 TOP 5와 분포 내 위치를 보여 줍니다.

  • 그룹 패턴·요약 리포트

    여러 특이 배치의 반복 차이, 이벤트 로그, 텍스트 요약 리포트를 정리합니다.

하는 일

  • 운전 리포트 기반 배치 비교 — 레시피별로 관측한 기준과의 차이를 표시
  • 기준 표본 수가 적을 때 해석 주의 문구 표시
  • 특이 배치 표시와 외부 요인 메모를 담당자가 직접 입력
  • PC에서 로컬로 실행

하지 않는 일

  • 최적 레시피를 계산하거나 공정 조건을 추천하는 AI
  • 불량 원인의 자동 판정, 품질·출하 판단
  • 설비 실시간 제어, MES·SCADA 연동
  • 승인된 허용 기준이나 밸리데이션된 한계값 제공

XPM Golden Recipe에 대해 이야기 나누고 싶다면

운전 리포트 활용 방식이나 비교 기준에 대한 의견을 기다립니다.

문의하기

제품 02

XPM Troubleshooting

룰 기반 원인 후보와 확인사항, 재사용 가능한 사례로 코팅 불량 검토를 정리하는 도구

개발 중 · 로컬 실행형

불량 유형과 공정조건을 입력하면 등록된 규칙과 가중 점수에 따라 가능 원인의 우선순위와 그 근거, 우선 확인사항, 대처 후보를 보여 줍니다. 검토한 사례는 LOT 단위로 쌓여 유사 사례 참조와 발생 현황 파악에 다시 쓰입니다.

확인에서 기록까지, 하나의 흐름으로

  1. 불량·조건 확인

    관찰한 불량 유형과 발생 시점, 공정·코팅액·설비·나정 상태를 정해진 항목으로 입력합니다.

    • 불량유형 · 발생시점 · 발생정도
    • 정제·배기·급기 온도 상태
    • 조제시점 · 교반 · 거품 · 노즐

  2. 원인 후보·근거 검토

    규칙에 일치한 조건이 원인별 점수로 합산되고, 상위 후보와 근거가 함께 표시됩니다.

    • 룰 일치 → 원인별 점수 합산
    • 가능성 높음 · 있음 · 확인 필요
    • 점수에 기여한 조건 표시

  3. 확인사항 정리

    우선 확인사항과 대처 후보, 일탈 분석 포인트를 체크리스트처럼 정리해 현장 확인을 돕습니다.

    • 우선 확인사항
    • 즉시 대처 후보
    • 일탈 분석 포인트

  4. 사례 기록·재활용

    LOT 사례로 저장하면 유사 사례 추천, 발생 현황, 문구 초안 작성에 다시 쓰입니다.

    • LOT 사례 등록 · 검색
    • 유사 사례 최대 5건
    • 템플릿 기반 문구 초안

XPM Troubleshooting 화면 미리보기

기능별 주요 화면을 순서대로 살펴보세요. 모든 LOT, 설비, 수치는 설명을 위해 만든 가상 데이터입니다.

입력 조건 → 원인 후보 → 확인 항목

왼쪽에는 입력한 조건, 가운데에는 점수 순 원인 후보와 근거, 오른쪽에는 우선 확인사항과 대처 후보가 놓입니다.

  • 점수는 규칙 일치의 합이며 확률이 아닙니다
  • 근거가 된 입력 조건을 원인별로 표시
  • 최종 판단은 담당자 및 QA 검토

원인 검토

DEMO-LOT-024 · DEMO-COATER-B

입력 조건

사례

불량유형
뜯김(스티킹), 쌍둥이
발생시점
중반
발생정도
중등도

공정조건

정제온도
낮음
배기온도
낮음
펌프속도
높음
과습윤 여부
과습윤
정제 흐름
정제끼리 부착

코팅액

조제시점
전날
교반상태
부족
거품상태
보통

설비 · 분사

펌프호스
노후의심
노즐
정상
스프레이 패턴
정상

나정

경도
정상
칩/크랙
없음

가능 원인 후보

룰 일치 점수 합산 · 확률 아님
  1. 1과습윤 / 과분사가능성 높음
    점수11
    • 과습윤 상태 입력
    • 정제끼리 부착 관찰
    • 펌프속도 높음
  2. 2건조 부족가능성 높음
    점수9
    • 정제온도 낮음
    • 배기온도 낮음
  3. 3실제 토출량 증가가능성 있음
    점수6
    • 펌프속도 높음
    • 펌프호스 노후의심
  4. 4코팅액 균일성 저하확인 필요
    점수4
    • 전날 조제
    • 교반 부족
  5. 5펌프 / 호스 이상확인 필요
    점수3
    • 펌프호스 노후의심

룰 기반 가능성 평가입니다. 최종 원인 및 품질 영향성은 담당자 및 QA 검토가 필요합니다.

우선 확인사항

  • 정제온도·배기온도의 실제 추이를 이전 LOT와 비교
  • 설정 펌프속도와 실제 토출량의 차이 확인
  • 펌프호스 눌림·마모·장착상태 점검
  • 코팅액 사용 전 교반상태와 침강 여부 확인

즉시 대처 후보

  • 분사 일시 중단 후 건조 조건 회복 여부 확인
  • 토출량 재측정 후 기준 범위 확인
  • 코팅액 재교반 상태 확인

일탈 분석 포인트

  • 과습윤 발생 시점과 분사량·실제 토출량을 함께 검토
  • 조치 후 외관 이상 감소 여부 확인
샘플 데이터 기반 UI 콘셉트

주요 기능

  • 구조화된 조건 입력

    불량 유형과 발생 시점, 공정조건, 코팅액, 설비·분사 상태, 나정 상태를 정해진 항목으로 기록합니다.

  • 원인 후보와 근거

    규칙과 가중 점수로 가능 원인의 순위를 매기고, 어떤 입력 조건이 점수에 기여했는지 근거를 함께 표시합니다.

  • 확인사항 · 대처 후보

    상위 원인과 연결된 우선 확인사항, 즉시 대처 후보, 일탈 분석 시 볼 포인트를 정리합니다.

  • LOT 사례 · 유사 사례

    사례를 등록·검색·수정하고 CSV로 내보내며, 조건 일치 점수로 과거 사례를 최대 5건 제시합니다.

  • 발생 현황 시각화

    월별·설비별·불량유형별·원인 카테고리별 사례 발생 건수를 차트로 확인합니다.

  • 문구 초안 · 외부 AI용 프롬프트

    7종의 템플릿 초안을 만들고, 외부 AI 도구에 직접 붙여 넣을 프롬프트를 마스킹 옵션과 함께 생성합니다.

하는 일

  • 등록된 규칙과 점수에 따른 원인 후보 정리 — 가능성 평가 수준(가능성 높음·있음·확인 필요)으로 표시
  • 룰·점수표, 설비·불량유형·원인 마스터를 현장 기준에 맞게 관리
  • 사례 및 기준 데이터의 CSV/JSON 백업·복원(관리자 영역)
  • PC에서 로컬로 실행 — 데이터는 사용자의 로컬 파일에 저장

하지 않는 일

  • 최종 원인, 품질 영향성, CAPA, 일탈 등급, 출하 가능 여부의 판단
  • 공식 제조기록서·일탈관리시스템 등 GMP 시스템의 대체
  • 통계적 원인 확률·불량률 산출, 머신러닝 예측, 이미지 판독
  • AI API 직접 호출, MES·SCADA 등 설비 데이터 실시간 연동

XPM Troubleshooting에 대해 이야기 나누고 싶다면

현장의 검토 방식, 규칙 구성, 사례 관리에 대한 의견을 기다립니다.

문의하기

두 제품의 관계

데이터가 보여 주는 차이와,현장이 확인할 원인.

두 제품은 코팅공정 조사의 서로 다른 질문에 답합니다. 함께 쓰면 측정된 운전 차이와 현장 관찰을 나란히 놓고 검토할 수 있습니다.

XPM Golden Recipe

측정된 운전 데이터는 어디서 달랐나?

같은 레시피의 기준 배치와 비교해 트렌드와 공정 특징의 차이를 찾습니다.

  • 운전 리포트 기반
  • 레시피별 관측 기준
  • 차이가 큰 특징·구간
XPM Troubleshooting

어떤 원인과 확인사항을 검토할까?

관찰한 불량과 조건을 바탕으로 원인 후보, 확인 항목, 과거 사례를 정리합니다.

  • 현장 관찰·조건 입력 기반
  • 룰 기반 원인 후보
  • 체크리스트와 사례

현재 두 제품은 각각 독립적으로 실행되며, 데이터베이스 공유나 자동 연동 기능은 없습니다. 위 흐름은 담당자가 두 결과를 함께 검토하는 사용 방식을 설명합니다.

접근 방식

보이는 근거, 사람의 판단.

제조 현장 소프트웨어는 무엇을 아는지만큼 무엇을 모르는지 분명해야 한다고 생각합니다.

  • 근거를 숨기지 않습니다

    어떤 데이터와 규칙이 결과를 만들었는지 그대로 드러냅니다.

  • 판단은 사람에게

    원인 확정, 품질 영향, 일탈·CAPA·출하 판단은 담당자와 QA의 몫으로 남깁니다.

  • 로컬 우선

    현재 버전은 PC에서 실행되며 데이터는 사용자의 로컬 환경에 남습니다.

  • 과장하지 않습니다

    검증되지 않은 정확도, 확률, 성과 수치를 제시하지 않습니다.

현재 버전의 기술적 성격

XPM Golden Recipe

실행 형태
로컬 실행형 (Python · Streamlit)
입력 데이터
설비 PDF 운전 리포트
비교 기준
레시피별 관측 통계 (Golden Profile)
AI 연동
없음

XPM Troubleshooting

실행 형태
로컬 실행형 (Python · Streamlit · SQLite)
원인 검토 로직
규칙 + 가중 점수
유사 사례
조건 일치 가중 점수 (최대 5건)
AI 연동
없음 — 복사용 프롬프트만 생성

소개

제조 현장의 경험에서 시작했습니다

XPM — eXperience · Pharma Manufacturing — 은 내용고형제 제조 실무 경험에서 출발했습니다. 숙련자의 경험과 공정이 남기는 데이터를 연결하는 소프트웨어를 만듭니다.

첫 번째 영역은 코팅공정입니다. 현장의 언어와 절차를 존중하며, 기존 품질 시스템을 대체하는 대신 그 옆에서 엔지니어의 검토를 돕는 도구를 지향합니다.

XPM Labs

XPM Labs는 XPM의 개발·연구 브랜드입니다. 새로운 공정 도구와 프로토타입이 이곳에서 시작되며, 코팅 다음 단계인 타정·과립 공정을 위한 도구를 준비하고 있습니다.

제품과 대상 공정

제품
XPM Golden Recipe · XPM Troubleshooting
대상 공정
코팅 (내용고형제 필름코팅)
출시 예정
타정 · 과립 공정

문의

현장의 이야기를 듣고 싶습니다.

코팅공정 데이터 활용, 이상 사례 검토 방식, 도입 가능성, 협업에 대한 의견을 기다립니다.