ExperionCrawler/dxf-graph/plant-10100-pdf-extraction-report.md

P&ID PDF 파일 설비 연결 정보 추출 분석 보고서

파일: src/Web/uploads/pid/plant-10100-only.pdf 분석일: 2026-05-06 목적: PDF 파일에서 설비 노드 및 연결 관계 추출 가능성 분석 (DXF 비교용)

---

1. PDF 파일 구조 분석

1.1 기본 정보

• PDF 버전: PDF 1.7
• 페이지 수: 1페이지
• 페이지 크기: 1191 x 842 (A3 가로)
• 텍스트 추출 길이: 9,751자

1.2 텍스트 추출 품질

• 추출 방식: PyMuPDF (fitz.get_text())
• 텍스트 블록: 순차적 텍스트 추출 가능
• 레이어 정보: ❌ 없음 (PDF는 레이어 개념이 DXF와 다름)
• 기하 정보: ❌ 제한적 (텍스트 좌표만 추출 가능)

1.3 DXF와의 핵심 차이

항목	DXF	PDF
레이어 정보	✅ 25개 레이어	❌ 없음
엔티티 타입	✅ LINE, CIRCLE, ARC 등	❌ 텍스트만
좌표 정보	✅ 정밀 좌표	⚠️ 텍스트 블록 좌표만
설비 명칭	❌ 없음	✅ 있음
설비 사양	❌ 없음	✅ 있음
연결 라인	✅ 351개 LINE	❌ 추출 불가

---

2. PDF 텍스트 기반 설비 정보 추출 결과

2.1 설비 태그 + 명칭 추출 (총 39개 매칭)

태그	명칭	사양 포함
P-10101	FEED PUMP	✅ CAPA, SIZE, MATERIAL, PRESSURE, RPM
P-10114	TOP PUMP	✅ CAPA, SIZE, MATERIAL, PRESSURE, RPM
P-10116	BOTTOM PUMP	✅ CAPA, SIZE, MATERIAL, PRESSURE, RPM
P-10118	SIDE PUMP	✅ CAPA, SIZE, MATERIAL, PRESSURE, RPM
VP-10117	VACUUM PUMP	✅ CAPA, SIZE, MATERIAL, PRESSURE, RPM
DP-10101	DIAPHRAGM PUMP	✅ CAPA, SIZE, MATERIAL, PRESSURE, SPM
T-10101	FEED BUFFER TANK	✅ SIZE, VOLUME, DP/OP, DT/OT, MATERIAL
T-10100	RECYCLE TANK	✅ SIZE, VOLUME, DP/OP, DT/OT, MATERIAL
C-10111	COLUMN	✅ SIZE, VOLUME, DP/OP, DT/OT, MATERIAL
E-10112	TOP CONDENSER	✅ SIZE, DP/OP, DT/OT, MATERIAL
E-10115 A/B	REBOILER	✅ SIZE, DP/OP, DT/OT, MATERIAL
E-10119	BOTTOM COOLER	✅ SIZE, DP/OP, DT/OT, MATERIAL
E-10103	PREHEATER	✅ SIZE, DP/OP, DT/OT, MATERIAL
D-10113	REFLUX DRUM	✅ SIZE, VOLUME, DP/OP, DT/OT, MATERIAL
F-10102A/B	FILTER HOUSING	✅ SIZE, VOLUME, DP/OP, DT/OT, MATERIAL
SP-10601	SEPERATER	✅ SIZE, VOLUME, DP/OP, DT/OT, MATERIAL
T-3210	WASTE WATER TANK	✅ SIZE, VOLUME, DP/OP, DT/OT, MATERIAL

2.2 DXF 대비 추가 정보

PDF에만 있는 정보:

정보 타입	PDF 예시
설비 영문 명칭	"FEED PUMP", "COLUMN", "REBOILER"
용량 (CAPA)	"60L/min", "345m3/h"
크기 (SIZE)	"Ø2,500 x 3,600H", "25A/20A"
부피 (VOLUME)	"20.6M3", "0.002M3"
압력 (PRESSURE/DP/OP)	"0.25MPa", "0.3MPa"
온도 (DT/OT)	"80°C / AMB", "220°C / 147°C"
재질 (MATERIAL)	"STS316", "STS304"
회전수 (RPM)	"3,520", "3,550"
단열 (INSULATION)	"H50", "H100"
한글 메모	"기존설비", "수정사항"

---

3. DXF vs PDF 비교 분석

3.1 항목별 비교

항목	DXF	PDF	승자
설비 태그 추출	✅ HIGH	✅ HIGH	동점
설비 명칭 추출	❌ 없음	✅ 있음	PDF
설비 사양 추출	❌ 없음	✅ 있음	PDF
계기 태그 추출	✅ HIGH	✅ HIGH	동점
밸브 번호 추출	✅ HIGH	✅ HIGH	동점
파이프 라인 번호	✅ HIGH	✅ HIGH	동점
레이어별 분리	✅ 25개 레이어	❌ 없음	DXF
파이프 연결 추적	✅ 좌표 기반	❌ 불가	DXF
흐름 방향	❌ 없음	❌ 없음	무
한글 메모	❌ 없음	✅ 있음	PDF
수정 이력	✅ 있음	✅ 있음	동점

3.2 PDF의 장점

1. 설비 명칭 직접 포함: "FEED PUMP", "COLUMN" 등 영문 명칭이 태그와 함께 표시
2. 상세 사양 정보: 용량, 크기, 압력, 온도, 재질 등 공학적 사양 포함
3. 한글 메모: "기존설비", "수정사항" 등 운영 정보 포함
4. 텍스트 추출 단순성: PyMuPDF 한 줄로 전체 텍스트 추출 가능

3.3 DXF의 장점

1. 레이어 정보: 공정 라인/계기/밸브를 레이어별로 명확히 분리
2. 기하 정보: 파이프 연결 추적을 위한 정밀 좌표
3. 엔티티 타입: LINE, CIRCLE, ARC로 심볼 구조 파악 가능
4. 연결 관계: 좌표 기반 파이프 경로 추적 가능

---

4. 결론

4.1 최종 판단

PDF가 설비 정보 추출에 더 유리합니다.

이유:

1. DXF에는 없던 설비 명칭과 사양이 PDF에 직접 포함됨
2. 외부 매핑 테이블 없이 설비 태그 → 명칭 매칭 가능
3. 텍스트 추출이 더 단순하고 신뢰도 높음

4.2 권장 접근법

PDF + DXF 하이브리드가 최적:

• PDF: 설비 태그, 명칭, 사양 추출 (노드 정보)
• DXF: 파이프 연결 추적, 레이어별 분리 (엣지 정보)

4.3 샘플과 비교

샘플 항목	PDF 추출 결과
P-101A (펌프)	P-10101: FEED PUMP ✅
E-101 (프리히터)	E-10103: PREHEATER ✅
C-101 (분리탑)	C-10111: COLUMN ✅
V-101 (탱크)	T-10101: FEED BUFFER TANK ✅
연결 관계	❌ 여전히 불가 (DXF 필요)

---

5. 흐름 방향(FLOW DIRECTION) 추출 분석

5.1 DXF에서 흐름 방향 추출 가능

T-201 탱크 심볼 분석 결과, DXF에서 흐름 방향 추출이 가능함이 확인되었습니다.

분석 방법:

1. 탱크 심볼 경계선 찾기 (TEXT 레이어)
2. 대각선 선분 감지 (화살표 부분)
3. 대각선 방향 분석 (X축 증가 = 우측 흐름)

T-201 예시:

(1670.7, 1756.8) -> (1672.2, 155.3)  ← 대각선 (오른쪽 하향)
(1672.2, 1755.3) -> (1670.7, 1753.8)  ← 대각선 (왼쪽 하향)

→ X축이 증가하는 방향이 흐름 방향 (좌측 → 우측)

5.2 추출 알고리즘

1. 설비 심볼 경계선 찾기: TEXT 레이어의 수평/수직 선으로 심볼 경계 확인
2. 화살표 부분 감지: 대각선 선분 찾기 (dx > 0.5 AND dy > 0.5)
3. 방향 판별: 대각선 선분의 X축 증가 방향이 흐름 방향
4. 연결 파이프 매칭: 심볼에서 나가는 PROCESS LINE 레이어의 파이프와 연결

5.3 한계점

• 탱크/컬럼 등 큰 설비만 화살표 심볼 사용
• 작은 밸브/계기는 화살표가 없음
• 파이프 라인 자체의 화살표는 별도 분석 필요

5.4 업데이트된 비교표

항목	DXF	PDF	승자
설비 태그 추출	✅ HIGH	✅ HIGH	동점
설비 명칭 추출	❌ 없음	✅ 있음	PDF
설비 사양 추출	❌ 없음	✅ 있음	PDF
계기 태그 추출	✅ HIGH	✅ HIGH	동점
밸브 번호 추출	✅ HIGH	✅ HIGH	동점
파이프 라인 번호	✅ HIGH	✅ HIGH	동점
레이어별 분리	✅ 25개 레이어	❌ 없음	DXF
파이프 연결 추적	✅ 좌표 기반	❌ 불가	DXF
흐름 방향	✅ 가능	❌ 불가	DXF
한글 메모	❌ 없음	✅ 있음	PDF
수정 이력	✅ 있음	✅ 있음	동점

---

6. PNG 파일 형식 비교 분석

6.1 PNG의 근본적 한계

PNG는 래스터(픽셀) 이미지로, DXF/PDF와 근본적으로 다릅니다:

항목	DXF	PDF	PNG
텍스트 추출	✅ 직접 읽기	✅ 직접 읽기	❌ OCR 필요
기하 정보	✅ 좌표 기반	❌ 제한적	❌ 없음
레이어 정보	✅ 25개	❌ 없음	❌ 없음
설비 명칭	❌ 없음	✅ 있음	❌ OCR 필요
설비 사양	❌ 없음	✅ 있음	❌ OCR 필요
흐름 방향	✅ 좌표 분석	❌ 불가	❌ CV 필요
파이프 연결	✅ 좌표 추적	❌ 불가	❌ CV 필요

6.2 PNG 사용 시 필요한 추가 작업

1. OCR (Optical Character Recognition): Tesseract 등으로 텍스트 인식
   • 정확도: 70~90% (폰트, 해상도, 배경에 따라 다름)
   • PDF/DXF 직접 추출: 99%+ 정확도
2. Computer Vision: 설비 심볼 인식
   • YOLO/CNN 모델 학습 필요
   • 화살표 방향 감지: 이미지 처리 필요
3. 파이프 연결 추적: 에지 검출 + 선 추적 알고리즘
   • 매우 복잡하고 신뢰도 낮음

6.3 PNG의 유일한 장점

• 시각적 확인: 인간이 도면을 직접 볼 때 유용
• CV 모델 학습 데이터: 설비 심볼 인식 모델 학습용 이미지로 사용 가능

6.4 최종 결론

PNG는 정보 추출에最不리한 형식입니다.

추출 용이성 순위:

1. DXF - 기하 정보 + 좌표 + 레이어 (연결 관계 추출 최적)
2. PDF - 텍스트 + 명칭 + 사양 (설비 정보 추출 최적)
3. PNG - 픽셀만 (OCR + CV 필요,最不리)

권장: DXF + PDF 하이브리드 접근 (PNG는 제외)

---

7. DXF 블록(Block) 기반 DXF 비교 분석

7.1 현재 DXF 상태

현재 plant-10100-only.dxf는 블록이 없습니다:

• 블록 정의: 시스템 블록만 (*Model_Space, *Paper_Space)
• INSERT 엔티티: 0개
• 모든 밸브/계기/펌프 심볼이 개별 LINE/CIRCLE/ARC로 직접绘制됨

7.2 블록 기반 DXF가 있다면?

만약 밸브, 트랜스미터, 플로우미터 등이 **블록(Block Reference/INSERT)**으로 작성되어 있다면 다음과 같은 이점이 있습니다:

항목	현재 DXF (블록 없음)	블록 기반 DXF
심볼 인식	❌ LINE/CIRCLE 조합 분석 필요	✅ INSERT.dxf.name으로 직접 식별
심볼 타입 판별	❌ 기하 패턴 매칭 필요	✅ 블록명으로 직접 판별
추출 코드 복잡도	HIGH (기하 분석 필요)	LOW (INSERT 반복만)
신뢰도	MEDIUM (패턴 매칭 오차)	HIGH (명확한 식별)
위치 추출	✅ 좌표 분석 필요	✅ INSERT.dxf.insert로 직접

7.3 블록 기반 DXF 예시

# 블록 기반 DXF라면 이렇게 간단하게 추출 가능
for entity in ms:
    if entity.dxftype() == 'INSERT':
        block_name = entity.dxf.name  # 'FCV_VALVE', 'FLOW_METER' 등
        position = entity.dxf.insert   # (x, y) 좌표
        print(f"{block_name} at {position}")

예시 블록명:

• FCV_VALVE → 유량 제어 밸브
• FLOW_METER → 플로우 미터
• PRESSURE_TRANSMITTER → 압력 트랜스미터
• TEMPERATURE_INDICATOR → 온도 지시기

7.4 블록 기반 DXF의 추가 이점

1. 속성(Attribute) 지원: 블록에 텍스트 속성을 포함할 수 있음
   • 예: FCV 블록에 "10101" 속성 포함 → 태그 자동 추출
2. 표준화된 심볼: ISA 5.1 표준 심볼 블록 라이브러리 사용 가능
3. 메타데이터 포함: 블록에 설비 사양을 속성으로 저장 가능

7.5 현실적 한계

• 도면 작성자 의존: 블록 사용은 도면 작성자의 선택
• 현재 DXF는 블록 없음: 개별 엔티티 분석 필요
• 변환 불가: 기존 DXF를 블록 기반으로 자동 변환 어려움

7.6 결론

블록 기반 DXF가 있다면 정보 추출이 훨씬 쉬워집니다.

하지만 현재 DXF는 블록이 없으므로:

• 기하 패턴 분석 (LINE/CIRCLE 조합) 필요
• 레이어 정보 + 텍스트 위치 기반 매칭 필요
• PDF에서 설비 명칭/사양 보완 필요