Policy DB 처리 순서도

사용자 입력

"6인치 GaN 에피 성장 장비 추천해줘"

쿼리 파싱

query_parser.py

웨이퍼 사이즈, 재료, 온도 등 하드 조건 추출

입력

"6인치 GaN 에피 성장..."

출력

wafer_size: "6 inch"
material: "GaN"

공정↔장비 매핑

policy.py

process_equipment_mapping.json 조회
"에피 성장" 키워드 → ["MOCVD", "MBE"] 카테고리 추가

매핑 전

wafer_size: "6 inch"
material: "GaN"

매핑 후

mapped_categories:
["MOCVD", "MBE"]

RAG 벡터 검색

rag.py

임베딩 생성 → ChromaDB 검색 → 메타필터 → 카테고리 부스팅

검색 조건

wafer = "6 inch"
material = "GaN"
boost: MOCVD, MBE

출력

[장비1, 장비2, ...]
(Top 20, rag_score 포함)

정책 필터 적용

policy.py

policy_settings.json 조회
• maintenance_exclude = true → 점검중 장비 제거
• external_visible = true → 외부 기관 포함
• min_rag_score = 0.3 → 낮은 점수 제거

기관 우선순위 적용

policy.py

institution_priority.json 조회
• 사용자 소속 기관 → priority = 0 (최우선)
• 나노종합기술원: 10 | 한국나노기술원: 20 | KIST: 30

정렬: priority ASC → rag_score DESC

리랭킹

filters.py

최종 점수 계산

                        final_score = rag_score × 0.7 + priority_score × 0.3
                    

결과 제한

policy.py

max_recommendations = 5
→ 상위 5개 장비만 LLM에 전달

LLM 응답 생성

llm.py

시스템 프롬프트 + Top 5 장비 → 추천 이유 설명 생성

응답 반환

"GaN 에피 성장에는 MOCVD 장비를 추천드립니다..."

단계	구분	적용 내용	목적	데이터 소스
STEP 1	쿼리 파싱	하드 조건 추출	웨이퍼, 재료, 온도 파싱	-
STEP 2	공정↔장비 매핑	키워드 → 카테고리 변환	검색 정확도 향상	process_equipment_mapping.json
STEP 3	RAG 검색	벡터 검색 + 메타필터	후보 장비 추출	ChromaDB
STEP 4	정책 필터	비즈니스 룰 적용	점검중 제외, 최소점수 등	policy_settings.json
STEP 5	기관 우선순위	기관별 정렬	소속 기관 우선 표시	institution_priority.json
STEP 6	리랭킹	최종 점수 계산	RAG + 우선순위 조합	-
STEP 7	결과 제한	Top N 추출	LLM 입력 최적화	policy_settings.json
STEP 8	LLM 생성	추천 설명 생성	자연어 응답	prompts/

Policy DB 적용 시점 요약