산업단지공단 원천 5종을 회사 · 공장 · 산업단지 · 행정구역이 서로 연결된 지식그래프로 변환했습니다.
지금 선택 연결 못 한 공장 692곳 · 주요 변동 사례
주요 변동 사례 결과 보기
탐지 규칙
공장이 많은 지식산업센터 상위 5곳, 여러 건물에 공장을 둔 법인 회사 상위 2곳, 등록 회사와 연결하지 못한 공장. 판정 문장은 측정값으로 만든 규칙 문장이며 원인을 단정하지 않습니다.남은 항목
공장 3,677곳 가운데 692곳(18.8%)은 등록 회사와 연결하지 않았습니다.
연결하지 않은 공장이 많은 건물(상위) 표로 보기
구분 곳 (센터 밖) 82 디지털엠파이어 18 벽산/경인디지털밸리2차 18 SK트윈테크타워 17 대륭테크노타운8차 17 대륭테크노타운12차 15 우림라이온스밸리 13 에이스하이엔드8차(주) 13 연결하지 않은 이유
연결 기준회사명도로명주소자료 경계: 회사명과 도로명주소가 함께 맞거나 단지 안에서 회사명이 유일할 때만 연결했습니다. 확정하지 못한 공장은 임의로 연결하지 않아, 그래프에는 근거가 있는 회사 연결만 포함되어 있습니다.
표 보기
연결 근거 공장 회사명 + 도로명주소 2,882 연결 안 함(확정 불가) 692 단지 안 유일 회사명 103 같은 기준으로 연결된 값
연결 기준건물연결하지 않은 공장도 건물 · 시군구 · 산업단지와는 연결되어 있습니다. 회사 대신 위치 기준으로 분석할 수 있습니다.
팩 안의 근거 행
연결 기준registry_match근거 행 · 코드 보기
import pandas as pd d = pd.read_csv("data/factory.csv") d[d.registry_match.isna()]재현: 팩 압축 해제 폴더의
data/factory.csv원본 파일로 처리할 때
원천 파일로 같은 결론을 얻으려면 필요한 작업
- 공장등록 · 산업단지 원천 5종의 회사명 표기(㈜ · 주식회사 · 띄어쓰기) 통일
- 회사명만으로 연결하지 않고 도로명주소까지 대조하여 동명 회사 구분
- 확정하지 못한 공장은 임의로 연결하지 않고 별도로 보관
이 팩에서는
- factory · company 표와 지식그래프(kg.ttl)의 행마다 연결 근거(registry_match) 기록
- 왼쪽 코드로 이 결과의 행 재산출 가능
- 형상 규칙(SHACL) 검증을 통과한 그래프를 별도 처리 없이 질의 가능
이 팩으로 확인할 수 없는 것: 연결하지 않은 공장 중 실제로 등록 회사인 곳이 있을 수 있습니다. 확인하려면 원천 기관 자료가 더 필요합니다.
조건별 탐색 결과 보기
자동 요약은 규칙 기반 문장입니다(생성형 AI 미사용).
요약 차트
팩으로 집계한 결과 · 펼치기
AI Ready Data(AIRD) 처리 내용
- 01 식별회사명 · 공장주소를 정규화하여 같은 대상에 같은 식별자 부여
- 02 연결공장 → 회사 · 산업단지 · 행정구역 관계
- 03 오류값 제외음수 면적 등 오류값 7건 보류, 전화번호 제외
원본으로 받을 때와 비교 자세히
| 원본을 내려받으면 직접 처리해야 하는 작업 | 이 팩에서는 |
|---|---|
| 다섯 개 표를 공장관리번호로 결합할 때 번호 정밀도 손실로 불일치 | 회사명 · 주소 정규화 해시로 같은 공장을 식별(uri-rules.json) |
| 회사별 복수 공장 운영 여부 반복 집계 | 「운영 회사」 관계로 직접 질의 |
| 음수 면적 등 오류값 직접 검출 | 오류값 7건을 열 · 규칙과 함께 보류(value-defects.csv) |
| 개인정보 열 직접 식별 | 전화번호 열은 공개판에서 제외 |
효과 근거 · 점검
공장 3,677곳 중 2,985곳(81.2%)을 회사명 + 도로명주소 또는 단지 내 유일 회사명으로 등록 회사와 연결했고, 692곳은 연결하지 않았습니다(근거 열 registry_match). 회사 표기 차이(법인 29곳)는 간단한 정규화로도 해결되므로, 이 사례의 효과는 식별 근거를 기록한 연결에 있습니다.
효과 판단 근거: 회사 표기 통일은 간단한 정규화로도 동일한 결과. 차이는 연결 근거 기록(81.2%)
점검 6항목 · 통과 5 항목별 결과 보기
| 점검 항목 | 결과 | 값 |
|---|---|---|
| 표준 필수 메타데이터와 목적별 필수 항목 | 통과 | 모두 기재 |
| 개체 종류 한국어 이름 | 통과 | 4종 |
| 원천이 모두 품질 확인 단계 | 통과 | Quality-Ready |
| 그래프 형상 규칙(SHACL) 검증 | 통과 | 통과 |
| 식별자(URI) 부여 규칙 | 통과 | 문서 포함 |
| 외부 식별자(행정구역 코드 등) 연결 | 미통과 | 0%(다음 판에서 보완) |
받아서 쓰기 실험 재현
팩 zip 하나를 내려받아 엑셀이나 분석 도구로 열 수 있습니다 — 팩 내려받기 1.3 MB. 코드나 AI 에이전트로 활용하는 방법은 아래에서 설명합니다.
코드 · AI 에이전트로 쓰기 개발자용
코드로
- 팩 내려받기 industrial-site-KG-1.0.0.zip 1.3 MB
- 압축을 풀고 폴더로 이동
cd industrial-site-KG
- 필요한 패키지 설치 팩의 guide/requirements.txt
pip install pandas==2.3.3 pyarrow==25.0.1 rdflib==7.6.0 pyshacl==0.40.1
- 실행
import rdflib g = rdflib.Graph().parse("data/kg.ttl") q = """PREFIX ag: <urn:aird:kg:industrial-site:ont:> PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> SELECT (MAX(?name) AS ?company) (COUNT(DISTINCT ?f) AS ?factories) WHERE { ?f ag:operatedBy ?c . ?c rdfs:label ?name } GROUP BY ?c ORDER BY DESC(?factories) LIMIT 5""" for company, n in g.query(q): print(company, n) # 공장을 가장 많이 운영하는 회사 5곳 - 실행 결과
펌프랜드(주) 4 (개인 · 기타 사업자) 3 (개인 · 기타 사업자) 3 (주)씨쓰리아이디 3 (개인 · 기타 사업자) 3
실행 환경: Python 3.13.16 · pandas 2.3.3 · pyarrow 25.0.1 · rdflib 7.6.0 · 개인 · 기타 사업자 명칭은 이 화면에서만 비공개
추가 예시: guide/notebook.ipynb
팩에 포함된 파일
CSV 2종 · 지식그래프(TTL) 1종 · 1.3 MB
파일 목록 3개 + 설명 · 검증 파일 4개 보기
| 데이터 파일 | 대상 | 크기 | 형식 |
|---|---|---|---|
| data/company | 등록공장 회사명으로 회사를 식별해 공장과 연결 | 3,491행 · 3열 | CSVPARQUET |
| data/factory | 팩토리온 입지 · 종업원 · 주소 · 필지를 공장 한 행으로 통합 | 3,677행 · 33열 | CSVPARQUET |
| data/kg | 공장 · 회사를 연결한 지식 그래프(RDF) | TTL |
설명 · 검증 파일
- 표준 메타데이터 · 파일별 무결성 값(manifest.json)
- 목적 적합성 판정(G3) · 점검 결과
- 시작 노트북(guide/)
- README(만든 방법 · 한계)
팩 zip 무결성 값(SHA-256) 25d0f9c5cc5fd4ddb44e91e31121aa04963daa2eb1a494c3f40295b10ee5fd56
이 팩을 만든 원천 5종
원천 목록 5종 데이터 · 기관 보기
| 원천 데이터 | 기관 | 비고 |
|---|---|---|
factory 팩토리온 입지 · 종업원 · 주소 · 필지를 공장 한 행으로 통합 | ||
| 한국산업단지공단_팩토리온_입지관리 | 한국산업단지공단 | |
| 한국산업단지공단_팩토리온_종업원관리 | 한국산업단지공단 | |
| 한국산업단지공단_팩토리온_주소관리 | 한국산업단지공단 | |
| 한국산업단지공단_팩토리온_필지관리 | 한국산업단지공단 | |
company 등록공장 회사명으로 회사를 식별해 공장과 연결 | ||
| 한국산업단지공단_전국등록공장현황_등록공장현황자료 | 한국산업단지공단 | |
이 팩으로 가능한 분석
용도지역별 공장 규모 비교
공장마다 연결된 입지와 필지 정보로 용도지역별 공장 수와 평균 건축면적을 분석할 수 있습니다.
회사 단위 공장 분석
같은 회사가 운영하는 공장을 집계하여 산업단지 안의 사업장 분포를 분석할 수 있습니다.
유의점 범위는 서울디지털국가산업단지에 한정됩니다. 원본의 공장관리번호는 숫자 표기 오류가 있어 회사명과 주소로 공장을 연결하였습니다.