기존 BMS
단순 수치 측정 — 체온계"현재 배터리 잔량은 72%입니다"
—수치는 보이지만 실제 건강 상태는 파악 불가
—문제가 심각해진 후 경고 — 사후 대응 중심
—배터리 수명·위험 예측 기능 부재
(01)Company Overview
운영 중인 배터리의 보이지 않는 내부를 진단합니다
배러머신(Battermachine)은 전기차·ESS·충전 인프라의 배터리 상태를 진단하고 미래 변화를 예측합니다. 서울의 지능형 플랫폼 개발과 창저우의 ESS 하드웨어를 연결합니다.
01
Physics-Informed AI
물리 법칙과 머신러닝을 결합해 데이터가 부족한 환경에서도 높은 정확도를 제공합니다.
02
클라우드 연속 학습
실제 운행 차량 데이터를 매일 학습해 진단 정확도를 지속적으로 향상합니다.
03
한국 독보적 1위
국내 유일 대규모 실증 데이터 보유 및 글로벌 수준의 기술 우위.
기존 BMS는 체온계입니다. Battermachine은 AI 주치의입니다.
12,000+등록 차량
400,000+충전 세션
9한국 등록 특허
5서비스 라인업
(02)Problem & Solution
왜 Battermachine인가
Battermachine
AI 기반 정밀 진단 — AI 주치의"3주 전부터 이상 징후, 2개월 후 교체 필요"
+AI가 배터리 내부 상태를 상시 자동 분석
+문제 발생 수 주 전 선제적 경고
+미래 수명·잔존가치·위험 예측
→ Battery Diagnosis Analogy
Battermachine diagnoses batteries the same way doctors diagnose patients
| Stage | What a Doctor Does | What Battermachine Does |
|---|---|---|
| 1Capture | Record vital signsDoctors capture temperature, pulse, and blood pressure to read current condition. | Collect charging telemetryAutomatically collects voltage/current/temperature/SOC from real charging sessions. |
| 2Normalize | Standardize patient chartTransforms measurements into normalized records for comparison. | Data cleansing and normalizationTransforms charging sessions into fleet-comparable datasets. |
| 3Detect | Find abnormal symptomsDetects deviations from healthy patterns. | AI anomaly detectionIdentifies abnormal behavior across fleet-wide patterns automatically. |
| 4Diagnose | Run focused examinationsUses detailed tests to identify root causes. | Physical signal analysisExtracts imbalance/resistance signals and pinpoints true degradation causes. |
| 5Track | Long-term follow-upMonitors progression over weeks and months. | Continuous risk trackingTracks risk signal trajectories over full charging histories. |
| 6Prescribe | Clear action guidanceProvides next actions with rationale. | Risk alert and action playbookExplains what is risky, why, and what to do next with staged alerts. |
Conventional tools stop at a single health score. Battermachine executes all six diagnostic stages.
(03)Core Technology
Cloud Core Engine
클라우드 데이터셋 기반 연속학습형 배터리 진단·예측 시스템
System Architecturephysics-grounded · two-branch · deployment-ready
01 · Data Ingestion →
Cell DataEV DataESS DataCharging DataData Foundationunified per-vehicle session store
02 · Physics Layer →
Physics Signal LayerInterpretable signatures extracted from raw telemetry and shared by both branches.
03 · Two-Branch Intelligence →
Health & LifetimeDegradation Trends → Monotonic Transformer ×3 → SOH · RUL
Behavior & RiskEncoder → Decoder → Forecasterautoencoder reconstruction + recurrent forecaster
04 · Outputs
SOHRULAnomalyAlert
Example Outputper-vehicle diagnostics · fleet view
Mileage (k mi) · shaded = confidence band
months
cycles ×100
miles ×10k
Remaining useful life · point + interval
Normal
Watch
Early Warning
High Risk
Share of fleet by risk tier
Session #lowhigh
Representative fleet output. Validated accuracy in Validation & Reliability →
Physics-Informed AI란?
배터리 물리 법칙과 머신러닝을 결합한 모델로 데이터가 부족한 환경에서도 정확도를 유지합니다.
Real-time IngestionCollect charging data from active vehicles.
Continuous LearningRefresh AI models automatically with new data.
Rising AccuracyMore vehicles lead to higher diagnostic precision.
01
Cloud Dataset
데이터 수집Fleet 데이터, 운행 이력, 배터리 상태/화학종, 열화 궤적을 수집합니다.
02
Physics-Guided Learning
물리 기반 학습Physics-informed features와 representation learning으로 데이터와 물리 모델을 결합합니다.
03
Diagnosis & Prediction
진단 및 예측Risk Engine, Global anomalies 탐지, Temporal degradation 모델로 정밀 진단합니다.
04
Outputs & Feedback
결과 및 피드백예측 리포트, 알림, Risk score를 제공하고 모델을 지속 개선합니다.
(04)지식재산권
글로벌 특허 포트폴리오로 뒷받침되는 배터리 인텔리전스.
배러머신은 AI 상태 추정, 안전 진단, 수명 예측, 클라우드 배터리 관리 전반에 걸쳐 방어력 있는 지식재산 포트폴리오를 구축하고 있습니다.
회사 발명 출원한국 특허출원
한국 등록 특허회사 소유 등록
PCT 국제출원글로벌 권리화
미국 출원국내단계 심사 중
중국 특허출원출원 완료
핵심 IP 영역
AI 상태 추정안전 및 신뢰성클라우드 및 수명 인텔리전스
2026년 10월 포트폴리오 요약 업데이트. 국가별 출원 건수에는 동일 발명의 복수 관할 출원이 포함될 수 있습니다. 출원은 등록특허와 구분됩니다.
(05)Validation & Reliability
실증 데이터 & 신뢰성
실제 운행 데이터와 명확히 정의된 연구 대상군의 고장 탐지 결과를 제시합니다.
12,000+등록 차량등록 차량 규모
400,000+충전 세션실제 충전 데이터
9한국 등록 특허회사 소유 등록 특허
62배이상 신호 감도정상 차량 기준 대비 최대
Model Performancevalidated on real-world vehicles
SOH Estimation
State of HealthHigher R² = better · MAE in percentage points
NCM / NCAR² 0.838
MAE 1.84 ppLFPR² 0.795
MAE 1.37 ppRUL Estimation
Remaining LifeHigher R² = better · MAE in months
NCM / NCAR² 0.916
MAE 6.14 moLFPR² 0.900
MAE 7.07 mo배터리 팩 고장 감지
고장 차량 155대와 정상 차량 3,435대의 전압 차이 잔차를 사용한 첫 시드 예비 결과입니다.
VRE 감지율 · 목표 오탐률 1%
83.2%
고장 차량 155대 중 129대
관측 오탐률: 0.990% · 정상 차량 3,435대 중 34대 경고.
2026년 10월 13일 업데이트 · 첫 시드 예비 결과
조기 경고 기간 중앙값
30–36일
이전 연구: 고장 차량 154대. 두 모델 및 세 모델 앙상블과 목표 오탐률 0.1% 및 1%에서의 중앙값 범위는 30.3–35.8일입니다.
감지된 고장 차량의 최초 경고부터 해당 배터리 팩의 마지막 관측 세션 종료까지 측정한 기간입니다. 실제 고장 시작 시점은 알려져 있지 않습니다.
VRE: Variational Response Ensemble, 목표 오탐률 1%에서 선택. HRE: Hybrid Response Ensemble, 목표 오탐률 0.1%에서 선택. 각 곡선은 하나의 고정된 앙상블을 사용합니다.
원본 크기로 차트 보기 ↗| 목표 오탐률 | 관측 오탐률 | 변분 응답 앙상블 (VRE) | 하이브리드 응답 앙상블 (HRE) |
|---|---|---|---|
| 0.1% | 0.087%3 / 3,435 | 38.7%60 / 155 | 46.5%72 / 155 |
| 1% | 0.990%34 / 3,435 | 83.2%129 / 155 | 65.8%102 / 155 |
실제 차량 데이터
12,000+대의 등록 차량이 배터리 분석을 위한 폭넓은 데이터 기반을 제공합니다. 고장 탐지 성능은 이 섹션의 연구 대상군을 기준으로 제시합니다.
물리 검증 기반 이상 탐지
정상 차량 대비 최대 62배 이상 신호 감지로 조기 탐지 체계 구축.
다차종 · 다화학종 대응
NCM·LFP 포함 2013~2026년식 다양한 제조사/연식 커버.
충전 데이터 기반
400,000+건의 충전 세션이 실제 운행 조건에서의 배터리 연구와 모델 개발을 뒷받침합니다.
Korea Market#1 Undisputed
Global Comparable Players1–2 Companies
Key DifferentiatorReal-Road Validation
(06)Product Lineup
One Core Engine, Five Markets
하나의 AI 진단 엔진으로 5개의 서로 다른 시장을 동시에 공략합니다.
1 engine → 5 markets · 배터리 생애주기 전반의 인텔리전스
1
Dr.EV
B2C · 전기차 오너테슬라 등 전기차 오너를 위한 AI 배터리 진단 앱. BMS가 보여주지 못하는 배터리 내부 상태와 미래 수명을 제공합니다.
Model구독형Freemium -> $5 / 월Dr.EV 랜딩페이지 바로가기 ↗
2
Dr.ESS
B2B · 상업·산업용 ESS프로젝트에 맞춰 ESS 하드웨어, 배터리 인텔리전스 플랫폼, 또는 하드웨어와 플랫폼 통합 솔루션을 선택하세요.
Model하드웨어 · 플랫폼 · 통합하드웨어 프로젝트별 견적 · 플랫폼 서비스Dr.ESS 알아보기 ↗
3
Dr.Charger
B2B · 충전사업자 (CPO)충전 커넥터 연결 즉시 배터리 상태를 분석합니다. 별도 장비 없이 충전 행위 자체가 진단이 됩니다.
ModelAPI세션당 수수료
4
Dr.Fleet
B2B · 물류 · 버스 · 택시운송 Fleet 전체 배터리를 일괄 모니터링하고 선제적 정비 스케줄을 제공해 운영 리스크를 최소화합니다.
ModelSaaS차량당 월 과금Dr.Fleet 랜딩페이지 바로가기 ↗
5
Dr.Prescription
B2B · 중고차 · 보험사배터리 생애주기 전체를 진단하고 처방합니다. AI 공인 배터리 상태 인증서를 제공합니다.
Model수수료건당 과금
(07)Partnership Proposal
함께 성장할 파트너를 찾습니다
하나의 AI 엔진으로 다양한 방식의 협력이 가능합니다.
기술 파트너십
내 서비스에 배터리 진단 기능 추가REST API 연동으로 빠르게 진단 기능을 탑재합니다.+충전 데이터 전달 시 SoH·리스크·이상 징후 즉시 반환
+수 주 내 플랫폼 탑재 가능
+CPO/중고차 플랫폼 적용 가능
비즈니스 파트너십
기존 고객에게 배터리 진단 서비스 번들링Fleet·ESS 고객 대상 공동 제안 및 매출 확대.+Dr.Fleet/Dr.ESS를 기존 솔루션에 번들링
+수익 공유 구조 운영
+EPC/SI/공공 입찰 확장
데이터 파트너십
데이터를 함께 활용해 AI 모델 고도화차종·환경 맞춤형 전용 AI 모델 개발.+충전/운행 데이터 기반 맞춤 모델 개발
+공동 데이터 자산과 인사이트 활용
+OEM/보험 리스크 모델 공동 개발
(08)미디어 보도
Battermachine 뉴스
BatterMachine Dr.ESS 플랫폼, 중국 지방정부 매체에 소개
BatterMachine의 중국 지사인 Changzhou Lijie Artificial Intelligence Technology Co., Ltd.가 산업 및 전력망급 ESS를 위한 AI 기반 배터리 건강관리·지능형 운영 플랫폼 Dr.ESS 출시로 우진뉴스에 소개되었습니다.
해당 보도는 Dr.ESS의 모니터링, 진단, 예측, 의사결정 역량과 대규모 글로벌 배터리 데이터 기반 물리 모델 머신러닝 엔진을 강조합니다. 또한 고객 운영 성과로 99% 진단 정확도, 기존 방식 대비 62배 이상 탐지 민감도, 약 30%의 긴급 교체 비용 절감을 다룹니다.
출처: 중국 창저우 우진뉴스 · 2026년 5월 13일원문 기사 보기 →BatterMachine 중국 법인, 중국 지방정부 매체에 소개
BatterMachine의 중국 지사인 Changzhou Lijie Artificial Intelligence Technology Co., Ltd.가 물리 기반 배터리 인텔리전스 플랫폼으로 중국 지방정부 매체에 소개되었습니다.
해당 보도는 BatterMachine의 듀얼 모델 아키텍처, 배터리 분석 특허 기술, 소비자용 배터리 앱의 글로벌 상용화 성과, 그리고 중국 완성차 및 배터리 기업과의 협력 기회를 다룹니다.
출처: 중국 창저우 우진뉴스 · 2026년 3월 3일원문 기사 보기 →(09)Blog & Insights
배터리 AI의 최신 인사이트
블로그 전체 보기 →기술 인사이트2026.03.15
Physics-Informed AI가 배터리 진단을 어떻게 혁신하는가
물리 법칙과 머신러닝의 결합이 왜 더 정확한지 실제 데이터로 설명합니다.
시장 트렌드2026.02.28충전 인프라가 데이터 허브가 되는 시대 — Dr.Charger의 비전
충전 행위 자체가 진단이 되는 세계를 제시합니다.
배터리 라이프사이클2026.02.10SOH 80%의 의미 — 배터리 재활용 생태계와 Dr.Prescription
배터리 2차 사용 가치와 인증 체계를 소개합니다.
제품 업데이트2026.01.25Dr.EV 앱 업데이트 — 주간 AI 리포트 기능 출시
충전 패턴부터 수명 예측까지 주간 리포트로 제공합니다.
고객 사례2026.01.10전기버스 Fleet 운영사와의 Dr.Fleet POC 결과 공개
4주 파일럿에서 운행 중단 예방과 비용 절감을 확인했습니다.
ESS & 에너지2025.12.20재생에너지 ESS 배터리 관리의 새로운 기준 — Dr.ESS 소개
원격 진단과 교체 시기 예측 방법을 소개합니다.
(10)Contact Us
배터리가 운영되는모든 현장에서AI 진단을 시작하세요
배러머신에 배터리 지능형 플랫폼, ESS 하드웨어 또는 통합 솔루션을 문의하세요. 파트너십 문의, 기술 데모 요청, POC 제안도 환영합니다.
주소대한민국 서울 — 소프트웨어 · 중국 창저우 — 하드웨어