특허 명세서 실시예 추가 스킬

0. 핵심 사상

주요 실시예 외에 다양한 변형 실시예를 부가함으로써, 경쟁사가 기술적 우회로를 만들거나 미래 기술이 출현하더라도 권리 범위 안에 포함되도록 권리의 외연을 확장한다. 각 변형 실시예는 잠재적 종속청구항의 후보가 될 수 있는 형태로 기술되어야 한다.

본 스킬은 [kr-patent-definition-insertion]과 짝을 이루며, 보통 정의 삽입 → 실시예 추가 순으로 작업한다.

⛔ 절대 금지 — 청구범위 섹션 비수정 원칙

본 스킬은 명세서 본문(특히 "발명을 실시하기 위한 구체적인 내용" 절)에만 변형 실시예 단락을 부가한다. 【청구범위】 섹션 — 즉 【청구항 1】~【청구항 N】 자체 — 은 절대 수정하지 않는다.

• 변형 실시예가 잠재적 종속청구항의 "후보"가 되도록 기술하되, 청구범위 섹션에 실제로 새 청구항을 추가하거나 기존 청구항을 수정하지 않는다.
• 종속청구항화 여부는 추후 분할출원·계속출원·보정 단계에서 변리사가 별도로 판단할 영역이며, 본 스킬의 범위 밖이다.
• 사용자가 "이 변형도 청구항에 넣어줘"라고 요청해도, 본 스킬은 청구범위 수정을 거부하고 "청구범위 수정은 별도 작업이며 신규사항 추가 금지 원칙·보정 가능성 등 별도 검토가 필요합니다"라고 안내한다.
• 청구범위 수정이 정말 필요한 경우 → kr-patent-spec-drafting을 별도로 호출하거나 변리사가 직접 작성.

1. 변형 실시예 카테고리 체크리스트 (16종)

각 절의 핵심 실시예에 대하여 아래 카테고리를 점검하고, 적용 가능한 것을 모두 도출한다.

운용 팁: 16개 전부를 매 절마다 적용할 필요는 없다. 절의 성격에 따라 자연스럽게 어울리는 4~7개 카테고리를 골라 적용한다.

1.5 설계 결정 축 8개 (프롬프트 ⑤) — 16카테고리와 직교 병존

위의 16카테고리는 "기술 도메인 축" — 어떤 데이터/모델/시간축/시스템을 쓸지에 대한 변형. 이와 직교(orthogonal) 하는 또 하나의 축은 "설계 결정 축" — 어떤 처리 전략/결합 방식/장애 대응을 쓸지에 대한 변형이다. 두 축은 독립적이며, 모든 명세서에 양쪽 모두 점검 권장.

운용 팁 (직교 적용): 절의 핵심 실시예에 대하여 기술 도메인 축 4~7개 + 설계 결정 축 3~5개를 자연스럽게 선택하여 적용. 두 축은 한 단락 안에서 결합될 수도 있다 (예: "라이다 입력(④) + 다중 척도 결합 산출(D3) + 응답 실패 시 캐시 폴백(D8)").

2. 작업 절차

Step 1: 섹션별 핵심 실시예 식별

각 절에서 현재 기재된 주요 실시예(주된 알고리즘·구성·데이터 등)를 식별. 그 실시예에 대해 위 16개 카테고리 표를 적용.

Step 2: 변형 실시예 브레인스토밍

• 카테고리당 1개 이상 변형례를 도출
• 각 변형이 청구항을 침해하지 않고 기술적으로 plausible한지 검증
• 미래 기술·경쟁 기술까지 포함하도록 외연을 적극 확장
• 모르는 영역은 인공지능·로봇·블록체인·AR/VR·다국어 등 일반적 첨단 트렌드를 적용 가능성 기준으로 점검

Step 3: 단락 작성 (도입어 + 4단 패턴)

#### 도입어 순서 (중복 회피) 한 절 안에 변형 실시예를 여러 개 추가할 때, 도입어를 다음 순서로 변주한다.

#### 단락 본문 3단 구조

1. 변형 도입: 도입어 + 무엇이 다른지 명시

• 패턴: "~ 상기 [구성요소]는, [기존 실시예]에 한정되지 않으며, [변형 실시예]의 형태로 [수행될/구성될] 수도 있다."

1. 구체적 설명: 변형의 작동 방식·예시

• 패턴: "보다 구체적으로, ~" 또는 "예를 들어, i) ..., ii) ..., iii) ... 중 적어도 하나를 ~"

1. 효과 + 한정 부정:

• 패턴: "이 경우, ~한 효과가 발생할 수 있다."
• 마무리: "다만, 본 발명에서 ~는 이에 한정되지 않는다."

#### 표준 템플릿

[도입어], 상기 [구성요소/단계]는, [기존 실시예]에 한정되지 않으며,
[변형 실시예 명칭]의 형태로 [수행될/구성될/표현될] 수도 있다.

보다 구체적으로, [변형 실시예의 작동 방식 또는 정의].

일 실시예에 있어서, 상기 [변형]은,
i) [예시1], ii) [예시2], iii) [예시3] 및 iv) [예시4]
중 적어도 하나를 포함할 수 있다.

이 경우, [기술적 효과]가 발생할 수 있다.

다만, 본 발명에서 [변형의 종류]는 이에 한정되지 않는다.

Step 4: 삽입 위치 결정

• 해당 절의 주요 실시예 설명 직후, 다음 절로 넘어가기 전에 삽입
• 같은 카테고리의 변형은 연속적으로 배치 (예: 알고리즘 변형 2개를 묶고 → 데이터 변형 2개를 묶음)
• 절 단위 흐름을 깨지 않도록 주의
• 도입어를 통해 "주요 실시예 → 변형례 → 또 다른 변형 → 다음 절"의 자연스러운 전환 유지

Step 5: 일관성 검증

• [ ] 모든 종결 어미가 "~할 수 있다", "~포함할 수 있다" 형태인가?
• [ ] "다만, ~한정되지 않는다"가 단락 끝에 빠지지 않았는가?
• [ ] 도입어가 한 절 안에서 중복되지 않았는가? (특히 "일 실시예에 있어서," 연발 금지)
• [ ] 변형 실시예가 청구항을 침해하지 않는가? (청구항 한정과 모순되는 변형 금지)
• [ ] 시퀀스 번호(i, ii, iii, iv)가 일관되게 사용되었는가?
• [ ] 도면번호를 임의로 추가하지 않았는가? (도면 추가는 본 스킬 범위 밖)
• [ ] 【청구범위】 섹션이 입력 시점 원본과 byte-단위로 동일한가? 청구항 추가·수정·삭제 0건인가? (본 스킬 핵심 불변식)

3. 카테고리별 작성 예시

예시 1: 알고리즘 변형 (카테고리 1·2)

한편, 다른 실시예에 있어서, 상기 좌표계 정합은, 단일 단계로 수행되지
않고 거친 정합(coarse registration)과 정밀 정합(fine registration)의
다단계로 수행될 수도 있다. 보다 구체적으로, 거친 정합 단계에서는
SAC-IA, FPFH 또는 RANSAC 등을 이용하여 두 데이터의 개략적인 좌표
변환이 산출될 수 있고, 이어서 정밀 정합 단계에서는 ICP 또는 그
변형 알고리즘이 적용되어 변환 행렬이 미세하게 보정될 수 있다.
이 경우, 단일 단계의 정합으로 수렴하기 어려운 큰 초기 오차에도
안정적으로 정합이 수행될 수 있는 효과가 발생할 수 있다.

예시 2: 입력 데이터 다양화 (카테고리 4)

한편, 일 실시예에 있어서, 상기 손상 데이터 생성부에 입력되는
이미지는, RGB 가시광 이미지에 한정되지 않으며, i) 적외선 열화상
이미지, ii) 초음파 이미지, iii) 라이다 반사 강도 이미지, iv) X선
또는 감마선 투과 이미지 및 v) 다파장 멀티스펙트럼 이미지 중
적어도 하나를 포함할 수도 있다. 예를 들어, 적외선 열화상 이미지는
콘크리트 내부의 수분 침투 영역의 검출에 활용될 수 있다. 다만, 본
발명에서 입력 이미지의 종류는 이에 한정되지 않는다.

예시 3: 학습 메커니즘 (카테고리 6)

또한, 일 실시예에 있어서, 상기 객체 탐지 모델 및 상기 인스턴스
분할 모델은, 능동 학습(active learning) 기법에 의하여 지속적으로
갱신될 수도 있다. 보다 구체적으로, 신뢰도가 낮은 검출 결과 또는
사용자에 의해 수정된 검출 결과가 학습 데이터로 누적되어, 일정
주기마다 모델의 재학습이 수행될 수 있다. 이 경우, 시간이 경과함에
따라 손상 검출의 정확도가 점진적으로 향상될 수 있는 효과가 발생할
수 있다.

예시 4: 미래 기술 포함 (카테고리 13)

또 다른 실시예에 있어서, 본 발명에서 자재의 재사용 이력은, 블록체인
기반의 분산 원장에 기록될 수도 있다. 보다 구체적으로, A등급 자재의
회수, 재유통 및 재시공 이력이 위변조 불가능한 형태로 기록될 수
있고, 자재의 원산지 및 품질 이력이 신뢰성 있게 추적될 수 있다.
이 경우, 재사용 자재의 시장 신뢰성이 확보될 수 있는 효과가 발생할
수 있다. 다만, 본 발명에서 블록체인 플랫폼의 종류 및 기록 방식은
이에 한정되지 않는다.

예시 6: 수동 vs 자동 결합 (설계 결정축 D1)

한편, 다른 실시예에 있어서, 상기 매칭 데이터(540)의 산출은, 전면 자동
방식에 한정되지 않으며, 사용자가 일부 계획-성과 쌍을 수동으로 지정하고
나머지를 학습 기반으로 자동 산출하는 휴먼 인 더 루프(human-in-the-loop)
방식으로 수행될 수도 있다. 보다 구체적으로, 사용자가 특정 KPI 노드와
특정 논문 노드의 매칭을 수동으로 확정한 경우, 본 발명에 따른 시스템은
해당 매칭을 고정 제약으로 설정하고 나머지 쌍에 대해서만 자동 매칭을
산출할 수 있다. 이 경우, 사용자의 도메인 지식이 산출 결과에 반영되어
매칭의 신뢰도가 향상될 수 있는 효과가 발생할 수 있다. 다만, 본 발명에서
수동과 자동의 결합 방식은 이에 한정되지 않는다.

예시 7: 결합 산출 — 하이브리드 (설계 결정축 D3)

또 다른 실시예에 있어서, 상기 정합성 데이터 생성부(340)는, 단일
유사도 척도에 기초하지 않고, 둘 이상의 유사도 척도를 가중 합산하는
하이브리드 방식으로 정합성 데이터를 산출할 수도 있다. 보다 구체적으로,
임베딩 벡터 기반 코사인 유사도와 그래프 경로 기반 유사도가 각각
가중치 w1, w2로 합산되어 통합 유사도가 산출될 수 있다. 예를 들어,
w1 = 0.7, w2 = 0.3으로 설정된 경우 의미적 유사도가 우선되어 처리될
수 있고, w1 = 0.4, w2 = 0.6으로 설정된 경우 그래프 구조적 인접성이
우선되어 처리될 수 있다. 이 경우, 단일 척도만으로는 식별이 어려운
계획-성과 쌍의 부합성이 입체적으로 평가될 수 있다. 다만, 본 발명에서
상기 척도의 종류 및 가중치의 결정 방식은 이에 한정되지 않는다.

예시 8: 차등 가중치 (설계 결정축 D4)

또한, 일 실시예에 있어서, 상기 가중치 wᵢ는, 모든 계획 노드에 대하여
균등하게 부여되지 않고, 계획 노드의 종류·검증 상태·중요도에 따라
차등적으로 부여될 수도 있다. 보다 구체적으로, KPI 노드(513)에는
정량 목표가 정의되어 있으므로 높은 가중치가 부여될 수 있고, 일반
필요 기술 노드(512)에는 상대적으로 낮은 가중치가 부여될 수 있다.
예를 들어, "검증 성공" 플래그가 부여된 노드에는 1.0, "확인 필요"
플래그가 부여된 노드에는 0.5의 가중치가 적용될 수 있다. 이 경우,
중요도와 신뢰도가 자연스럽게 정합성 평가에 반영될 수 있다. 다만, 본
발명에서 차등 가중치의 부여 방식은 이에 한정되지 않는다.

예시 9: 장애 대응 — 폴백 (설계 결정축 D8)

나아가, 일 실시예에 있어서, 본 발명에 따른 외부 인터페이스부(360)는,
외부 소스(400)의 응답 지연·일시 장애·접근 차단 등의 상황에 대비한
폴백(fallback) 처리를 수행할 수도 있다. 보다 구체적으로, 외부 소스의
응답이 사전 설정된 시간 내에 수신되지 않는 경우, i) 로컬 캐시에
저장된 이전 회차의 외부 데이터를 사용하는 캐시 폴백, ii) 해당 성과
노드에 "미확인" 플래그를 부착하고 처리를 지속하는 결측 표시, 및
iii) 대체 외부 소스로 질의를 자동 우회하는 다중 소스 폴백 중 적어도
하나가 수행될 수 있다. 이 경우, 외부 의존성에 의한 단일 장애점이
완화되어 시스템의 가용성이 확보될 수 있다. 다만, 본 발명에서 상기
폴백 처리의 방식은 이에 한정되지 않는다.

예시 5: 다목적 최적화 (카테고리 15)

한편, 다른 실시예에 있어서, 본 발명에 따른 최적 해체 방법 데이터의
도출은, 단일 목적 최적화가 아닌 다목적 최적화(multi-objective
optimization)의 형태로 수행될 수도 있다. 보다 구체적으로, 비용
효율의 극대화, 공사 기간의 최소화 및 환경 영향의 최소화 등 복수의
목적 함수가 동시에 최적화될 수 있으며, 그 결과로 어느 한 목적을
개선하면 다른 목적이 악화되는 비지배 해(non-dominated solutions)의
집합인 파레토 프론트(Pareto front)가 산출될 수 있다. 이 경우,
사용자는 상기 파레토 프론트 상의 해 중에서 자신의 정책적 우선순위에
부합하는 해를 선택할 수 있다. 다만, 본 발명에서 다목적 최적화의
알고리즘은 이에 한정되지 않으며, NSGA-II, NSGA-III, MOEA/D 또는
SPEA2 등의 다목적 진화 알고리즘이 채용될 수 있다.

4. 흔한 실수 (Don't / Do)

5. 권리 범위 확장 체크 — "내 변형이 청구항을 보호하나?"

추가한 각 실시예에 대해 다음 질문을 자문한다.

1. 회피 방어: 경쟁사가 이 변형으로 우회하려 해도 본 명세서의 실시예 범위 안에 들어오는가?
2. 미래 기술 포함: 차세대 기술(로봇, AR/VR, 블록체인 등)이 등장해도 권리 주장 가능한가?
3. 분할/계속출원 활용 가능성: 추후 새로운 청구항 작성 시 이 실시예를 근거로 삼을 수 있는가?
4. 종속청구항 후보: 이 실시예가 잠재적 종속청구항이 될 수 있는 형태로 기술되어 있는가?
5. ★ 설계 결정 축 커버리지: 설계 결정 8축(D1~D8) 중 최소 3개가 변형 실시예에 반영되어 있는가? (기술 도메인 축만 적용하고 설계 결정 축이 누락되는 빈발 패턴 방지)

위 5가지에 모두 "예"라고 답할 수 있어야 좋은 변형 실시예다.

6. 본 스킬을 사용하지 말아야 할 경우

• 청구항이 아직 확정되지 않아 보호 범위가 정해지지 않은 단계
• 정의(자체 사전)가 아직 본문에 삽입되지 않은 단계 → kr-patent-definition-insertion 먼저 적용
• 도면 추가가 필요한 변형 (도면 작업이 선행되어야 함)
• 청구항과 정면 충돌하는 변형 (이런 경우 본 스킬에서는 해당 변형을 폐기 — 청구항 수정 결정은 본 스킬 범위 밖)
• 사용자가 청구범위 자체의 수정·확장을 요청하는 경우 → 본 스킬은 거부하고 별도 작업으로 분리 (보정 가능성·신규사항 추가 금지 등 별도 법적 검토 필요)

7. 다른 스킬과의 관계

• kr-patent-definition-insertion — 짝 스킬. 정의 삽입 → 본 스킬(실시예 추가) 순서.
• kr-patent-spec-drafting — 1차 본문 작성. 본 스킬은 그 후 권리범위 보강 두 번째 단계.
• kr-patent-consistency-check — 실시예 추가 후 점검 시 도입어 중복/청구항 충돌/한정 부정 누락을 자동 검출.
• kr-patent-full-workflow — 11-Stage 흐름의 Stage 7(권리범위 보강 — 실시예 추가)에서 본 스킬을 호출.

누적 학습 항목

(이 섹션은 kr-patent-skill-updater가 작업 회고 후 자동으로 추가)

• _아직 없음_