# ChemReg 데이터 설명·연구자·업데이트

| 항목 | 내용 |
|---|---|
| 패키지 | ChemReg / chemreg / 1.0.0 |
| 최종 버전 날짜 | 2026-10-22 |
| 자료 구분 | 실제 공개·제공 출처의 보존 원문 및 가공 자료. 전문가 내용 검증 전 |
| 목적 | 제품·물질 확인, MSDS 작성 보조, 경고표지 검토 출력 및 규제·대응 정보 조회 |
| 원문 제공자 | 제조사별 SDS 발행자, KOSHA, KREACH, ECHA, DGUV, UBA, OSHA, PubChem, 사용자가 제공한 지침. 문서별 출처는 data/seed/documents.json |
| 연구책임자·소속 | 미확인 |
| 대표 연구자·소속 | 미확인 |
| 가공 책임 주체 | 미확인. 기술적 이관·UI 구현: AI 보조 작업, 전문가 검토 기록과 구분 |
| 공개 문의처 | 미확인 |
| 현재 공개 상태 | 운영자 인수용. 원문별 재배포 조건 별도 확인 필요 |
| 업데이트 계획 | 계획 있음 (planned) |
| 다음 주기·목표일 | 미정 / 미확인 |
| 다음 예정 변경 | 공급자 SDS 개정본, 물질·규제 자료의 추가·오류 정정, 사용자 검토 결과 반영 |
| 갱신 담당자 | 미확인 |

업데이트 상태는 `planned`(계획 있음), `undecided`(미정), `none`(계획 없음), `ended`(갱신 종료)로 관리합니다. 계획일과 실제 발행일을 혼동하지 않습니다. 조회 시 API 수집은 패키지 발행·전문가 검수·모델 학습과 별개입니다. 현재 자동 재학습 또는 배포된 MLOps 학습 파이프라인은 없습니다.

## 범위와 한 행의 의미

- 참고물질: CAS별 69개. 이 중 68개는 MSDS 16항목 확보, 1개는 식별자 후보로 상세 미수집.
- 제품: SDS 1·2·3항을 대조한 제품 7개. 전문가 분류 검토 완료를 뜻하지 않음.
- 제품 후보: 제조사·제품 코드·지역 기준 107개. 실제 용도군별 수집 표본이며 전 세계 제품 전수 목록이 아님.
- SDS 문서 기록: 127행. 하나의 원본이 여러 기록과 연결될 수 있어 고유 PDF 수와 다름.
- 출처 문서: 1,532개 문서 ID, 고유 원본 경로 1,377개. 웹 목록·XML·PDF·참조 이미지를 포함.
- 규제 검색: 업무 매뉴얼 18, H/P 문구 198, KOSHA 목록 20,664, 규제 행 47,520, 등록 현황 2,540, 공식 참조 17. 중복·군 분류가 있어 고유 물질 개수로 합산하지 않음.
- 국제 식별자: GESTIS 8,741행, WGK 14,157행. 여러 CAS를 묶은 행과 관련 식별자는 일대일 연결로 단정하지 않음.
- 기존 공개 CSV 스냅샷: 20개. 생성·수집 시점은 제공 스냅샷/원본 메타데이터 기준. 신규 MSDS 작성본을 자동 섞지 않음.

판례·산재 판정 사례, 이전 개인 업로드·MSDS 작성본·라벨 작성본, 기존 API 키는 이관하지 않았습니다. 신규 사용자 업로드는 private 저장소에만 보관합니다. 공용 제품 데이터 자동 승인·공개·학습 편입은 하지 않습니다.

## 파일과 출처 연결

`data/seed/*.jsonl` 한 행은 `kind,id,payload,updated_at`의 초기 엔터티입니다. payload는 제품/물질 원문 연결과 개정·국가·검토 상태를 보존한 JSON입니다. `documents.json`의 id·source·url·sha256·path·fetched_at·content_type·license_note를 통해 원본과 연결합니다. `data/raw/{source}/{sha256}.{ext}`는 바이트가 동일한 원본의 보존 위치입니다.

규제 및 식별자 검색은 `data/processed/{catalog}/current.json`이 가리키는 고정 발행 인덱스를 사용합니다. JSONL, SQLite 검색 인덱스와 원문 링크를 함께 보존합니다. 서비스 시작 시 누락된 초기 엔터티만 등록하고 기존 운영 자료를 덮어쓰지 않습니다.

사용자 PDF는 private/sds/{UUID}, MSDS 작성본은 private/msds_workbooks/{UUID}, 라벨은 private/label_drafts/{UUID}에 보존합니다. 원문·사용자 입력·자동 항목 분리 후보·전문가 승인 여부를 구분합니다. MSDS·라벨은 초안으로 표시되며 `submitted_to_kosha=false`입니다.

## 검증과 한계

이관 때 공개 문서 1,532개 연결의 실제 원본 SHA-256을 대조했습니다. 동일 바이트를 중복 기록한 경우 원본 파일은 하나만 보존합니다. CAS 검증숫자, 라벨 필수 항목·국가/버전 일치, 원문 변조, PDF 형식·용량, H/P 코드 계열, 규격 면적과 파일 접근 경계를 자동 검사합니다. 검사 결과는 QUALITY.md에서 확인합니다.

OCR은 사진 속 문자 추출이며 그림문자 판독 모델이나 제품 일치 확률을 제공하지 않습니다. 제품명 후보만으로 혼합물 전체 성분·위험성을 확정하지 않습니다. 표·다단 PDF의 자동 텍스트 추출은 오류가 있을 수 있습니다. 법령·자료 최신성, 실제 용도·농도별 규제 적용, 독성학·의학적 적정성, 실제 프린터 출력은 별도 검토가 필요합니다.

## 작성 양식

추가 자료마다 다음을 기록합니다: 자료 ID / 자료명 / 버전 / 버전 확정일 / 원문 제공자 / 원문 URL / 수집일 / 원문 개정일 / 국가·언어 / SHA-256 / 행의 의미 / 가공 방법 / 결측·중복 / 검증 명령·결과·미검사 / 연구책임자 / 대표 연구자 / 가공 주체 / 공개 문의처 / 원문·가공물 이용조건 / 업데이트 상태·주기·목표일·예정 변경·담당자.

출처 없는 연구자 이름, 제출번호, 분류 코드, 성분 함량, 법령 시행일은 임의로 채우지 않습니다. 관련 메타데이터는 `data/seed/dataset.json`, 변경 이력은 `CHANGELOG.md`, 작업 인계는 `docs/AI-HANDOFF.md`입니다.