🔧 자재 분류기 개선 및 ELL 키워드 분류 문제 해결 (테스트 필요 - 안되는거 같음)

분류기 개선사항:
1. ELL-O-LET vs 일반 엘보 분류 개선
   - OLET 우선순위 확인 로직 추가
   - ELL 키워드 충돌 문제 해결

2. 엘보 서브타입 강화
   - 90DEG_LONG_RADIUS, 90DEG_SHORT_RADIUS 등 조합형 추가
   - 더 구체적인 키워드 패턴 지원

3. 레듀스 플랜지 분류 개선
   - REDUCING FLANGE가 FITTING이 아닌 FLANGE로 분류되도록 수정
   - 특별 우선순위 로직 추가

4. 90 ELL SW 분류 문제 해결
   - fitting_keywords에 ELL 키워드 추가
   - ELBOW description_keywords에 ELL, 90 ELL, 45 ELL 추가

기술적 개선:
- 키워드 우선순위 체계 강화
- 구체적인 패턴 매칭 개선
- 분류 신뢰도 향상

플랜지 카테고리 개선:
- 타입 풀네임 표시 (WN → WELD NECK FLANGE)
- 끝단처리 별도 컬럼 추가 (RF → RAISED FACE)
- 엑셀 내보내기 구조 개선 (P열 납기일, 관리항목 4개)

backend/app/services/fitting_classifier.py

@@ -11,8 +11,12 @@ from .material_classifier import classify_material, get_manufacturing_method_fro
 FITTING_TYPES = {
     "ELBOW": {
         "dat_file_patterns": ["90L_", "45L_", "ELL_", "ELBOW_"],
-        "description_keywords": ["ELBOW", "ELL", "엘보"],
+        "description_keywords": ["ELBOW", "ELL", "엘보", "90 ELBOW", "45 ELBOW", "LR ELBOW", "SR ELBOW", "90 ELL", "45 ELL"],
         "subtypes": {
+            "90DEG_LONG_RADIUS": ["90 LR", "90° LR", "90DEG LR", "90도 장반경", "90 LONG RADIUS", "LR 90"],
+            "90DEG_SHORT_RADIUS": ["90 SR", "90° SR", "90DEG SR", "90도 단반경", "90 SHORT RADIUS", "SR 90"],
+            "45DEG_LONG_RADIUS": ["45 LR", "45° LR", "45DEG LR", "45도 장반경", "45 LONG RADIUS", "LR 45"],
+            "45DEG_SHORT_RADIUS": ["45 SR", "45° SR", "45DEG SR", "45도 단반경", "45 SHORT RADIUS", "SR 45"],
             "90DEG": ["90", "90°", "90DEG", "90도"],
             "45DEG": ["45", "45°", "45DEG", "45도"], 
             "LONG_RADIUS": ["LR", "LONG RADIUS", "장반경"],
@@ -98,11 +102,12 @@ FITTING_TYPES = {
     },
     
     "OLET": {
-        "dat_file_patterns": ["SOL_", "WOL_", "TOL_", "OLET_", "SOCK-O-LET", "WELD-O-LET"],
-        "description_keywords": ["OLET", "올렛", "O-LET", "SOCK-O-LET", "WELD-O-LET", "SOCKOLET", "WELDOLET", "THREAD-O-LET", "THREADOLET", "SOCKLET", "SOCKET"],
+        "dat_file_patterns": ["SOL_", "WOL_", "TOL_", "EOL_", "NOL_", "COL_", "OLET_", "SOCK-O-LET", "WELD-O-LET", "ELL-O-LET", "THREAD-O-LET", "ELB-O-LET", "NIP-O-LET", "COUP-O-LET"],
+        "description_keywords": ["SOCK-O-LET", "WELD-O-LET", "ELL-O-LET", "THREAD-O-LET", "ELB-O-LET", "NIP-O-LET", "COUP-O-LET", "SOCKOLET", "WELDOLET", "ELLOLET", "THREADOLET", "ELBOLET", "NIPOLET", "COUPOLET", "OLET", "올렛", "O-LET", "SOCKLET"],
         "subtypes": {
             "SOCKOLET": ["SOCK-O-LET", "SOCKOLET", "SOL", "SOCK O-LET", "SOCKET-O-LET", "SOCKLET"],
             "WELDOLET": ["WELD-O-LET", "WELDOLET", "WOL", "WELD O-LET", "WELDING-O-LET"],
+            "ELLOLET": ["ELL-O-LET", "ELLOLET", "EOL", "ELL O-LET", "ELBOW-O-LET"],
             "THREADOLET": ["THREAD-O-LET", "THREADOLET", "TOL", "THREADED-O-LET"],
             "ELBOLET": ["ELB-O-LET", "ELBOLET", "EOL", "ELBOW-O-LET"],
             "NIPOLET": ["NIP-O-LET", "NIPOLET", "NOL", "NIPPLE-O-LET"],
@@ -203,7 +208,11 @@ def classify_fitting(dat_file: str, description: str, main_nom: str,
     dat_upper = dat_file.upper()
     
     # 1. 피팅 키워드 확인 (재질만 있어도 통합 분류기가 이미 피팅으로 분류했으므로 진행)
-    fitting_keywords = ['ELBOW', 'ELL', 'TEE', 'REDUCER', 'RED', 'CAP', 'NIPPLE', 'SWAGE', 'OLET', 'COUPLING', 'PLUG', 'SOCKLET', 'SOCKET', '엘보', '티', '리듀서', '캡', '니플', '스웨지', '올렛', '커플링', '플러그', 'SOCK-O-LET', 'WELD-O-LET', 'SOCKOLET', 'WELDOLET']
+    # OLET 키워드를 우선 확인하여 정확한 분류 수행
+    olet_keywords = ['SOCK-O-LET', 'WELD-O-LET', 'ELL-O-LET', 'THREAD-O-LET', 'ELB-O-LET', 'NIP-O-LET', 'COUP-O-LET', 'SOCKOLET', 'WELDOLET', 'ELLOLET', 'THREADOLET', 'ELBOLET', 'NIPOLET', 'COUPOLET', 'OLET', 'O-LET', 'SOCKLET']
+    has_olet_keyword = any(keyword in desc_upper or keyword in dat_upper for keyword in olet_keywords)
+    
+    fitting_keywords = ['ELBOW', 'ELL', 'TEE', 'REDUCER', 'RED', 'CAP', 'NIPPLE', 'SWAGE', 'COUPLING', 'PLUG', '엘보', '티', '리듀서', '캡', '니플', '스웨지', '올렛', '커플링', '플러그'] + olet_keywords
     has_fitting_keyword = any(keyword in desc_upper or keyword in dat_upper for keyword in fitting_keywords)
     
     # 피팅 재질 확인 (A234, A403, A420)
@@ -301,6 +310,14 @@ def classify_fitting(dat_file: str, description: str, main_nom: str,
             "fitting_type": fitting_type_result.get('confidence', 0),
             "connection": connection_result.get('confidence', 0),
             "pressure": pressure_result.get('confidence', 0)
+        }),
+        
+        # 통합분류기 호환성을 위한 confidence 필드
+        "confidence": calculate_fitting_confidence({
+            "material": material_result.get('confidence', 0),
+            "fitting_type": fitting_type_result.get('confidence', 0),
+            "connection": connection_result.get('confidence', 0),
+            "pressure": pressure_result.get('confidence', 0)
         })
     }
 
@@ -428,12 +445,28 @@ def classify_fitting_type(dat_file: str, description: str,
     dat_upper = dat_file.upper()
     desc_upper = description.upper()
     
-    # 0. 사이즈 패턴 분석으로 TEE vs REDUCER 구분 (최우선)
+    # 0. OLET 우선 확인 (ELL과의 혼동 방지)
+    olet_specific_keywords = ['SOCK-O-LET', 'WELD-O-LET', 'ELL-O-LET', 'THREAD-O-LET', 'ELB-O-LET', 'NIP-O-LET', 'COUP-O-LET', 'SOCKOLET', 'WELDOLET', 'ELLOLET', 'THREADOLET', 'ELBOLET', 'NIPOLET', 'COUPOLET', 'O-LET', 'SOCKLET']
+    for keyword in olet_specific_keywords:
+        if keyword in desc_upper or keyword in dat_upper:
+            subtype_result = classify_fitting_subtype(
+                "OLET", desc_upper, main_nom, red_nom, FITTING_TYPES["OLET"]
+            )
+            return {
+                "type": "OLET",
+                "subtype": subtype_result["subtype"],
+                "confidence": 0.95,
+                "evidence": [f"OLET_PRIORITY_KEYWORD: {keyword}"],
+                "subtype_confidence": subtype_result["confidence"],
+                "requires_two_sizes": FITTING_TYPES["OLET"].get("requires_two_sizes", False)
+            }
+    
+    # 1. 사이즈 패턴 분석으로 TEE vs REDUCER 구분
     size_pattern_result = analyze_size_pattern_for_fitting_type(desc_upper, main_nom, red_nom)
     if size_pattern_result.get("confidence", 0) > 0.85:
         return size_pattern_result
     
-    # 1. DAT_FILE 패턴으로 1차 분류 (가장 신뢰도 높음)
+    # 2. DAT_FILE 패턴으로 1차 분류 (가장 신뢰도 높음)
     for fitting_type, type_data in FITTING_TYPES.items():
         for pattern in type_data["dat_file_patterns"]:
             if pattern in dat_upper:
@@ -450,7 +483,7 @@ def classify_fitting_type(dat_file: str, description: str,
                     "requires_two_sizes": type_data.get("requires_two_sizes", False)
                 }
     
-    # 2. DESCRIPTION 키워드로 2차 분류
+    # 3. DESCRIPTION 키워드로 2차 분류
     for fitting_type, type_data in FITTING_TYPES.items():
         for keyword in type_data["description_keywords"]:
             if keyword in desc_upper:
@@ -467,7 +500,7 @@ def classify_fitting_type(dat_file: str, description: str,
                     "requires_two_sizes": type_data.get("requires_two_sizes", False)
                 }
     
-    # 3. 분류 실패
+    # 4. 분류 실패
     return {
         "type": "UNKNOWN",
         "subtype": "UNKNOWN",