온톨로지
테이블은 데이터를 저장하는 단위이고, 온톨로지는 데이터의 의미를 설명하는 단위입니다. VEXPLOR는 배포된 테이블을 「설비」, 「자재」, 「공정」 같은 업무 객체로 분류하고, 객체 사이에 「원인이 된다」, 「필요로 한다」, 「생산한다」 같은 관계를 붙입니다. AI는 이 관계를 따라가며 「이 불량은 어떤 설비와 어떤 자재에서 시작됐는가」 같은 질문에 답합니다.
무엇인가
데이터베이스는 「작업지시」 테이블의 「설비ID」 컬럼이 「설비」 테이블을 가리킨다는 것까지는 압니다. 하지만 설비 온도가 오르면 불량이 늘어나고 금형을 교체하면 불량이 줄어든다는 것은 모릅니다. 이런 업무의 의미와 인과는 현장 사람의 머릿속에만 있습니다.
온톨로지는 그 지식을 데이터로 옮겨 적은 것입니다. 한 번 적어 두면 사람은 업무 관계를 한눈에 보고, AI는 엉뚱한 데이터를 뒤지지 않고 관련된 데이터만 따라가 답을 찾습니다.
테이블이 부품 창고의 선반이라면, 온톨로지는 조립도입니다. 선반에는 부품이 정리되어 있지만, 어떤 부품이 어디에 끼워지고 하나가 빠지면 무엇이 멈추는지는 조립도를 봐야 압니다.
구성 요소
VEXPLOR의 온톨로지는 객체, 관계, 액션 세 가지로 이루어집니다.
1. 객체 (Object) -- 무엇이 있는가
공장을 이루는 대상입니다. 객체마다 원본 테이블(필요하면 특정 행)과 연결되어 있어, 객체에서 실제 데이터로 바로 넘어갈 수 있습니다.
| 객체 유형 | 예 |
|---|---|
| 설비 (Equipment) | 사출기, 프레스, CNC |
| 자재 (Material) | 원자재, 부품, BOM 구성품 |
| 공정 (Process) | 가공, 조립, 검사 |
| 작업자 (Worker) | 작업자, 운전원 |
| 센서 (Sensor) | 온도·압력 센서, IoT 태그 |
| 제품 (Product) | 완제품, 품목 |
| 위치 (Location) | 창고, 구역, 적재 위치 |
| 사용자 정의 (Custom) | 위 유형에 맞지 않는 대상 |
객체에는 센서 임계값이나 설비 사양 같은 추가 속성과 상태를 함께 담을 수 있습니다.
2. 관계 (Link) -- 서로 어떻게 연결되는가
| 관계 유형 | 뜻 | 예 |
|---|---|---|
| CAUSES | 원인이 된다 | 금형 마모 → 치수 불량 |
| REQUIRES | 필요로 한다 | 조립 공정 → 부품 |
| PRODUCES | 만들어 낸다 | 사출 공정 → 사출품 |
| MITIGATED_BY | 이것으로 완화된다 | 과열 → 냉각수 점검 |
| CORRELATED_WITH | 함께 움직인다 | 습도 ↔ 도장 불량 |
| LOCATED_IN | 어디에 있다 | 설비 → 2라인 |
| BELONGS_TO | 어디에 속한다 | 작업자 → 생산팀 |
인과 관계에는 숫자 정보가 붙습니다.
| 항목 | 의미 |
|---|---|
| 강도 | 0.0~1.0. 원인이 결과에 얼마나 강하게 영향을 주는가 |
| 지연 시간 | 원인이 생기고 결과가 나타나기까지 걸리는 시간(초) |
| 발견 방법 | 사람이 직접 입력 / 도메인 전문가 / 상관 분석 / 그레인저 인과 검정 / 그래프 신경망 |
| 신뢰도 | 0.0~1.0. 발견 방법이 내린 판단을 얼마나 믿을 수 있는가 |
사람이 입력한 관계와 데이터 분석으로 찾은 관계를 같은 형식으로 담기 때문에, 「누가 어떤 근거로 이 관계를 주장했는가」가 항상 함께 남습니다.
3. 액션 (Action) -- 무엇을 할 수 있는가
객체에 대해 실행할 수 있는 작업입니다. 액션마다 실행에 필요한 권한 수준과 자동 실행 가능 여부가 정해져 있어, 같은 「설비 정지」 액션이라도 누가 실행할 수 있는지, 사람 확인 없이 실행해도 되는지를 데이터로 관리합니다.
온톨로지가 채워지는 방법
- 배포할 때 자동 생성 -- 캔버스를 배포해 테이블이 만들어지면, 테이블 이름으로 객체 유형을 추정해 객체를 만듭니다. 예를 들어 설비·장비 관련 테이블은 설비로, 창고·구역 관련 테이블은 위치로 분류됩니다. 같은 테이블은 중복으로 만들지 않고 갱신합니다.
- 데이터가 바뀔 때 반영 -- 배포된 테이블의 데이터가 추가·수정되면 그 변경을 받아 객체 정보를 맞춥니다.
- AI 지식 그래프 반영 -- 배포가 끝나면 테이블 구조가 AI 지식 그래프에도 반영되어, AI가 질문에 답할 때 관계를 따라 검색합니다.
- 사람이 보완 -- 자동으로 알 수 없는 업무 의미와 인과 관계는 사람이 편집 화면에서 추가합니다.
편집 화면 -- 업무 관계도
AI Cognitive Workbench → 메타모델 → 업무 관계도 화면에서 테이블 사이의 관계를 그림으로 보고 고칠 수 있습니다.
- 화면에 테이블이 압축된 노드로 표시되고, 관계가 선으로 표시됩니다. 실선은 외래키로 묶인 필수 관계, 점선은 외래키 없이 업무상으로만 연결된 논리 관계입니다.
- 같은 솔루션 안의 관계와 다른 솔루션 사이의 관계는 색으로 구분됩니다.
- 관계선을 클릭하면 오른쪽 패널에서 관계 유형, 방향(단방향·양방향), 카디널리티(일대일·일대다·다대일·다대다), 업무 설명을 고칩니다.
- 노드가 복잡하게 얽혔으면 자동 정렬로 가로 또는 세로 방향으로 다시 배치합니다.
- 변경사항 저장으로 반영합니다.
인과 관계 조회
온톨로지가 쌓이면 온톨로지 서비스가 다음 세 가지 조회를 제공합니다. 인과 관계 분석 화면이 이 조회를 사용합니다.
| 질문 | 조회 방식 |
|---|---|
| 「이 불량의 원인은 무엇인가」 | 객체에서 거꾸로 원인 관계를 따라갑니다. |
| 「이 설비가 멈추면 무엇에 영향이 가는가」 | 객체에서 앞으로 영향 관계를 따라갑니다. |
| 「원인에서 결과까지 어떤 단계를 거치는가」 | 인과 사슬을 1~5단계 깊이로 따라갑니다(기본 3단계). |
깊이를 제한하는 이유는 관계를 끝없이 따라가면 관련 없는 객체까지 결과에 섞이기 때문입니다.
왜 이렇게 설계했나
- 테이블과 분리한 이유: 테이블 구조는 배포 뒤 잠기지만, 업무 이해는 계속 자랍니다. 온톨로지를 따로 두면 테이블을 건드리지 않고 관계와 의미를 계속 보완할 수 있습니다.
- 근거를 함께 남기는 이유: 데이터 분석이 찾은 관계는 틀릴 수 있습니다. 강도·신뢰도·발견 방법이 있어야 사람이 그 관계를 믿을지 판단할 수 있습니다.
- 액션에 권한을 붙인 이유: AI가 「무엇을 할 수 있는가」를 객체 단위로 제한해 두어야, 자동화를 넓혀도 사람이 통제할 수 있습니다.
실무 팁
「금형 교체 주기를 넘기면 치수 불량이 는다」처럼 현장이 이미 아는 관계부터 직접 입력하세요. 발견 방법을 「도메인 전문가」로 남겨 두면 나중에 분석 결과와 비교하기 좋습니다.
점선 관계는 외래키가 없으므로 데이터베이스가 연결을 강제하지 않습니다. 반드시 지켜야 하는 연결이라면 캔버스에서 외래키 관계로 설계하세요.
관련 문서
- AI 시스템 -- 온톨로지 화면 -- 노드 타입·관계 타입 현황 보기
- AI 시스템 -- 지식 그래프 -- 관계를 그래프로 보기
- AI 시스템 -- 도메인 -- 업무 영역별 분류
- AI/ML 통합 -- AI가 온톨로지를 사용하는 방식
- 배포 파이프라인 -- 배포 때 온톨로지가 갱신되는 시점