지식 그래프

공장의 모든 데이터가 거미줄처럼 연결된 전체 그림. AI가 "이 불량은 어떤 설비에서 어떤 자재를 쓸 때 발생하는가?"에 답할 수 있는 기반입니다.

사람이 경험으로 아는 것을 AI도 알게 하려면, 데이터 사이의 관계를 명확히 해야 합니다. 지식 그래프는 공장의 모든 데이터를 **노드(점)**와 **관계(선)**로 연결해서 AI가 "A를 알면 B도 찾을 수 있는" 구조를 만듭니다.

비유

네비게이션 지도처럼, 데이터 간의 길을 보여줍니다. "서울에서 부산 가는 길"을 찾듯, "이 불량의 원인 설비"를 찾아갈 수 있습니다.

탭 구성

지식 그래프 화면은 2개 탭으로 구성됩니다.

탭 1: 지식 그래프 뷰어

공장 데이터의 연결 관계를 시각적으로 탐색하는 화면입니다.

노드 라벨 (21종)

지식 그래프에는 다음과 같은 종류의 노드가 표시됩니다.

영역	노드 라벨
제품/자재	`Product`, `BOM`, `Part`, `RawMaterial`, `Inventory`
공정/설비	`Process`, `Equipment`, `WorkOrder`, `WorkCenter`
품질	`QualityInspection`, `DefectType`, `SPCControl`, `CorrectiveAction`
주문/물류	`SalesOrder`, `Shipment`, `PurchaseOrder`, `Supplier`
조직	`Department`, `Worker`, `Role`, `Shift`

조작 방법

기능	설명
노드 수 조절	슬라이더로 표시할 노드 수 조절 (50~500개)
라벨 필터	특정 라벨만 선택하여 관심 영역만 표시
노드 클릭	클릭하면 해당 노드의 상세 속성 확인 가능
드래그/줌	마우스로 그래프를 이동하거나 확대/축소

실전 활용 예시

불량 원인 추적

DefectType 노드에서 "치수 불량" 클릭
연결된 QualityInspection 노드 확인
해당 검사와 연결된 Equipment 노드로 이동
설비에 연결된 Process, Part 노드까지 추적

이 과정을 통해 "치수 불량 → 1차 검사 → CNC-03 설비 → 황삭 공정 → SUS304 자재" 라는 원인 경로를 시각적으로 확인할 수 있습니다.

탭 2: 벡터 임베딩

현장 용어로 설명

벡터 임베딩은 "AI가 데이터를 이해하는 방식"입니다. 검색엔진에서 "감기 증상"을 검색하면 "두통, 콧물, 발열"도 함께 찾아주는 것처럼, AI가 의미가 비슷한 데이터를 연결해서 찾을 수 있게 만드는 기술입니다.

임베딩 대상

다음 데이터가 벡터 임베딩되어 AI가 검색하고 활용할 수 있습니다.

대상	현장 예시
작업 표준서	SOP, 작업 지침서, 공정 매뉴얼
불량 이력	과거 불량 사례, 시정 조치 기록
설비 매뉴얼	설비 운영 지침, 정비 매뉴얼, 알람 코드표
품질 기준서	검사 기준, 허용 공차, 샘플링 규격

데이터 구조

컬럼	설명
`content`	임베딩된 텍스트 내용
`source_table`	원본 데이터가 있는 테이블명
`source_id`	원본 데이터의 ID
`updated_at`	마지막 임베딩 시간

실전 시나리오

야간 교대 중 처음 보는 설비 알람

상황: 야간 교대 근무 중 CNC-07 설비에서 처음 보는 알람 코드 E-4502가 발생했습니다. 경력 10년차 반장님은 오늘 휴무입니다.

AI 활용 과정:

AI 채팅에 "CNC-07 설비 알람 E-4502 조치 방법" 입력
AI가 벡터 임베딩에서 설비 매뉴얼 142페이지 (스핀들 과부하 보호 회로 관련) 검색
동시에 지식 그래프에서 CNC-07과 연결된 과거 이력 탐색
2024년 3월 유사 사례 발견: "E-4502 → 절삭유 공급 라인 막힘 → 필터 교체로 해결"
AI가 조치 안내: "절삭유 필터 점검 후 교체. 매뉴얼 142p 참조. 유사 사례 3건 확인됨."

결과: 경험 없는 작업자도 10분 내 조치 완료. 기존에는 반장에게 전화해서 30분 이상 소요.

자주 묻는 질문