연구자료실
설비 연결, 품질 검사, 생산 분석과 제조 업무에 관련된 외부 논문입니다.
연구자료 검색
논문 목록
T16. 제조 지식그래프와 시맨틱 레이어
- T16-7유사문제2025년 이후
Fault Cause Identification across Manufacturing Lines through Ontology-Guided and Process-Aware FMEA Graph Learning with LLMs
한국어 검토 보기
해결 문제
- FMEA(고장 유형과 영향 분석) 문서는 라인마다 따로 쌓인다. 새 라인에서 고장이 나면 옛 문서를 재활용하기 어렵다.
핵심 구조
- OGPAL이라는 틀이다. 언어모델이 온톨로지를 길잡이 삼아 여러 라인의 FMEA 문서에서 정보를 뽑는다. 뽑은 걸 하나의 지식그래프로 합친다. 관계형 그래프 합성곱 신경망에 공정 순서를 반영한 점수 함수를 붙여, 링크 예측으로 고장 원인을 순위 매긴다.
주요 결과
- 자동차 압력 센서 조립 라인 사례에서 nDCG@20이 0.719였다. 검색 증강 생성 방식 0.450, 일반 관계형 그래프 신경망 0.559보다 높았다.
한계
- 한 도메인 사례 연구다. FMEA 문서 품질이 회사마다 달라 일반화가 불확실하다. 아직 학회 심사를 거친 정식 발표본은 아니다.
우리 기능과의 연결
- 제조 AI 분석에서 불량 원인을 과거 사례 문서로부터 순위 매겨 제시하는 문제와 유사하다.
- T16-3유사문제
Knowledge Graphs in Manufacturing and Production: A Systematic Literature Review
한국어 검토 보기
해결 문제
- 제조 지식그래프 연구가 흩어져 있어서 현재 수준과 빈 곳이 뭔지 몰랐다.
핵심 구조
- 논문이 아니라 체계적 문헌 리뷰다. 초기 833건을 모아 걸러냈다. 서지 정보, 연구 유형, 지식그래프 특성, 응용 시나리오 네 축으로 분류했다.
주요 결과
- 지금 제조 지식그래프의 주된 용도는 지식 융합, 즉 흩어진 데이터를 하나로 합치는 것이다. 실증 연구와 실제 산업 적용은 아직 많이 부족하다. 그래프 임베딩은 거의 안 쓰이고 있다. 문헌 수는 빠르게 늘고 있지만 정점은 아직 멀었다.
한계
- 2020년까지 문헌만 다룬다. 대규모 언어모델이 붙은 최근 흐름은 안 들어 있다.
우리 기능과의 연결
- 제조 AI 분석 기능을 기획할 때, 지식그래프가 실제로 어디까지 실증됐는지 판단하는 기준선으로 쓸 수 있다.
- T16-12유사문제
The Industry 4.0 Standards Landscape from a Semantic Integration Perspective
한국어 검토 보기
해결 문제
- 인더스트리 4.0 표준이 너무 많다. 유럽, 미국, 아시아가 각자 참조 아키텍처를 냈다. 비슷한 공정을 다루면서도 얼마나 잘게 쪼갰는지와 표현 방식이 서로 달랐다. 그래서 표준이 오히려 연동을 막았다.
핵심 구조
- 표준끼리의 관계를 적는 온톨로지 STO(Standards Ontology)를 만들었다. 표준의 성격을 STO 서술로 적어 둔다. 그걸로 표준을 여러 관점에서 분류한다. STO에 담긴 뜻을 이용해 서로 다른 참조 아키텍처와 커뮤니티 사이의 관계와 대응을 찾아낸다.
주요 결과
- 인더스트리 4.0 표준 지형을 시맨틱 통합 관점에서 훑은 조사 결과를 냈다. 참조 아키텍처를 가로질러 표준끼리 짝지어 보는 방법을 보였다.
한계
- 2017년 기준이다. 그 뒤 나온 IEC 63278-1(AAS)이나 ISO 23247 같은 표준은 안 들어 있다. 표준 문서를 자동으로 읽어 채우는 게 아니라 사람이 STO에 기술해 넣어야 한다.
우리 기능과의 연결
- 아래 표준 표에 늘어놓은 ISA-95, AAS, OPC UA, ECLASS를 하나의 관점으로 묶어 보는 문제와 유사하다. 논문 목록과 표준 표를 잇는 자리에 있는 문헌이다.
연구에서 제품 적용까지
운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.
보유기술 보기