Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
순환형 제조 환경의 불확실성을 해결하기 위해 온톨로지 기반 지식 그래프를 활용한 KAPPS 아키텍처를 제안합니다. 이 시스템은 이질적인 데이터 통합, 추론, 이벤트 기반 계획을 통해 인간과 기계의 지식을 통합하고 공정의 동적 적응을 지원합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기선형 제조 (Linear manufacturing)가 균질한 재료와 미리 정의된 공정 순서에 의존하는 반면, 순환형 제조 (Circular manufacturing)는 이질적이고 불확실한 상태를 가진 사용된 제품을 다시 도입합니다. 이러한 변화는 가변적인 제품 상태, 동적으로 재구성 가능한 공정, 그리고 인간과 기계의 지식 통합을 처리할 수 있는 제조 시스템을 요구합니다. 안정적인 구조와 결정론적 실행 (Deterministic execution)을 위해 설계된 기존의 제조 IT 아키텍처는 런타임 (Runtime) 시 개별 구성 요소의 고유성을 적절히 표현하고 관리할 수 없기 때문에 이러한 요구사항을 충족할 수 없습니다. 순환형 제조를 위한 사이버 물리 생산 시스템 (Cyber Physical Production System, CPPS) 개발을 위한 디자인 사이언스 방법론 (Design science methodology)을 따라, 우리는 다섯 가지 상호 보완적인 관점에서 14가지 요구사항을 도출했습니다. 이러한 요구사항을 바탕으로 우리는 KAPPS를 설계했습니다. KAPPS는 온톨로지 기반의 지식 그래프 (Knowledge graph)를 통합 데이터 백본 (Data backbone)으로 사용하며, 시맨틱 인터페이스 계층 (Semantic interface layer)과 결합하여 이질적인 시스템과 서비스 전반에 걸쳐 일관된 데이터 및 정보 통합, 추론 (Reasoning), 통신을 가능하게 합니다. 이를 통해 지식 그래프를 단순한 통합 계층에서 공장의 권위 있는 쓰기 시점 상태 (Authoritative write-time state)로 전환합니다. KAPPS는 제약 조건 강제 (Constraint enforcement) 및 이벤트 기반 계획 (Event-driven planning)을 위한 모듈을 포함하여, 불확실성 하에서의 실행 계획의 점진적 적응과 인간-기계 지식 교환을 가능하게 합니다. KAPPS의 적용 가능성은 구현된 두 가지 유스케이스 (Use cases)를 통해 입증되었습니다: (i) 지식 그래프 매개 서비스를 통한 이상 탐지 (Anomaly detection) 및 학습, (ii) 모듈형 컨베이어 시스템에서의 런타임 제약 조건 강제. 이후, 이 아키텍처는 14가지 요구사항을 바탕으로 평가되었습니다 (초록 요약본).