[論文レビュー] Actionable Cognitive Twins for Decision Making in Manufacturing

Jože M. Rožanec, Jinzhi Lu+6 more|arXiv (Cornell University)|Mar 23, 2021

Cognitive Science and Mapping被引用数 2

ひとこと要約

本論文は、知識グラフとAIモデルを統合することで意味的推論と実行可能なイン사이트を可能にする、製造意思決定のための行動的認知デュアル（ACTs）を提案している。このアプローチは、分野特有のオントロジーと知識グラフを構築するためのシステム思考の手法を用い、生産データ、予測モデル、意思決定オプションをリンクしている。実際の自動車業界のユースケースにおいて、測定可能なグラフメトリクスとクエリベースの推論機能を備えた意思決定支援の向上が実証された。

ABSTRACT

Actionable Cognitive Twins are the next generation Digital Twins enhanced with cognitive capabilities through a knowledge graph and artificial intelligence models that provide insights and decision-making options to the users. The knowledge graph describes the domain-specific knowledge regarding entities and interrelationships related to a manufacturing setting. It also contains information on possible decision-making options that can assist decision-makers, such as planners or logisticians. In this paper, we propose a knowledge graph modeling approach to construct actionable cognitive twins for capturing specific knowledge related to demand forecasting and production planning in a manufacturing plant. The knowledge graph provides semantic descriptions and contextualization of the production lines and processes, including data identification and simulation or artificial intelligence algorithms and forecasts used to support them. Such semantics provide ground for inferencing, relating different knowledge types: creative, deductive, definitional, and inductive. To develop the knowledge graph models for describing the use case completely, systems thinking approach is proposed to design and verify the ontology, develop a knowledge graph and build an actionable cognitive twin. Finally, we evaluate our approach in two use cases developed for a European original equipment manufacturer related to the automotive industry as part of the European Horizon 2020 project FACTLOG.

研究の動機と目的

• 製造意思決定におけるデジタルデュアルにおける認知的かつ行動的機能のギャップを埋める。
• 製造エンティティ、プロセス、AIモデル、予測、意思決定オプションを意味的にモデル化する統合的オントロジーを構築する。
• 知識グラフ内の意味的関係を通じて、定義的、演繹的、帰納的、創造的といった異なる知識タイプをリンクし、推論を可能にする。
• クエリ可能な知識表現を用いて、プランナーや物流担当者に対して文脈に応じた意思決定提案を提供する。
• EU Horizon 2020プロジェクトの実際の生産および需要予測シナリオにおいて、ACTフレームワークを検証する。

提案手法

• 製造ユースケース向けの分野特有のオントロジーを設計・検証するため、システム思考の手法を採用する。
• オントロジーを用いて、エンティティ（例：生産ライン、予測モデル）とその意味的関係を表現する知識グラフを構築する。
• データソース、パフォーマンス、使用状況などのメタデータを付加して、AIおよび統計モデル（例：予測アルゴリズム）を知識グラフに統合する。
• ユースケースの文脈に応じて、予測、説明、意思決定オプションといった異なる知識タイプを照合・取得するためのクエリメカニズムを実装する。
• ノードの0.01％のサンプルを用いて、グラフメトリクス（例：#ノード、#パス、APL、MPL、TPL）を計算し、構造的評価を行う。
• 将来の統合のためのフィードバックモジュールを設計し、意思決定提案に関するユーザーのフィードバックを収集し、モデルランクの改善を図る。

実験結果

リサーチクエスチョン

• RQ1 デジタルデュアルは、製造意思決定を支援する認知的機能をどのように強化できるか？
• RQ2 生産プロセス、AIモデル、予測、意思決定オプションを意味的に統合するための、どのようなオントロジーと知識グラフ構造が必要か？
• RQ3 定義的、演繹的、帰納的、創造的といった異なる知識タイプは、製造業の文脈でどのようにリンクされ、推論可能になるか？
• RQ4 クエリ可能な文脈に応じた推奨事項を通じて、知識グラフが行動的意思決定支援をどの程度サポートできるか？
• RQ5 グラフメトリクスは、異なる製造ユースケースにおいて知識表現の複雑さとスケーラビリティをどの程度反映するか？

主な発見

• 行動的認知デュアル（ACT）は、分野特有の知識、AIモデル、意思決定オプションを統合的に知識グラフに統合し、意味的推論と文脈に応じた意思決定支援を可能にした。
• 知識グラフ構造は5つのメトリクス（#ノード、#パス、TPL、MPL、APL）を用いて評価され、生産計画ユースケースでは需要予測よりも高い複雑性を示した。
• 図11のレーダーチャートは、生産計画がより多くのインスタンスとより高いオントロジー的複雑性を有しており、それらがより高いグラフメトリクス値に反映されていることを確認している。
• 意味的関係と推論を活用することで、予測モデルや意思決定オプションといった異種の知識タイプ間のクエリが可能になった。
• 従来のデジタルデュアルでは対応できない複雑で多面的な質問に対しても、ACTフレームワークはより洗練された推論と意思決定支援を実現した。
• 著者らは本研究で使用したオントロジー（RožanecとLu, 2021）を公開しており、知識グラフモデルの再現性と将来的な拡張を支援している。