[논문 리뷰] Cognitive Twins for Supporting Decision-Makings of Internet of Things Systems

Jinzhi Lu, Xiaochen Zheng외 3명|arXiv (Cornell University)|2019. 12. 18.

Cognitive Science and Mapping인용 수 7

한 줄 요약

이 논문은 지식 그래프(KGs)를 통합하여 의미적 이해, 모델 진화 추적, 그리고 IoT 시스템 내 의사결정을 향상시키는 디지털 트윈(DT)의 향상된 형태인 인지 트윈(CT)을 소개한다. 맥락적 의미와 모델 간 관계를 통합함으로써, 기존의 DT보다 더 포괄적이고 이해관계자 중심의 시스템 개발을 가능하게 하며, H2020 FACTLOG 프로젝트를 위한 제안된 툴체인을 통해 이를 입증한다.

ABSTRACT

Cognitive Twins (CT) are proposed as Digital Twins (DT) with augmented semantic capabilities for identifying the dynamics of virtual model evolution, promoting the understanding of interrelationships between virtual models and enhancing the decision-making based on DT. The CT ensures that assets of Internet of Things (IoT) systems are well-managed and concerns beyond technical stakeholders are addressed during IoT system development. In this paper, a Knowledge Graph (KG) centric framework is proposed to develop CT. Based on the framework, a future tool-chain is proposed to develop the CT for the initiatives of H2020 project FACTLOG. Based on the comparison between DT and CT, we infer the CT is a more comprehensive approach to support IoT-based systems development than DT.

연구 동기 및 목표

• 기존 디지털 트윈이 IoT 시스템 내 의미적 맥락과 상호의존성을 포착하는 데에 한계가 있음을 해결하기 위해.
• 비기술적 이해관계자 고려사항을 IoT 시스템 개발에 통합하여 통합적 의사결정을 지원하기 위해.
• 동적 모델 진화 인식 기능을 갖춘 지식 그래프 중심의 프레임워크를 개발하기 위해.
• H2020 FACTLOG과 같은 산업용 IoT 이니셔티브에서 CT 개발을 위한 확장성 있고 확장 가능한 툴체인을 제공하기 위해.
• CT가 IoT 시스템 설계 및 운영에 있어 DT보다 더 포괄적인 접근 방식을 제공함을 입증하기 위해.

제안 방법

• 가상 및 물리적 IoT 자산 간의 의미 관계를 모델링하고 관리하기 위해 지식 그래프(KG) 중심의 프레임워크를 제안한다.
• KG를 사용하여 실체, 속성 및 동적 관계를 표현함으로써, 모델 진화와 상호의존성에 대한 추론을 가능하게 한다.
• 의미적 추론을 통합하여 가상 모델의 변화를 추적하고 물리적 시스템 상태와 연계한다.
• H2020 FACTLOG 프로젝트의 요구사항과 일치하는 미래의 CT 개발을 위한 툴체인을 설계한다.
• 도메인 지식과 이해관계자별 의미를 통합함으로써 디지털 트윈의 기능을 확장하여 더 풍부한 맥락 이해를 가능하게 한다.
• 형식적 모델링 기법을 활용하여 물리적 자산과 그 인지 가상 복제본 간의 일관성과 추적 가능성을 보장한다.

실험 결과

연구 질문

• RQ1 디지털 트윈은 어떻게 의미적 기능을 향상시켜 모델 진화와 상호관계에 대한 이해를 향상시킬 수 있는가?
• RQ2 인지 트윈은 IoT 시스템 내에서 기존 디지털 트윈을 초월해 의사결정을 어떻게 지원하는가?
• RQ3 지식 그래프는 어떻게 디지털 트윈 라이프사이클에 효과적으로 통합되어 동적이고 맥락 인식 가능한 모델링을 가능하게 하는가?
• RQ4 IoT 응용 분야에서 DT와 CT 간의 이해관계자 참여 및 시스템 관리 방식의 주요 차이는 무엇인가?
• RQ5 산업용 IoT 프로젝트를 위한 확장 가능한 인지 트윈 개발 툴체인은 어떻게 아키텍처화할 수 있는가?

주요 결과

• 인지 트윈은 의미적 추론과 맥락 인식 기능을 통합함으로써 기존 디지털 트윈보다 더 포괄적인 프레임워크를 제공한다.
• 지식 그래프의 통합은 가상 모델과 물리적 자산 간의 관계를 명시적으로 모델링할 수 있게 하여 추적 가능성과 이해도를 향상시킨다.
• CT는 가상 모델의 동적 진화 추적을 지원하여 실시간 적응과 개선된 의사결정을 가능하게 한다.
• 제안된 툴체인은 H2020 FACTLOG과 같은 대규모 산업용 IoT 이니셔티브에서 CT의 체계적 개발을 가능하게 한다.
• 이 프레임워크는 의미적 증강이 순수 기술적 모델링을 초월해 이해관계자 포함 시스템 개발을 크게 향상시킴을 입증한다.
• 연구는 복잡한 IoT 시스템에서 도메인 간 및 인간 중심의 의사결정 지원이 요구되는 상황에서 CT가 DT보다 열등한 접근 방식이 아님을 결론짓는다.