[논문 리뷰] Actionable Cognitive Twins for Decision Making in Manufacturing

Jože M. Rožanec, Jinzhi Lu외 6명|arXiv (Cornell University)|2021. 03. 23.

Cognitive Science and Mapping인용 수 2

한 줄 요약

이 논문은 지식 그래프와 AI 모델을 통합하여 의미적 추론과 실행 가능한 통찰을 가능하게 함으로써 제조 결정보조를 위한 행동 가능한 인지 이중체(Actionable Cognitive Twins, ACTs)를 제안한다. 이 방법은 도메인 전용 온톨로지와 지식 그래프를 구축하기 위해 체계적 사고 철학을 사용하며, 생산 데이터, 예측 모델, 결정보류를 연결한다. 실세계 자동차 응용 사례에서 측정 가능한 그래프 메트릭스와 질의 기반 추론 기능을 통해 향상된 결정보조 성능을 입증한다.

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.

연구 동기 및 목표

• 디지털 이중체의 인지적 및 실행 가능한 능력에 대한 격차를 해소하기 위해 제조 결정보조에 활용한다.
• 제조 엔터티, 프로세스, AI 모델, 예측, 결정보류를 의미적으로 모델링하기 위한 통합 온톨로지를 개발한다.
• 지식 그래프 내 의미적 관계를 통해 정의적, 추론적, 인과적, 창의적 지식 유형 간의 추론을 가능하게 한다.
• 질의 가능한 지식 표현을 활용해 기획자 및 물류 담당자에게 맥락 인식 기반 결정보류 제안을 제공한다.
• 유럽 연합 하이퍼론 2020 프로젝트의 실세계 생산 및 수요 예측 시나리오에서 ACT 프레임워크를 검증한다.

제안 방법

• 제조 응용 사례를 위한 도메인 전용 온톨로지를 설계하고 검증하기 위해 체계적 사고 철학을 적용한다.
• 온톨로지를 사용하여 실체(예: 생산 라인, 예측 모델)와 그들의 의미적 관계를 표현하는 지식 그래프를 구축한다.
• 데이터 소스, 성능, 사용량 등의 메타데이터를 포함하여 AI 및 통계 모델(예: 예측 알고리즘)을 지식 그래프에 통합한다.
• 사용 사례 맥락에 따라 예측, 설명, 결정보류와 같은 다양한 지식 유형을 검색하고 관련지을 수 있는 질의 메커니즘을 구현한다.
• 노드의 0.01% 샘플을 사용하여 구조적 평가를 위한 그래프 메트릭스(예: # 노드, # 경로, APL, MPL, TPL)를 계산한다.
• 향후 통합을 위해 사용자 입력을 수집하고 모델 순위를 향상시키기 위한 피드백 모듈을 설계한다.

실험 결과

연구 질문

• RQ1 디지털 이중체는 제조 분야의 결정보조를 지원하기 위해 어떻게 인지적 능력을 향상시킬 수 있는가?
• RQ2 생산 프로세스, AI 모델, 예측, 결정보류를 의미적으로 통합하기 위해 필요한 온톨로지와 지식 그래프 구조는 무엇인가?
• RQ3 정의적, 추론적, 인과적, 창의적 지식 유형이 제조 환경에서 어떻게 연결되고 추론될 수 있는가?
• RQ4 지식 그래프가 질의 가능한 맥락 인식 기반 추천을 통해 얼마나 높은 수준의 실행 가능한 결정보조를 지원할 수 있는가?
• RQ5 그래프 메트릭스는 다양한 제조 응용 사례에서 지식 표현의 복잡성과 확장성 반영하는 데 얼마나 기여하는가?

주요 결과

• 행동 가능한 인지 이중체(Act)는 도메인 전용 지식, AI 모델, 결정보류를 통합된 지식 그래프에 통합하여 의미적 추론과 맥락 기반 결정보조를 가능하게 했다.
• 지식 그래프 구조는 다섯 가지 메트릭스(# 노드, # 경로, TPL, MPL, APL)를 사용하여 평가되었으며, 결과적으로 생산 계획 사례가 수요 예측 사례보다 더 높은 복잡성을 보였다.
• 그림 11의 레이더 차트는 생산 계획 사례가 더 많은 인스턴스와 더 높은 온톨로지 복잡성을 포함하고 있음을 확인하며, 이는 더 높은 그래프 메트릭스 값으로 나타났다.
• 지식 그래프는 의미적 관계와 추론을 활용하여 예측 모델, 결정보류 옵션과 같은 이질적인 지식 유형 간의 질의를 지원한다.
• ACT 프레임워크는 기존 디지털 이중체로는 해결할 수 없는 복잡하고 다면적인 질문을 해결할 수 있으며, 향상된 추론 및 결정보조 능력을 입증했다.
• 저자들은 연구에서 사용된 온톨로지를 공개(로자네크와 루, 2021)하여 재현성과 향후 지식 그래프 모델의 확장성을 지원했다.