이집트정보대학교 컴퓨터·정보과학대학 학생 2개 팀이 제조 부문의 실질적인 문제 2가지를 대상으로 한 애플리케이션을 개발했다. 하나는 생산 및 기계의 효율성을 개선하는 것이고, 다른 하나는 원자재 공급 지연 위험을 발견하는 것이다. 두 프로젝트는 독일, 스페인, 네덜란드 전문가들과 협력해 개발되었으며, 지도교수와 전문가들이 참여한 Zoom 평가 세션을 거쳤다.
대학에 따르면 두 애플리케이션은 스마트 산업 및 제5차 산업혁명과 관련된 기관의 요구에 대응하도록 설계되었으며, Horizon Europe 프로그램의 지원을 받은 스마트·유연·재생 제조 네트워크 프로젝트를 활용했다. 외부 평가위원회는 독일의 베른트 크라머 교수가 이끌었고, 마이크 바바 조글루 교수, 마리아 라미레스 구티에레스 박사, 스페인 AIDIMME 재단의 페르난도 지간테 씨가 참여했다.
센서 데이터에서 유지보수 의사결정까지
첫 번째 애플리케이션의 이름은 ‘지식 모델 기반 생산 및 기계 효율성 최적화기’다. 이 애플리케이션은 현대 제조 플랫폼에서 흔히 발생하는 문제를 해결하는 것을 목표로 한다. 즉, 시스템이 반응적 방식에 머물러 기계 고장이나 생산 병목이 발생한 뒤에야 이에 대응하는 문제다.
이 애플리케이션은 Isolation Forest와 XGBoost를 비롯한 머신러닝 모델과 OWL 언어를 활용한 온톨로지 추론을 결합한 하이브리드 의사결정 지원 플랫폼에 기반한다. 시스템은 센서 데이터 스트림을 공장 자산의 계층 구조와 연결한 뒤, SWRL 규칙을 사용해 구성요소의 성능 저하, 시스템 병목, 생산 효율성 손실 사이의 인과관계를 추적한다.
플랫폼에는 대규모 언어 모델을 활용해 복잡한 의미론적 상태를 보다 쉬운 언어의 유지보수 권고로 변환하는 설명 모듈도 포함되어 있다. 또한 이 프로젝트에는 6개의 경쟁형 인공지능 에이전트를 운영하는 지식 기반 확장 계층이 포함된다. 이들의 임무는 새로운 행동 패턴을 감지하고 엔지니어들이 승인 전에 검토하는 SWRL 규칙을 제안하는 것이다. 대학은 이 설계가 컨테이너 기반의 저지연 실행 경로를 통해 공장 환경에서 플랫폼을 운영하는 것을 목표로 한다고 밝혔다.
원자재 위험을 위한 디지털 트윈
두 번째 애플리케이션인 ‘원자재 공급 위험 탐지 및 처리를 위한 의미론적 디지털 트윈’은 제조 물류에서 실시간 가시성이 부족한 문제와 비정형 서비스 수준 계약 조건을 처리하기 어려운 문제에 초점을 맞춘다. 이 시스템은 배송 지연을 사전에 감지하고 필요할 경우 대체 공급업체를 활성화하는 것을 목표로 한다.
이 애플리케이션은 지연 가능성을 예측하는 머신러닝, 계약 문서를 구조화된 ‘온톨로지 삼중항’으로 변환하는 대규모 언어 모델, 의사결정 실행을 지원하는 온톨로지 추론기를 결합한다. 데이터와 의존관계를 연결하는 지식 그래프를 통해 이 프레임워크는 공급 관리를 지연 발생 후 대응하는 방식에서 사전 개입 방식으로 전환하려 하며, 재고 가용성과 관련된 정보를 위한 통합된 정보원을 제공한다.
왜 이 발전이 중요한가?
두 프로젝트의 중요성은 인공지능 기술과 지식 표현 방법을 구체적인 2가지 산업 시나리오에 결합했다는 데 있다. 인공지능의 역량을 일반적으로 제시하는 데 그치지 않았다는 뜻이다. 실질적으로 첫 번째 프로젝트는 센서 데이터를 해석하고 의사결정을 내릴 수 있도록 만드는 데 초점을 맞추며, 두 번째 프로젝트는 흩어진 계약 및 공급망 데이터를 예측과 개입에 활용할 수 있는 모델로 변환하는 데 초점을 맞춘다.
그러나 이 자료는 고장 감소나 공급 시간 개선과 같은 정량적인 운영 결과를 제시하지 않으며, 두 애플리케이션이 상업적 사용 단계나 현장 시험 단계에 진입했는지도 설명하지 않는다. 따라서 발표된 산업적 영향은 가동 중인 공장에서 입증된 성과가 아니라 개발 및 평가 단계와 관련된 것으로 남아 있다.
첫 번째 애플리케이션 팀에는 압둘카림 아흐메드, 사이프 와피크, 모하메드 후세인, 리나드 사메흐, 말라크 몬타세르가 참여했으며, 셰린 엘파유미 박사가 지도했다. 두 번째 애플리케이션 팀에는 매슈 와엘, 유세프 파레스, 유세프 오사마, 마르크 타데로스가 참여했으며, 같은 지도 아래 진행되었다.