30분
RDF & OWL: 시맨틱 웹 표준이 제조에 주는 가치
제조 온톨로지 설계
RDF & OWL: 시맨틱 웹 표준이 제조에 주는 가치
온톨로지 & Knowledge Graph > 제조 온톨로지 설계
학습 목표
RDF 트리플 모델의 기본 구조를 이해한다 OWL(Web Ontology Language)의 역할과 추론 능력을 파악한다 ISO 15926, IEC 62264 등 제조 도메인 표준 온톨로지를 알아본다
왜 표준 온톨로지가 중요한가
공장이 100개면 데이터 모델이 100개. 호환이 안 된다. 표준(RDF, OWL)을 따르면 공장 간, 시스템 간 데이터 교환이 가능해진다.
RDF (Resource Description Framework)
한 줄 정의: 세상의 모든 사실을 (주어, 술어, 목적어) 트리플로 표현하는 W3C 표준.
# Turtle 표기법 (RDF의 가장 흔한 직렬화)
@prefix mfg: <http://example.com/mfg#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
mfg:cnc_mill_003 rdf:type mfg:Equipment .
mfg:cnc_mill_003 mfg:hasName "CNC밀링 3호기" .
mfg:cnc_mill_003 mfg:hasComponent mfg:spindle_unit_003 .
mfg:spindle_unit_003 mfg:hasPart mfg:bearing_main_003 .
mfg:bearing_main_003 mfg:canCause mfg:alarm_e201 .
mfg:alarm_e201 mfg:caused_by mfg:cause_bearing_wear .핵심 특징
- URI(고유 식별자)로 모든 엔티티 식별 → 다른 시스템과 충돌 없음
- 직렬화: Turtle, RDF/XML, JSON-LD, N-Triples
- 쿼리 언어: SPARQL
OWL (Web Ontology Language)
RDF가 "사실을 적는 문법"이라면, OWL은 **"개념 체계를 정의하는 문법"**이다.
# OWL로 "Equipment의 하위 클래스 CNCMachine" 정의
mfg:CNCMachine rdfs:subClassOf mfg:Equipment .
# OWL의 강력함: 제약(Constraint)
mfg:Equipment owl:equivalentClass [
a owl:Restriction ;
owl:onProperty mfg:hasComponent ;
owl:minCardinality 1
] .
# → "Equipment는 반드시 1개 이상의 Component를 가져야 한다"
# OWL의 마법: 추론(Inference)
mfg:hasPart owl:TransitiveProperty .
# → cnc_mill_003 hasComponent spindle_unit_003 hasPart bearing
# 이면 자동으로 cnc_mill_003 hasPart bearing (추론됨)OWL이 자동으로 해주는 일
- 분류(Classification): 인스턴스가 어떤 클래스에 속하는지 자동 판별
- 일관성 검사(Consistency Check): 모순된 데이터 탐지
- 자동 관계 추론: 정의된 규칙으로 새로운 관계 생성
제조 도메인 표준 온톨로지
바퀴를 다시 발명하지 말자. 이미 잘 만들어진 표준이 있다.
| 표준 | 영역 | 사용 사례 |
|---|---|---|
| ISO 15926 | 플랜트/공정 자산 데이터 | 정유, 화학, 발전 |
| IEC 62264 (ISA-95) | 제조 운영 관리(MOM) | ERP-MES-PLC 연동 |
| CIM (Common Information Model) | 전력 시스템 | 스마트 그리드 |
| MIMOSA | 자산 관리/정비 | EAM 시스템 |
| schema.org/Product | 제품 정보 | e-Commerce 통합 |
# ISA-95 기반 제조 온톨로지 예시
@prefix isa: <http://example.com/isa95#> .
isa:Enterprise rdfs:subClassOf isa:Organization .
isa:Site rdfs:subClassOf isa:Organization .
isa:Area rdfs:subClassOf isa:Organization .
isa:WorkCenter rdfs:subClassOf isa:Equipment .
# 계층 구조
# Enterprise → Site → Area → WorkCenter → Equipment우리 프로젝트: 표준을 어떻게 활용할까
[현실적 권장사항]
1. 처음부터 표준 100% 적용 ❌
→ 너무 복잡, PoC 실패 가능성
2. 표준을 "참고" → 우리 도메인에 맞게 단순화 ✅
→ 클래스 이름, 관계 이름은 표준과 유사하게
→ 향후 표준 매핑(Mapping) 시 비용 절감
3. ID 체계는 URI 패턴 사용
→ http://routebricks.com/mfg#cnc_mill_003
→ 표준 RDF 도구와 호환Neo4j와 RDF의 관계
둘 다 그래프지만 다르다.
| 항목 | Neo4j (Property Graph) | RDF |
|---|---|---|
| 데이터 모델 | 노드 + 관계 + 속성 | 트리플 (S, P, O) |
| 쿼리 언어 | Cypher | SPARQL |
| 추론 | 없음 (앱에서 처리) | OWL 추론기 내장 |
| 표준화 | Neo4j 종속 | W3C 표준 |
| 사용 편의성 | 높음 | 학습 곡선 가파름 |
이번 주는 Neo4j를 쓴다. 학습 곡선이 완만하고 시각화가 강력하기 때문. 나중에 RDF로 전환하고 싶으면 neosemantics(n10s) 플러그인으로 변환 가능.
AI로 학습하기 — 꿀팁
✅OWL 추론 능력 과장 여부 검증AI 학습 팁
OWL이 제조 데이터에서 자동 추론할 수 있다는 설명이 실제 Neo4j 같은 그래프DB 환경에서도 유효한지 검증하세요.
'OWL을 사용하면 명시하지 않은 관계도 자동으로 추론할 수 있다'는 주장을 제조 온톨로지 맥락에서 검증해줘. 특히 Neo4j(RDF 네이티브 미지원)와 Apache Jena 같은 RDF 트리플스토어 환경에서 OWL 추론 지원 수준이 어떻게 다른지, 제조 현장 도입 시 현실적인 제약은 무엇인지 설명해줘.
이 팁이 도움이 됐나요?
핵심 포인트
- • RDF는 (주어, 술어, 목적어) 트리플로 사실을 표현하는 W3C 표준
- • OWL은 클래스 계층, 제약, 자동 추론을 정의하는 온톨로지 언어
- • ISO 15926, ISA-95 등 제조 도메인 표준이 이미 존재
- • Neo4j(Property Graph)와 RDF는 다르지만 변환 가능