제품 DNA 해독: AI & Knowledge Graph로 PDM을 한 단계 업그레이드하다

점점 복잡해지는 제품은 당연히 구성 요소, 기능, 데이터 관리가 더 중요해지죠. 기존의 제품 데이터 관리(PDM)는 이 부분에서 한계에 부딪힌 지 오래됐어요. 이제 제품 DNA 분석은 AI, 그 중에서도 특히 Knowledge Graph에 의해 주도되고 있답니다.

현재 제품의 복잡성을 제대로 이해하려면, 가장 복잡한 소비자 제품 중 하나인 자동차를 한번 살펴볼까요?

일반적인 차량에는 차량 내부 정보를 전송하는 100개의 통신 버스와 가속, 충돌 방지, 오디오, GPS, 시트 난방 등 약 400가지 기능을 조절하는 200개의 제어 장치가 들어있어요. 뿐만 아니라 차량의 모든 영역에서 발생하는 약 10,000개의 신호를 처리하고 교환하는 2,000개의 소프트웨어 구성 요소와 애플리케이션도 있죠.

이 숫자는 실제 하드웨어를 포함하지 않은 거예요. 전체적으로 자동차는30,000개의 기계 부품, 즉 나사부터 앞 유리, 전구까지로 이루어져 있답니다. 사용자를 A 지점에서 B 지점으로 이동시킬 뿐만 아니라 규제 및 안전 요구 사항도 충족하는 제품을 만들기 위해서는, 이 모든 구성 요소가 수많은 구성으로 함께 작동해야 해요.

이 모든 정보를 추적하기 위해 제조업체는 추적성을 확보하고자 Excel 스프레드시트와 자재 명세서(BOM)를 만들어요. 또한 ERP(전사적 자원 관리), PDM, DAM(디지털 자산 관리) 및 PIM(제품 정보 관리)에 정형/비정형 데이터를 저장하죠. 다양한 개발 도구를 사용해서 이 데이터를 모델링하기도 하고요.

하지만 이러한 다양한 유형의 정보는 결국 하나의 제품을 설명하는 정보들이잖아요? 많은 제조업체에서는 여전히 제품 DNA를 데이터 사일로에 분산시켜서, 전체적인 관점에서 보지 못하고 부분적인 정보만 활용하고 있는 실정이에요.

이런 방식으로는 모든 데이터를 쉽고 빠르게 탐색해서, 전체 맥락 안에서 개별 구성 요소가 어떻게 연결되어 있는지 파악하기가 어렵죠. 그리고 IoT 및 IIoT 연결성이 증가하면서 이런 복잡성은 더 심화될 가능성이 높아요.

Knowledge Graph와 AI

복잡하고 방대한 양의 데이터를 관리하는 건 정말 어려운 일이에요. 그래서 데이터를 효과적으로 관리하기 위한 다음 단계로 AI와 Knowledge Graph가 주목받고 있는 거겠죠.

Knowledge Graph는 관련 정보로부터 지식 컨텍스트를 생성해서 기업이 더 나은 의사 결정을 내리고, 이 프로세스를 자동화하도록 도와줘요.

Knowledge Graph의 특징은 다음과 같아요:

• 서로 다른 이기종 데이터가 연결되어 정보 사일로를 연결하고, 데이터 간의 종속성을 보여줘요.
• 데이터만으로는 지식을 전달할 수 없기 때문에, 공통적이고 관련성이 높은 속성을 가진 정보만 연결돼요.
• Knowledge Graph는 동적이에요. 특정 데이터가 서로 관련되는 이유를 이해하고, 속성을 사용해서 독립적으로 해당 할당을 수행하죠. 따라서 매번 새로운 데이터를 그래프에 수동으로 입력할 필요가 없어요.
• 지능형 메타데이터를 사용하면 데이터 또는 지식 마이닝이 가능하고 탐색이 단순화되기 때문에, 그래프에서 자세한 정보를 더 깊이 검색하고 완전히 새로운 질문에 답할 수 있어요.

Machine Learning 및 Natural Language Processing(NLP) 같은 AI 솔루션은 새롭고 예측된 데이터 관계를 통해 Knowledge Graph를 강화해요. 결과적으로 Machine Learning 엔진은 그래프의 의미론적 컨텍스트를 사용해서 예측을 개선하죠.

제품 DNA 매핑

PDM 내에서 Knowledge Graph는 제품의 모든 기능을 포함하는 지도를 디자인한 다음 종속성을 그래픽으로 추적할 수 있어요.

제품의 모든 기능을 나열하는 대신 제품 전체를 매핑하기 위한 중앙 지식 허브가 생성되는 거죠. 분석 방법을 사용하면 시스템 설계의 클러스터와 루프를 식별하고 이상적인 프로세스 순서를 정의하며 프로젝트 계획을 최적화할 수 있답니다.

다음은 Knowledge Graph에 자동차가 어떻게 표시되는지 보여주는 예시인데요. 대부분의 차량은 리모컨으로 잠그거나 잠금 해제할 수 있죠. 이 기능을 Knowledge Graph로 전환하면 가장자리로 연결된 4개의 Nodes로 구성된 모델이 생성되거나 문, 창문 및 선루프를 잠그는 데 핵심이 되는 상위 수준의 "열림/닫기" 기능이 생성돼요.

모델은 단순해 보이지만 개발 팀에 유용한 다양한 정보가 포함되어 있다는 사실! 하나의 기능을 변경하면 다른 기능에 즉각적인 영향을 미친다는 것은 직관적으로 이해되죠. 따라서 재설계하고 조정할 때 개발자 팀은 모델의 전체 기능을 유지하기 위해 긴밀하게 협력해야 해요.

"열기/닫기" 기능과 직접 연결된 다른 제품 기능도 있어요. 이러한 기능에는 헤드라이트와 실내 조명의 자동 비활성화뿐만 아니라 자동차 키를 누를 때 차량이 실제로 잠겨 있음을 나타내는 짧은 오디오 및 조명 신호가 포함되는데요. 이 조명 신호는 위험 경고 시스템 기능의 일부랍니다. 그리고 목록은 계속 이어진다는 거…

복잡성 관리 및 활용

실제로 차량의 종속성 수는 거의 끝이 없고 복잡성도 엄청나죠. 제조업체의 경우 다음과 같은 핵심 질문이 자연스럽게 발생할 수 밖에 없어요.

• 구성요소와 기능은 어떻게 상호의존적이 되나요?
• 제품 디자인에서 시너지 효과나 약점은 어떻게 발생할까요?
• 올바른 시스템과 가장 효율적인 도구가 사용되고 있을까요?
• 모든 품질, 안전 및 사용자 친화성 요구 사항을 충족하는 데 필요한 최소한의 복잡성 수준은 무엇일까요?

제조업체가 제품의 DNA를 이해해야만 복잡성을 최소화할 수 있을 뿐만 아니라 제품을 한 단계 더 발전시키는 데 효과적으로 활용할 수 있어요.

결론

가장 흔하면서도 복잡한 소비자 제품 중 하나인 자동차는 복잡한 대용량 데이터 관리와 관련하여 기존 PDM이 어떻게 한계에 도달했는지 보여주는 좋은 예시죠.

AI와 Knowledge Graph는 복잡한 데이터 관리의 자연스러운 단계라고 할 수 있어요. 둘 다 점점 더 역동적이고 관계적이며 연결된 데이터 표현을 제공하여 제품의 DNA를 해독하는 데 있어 향상된 편의성을 제공하니까요.

그래프 기술이 AI 프로젝트를 어떻게 향상하는지 자세히 알아볼 준비가 되셨나요?

백서를 읽고,인공 지능 및 그래프 기술: 컨텍스트 및 연결을 통해 AI 향상

• ERP
• Machine Learning
• Natural Language Processing
• pdm
• PIM
• 제품 데이터 관리

---

에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.

👉 에이치시스템즈 홈페이지