Products

NUBISON Ontology

Process Ontology는 도메인 지식을 컴퓨터가 이해하는 구조로 바꿔
현업에는 사장 없는 지식 자산을, AI에는 정확도와 설명 가능성을 줍니다.

소개서 보기

산업 현장이 직면한
두 가지 핵심 과제

서로 다른 문제처럼 보이지만, 근본 원인은 같습니다.

현업 관점

도메인 지식이 사라진다베테랑 엔지니어 퇴직 시 핵심 노하우 소실

  • 문서화되어도 검색·재활용이 어려움
  • 설비 변경 이력이 개인 경험에 의존
  • 공장별 상이한 기준으로 통합 분석 한계
  • 신규 인력이 현장 적응에 장기간 소요
AI 관점

AI는 "왜"를 설명하지 못한다학습 데이터 부족으로 정확도 확보 한계

  • 블랙박스 모델로 결과 해석 및 검증 어려움
  • 과도한 오탐(False Alarm)으로 현장 신뢰도 저하
  • 환경 변화 시 모델 재학습 부담 발생
  • 이상 발생 원인에 대한 설명 부족
두 문제의 공통 뿌리

도메인 지식이 컴퓨터가 이해할 수 있는 형태로 존재하지 않는다

해결 방식

Process Ontology는 도메인 지식을 구조화하여 현업과 AI가 함께 활용할 수 있는 디지털 자산으로 전환합니다.

도메인 지식과 AI를 연결하는
의미 계층

현업의 노하우를 디지털 자산으로 전환하고 이를 통해 AI의 정확도와 설명 가능성을 높입니다.

현업이 입력

도메인 전문가의 지식을 구조화하여 입력

  • 단계별 정상 운전 기준
  • 발생 가능한 이상(Anomaly) 유형
  • 설비-센서 간 관계 정보
  • 원인-결과 관계(RCA)
신규 제품

Process
Ontology

도메인 지식을 실행 가능한
디지털 자산으로 전환

AI가 활용

ML 모델의 정확도와 설명 가능성 향상

  • 도메인 제약 기반 학습 고도화
  • 불필요한 False Alarm 감소
  • 자연어 기반 원인 설명 생성
  • 신규 도메인 전이 학습 지원
Data → Meaning → Action

데이터를 의미로, 의미를 AI 가치로 연결합니다

데이터와 AI 사이의 의미 계층(Semantic Layer)이 현장의 지식을 AI가 이해할 수 있는 형태로 연결합니다.

기존 제품

Datalake

What happened?

"무엇이 발생했는가"

  • 센서 · 영상 · 로그 등 원시 데이터
  • 저장 · 검색 · 기록
신규 제품

Process Ontology

Why did it happen?

"무슨 의미인가"

  • 도메인 지식과 이제 맥락
  • 의미 부여 · 관계 정의 · 설명 가능성
기존 제품

ML Platform

How should we respond?

"어떻게 대응할 것인가"

  • AI 모델 학습 · 배포
  • 예측 · 추론 · 자동화

비용, 정확도, 운영 효율을
동시에 개선합니다

지식 자산화와 AI 고도화가 만드는 도입 효과입니다.

AI 탐지 정확도
+21%p
F1 72% → 93%

Knowledge-Infused Loss 적용

False Alarm
50%↓
현장의 신뢰 회복

도메인 위반 예측 자동 필터링

GPU 사용량
75%↓
단계별 게이팅 효과

확보 구간만 정밀 분석

신규 라인 적용 공수
85%↓
Plugin 즉시 교체

공통 Ontology 재사용

Onboarding 기간
6주
6개월 → 6주

공정 매뉴얼 즉시 검색

데이터는 지식이 되고,
지식은 행동으로 이어집니다

Process Ontology가 더해지는 순간, 데이터 → 지식 → 행동의 완전한 AI 사이클을 이룹니다.

WHATDatalake

무엇이 발생했나

센서·영상·로그를 시간 순서대로 보존

WHYProcess Ontology

왜 발생했나

데이터에 도메인 의미 · 정상 기준 · 인과 부여

HOWML Platform

어떻게 대응할까

Ontology로 강화된 모델로 예측 · 분류 · 자동화

Integrated Cycle

통합 사이클

  1. 1

    Datalake가 신규 데이터 수집

  2. 2

    Ontology가 단계 · 센서 의미 부여

  3. 3

    ML 모델이 Ontology 컨텍스트로 예측

  4. 4

    예측에 Ontology 설명 자동 첨부

  5. 5

    결과 · 피드백이 Datalake로 환류

5단계 이후 다시 1단계로 이어지는 순환 구조

Ontology만 교체해
다양한 산업에 즉시 적용

동일한 플랫폼에서 산업별 Ontology를 바꿔 끼우는 방식으로 현업과 AI의 가치를 함께 만듭니다.

회전 기계 진단

모터 · 펌프 · 압축기 · 터빈

현업

ISO 10816 기준을 회사 노하우 자산화

AI

베어링 결함 주파수 기반 RCA 자동화

예지 정비 효율 30~50%↑Catastrophic failure 70%↓

조립 라인 품질

자동차 · 전자 · 정밀기계

현업

21개 cycle state별 정상 패턴 표준화

AI

단계별 게이팅으로 GPU 75% 절감 + F1 +21%p

신규 라인 적용 6개월 → 1개월False alarm 60%↓

공정 산업

발전 · 화학 · 정유 · 시멘트

현업

Recipe · 열역학 기준의 공장 표준화

AI

Mass · Energy 보존 검증 / Digital Twin 연동

Catastrophic failure 회피안전 · 인증 audit 자동화

단계별 가치를 확보하며 확장하는 점진적 도입 전략

작게 시작해 검증된 가치 위에 다음 계단을 얹습니다.

  1. Phase 13개월

    PoC 도메인 1개

    minimal ontology + explanation API

    현업

    지식 첫 자산화

    AI

    설명 자동 생성

  2. Phase 23~6개월

    Validation 활성화

    변경 추적 + 미준분류 자동 차단

    현업

    Audit log 운영

    AI

    False alarm 50%↓

  3. Phase 36~12개월

    KIL 학습 통합

    모델 재학습 시 도메인 제약 강제

    현업

    표준화 완료

    AI

    F1 +15~20%p

  4. Phase 46~12개월

    다공장 확장

    LLM 기반 ontology 자동 생성

    현업

    Multi-Plant 공유

    AI

    RCA 자동화