흩어진 데이터를
하나의 지식으로

대부분의 산업 현장은 이미 방대한 데이터를 만들어 냅니다. 설비의 센서는 초 단위로 값을 남기고, SCADA는 계통 상태를 기록하며 MES와 ERP에는 생산과 자재의 흐름이 쌓입니다. 여기에 점검 보고서, 작업 지시서, 설비 매뉴얼 같은 문서까지 더하면 데이터의 양은 결코 부족하지 않습니다.

그런데도 정작 판단이 필요한 순간 이 데이터들은 제대로 쓰이지 못합니다. 값은 시스템마다 흩어져 있고, 같은 설비를 부르는 이름조차 시스템마다 다릅니다. 이상이 감지돼도 그 원인을 확인하려면 여러 화면을 오가며 사람이 머릿속에서 데이터를 이어 붙여야 합니다.

흔히 "데이터 통합"이라고 하면 여러 소스를 한 저장소로 모으는 작업을 떠올립니다. ETL로 값을 옮기고 대시보드에 나란히 띄우는 것이지요. 이것도 필요한 일이지만 그 자체로는 통합이 아닙니다.

서로 다른 시스템의 값을 한 화면에 모아도 그 값들이 무엇에 대한 것인지, 서로 어떤 관계인지 기계가 알지 못하면 여전히 사람이 해석해야 합니다. 온도 그래프 옆에 진동 그래프를 띄우는 것과 "이 온도와 저 진동이 같은 펌프의 신호이며 이 펌프는 저 라인에 속한다"는 것을 시스템이 이해하는 것은 전혀 다른 수준입니다.

전자는 데이터를 모아 놓은 것이고 후자는 데이터를 연결한 것입니다. 판단을 자동화하려면 후자가 필요합니다.

온톨로지는 데이터가 무엇에 대한 것인지를 정의하는 구조입니다. 설비 · 라인 · 공정 · 문서 같은 대상을 개체로 정의하고 그 사이의 관계(포함 · 연결 · 선후)를 기술합니다. 흩어진 숫자와 기록 하나하나에 "이것은 무엇의 데이터인가"라는 의미를 붙이는 과정입니다.

이렇게 의미가 붙으면 데이터는 더 이상 개별 시스템의 값이 아니라 하나의 지식이 됩니다. 어떤 센서 값이 튀었을 때, 그 센서가 어느 설비의 것이고, 그 설비가 어떤 공정에 속하며 최근 어떤 점검 이력이 있었는지를 시스템이 스스로 따라갈 수 있습니다.

통합의 출발점은 현장마다 다릅니다. 이미 SCADA · MES · ERP를 오래 써 온 현장이 있는가 하면 이제 막 데이터를 모으기 시작하는 현장도 있습니다. 통합 방법론은 이 두 경우를 모두 감당할 수 있어야 합니다.

기존 위에 얹기

이미 시스템이 있다면 걷어내지 않습니다. 기존 SCADA · MES · ERP를 대체하는 접근은 비용도 크고 실패 위험도 높습니다. 대신 그 위에 통합 지능 레이어로 올라가 양방향으로 연동합니다. 기존 시스템은 그대로 돌아가고 그 데이터에 의미를 더해 판단을 돕는 층이 얹히는 방식입니다.

없으면 새로 구축

반대로 시스템이 갖춰지지 않은 현장이라면 데이터 수집 단계부터 처음부터 구축하는 편이 오히려 깔끔합니다. 이때는 레거시에 맞출 제약이 없으므로 처음부터 온톨로지를 염두에 두고 데이터 구조를 설계할 수 있습니다.

중요한 것은 방식이 아니라 어느 쪽이든 결과가 하나의 지식으로 이어지는가입니다.

산업 데이터라고 하면 센서 시계열을 먼저 떠올리기 쉽습니다. 하지만 판단에 필요한 정보의 상당수는 시계열 밖에 있습니다. 설비의 사양, 지난 점검에서 무엇을 교체했는지, 작업 지시서에 어떤 조건이 적혀 있었는지 같은 정보 말입니다.

통합이 시계열에만 머무르면 그래프는 그릴 수 있어도 "왜"에는 답하지 못합니다. 온톨로지 위에서 시계열 · 설비 정보 · 문서 · 작업 이력을 함께 엮을 때 비로소 하나의 신호를 여러 맥락과 함께 해석할 수 있습니다.

그리고 이렇게 다양한 데이터가 한 구조로 이어지면 하나의 플랫폼에서 예지보전 · 품질 · 에너지 · 안전 · 행정처럼 산업을 가리지 않는 다양한 활용이 자연스럽게 파생됩니다.

잘 된 통합의 결과는 더 많은 대시보드가 아닙니다. 판단에 바로 쓸 수 있는 데이터입니다. 이상이 생겼을 때 관련된 설비 · 이력 · 문서가 이미 연결돼 있어 원인을 따라가는 데 사람이 화면을 옮겨 다닐 필요가 없습니다.

이 상태가 되면 그 위에 AI가 올라설 수 있습니다. 의미가 부여된 데이터를 근거로 AI 에이전트가 질문에 답하고, 원인을 추론하고, 다음 조치를 제안합니다. 통합은 그 자체가 목적이 아니라 AI가 근거를 들어 판단을 돕게 만드는 토대입니다.

전사 통합을 한 번에 그리기보다 판단이 자주 필요한 지점 하나에서 시작하는 편이 현실적입니다.

• 지금 사람이 여러 화면을 오가며 이어 붙이는 판단이 무엇인지 찾습니다.
• 그 판단에 필요한 데이터가 어디에 흩어져 있는지, 같은 대상을 뭐라고 부르는지 정리합니다.
• 그 대상들을 개체와 관계로 그려 작은 온톨로지부터 세웁니다.
• 기존 시스템이 있으면 그 위에 얹고 없으면 수집부터 구축하며 범위를 넓혀 갑니다.