Ontologie (Wissensgraph) verstehen

Was ist eine Ontologie?

Eine Ontologie ist eine kartenartige Darstellung der Beziehungen zwischen allen Dingen in der Fabrik — Anlagen, Sensoren, Alarmen, Arbeitsaufträgen, Produkten usw.

Klassische Datenbanken (Tabellen) eignen sich gut für „Listen". Für die Verfolgung von Beziehungen — „Welche Sensoren sind mit dieser Anlage verbunden? Welche Alarme sind für diesen Sensor konfiguriert? Welche Arbeitsaufträge hängen mit diesem Alarm zusammen?" — sind sie jedoch schlecht geeignet.

Die Ontologie stellt solche Beziehungen als Graph dar, sodass eine KI sie unmittelbar durchsuchen kann.

info

Mit der Umstellung 2026-07 ist die Ontologie kein eigenständiger Dienst mehr, sondern wurde in das integrierte MCP der PlantPulse-Plattform (server-web /api/v5/mcp) überführt. Die nachfolgenden Erläuterungen zu Konzept und Synchronisierung gelten unverändert; die Graph-Werkzeuge werden über das integrierte MCP bereitgestellt.

---

Tabelle vs. Graph

Bisheriger Ansatz (relationale DB-Tabellen)

[설비 테이블]                    [센서 테이블]
+----------+--------+           +----------+----------+-------+
| 설비_ID   | 이름   |           | 센서_ID   | 설비_ID   | 단위  |
+----------+--------+           +----------+----------+-------+
| E001     | 주입기  |           | T001     | E001     | °C    |
| E002     | 포장기  |           | T002     | E001     | bar   |
+----------+--------+           | T003     | E002     | rpm   |
                                +----------+----------+-------+

"E001 설비와 연결된 모든 것을 찾으려면?"
→ 설비 테이블 조회 → 센서 테이블 조인 → 알람 테이블 조인 → 작업지시 테이블 조인 → ...
→ 테이블이 많아질수록 조인이 복잡해지고 느려짐

Ontologie-Ansatz (Graph-DB)

                    [회사: 코펜스]
                         │
                    OWNS_SITE
                         │
                    [사이트: 대전]
                         │
                    HAS_AREA
                         │
                    [구역: 제조동]
                         │
                    HAS_LINE
                         │
                    [라인: M_01]
                    ╱          ╲
          HAS_EQUIPMENT    HAS_EQUIPMENT
              ╱                    ╲
    [설비: 주입기]              [설비: 포장기]
      ╱    │    ╲                    │
 HAS_TAG  HAS_TAG  HAS_ALARM    HAS_TAG
    ╱      │          ╲              │
[온도]  [압력]    [고온알람]        [속도]
                      │
                 TRIGGERS
                      │
                 [작업지시: 점검]
                      │
                 ASSIGNED_TO
                      │
                 [직원: 김기사]

Wie findet man „alles, was mit der Einspritzmaschine zusammenhängt"? → Man folgt einfach den Kanten (Beziehungen), die vom Knoten der Einspritzmaschine ausgehen → Ergebnis im Millisekundenbereich

---

Aufbau der PlantPulse-Ontologie

14 Knotentypen (Entitäten)

Alles in der Fabrik wird durch 14 Knotentypen abgebildet.

┌─────────────────────────────────────────────┐
│                 자산 계층                      │
│                                              │
│  Company ─→ Site ─→ Area ─→ Line ─→ Equipment │
│                                       │       │
│                                    Tag ←┘     │
└─────────────────────────────────────────────┘

┌─────────────────────────────────────────────┐
│                 운영 데이터                    │
│                                              │
│  AlarmConfig    Order    Calendar             │
│  (알람 설정)    (작업지시)  (일정)              │
└─────────────────────────────────────────────┘

┌─────────────────────────────────────────────┐
│                 마스터 데이터                   │
│                                              │
│  Product   Customer   Employee   Opc         │
│  (제품)     (고객)     (직원)    (OPC서버)     │
└─────────────────────────────────────────────┘

┌─────────────────────────────────────────────┐
│                 문서 데이터                    │
│                                              │
│  AssetStatement    AssetDocument              │
│  (설비 명세서)      (설비 문서)                │
└─────────────────────────────────────────────┘

Beziehungen (Kanten)

Die Verbindungen zwischen Knoten werden als Beziehungen dargestellt. Jede Beziehung hat eine Richtung.

Beziehung	Bedeutung	Beispiel
OWNS_SITE	Unternehmen besitzt Standort	KOPENS → Werk Daejeon
HAS_AREA	Standort enthält Bereich	Werk Daejeon → Fertigungsgebäude
HAS_LINE	Bereich enthält Linie	Fertigungsgebäude → Linie M_01
HAS_EQUIPMENT	Linie enthält Anlage	M_01 → Einspritzmaschine
HAS_TAG	Anlage besitzt Sensor	Einspritzmaschine → Temperatursensor
HAS_ALARM	Alarm für Anlage/Tag konfiguriert	Temperatursensor → Übertemperaturalarm
HAS_ORDER	Arbeitsauftrag der Anlage zugewiesen	Einspritzmaschine → Inspektionsauftrag
PRODUCES	Linie produziert Produkt	M_01 → Produkt A
CONNECTED_TO	Verbindung zum OPC-Server	Einspritzmaschine → OPC-Server 1

---

Subgraph-Navigation

Die stärkste Funktion der Ontologie ist die Subgraph-Navigation.

Ausgehend von einem bestimmten Knoten wird über die depth (Tiefe) festgelegt, wie weit gesucht wird; alle Verbindungen innerhalb dieses Bereichs werden auf einmal abgerufen.

depth=1 (nur direkte Verbindungen)

질문: "주입기에 직접 연결된 것들을 보여줘"

           [라인: M_01]
                │
        ┌───────┼───────┐
        ▼               ▼
   [온도센서]      [압력센서]
        │
   [고온알람]

depth=2 (bis zur zweiten Ebene)

질문: "주입기와 2단계 이내 연결된 모든 것을 보여줘"

     [구역: 제조동]              ← depth 2
           │
     [라인: M_01]               ← depth 1
           │
  ┌────────┼────────┐
  ▼        ▼        ▼
[온도]   [압력]   [고온알람]     ← depth 1
  │                  │
  ▼                  ▼
[OPC1]          [작업지시]       ← depth 2
                     │
                [김기사]         ← depth 2

Eine größere depth durchsucht einen weiteren Bereich, liefert aber bei zu hohen Werten sehr umfangreiche Ergebnisse. depth=2 ist für die meisten Analysen geeignet.

---

Automatische Synchronisierung

Ändern sich Daten in der PlantPulse-Hauptdatenbank (PostgreSQL), wird der Neo4j-Graph automatisch synchronisiert.

PlantPulse IIoT DB (PostgreSQL)
    │
    │  60초마다 변경 감지
    │
    ▼
Ontology 동기화 엔진
    │
    │  변경된 엔티티만 업데이트
    │  배치 크기: 500건
    │
    ▼
Neo4j 그래프 DB
    (항상 최신 상태 유지)

info

Neo4j muss nicht manuell gepflegt werden. Wird eine Anlage hinzugefügt oder ein Arbeitsauftrag erstellt, erscheint dies automatisch im Graphen.

---

Wie die KI die Ontologie nutzt

Beispiel 1: Gesamtbericht zu einer Anlage

사용자: "주입기 상태를 종합적으로 알려줘"

AI 내부 동작:
1. Ontology → 주입기 서브그래프(depth=2) 조회
   → 연결된 센서 5개, 알람 3개, 작업지시 2개 파악

2. 통합 MCP → 센서 5개 최신값 조회
3. TimeSeries → 이상 탐지 실행
4. 통합 MCP → 알람 3개 상태 확인
5. 통합 MCP → 작업지시 2개 진행 상황 확인

6. 종합 리포트 생성:
   "주입기는 현재 정상 가동 중입니다.
    센서 5개 중 온도센서에서 경미한 이상이 감지되었습니다.
    관련 점검 작업지시가 김기사에게 할당되어 있습니다."

Beispiel 2: Analyse des Auswirkungsbereichs einer Anomalie

사용자: "온도센서 이상이 어디까지 영향을 미칠 수 있어?"

AI 내부 동작:
1. Ontology → 온도센서 서브그래프(depth=3) 조회
   → 온도센서 → 주입기 → M_01 라인 → 제조동

2. 영향 범위 파악:
   "온도센서 이상 → 주입기 정지 가능
    → M_01 라인 가동률 저하
    → 같은 라인의 다른 설비(포장기)에도 영향"

Beispiel 3: Visualisierung der Werksstruktur

사용자: "대전 공장 구조를 보여줘"

AI 내부 동작:
1. Ontology → 대전 사이트 그래프 조회
2. Mermaid 다이어그램으로 자동 변환:

graph TD
    대전공장 --> 제조동
    대전공장 --> 유틸리티동
    제조동 --> M_01라인
    제조동 --> M_02라인
    M_01라인 --> 주입기
    M_01라인 --> 포장기
    ...

---

Leistungsvergleich Graph-DB vs. relationale DB

Abfragetyp	Relationale DB (PostgreSQL)	Graph-DB (Neo4j)
Abfrage einer einzelnen Entität	schnell	schnell
Beziehungssuche über 2 Ebenen	2 JOINs erforderlich	sofort
Beziehungssuche über 3 Ebenen	3 JOINs, zunehmend langsamer	sofort
Beziehungssuche über N Ebenen	N JOINs, sehr langsam	gleichbleibende Geschwindigkeit
„Alles Verbundene"	komplexe Abfrage nötig	ein einziger Subgraph-Aufruf

info

Relationale Datenbanken sind stark bei „Listenabfragen", Graph-Datenbanken bei der „Beziehungsnavigation". PlantPulse setzt beide gemeinsam ein und nutzt so die jeweiligen Stärken.