대규모 공정 플랜트는 계획된 산출물 생산에 필수적인 플랜트를 구성하는 장치와 관련된 매뉴얼과 해당 문서 등이 산재해 있어, 이에 따른 설비 및 운영 정보 통합이 주요 관심사이다. 이를 위해, 안전과 신뢰성 기반의 체계적인 접근방식이 필요하며, 전제 조건은 운영과 유지보수의 제어와 지식표현으로 얻어진 다양한 운영절차의 유용성과 정확성이다. 온톨로지 기반의 공정 정보 통합을 위해 구축된 국제표준의 ISO 15926 과 공정 온톨로지의 OntoCAPE가 대표적인 플랜트 생애주기 관점에서의 엔지니어링 통합을 제안하고 있다. 하지만, 안전과 절차서 등의 지식기반 생성과정에 대한 정확한 방향과 설정이 명확하지 않아, 안전운전과 유지보수 등의 절차에 대한 언급이 부족하다. 이를 위한 대안으로 본 연구는 공정 플랜트에 산재되어 있는 수많은 기술 문서로 부터 지식을 획득하고 이를 활용하는 방안을 제시하고자 하였다.
공정 관련 문서는 비구조화(또는 비정형)된 텍스트로 구성되어 있으며, 지식의 획득은 이러한 비정형 데이터로부터 얻어지게 된다. 흔히, 학습과 경험에 의해 체화된 암묵지(tacit knowledge)와 언어와 문자를 통해 표현된 지식으로 문서화된 표현지(explicit knowledge)로 구분된다: 표현지로 지식을 습득하고 이를 훈련을 통해 체화되어 가는 과정을 통해 암묵지 형태로 전환된다. 따라서, 표현지로부터 지식의 추출과 표현, 그리고 지식의 확장을 위한 자동화된 시스템의 설계는 공정 플랜트의 정성적 및 정량적 정보의 통합과 전문가 지식, 그리고 숙련된 엔지니어의 경험 지식 등을 저장, 관리, 공유 및 확장함에 있어 필수적으로 요구되는 4차 산업혁명 시대의 기술이다. 하지만, 현실은 문서화로 저장된 비정형 데이터들의 약 80%(출처: IDC, 그 중 50%는 플랜트 정보)는 활용되지 못하거나, 소실되고 있는 문제점이 있다.
공정 플랜트에 산재되어 있는 문서로부터 지식을 추출하고, 후처리를 통해 확장된 지식베이스의 바탕으로 일련의 조업자 절차서를 생성하는 플랜트 안전운전 절차 생성시스템(AESOPGen: Automated Extraction and Safety Operating Procedure Generation)을 제안하였다. 이미 구축되어 활용되고 있는 공정 온톨로지에 지식의 추출과 표현 그리고 확장과 재사용성을 식별하여 시스템을 구성한다. 전문가와 숙련 조업자에 의해 생성된 기술 문서로부터 용어와 관계를 구분하고, 3 튜플의 그래프 베이스 네트워크를 구성하도록 하였다. 우선, 플랜트 운전 매뉴얼로부터 문장을 추출하고, 이를 이루고 있는 단어들을 토큰화하여 분할하게 되고, 구문 추출을 통해, 규칙 기반 구문 패턴 인식을 도출한다. 이어서 이중단어(명사, 명사구)로 구성된 어휘와 이를 개체명 인식으로 변환한 후, 각각의 개체와의 관계를 인과관계 형태로 변환, 문장 내에 최단경로에 의한 개체를 구별하여 추출하게 된다. 관계 추출 지식은 “주어-관계-객체”로, 이는 그래프 데이터베이스 네트워크의 “노드-아크-노드”와 유사한 타입으로 neo4j사의 그래프 데이터베이스 관리 시스템을 이용해 생성된 지식 그래프로 전이하여 표현하였다. 오픈소스 온톨로지 편집기 Protege의 “서술논리 질의”로부터 ”원인-결과”를 확인하였으며, 이후 지식 후처리를 통해 실제 대상 공정 플랜트의 HAZOP 보고서와 조업 절차서와의 비교를 통해 유효성을 확인하였다.
사례 연구 1에서는 지식그래프로부터 지식의 확장과 표현을 풍부하게 해주기 위해 제안한 지식 후처리 과정의 타당성을 검증하였다. 공정의 이상지식과 특성 지식 그리고 규칙 기반의 관계 네트워크(객체간의 관계 추론)로부터 지식그래프 생성까지는 자동화 방법을 통해 결과를 산출하였다. 기계의 가독성과 동시에 사용자 관점의 유효성을 보장하며, 지식의 확장의 개념에서 일부 누락되거나, 필터링에 의해 소실된 데이터를 대체하게 되는 전문가 지식의 추가로 산출된 결과를 개선할 수 있게 하였다. 제안된 방법은, 자동화된 결과물에 전문 영역인 공정 이상지식의 집합과 공정 특성지식 집합을 지식베이스화하여 구성한다면, 전 영역의 자동화를 통한 거대 공정 지식베이스 구축을 가능하게 할 것으로 판단된다.
사례 연구 2에서는 공정 온톨로지에서 보일러의 운전정지 절차를 생성하기 위해, 보일러 공정의 개념 설계를 진행하여 기존의 공정 온톨로지의 “is-a”로 추가되며, 관계형 추출의 산출물을 통해 인스턴스를 매핑 및 등록하는 지식 구조 형태로부터 지식그래프 생성을 검증하였다. 클래스의 구성은 “계층 task 네트워크”를 기반으로 하였으며, 조업 절차서의 생성을 목적으로 하였기에, “과업-방법-행위(동작)”의 형식을 통해 지식 추출을 진행하였다. 생성된 과업-행위는 인스턴스로 매핑하여 최단 경로 탐색으로부터 산출되는 텍스트의 결과를 통해 기존의 절차서와 비교하였다. 비구조화된 텍스트 문서와 완결성에 관한 차이가 있으나, 최적 경로 탐색의 순차적으로 생성된 인스턴스와 사전 정의된 객체 간의 관계를 통해 실제 플랜트의 자동화된 운전 절차 생성 고도화에 도움이 될 것으로 판단되며, 제안 방법은 최종 공정 온톨로지의 안전 영역에 활용될 수 있을 것으로 생각된다.
본 연구는 다양한 공정 기술 문서로부터 자연어처리 기법을 활용하여 자동화된 지식관계의 추출은 물론이고, 지식그래프를 통한 지식의 확장과 온톨로지 기법을 적용한 지식의 재사용 및 공유등이 가능함을 보였다. 또한, 제안 시스템 AESOPGen은 지식베이스 설계를 포함한 전 공정의 생애주기 안전 및 조업 절차서 자동화의 기반이 될 것으로 판단되며, 텍스트로부터 지식 추출뿐만 아니라, 이미지, 음성, 영상 등이 포함된, 지식베이스로부터 이기종 데이터 분석이 가능하게 되면, 고급 추론과 시각화를 바탕으로 플랜트 생애주기에서의 안전 조업 절차 생성과 더불어 지식베이스 관리 전과정의 자동화를 실현할 수 있을 것으로 기대된다.

In large-scale process plants, manuals and documents related to devices that constitute the plant essential for the production of planned outputs are scattered, and the integration of facility and operation information is a major concern. To this end, a systematic approach based on safety and reliability is required, and a prerequisite is the usefulness and accuracy of various operating procedures obtained through control of operation and maintenance and expression of knowledge. ISO 15926 of the international standard established for ontology-based process information integration and OntoCAPE of process ontology suggest engineering integration from a representative plant life cycle perspective. However, the precise direction and setting of the knowledge-based creation process such as safety and procedures is not clear, so there is insufficient mention of procedures such as safe operation and maintenance. As an alternative to this, this study tried to suggest a way to acquire and utilize knowledge from numerous technical documents scattered in process plants. Process-related documents consist of unstructured text, and knowledge is obtained from these unstructured data. Commonly, it is divided into tacit knowledge, embodied by learning and experience, and explicit knowledge, documented knowledge expressed through language and writing: through the process of acquiring knowledge through explicit knowledge and embodied through training, it is converted into the form of tacit knowledge.
Therefore, the design of an automated system for the extraction and expression of knowledge from the expression site and the expansion of knowledge is to integrate the qualitative and quantitative information of the process plant, to store, manage, It is a technology in the era of the 4th industrial revolution that is essential for sharing and expanding. However, the reality is that about 80% of the unstructured data stored as documentation (source: IDC, of which 50% is plant information) is not utilized or is lost.
AESOPGen: Automated Extraction and Safety Operating Procedure Generation that extracts knowledge from documents scattered throughout the process plant and generates a series of operator procedures based on the knowledge base expanded through post-processing suggested.
The system is constructed by identifying the extraction and expression of knowledge, and the extension and reusability of the process ontology that has already been built and used. Terms and relationships were separated from technical documents generated by experts and skilled operators, and a 3-tuple graph-based network was constructed.
First, sentences are extracted from the plant operation manual, the words constituting it are tokenized and divided, and rule-based syntax pattern recognition is derived through syntax extraction. Then, the vocabulary composed of double words (noun, noun phrase) and it are converted into object name recognition, the relationship with each object is converted into a causal relationship form, and the object by the shortest path in the sentence is distinguished and extracted.
Relational extraction knowledge is “subject-relation-object”, which is a type similar to “node-arc-node” of the graph database network, and is expressed by transferring it to a knowledge graph created using neo4j''s graph database management system. “Cause-effect” was checked from “Decription Logic Query” of the open source ontology editor Protege, and the validity was confirmed by comparing the HAZOP report of the actual target process plant with the operation procedure through knowledge post-processing.
In case study 1, the validity of the proposed knowledge post-processing process was verified to enrich the knowledge expansion and expression from the knowledge graph. From the ideal knowledge and characteristic knowledge of the process and the rule-based relationship network (relationship reasoning between objects) to the knowledge graph generation, the results were calculated through an automated method. It guarantees the validity of the user''s point of view as well as the readability of the machine, and the addition of expert knowledge, which is partially omitted from the concept of knowledge expansion or replaces the data lost by filtering, makes it possible to improve the calculated results. The proposed method is judged to enable the construction of a large process knowledge base through automation of all areas if the set of process abnormal knowledge and process characteristic knowledge, which are specialized areas, are formed into a knowledge base in the automated result.
In case study 2, in order to create a boiler shutdown procedure in the process ontology, the conceptual design of the boiler process is proceeded and added as “is-a” of the existing process ontology, and instances are mapped and registered through the output of relational extraction. The generation of the knowledge graph was verified from the form of the knowledge structure. The composition of the class was based on “hierarchical task network” and was aimed at generating operation procedures, so knowledge was extracted through the form of “task-method-action”. The generated task-action was mapped to an instance and compared with the existing procedure through the text result from the shortest path search. Although there is a difference between the unstructured text document and the completeness, it is judged that it will be helpful in advancing the creation of automated operation procedures of real plants through the relationship between sequentially created instances of optimal path search and predefined objects. It is thought that it can be utilized in the safe area of the final process ontology.
This study showed that it is possible to not only extract automated knowledge relationships by using natural language processing techniques from various process technical documents, but also to expand knowledge through knowledge graphs and reuse and share knowledge applying ontology techniques. In addition, the proposed system AESOPGen is judged to be the basis for safety and operation procedure automation of the entire process including the knowledge base design. In addition to extracting knowledge from text, it is When data analysis becomes possible, it is expected to realize automation of the entire process of knowledge base management along with the creation of safety operation procedures in the plant life cycle based on advanced reasoning and visualization.