"이 로트에서 불량이 났는데, 원인이 뭐죠?" 반도체 제조 현장에서 이 질문에 답하려면 엔지니어는 생산 시스템, 설비 알람, 센서 로그, 점검 이력을 하나씩 열어 봐야 합니다. 데이터는 다 있는데 서로 이어져 있지 않기 때문입니다. AI를 붙여도 같은 벽에 부딪힙니다. 이 벽을 넘는 방법이 온톨로지입니다.
핵심 요약
- 온톨로지는 현장의 개념과 그 사이의 관계를 기계가 읽을 수 있게 정리한 지식 지도입니다.
- 핵심 용어 8가지만 알면 온톨로지의 구조를 이해할 수 있습니다.
- 무엇부터 정리할지는 기술이 아니라 풀려는 질문이 정합니다.
예시: 불량 한 건이 지나가는 길
이 글은 가상의 반도체 팹에서 일어난 불량 한 건을 예시로 씁니다. 절차를 확인하고(1~3), 설비를 돌려 로트를 가공하고(4~7), 불량을 찾아 원인을 확정하고(8~9), 규칙을 고치는(10) 흐름입니다.

핵심 용어 8가지
1. 클래스와 인스턴스: 종류와 실물
- 뜻: 클래스는 종류의 이름, 인스턴스는 그 종류에 속한 실제 하나입니다. 규칙은 종류에 한 번만 적고, 지켰는지는 실물의 기록으로 봅니다.
- 예시: "설비"는 클래스, "챔버 A-03"은 인스턴스입니다. "로트"와 "LOT-2410-17"도 같은 관계입니다.
2. 대상·규칙·사건: 개념의 세 종류
- 뜻: 온톨로지의 개념은 세 종류로 나뉩니다. 대상은 실제로 있는 것, 규칙은 "이렇게 해야 한다"는 기준, 사건은 실제로 일어난 일의 기록입니다.
- 예시: 작업자·설비·로트는 대상(2·5·6), 작업표준·레시피·점검 규칙은 규칙(1·3·10), 운전 기록·센서 로그·불량은 사건(4·7·8)입니다. 원인 분석은 대개 규칙과 사건의 차이에서 시작합니다.
3. 관계: 개념을 잇는 동사
- 뜻: 두 개념을 "운전한다", "가공한다" 같은 동사로 잇습니다. 개념만 있으면 목록이고, 관계가 있어야 지도가 됩니다.
- 예시: 작업자가 설비를 운전한다, 설비가 로트를 가공한다, 설비가 센서 데이터를 생성한다. 관계 하나가 "이 로트는 어느 설비를 거쳤나" 같은 질문 하나에 답합니다.

4. 속성: 개념에 붙는 값
- 뜻: 개념 하나에 붙는 값입니다. 관계가 개념과 개념을 잇는다면, 속성은 개념의 상태를 알려 줍니다.
- 예시: 자격에는 만료일, 레시피에는 설정값과 허용범위, 센서 로그에는 실제값과 시각이 붙습니다. 설정값과 실제값을 짝지어 두면 벗어난 값이 바로 드러납니다.
5. 버전과 시점: "사건 당시" 기준
- 뜻: 규칙은 개정되고 자격은 만료됩니다. 그래서 규칙에는 버전을, 기록에는 시각을 붙여 "지금"이 아니라 "사건 당시" 기준으로 볼 수 있게 합니다.
- 예시: 불량이 난 날 유효했던 절차는 v3.2입니다. 나중에 v3.3으로 고쳤더라도 그날의 작업은 v3.2로 평가합니다.
6. 추론: 관계를 따라 답 찾기
- 뜻: 관계를 따라가며 사람이 일일이 찾던 답을 좁혀 가는 일입니다. AI는 후보를 찾고, 사람은 확정합니다.
- 예시: 불량(8)에서 출발해 로트를 가공한 설비(6), 그때의 센서 이상(7), 밀린 점검(3), 빠진 확인 단계(4)까지 따라가 원인 후보를 냅니다(9). 제조 분야 연구에서도 지식그래프가 흩어진 데이터 출처를 통합하는 수단으로 쓰이고(Schmidt 외, 2026), 지식그래프로 LLM의 답변을 보강하는 방법이 고장 분석 데이터에서 검증되었습니다(Bahr 외, 2025).
7. 피드백: 결과가 규칙을 바꾸는 흐름
- 뜻: 분석 결과가 규칙 개정으로 돌아오는 고리입니다. 이 고리가 없으면 온톨로지는 조회용 지도에 머뭅니다.
- 예시: 그림의 점선입니다. 원인을 확정하면 절차를 v3.3으로 고치고(10), 다음 작업은 새 버전을 따릅니다(1).
8. 지식그래프: 설계도에 채운 실제 데이터
- 뜻: 온톨로지가 설계도라면, 지식그래프는 그 설계도에 실제 데이터를 채운 결과물입니다.
- 예시: 공장의 모든 설비, 로트, 운전 기록, 센서 로그가 위의 관계로 이어진 거대한 그래프입니다. AI가 실제로 따라가는 것은 이 그래프입니다.
어디서 시작할까
온톨로지는 처음 보는 문제를 찾아 주는 도구가 아닙니다. 새로운 문제와 원인은 현장 관찰과 인터뷰에서 먼저 발견됩니다. 온톨로지는 그렇게 찾고 합의한 것을 범주(클래스)·개체(인스턴스)·속성·관계로 정리해, 사람과 AI가 같은 기준을 쓰도록 표준으로 남기는 도구입니다.
전부를 한 번에 정리하지 않습니다. 답할 질문 하나(예: 반복되는 불량의 원인)를 정하고, 그 질문에 필요한 개념 5~9개와 관계만 현장 엔지니어와 함께 그려 봅니다. 그 질문에 답이 나오는지 확인한 뒤 넓혀 갑니다.
저희의 제안 온톨로지는 IT 시스템이 아니라 현장 지식을 옮기는 일입니다. 데이터의 의미는 현장 사람들이 가장 잘 압니다. 그들과 함께 화살표를 그리는 것에서 시작하세요.
참고문헌
- Bahr, L., Wehner, C., Wewerka, J., Bittencourt, J., Schmid, U., & Daub, R. (2025). Knowledge graph enhanced retrieval-augmented generation for failure mode and effects analysis. Journal of Industrial Information Integration, 45, 100807. https://doi.org/10.1016/j.jii.2025.100807
- Schmidt, W. J., Rincon-Yanez, D., Kharlamov, E., & Paschke, A. (2026). LLMs on the rise: Neuro-symbolic AI for knowledge graph construction in manufacturing: Systematic literature review. IEEE Access, 14, 28383–28410. https://doi.org/10.1109/ACCESS.2026.3665999