Factory Automation with QueryGoal System

차세대 스마트 팩토리 자동화 플랫폼: 자연어 기반 쿼리 시스템, AAS (Asset Administration Shell) 통합, 온톨로지 기반 추론 엔진

프로젝트 소개

본 프로젝트는 스마트 팩토리 운영을 위한 지능형 자동화 시스템으로, 다음과 같은 핵심 목표를 달성합니다:

주요 목표 (Goals)

Goal 1 - 작업 실패 분석: 특정 공정(예: 냉각)에서 실패한 작업 조회 및 분석
Goal 2 - 이상 감지: 설비 및 공정 이상 패턴 자동 탐지 (ML 모델 기반)
Goal 3 - 생산 시간 예측: 제품별 생산 완료 시간 예측 및 최적화 (NSGA-II 시뮬레이션)
Goal 4 - 제품 추적: 공장 내 제품 위치 실시간 추적

시스템 진화 전략

본 프로젝트는 두 가지 실행 아키텍처를 병행하며, 점진적으로 현대화된 QueryGoal 방식으로 전환합니다:

아키텍처	설명	현재 상태
QueryGoal System	자연어 → Pipeline(6단계) → Runtime(3단계) → 실행 결과	✅ Goal 3 완전 구현
Legacy System	온톨로지 기반 전통적 실행 엔진	✅ Goal 1, 4 작동 중

🎯 향후 계획: Goal 1, 4는 현재 Legacy 방식으로 작동하지만, QueryGoal 시스템으로 전환을 권장합니다. QueryGoal은 자연어 입력, SPARQL 기반 모델 선택, 추적 가능한 실행 로그 등 현대적인 기능을 제공합니다.

📖 필독: QueryGoal의 전체 E2E 흐름과 작동 원리는 Goal3 E2E Flow Plan 문서를 반드시 참조하세요. 시스템 이해를 위한 핵심 문서입니다.

시스템 요구사항

Python 3.8+ - 로컬 개발 및 테스트
Docker - NSGA-II 시뮬레이션 컨테이너 실행
AAS Server (선택적) - 표준 AAS 서버 (localhost:5001) 또는 로컬 시뮬레이션 모드

빠른 시작

1. 환경 설정

# 의존성 설치
pip install -r requirements.txt

# (선택) Docker 이미지 빌드 (Goal 3 시뮬레이션용)
cd scripts
./build_nsga2_docker.sh

2. API 서버 실행

export USE_STANDARD_SERVER=true
export AAS_SERVER_IP=127.0.0.1
export AAS_SERVER_PORT=5001
export FORCE_LOCAL_MODE=true
uvicorn api.main:app --reload --port 8000

3. 시스템 테스트

# Goal 3: QueryGoal E2E 테스트 (Pipeline → Runtime → Simulation)
python test_runtime_executor.py

# Goal 1: 냉각 작업 실패 쿼리 (Legacy)
python test_goal1.py

# Goal 4: 제품 위치 추적 (Legacy)
python test_goal4.py

주요 기능 현황

Goal	설명	상태	테스트 명령어	실행 방식	비고
Goal 3	생산 시간 예측	✅ 완전 구현	`python test_runtime_executor.py`	QueryGoal Pipeline/Runtime	현대적 아키텍처
Goal 1	냉각 작업 실패 쿼리	✅ 작동	`python test_goal1.py`	Legacy Ontology	⚠️ QueryGoal 전환 권장
Goal 4	제품 위치 추적	✅ 작동	`python test_goal4.py`	Legacy Ontology	⚠️ QueryGoal 전환 권장
Goal 2	이상 감지	⏳ ML 모델 필요	-	(미구현)	QueryGoal 방식 권장

💡 전환 권장 이유:

자연어 입력 지원: "Predict production time for product X quantity 50" 형태의 직관적 입력

SPARQL 기반 모델 선택: 온톨로지를 통한 지능적 모델 매칭

추적성: 모든 실행 단계가 temp/runtime_executions/에 기록

검증 체계: Stage-Gate 패턴으로 각 단계 검증

확장성: 새로운 Goal 추가가 템플릿 기반으로 간편

Goal 3: QueryGoal 시스템 특징

자연어 입력 → 실행 결과 완전 자동화

입력: "Predict production time for product TEST_RUNTIME quantity 30"
    ↓
Pipeline (6 stages): Pattern Matching → Template Loading → Parameter Filling
                     → ActionPlan Resolution → Model Selection → Validation
    ↓
QueryGoal JSON (완전한 실행 명세)
    ↓
Runtime (3 stages): swrlSelection → yamlBinding → simulation
    ↓
출력: estimatedTime, confidence, productionPlan, bottlenecks

핵심 특징:

✅ SPARQL 기반 모델 선택 (SelectionEngine)
✅ Stage-Gate 패턴 검증
✅ Docker 기반 NSGA-II 시뮬레이션
✅ AAS 서버 데이터 자동 수집 및 변환
✅ 작업 디렉터리 관리 및 결과 추적성

API Endpoints

FastAPI 기반 RESTful API를 통해 두 가지 실행 방식을 지원합니다.

1. QueryGoal 시스템 (권장)

POST `/querygoal/execute`

자연어 기반 QueryGoal 실행 (Pipeline → Runtime → 결과)

Request:

{
  "naturalLanguageInput": "Predict production time for product TEST_RUNTIME quantity 30"
}

Response:

{
  "goalId": "qg_20250110_153045_abc123",
  "goalType": "goal3_predict_production_time",
  "status": "completed",
  "outputs": {
    "estimatedTime": 145.5,
    "confidence": 0.92,
    "productionPlan": [...],
    "bottlenecks": [...]
  },
  "executionLog": {
    "pipeline": {...},
    "runtime": {...}
  }
}

특징:

자연어 입력 자동 분석 (Pattern Matching)
SPARQL 기반 모델 자동 선택
완전한 실행 추적성 (모든 단계 로그 기록)
Stage-Gate 검증으로 안정성 보장

📖 상세 흐름: Goal3 E2E Flow Plan 참조

2. Legacy 시스템 (Goal 1, 4)

POST `/execute-goal`

온톨로지 기반 전통적 Goal 실행

Request:

{
  "goal": "query_failed_jobs_with_cooling",
  "date": "2025-08-11"
}

Supported Goals:

query_failed_jobs_with_cooling - 냉각 공정 실패 작업 조회 (Goal 1)
track_product_position - 제품 위치 추적 (Goal 4)
predict_first_completion_time - 생산 시간 예측 (Goal 3 Legacy, ⚠️ QueryGoal 방식 권장)

Response:

{
  "result": [...],
  "execution_time": 0.234
}

⚠️ 마이그레이션 권장: 이 엔드포인트는 Legacy 지원 목적이며, 향후 /querygoal/execute로 통합될 예정입니다.

시스템 아키텍처

QueryGoal 시스템 (Goal 3)

자연어 입력
    ↓
┌─────────────────────────────────────┐
│ Pipeline (PipelineOrchestrator)     │
│ • Pattern Matching                  │
│ • Template Loading                  │
│ • Parameter Filling                 │
│ • ActionPlan Resolution             │
│ • Model Selection (SPARQL)          │
│ • Validation                        │
└─────────────────────────────────────┘
    ↓ QueryGoal JSON
┌─────────────────────────────────────┐
│ Runtime (QueryGoalExecutor)         │
│ • swrlSelection                     │
│ • yamlBinding (AAS 데이터 수집)     │
│ • simulation (Docker NSGA-II)       │
└─────────────────────────────────────┘
    ↓ 결과 (outputs + executionLog)

Legacy 시스템 (Goal 1, 4)

External AAS Server (localhost:5001)
           ↑
    FastAPI Service (port 8000)
           ↓
    Execution Engine + Ontology (RDF/TTL)

프로젝트 구조

factory-automation-k8s/
├── querygoal/                  # QueryGoal 시스템 (Goal 3)
│   ├── pipeline/              # Pipeline 6 stages
│   │   ├── orchestrator.py   # 파이프라인 오케스트레이터
│   │   ├── pattern_matcher.py # 자연어 분석
│   │   ├── template_loader.py # QueryGoal 템플릿
│   │   ├── parameter_filler.py # 파라미터 채우기
│   │   ├── model_selector.py  # SPARQL 기반 모델 선택
│   │   └── validator.py       # 스키마 검증
│   └── runtime/               # Runtime 3 stages
│       ├── executor.py        # Stage-Gate 실행 엔진
│       ├── stage_gate_validator.py # 검증 로직
│       └── handlers/          # Stage 핸들러
│           ├── swrl_selection_handler.py
│           ├── yaml_binding_handler.py
│           └── simulation_handler.py
├── api/                       # FastAPI 애플리케이션
│   ├── main.py               # API 엔드포인트
│   └── schemas.py            # Request/Response 모델
├── execution_engine/          # Legacy 실행 엔진 (Goal 1, 4)
│   ├── planner.py            # 온톨로지 기반 계획
│   └── agent.py              # 액션 실행
├── ontology/                  # RDF 온톨로지 파일
│   └── factory_ontology.ttl
├── config/                    # 설정 파일
│   ├── rules.sparql          # SPARQL 규칙 (모델 선택)
│   ├── model_registry.json   # 모델 레지스트리
│   └── NSGA2Model_sources.yaml # Manifest
├── scripts/                   # 유틸리티 스크립트
│   └── build_nsga2_docker.sh
├── k8s/                       # Kubernetes 매니페스트
├── docs/                      # 문서
│   └── Goal3_E2E_Flow_Plan_Corrected.md
├── temp/                      # 런타임 작업 디렉터리
│   └── runtime_executions/   # QueryGoal 실행 결과
└── test_*.py                  # 테스트 스크립트

환경 설정

환경 변수

QueryGoal 시스템 (Goal 3):

USE_STANDARD_SERVER=true         # AAS 서버 사용
AAS_SERVER_IP=127.0.0.1          # AAS 서버 IP (또는 221.139.184.184)
AAS_SERVER_PORT=5001             # AAS 서버 포트
FORCE_LOCAL_MODE=true            # 로컬 시뮬레이션 모드 (선택)
DEBUG_MODE=true                  # 디버그 로그 활성화 (선택)

Legacy 시스템 (Goal 1, 4):

USE_STANDARD_SERVER=true         # 표준 AAS 서버 사용 (기본값)
AAS_SERVER_IP=127.0.0.1          # AAS 서버 IP
AAS_SERVER_PORT=5001             # AAS 서버 포트

개발 가이드

QueryGoal 시스템 확장

새로운 Goal Type 추가:
- querygoal/pipeline/pattern_matcher.py에 패턴 추가
- querygoal/templates/에 템플릿 파일 생성
- config/rules.sparql에 SPARQL 규칙 추가
새로운 Runtime Stage 추가:
- querygoal/runtime/handlers/에 핸들러 클래스 생성
- BaseHandler 상속 및 execute() 메서드 구현
- executor.py의 stage_handlers에 등록
새로운 모델 추가:
- config/model_registry.json에 모델 등록
- Manifest YAML 파일 생성 (config/)
- SPARQL 규칙에 모델 선택 로직 추가

참고 문서

Goal3 E2E Flow Plan ⭐ - QueryGoal 시스템의 전체 E2E 흐름 (필독)

License

MIT

FilesExpand file tree

README.md

Latest commit

History