Siemens Energy, metaphactory 지식 그래프를 사용하여 애플리케이션 개발 가속화

Siemens Energy는 전 세계의 여러 국가에서 운영되는 수천 대의 대형 가스 터빈을 감독합니다. 다양한 환경과 상황에서 이처럼 방대한 장비 플릿을 관리하는 것이 물류와 관련한 주요 과제로 떠올랐습니다. 각 터빈의 예비 부품 카탈로그 및 특정 고객 구성을 관리하려면 상당한 양의 수동 처리와 노동력이 요구되었습니다. 이로 인해 고객 측의 재고 최적화 상태를 개선하고, 예비 부품을 더 정확하게 추천할 여지가 남게 되었습니다. 이 회사는 대규모 가스 터빈에 대한 가시성을 확보하고 의사 결정을 개선하기 위해 Amazon Web Services(AWS) 클라우드에서 컨텍스트 데이터와 복잡한 계층 구조를 모델링할 수 있는 신뢰할 만한 솔루션이 필요했습니다.

Siemens Energy는 지식 그래프 기술이 장비 전체의 기계 데이터 구조를 구성, 관리 및 쿼리하는 데 도움이 되는 이상적인 솔루션이라는 것을 확인했습니다. 이러한 기계의 계층 구조는 지식 그래프 모델링에 적합합니다. 정형 및 비정형 데이터를 모델링하는 방법인 지식 그래프는 주제별 전문가가 구축하고 지능형 기계 학습 알고리즘의 도움을 받아 보강합니다. Siemens Energy는 독일의 기술 기업 metaphacts에서 만든 metaphactory 지식 그래프를 선택했습니다. metaphactory는 지식 그래프 관리, 신속한 애플리케이션 개발 및 최종 사용자 중심의 상호 작용 기능을 제공합니다. 외부 지식 소스의 연결 및 재사용은 물론, 데이터 수집 및 통합, 콘텐츠 작성, 대화형 시각화, 데이터 탐색 등을 통해 고객을 지원합니다. metaphactory는 Amazon Neptune의 지식 그래프 서비스를 기반으로 합니다.

Siemens Energy는 지식 그래프 기술을 사용하여 맞춤형 쿼리와 양식을 제공하는 자체 애플리케이션을 설계하고 구축하는 데 관심이 있었습니다. 지식 그래프 애플리케이션의 신속한 개발을 위한 로우코드 플랫폼인 metaphactory는 Siemens Energy의 요구 사항에 완벽하게 부합했습니다. Siemens Energy의 IT Solution Architect인 Lutz Lukas는 “Siemens Corporate Technology는 metaphactory와 함께 몇 년간 여러 이니셔티브를 진행해왔습니다. 이전 프로젝트를 진행하면서 metaphactory를 활용하여 맞춤형 애플리케이션을 대규모로 빠르게 구축할 수 있다는 사실을 알게 되었습니다. 또한 metaphacts가 제공하는 시각화 및 쿼리 옵션은 데이터를 효율적으로 빠르게 검증하고, UI의 프로토타입을 만들고, 그래프를 탐색하는 데 도움이 되었습니다”라고 말합니다.

Siemens Energy는 metaphactory의 로우코드 기능을 사용하여 터빈 지식 그래프 애플리케이션의 핵심적인 부분을 구축했습니다. 그 결과, 해당 플릿 내의 복잡한 관계와 연결을 시각화할 수 있게 되었습니다. metaphacts의 Chief Operating Officer인 Daniel Herzig-Sommer는 “로우코드 개발은 벽돌을 하나씩 쌓아나갈 필요 없이 창문과 문이 설치된 벽과 같은 미리 만들어진 요소를 사용할 수 있는 모듈러 주택을 짓는 것과 같습니다. metaphactory도 마찬가지입니다. 그래프 데이터 시각화, 검색, 편집 등 데이터를 관리하는 데 필요한 모든 작업에 바로 사용할 수 있도록 만들어진 구성 요소로 개발합니다. 그런 다음 원하는 방식으로 구성 및 결합하면 손쉽게 애플리케이션을 만들 수 있습니다”라고 설명합니다. metaphactory는 맞춤화 가능한 템플릿과 고객 브랜드의 모양과 느낌에 맞게 파라미터화할 수 있도록 미리 만들어진 정교한 웹 구성 요소 세트를 통해 이를 수행합니다. 이러한 구성 요소는 데이터 관리 작업과 방대한 양의 정형 및 비정형 데이터와 관계를 보다 직관적으로 시각화하는 데 사용할 수 있습니다. 또한 이 플랫폼은 데이터를 모니터링하고 기존 모델과 일치하는지 확인하는 데이터 품질 워크벤치를 제공합니다.

Siemens Energy는 Amazon Neptune의 그래프 데이터베이스 서비스에 metaphactory 플랫폼을 계층화하여 예비 부품을 보다 효율적으로 관리하기 위한 스마트 도구를 구축할 수 있었습니다. 이 지식 그래프 애플리케이션을 프로덕션 환경에 배포하는 과정은 간단했습니다. Siemens Energy는 매주 metaphacts에 대한 논의를 진행한 끝에, 글로벌 터빈 플릿에 대한 상황 인식 시각화 기능 세트를 사용하여 빠르게 운영을 시작했습니다. 직관적인 사용자 인터페이스 덕분에 Siemens Energy 터빈 엔지니어가 일상적으로 시각화 작업을 수행할 수 있습니다. metaphactory가 없었다면 애플리케이션을 구축하는 데 더 오래 걸렸을 것입니다. 이제 Siemens Energy는 Resource Description Framework(RDF) 데이터와 SPARQL Protocol and RDF Query Language(SPARQL) 쿼리는 물론, Amazon Neptune에 원활하게 구축된 온톨로지도 사용할 수 있습니다. 그 결과 이 회사는 글로벌 터빈 리포지토리의 추적과 모니터링 간에서 이전에는 볼 수 없었던 관계를 찾아내고 조기에 운영 효율성을 높일 수 있었습니다.

Siemens Energy의 Post Documentation 부문 Section Lead인 Paul Zolnowski는 “metaphactory의 주된 이점은 개발 중에 데이터를 손쉽게 시각화하여 비즈니스의 조기 피드백을 받을 수 있는 만큼, 데이터 품질을 개선하고 데이터 모델 및 애플리케이션을 빠르고 목표 중심으로 개발할 수 있다는 것이었습니다”라고 지적합니다.

Siemens Energy는 AWS Marketplace에서 조달한 metaphactory 플랫폼을 통해 대형 가스 터빈 플릿의 관리를 위한 최종 사용자 중심 사용자 지정 지식 그래프 애플리케이션을 단 6개월 안에 구축하고 배포했습니다. 이는 운영 관점에서 볼 때 인상적이었습니다. 사업부 내에서 빠른 피드백과 동의를 얻었고 개발, 테스트 및 배포 주기가 빠르게 진행되었습니다. Zolnowski는 “metaphactory 덕분에 터빈 엔지니어가 훨씬 더 정확한 데이터를 바탕으로 의사 결정을 내리고 수작업을 줄일 수 있는 강력한 애플리케이션을 개발할 수 있었습니다”라고 말합니다.

아울러 Siemens Energy는 첫 해에 수동 처리에 소요되는 시간 중 1,500시간을 줄였습니다. 이전에는 데이터에 주석을 달려면 플릿 내의 다양한 기계 구성 간에 정보를 비교해야 했습니다. Siemens Energy는 metaphactory를 통해 대규모 가스 터빈의 예비 부품 카탈로그를 큐레이트 및 생성하고 구성을 관리하는 보다 효율적인 프로세스를 도입했습니다. Lutz Lukas는 “결과적으로 고객에게 제공되는 권장 사항의 전반적인 품질을 높이는 데 도움이 되었습니다. 터빈 엔지니어들이 더 효율적으로 작업을 수행할 수 있게 되었습니다”라고 말합니다.

Amazon Neptune의 지연 시간이 짧은 고성능 그래프 데이터베이스 서비스를 기반으로 한 덕분에 스토리지, 로드 밸런서, 게이트웨이 및 네트워킹과 같은 다른 AWS Marketplace 서비스도 Siemens Energy에 연결할 수 있었습니다. metaphactory는 Doker 기반의 애플리케이션이므로 배포하려면 AMI AWS CloudFormation 템플릿과도 통합해야 했습니다. AWS 서비스를 도입하면서 Siemens Energy는 높은 보안 기준을 포기하지 않고도 비용 효과적으로 빠르게 시장에 진출하는 데 필요한 성능과 민첩성을 갖추게 되었습니다.

AWS Marketplace에서 metaphactory를 조달함으로써 DevOps 팀은 새로운 기능을 즉시 테스트하고 metaphactory를 온디맨드로 실행할 수 있는 유연성을 확보할 수 있었습니다. Lutz Lukas는 “AWS와 metaphacts가 제공하는 유연한 요금 및 라이선싱 옵션도 정말 만족스러웠습니다. 그 덕분에 개발용 시스템과 프로덕션용 2단계 시스템을 구축할 수 있었습니다. 비프로덕션 라이선스는 개발, 신기능 테스트 및 사용자 피드백에 사용되었으며, 애플리케이션의 새 버전을 배포하기 위한 프로덕션 라이선스는 터빈 엔지니어용으로 확보해 두었습니다. 또한 사용량 수요와 일일 일정에 따라 인스턴스를 시작하고 중지할 수 있는 유연성이 좋았습니다”라고 말합니다.

Siemens Energy는 비즈니스 가치를 더하는 애플리케이션을 빠르게 가동하는 데 있어서 기계 학습과 지식 그래프 기술이 가져온 효과에 만족하고 있습니다. 이 회사는 터빈 지식 그래프 애플리케이션을 지속적으로 구축 및 개선할 계획이며, 지식 그래프를 다른 비즈니스 부문에도 적용할 수 있을지, 그 가능성을 타진하고 있습니다.