데이터가 의사결정에 들어갈 때 거버넌스가 시작됩니다
신호, 알람, 계량기 값, 작업 지시, 점검 기록, 문서, 계산 지표가 운영 의사결정에 영향을 주기 시작하면 산업 데이터 거버넌스도 시작됩니다.
운영 디지털 트윈에서는 데이터를 연결하는 것만으로 충분하지 않습니다. 데이터가 어디에서 왔는지, 어떤 자산이나 공간을 설명하는지, 어떤 단위와 시간 규칙이 적용되는지, 누가 매핑을 책임지는지, 값이 신뢰 가능한지, 어떤 AI Agent나 대시보드가 사용하는지 알아야 합니다.
Data Fusion Services는 FactVerse 스택에서 이 운영 규율을 지원합니다. 소스 시스템을 연결하고 데이터를 트윈 엔티티에 매핑하며 필드를 정리하고 지표를 계산하고 데이터 마트를 준비하며 실시간 컨텍스트를 트윈에 바인딩합니다.
DFS가 거버넌스를 지원해야 하는 영역
| 영역 | 실무 질문 | 가치 |
|---|---|---|
| 소스 | 어떤 시스템이 값을 소유하고 누가 사용을 승인하는가 | 책임을 명확히 함 |
| 접근 | 어떤 역할, 사이트, 네트워크가 읽을 수 있는가 | 민감한 운영 데이터를 보호 |
| 엔티티 | 어떤 자산, 공간, 시스템, 워크플로를 설명하는가 | 태그를 운영 컨텍스트로 전환 |
| 단위와 시간 | 어떤 단위, 시간대, 샘플링, 집계 규칙이 적용되는가 | 추세와 비교를 신뢰 가능하게 함 |
| 품질 | 값이 누락, 지연, 보간, 범위 밖인지 여부 | 증거의 강도를 표시 |
| lineage | 어떤 커넥터, 매핑, 변환, 릴리스가 값을 만들었는가 | 감사와 문제 해결을 지원 |
| 소비자 | 어떤 대시보드, AI flow, 보고서, 티켓이 사용하는가 | 변경 전 영향을 파악 |
운영 ID를 기준으로 관리합니다
하나의 설비가 SCADA, historian, CMMS, BIM, 현장 용어에서 서로 다른 이름을 가질 수 있습니다. 거버넌스는 이 별칭들을 안정적인 운영 ID로 연결해야 합니다.
FactVerse는 공간, 자산, 시스템, 관계, 문서, 데이터 바인딩, 워크플로의 공유 컨텍스트를 제공합니다. Data Fusion Services는 소스 필드와 태그를 이 컨텍스트에 매핑해 각 값이 올바른 물리 객체와 운영 루프에 연결되게 합니다.
좋은 ID 거버넌스는 사이트, 건물, 층, 구역, 방, 라인, 경로, 자산 클래스, 자산 ID, 소유자, 생애주기 상태, 시스템 관계, 별칭, 문서, SOP, 점검 지점, 작업 지시 참조, 권한 경계를 포함합니다.
품질, lineage, 변경 관리
시계열 값과 이벤트는 계속 변합니다. 누락값, 오래된 데이터, 단위 변환, 타임스탬프, 샘플링, 집계, 이상값, 센서 교체, 알람 상태, 계산 지표 공식에 대한 규칙이 필요합니다.
산업 데이터 변경은 조용히 발생합니다. BMS 포인트가 이름을 바꾸거나, 계량기가 교체되거나, historian 태그가 이동하거나, CMMS 필드 의미가 바뀌거나, KPI 공식이 조정될 수 있습니다. 3D 트윈은 정상으로 보여도 데이터 컨텍스트는 틀릴 수 있습니다.
변경 기록에는 소스, 커넥터, 변경된 태그나 공식, 영향을 받는 자산과 워크플로, 다운스트림 소비자, 검토자, 승인 상태, 적용일, 롤백 방법, 검증 증거를 남겨야 합니다.
접근, 증거, 머신러닝
운영 데이터에는 제한 구역, 고객별 레이아웃, 생산 상태, 장비 상태, 에너지 프로필, 유지보수 기록, 서비스 기록이 포함될 수 있습니다. 소스 시스템에서 트윈으로 이동할 때도 접근 경계가 유지되어야 합니다.
Inspector와 연결된 작업 시스템은 누가 발견 사항을 검토했는지, 어떤 조치를 취했는지, 어떤 증거를 수집했는지, 상태가 개선되었는지를 기록합니다. 이 기록은 다음 AI 검토와 머신러닝 사이클의 거버넌스 데이터가 됩니다.
머신러닝에는 신호, 자산 컨텍스트, 운영 상태, 사람의 판단, 수행된 조치, 결과가 함께 필요합니다. 거버넌스는 feature 정의, 품질 필터, 작업 지시에서 나온 label, 모델 버전, 거절된 제안, 조치 후 결과를 보존합니다.
DataMesh rollout pattern
- 하나의 의사결정 루프 선택 - 예측 유지보수, 시설 점검, 데이터센터 자산 검토, 에너지 증거, 디지털 SOP 실행 등에서 시작합니다.
- 데이터 오너 지정 - 소스, ID, 매핑, 품질, 계산, 접근, 다운스트림 워크플로 책임자를 정합니다.
- 운영 ID 매핑 - FactVerse에서 공간, 자산, 시스템, 관계, 문서, 워크플로, 별칭을 정렬합니다.
- 데이터 연결과 거버넌스 - Data Fusion Services로 소스를 연결하고 필드를 매핑하고 단위와 시간을 정리하고 지표와 품질 상태를 준비합니다.
- 소비자 등록 - 대시보드, AI Agent 루틴, Inspector 양식, 보고서, ML 데이터셋을 기록합니다.
- 릴리스 전 변경 검토 - 태그, 공식, 커넥터, 권한 변경을 운영 영향 전에 확인합니다.
- 결과 수집 - 현장 증거, 검토 결정, 조치 후 값을 기록합니다.
- 규칙 개선 - 예외, 실패한 매핑, 오래된 데이터, 거절된 AI 제안, 현장 피드백을 반영합니다.
체크리스트
- 각 소스에 비즈니스 오너와 기술 오너가 있는가
- 자산, 공간, 시스템, 워크플로 ID가 시스템 전반에서 일관적인가
- 단위, 타임스탬프, 샘플링, 품질 규칙이 보이는가
- 계산 지표에 공식, 오너, 검토일이 연결되어 있는가
- 커넥터에서 다운스트림 소비자까지 lineage가 남는가
- 대시보드, AI Agent, 보고서, 데이터셋이 소비자로 등록되어 있는가
- 민감 공간, 고객 기록, 제한 문서가 역할 기반으로 보호되는가
- 현장 증거와 작업 지시 결과가 검토와 ML에 사용되는가
공개 참고 자료
Data Fusion Services 제품 페이지는 FactVerse의 데이터 통합 계층을 설명합니다.
Data Readiness guide, Operational Digital Twin Model Governance guide, Industrial Knowledge Graphs guide는 인접한 기반을 설명합니다.