본문으로 건너뛰기

디지털 스레드 조립하기: 계보, 영향, 그리고 전 수명주기 질의

📍 현재 위치: 6부 · 전체 그래프 — 21장. 의약품은 환자에게 도달했습니다. 이제 공정에서 한 걸음 물러나, 그 길을 따라 우리가 지은 그래프를 바라봅니다 — 그리고 공정을 지식으로 모델링한 바로 그 이유였던 질의들을 실행합니다.

스무 장에 걸쳐 우리는 간선을 깔아 왔습니다. 원료의약품(drug product)에서 셀 뱅크(cell bank)까지 거슬러 잇는 derivedFrom, 파라미터에서 특성으로 향하는 affectsQuality, 정제 사슬을 따라가는 품질 궤적, 게이트에서의 출하 판정, 포장에서의 일련번호 부여 단위들 말입니다. 하나하나는 모델링 연습이었습니다. 한데 모으면 그것들은 디지털 스레드(digital thread) — 제품 전체 수명주기를 아우르는, 연결된 기록들의 연속적이고 추적 가능한 하나의 사슬 — 가 되며, 스레드의 가치는 그것이 존재한다는 데 있는 것이 아니라 어려운 질문을 한 줄짜리 질의로 바꾼다는 데 있습니다. 이 장은 그 질의들을 실행합니다.

쉽게 말하면

한 의약품에 관한 모든 기록 — 모든 원료, 단계, 시험, 출하 — 을 구슬이라고, 그리고 그것들 사이의 모든 연결을 실이라고 떠올려 보세요. 스무 장에 걸쳐 우리는 구슬을 꿰었습니다. 이제 그 목걸이를 들어 올립니다. 갑자기, 예전엔 한 팀이 몇 주를 들여야 했던 질문에 답할 수 있게 됩니다. 이 정확한 바이알은 어디서 왔는가?(실을 거슬러 따라가기), 이 로트가 불량이라면, 또 무엇이 영향을 받는가?(같은 구슬을 공유하는 모든 것으로 실을 따라가기), 어떤 설정이 이 품질을 만들었는가?(실을 옆으로 따라가기). 디지털 스레드(digital thread)가 바로 그 목걸이이고, 이 장은 그것이 한 번에 답하는 질문들을 보여 줍니다.

이 장에서 다루는 내용​

우리는 전체 그래프를 조립하고, 이 사업 전체를 정당화하는 세 가지 질의 부류를 실행합니다. 계보 추적(lineage walk)(이것은 어디서 왔는가?), 영향 분석(impact analysis)(누가 이것의 운명을 공유하는가?), 그리고 수명주기 횡단 질의(cross-lifecycle query)(설정 하나가 출하된 특성과 어떻게 관계 맺는가?)입니다. 우리는 디지털 스레드 질의 하나를 SPARQL 속성 경로로서 해부하고, 그것을 실제로 실행하는 오픈소스 코드에 연결하며, 모든 파생 그래프를 따라다니는 한계 — 그것은 마지막 적재만큼만 참이다 — 로 마무리합니다.

계보 추적: 하나의 질의, 임의의 깊이​

대표 질의는 계보 추적(lineage walk)입니다 — 한 로트가 파생되어 나온 모든 것을, 몇 홉 떨어져 있든 재구성하는 것입니다. derivedFrom이 이행적(transitive)이고 그 간선들이 실제 물질 변환(material transformations)의 흔적으로서 깔렸기 때문에, 이것은 하나의 SPARQL 속성 경로(property path)입니다. bp:DS-001 (bp:derivedFrom)+ ?ancestor는 원료의약품에서 한 번 이상의 derivedFrom 홉을 따라, 포집 풀, 생물반응기 배치, 시드 트레인을 거쳐 워킹 셀 뱅크까지 거슬러 갑니다 — 오픈소스 장이 한 문장으로 로트의 전체 조상 계보를 반환하며 보여 주는 바로 그 추적입니다 [1]. 질의 전체는 속성 경로에 타입 바인딩을 더한 것입니다.

# Lineage walk: everything DS-001 derives from, to any depth, in one property path.
# (bp:derivedFrom)+ = one-or-more hops; works whether the lineage is 3 steps or 20.
PREFIX bp: <https://example.org/bioproc#>
SELECT ?ancestor ?type WHERE {
  bp:DS-001 (bp:derivedFrom)+ ?ancestor .
  ?ancestor a ?type .
  FILTER(STRSTARTS(STR(?type), STR(bp:)))
} ORDER BY ?ancestor

적재된 그래프(bioproc.ttl + align.ttl + instances.ttl)에 대해 validate.py로 실행하면, 전체 열한 조상의 조상 계보를 반환합니다 — 거친 CSV 사슬이 뭉뚱그리는 모든 실제 단위 공정 중간 산물까지, BATCH-2026-001은 bp:Batch로 한 번만 타입 지정되고, 용기(vessel)는 배치에 두 번째 타입을 몰래 얹는 대신 실행이 occursIn으로 이르는 별도의 BR-101 노드로 유지됩니다.

[3] lineage walk from DS-001: 11 ancestors
      BATCH-2026-001 CLAR-001 MCB-CHO-001 PApool-001 POLpool-001 RCB-CHO-001
      SEED-001 SEEDFLASK-001 VFpool-001 VIpool-001 WCB-CHO-001

질의는 결코 "다섯 홉"이라고 말하지 않습니다. "얼마나 깊든"이라고 말하며, 그래서 계보가 세 단계든 스무 단계든 같은 줄이 작동하고, 단계를 하나 더하는 공정 변경에서도 살아남습니다. 이것이 하류 장들이 고심한 모든 개체화(individuation) 결정의 보상입니다. 간선을 충실히 깔아 두면, 계보는 손으로 재구성되는 것이 아니라 계산되는 것입니다.

영향 분석: 누가 이 로트의 운명을 공유하는가?​

조사가 실제로 던지는 질의는 그 역방향이자 바깥쪽으로 향하는 것입니다. DP-004가 출하에 실패하면, 질문은 또 무엇이 영향을 받는가?이며 — 그래프는 DP-004의 계보를 거슬러 올라 공유된 조상에 이른 다음, 그것으로 거슬러 추적되는 모든 원료의약품으로 다시 내려가며 답합니다. 이 질의는 (bp:derivedFrom)+를 거슬러 올라 각 공통 조상에 이른 다음, 그 조상에서 파생된 다른 모든 bp:DrugProduct로 다시 내려갑니다 — 같은 셀 뱅크(cell bank)나 같은 포집 레진(capture resin) 위의 형제들 말입니다.

# Impact analysis: when DP-004 fails, what shares its fate? Walk UP DP-004's
# lineage to common ancestors, then back DOWN to every drug product that shares one.
PREFIX bp: <https://example.org/bioproc#>
SELECT DISTINCT ?affected WHERE {
  bp:DP-004 (bp:derivedFrom)+ ?shared .          # an ancestor of the failed lot
  ?affected (bp:derivedFrom)+ ?shared .          # anything else derived from it
  ?affected a bp:DrugProduct .
  FILTER(?affected != bp:DP-004)
} ORDER BY ?affected

적재된 그래프에 대해 validate.py는 DP-004의 WCB-CHO-001 셀 뱅크를 공유하는 두 형제를 모두 보고합니다 — DP-001과 그 전방 분기 형제 DP-002, 같은 원료의약품에서 충전된 두 출하 로트입니다.

    impact of DP-004 (shared cell bank): ['DP-001', 'DP-002']

캠페인의 모든 배치가 같은 WCB-CHO-001로 추적되므로, 셀 뱅크 수준의 우려는 한 번의 순회로 캠페인 전체에 걸쳐 답할 수 있습니다 — 지식 그래프 장이 말했듯, 범위가 한정된 일탈과 맹목적인 캠페인 전반 격리 사이의 차이입니다. 영향 분석(impact analysis)은 디지털 스레드가 비용과 환자 안전이라는 측면에서 제값을 하는 지점입니다. 추측이 아니라 질의로 범위가 한정된 리콜 말입니다.

조립된 디지털 스레드 위에서 조사 질의가 실행되는 히어로 도해: WCB-CHO-001에서 SEED-001, BATCH-2026-001, PApool-001, DS-001을 거쳐 원료의약품 로트 DP-001, DP-002와 OOS인 DP-004의 전방 분기에 이르는 전체 그래프; 계보 추적 화살표가 DS-001에서 셀 뱅크까지 속성 경로 (derivedFrom)+를 거슬러 추적하고; 영향 분석 오버레이가 실패한 DP-004를 강조해, DS-001까지 거슬러 올라간 뒤 그 형제 DP 로트들로 다시 내려가고 같은 셀 뱅크와 포집 레진을 공유하는 다른 배치들로 가로질러 가며 영향받는 집합을 음영 처리하고; 수명주기 횡단 화살표가 공급 속도 파라미터를 affectsQuality를 통해 monomerPct 출하 결과에 잇고; 캡션이 세 가지 질의 부류 — 계보, 영향, 수명주기 횡단 — 를 하나의 그래프에 대한 한 줄짜리 질문으로 틀 짓습니다. 질의된 전체 그래프: 속성 경로가 계보를 셀 뱅크까지 거슬러 추적하고, 영향 질의가 한 실패의 범위를 형제들과 공유 자원에 걸쳐 한정하며, 수명주기 횡단 링크가 공정 파라미터를 출하된 특성에 잇습니다 — 이 책 전체가 답할 수 있게 만들고자 지어진 세 질문입니다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

수명주기 횡단 질의: 설정에서 출하된 특성까지​

세 번째 부류는 오직 이 책의 모델링만이 가능하게 하는 것입니다. 개발, 제조, 출하 사이의 봉합선을 가로지르기 때문입니다. 어떤 공정 파라미터가 이 로트의 단량체 순도를 좌우했는가?는 개발에서 확립된 affectsQuality 관계에서 출발해, 이 특정 실행의 실현된 파라미터(realized parameters)를 거쳐, 원료의약품에 대한 출하 결과(release result)에 이르는 길을 걷습니다 — 개발 연구에서 공장 센서로, 다시 QC 판정으로 건너가는 경로이며, 분절된 공장(fragmented plant)에서는 서로 다른 방언을 쓰는 세 시스템입니다. 첫 맛보기로 계보와 품질을 한 문장에 합쳐 봅니다. DS-001에서 (bp:derivedFrom)+를 전방으로 걸어, 단량체 백분율을 지닌 출발 생물반응기 배치에 이르러 그것을 읽는 것입니다.

# Lineage AND quality in one query: walk derivedFrom FORWARD from DS-001 to the
# originating bioreactor batch that carries the monomer %, and read it. The path
# uses + (one-or-more hops), so it lands on the ancestor BATCH-2026-001.
PREFIX bp: <https://example.org/bioproc#>
SELECT ?batch ?monomer WHERE {
  bp:DS-001 (bp:derivedFrom)+ ?batch .
  ?batch bp:monomerPct ?monomer .
}

validate.py는 출발 배치의 SEC 단량체 순도를 반환합니다 — 타입 지정 값 장이 분수로 오독될 수 없도록 QUDT unit:PERCENT 양으로 지니고 있는 바로 그 98.611 %입니다.

    lineage+CQA (originating batch): {'BATCH-2026-001': 98.611}

이제 완전한 수명주기 횡단 추적은 그 자체로 적재 가능한 질의 — queries/cross-lifecycle.rq — 가 되었으며, 그것은 세 봉합선 모두를 한 문장으로 가로지릅니다. 중요 공정 파라미터에서 출발해, 개발에서 온 그 affectsQuality 링크를 따라가고, 그 파라미터를 설정점으로 실현한 실행을 찾아, 그 실행이 산출한 배치로 옮겨 간 뒤, derivedFrom을 전방으로 걸어 결과를 지닌 출하된 원료의약품 로트에 이릅니다.

# From a CPP, through its affectsQuality link, to the run that REALIZED it,
# to the batch it output, forward down derivedFrom to the released DS lot.
PREFIX bp: <https://example.org/bioproc#>
SELECT ?parameter ?attribute ?lot WHERE {
  ?parameter bp:affectsQuality ?attribute .
  ?setting   bp:parameterType  ?parameter .
  ?phase     bp:realizesParameter ?setting .
  ?run       bp:hasPhase ?phase ;
             bp:hasOutput ?batch .
  ?lot       bp:derivedFrom+ ?batch ;
             bp:monomerPct ?m ;
             a bp:DrugSubstance .
}

validate.py는 적재된 그래프 위에서 이를 실행해, 공급 속도 CPP를 그것이 궁극적으로 빚어낸 출하 로트에 안착시킵니다.

    cross-lifecycle CPP -> realized run -> release lot: [('FeedRate', 'MonomerPct-CQA', 'DS-001'), ...]

그것이 이 책 전체가 향해 가던 단 하나의 질의입니다. 개발 시기의 affectsQuality 주장(bp:FeedRate bp:affectsQuality bp:MonomerPct-CQA), 이 실행에서 실현된 설정(bp:RPS-feedrate-CCP001, 생산 단계에서 공급 속도의 실제 설정점), 그리고 DS-001에 대한 QC 판정을, 분절된 공장이 세 방언으로 갈라 두는 세 시스템에 걸쳐 결합한 것입니다. 디지털 스레드는 그 질문이 애초에 던져질 수 있게 해 주는 것이며, 데이터 책이 기술한 디지털 스레드·트윈 비전과 오픈소스 책이 실행한 지식 그래프의 문자 그대로의 실현입니다. 의미론적 링크 — 온톨로지와 그 간선 — 가 전체 수명주기에 걸친 추적성을 제공하는 결합 조직 역할을 하는 것입니다 [2].

하나의 디지털 스레드 질의를 해부하는 신원 카드: 평이한 영어 요청(DS-001의 전체 계보와 그 출발 배치의 출하 단량체를 재구성하라)을 진술하는 질문 행; 타입 바인딩을 지닌 속성 경로 질의 bp (bp)+ ?step을 보여 주는 SPARQL 블록; 반환된 열한 조상 — 폴리싱 풀 POLpool-001, VFpool-001, VIpool-001, 포획 풀 PApool-001, 청징 수확물 CLAR-001, 배치 BATCH-2026-001(Batch로 한 번만 타입 지정됨), 시드 트레인 SEED-001과 SEEDFLASK-001, 그리고 셀 뱅크 계층 WCB-CHO-001, MCB-CHO-001, RCB-CHO-001 — 과 출발 배치의 monomerPct 98.611을 나열하는 결과 블록; 핵심을 떠받치는 토큰 (bp)+를 임의 깊이의 한 번 이상 홉으로 표시하는 주석; 그리고 이것이 오픈소스 빌드가 시험된 코드에서 실행하는 바로 그 질의라는 출처 노트. 펼쳐 본 하나의 질의: SPARQL 속성 경로가 "얼마나 깊든"을 표현해, 전체 조상과 출발 출하 결과를 반환하며, 오픈소스 동반 코드가 실행하는 바로 그 문장입니다 — 프로젝트가 아니라 하나의 질문으로서의 디지털 스레드입니다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

미해결 과제: 파생된 스레드는 마지막 적재만큼만 참이다​

디지털 스레드는 질의하기엔 짜릿하지만 맹목적으로 신뢰하기엔 위험하며, 그 위험은 구조적입니다. 그래프는 파생된 뷰(derived view)입니다 — 그 트리플은 실제 진실의 원천인 관계형 기록, 히스토리안, LIMS, 그리고 여러 시스템에서 복사된 것입니다. 그래서 적재가 검증되고 완전하며 변경 관리(change control) 아래 다시 실행되지 않는 한, 그래프는 자신이 비춘다고 주장하는 시스템들로부터 조용히 표류(drift)할 수 있습니다. 적재기가 매핑하지 않은 열 하나, 마지막 적재 이후 원천에서 가해진 편집 하나, 통합이 닿지 못한 시스템 하나 — 각각은 스레드가 원천이 더 이상 말하지 않거나 애초에 말한 적 없는 무언가를 주장하게 만듭니다. 권위 있어 보이는 순회가 실은 조용히 불완전할 수 있으며, 가장 자신만만해 보이는 질의 결과가 그 간선이 낡았을 때 가장 위험합니다. 오픈소스 장의 규율이 유일한 답입니다. 적재를 검증된 작업으로 취급하고, 트리플 수를 원천에 대조해 맞추며, 정해진 트리거에서 다시 실행하는 것입니다 — 스레드를 정직하게 유지하는 따분한 배관 작업 말입니다.

더 깊은 한계는 유통(distribution)이 드러낸 것입니다. 스레드는 공장 안에서는 철벽이지만 그 너머에서는 취약한 연합(federation)입니다. 개발, 제조, 출하를 아우르는 수명주기 횡단 질의가 작동하는 것은 한 조직이 그 시스템들을 통제하기 때문입니다. 스레드가 유통업체, 약국, 공급망에 닿는 순간, 그것은 다른 당사자들의 그래프와 그들의 공유 의지에, 그들의 식별자로, 그 누구도 전체를 강제할 수 없는 채로 의존합니다. 그러므로 디지털 스레드에 대한 솔직한 기준은 정밀합니다. 그것은 당신이 적재한 간선과 통제하는 시스템에 대해서는 몇 주의 상호 참조 작업을 진정으로 한 줄짜리 질의로 바꿔 줍니다 — 실재하는, 큰 진전입니다 — 동시에 그것은 관리되어야 하는 파생된, 표류하기 쉬운 뷰이며, 하역장을 지나면 협력으로 옅어지는 담장 안의 보증입니다. 스레드는 이 책의 개가이자, 뒤따르는 거버넌스(governance)와 FAIR 실천(FAIR-in-practice) 규율에 대한 가장 분명한 근거입니다.

왜 중요한가​

디지털 스레드는 이 삼부작 전체가 열며 던진 질문에 대한 답입니다 — 애초에 데이터를 왜 관리하고, 연결하고, 모델링하는가? 지식으로 모델링된 공정은 심문할 수 있기 때문입니다. 발굴 작업이 아니라 질의로, 전체 수명주기에 걸쳐 추적하고, 영향을 분석하며, 교차 질문할 수 있는 것입니다. 이 책의 모든 모델링 결정 — 상위 척추, 타입 지정 값, 충실한 derivedFrom 간선, SHACL 게이트 — 은 이 세 질의 부류를 신뢰할 수 있게 만들기 위해 존재합니다. 간선을 제대로 깔면 스레드는 일탈을 질의로, 리콜을 범위가 한정된 순회로 바꿉니다. 잘못 깔거나 낡은 채로 신뢰하면 스레드는 자신만만한 거짓말쟁이가 됩니다. 이 장은 모델이 보상을 치르는 지점이자, 그 단 하나의 가장 큰 위험 — 파생된 뷰의 표류 — 이 이름 붙는 지점입니다.

통신선에서 그래프까지​

이 스레드를 소비하는 가장 새로운 방법은 사람이 평이한 자연어로 질문을 던지게 하는 것입니다. 어떤 공정 파라미터가 DS-001의 단량체 순도를 좌우했는가?라는 물음은 정확히 위의 수명주기 횡단 추적이며 — 부상하는 GraphRAG 패턴은 그 추적을 감싸, 언어 모델이 추측하는 대신 bp: 그래프를 순회함으로써 답하게 만듭니다. 검색 단계는 속성 경로 — bp:affectsQuality, bp:realizesParameter, bp:derivedFrom+ — 에 대한 실제 SPARQL 질의이므로, 모델의 답은 그것이 걸어간 정확한 간선에 근거하며 그 간선을 인용할 수 있습니다: FeedRate → MonomerPct-CQA → DS-001, 그리고 같은 질의가 반환하는 두 번째 파라미터인 Temperature까지인데, 둘 모두 MonomerPct-CQA로 향하는 affectsQuality 간선을 지니기 때문입니다. 그래프가 인용을 공급하고, 모델은 그것을 서술할 뿐입니다.

여기서 무엇이 실재하는지에 대해 정밀합시다. 검색 질의는 적재 가능한 queries/cross-lifecycle.rq로, validate.py가 적재된 그래프 위에서 실행합니다. 그 위에 얹히는 GraphRAG 임베딩-및-프롬프트 계층은 예시적인 것입니다 — 그것은 커밋된 데이터셋에 들어 있지 않으며, 데이터셋에는 그것이 근거로 삼을 SPARQL 순회만이 실재합니다. 실제 플랫폼에서 동일한 derivedFrom 경로는 Palantir Foundry의 객체 링크이거나 Neo4j의 Cypher 순회입니다. Roche의 BIKG와 Novartis의 data42는 이 패턴의 엔터프라이즈 그래프 사례이지만, R&D 측이며 아직 GMP 현장은 아닙니다.

# From a CPP, through its affectsQuality link, to the run that REALIZED it,
# to the batch it output, forward down derivedFrom to the released DS lot.
PREFIX bp: <https://example.org/bioproc#>
SELECT ?parameter ?attribute ?lot WHERE {
  ?parameter bp:affectsQuality ?attribute .
  ?setting   bp:parameterType  ?parameter .
  ?phase     bp:realizesParameter ?setting .
  ?run       bp:hasPhase ?phase ;
             bp:hasOutput ?batch .
  ?lot       bp:derivedFrom+ ?batch ;
             bp:monomerPct ?m ;
             a bp:DrugSubstance .
}

이것이 뒤따르는 한 장이 온톨로지를 AI의 그라운드 트루스로 다루는 이유입니다: 그래프는 답을 정직하게 유지하는 것입니다.

실제 현장에서는​

상용 벤더들은 이를 "제조 지식 그래프", "디지털 스레드", 또는 "맥락화된 데이터 패브릭"으로 판매하며, 디지털 스레드 발상 — 수명주기를 아우르는 결합 조직으로서의 의미론적 링크 — 은 스마트 제조 문헌과 더 넓은 디지털 트윈 분야에서 이미 확립되어 있습니다 [1][2][3]. 오픈소스 책은 시험되고 노트북에서 실행 가능한 코드로 그 핵심을 입증합니다. CSV를 적재하고, RDF를 빌드하며, 속성 경로로 계보를 추적하고, SHACL로 게이트를 거는 것입니다. 데모와 운영용 스레드를 가르는 것은 정확히 이 장의 미해결 과제 — 검증되고 표류가 통제된 적재, 그리고 조직 간 연합 — 이며, 이는 빠진 질의가 아니라 엔지니어링과 거버넌스 작업입니다. 질의는 결코 어려운 부분이 아니었습니다. 그것이 실행되는 그래프를 참되게 유지하는 일이 어려운 부분입니다. 엔터프라이즈 지식 그래프 장은 실제 사례 — Roche, AstraZeneca, Novartis, Novo Nordisk — 을 목록화하며, 이 절이 경고하는 바로 그 패턴을 발견합니다. 운영용 그래프는 R&D와 FAIR 카탈로깅에 살아 있고, 공개된 근거상으로는 스레드가 가장 중요한 GMP 현장에는 아직 도달하지 못했다는 것입니다.

핵심 용어​

  • 디지털 스레드(digital thread) — 제품 수명주기를 아우르는, 연결된 기록들의 연속적이고 추적 가능한 사슬. 여기서는 이 책의 모든 간선을 조립한 그래프.
  • 계보 추적(lineage walk) — 한 로트가 파생되어 나온 모든 것을 재구성하는 질의로, 임의 깊이의 SPARQL 속성 경로 (derivedFrom)+로 표현됨.
  • 영향 분석(impact analysis) — 역방향이자 바깥쪽으로 향하는 질의로, 실패한 로트의 운명을 어떤 로트들이 공유하는지(형제, 셀 뱅크, 공유 소모품)를 순회로 범위 한정함.
  • 수명주기 횡단 질의(cross-lifecycle query) — 개발, 제조, 출하의 봉합선을 가로지르는 질문(파라미터 → 실현된 실행 → 출하 결과)으로, 공유된 모델이 가능하게 함.
  • 파생된 뷰 / 표류(derived view / drift) — 그래프의 트리플은 원천 시스템에서 복사된 것이므로, 검증되고 변경 관리되며 대조 정합된 적재 없이는 자신이 비춘다고 주장하는 진실로부터 조용히 어긋날 수 있음.
  • 연합(federation) — 공장 너머로 이어지는 스레드의 조직 간 연장으로, 한 소유자의 통제가 아니라 다른 당사자들의 그래프와 데이터 공유에 의존함.

다음 이야기​

우리는 스레드와 그것을 정당화하는 질의들을 손에 넣었습니다 — 그리고 파생된 그래프는 관리되지 않으면 표류한다는 경고도요. 다음 장 모델 다스리기: 버전 관리, 변경 관리, 그리고 온톨로지 청지기 역할은 그 경고를 정면으로 다룹니다. 온톨로지와 그 적재가 어떻게 버전 관리되고, 변경 관리되며, 청지기 역할로 보살펴져 규제 대상 제품의 긴 수명 동안 모델이 참되게 유지되는지를 — 그래프를 영리한 산출물에서 유지 관리되고 신뢰할 수 있는 시스템으로 바꾸는 일을 말입니다.