제조 현장과 디지털 트윈: 온톨로지가 아직 도착 중인 곳

📍 현재 위치: 제8부 · 오늘날 산업 현장의 온톨로지. 앞선 장들은 실험실과 규제 경계가 의미론적으로 성숙해 있음을 확인했습니다. 이제 우리는 생산 현장으로 걸어 들어갑니다. 이 책이 쌓아 올린 모델이, 가장 늦게 다다른 그 장소를 만나는 곳입니다.

실험실에는 Allotrope와 SiLA가 있고, 규제 경계에는 IDMP와 구조화된 제출 자료가 있습니다. 둘 다 정형 의미론이 이미 실질적인 일을 해내는 곳입니다. GMP 생산 현장 — 바이오리액터, 크로마토그래피 스키드, 그리고 이들을 한데 엮는 제조실행시스템 — 은 다릅니다. 그곳은 공장에서 계측이 가장 촘촘하면서도 온톨로지화는 가장 덜 된 부분입니다. 데이터는 방대하고 걸린 것은 가장 큰데도, 오늘날 현장에서 실제로 작동하는 "의미론"은 온톨로지가 전혀 아닙니다.

이 장은 그 프런티어에 대해 정직합니다. 그곳에서 실제로 상용 가동되는 모델은 두 종류이며, 둘 중 어느 것도 정형 온톨로지가 아닙니다. 하나는 제조 현장 데이터를 시스템 사이로 옮기는 구조화된 정보 모델(structured information models)이고, 다른 하나는 어떤 배치가 좋은 배치들과 닮았는지를 판정하는 통계 모델(statistical models)입니다. 정형 온톨로지 계층 — 이 책이 모델링 장들에 걸쳐 쌓아 온 그런 종류 — 은 도착하고 있지만, 개념 증명(proof of concept), 컨소시엄 파일럿, 학술 릴리스의 형태로 도착합니다. 이 두 세계를 구분해 내는 것이 이 장의 요체입니다.

쉽게 말하면

흠 없이 돌아가는 분주한 주방을 그려 보십시오. 주문은 모든 스테이션이 이해하는 고정된 형식의 인쇄 전표를 타고 흐르고, 총주방장은 완벽한 한 접시의 사진을 기준으로 모든 요리를 판정합니다. 잘 돌아갑니다 — 그런데 정작 "요리"가 무엇인지, 그것이 재료와 어떻게 관계 맺는지, 왜 이 소스가 지난주의 레시피와 같은 레시피로 간주되는지를 아무도 적어 두지 않았습니다. 전표와 기준 사진은 추론을 돌릴 수 있는 요리책이 아닙니다. 바이오의약품 공장의 현장이 바로 그 주방입니다. 전표와 기준 사진은 넘쳐 나지만, 요리책은 이제 막 쓰기 시작했을 뿐입니다.

이 장에서 다루는 내용

우리는 흐리기 쉬운 세 가지를 분리합니다. 첫째, 구조화된 정보 모델(structured information models) — ISA-95/IEC 62264 계층 구조와 그 B2MML XML 직렬화, 제조실행시스템(MES) 마스터 배치 레코드, 그리고 자산 프레임워크(asset-framework) 맥락화 계층 — 으로, 상용 가동되지만 정형 OWL 온톨로지는 아닙니다. 둘째, 통계 모델(statistical models) — "골든 배치(golden batch)" 위에 구축된 다변량 지속적 공정 검증(Continued Process Verification, CPV) 접근 — 으로, 이는 의미론이 아니라 수학입니다. 셋째, 진정으로 온톨로지적인 작업 — 상호운용성 파일럿(Asset Administration Shell, SiLA 2, OPC UA LADS, SOSA/SSN), 바이오공정 온톨로지 그 자체(BioPhorum, MCBO, IOF Biopharma 참조 온톨로지), 그리고 누군가는 언젠가 그 위에 서기를 바라는 디지털 트윈(digital twins) — 입니다. 이 장 내내 모든 도입 주장에는 성숙도 배지가 붙습니다. 이 현장에서는 출시됨과 제안됨 사이의 간극이야말로 가장 중요한 사실이기 때문입니다.

성숙도로 정렬한 GMP 현장: 구조화·통계 모델은 오늘날 상용으로 돌아가는 반면, 형식적 바이오공정 온톨로지와 온톨로지에 기반한 디지털 트윈은 여전히 파일럿과 학술 작업이다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

실제로 가동되는 것: 구조화된 모델과 통계 모델

명백히 상용 가동 중인 것에서 출발합시다 — 그리고 그중 어느 것도 이 책이 말하는 의미의 온톨로지가 아니라는 점에 주목하십시오.

현장을 잇는 결합 조직은 ISA-95(전사-제어 통합을 위한 ISA-95/IEC 62264 표준)와 그 XML 직렬화인 B2MML(Business To Manufacturing Markup Language)입니다. 둘은 함께 ERP 시스템과 MES가 ISA-95의 기능 계층 — Level 4(ERP / 비즈니스 계획 계층)와 Level 3(MES / 제조 운영 계층) — 을 가로질러 정보 — 무엇을, 얼마만큼, 어느 주문에 맞춰 만들지 — 를 교환하는 어휘와 메시지 형상을 정의합니다. 바이오의약품 공장이 운용할 법한 주요 MES 플랫폼 — Körber PAS-X, Siemens Opcenter, Rockwell FactoryTalk PharmaSuite, AVEVA, Dassault Apriso, SAP Digital Manufacturing — 은 모두 이 계층 위에 세워집니다. 문서화된 Genentech 사례는 SAP IDoc을 B2MML로 통합했고, 이 패턴은 충분히 흔해져 SAP은 이후 B2MML 콘텐츠 패키지를 출시했습니다 [1]. 이것은 상용 가동 중인 의미론적 정보 모델(semantic information model in production)입니다 — 그러나 추론기(reasoner)를 돌릴 수 있는 정형 OWL 온톨로지가 아니라 구조화된 XML 스키마입니다(추론기란 진술된 공리로부터 새로운 사실을 도출하고 일관성을 검사하는 소프트웨어로, 단지 데이터를 옮길 뿐인 스키마와 정형 온톨로지를 가르는 능력입니다). (상용 단계)

그 곁에는 MES 마스터 배치 레코드(master batch record, MBR) — 전자 레시피와 그것이 생성하는 실행본 배치 레코드 — 가 자리합니다. 이곳이 바로 우리 러닝 예제의 bp:BATCH-2026-001이 실제 현장에 실제로 존재하는 곳입니다. bp:SEED-001로 향하는 derivedFrom 엣지를 가진 RDF 노드로서가 아니라(RDF는 데이터를 주어-술어-목적어 트리플(triple)의 그래프로 모델링하며, 노드는 하나의 사물이고 엣지는 두 사물 사이의 이름 붙은 관계입니다 — 인스턴스와 그래프 참조), 독점 MES 데이터베이스의 한 행으로, 벤더 자체 모델 안에 인코딩된 계보로서 말입니다. 출하된 bp:DS-001과 bp:DP-001 로트에 이르기까지 줄곧 마찬가지입니다: 관계는 실재하며, 빠진 것은 그 관계를 끄집어낼 능력이 아니라 — 모든 시스템이 그것을 똑같은 방식으로 끄집어내게 만들 거버넌스된 공장 전역의 도입입니다.

이 구분이 중요한 까닭은, 이 책이 이미 그 크로스워크를 걸을 수 있음을 보여 주었기 때문입니다. 동반 로더 b2mml_to_rdf.py와 opcua_to_rdf.py는 실제 형상의 B2MML 배치 생산 레코드와 한 줌의 OPC UA 변수 읽기를 읽어 — OPC UA란 바이오리액터의 라이브 프로브 값을 전선 위로 실어 나르는, 컨트롤러에서 곧바로 읽어 내는 개방형 기계-대-기계 프로토콜이며, 이것이 바로 전선에서 그래프로 크로스워크가 데이터를 길어 올리는 그 "전선"입니다 — 이 책이 모델링하는 바로 그 bp: 트리플을 산출합니다 — 배치는 bp:BATCH-2026-001 a bp:Batch로 단 한 번 타입 지정되고, 가동은 occursIn bp:BR-101이며, 각 프로브 읽기는 UCUM 단위를 실은 sosa:Observation으로, 모두 배치로 다시 인덱싱됩니다(전체 시연은 전선에서 그래프로입니다). 매핑은 수백 줄에 불과합니다. 그러므로 형식론은 원리상 이식 가능합니다. 현장에 없는 것은 매핑이 아니라, 모든 MES, 데이터 히스토리언(촘촘한 프로브 스트림을 보관하는 시계열 시스템), 트윈이 합의해 발급하는 공유 식별자 체계입니다. 이식 불가능성은 실현 가능성에 관한 사실이 아니라 도입에 관한 사실입니다.

그리고 그 이식성은 단지 단언되는 것이 아니라 검사 가능합니다. 동반 스택이 오픈소스이고 노트북에서 돌아가기 때문입니다. 그 로더가 산출하는 트리플은 이 책의 실행 가능한 ORSD(executable ORSD)(Ontology Requirements Specification Document)로 게이트됩니다: cq-catalog.json의 23개 역량 질의가 validate.py에 의해 CQ별 PASS/FAIL 인수 시험으로 돌아가므로, "길어 올린 그래프가 현장이 필요로 하는 것에 답하는가?"는 의견이 아니라 기계적 검사입니다 — 명세 장이 쌓은 requirements == tests와 같은 규율이며, 동반 지식 그래프 장이 Fuseki 트리플스토어 뒤편에 배포하는 것과 같은 개방형 RDFLib/SPARQL/SHACL 도구입니다. 길어 올린 그래프가 그 스위트를 통과하는 현장은 시험에 대해 이식성을 입증한 것이며, 현장에 여전히 남은 간극은 노트북 위의 초록 체크 표시가 아니라 거버넌스입니다.

두 번째 상용 등급 모델은 통계적입니다. 지속적 공정 검증(Continued Process Verification) — FDA의 공정 검증 3단계로, 공정이 검증된 상태에 머물러 있다는 지속적 보증 — 은 오늘날 골든 배치(golden batch)(과거의 양호한 가동에서 증류해 낸 기준 프로파일) 위의 다변량 통계(multivariate statistics)로 구현됩니다. 배포된 수학은 주성분 분석과 부분 최소제곱(PCA/PLS) — 수십 개의 상관된 공정 변수를 한 줌의 요약 성분(배치의 점수(scores))으로 압축해, 정상 배치가 빽빽한 구름으로 자리 잡는 저차원 공간을 정의하는 방법 — 이며, Hotelling의 T 제곱 통계량과 Q 잔차 통계량이 라이브 배치가 정상 운전의 매니폴드에서 벗어날 때 이를 표시합니다. 이것은 상용 도구에 패키징되어 있고 — MilliporeSigma의 Bio4C ProcessPad, Sartorius/Umetrics SIMCA — 한 ISPE 사례는 이를 5,000-L 스테인리스 스틸 세포 배양 배치에 적용했습니다(이 책의 2,000-L 단회용 mAb-A 리액터보다 큰 규모지만, 다변량 방법은 규모에 독립적입니다) [11]. 그것은 "이 배치가 좋은 배치들과 닮았는가?"에 진짜 엄정함으로 답합니다. 그러나 그것은 온톨로지가 아니라 통계적 데이터 모델(statistical data model, not an ontology)입니다. 거리를 계산할 뿐, 의미를 표상하지는 않습니다. (상용 단계)

구체적으로, mAb-A 캠페인의 골든 배치는 바이오리액터가 실제로 유지한 핵심 공정 변수(critical process parameters) 위에 세운 다변량 포락선입니다 — 정상 운전 범위 36.0–37.0 °C 안의 배양 온도 36.5 °C, 상대 피드율 0.40 베셀-볼륨/일(NOR 0.35–0.45), 그리고 그 곁을 함께 달리는 용존 산소, pH, 생존 세포 밀도와 생존율 — 그리고 그것은 로트가 출하 판정을 받는 핵심 품질 속성(critical quality attributes)에 대해 채점됩니다: SEC %단량체(95.0% 하한 대비 98.611%), CEX %주 전하 변이체, 숙주 세포 단백질(출하된 bp:DS-001은 100 ppm 한계 대비 12.0 ppm으로, 포집 직후 공정 중에 보인 850 ppm을 훨씬 밑돕니다. Protein A 친화 단계가 그 제거의 대부분을 합니다), 잔류 DNA, 그리고 역가입니다. Hotelling의 T 제곱은 가동의 PCA 점수가 과거 양호 배치들의 구름 안에 들어 있는지를 묻고, Q 잔차는 모델이 한 번도 본 적 없는 무언가가 일어났는지를 묻습니다. 그것은 출하 게이트와 공리가 쌓은 바로 그 QbD 어휘 위의 진짜 3단계 엄정함입니다 — 그러나 그것은 점수 공간 안의 통계적 거리이지, 추론기가 따라 걸을 수 있는 노드가 아닙니다. 하류 단위 공정도 같은 방식으로 저마다의 골든 배치 포락선을 지닙니다: 포집 풀의 숙주 세포 단백질과 수율, 바이러스 불활화 유지 시간과 pH, 폴리싱 컬럼의 풀링 컷 포인트, UF/DF 최종 농도와 완충액 교환 종점이 각각 하나의 CPP-그리고-CQA 묶음으로서 저마다의 과거 구름에 대해 채점되며 — 그래프에서는 각각이 자신의 bp: 공정 노드에 매달린 하나의 bp:Quality 트레이스이지, 결코 상류 가동으로 뭉뚱그려지지 않습니다. (상용 단계)

품질 검토자는 이 구조화-대-통계 구분이 직접 관련되는 두 가지를 읽습니다. 첫째는 데이터 무결성(data integrity)입니다: 골든 배치 모델과 MES 배치 레코드는 그 아래의 ALCOA+ 통제만큼만 신뢰할 수 있으며(Attributable, Legible, Contemporaneous, Original, Accurate, 더하여 Complete, Consistent, Enduring, Available — 레코드가 의약품을 대신해 서게 만드는 데이터 무결성 원칙), 그 통제의 법적 효력을 떠받치는 것이 전자 배치 레코드와 그 감사 추적을 서명된 종이만큼 셈하게 만드는 21 CFR Part 11과 EU GMP Annex 11입니다(Part 11 / Annex 11 참조). 정형 온톨로지가 그 장치를 대체하지는 않습니다 — 그러나 그것은 감사 추적을 질의 가능하게 만듭니다: 독점 MES가 누가-무엇을-언제 했는지를 벤더 스키마 안에 담는 곳에서, bp: 그래프는 같은 귀속을 SPARQL 질의가 따라 걸을 수 있는 타입 부여 트리플로 실을 수 있으며, 거버넌스된 그래프가 리콜 추적성을 수작업 재구성에서 추론된 순회로 바꾸는 것은 바로 그 때문입니다. 둘째는 검증 노력(validation effort)입니다: FDA가 CSV(전산 시스템 검증)에서 CSA(Computer Software Assurance — 기계적 스크립팅보다 위험 기반 비판적 사고를 앞세움; CSV에서 CSA로 참조)로 옮겨 감에 따라, 시험의 깊이는 시스템이 출하 결정에 얼마나 영향을 주는지에 비례해 조정됩니다. 배치를 검토 대상으로 표시하는 골든 배치 CPV 모델과, CQA에 정보를 제공하는 미래의 온톨로지 기반 트윈은 둘 다 그 위험 척도에서 높은 곳에 자리하며 — 이것이 정형 계층이 더디게 도착하는 또 하나의 이유입니다: 현장을 모델링하는 것으로는 부족하고, 그 모델이 자신이 기술하는 크로마토그래피 스키드가 이미 통과한 것과 같은 IQ/OQ/PQ 표준으로 적격성 평가(qualified)를 받아야 합니다.

계층	무엇인가	정형 온톨로지인가?	성숙도
ISA-95 / B2MML	ERP↔MES 교환을 위한 XML 정보 모델	아니오 (구조화된 XML)	(상용 단계)
MES 마스터 배치 레코드	독점 전자 레시피 + 계보	아니오 (벤더 모델)	(상용 단계)
CPV / 골든 배치	다변량 통계 (PCA/PLS)	아니오 (통계적)	(상용 단계)
상호운용 메타모델 (AAS, SiLA 2, OPC UA LADS)	상호운용성 / 트윈 메타모델	부분적 / 매핑 가능	(파일럿 단계)
AAS (IEC 63278) — 작업된 예제	디지털 트윈 컨테이너; 명판 + 기술 데이터 서브모델	부분적 (매핑 가능; 여기서 bp:AssetAdministrationShell로 모델링됨)	(파일럿 단계; 이 책의 작업된 예제)
SOSA/SSN	센서 텔레메트리 온톨로지	예 (W3C/OGC)	(표준으로서 상용 단계)
MCBO, NIST DT, IOF Biopharma	정형 바이오공정 온톨로지	예 (BFO/IOF)	(학술 단계 / 제안 단계)

상호운용성 파일럿: 현장으로 손을 뻗는 메타모델

생산 현장 한 계층 위에서, 현장 데이터를 온톨로지가 붙잡을 수 있을 만큼 이식 가능하게 만들어 줄 일군의 표준이 파일럿 중입니다.

Asset Administration Shell(AAS)는 IEC 63278이 정의한 Industrie 4.0의 디지털 트윈 메타모델 — 자산의 정체성과 서브모델(명판, 기술 데이터)을 기술하는 표준화된 컨테이너로, OPC UA에 매핑 가능 — 입니다. ISPE의 Pharma 4.0 Plug & Produce 분과위원회는 검증된 실험실 장비를 AAS와 디지털 트윈으로 통합하는 개념 증명을 발표했습니다(2023) — 상용 배치가 아니라 개념 보고서 단계입니다 [2]. (파일럿 단계)

이 지형에서 이 책이 어디에 서 있는지 짚어 둘 가치가 있습니다. 이 책이 바로 이것의 장난감 판본을 만들었기 때문입니다. 동반 온톨로지는 이미 Asset Administration Shell을 담고 있습니다: 클래스 bp:AssetAdministrationShell(그 정의가 IEC 63278을 인용)과 개체 bp:AAS-BR-101로, 후자의 bp:describesAsset 엣지는 물리적 베셀 bp:BR-101을 가리키며, 명판과 기술 데이터 서브모델은 데이터타입 속성 bp:equipmentManufacturer, bp:assetSerialNumber, bp:maxWorkingVolumeL로 모델링됩니다.

bp:AAS-BR-101  a  bp:AssetAdministrationShell ;
    rdfs:label         "AAS of production bioreactor BR-101" ;
    bp:describesAsset  bp:BR-101 ;          # the shell IS the twin of the real vessel
    bp:maxWorkingVolumeL  "2000.0"^^xsd:float .   # technical-data submodel (2,000-L single-use reactor)

이 설계 수는 파일럿들이 손을 뻗고 있는 바로 그것입니다: bp:describesAsset가 셸을, 계보와 ISA-95 장비 계층(bp:isEquipmentPartOf, 프로세스 셀·영역·사이트·전사로 거슬러 올라가는)과 occursIn 엣지가 이미 사용하는 바로 그 bp:BR-101 개체로 해소하기 때문에, 트윈의 장비 노드와 온톨로지의 장비 노드는 화해시킬 두 개의 레코드가 아니라 — 하나의 IRI입니다. 그 동일성은 작업된 예제에서는 단언하기 값싸지만, 벤더 셸이 즐비한 공장 전반에 소급 적용하기에는 값비쌉니다. AAS가 실제 현장에서 여전히 파일럿에 머무는 것은 바로 그 때문입니다. (파일럿 단계; 이 책의 작업된 예제)

SiLA 2(Standardization in Lab Automation, 버전 2)는 실험실 장비 연결을 위한 개방형 무로열티 표준으로, 분석 데이터를 위한 AnIML과 짝을 이룹니다. 그것은 초기 파일럿 배치 단계에 있습니다. Tecan의 FluentControl을 위한 오픈소스 SiLA 2 커넥터가 Tecan, UniteLabs, Roche의 지원으로 2024년 출시되었고, Roche의 "AC/DC" 콘셉트는 바젤 R&D 환경에서 SiLA 2 드라이버를 사용합니다 [3]. 이 커넥터가 사이트 인수 시험(Site Acceptance Testing)을 통과해 Roche 전반으로 확대되었다는 추가 주장은 공개 근거에서 확인되지 않았으므로, 이는 논외로 둡니다. (파일럿 단계)

OPC UA LADS(OPC 30500, Laboratory and Analytical Device Standard) — 실험실·분석 장비를 위한 최초의 OPC UA 동반 사양으로, 2023년 12월경 출시 — 는 2025년 한 해커톤에서 Allotrope Foundation Ontology 및 ASM과 함께 종단 간으로 시연되어, 통신 표준(전선 위의 라이브 데이터)과 데이터 표준(문서화되고 구조화된 결과)을 하나로 묶었습니다. 공개된 산출물은 명시적으로 출시 제품이 아니라 개념 증명 시뮬레이터입니다 [4]. (파일럿 단계)

마지막으로 SOSA/SSN — W3C/OGC Semantic Sensor Network 온톨로지 — 은 센서, PAT, 바이오리액터 텔레메트리를 의미론적으로 모델링하는 표준적이고 벤더 중립적인 방식입니다 [5]. 그것은 AVEVA PI Asset Framework 같은 자산 프레임워크가 제공하는 독점 맥락화에 대응하는 정형 온톨로지 짝이며 — 이 책이 현장 텔레메트리에 이미 사용하는 형식론입니다: 전선에서 그래프로의 로더는 각 PI 히스토리언 행과 각 OPC UA 변수 읽기를 하나의 sosa:Observation(sosa:observedProperty, sosa:hasSimpleResult, sosa:resultTime)으로 매핑하며, UCUM 코드와 — 존재할 경우 — QUDT 단위 IRI를 함께 싣고, 촘촘한 스트림 자체는 배치와 태그당 단일 bp:hasTrace 인덱스 엣지 뒤편의 히스토리언에 남겨 둡니다. 다시 말해 프로브 읽기는 sosa:Observation으로 모델링되고 정적 그래프에서는 bp:Quality 트레이스로 인덱싱되며 — 바이오리액터 프로세스 자체가 결코 아닙니다. 그 프로세스는 별개의 bp:CCP-001 세포 배양 가동입니다. SOSA/SSN은 성숙한 상용 등급 표준이지만, 특히 제약 현장에서의 도입은 여전히 미미합니다. (표준으로서 상용 단계; 제약 현장 도입은 미미)

AAS에 인접하여, Module Type Package(MTP) — VDI/VDE/NAMUR 사양으로 IEC 63280으로 표준화 — 는 OPC UA 위에 올라타는 프로세스 모듈의 구조화된 플러그-앤-프로듀스 기술로, 단회용 스키드를 맞춤 통합 없이 프로세스 제어 시스템이 오케스트레이션할 수 있게 합니다. 그것은 mAb 공장이 돌아가는 모듈식 단회용 현장에 직접 관련되며 이식성을 향해 손을 뻗습니다 — 그러나 B2MML처럼 그것은 구조화된 기술 형식이지, 모듈의 서비스가 무엇을 의미하는지에 대한 정형 온톨로지가 아닙니다. 표준과 컨소시엄 장이 그것을 더 넓은 지형 안에 자리매김합니다. (파일럿 단계)

바이오공정 온톨로지 그 자체

이제 정형 온톨로지 — 현장의 의미를 실제로 표상하게 될 것들 — 입니다. 그것들은 존재하고, 좋은 작업이며, 그러나 그중 단 하나도 바이오의약품 제조에서 이름이 명시된 상용 배치를 갖고 있지 않습니다.

BioPhorum 바이오제조 온톨로지(biomanufacturing ontology)("Big Data to Smart Data", 2023년 11월)는 바이오제조 공정 데이터를 위한 시스템 독립적 온톨로지입니다. 그것은 NC State의 BTEC에서 검증되었는데, 그곳에서 다섯 대의 바이오리액터에 걸친 OD-프로브 교정 워크플로를 네 시간에서 삼십 분으로 단축했다고 보고되었습니다 [6]. 그 수치는 단일 컨소시엄 개념 증명 데이터포인트입니다 — 대표 지표가 아니라 하나의 검증 사례로 읽으십시오. (파일럿 단계)

두 개의 학술 온톨로지는 이 책 자체의 토대를 직접 적용합니다. NIST의 "Towards Ontologizing a Digital Twin Framework for Manufacturing"(2023)은 BFO와 IOF Core를 사용해 ISO 23247 디지털 트윈 프레임워크를 정형화하며, 바이오리액터를 그 작업된 바이오제조 예제로 삼습니다 [8]. 그리고 MCBO(Mammalian Cell Bioprocessing Ontology, 포유류 세포 바이오공정 온톨로지)는 2026년 초 bioRxiv에 게시된 BFO + IOF Core 허브-앤-스포크 온톨로지로 — 아직 동료 심사를 거치지 않았으며 — 723개의 큐레이션된 세포 배양 인스턴스에 대해 SPARQL 역량 질의로 검증되었고 방화벽 내부 사용을 위해 MIT 라이선스로 배포되었으며, 이름이 명시된 산업 배치는 없습니다 [9]. 이것들은 정확히 우리 bp: 그래프가 그 작은 사촌뻘인 그런 종류의 모델입니다. BFO에 기초하고, IOF에 정렬되며, 질의 가능합니다. (학술 단계)

조율된 참조 노력에 가장 가까운 것은 OAGi/NIIMBL IOF Biopharma 온톨로지 — ISA-88과 ISA-95에 기대어 BFO 및 IOF Core에 정렬된 참조 온톨로지 — 입니다. 공개 릴리스가 2024년 12월에 나왔고, 더 큰 정형 릴리스가 2025년 말로 발표되었습니다 [10]. Pistoia Alliance의 CMC Process Ontology가 이것들을 임포트한다는 주장은 Pistoia 자체 릴리스로 입증되지 않으며, 그 릴리스는 ISA-88/95만을 인용합니다 — 따라서 우리는 그 연결을 단언하지 않습니다. (제안 단계)

그 위에 올라선 디지털 트윈

헤드라인을 장식하는 디지털 트윈은 실재하고 인상적입니다 — 그리고 그것들은 정형 온톨로지가 아니라 하이브리드 기계론·기계학습 모델 위에 세워집니다. Samsung Biologics의 삼중 양식 바이오리액터 트윈은 전산 유체 역학, 제1원리 동역학, 다변량/ML 모델링을 결합합니다. GSK의 폐루프 백신 트윈(2019년부터 Siemens 및 Atos와 함께 구축)은 단일 공정을 둘러싼 제어 루프를 닫습니다 [7]. 둘 다 단일 단위 공정으로 범위가 한정되어 있으며, GSK 사례의 "폐루프" 규정은 2019년 무렵의 벤더 PR에 근거하므로 이는 벤더 주장으로 읽으십시오. 수학은 성숙해 있습니다. 그러나 그 아래의 의미론 — 한 트윈의 모델이 다른 트윈의 모델과 같은 것을 의미하게 해 줄 부분 — 이 빠진 계층입니다. (파일럿 단계)

동반 ML 책은 바로 이런 종류의 트윈을 만듭니다 — 기계론적 골격(비특이 생산성 qP 곱하기 생존 세포 밀도의 적분으로서의 역가)이 추세를 떠받치고, 작은 신경망이 물리가 놓치는 잔차만을 학습하는 병렬 회색 상자(parallel grey-box) 역가 모델로, 바로 이 BATCH-2026-001 위에서 돌아갑니다(하이브리드 모델 장이 실행 가능한 코드를 걷습니다). 그 상호 참조는 ML 스택에서 그래프가 무엇을 위한 것인지를 날카롭게 합니다: 트윈은 통계적 객체이지만, 그 훈련 데이터, 입력, 드리프트 신호는 온톨로지가 타입을 부여하고 거버넌스할 수 있는 노드입니다. 세 가지 연결이 이름 붙일 가치가 있는데, 그것들이 바로 온톨로지가 장식이기를 멈추고 모델을 제약하기 시작하는 지점이기 때문입니다.

첫째, 온톨로지가 모델이 채점되는 그라운드 트루스(ground truth)이지 그 반대가 아닙니다. 학습된 트윈은 유창하고 그럴듯하지만 조용히 틀린 역가를 내놓을 수 있는 반면, 추론된 그래프는 그럴 수 없습니다. 그 bp:derivedFrom 계보와 SHACL 출하 셰이프는 성립하거나 시끄럽게 실패하기 때문입니다. 그 비대칭성이 바로 출하 게이트와 다음 장이 의지하는 검증 패러독스(validation paradox)입니다: 모델은 그럴듯하고 추론된 그래프는 검사 가능하므로, 그래프야말로 모델이 학습하기 전에 그 훈련 부분그래프가 완전하고 잘 타입 지정되었음을 — 모든 배치가 그 bp:derivedFrom 부모를, 모든 CQA가 그 값과 UCUM 단위를 — 인증하는 것입니다. 모델에게 비어 있거나 잘못 라벨된 그래프를 건네면 그것은 조용히 실패하지 않습니다. 자신만만하게 그 간극을 서술합니다. SHACL이 비적합한 검색을 거부하는 것은 비적합한 출하를 거부하는 것과 같은 게이트입니다.

둘째, 인스턴스 위의 학습은 이 장이 다루는 개별화 문제를 그대로 물려받습니다. 트윈은 그 홀드아웃 시험이 진정으로 새로운 운전을 반영할 때만 일반화하며, 이는 한 운전의 시점을 훈련과 시험으로 쪼개 한 배치의 상태가 자기 평가로 누설되게 하는 대신 배치별로 분할하는 것 — 그룹화된, 배치-단위-홀드아웃(leave-one-batch-out) 교차 검증 — 을 뜻합니다(모델과 검증 장이 배치별 분할 규율을 요건으로 만듭니다). 그 그룹화 키는 정확히 이 장이 본래적-대-편의적 분석으로 그 정체성을 지켜 낸 bp:Batch 개체입니다: 이산 라인에서 배치는 자연스러운 폴드이고, "로트"가 시간 구간으로 잘라 낸 편의적 객체가 되는 연속 라인에서는 교차 검증 폴드조차 모델링 결정이 됩니다. 연속 라인 온톨로지를 정체시키는 그 동일한 경계 문제가, 모델에게 "홀드아웃 운전"이 무엇을 뜻하는지마저 흐립니다.

셋째, 온톨로지는 적용 범위(applicability domain) — 새 배치가 모델이 훈련된 운전과 닮았는지를 묻는 검사로, 모델이 제 깊이를 벗어나 추측하기를 거절할 수 있게 함 — 를 공급합니다. 계보 엣지는 어떤 예측이 신뢰되기 전에 배치가 훈련된 포락선 밖에 있는지(새 작업 세포 은행 바이알, 본 적 없는 규모)를 알려 주고, 단위를 실은 sosa:Observation 텔레메트리는 "포락선 밖"을 추측이 아니라 그래프 질의로 만들어 줍니다. 현장에 대해 질문받는 검색 증강 LLM은 그 거울상을 마주합니다: 접지되지 않으면 자신만만하게 지어낸 답을 짓고, bp: 그래프에 접지되어 그래프가 주장을 뒷받침하지 않을 때 기권하도록 만들어지면 대신 참된 계보를 서술합니다 — 프런티어 장이 온전히 펼치는 GraphRAG 논거입니다. 모든 경우에 정형 온톨로지는 통계적 트윈이 할 수 없는 한 가지 — 모델에게 그것이 자신이 아는 것의 바깥에 있을 때를 알려 주는 일 — 를 합니다.

미해결 과제: 현장의 의미는 여전히 독점 모델과 통계 모델 속에 산다

정직한 요약은 불편합니다. GMP 제조 현장에서 작동하는 의미론은 구조화되어 있고(B2MML, MES 배치 레코드, 자산 프레임워크) 통계적입니다(골든 배치 CPV 모델). 정형 온톨로지 계층은 이름이 명시된 상용 거처가 없는 개념 증명들과 학술 온톨로지들의 프런티어입니다. 두 가지 구체적 간극이 이 책이 앞서 도달했던 판단을 되울립니다. 첫째, 연속 공정의 개별화(continuous-processing individuation): 제품이 이산적인 로트가 아니라 연속적으로 흐를 때, 우리 bp:BATCH-2026-001이 의지했던 깔끔한 배치 및 단위 공정 경계가 녹아 없어지고, 연속 라인에서 시간으로 한정된 로트에 대한 정착된 온톨로지는 아직 존재하지 않습니다. 이 책 자체의 용어로 진술하면, 그 문제는 본래적(bona-fide) 경계 대 편의적(fiat) 경계의 문제입니다. 이산 배치는 자연스러운 경계를 가진 물질 개체입니다 — 베셀이 충전되고, 가동되고, 수확됩니다 — 그래서 bp:BATCH-2026-001은 깔끔하게 개별화되고, 이산 물질 위의 전이 관계인 bp:derivedFrom은 연결할 잘 정의된 양 끝점을 갖습니다. 연속 라인에서 제품은 그런 경계가 없는 흐르는 스트림이므로, "로트"는 선택된 시간 구간으로 잘라 낸 편의적 객체(fiat object)가 되고, 개별화 기준은 공정이 건네주는 사실이 아니라 모델링 결정이 됩니다. 어떤 공개 온톨로지도 연속 바이오제조에 대해 그 기준을 정착시키지 못했으며, 이 간극이 단지 아직 안 만들어진 것이 아니라 진정으로 열려 있는 것은 그 때문입니다. 둘째, 데이터 표준화 병목(data-standardization bottleneck) — 디지털 트윈 문헌 전반에서, 모델링도 수학도 아닌 FAIR하고 의미론적인 데이터 표준화가 트윈과 제조 AI를 확장하는 데 있어 으뜸 장애물로 거듭 지목됩니다. 그 "모델링은 풀렸고, 데이터는 풀리지 않았다"는 틀짓기는 단일 리뷰에 크게 기대고 있으니, 확립된 사실이 아니라 옹호할 만한 견해로 다루십시오.

왜 중요한가

이곳이 이 책의 모델이 가장 가혹한 현실을 만나는 지점입니다. 우리 bp: 그래프는 단위 공정을 derivedFrom 엣지와 부착된 CQA를 지닌 깔끔한 공정 노드로 다루었습니다. 실제 현장은 여전히 그 동일한 관계를 독점 마스터 배치 레코드나 통계적 골든 배치 모델에 인코딩합니다 — 둘 다 작동하지만, 둘 중 어느 것도 추론하거나 공유할 수 있는, 거버넌스되고 검증된 온톨로지가 아닙니다. 그리고 그 독점 모델은 단지 이식 불가능한 것이 아니라 화해 불가능합니다: 두 MES 벤더가 같은 물리적 로트에 두 개의 서로 다른 식별자를 발급합니다 — 이 책이 인스턴스와 그래프 이래로 싸워 온 바로 그 개별화 문제입니다. 이 두 이름이 하나의 배치를 가리킨다고 말해 줄 공유 체계가 없으면, 리콜을 추적 가능하게 만드는 계보가 공장 울타리에서 멈춥니다. 거버넌스된 온톨로지란 두 벤더의 행을 추론 대상이 되는 하나의 개체로 바꾸는 것입니다. 현장의 의미를 정형 모델로 바꾸는 일은 미완성이며, 그 이유는 영리함의 부족이 아닙니다. 그것은 규율의 부족입니다 — 공유 식별자, FAIR 데이터, 검증된 어휘 말입니다. 이 책의 마무리 장들이 기술이 아니라 규율을 다루는 것은 바로 그 때문입니다.

실제 현장에서는

현장에서 실제로 출시되는 것과 파일럿에 머무는 것은 깔끔하게 갈라지며, 그 근거는 조사 곳곳에 흩어 두기보다 한곳에 모아 둘 가치가 있습니다. 상용 단계(production)에서는: ISA-95/B2MML 정보 모델이 ERP와 MES 사이로 작업을 옮기며, Genentech의 SAP IDoc 대 B2MML 통합이 SAP으로 하여금 B2MML 콘텐츠 패키지를 출시하게 만들 만큼 구체적입니다 [1]. MES 마스터 배치 레코드는 이 책이 bp:BATCH-2026-001 derivedFrom bp:SEED-001로 모델링하는 계보를, 그리고 거기서 출하된 bp:DS-001과 bp:DP-001 로트에 이르기까지를 담지만, 이식 가능한 그래프가 아니라 벤더 독점 스키마 안에 담습니다. 그리고 골든 배치 위의 다변량 CPV가 상용 도구에서 돌아가며, 한 ISPE 사례는 이를 5,000-L 스테인리스 스틸 세포 배양 배치에 적용했습니다(이 책의 2,000-L 단회용 mAb-A 리액터보다 크고 다른 설비 패러다임이지만, 그 방법은 규모에 독립적입니다) [11]. 파일럿 단계(piloted)에서는: BioPhorum 바이오제조 온톨로지가 NC State의 BTEC에서 단일 OD-프로브 교정 개념 증명으로 검증되었고 [6], Samsung Biologics와 GSK의 디지털 트윈은 실재하지만 각각 하나의 단위 공정으로 범위가 한정되어 있으며 정형 온톨로지가 아니라 하이브리드 기계론·ML 모델 위에 세워집니다 [7]. 학술 단계 또는 제안 단계(academic or proposed)에서는: MCBO, NIST 디지털 트윈 프레임워크, 그리고 OAGi/NIIMBL IOF Biopharma 참조 온톨로지 — BFO와 IOF에 기초한, 정확히 이 책의 bp: 그래프가 속한 그 계열 — 가 아직 이름이 명시된 상용 배치를 갖고 있지 않습니다 [8][9][10]. 패턴은 일관됩니다: 구조화 모델과 통계 모델은 출시되고, 정형적이고 공유 가능한 의미론 계층은 여전히 도착 중인 그것입니다.

핵심 용어

• 정형(OWL) 온톨로지 대 구조화된 모델 — OWL 온톨로지는 추론기(reasoner)가 따라 걷고 추론할 수 있는 RDF 트리플(주어-술어-목적어)의 그래프인 반면, 구조화된 정보 모델(XML 스키마)이나 통계 모델은 데이터를 옮기거나 채점할 뿐 추론할 수는 없다. 어느 현장 시스템이 어느 쪽인지가 이 페이지의 핵심 논지다. 인스턴스와 그래프 참조.
• BFO / IOF Core — Basic Formal Ontology(이 책이 기초로 삼는 상위 온톨로지)와 Industrial Ontology Foundry의 중간 계층 어휘. 학술 바이오공정 온톨로지(그리고 이 책의 bp: 그래프)가 정렬하는 토대.
• FAIR — Findable, Accessible, Interoperable, Reusable. 모델링이나 수학보다 앞서, 트윈을 확장하는 데 으뜸 장애물로 거듭 지목되는 데이터 관리 원칙.
• competency question(역량 질의) — 온톨로지가 올바로 답해야 하는 테스트 질의. 이 책은 자기 것을 ORSD에 대한 validate.py로 돌린다.
• UCUM / QUDT — 각 sosa:Observation에 기계 검증 가능한 단위를 부여하는 측정 단위 표준(Unified Code for Units of Measure; QUDT 단위 온톨로지).
• ISA-95 / B2MML — 전사-제어 통합을 위한 IEC 62264 표준과 그 XML 직렬화. ERP와 MES 사이로 데이터를 옮기는, 정형 온톨로지가 아닌 구조화된 정보 모델.
• 마스터 배치 레코드(master batch record, MBR) — MES가 실행하는 전자 레시피와 그것이 생성하는 실행본 레코드. 배치 계보를 벤더 독점 모델 안에 담는다.
• 지속적 공정 검증(Continued Process Verification, CPV) — FDA의 공정 검증 3단계. 실제 현장에서는 의미론적 모델이 아니라 다변량 통계 모델(골든 배치 위의 PCA/PLS)이다.
• 골든 배치(golden batch) — 과거의 양호한 가동에서 증류해 낸 기준 프로파일로, 라이브 배치를 통계적 거리로 비교하는 기준이 된다.
• Asset Administration Shell(AAS) — 자산의 속성과 역량을 위한 Industrie 4.0 표준화 디지털 트윈 메타모델로, ISPE를 통해 제약용으로 파일럿되었다.
• SiLA 2 / AnIML — 실험실 장비 연결과 분석 데이터를 위한 개방형 무로열티 표준으로, 초기 파일럿 배치 단계에 있다.
• OPC UA LADS — OPC 30500, 실험실·분석 장비를 위한 최초의 OPC UA 동반 사양으로, 개념 증명으로 시연되었다.
• SOSA/SSN — W3C/OGC Semantic Sensor Network 온톨로지. 센서와 PAT 텔레메트리를 모델링하는 벤더 중립적 정형 방식으로, 독점 자산 프레임워크에 대응한다.
• 디지털 트윈(digital twin) — 물리 자산의 라이브 전산 모델. 오늘날 바이오제조 현장에서는 정형 온톨로지가 아니라 하이브리드 기계론·ML 모델 위에 세워진다.
• MCBO — Mammalian Cell Bioprocessing Ontology(포유류 세포 바이오공정 온톨로지). 큐레이션된 세포 배양 인스턴스에 대해 검증된 BFO + IOF Core 학술 온톨로지로, 이름이 명시된 산업 배치는 없다.
• 회색 상자(하이브리드) 트윈 — 기계론적 골격(여기서는 qP 곱하기 생존 세포 밀도의 적분)이 추세를 떠받치고 작은 망이 물리가 놓치는 잔차만을 학습하는 디지털 트윈. 헤드라인을 장식하는 바이오리액터 트윈이 실제로 취하는 형태로, 동반 ML 책이 자세히 다룬다.
• 그룹화/배치-단위-홀드아웃(leave-one-batch-out) 교차 검증 — 학습기의 평가를 배치별로 분할하여 홀드아웃 폴드가 누설된 훈련 운전의 시점이 아니라 진정으로 새로운 운전이 되게 하는 것. bp:Batch 개체가 그룹화 키이며, 이 장의 배치 개별화 문제가 곧 모델 검증 문제이기도 한 까닭이다.
• 적용 범위(applicability domain) — 새 배치가 모델이 훈련된 운전과 닮았는지를 물어 모델이 제 깊이를 벗어나 추측하기를 거절하게 하는 게이트. 온톨로지의 계보와 단위를 실은 텔레메트리가 "포락선 밖"을 그래프 질의로 만든다.
• ALCOA+ / Part 11 / Annex 11 — 배치 레코드와 골든 배치 모델을 법적으로 신뢰 가능하게 만드는 데이터 무결성 원칙과 미국/EU 전자 레코드 법. 거버넌스된 그래프는 같은 감사 추적을 질의 가능하게 만든다. Part 11 / Annex 11 참조.
• CSA(Computer Software Assurance) — FDA의 위험 기반 CSV 후속. 검증 깊이가 시스템이 출하 결정에 얼마나 영향을 주는지에 비례해 조정되며, 그래서 CQA 곁의 온톨로지 기반 트윈은 모델링만이 아니라 적격성 평가를 받아야 한다.
• 실행 가능한 ORSD — 이 책의 요건-즉-시험: validate.py가 PASS/FAIL로 돌리는 cq-catalog.json의 23개 역량 질의로, 길어 올린 현장 그래프가 현장이 필요로 하는 것에 답하는지를 기계적으로 검사한다.

다음 이야기

현장은 우리에게 수학은 성숙했으나 의미는 아직 도착 중인 프런티어를 보여 주었습니다 — 그리고 빠진 계층을 분명히 이름했습니다: 거버넌스되고, 공유되며, 의미론적인 데이터 말입니다. 마지막 장은 그 계층이 마침내 존재할 때 무엇이 가능해지는지를 묻습니다. 다음 장 프런티어: AI의 그라운드 트루스로서의 온톨로지는 온톨로지가 도착하고 있는 곳에서, 그 도착이 왜 가장 중요한가로 시선을 돌립니다: 틀리는 것이 선택지가 아닌 공정에 대해 기계학습과 거대 언어 모델을 정직하게 붙들어 두는 검증 가능한 그라운드 트루스로서 말입니다.