Historian tag-quality 프로그램은 잘못된 engineering unit과 flatline을 쫓는다. Compression trap은 공정이 아니라 deadband를 탐지하는 모델을 잡아낸다. 더 조용한 독은 네임스페이스 안에 있다: alias와 collision—한때 다른 것을 의미했던 두 tag가 이제 같은 주소를 가리키거나, "새로운" soft sensor가 운영팀이 급하게 이름을 바꾼 오래된 spare point를 읽는 것이다. Feature store와 RAG 없는 ML 파이프라인은 익숙한 문자열을 기꺼이 받아들인다. 플랜트는 바뀌었다. 라벨은 이를 고백하지 않았다.
Alias collision이 태어나는 방식
| 패턴 | 다운스트림에서 무엇이 깨지는가 | | --- | --- | | 새 description, 옛 address로 copy-paste한 tag | 모델이 잘못된 physical signal로 훈련됨 | | 옛 이름을 은퇴시키지 않고 재사용된 spare point | 두 feature가 training에서는 불일치, 상상 속에서는 일치 | | 한 경로에서만 이루어진 unit conversion | 같은 tag 문자열이 consumer에 따라 다른 스케일 | | 영구화된 임시 교체 | "TI-441"은 이제 P&ID 밖 모든 곳에서 pressure다 |
이 중 어느 것도 악의를 필요로 하지 않는다. 필요한 것은 PLC에서 멈추고 analytics dictionary에는 결코 도달하지 못하는 MoC다.
익숙한 이름은 신원이 아니다.
두 문자열이 하나의 address를 공유한다면, 당신의 feature store에는 진실의 분기점이 있다.
학습을 정직하게 유지하는 통제
- Tag rename/repoint를 같은 change package 안에서 analytics catalog를 업데이트하는 MoC로 취급하라.
- Address + browse path + engineering unit을 신원으로 저장하라—표시 이름만이 아니라.
- Collision audit을 실행하라: 같은 address에 여러 활성 tag, 같은 이름에 여러 address.
- 해결된 신원으로 training manifest를 동결해 retrain이 조용히 잘못된 twin을 고르지 못하게 하라.
- 모델 drift 경보가 오면 "더 세게 retrain"하기 전에 "tag가 움직였나?"를 먼저 물어라.
Backtest에서 훌륭해 보였던 익명화된 soft-sensor 프로젝트는 라인에서 실패했는데, training tag가 shutdown 중 spare transmitter로 재라우팅된 뒤 결코 복원되지 않았기 때문이었다. 알고리즘은 문제가 없었다. 명사가 거짓이었다.
인접 경계
Historian compression ML trap은 storage에서 온 거짓 feature를 소유한다. Tag data-quality 브리프는 unit과 flatline을 소유한다. Override telemetry는 human force label을 소유한다. Semantic catalog는 agent를 위한 meaning을 소유한다. 이 페이지는 AI poison으로서의 tag identity collision을 소유한다. 모델 카드를 축하하고 나서 신호가 같은 이름 아래에서 움직였다는 것을 발견하지 말라.