Новітні підходи обробки технологічної інформації промислових систем автоматизації на основі баз знань
DOI:
https://doi.org/10.31548/Анотація
Статтю присвячено аналізу існуючих та синтезу новітніх підходів до обробки технологічної інформації промислових систем автоматизації в контексті моделювання цифрових двійників різнотипних взаємопов’язаних ділянок та систем. Метою дослідження є аналіз проблематики моделювання баз знань та підвищення ефективності обробки інформації з врахуванням гетерогенних даних. Об’єктом дослідження обрано системи автоматизації трьох дільниць цукрового виробництва: дифузія, дефекосатурація та випарювання. У рамках дослідження розроблено загальну асоціативну карту, що дозволяє чітко структурувати дані промислових систем автоматизації, утворювати зв’язки та насичувати дані контекстом для подальшої обробки. Розроблено семантичну модель бази знань, яка визначає зони впливу даних та дозволяє отримати схему даних, з врахуванням різнотипності даних. Створена семантична модель дозволяє проводити швидкий пошук по контексту та за критеріями, аналізувати вплив підсистем одна на одну, розраховувати ступінь схожості у інформації та аномаліях, що важливо при математичному моделюванні та синтезі мульти-шарового або когнітивного цифрового двійника процесів. На базі семантичної моделі розроблено модель візуалізації ділянок виробництва, яка включає: технологічну документацію, дані з SCADA систем, промислові архіви даних, зовнішні джерела та бази знань через WEB за допомогою метазнань. Використовуючи мову Clojure, було згенеровано запити з пошуку за зонами впливу, контексту, згадкам, розраховувано схожість в знаннях, що дозволяє поєднувати моделі декількох систем без значного збільшення витрат, що в результаті визначає структуру цифрового двійника з урахуванням можливих змін в системах знань, що в сумі гарантує систематизований та ефективний підхід до збору, обробки та збереження даних, а також їхню інтеграцію з іншими технологічними підсистемами. Додатковою перевагою є можливість поєднання окремих вже описаних цифрових двійників у багатошарову комплексну модель, що дозволяє отримати детальне представлення технологічного процесу та підвищити ефективність ухвалення рішень.
Ключові слова: онтологія, цифровий двійник, база знань, дані, інтелектуальні системи управління знаннями, автоматизація
Посилання
1. Gao, T., Chai, Y. and Liu, Y. (2018). A review of knowledge management about theoretical conception and designing approaches. International Journal of Crowd Science, 2 (1), 42–51. Available at: https://doi.org/10.1108/ijcs-08-2017-0023
2. Chavez, V., Wollert, J. (2024). Development of an Industry 4.0 Ontology to Enable Semantic Interoperability at the Field Level, Sensors and Transducers, 265 (2), 139–147. Available at: https://www.researchgate.net/publication/381120487
3. Singh, S., Shehab, E., Higgins, N., Fowler, K., Reynolds, D., Erkoyuncu, J.A., Gadd, P. (2020). Data management for developing digital twin ontology model. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 235 (14), 2323–2337. Available at: https://doi.org/10.1177/0954405420978117
4. Kafeza, E., Drakpopoulos, G., Mylonas, P. (2024). Graph Neural Networks in PyTorch for Link Prediction in Industry 4.0 Process Graphs. IFIP Advances in Information and Communication Technology, 220–234. Available at: https://doi.org/10.1007/978-3-031-63219-8_17
5. Cimino, A., Longo, F., Mirabelli, G., Solina, V., Verteramo, S. (2024). An ontology-based, general-purpose and Industry 4.0-ready architecture for supporting the smart operator (Part II – Virtual Reality case). Journal of Manufacturing Systems, 73, 52–64. Available at: https://doi.org/10.1016/j.jmsy.2024.01.001
6. D’Amico, R.D., Sarkar, A., Karray, M.H., Addepalli, S., Erkoyuncu, J.A. (2024). Knowledge transfer in Digital Twins: The methodology to develop Cognitive Digital Twins // CIRP Journal of Manufacturing Science and Technology, 52, 366–385. Available at: https://doi.org/10.1016/j.cirpj.2024.06.007
7. Zheng, X., Petrali, P., Lu, J., Turrin, C., Kiritsis, D. (2022). RMPFQ: A Quality-Oriented Knowledge Modelling Method for Manufacturing Systems Towards Cognitive Digital Twins // Frontiers in Manufacturing Technology, 2. Available at: https://doi.org/10.3389/fmtec.2022.901364
8. Rongen, S., Nikolova, N., Mark (2023). Modelling with AAS and RDF in Industry 4.0. Computers in Industry, 148, 103910: https://doi.org/10.1016/j.compind.2023.103910
9. Valdez-Valenzuela, A., Gómez-Adorno, H. (2024). text2graphAPI: A library to transform text documents into different graph representations. SoftwareX, 101888. Available at: https://doi.org/10.1016/j.softx.2024.101888
10. Blankenberg, C., Gebel-Sauer, B., Schubert, P. (2022). Using a graph database for the ontology-based information integration of business objects from heterogenous Business Information Systems. Procedia Computer Science, 314–323. Available at: https://doi.org/10.1016/j.procs.2021.12.019
11. Sun, Q., Luo, Y., Zhang, W., Li, S., Li, J., Niu, K., Kong, X., Liu, W. (2024). Docs2KG: Unified Knowledge Graph Construction from Heterogeneous Documents Assisted by Large Language Models. arXiv. Available at: https://arxiv.org/abs/2406.02962
12. Abonyi, J., Nagy, L., Tamás (2024). Ontology-Based Development of Industry 4.0 and 5.0 Solutions for Smart Manufacturing and Production. Available at: https://books.google.com.ua/books?hl=ru&lr=&id=_bfrEAAAQBAJ&oi=fnd&pg=PR5&dq=ontology+knowledge+management+in+SCADA&ots=_UDeFsHuOX&sig=b_9W_QTb-NfAHVicu-CQkJ6aeIE&redir_esc=y#v=onepage&q=ontology%20knowledge%20management%20in%20SCADA&f=false
13. Gebreab, S., Musamih, A., Salah, K., Jayaraman, R., Boscovic, D. (2024). Accelerating Digital Twin Development with Generative AI: A Framework for 3D Modeling and Data Integration. IEEE Access, 1–1. Available at: https://doi.org/10.1109/access.2024.3514175
Опубліковано
Номер
Розділ
Ліцензія
Стосунки між правовласниками і користувачами регулюються на умовах ліцензії Creative Commons Із Зазначенням Авторства – Некомерційна – Поширення На Тих Самих Умовах 4.0 Міжнародна (CC BY-NC-SA 4.0):https://creativecommons.org/licenses/by-nc-sa/4.0/deed.uk
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див.The Effect of Open Access).
