|
Аннотация.
В статье предложен подход к разработке мультиаспектной онтологии для поддержки принятия решений в области технического обслуживания производства. Мультиаспектная онтология основана на многоуровневом подходе к интеграции знаний о различных аспектах комплексной проблемной области (ее составляющих, «подобластях») с сохранением автономности исходных онтологий. Разработанная онтология обеспечивает взаимодействие аспектов с помощью механизмов логического вывода, повышая эффективность информационных потоков и степень автоматизации связанных с ними процессов. Приведенный пример показывает, что предложенный подход может значительно снизить степень вовлеченности операторов в процессы технического обслуживания на предприятии, а также снизить когнитивную нагрузку на операторов и специалистов по техническому обслуживанию.
Ключевые слова:
мультиаспектная онтология, поддержка принятия решений, производственная система, техническое обслуживание производства.
DOI 10.14357/20718632240205
EDN MVPWUM
Стр. 52-64. Литература
1. Kumar R. et al. A cyber physical production system framework for online monitoring, visualization and control by using cloud, fog, and edge computing technologies // International Journal of Computer Integrated Manufacturing. 2023. Vol. 36, № 10. P. 1507–1525. 2. Ansari F. Knowledge Management 4.0: Theoretical and Practical Considerations in Cyber Physical Production Systems // IFAC-PapersOnLine. 2019. Vol. 52, № 13. P. 1597–1602. 3. European Commission. New European Interoperability Framework: Promoting seamless services and data flows for European public administrations [Electronic resource]. 2017. P. 48. URL: https://ec.europa. eu/isa2/sites/isa/files/eif_brochure_final.pdf. 4. Hafidi M.M. et al. Semantic web and machine learning techniques addressing semantic interoperability in Industry 4.0 // International Journal of Web Information Systems. 2023. Vol. 19, № 3/4. P. 157–172. 5. Атаева О.М., Калёнов Н.Е., Серебряков В.А. Онтологический подход к описанию единого цифрового пространства научных знаний // Электронные библиотеки. 2021. Том 24, № 1. С. 3–19. 6. Дородных Н.О., Николайчук О.А., Юрин А.Ю. Использование онтологических шаблонов содержания при построении баз знаний для технического обслуживания и ремонта авиационной техники // Онтология проектирования. 2022. Том 12, № 2. С. 158–171. 7. Gruber T.R. A translation approach to portable ontology specifications // Knowledge Acquisition. 1993. Vol. 5, № 2. P. 199–220. 8. Семенова В.А., Смирнов С.В. Модели и методы онтологического анализа данных в задаче структурного анализа и синтеза технических решений // Онтлогия проектирования. 2023. Том 13, № 4. С. 531–547. 9. Грибова В.В., Паршкова С.В., Федорищев Л.А. Онтологии для разработки и генерации адаптивных пользовательских интерфейсов редакторов баз знаний // Онтология проектирования. 2022. Том 12, № 2. С. 200–217. 10. Кудрявцев Д.В., Гаврилова Т.А., Смирнова М.М., Головачева К.С. Построение онтологии знаний потребителя в маркетинге: кроссдисциплинарный подход // Искусственный интеллект и принятие решений. 2021. № 3. С. 19–32. 11. Bader S.R. et al. A Knowledge Graph for Industry 4.0 // Lecture Notes in Computer Science. Springer, 2020. Vol. 12123. P. 465–480. 12. Шахнов В.А. и др. Представление знаний в информационных системах с учетом свойств наноразмерных объектов и материалов // Информационные технологии и управляющие системы. 2014. № 4. С. 89–96. 13. Боргест Н.М. Онтология проектирования научного направления: формирование, развитие, примеры // Онтология проектирования. 2022. Том 12, № 2. С. 136–157. 14. El Zaatari S. et al. Cobot programming for collaborative industrial tasks: An overview // Robotics and Autonomous Systems. 2019. Vol. 116. P. 162–180. 15. Kumar V.R.S. et al. Ontologies for Industry 4.0 // Knowledge Engineering Review. 2019. Vol. 34. P. e17. 16. Meriem H., Nora H., Samir O. Predictive Maintenance for Smart Industrial Systems: A Roadmap // Procedia Computer Science. 2023. Vol. 220. P. 645–650. 17. Загорулько Ю.А. и др. Автоматизация разработки онтологий научных предметных областей на основе паттернов онтологического проектирования // Онтология проектирования. 2021. Том 11, № 4. С. 500–520. 18. Lim S.C.J., Liu Y., Lee W.B. A methodology for building a semantically annotated multi-faceted ontology for product family modelling // Advanced Engineering Informatics. 2011. Vol. 25, № 2. – P. 147–161. 19. Karray M.H., Chebel-Morello B., Zerhouni N. A formal ontology for industrial maintenance // Applied Ontology. 2012. Vol. 7, № 3. P. 269–310. 20. Cruz I.F., Xiao H. Ontology Driven Data Integration in Heterogeneous Networks // Complex Systems in Knowledgebased Environments: Theory, Models and Applications. Studies in Computational Intelligence. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009. Vol. 168. P. 75–98. 21. Quinton C. et al. Towards multi-cloud configurations using feature models and ontologies // Proceedings of the 2013 international workshop on Multi-cloud applications and federated clouds - MultiCloud ’13. New York, New York, USA: ACM Press, 2013. P. 21. 22. Hemam M., Boufaïda Z. MVP-OWL: a multi-viewpoints ontology language for the Semantic Web // International Journal of Reasoning-based Intelligent Systems. 2011. Vol. 3, № 3/4. P. 147. 23. Fernández-López M., Gómez-Pérez A. Overview and analysis of methodologies for building ontologies // Knowledge Engineering Review. 2002. Vol. 17, № 2. P. 129–156. 24. Noy N.F., McGuinnnes D.L. Ontology Development 101: A Guide to Creating Your First Ontology. 2001. 25 p. 25. Хорошевский, В.Ф. Проектирование систем программного обеспечения под управлением онтологий: модели, методы, реализации // Онтология проектирования. 2019. Том 9, № 4. С. 429–448. 26. Smirnov A. et al. Methodology for Multi-Aspect Ontology Development: Ontology for Decision Support Based on Human-Machine Collective Intelligence // IEEE Access. 2021. Vol. 9. P. 135167–135185. 27. Fiorini S.R. et al. Extensions to the core ontology for robotics and automation // Robotics and Computer-Integrated Manufacturing. 2015. Vol. 33. P. 3–11. 28. Giustozzi F., Saunier J., Zanni-Merk C. Context Modeling for Industry 4.0: an Ontology-Based Proposal // Procedia Computer Science. 2018. Vol. 126. P. 675–684. 29. SD3 - Simulation Delivery and Documentation Deviations [Electronic resource]. 2015. URL: http://aber-owl.net/ontology/ SD3.
|
