语义模型在智能工业运营中的作用

介绍

本文着眼于语义模型设计和技术在工业运营集成中的应用，以及语义计算的不断发展的作用。比较语义（数据）建模。作为应用程序架构的核心组件，以更熟悉的架构集成模式。功能能力描述了语义模型的操作基础。语义模型的价值通过一系列读者应该熟悉的例子来说明。

只匹配比赛;因此，为了通过区分其绩效来竞争，每家公司都必须明智地应用领先实践。语义计算现在具有足够的工业应用，可以被认为是一种领先的实践。因此，建议以各种方式补充传统技术和可能的长期增强功能，以促进安全性和完整性。

在围绕更智能工厂解决方案的讨论中,通常会描述三个关键要素，其中语义概念是关键要素。这三个关键要素，分别是“仪表化（Instrumented）”、“智能（Intelligent）”和“互连（Interconnected）”。这些元素支持这样一种观点，即从我们周围的世界收集了大量数据，如果我们使用三个“I”来联合数据，就会产生运营智能，从而推动围绕关键业务任务的及时沟通、响应和优化。在这种方法中，重要的是能够解释数据以进行及时分析并从各种格式和上下文的各种来源中获得理解。使用语义计算，计算和分析被推广到将它们应用到的相似对象的所有实例。

现实世界中的数据会不断变化。因此，结构需要是自适应的，而不是严格预定义的。这种差异被称为“开放世界”与“封闭世界”。语义建模及其技术可识别基础数据的变化以及这些变化的潜在相互作用。然而，在大多数情况下，语义的作用是在适当的上下文中及时提醒认类，以便可以识别对这些变化的响应并采取适当的行动。

实施的语义模型可以将来自任何连接数据存储的数据联合到一个灵活、自适应、适合用途的模型中，该模型利用和扩展行业标准和本体。当语义模型与执行分析、逻辑、报告、视图等的应用程序相结合时，这些应用程序可以轻松且一致地应用和调整，全球制造商正在真正发展到一个环境，在这个环境中，业务和运营人员可以直接控制其数据、业务和运营规则，以及业务和运营流程。一些人将这种演变称为“不断演变的无处不在的计算模型”，因为计算能力已经变得高度分散和普遍。

工业架构的设计必须能够处理不断变化的、不同的数据以及数据之间隐含的实际关系。数据源包括结构化和非结构化数据、传感器数据（当前值和历史值）、图像、音频和视频。此外，必须识别建议的数据更改的交互作用，以便将协调更改做为规则，并且将变更降至最低。当前的数据处理不仅不能很好地适应标准的关系持久性结构，而且还面临着在上下文中理解这些数据并适应经过经验的添加、删除和更改，同时又不会带来不必要的复杂性的挑战。

语义计算的另一个主要用途是监控工业设施中部署的无数不同系统和服务的整体机械完整性。开发通用本体是一回事，这是开发语义模型的先决条件，但定期验证适用于运营中的工业设施的法规，标准，政策，程序等的合规性计划的完整性是完全不同的事情。核查要求确认遵守了计划，系统配置已获批准，所需关键设备正在运行，或者在无法获得这种确认的情况下，正在作出特别努力，以适当的方式监测增加的风险。如果事件继续，系统应以这样一种方式上报警报，即人类无法抑制发送到更高级别的消息。

在我们的世界中，相互依赖和互动变得过于相互关联，以至于不得不使用技术来帮助我们验证对既定意图的遵守情况。也许是时候使用语义技术来监控和验证安全性和一般合规性，包括强大的、敏捷的治理。

考虑一个更智能的城市交通管理应用程序。实时交通数据通过交通灯传感器、交通部 (DOT) 速度传感器和摄像机提供。对准确交通流量预测至关重要的其他数据可以来自各种来源，包括天气报告；事故报告；推文；交通中断；日历活动，如假期；季节性趋势，如海滩交通；游行、节日或重大体育赛事、紧急调度事件等特殊活动；和重大新闻事件。大量数据源用它们自己的术语描述事件，这可能与其他来源的术语有所不同。所有这些数据都必须以可用的形式被同化并在上下文中理解，并且必须解释事件之间的关系以推断情报。

道路、信号、传感器等代表了交通网络的基本模型。当前读数、传感器状况、事件声明、车辆等都代表了道路系统的状况和每条道路的活动水平。这是要解释的更瞬态的数据,模型更改的频率较低。在后台独立验证，从而受制于适当的治理模型和开发的使用模式。事实上，甚至可以通过监控预算、施工进度等来预测模型的变化。当前的读数和新闻源（无论其来源如何）更加动态，并且在短时间内验证更具挑战性。