Semantische Modellierung und Reasoning für Kontextinformationen in Infrastrukturnetzen
Beschreibung
vor 16 Jahren
Infrastrukturen wie Verkehrs- und Energienetze bilden das Rückgrat
unserer Gesellschaft und Wirtschaft. Präzises Wissen über den
aktuellen technischen Zustand der Infrastrukturkomponenten gilt als
Grundvoraussetzung zur Befriedigung des ständig wachsenden
Kapazitätsbedarfs und zur Erhöhung der Kosteneffizienz,
insbesondere bei der Instandhaltung. Zwar liefern
Fernüberwachungssysteme verschiedener Organisationen bereits heute
unterschiedlichste Statusinformationen. Es fehlt jedoch ein
generischer Ansatz zur integrierten Auswertung dieser Daten, um
komplexe Gesamtzustände der Infrastrukturkomponenten abzuleiten.
Diese Arbeit versteht die Zustandsüberwachung für
Infrastrukturnetze als ein kontextsensitives System im Sinne der
Ambient Intelligence (Umgebungsintelligenz):
Fernüberwachungssysteme liefern Kontextinformationen}, und anstelle
der Situation einer Entität soll damit der Zustand eines
Überwachungsobjekts ermittelt werden. Da sich hierfür bei
kontextsensitiven Systemen wissensbasierte Ansätze bewährt haben,
überträgt diese Arbeit einen solchen Ansatz auf die
Zustandsüberwachung in Infrastrukturnetzen. Damit sollen generische
Verfahren sowohl zur Integration als auch zur Auswertung
(Reasoning) von Kontextinformationen in Infrastrukturnetzen
konzipiert und umgesetzt werden. Eine Analyse von Schienen- und
Stromnetzen identifiziert als Anforderungen unter anderem die
Interoperabilität der Kontextinformationen zwischen Systemen und
Betreibern sowie die Möglichkeit, auch komplexe Zustände ableiten
zu können. Die Standards des Semantic Web auf Basis der
Beschreibungslogik SHIN bieten hierfür eine attraktive Grundlage
und gewährleisten sowohl die Umsetzbarkeit als auch die
Zukunftstüchtigkeit. Für die automatisierte Auswertung (Reasoning)
müssen die Besonderheiten von Infrastrukturnetzen berücksichtigt
werden: Einerseits fallen Kontextinformationen von
Überwachungssystemen räumlich verteilt und bei verschiedenen
Organisationen an. Deshalb werden Verfahren entwickelt, die
konjunktive Anfragen auch bei verteilten Wissensbasen korrekt und
vollständig beantworten. Dies wird theoretisch gezeigt und
praktisch evaluiert. Andererseits müssen topologiebezogene Anfragen
beantwortet werden, wie die Suche nach optimalen Pfaden und
k-nächsten Nachbarn. Dazu wird eine hierarchische Modellierung des
Infrastrukturnetzes entwickelt. Ein generisches Konzept ermöglicht
es, damit verschiedene Verfahren für topologiebezogene Anfragen
umzusetzen. Zur praktischen Umsetzung dieser Konzepte in einem
Zustandsüberwachungssystem wird eine geschichtete Systemarchitektur
spezifiziert. Ein Fallbeispiel aus dem europäischen Schienenverkehr
zeigt ihre Realisierung: Mehrere Organisationen stellen unter
anderem Achslast-, Gleisgeometrie- und Schienenprofilmessungen als
Kontextinformationen zur Verfügung. Unabhängig von deren Verteilung
über ganz Europa werten die entwickelten Reasoningverfahren die
Semantik der Systemontologie aus und demonstrieren so die
zustandsorientierte Wartung des Schienennetzes.
unserer Gesellschaft und Wirtschaft. Präzises Wissen über den
aktuellen technischen Zustand der Infrastrukturkomponenten gilt als
Grundvoraussetzung zur Befriedigung des ständig wachsenden
Kapazitätsbedarfs und zur Erhöhung der Kosteneffizienz,
insbesondere bei der Instandhaltung. Zwar liefern
Fernüberwachungssysteme verschiedener Organisationen bereits heute
unterschiedlichste Statusinformationen. Es fehlt jedoch ein
generischer Ansatz zur integrierten Auswertung dieser Daten, um
komplexe Gesamtzustände der Infrastrukturkomponenten abzuleiten.
Diese Arbeit versteht die Zustandsüberwachung für
Infrastrukturnetze als ein kontextsensitives System im Sinne der
Ambient Intelligence (Umgebungsintelligenz):
Fernüberwachungssysteme liefern Kontextinformationen}, und anstelle
der Situation einer Entität soll damit der Zustand eines
Überwachungsobjekts ermittelt werden. Da sich hierfür bei
kontextsensitiven Systemen wissensbasierte Ansätze bewährt haben,
überträgt diese Arbeit einen solchen Ansatz auf die
Zustandsüberwachung in Infrastrukturnetzen. Damit sollen generische
Verfahren sowohl zur Integration als auch zur Auswertung
(Reasoning) von Kontextinformationen in Infrastrukturnetzen
konzipiert und umgesetzt werden. Eine Analyse von Schienen- und
Stromnetzen identifiziert als Anforderungen unter anderem die
Interoperabilität der Kontextinformationen zwischen Systemen und
Betreibern sowie die Möglichkeit, auch komplexe Zustände ableiten
zu können. Die Standards des Semantic Web auf Basis der
Beschreibungslogik SHIN bieten hierfür eine attraktive Grundlage
und gewährleisten sowohl die Umsetzbarkeit als auch die
Zukunftstüchtigkeit. Für die automatisierte Auswertung (Reasoning)
müssen die Besonderheiten von Infrastrukturnetzen berücksichtigt
werden: Einerseits fallen Kontextinformationen von
Überwachungssystemen räumlich verteilt und bei verschiedenen
Organisationen an. Deshalb werden Verfahren entwickelt, die
konjunktive Anfragen auch bei verteilten Wissensbasen korrekt und
vollständig beantworten. Dies wird theoretisch gezeigt und
praktisch evaluiert. Andererseits müssen topologiebezogene Anfragen
beantwortet werden, wie die Suche nach optimalen Pfaden und
k-nächsten Nachbarn. Dazu wird eine hierarchische Modellierung des
Infrastrukturnetzes entwickelt. Ein generisches Konzept ermöglicht
es, damit verschiedene Verfahren für topologiebezogene Anfragen
umzusetzen. Zur praktischen Umsetzung dieser Konzepte in einem
Zustandsüberwachungssystem wird eine geschichtete Systemarchitektur
spezifiziert. Ein Fallbeispiel aus dem europäischen Schienenverkehr
zeigt ihre Realisierung: Mehrere Organisationen stellen unter
anderem Achslast-, Gleisgeometrie- und Schienenprofilmessungen als
Kontextinformationen zur Verfügung. Unabhängig von deren Verteilung
über ganz Europa werten die entwickelten Reasoningverfahren die
Semantik der Systemontologie aus und demonstrieren so die
zustandsorientierte Wartung des Schienennetzes.
Weitere Episoden
vor 11 Jahren
vor 11 Jahren
vor 11 Jahren
In Podcasts werben
Kommentare (0)