Accessing manufacturing data through virtual knowledge graphs : on the value and semantic peculiarities of time series data

Abstract

Das Ziel, die Produktivität von industriellen Fertigungsanlagen durch den Einsatz von Informationstechnologie zu erhöhen und dadurch Hochlohnländer im globalen Wettbewerb zu stärken steht im Mittelpunkt von Initiativen wie "Industrie 4.0" und "Smart Manufacturing". Im Zuge dieser selbsternannten Revolutionen versuchen fertigende Unternehmen unter anderem, den Erfolg von datengetriebenen Geschäftsmodellen auf Basis von Datenanalyse nachzuahmen. Die Idee, dass verborgene Informationen und Wissen in den Fertigungsdaten zu finden sind, führte zu einer schnell wachsenden Anzahl "intelligenter" Messgeräte in modernen Fertigungsanlagen. Trotz eines anhaltenden Hypes und erheblicher Anstrengungen seitens Wissenschaft und Industrie sind konkrete Ergebnisse vor allem im nichtwissenschaftlichen Umfeld jedoch immer noch vergleichsweise rar. Das Ziel dieser Arbeit ist es, diese Lücke zwischen angenommenem Potential von Fertigungsdaten und ihrer tatsächlichen Nutzung zu untersuchen und zu überwinden. Hierfür werden zwei Anwendungsszenarien aus industriellen Forschungsprojekten analysiert und bearbeitet. Es stellt sich heraus, dass nicht die Datenanalyse selbst, sondern vielmehr Datenzugriff der limitierende Faktor für die breitere Anwendung in der Fertigungstechnik ist. In Verbindung damit bringt die Wichtigkeit zeitlicher Daten in diesem Bereich weitere Komplikationen mit sich. Basierend auf dieser Analyse wird ontologie-basierter Datenzugriff (OBDA) vorgestellt, um einige der erkannten Herausforderungen zu überwinden. Um diesen Ansatz zu validieren, wurde eine Proof-of-Concept Implementierung entwickelt und mittels qualitativen Interviews mit Benutzern bewertet. Weiters wurde ein umfassenderer Prototyp entwickelt, der dazu genutzt wurde um den aktuellen Stand der Technik auf seine Anwendbarkeit hin zu überprüfen. Zu diesem Zweck wurde eine domänenspezifische, temporale Ontologie entwickelt, die insbesondere für den Zugriff auf von Sensoren generierte Messdaten zugeschnitten ist. Es zeigt sich, dass dadurch zwar einige grundsätzliche Probleme gelöst, viele wichtige Anwendungsfälle jedoch nicht abgebildet werden können. Daher wird, ausgehend von den domänenspezifischen Anforderungen der aktuelle Stand der Forschung auf dem Gebiet von OBDA mit Aggregationen über komplexe Zeitfenster erweitert. Hierbei handelt es sich um einen neueren, intuitiveren Modellierungsansatz, der eine formale Sprache umfasst, die mit Intervallaggregatfunktionen, Allens Intervallbeziehungen und verschiedenen metrischen Beziehungen für Zeitreihendaten ausgestattet ist. Auf Basis dieser Sprache werden bisher nicht realisierbare Anwendungsfälle aus der Praxis präsentiert und deren Abbildbarkeit experimentell durch Analyse von Realdaten validiert.

The goal of increasing the productivity of industrial manufacturing plants through the use of information technology and thereby strengthening high-wage countries in global competition is the focus of initiatives such as "Industry 4.0" and "Smart Manufacturing". As part of these self-proclaimed revolutions, manufacturing companies are, among other things, trying to emulate the success of data-driven business models based on data analytics. The idea that hidden information and knowledge can be found in manufacturing data led to a rapidly growing number of "smart" sensors in modern manufacturing facilities. Despite persistent hype and considerable efforts on the part of science and industry, concrete results are still relatively rare, especially in the non-academic environment. This work aims to investigate and overcome this gap between the assumed potential of manufacturing data and its actual use. For this purpose, two application scenarios from industrial research projects are analyzed. It turns out that it is not data analysis itself, but rather data access that is the limiting factor for a broader application in the manufacturing domain. In connection with this, the importance of temporal data in this domain brings further complications. Based on this analysis, ontology-based data access (OBDA) is introduced to overcome some of the identified challenges. To validate this approach, a proof-of-concept implementation was developed and evaluated through qualitative interviews with users. Furthermore, a comprehensive prototype was developed, which was used to check the current state of the art for its applicability. For this purpose, a domain-specific, temporal ontology was developed, which is tailored in particular for access to measurement data generated by sensors. It turns out that this solves some fundamental problems, but many essential applications still cannot be illustrated. Therefore, based on the domain-specific requirements, the current state of research in the field of OBDA is extended with aggregations over complex time windows. This approach represents a novel, more intuitive modelling approach that includes a formal language equipped with interval aggregate functions, Allen's interval relationships, and various metric relationships for time series data. Based on this language, use cases that used to be unfeasible to realise with previous tools are presented. Also, their feasibility is experimentally validated through the analysis of real-world manufacturing data.