Leveraging semantic technologies for the application in multi-domain digital twins

Abstract

Das Konzept des Digitaler Zwilling (Digital Twin, DT) hat in letzter Zeit an Zugkraft gewonnen. Ein DT ist die virtuelle Darstellung einer physischen Anlage und ermöglicht den Datenaustausch. Ein wesentlicher Bestandteil solcher DTs sind Simulationsmodelle. Um groß angelegte digitale Zwillinge zu ermöglichen, können mehrere Simulationsmodelle verwendet werden. Dies ermöglicht es, Teilsysteme separat zu modellieren, anstatt sie in einem großen Modell zusammenzufassen. Ein Beispiel für einen solchen groß angelegten Bereich ist der Eisenbahnbereich. Da diese aus mehreren verschiedenen heterogenen Domänen und Teilsystemen besteht, stellt der Datenaustausch zwischen den verschiedenen Domänen ein Problem dar, da unterschiedliche Standards und Werkzeuge verwendet werden. Semantische Datenmodell bietet eine Technik zur Integration von Daten aus verschiedenen Bereichen in einer maschineninterpretierbaren Form. Um dies zu erreichen, können semantische Technologien zur Entwicklung einer Ontologie verwendet werden. Ziel dieser Arbeit ist es, eine Ontologie für die Anwendung im Projekt Rail4Future (R4F)zu erstellen, um Komponenten eines Simulationsmodells zu beschreiben und zusätzliche Informationen über solche Modelle bereitzustellen. Dabei wird eine dem Stand der Technik entsprechende Methodologie für das Ontologie-Engineering verwendet. Schließlich wird ein Arbeitsablauf vorgeschlagen, um die Ontologie in die Erstellung von Simulationstopologien zu integrieren. Die Arbeit bietet ein Werkzeug, mit dem Nicht-Ontologie-Experten ihre Daten in den Knowledge Graph (KG) integrieren können.

The concept of a Digital Twin (DT) has gained traction recently. A DT is the virtual representation of a physical asset and allows for data exchange. A vital part of such DTs are simulation models. To facilitate large-scale digital twins, multiple simulation models can be used. This enables modeling subsystems separately rather than within a large model. An example of such a large-scale domain is the railway domain. As it consists of multiple different heterogeneous domains and subsystems, data exchange between the various domains poses a problem as they use different standards and tools. Semantic data model offers a technique to integrate data from different domains in a machine-interpretative form. In order to achieve that, semantic technologies can be used to develop an ontology. This thesis sets out to create an ontology for the application in the Rail4Future (R4F) project to describe components of a simulation model as well as provide additional information about such models. It follows a state-of-the-art methodology for ontology engineering. Finally it proposes a workflow to integrate the ontology in creating simulation topologies. It provides a tool that enables non-ontology experts to integrate their data into the Knowledge Graph (KG).