Ontology-based data integration and knowledge change management in multi-disciplinary engineering environments

Abstract

Aktuelle Entwicklungen im Bereich der Ingenieurswissenschaften, die besser unter dem Begriff „Industrie 4.0“ bekannt sind, erfordern flexiblere Produktionssysteme. Diese Art von modernen Produktionssystemen werden typischerweise als disziplinübergreifende Engineering-Umgebungen entworfen, in denen Akteure unterschiedlichster Ingenieursdisziplinen, Daten von verschiedenen, heterogenen Datenquellen integrieren, und Änderungen innerhalb dieser integrierten Datenquellen verwalten müssen, um Änderungen an einem Datensatz in anderen relevanten Datensätzen widerzuspiegeln. Aus diesem Grund sind disziplinübergreifende Engineering-Umgebungen stark auf eine Integration der Daten zwischen den verschiedenen Akteuren und Ingenieursdisziplinen angewiesen. Technologien aus dem Forschungsbereich Semantic Web unterstützen eine solche übergreifende Datenintegration mittels sogenannten ontologiebasierten Datenintegrationsansätzen, die ihren Bedingungen entsprechend, Voraussetzungen für die Unterstützung von Managementansätzen von Wissensänderungen in disziplinübergreifenden Engineering-Umgebungen sind. Für ontologiebasierte Datenintegrationen wurden bisher drei Ansätze vorgeschlagen: kombinierte Ontologien, die domänenübergreifend, alle Entitäten beinhalten, multiple Ontologien, die untereinander auf Entitäten verweisen, und hybride Ontologien, die auf ein gemeinschaftliches Vokabular zurückgreifen. Eine solche Klassifizierung wurde jedoch als zu allgemein erachtet, um zu entscheiden, welcher der Ansätze am geeignetsten im Bereich von disziplinübergreifenden Engineering-Umgebungen ist. Eine erste Herausforderung besteht darin, zu verstehen was unter der Eignung von ontologiebasierten Datenintegrationsvarianten für disziplinübergreifende Engineering-Umgebungen verstanden wird und wie die Möglichkeiten, die diese Ansätze bieten erweitert werden können. Nachdem das Management von Wissensänderungen hauptsächlich auf Ansätzen für kombinierte Ontologien untersucht wurde, besteht die zweite Herausforderung in der Bereitstellung von Techniken für das Management von Wissensänderungen, die auch für komplexere ontologiebasierte Datenintegrationsansätze, wie zum Beispiel hybride Ansätze anwendbar sind. Um die erste Herausforderung zu adressieren, wird in dieser Dissertation die Machbarkeit und Eignung von ontologiebasierten Datenintegrationsansätzen in disziplinübergreifenden Engineering-Umgebungen bewertet. Dafür wird ein neuer Ansatz für ontologiebasierte Datenintegration namens Global-as-View vorgeschlagen und die Kriterien für eine Klassifizierung von ontologiebasierten Datenintegrationvarianten ausgearbeitet, welche danach eine qualifizierte Entscheidungsgrundlage für unterschiedlichen Szenarien disziplinübergreifender Engineering-Umgebungen bilden. Der zweite Teil der Arbeit adressiert die Forschungslücke im Bereich der Unterstützung von Wissensänderungen in komplexen, ontologiebasierten Datenintegrationen. An dieser Stelle wird in der Arbeit eine Auswahl an Anforderungen für das Management von Wissensänderungen für komplexe ontologiebasierte Datenintegrationen im disziplinübergreifenden Engineering-Umgebungen, auf Basis von Anwendungsfällen der Domäne, definiert. Aus diesen zugrundeliegenden Anforderungen wird ein generisches, technologieunabhängiges Rahmenwerk für das Management von Wissensänderungen für hybride und Global-as-View Szenarien in der ontologiebasierten Datenintegration entwickelt. Um diesen Ansatz zu evaluieren, wird ein spezifischer Bezugsrahmen für das Management von Wissensänderungen als Forschungsprototyp realisiert, und anhand dessen eine Machbarkeitsstudie durchgeführt. Die wichtigsten Beiträge der Dissertation sind: (1) eine systematische Literaturrecherche, die Anwendungsarten von ontologiebasierten Datenintegrationen in disziplinübergreifenden Engineering-Umgebungen beinhaltet, auf deren Basis ein neue Variante einer ontologiebasierten Datenintegration und ein dementsprechender Leitfaden für die Auswahl einer solchen Variante, basierend auf den Charakteristiken des jeweiligen Anwendungsaspekts, vorgeschlagen wird; (2) eine Evaluierung des vorgeschlagenen Leitfadens für die Auswahl von ontologiebasierten Datenintegrationen, mit dem Ziel, spezifische, prototypische Anwendungen für ontologiebasierte Datenintegration für zwei konkrete Anwendungsfälle aus dem Bereich des disziplinübergreifenden Ingenieursumgebung zu verwirklichen; (3) die Definition eines generischen Rahmenwerks für das Management von Wissensänderungen für disziplinübergreifende Engineering-Umgebungen und dessen Evaluierung.

The recent developments in the engineering domain, often associated with the German term “Industrie 4.0”, require more flexible production systems. Such modern production systems are typically designed in Multi-Disciplinary Engineering Environments (MDEEs), where stakeholders from diverse engineering disciplines need to integrate data from heterogeneous data sources and manage changes within the integrated data sources, so that changes in one dataset are reflected in other relevant data sources. MDEEs, therefore, strongly rely on data integration across various stakeholders and engineering disciplines. Semantic Web Technologies support data integration using Ontology-Based Data Integration (OBDI) approaches, which, on their term are a prerequisite to support knowledge change management in MDEEs. Three variants of OBDI approaches have been proposed: single-ontology, multipleontology, and hybrid approaches. However, this classification is deemed too generic for understanding which approaches are most suitable in MDEEs. A first challenge, on the one hand, consists in understanding the suitability of OBDI approach variants for diverse MDEE scenarios and considering potential extensions thereof. On the other hand, since the topic of knowledge change management has been primarily investigated for single-ontology OBDI approaches, a second challenge therefore consists in providing knowledge change management techniques that are also applicable for more complex OBDI approaches (e.g., hybrid approaches). To address the first challenge, in this thesis, we evaluate the feasibility and suitability of OBDI approaches for diverse MDEE use cases. We propose a new OBDI variant called Global-as-View OBDI and distill criteria for classifying OBDI variants that allow for their informed selection for use in diverse MDEE scenarios. Our second line of work addresses the gap in supporting knowledge change management in complex OBDI variants. To that end, we define a set of knowledge change management requirements for complex OBDI in MDEE based on use cases from the engineering domain. Based on these requirements, we develop a generic, technology-agnostic framework of knowledge change management for hybrid and Global-as-View OBDI scenarios. To evaluate our approach, we instantiate the reference framework as a research prototype and conduct an initial feasibility study. The main outputs of the thesis are: (1) a systematic literature review on OBDI applications in MDEE, based on which we propose a new OBDI variant and guidelines for the selection of OBDI variants based on application context characteristics; (2) the evaluation of the OBDI selection guidelines to design concrete prototypes of OBDI applications for tackling two use cases in MDEEs; and (3) the definition of a generic knowledge change management framework for MDEEs and its feasibility evaluation.