Beiträge des Semantic Web zum Engineering für Industrie 4.0

  • Marta Sabou
  • Olga Kovalenko
  • Fajar Ekaputra
  • Stefan Biffl
Living reference work entry
Part of the Springer NachschlageWissen book series

Zusammenfassung

Ein wesentlicher Aspekt für die Umsetzung der Vision von Industrie 4.0 ist die Verbesserung des Engineering-Prozesses von Produktionssystemen . Dieses Kapitel untersucht, welche Beiträge Semantic Web Technologien zu Engineering-Prozessen von Industrie 4.0 einbringen können. Dazu wird ein Analyse-Framework entwickelt, in dem die hauptsächlichen Fähigkeiten von Semantic Web Technologien dargestellt werden, und werden diejenigen technischen Aufgaben diskutiert, die in Industrie 4.0 spezifischen mechatronischen Engineering Szenarien den größten Vorteil aus Verbesserungen ziehen könnten.

Dieses Framework wird einer fokussierten Review aktueller Ansätze zugrunde gelegt, die Semantic Web Technologien im Kontext des Engineerings von Produktionssystemen verwenden. So soll ein besseres Verständnis erlangt werden, welche Fähigkeiten der Technologien welche technischen Aufgaben gut unterstützen. Die Analyse zeigt, dass Semantic Web Technologien vor allem für die Integration und das Management von Unternehmensdaten in verschiedenen Aspekten des Engineerings, vom Anforderungsmanagement bis hin zur Simulation und zu Projektmanagement, verwendet werden. Durch den Fokus auf Datenintegration und Konsistenzmanagement wird das Potential der Web-orientierten Fähigkeiten des Semantic Web vorerst nicht ausgeschöpft.

Schlüsselwörter

Semantic Web Engineering von Produktionssystemen Charakteristika von Semantic Web Technologien Analyse-Framework Literaturstudie 

Literatur

  1. Abele L, Legat C, Grimm S, Muller AW (2013) Ontology-based validation of plant models. In: Industrial Informatics (INDIN), 2013 11th IEEE international conference on. IEEE, S 236–241Google Scholar
  2. Bauernhansl T, ten Hompel M, Vogel-Heuser B (Hrsg) (2014) Industrie 4.0 in Produktion, Au- tomatisierung und Logistik. Wiesbaden: SpringerGoogle Scholar
  3. Commission IE et al (2008) IEC 62424. Representation of process control engineering-requests in P&I diagrams and data exchange between P&ID tools and PCE-CAE toolsGoogle Scholar
  4. Feldmann S, Kernschmidt K, Vogel-Heuser B (2014) Combining a SysML-based modeling Ap- proach and semantic technologies for analyzing change influences in manufacturing plant models. In: Proceedings of the 47th CIRP conference on manufacturing systems, S 451–456Google Scholar
  5. Feldmann S, Rösch S, Legat C Vogel-Heuser B (2014) Keeping requirements and test cases consistent: towards an ontology-based approach. In: 12th IEEE international conference on industrial informatics, INDIN, S 726–732Google Scholar
  6. Feldmann S, Herzig SJI, Kernschmidt K, Wolfenstetter T, Kammerl D, Qamar A, Lindemann U, Krcmar H, Paredis CJJ, Vogel-Heuser B (2015) Towards effective management of inconsistencies in model-based engineering of automated production systems. In: Proceedings of IFAC symposium on information control in manufacturing (INCOM 2015)Google Scholar
  7. Gruber TR (1993) A translation approach to portable ontology specifications. Knowl Acquis 5(2):199–220CrossRefGoogle Scholar
  8. Grünwald A, Winkler D, Sabou M, Biffl S (2014) The semantic model editor: efficient data modeling and integration based on OWL ontologies. In: Proceedings of the 10th international conference on semantic systems, SEM ’14, S 116–123. ACMGoogle Scholar
  9. Kobilarov G, Scott T, Raimond Y, Oliver S, Sizemore C, Smethurst M, Bizer C, Lee R (2009) Media meets semantic web – how the BBC Uses DBpedia and linked data to make connections. In: Proceedings of the 6th European semantic web conference on the semantic web: research and applications. Springer, S 723–737Google Scholar
  10. Kovalenko O, Debruyne C, Serral E, Biffl S (2013) Evaluation of technologies for mapping representation in ontologies. In: On the move to meaningful internet systems: OTM 2013 conferences. Springer, S 564–571Google Scholar
  11. Kovalenko O, Serral E, Sabou M, Ekaputra FJ, Winkler D, Biffl S (2014) Automating cross- disciplinary defect detection in multi-disciplinary engineering environments. In: Knowledge engineering and knowledge management. Springer, S 238–249Google Scholar
  12. Legat C, Lamparter S, Vogel-Heuser B (2013) Knowledge-based technologies for future Factory engineering and control. In: Borangiu T, Thomas A, Trentesaux D (Hrsg) Service orientation in holonic and multi agent manufacturing and robotics, studies in computational intelligence, Bd 472. Springer, Berlin/Heidelberg, S 355–374CrossRefGoogle Scholar
  13. Legat C, Seitz C, Lamparter S, Feldmann S (2014) Semantics to the shop floor: towards ontology modularization and reuse in the automation domain. In: Proceedings of 19th IFAC world congress, cape town, South Africa, S 355–374Google Scholar
  14. Lüder A, Schmidt N Challenges of mechatronical engineering of production systems – an automation system engineering view. Submitted for peer-reviewGoogle Scholar
  15. Mika P (2009) Year of the monkey: lessons from the first year of search monkey. In: Informatik 2009: Im Focus das Leben, Beiträge der 39. Jahrestagung der Gesellschaft für Informatik e.V. (GI), 28.9.-2.10.2009, Lübeck, proceedingsGoogle Scholar
  16. Novák P, Sindelár R (2011) Applications of ontologies for assembling simulation models of industrial systems. In: Proceedings of the confederated international conference on on the move to meaningful internet systems, OTM’11. Springer, S 148–157Google Scholar
  17. Oberle D (2014) How ontologies benefit enterprise applications. Semantic Web 5(6):473–491Google Scholar
  18. Sabou M, Brasoveanu A, Onder I (2015) Linked data for cross-domain decision-making in tourism. In: Proceedings of the of the 22nd ENTER conferenceGoogle Scholar
  19. Schleipen M, Drath R, Sauer O (2008) The system-independent data exchange format caex for supporting an automatic configuration of a production monitoring and control system. In: Industrial electronics, 2008. ISIE 2008. IEEE international symposium on, S 1786–1791. IEEEGoogle Scholar
  20. Schmidt N, Lüder A, Biffl S, Steininger H (2014) Analyzing requirements on software tools according to functional engineering phase in the technical systems engineering process. In: Proceedings of the 19th IEEE international conference on emerging technologies and factory automation (ETFA). IEEEGoogle Scholar
  21. Shadbolt N, Berners-Lee T, Hall W (2006) The semantic web revisited. IEEE Intell Syst 21(3):96–101CrossRefGoogle Scholar
  22. Simperl E (2009) Reusing ontologies on the semantic web: a feasibility study. Data Knowl Eng 68(10):905–925CrossRefGoogle Scholar
  23. Skjæveland MG, Lian EH, Horrocks I (2013) Publishing the norwegian petroleum directorate’s fact pages as semantic web data. In: Proceedings of the 12th international semantic web conference, ISWC ’13. Springer, New York, S 162–177Google Scholar
  24. Tasso C, Arantes e Oliveira (Hrsg) (1998) Development of knowledge-based systems for engineering. Wien: SpringerGoogle Scholar
  25. Terkaj W, Urgo M (2014) Ontology-based modeling of production systems for design and perfor- mance evaluation. In: Industrial Informatics (INDIN), 2014 12th IEEE international conference on, S 748–753. IEEEGoogle Scholar
  26. Terkaj W, Urgo M (2012) Virtual factory data model to support performance evaluation of production systems. In: Proceedings of OSEMA 2012 workshop, 7th international conference on formal ontology in information systems, Graz, S 24–27Google Scholar
  27. Vyatkin V (2013) Software engineering in industrial automation: state-of-the-art review. IEEE Trans Ind Inf 9(3):1234–1249CrossRefGoogle Scholar
  28. Willmann R, Biffl S, Serral E (2014) Determining qualified production processes for new product ramp-up using semantic web technologies. In: Proceedings of the 14th international conference on knowledge technologies and data-driven business, i-KNOW ’14. ACMGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2015

Authors and Affiliations

  • Marta Sabou
    • 1
  • Olga Kovalenko
    • 1
  • Fajar Ekaputra
    • 1
  • Stefan Biffl
    • 1
  1. 1.Institut für Softwaretechnik und Interaktive SystemeTechnische Universität WienWienÖsterreich

Personalised recommendations