Техніка та енергетика

ОНТОЛОГІЧНА СИСТЕМА ПІДТРИМКИ ПРИЙНЯТТЯ УПРАВЛІНСЬКИХ РІШЕНЬ ВИРОБНИЧИХ ЗАДАЧ ХАРЧОВОГО ПІДПРИЄМСТВА

Наталія Миколаївна Луцька, Лідія Олександрівна Власенко, Анатолій Петрович Ладанюк, Наталія Анатоліївна Заєць, Ігор Вацлавович Коробійчук
Завантажити статтю
Анотація

Ресурсо- та енергоефективність промислового виробництва, зокрема харчового, є визначальною вимогою, що забезпечить його функціонування без втрат якості та кількості кінцевої продукції. Це досягається дотриманням вимог до режимних параметрів технологічних процесів підприємства та оперативних їх змін. З огляду на ускладнення функціонування енергетичної складової Світу та України в зв’язку з військовими діями та їх наслідками, загострилося питання співвідношення якості та собівартості. Тому для великих виробничих підприємств актуальним стає розробка систем підстем підтримки прийняття управлінських рішень відповідно до концепції Ідустрії 4.0. Це сприятиме підвищенню виробничих та економічних показників підприємства за рахунок скоординованих дій всіх ланок виробничої діяльності шляхом структурування та обробки великих масивів різнорідної інформації. Метою статті є розробка системи підтримки прийняття рішень для задачі вибору структури автоматизованої системи керування на основі онтологічної бази знань. Розроблена прикладна онтологія використовує описову логіку та інтерпретується як частина цифрового двійника виробництва, що реалізується єдиною онтологічною базою знань та онтологічним сховищем. Враховуючи існуючі міжнародні стандарти для реалізація онтологічної бази знань обрана мова OWL2. Архітектура онтологічної системи містить онтологічний сервер, Node-Red-застосунок та форму користувача. Система підтримки прийняття проєктних рішень, яка видає рекомендації на основі запитів щодо структури системи керування для технологічного об’єкта з невизначеностями, з урахуванням поставлених вимог і обмежень для кожного технологічного процесу харчового підприємства скорочує час на вибір відповідних структур, схем та методів. Таким чином, проєктант отримує необхідну інформацію, що підкріплена знаннями з предметної області, для синтезу ефективної автоматизованої системи керування. Також передбачається, що онтологічна система буде розширена шляхом підключення нових створених прикладних онтологій, що реалізують суміжні задачі промислового підприємства

Ключові слова

система керування, технологічний об’єкт, робастний регулятор, прикладна онтологія, математична модель, предметна область, система підтримки прийняття рішень

ЦИТУВАТИ
Lutska, N., Vlasenko, L., Ladanyuk, A., Zaiets, N., & Korobiichuk, I. (2022). Ontological support system of managerial decision-making of production tasks for a food enterprise. Machinery & Energetics, 13(3), 53-61. https://doi.org/10.31548/machenergy.13(3).2022.53-61
Використані джерела

[1] Digital twins for industrial applications white paper. (2018). Retrieved from https://hub.iiconsortium.org/portal/ Whitepapers/5e95c68a34c8fe0012e7d91b.

[2] Qi, Q., & Tao, F. (2018). Digital twin and big data towards smart manufacturing and industry 4.0: 360 degree comparison. Ieee Access, 6, 3585-3593. doi: 10.1109/ACCESS.2018.2793265.

[3] Wikipedia. (n.d.). Retrieved from https://en.wikipedia.org/wiki/Main_Page.

[4] Wikidata. (n.d.). Retrieved from https://www.wikidata.org.

[5] Turki, H., Shafee, T., Taieb, M.A.H., Aouicha, M.B., Vrandečić, D., Das, D., & Hamdi, H. (2019). Wikidata: A large-scale collaborative ontological medical database. Journal of Biomedical Informatics, 99, article number 103292. doi: 10.1016/j.jbi.2019.103292.

[6] Pfundner, A., Schönberg, T., Horn, J., Boyce, R.D., & Samwald M. (2015). Utilizing the Wikidata system to improve the quality of medical content in Wikipedia in diverse languages: A pilot study. Journal of Medical Internet Research, 17(5), article number 4163. doi: 10.2196/jmir.4163.

[7] Putman, T.E., Lelong, S., Burgstaller-Muehlbacher, S., Waagmeester, A., Diesh C., Dunn, N., & Good, B.M. (2017). WikiGenomes: An open web application for community consumption and curation of gene annotation data in Wikidata. Database, 2017, 1-9. doi: 10.1093/database/bax025.

[8] Andra, W., Stupp, G., Sebastian, B.M., Good, B.M., Malachi, G., Griffith, O.L., & Su, A.I. (2020). Wikidata as a knowledge graph for the life sciences. In eLife. Computational and Systems Biology, 9, article number e52614. doi: 10.7554/eLife.52614.

[9] Shafee, T., Mietchen, D., & Su, A.I. (2017). Academics can help shape Wikipedia. Science, 357(6351), 557-558. doi: 10.1126/science.aao0462.

[10] Färber, M., Bartscherer, F., Menne, C., & Rettinger, A. (2018). Linked data quality of dbpedia, freebase, opencyc, wikidata, and yago. Semantic Web, 9(1), 77-129. doi: 10.3233/SW-170275.

[11] Ocker, F., Paredis, C., & Vogel-Heuser, B. (2019). Applying knowledge bases to make factories smarter. Automatisierungstechnik, 67(6), 504-517. doi: 10.1515/auto-2018-0138.

[12] Baader, F., Horrocks, I., Lutz, C., & Sattler, U. (2017). Introduction to description logic. Cambridge: Cambridge University Press. doi: 10.1017/9781139025355.

[13] OWL 2. Web ontology language. Structural specification and functional-style syntax. W3C Recommendation. (2012). Retrieved from https://www.w3.org/TR/2012/REC-owl2-syntax-20121211/.

[14] Jindal, R., Seeja, K.R., & Jain, S. (2020). Construction of domain ontology utilizing formal concept analysis and social media analytics. International Journal of Cognitive Computing in Engineering, 1, 62-69. doi: 10.1016/j.ijcce.2020.11.003.

[15] Jiang, L., Shi, J., & Wang, C. (2022). Multi-ontology fusion and rule development to facilitate automated code compliance checking using BIM and rule-based reasoning. Advanced Engineering Informatic, 51, article number 101449. doi: 10.1016/j.aei.2021.101449.

[16] Schmidt, D., Trojahn, C., & Vieira, R. (2019). Matching BFO, DOLCE, GFO and SUMO: An evaluation of OAEI 2018 matching systems. Ontology Matching Between Domain and Top-Level Ontologies, 2519, article number 7.

[17] International Organization for Standardization. ISO/IEC 21838-2. Information technology – top-level ontologies. Part 2: Basic Formal Ontology. (2019). Retrieved from https://www.iso.org/standard/74572.html.

[18] Otte, J.N., Beverley, J., & Ruttenberg, A. (2022). BFO: Basic formal ontology. Applied Ontology, 17(1), 17-43. doi: 10.3233/AO-220262. 

[19] Zouaq, A., & Nkambou, R. (2010). A survey of domain ontology engineering: Methods and tools. Advances in Intelligent Tutoring Systems, SCI, 308, 103-119. doi: 10.1007/978-3-642-14363-2_6.

[20] Diamantini, C., Potena, D., & Storti, E. (2016). SemPI: A semantic framework for the collaborative construction and maintenance of a shared dictionary of performance indicators. Future Generation Computer Systems, 54, 352-365. doi: 10.1016/j.future.2015.04.011.

[21] Hildebrandt, C., Köcher, A., Küstner, C., López-Enríquez, C.M., Müller, A.W., Caesar, B., & Fay, A. (2020). Ontology building for cyber-physical systems: Application in the manufacturing domain. IEEE Transactions on Automation Science and Engineering, 17(3), 1266-1282. doi: 10.1109/TASE.2020.2991777.

[22] Bennett, S. (2017). Robust Control: Systems, theory and analysis. New York: Nova.

[23] Apkarian, P., & Noll, D. (2019). Optimization-based control design techniques and tools. In Encyclopedia of Systems and Control (pp. 1-9). London: Springer. doi:10.1007/978-1-4471-5102-9_144-2.

[24] Lutska, N.M. (2021). Robust optimal control systems for complex technological objects of food industry (Doctoral thesis, National University of Life and Environmental Sciences of Ukraine, Kyiv, Ukraine).

[25] Lutska, N.M., Zaiets, N.A., Vlasenko, L.O., Shtepa, V.M., & Savchuk, O.V. (2021). Forecasting the efficiency of the control system of the technological object on the basis of neural networks. IEEE 20th international conference on modern electrical and energy systems (MEES), 2021, 1-6. doi: 10.1109/MEES52427.2021.9598540.

[26] Zaiets, N., Kondratenko, I., Lutskaya, N., Zhyltsov, A., & Usenko, S. (2020). Modeling and robust optimization of the technological mode of electrotechnological complexes with the renewable energy systems of heat. E3S Web of Conferences, 154(04006), 254-272. doi: 10.1051/e3sconf/202015404006.

[27] ISO/IEC 21838-2:2021. (2021). Information technology – top-level ontologies (TLO) – Part 2: Basic formal ontology (BFO). Retrieved from https://www.iso.org/standard/74572.html.

[28] Wilson, R., Goonetillake, J., Ginige, A., & Indika, W. (2021). Analysis of ontology quality dimensions, criteria and metrics. International Conference on Computational Science and its Applications, 2021, 320-337. doi: 10.1007/978-3-030-86970-0_23.

[29] Zakaria, N.H., Hassan, R., Othman, R.M., & Asmuni, H. (2015). Maturity-based analysis of lightweight ontology from the aspect of extensibility, reusability and evolutionary. International Journal of Advances in Soft Computing and its Application, 7, 55-74.

[30] Brank, J., Mladenic, D., & Grobelnik, M. (2006). Gold standard-based ontology evaluation using instance assignment. Evaluation of Ontologies for the Web (EON 2006), 2006, 1-5.