Метод и средства интеграции онтологий разнородных источников данных в автоматизированных системах управления промышленных предприятий тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат наук Кузнецов, Дмитрий Павлович

• Кузнецов, Дмитрий Павлович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Кузнецов, Дмитрий Павлович

Оглавление

Введение

Глава 1. ПОДХОДЫ К ИНТЕГРАЦИИ РАЗНОРОДНЫХ ИСТОЧНИКОВ ДАННЫХ В АСУ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ

1.1. Методы и проблемы интеграции данных

1.2. Средства интеграции данных на основе онтологического подхода

1.3 Постановка задачи диссертационного исследования

Глава 2. МЕТОД ИНТЕГРАЦИИ ОНТОЛОГИЙ РАЗНОРОДНЫХ ИСТОЧНИКОВ ДАННЫХ В АСУ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ. МАТЕМАТИЧЕСКИЙ АППАРАТ

2.1 Обоснование выбранного решения

2.2 Метод интеграции онтологий разнородных источников данных в АСУ промышленного предприятия

2.3 Математический аппарат интеграции онтологий разнородных источников данных в АСУ промышленного предприятия

Выводы по главе 2

Глава 3. РАЗРАБОТКА И АНАЛИЗ АЛГОРИТМОВ МЕТОДА СЕМАНТИЧЕСКОЙ ИНТЕГРАЦИИ РАЗНОРОДНЫХ АСУ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ

3.1. Последовательность этапов интеграции онтологий разнородных АСУ промышленных предприятий при формировании корпоративного хранилища данных

3.2. Оценка вычислительной сложности алгоритмов интеграции онтологий

разнородных АСУ промышленных предприятий

Выводы по главе 3

Глава 4. ПРИМЕНЕНИЕ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ К РЕШЕНИЮ ПРИКЛАДНОЙ ЗАДАЧИ ИНТЕГРАЦИИ РАЗНОРОДНЫХ ИСТОЧНИКОВ ДАННЫХ ПРЕДМЕТНОЙ ОБЛАСТИ «ХРАНЕНИЕ И ПЕРЕРАБОТКА

ЗЕРНА»

4.1 Анализ предметной области

4.2. Реализация автоматизированной системы

4.3. Внедрение метода и средств интеграции онтологий разнородных АСУ

на ОАО «Вологодский комбинат хлебопродуктов»

Выводы по главе 4

Заключение

Список литературы

Приложение А. Алгоритм нечеткого сравнения строк

Приложение Б. Алгоритм семантического поиска строк

Введение диссертации (часть автореферата) на тему «Метод и средства интеграции онтологий разнородных источников данных в автоматизированных системах управления промышленных предприятий»

Введение

Актуальность темы исследования и степень её разработанности.

Современные российские промышленные предприятия, многие из которых функционируют на протяжении длительного периода времени, обычно имеют громоздкую и сложную информационную инфраструктуру, включающую источники данных различных автоматизированных систем управления (АСУ), -базы данных разных форматов, электронные таблицы, текстовые файлы и т.д.

Такое положение, сложившееся в результате многолетней «островковой» автоматизации, усложняет совместное использование данных из различных источников, снижая оперативность и достоверность при подготовке данных для принятия управленческих решений на уровне предприятия.

В настоящее время многие промышленные предприятия решают задачу интеграции данных различных АСУ, выбирая надежный и проверенный способ консолидации данных в единое корпоративное хранилище (Data Warehouse).

В силу возможного (и весьма вероятного) наличия структурных, лексических и семантических конфликтов в различных источниках данных, формирование хранилища данных представляет собой сложный многоэтапный процесс, который нужно рассматривать в контексте более общей задачи управления корпоративными знаниями.

В связи с этим пристального внимания заслуживает онтологический подход к интеграции данных, который развивается в работах А.Н. Бездушного[61], И.А. Васильева[63], И.С. Михайлова[95], Т.А. Гавриловой[67]. Важные вопросы управления производством представлены в работах Д.А. Поспелова[98,97], Ю.И. Клыкова[75], Р.И. Макарова[93,59], Д.В. Александрова[59], А.В. Кострова[59,94], П. Мертенса[94].

Анализ показал, что в настоящее время не существует теоретически обоснованного метода интеграции онтологий разнородных источников данных АСУ, на рынке программного обеспечения представлены лишь частичные решения для автоматизации отдельных этапов процесса интеграции данных, при этом специфика промышленных предприятий в них не учитывается. В связи с

этим тема диссертации, посвященная семантической интеграции разнородных данных АСУ промышленного предприятия на базе онтологического подхода, является актуальной.

Дополнительным мотивом для выполнения диссертационного исследования явилась острая необходимость интеграции данных различных АСУ на Вологодском комбинате хлебопродуктов с целью преодоления проблем многолетней «островковой» автоматизации предприятия.

Объектом исследования являются процессы интеграции автоматизированных систем управления на промышленных предприятиях.

Предмет исследования - модели, методы и алгоритмы интеграции онтологий разнородных источников данных АСУ промышленных предприятий.

Цели и задачи. Основной целью настоящей работы является повышение оперативности и достоверности при подготовке данных для принятия управленческих решений на промышленных предприятиях.

В соответствии с заявленной целью необходимо решить следующие задачи:

1. Провести анализ существующих методов интеграции АСУ, выявить преимущества онтологического подхода к интеграции данных.

2. Разработать метод семантической интеграции онтологий, извлеченных из источников данных АСУ промышленных предприятий, позволяющий осуществить глубокую интеграцию и устранить лексические и семантические конфликты разнородных источников данных.

3. Проанализировать имеющийся математический аппарат для поддержки процесса интеграции онтологий, при необходимости выполнить его модификацию.

4. Разработать алгоритмы для поддержки процесса интеграции онтологий.

5. Разработать прототип автоматизированной системы интеграции данных АСУ промышленного предприятия.

Научная новизна работы заключается в следующем:

- разработаны: новая научная идея по определению семантической близости понятий и атрибутов онтологий разнородных источников данных АСУ

промышленных предприятий, множество операций интеграции онтологий и алгоритм поиска семантически близких понятий и атрибутов онтологий;

- предложен нетрадиционный подход к семантической интеграции онтологий, извлеченных из разнородных источников данных АСУ, с использованием базовой онтологической модели промышленного предприятия, позволяющий устранить структурные, лексические и семантические конфликты в процессе интеграции;

- доказана перспективность и практическая значимость исследований для решения задачи интеграции источников данных АСУ промышленных предприятий;

- введены измененные трактовки понятий семантической и лексической близости применительно к элементам онтологий.

Теоретическая значимость работы:

- доказаны положения, вносящие вклад в расширение представлений об интеграции онтологий разнородных источников данных АСУ промышленных предприятий за счет применения идей и технологий «Semantic Web»;

- применительно к проблематике диссертации результативно (эффективно, то есть с получением обладающих новизной результатов) использован комплекс существующих базовых методов исследования, в том числе численных методов, экспериментальных методик, методов теории множеств и дескрипционной логики;

- изложены идеи и положения, доказывающие применимость предлагаемого подхода к интеграции онтологий в АСУ промышленных предприятий;

- раскрыты противоречия и выявлены проблемы интеграции онтологий разнородных источников данных;

- изучены связи процесса интеграции онтологий с другими этапами интеграции источников данных АСУ и факторы, предопределяющие изменение семантической близости понятий и атрибутов онтологий при изменении базовой онтологической модели и словаря синонимов предметной области;

- проведена модернизация существующих математических моделей, алгоритмов, обеспечивающих получение новых результатов по теме диссертации.

Практическая значимость работы:

- разработаны и внедрены алгоритм поиска семантически близких понятий и атрибутов онтологий разнородных источников данных АСУ промышленных предприятий и прототип системы интеграции на промышленном предприятии ОАО «Вологодский комбинат хлебопродуктов» г. Вологды;

- определены перспективы практического использования полученных результатов при интеграции источников данных АСУ промышленных предприятий;

- создана система практических рекомендаций по реализации процесса интеграции источников данных АСУ промышленных предприятий;

- представлены методические рекомендации по дальнейшему совершенствованию и практическому использованию предложенного метода интеграции онтологий на промышленных предприятиях и в учебном процессе.

Методология и методы исследования. Теоретическая база исследования — дескрипционная логика, теория множеств, методы экспертных оценок.

Положения, выносимые на защиту:

1. Метод семантической интеграции онтологий, извлеченных из разнородных источников данных АСУ, с использованием базовой онтологической модели промышленного предприятия для устранения конфликтов в интегрируемых данных.

2. Математический аппарат для поддержки процесса интеграции онтологий разнородных источников данных АСУ промышленных предприятий, включающий математическую модель определения семантической близости понятий и атрибутов интегрируемых онтологий и множество операций интеграции онтологий.

3. Алгоритм поиска семантически близких понятий и атрибутов онтологий.

4. Прототип автоматизированной системы интеграции разнородных данных АСУ промышленного предприятия.

Степень достоверности и апробация результатов. Достоверность научных положений и выводов подтверждается корректным использованием математического аппарата при проведении исследований и результатами эксперимента на реальных данных промышленного предприятия.

Основные результаты диссертации докладывались и обсуждались на следующих семинарах и конференциях: международная научно-техническая конференция «ИНФОС-2011», всероссийская научно-техническая конференция «Вузовская наука - региону» (2009, 2010 гг.), всероссийская студенческая олимпиада «Конкурс компьютерных программ» (2009 г.), всероссийская научно-техническая конференция студентов и аспирантов «Молодые исследователи регионам» (2009, 2010 гг.). По теме диссертационной работы опубликовано 9 печатных работ, в том числе 6 без соавторов, из них 2 опубликованы в издании, рекомендованном ВАК.

Глава 1. ПОДХОДЫ К ИНТЕГРАЦИИ РАЗНОРОДНЫХ ИСТОЧНИКОВ ДАННЫХ В АСУ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ

В данной главе будут проанализированы методы и средства интеграции источников данных различных автоматизированных систем управления, функционирующих на промышленном предприятии, обозначены проблемы интеграции разнородных данных и обоснованы преимущества онтологического подхода к интеграции. На этой основе будет выполнена постановка задачи диссертационного исследования.

1.1 Методы и проблемы интеграции данных

Системы интеграции источников данных АСУ могут обеспечивать интеграцию данных на физическом, логическом и семантическом уровне.

1. Интеграция данных на физическом уровне с теоретической точки зрения является наиболее простой задачей и сводится к конверсии данных из различных источников в требуемый единый формат их физического представления.

2. Интеграция данных на логическом уровне предусматривает возможность доступа к данным, содержащимся в различных источниках, в терминах единой глобальной схемы, которая описывает их совместное представление с учетом структурных и, возможно, поведенческих (при использовании объектных моделей) свойств источников данных.

3. Первые два уровня не учитывают семантических свойств источников данных (смысла хранимой информации). Поддержку единого представления данных с учетом их семантических свойств в контексте единой онтологии предметной области обеспечивает интеграция данных на семантическом уровне.

Проблемы и задачи интеграции. Эксперты, выполняющие интеграцию разнородных источников данных, сталкиваются с определенными проблемами, которые приводят к необходимости решения следующих задач [61,63,67,95]:

1. Необходимо обеспечить систематизацию и структуризацию интегрируемых источников данных. Информация, хранящаяся в различных системах, может дублироваться или иметь пробелы. Подходы к её реструктуризации могут существенно отличатся в разных информационных системах.

2. Необходимо обеспечить унифицированный доступ к гетерогенным информационным ресурсам (состав которых может изменяться динамически).

Источники данных различных АСУ могут очень сильно различаться по применяемым технологиям, производительности, способам доступа к информации и т.п. Это требует индивидуального подхода к каждому источнику.

Существуют технологические ограничения современных систем управления базами данных (СУБД) и оборудования (объем хранения данных, производительность, надежность, простота сопровождения), которые приходится преодолевать организационными и технологическими средствами - путем создания нескольких баз данных (БД), разработки различного рода механизмов синхронизации, репликации и т.д.

Для распределения информации по нескольким БД могут иметь место политические мотивы (безопасность, и т.д.), основанные на технологических ограничениях. Места хранения данных могут быть территориально разобщены.

Однако при дальнейшем рассмотрении количество физических БД, хранящих корпоративные данные, и особенности реализации управляющих ими СУБД, не будут иметь принципиального значения.

Существуют стандарты и технологии, позволяющие унифицировать взаимодействие с разнородными источниками данных, применение их позволяет сделать прозрачной общую архитектуру интеграции.

3. Необходимо создать новый информационно-технологический ресурс, обеспечивающий интеграцию всех остальных систем и выполняющий роль диспетчера в ИТ-инфраструктуре компании.

Рассмотрим данные проблемы и причины их возникновения более подробно. Ключевым является понятие предметной области. Предметная область определяет набор понятий, которыми допускается оперировать.

Между предметными областями могут существовать отношения, например, предметные области, могут быть вложенными.

Современные СУБД позволяют моделировать описанную сильную связность внутри одной предметной области с помощью схем, на которых показаны связи между информационными объектами.

Например, в реляционных СУБД могут устанавливаться связи между таблицами, принадлежащими одной или разным схемам. Тем не менее, возникающие зависимости между схемами накладывают на схемы «обязательства», затрудняющие их эволюцию.

Из этих соображений, «техническая» связность между различными семантически предметными областями должна быть минимизирована.

Подсистема сбора и обработки данных АСУ обычно включает в себя (в соответствии с имеющейся практикой их реализации) универсальную (промышленную) СУБД, базу данных, а также программное обеспечение, поддерживающее технологические процессы (бизнес-процессы) определенной предметной области.

Автоматизация деятельности промышленных предприятий начиналась с разработки большого количества изолированных программ (приложений), каждое из которых позволяло решать свою, как правило, весьма узкую, задачу. Каждое приложение использовало свои файлы данных.

Данные приложений не были интегрированными и разделяемыми, приложения, как правило, не были разработаны в единой технологии и не обеспечивали унификацию интерфейса пользователя.

Такое решение было вынужденной необходимостью из-за отсутствия надлежащих технологий хранения данных и разработки информационных систем.

Следующим шагом явилось использование технологии баз данных и разработка корпоративных информационных систем (КИС), т.е. централизация функциональности, разработки и сопровождения.

С ростом размеров КИС, объема и сложности предоставляемой функциональности, решаемых задач, количества покрываемых бизнес-процессов, количества ролей пользователей, проявляется такой эффект, как неоднородность

Неоднородность имеет несколько аспектов:

1. Неоднородность требований. Как известно, КИС разрабатываются на основе требований заказчика и эволюционируют в соответствии с изменением требований.

2. Для крупных КИС требования могут относиться к нескольким предметным областям.

3. Требования в рамках одной предметной области обычно определяются как бизнес-процессами предприятия-заказчика, относящимися к соответствующей предметной области, так и законодательными нормами [67].

Принцип интероперабельности. Основным принципом интеграции разнородных источников данных АСУ на промышленном предприятии является интероперабельность [73,95,98,102].

Интероперабельность (англ. Interoperability, способность к взаимодействию) —■ это способность продукта или системы, интерфейсы которых полностью открыты, взаимодействовать и функционировать с другими продуктами или системами без каких-либо ограничений доступа и реализации.

Основными факторами, определяющими существенную мотивацию для перехода к интероперабельным информационным системам и разработки на этой основе методов интеграции, являются следующие.

1. Функционирование систем в условиях информационной и реализационной неоднородности, распределенности и автономности ресурсов системы.

2. Интеграция систем. Системы эволюционируют от простых, автономных подсистем, к более сложным, интегрированным системам, основанным на интероперабельном взаимодействии компонентов.

3. Реинженерия систем. Эволюция технологических и организационных процессов является неотъемлемой составляющей деятельности промышленного предприятия.

4. Миграция унаследованных систем.

5. Повторное использование неоднородных информационных ресурсов. Продление жизненного цикла систем.

Существует три основных метода интеграции данных на промышленном предприятии: консолидация, федерализация и распространение.

С целью уточнения постановки задачи диссертационного исследования рассмотрим сильные и слабые стороны каждого из методов.

1. Консолидация данных

При использовании этого метода данные собираются из нескольких первичных систем (автоматизированные системы управления технологическими процессами, системы оперативного учета и другие операционные системы) и интегрируются в одно постоянное место хранения (Рисунок 1).

Такое место хранения может быть использовано для подготовки отчетности и проведения анализа, как в случае хранилища данных (Data WareHouse), или как источник данных для других приложений, как в случае операционного склада данных.

Источники данных

Учетные системы

СУБД

Локальные документы

Электронные архивы

Внешние источники

Оценка качества и очистка данных

Обогащение данных

ETL

3

Извлечение —К

(Extraction) у

Преобразование (Transformation)

-N Загрузка

(Loading)

Рисунок 1 - Процесс консолидации данных

При использовании этого метода обычно существует некоторая задержка между моментом обновления информации в первичных системах и временем, когда данные изменения появляются в конечном месте хранения. В зависимости от потребностей бизнеса такое отставание может оставлять несколько секунд, часов или дней.

Термин "режим, приближенный к реальному времени" часто используется для описания конечных данных, обновление которых отстает от источника на несколько секунд, минут или часов.

Данные, не отстающие от источника, считаются данными в режиме реального времени, но это труднодостижимо при использовании метода консолидации данных [71].

Конечные места хранения данных, содержащие данные с большими временами отставания (например, более одного дня), создаются с помощью пакетных приложений интеграции данных, которые извлекают данные из первичных систем с определенными, заранее заданными интервалами.

Такой подход использует запросы к данным, которые получают периодические "мгновенные снимки" первичных данных. Хотя подобные запросы получают текущие данные, они не отражают тех изменений, которые произошли между двумя последовательными запросами. А за это время данные могли обновляться несколько раз.

Конечные места хранения данных с небольшим отставанием обновляются с помощью оперативных приложений интеграции данных, которые постоянно отслеживают и передают изменения данных из первичных систем в конечные места хранения.

Такой подход требует от приложений консолидации данных, чтобы они могли идентифицировать те изменения данных, которые необходимо зафиксировать для консолидации.

Для этого обычно используются определенные формы метода захвата всех изменений, которые произошли в первичных данных.

Методы извлечения и передачи могут использоваться вместе. Например, оперативное приложение передачи данных может накапливать изменения данных в какой-то области промежуточного хранения, а пакетное приложение извлечения данных может обращаться к нему через определенные интервалы.

При этом метод передачи зависит от того, происходят ли определенные события, а метод извлечения работает по требованию.

Бизнес-приложения, которые обрабатывают консолидированный склад данных, могут генерировать запросы к этим данным, создавать отчеты на их основании и проводить анализ данных.

Как правило, эти приложения не могут производить обновления консолидированных данных из-за проблем, связанных с синхронизацией подобных обновлений с первичными системами данных.

Тем не менее, некоторые программные продукты для интеграции данных все же предлагают возможности записи, обеспечивая средства разрешения конфликтов данных, которые могут иметь место между обновленными данными в консолидированном складе и первичными системами [70].

Некоторые приложения производят обновления консолидированного склада данных и передают эти изменения назад в первичные системы. Примером такой системы является конечный склад данных, который используется для создания еженедельной модели ценообразования.

Модель может быть оптимизирована и обновлена в течение недели, а затем снова загружена в первичную систему в начале следующей недели.

В среде хранилищ данных одной из самых распространенных технологий поддержки консолидации является технология ETL (извлечения, преобразования и загрузки - extract, transform, and load). Еще одна распространенная технология консолидации данных - управление содержанием корпорации (enterprise content management, сокр. ЕСМ).

Большинство решений ЕСМ направлены на консолидацию и управление неструктурированными данными, такими как документы, отчеты и web-страницы.

Преимущества способа консолидации данных. Преимуществом консолидации данных является то, что этот подход позволяет осуществлять трансформацию значительных объемов данных (реструктуризацию, согласование, очистку и/или агрегирование) в процессе их передачи от первичных систем предприятия к конечным местам хранения.

Хранилища данных имеют значение для решения многих аналитических проблем. Хотя формы существования хранилищ бывают разнообразными (в том числе, сюда относятся витрины данных и оперативные склады данных, содержащие текущую, а не историческую информацию), каждая из них способна создать платформу данных, которая может быть использована в аналитических целях.

Консолидируя, стандартизируя, и во многих случаях объединяя данные, содержащиеся в нескольких первичных системах промышленного предприятия, организация может анализировать эти суммарные данные для получения наиболее объективной картины.

Хранилище данных может создаваться в следующих целях [71]:

• интеграция текущих и исторических значений данных;

• объединение данных из разрозненных источников;

• создание надежной платформы данных для аналитических целей;

• обеспечение однородности данных в организации;

• облегчение внедрения корпоративных стандартов данных без изменения существующих операционных систем;

• обеспечение широкой исторической картины и возможностей для анализа тенденций.

Проблемы. Некоторые сложности, связанные с данным подходом, - это значительные вычислительные ресурсы, которые требуются для поддержки процесса консолидации данных, а также существенные ресурсы памяти, необходимые для поддержки конечного места хранения.

Но с учетом постоянного совершенствования аппаратных средств эта проблема постепенно утрачивает свою остроту.

Обозначенная выше проблема, связанная с отставанием изменений данных в хранилище от изменений в первичных операционных системах, может быть решена путем подбора оптимального1 временного интервала между актами передачи данных в хранилище.

Рекомендации по применению. Хранилища данных особенно актуальны для средних и крупных промышленных предприятий, у которых уже есть стабильно функционирующие первичные операционные системы, содержащие разнородные источники данных, но отсутствуют возможности оперативного формирования качественной сводной отчетности как основы для анализа деятельности предприятия и принятия взвешенных управленческих решений.

Консолидация данных также может найти применение для создания зависимой витрины данных, но в этом случае в процессе консолидации используется только один источник данных (например, корпоративное хранилище).

2. Федерализация данных.

При таком подходе не создается материализованного хранилища данных, но отдельное приложение, называемое процессором федерализации данных, обеспечивает единую виртуальную картину нескольких первичных источников данных (Рисунок 2).

Если бизнес-приложение генерирует запрос к этой виртуальной картине, то процессор федерализации данных извлекает данные из соответствующих первичных источников данных, интегрирует их таким образом, чтобы они отвечали виртуальной картине и требованиям запроса и отправляет результаты бизнес-приложению, от которого пришел запрос.

По определению, процесс федерализации данных всегда заключается в извлечении данных из первичных систем на основании внешних требований. Все необходимые преобразования данных осуществляются при их извлечении из первичных источников.

Интеграция корпоративной информации (Enterprise information integration, сокр. EU) - это пример технологии, которая поддерживает федеративный подход к интеграции данных [80].

Один из ключевых элементов федеративной системы - это метаданные, которые используются процессором федерализации данных для доступа к первичным данным. В некоторых случаях эти метаданные могут состоять исключительно из определений виртуальной картины, которые ставятся в соответствие ("мэппируются") первичным данным.

В более передовых решениях метаданные также могут содержать детальную информацию о количестве данных, находящихся в первичных системах, а также о путях доступа к ним. Такая расширенная информация может помочь федеративному решению оптимизировать доступ к первичным системам.

Некоторые федеративные решения могут обеспечивать дополнительные бизнес-метаданные, которые отражают семантические связи между элементами данных в первичных системах. Примером таких данных являются данные о потребителях.

Метаданные могут содержать общий индикатор потребителя, который ставится в соответствие ("мэппируется") различным ключевым элементам данных о потребителе в первичных системах [71].

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Кузнецов, Дмитрий Павлович

Заключение

В соответствии с заявленной целью были решены следующие задачи:

1. Проведен анализ существующих методов интеграции АСУ, выявлены преимущества онтологического подхода к интеграции данных.

2. Разработан метод семантической интеграции онтологий, извлеченных из источников данных АСУ промышленных предприятий, позволяющий осуществить глубокую интеграцию и устранить лексические и семантические конфликты разнородных источников данных.

Данный метод, основанный на базовой онтологической модели, в полной мере позволяет решить поставленную задачу интеграции разнородных АСУ промышленного предприятия и отлично систематизирует и структуризирует входящие разнородные АСУ.

Данный метод позволяет качественнее и быстрее проводить интеграцию разнородных источников данных. В случае если источник включает в себя большие объемы информации, время, затраченное на операцию нахождения соответствий, в разы превосходит в скорости, чем ручная работа.

Одно из ключевых преимуществ, которое предоставляет данный метод, это оперативный унифицированный доступ к корпоративным знаниям предметной области предприятия.

В результате разработанного метода проводить интеграцию разнородных источников данных в автоматизированном режиме стало проще и быстрее. Это обусловлено тем, что человек, проводящий интеграцию, всегда может пропустить ту или иную важную составляющую.

3. Проанализирован имеющийся математический аппарат для поддержки процесса интеграции онтологий. Разработан математический аппарат для поддержки процесса интеграции онтологий разнородных источников данных АСУ промышленных предприятий, включающий математическую модель определения семантической близости понятий и атрибутов интегрируемых онтологий и множество операций интеграции онтологий.

Данный математический аппарат формализует и эффективно решает задачу интеграции разнородных АСУ промышленного предприятия с базовой онтологией предметной области:

- Поиск и исключение понятия и атрибутов с одинаковым названием и разным смыслом.

- Поиск и объединение понятий и атрибутов с разным названием и одинаковым смыслом.

- Решает задачу поиска вложенных онтологий.

- Дополнение отсутствующих понятий и атрибутов.

- Эффективно умеет разделять и объединять множества понятий и атрибутов.

- Позволяет проводить интеграцию крупных источников информации с любым количеством вложенности структур понятий.

4. Разработан алгоритм для поддержки процесса интеграции онтологий.

5. Разработан прототип автоматизированной системы интеграции данных АСУ промышленного предприятия.

Работа программного комплекса («АУПП-Интегратор»), основанного на данном методе и математической модели, позволяет в автоматизированном режиме проводить интеграцию онтологий разнородных АСУ промышленного предприятия с базовой (расширенной базовой) онтологией, беря всю черновую работу по поиску на себя, оставляя за интегратором лишь последнее слово.

Настроенная обратная связь в процессе интеграции в программном комплексе позволяет оперативно перемещаться по алгоритму интеграции в контрольные точки без потери оперативной информации.

Важным практическим результатом работы является прототип автоматизированной системы интеграции данных «АУПП-Интегратор», позволяющий эффективно проводить интеграцию разнородных источников данных, с помощью которого была решена задача объединения разобщенной и разнородной информации о предметной области «Хранение и переработка зерна» на Вологодском комбинате хлебопродуктов.

Разработанное программное обеспечение предполагается применить для решения задачи интеграции разнородных данных применительно к предметной области «Хранение и переработка зерна».

Таким образом, внедрение в документооборот корпоративного хранилища данных позволило выйти на новый качественный уровень автоматизации предприятия.

Существенно сократилось время на получение различного вида отчетности.

Данный способ можно рекомендовать к использованию в АСУП для тех предприятий, которые решают задачу консолидации разнородных источников данных и используют экспертный опыт и современные методы управления корпоративными знаниями.

Список литературы диссертационного исследования кандидат наук Кузнецов, Дмитрий Павлович, 2013 год

Список литературы

1. A Model-Theoretic Semantics for DAML+OIL, W3C Note 18 December 2001. -http://www.w3.org/TR/damH-oil-model

2. AgentWeb, resource guide and newsfeed covering Agent-related technologies [Электронный ресурс] - Режим доступа: http://agents.umbc.edu/

3. An Axiomatic Semantics for RDF, RDF-S, and DAML+OIL, W3C Note 18 December 2001 [Электронный ресурс] - Режим доступа: http://www.w3.org/TR/daml+oil-axioms

4. Bechhofer, S. OilEd: A Reason-able Ontology Editor for the Semantic Web [Текст] / J. German // Austrian conf. on Artificial Intelligence (KI'01). Lecture Notes in Artificial Intelligence LNAI 2174, Springer-Verlag, Berlin, 2001. - 396-408 c.

5. Bulskov,H., Knappe,R.„ Andreasen, T. Proc. 5th Int. FQAS Conf. LNCS [Текст] / H. Bulskov, R. Knappe, T. Andreasen II Berlin: Springer, 2002. - 100 c.

6. d2rq [Электронный ресурс]. - Режим доступа: http://d2rq.org/

7. DAML+OIL (March 2001) Reference Description, W3C Note [Электронный ресурс]. - Режим доступа:

http://www.w3 .org/TR/200 l/NOTE-daml+oil-reference-20011218

8. DataXtend [Электронный ресурс]. - Режим доступа: http://www.progress-tech. ru/products/dataxtend/

9. Distributed XML: the role played by XML in the next-generation Web, Edd Dumbill [Электронный ресурс]. - Режим доступа: http://www.xml.com/pub/2000/09/06/distributed.html

10. Ehrig, М. The semantic web: Research and applications. Proc. 1st European Semantic Web Symposium. LNCS [Текст] / M. Ehrig, Y. Sure. II Berlin: Springer. V. 3053. 76 c.

11. Farquhar, A. The Ontolingua server: A tool for collaborative ontology construction [Текст] / A. Farquhar. // International Journal of Human-Computer Studies, 46(6), 2001. - 707-728 c.

12. Fusionsoft SemanticNet: Платформа семантической разработки и интеграции информационных систем [Электронный ресурс]. - Режим доступа: http://fusionsoft-online.com/platform.php?lang=rus

13. Getting into RDF "Semantic Web using N3" [Электронный ресурс]. - Режим доступа: http://www.w3.org/2000/10/swap/Primer.html

14. Guarino, N. Formal ontology and information systems. Proc. Of the 1 st international conference on formal ontology in information systems. [Текст] / N. Guarino // 1998.-3-15 c.

15. Hirst, G. WordNet: An electronic lexical database [Текст] / G. Hirst. II Cambrige, 1998. - 305 c.

16. Jiang, J. .1 Proc. Int. Conf. on Computational Linguistics [Текст] / J. Jiang II Taiwan, 1997. - 19 c.

17. Leacock, C. WordNet: An electronic lexical database [Текст] / С. Leacock II Cambrige, 1998.-265 c.

18. Levenshtein, I. V. Cybernetics and Control Theory [Текст] /I. V. Levenshtein II - 1966.-707 c.

19. Levenshtein, I.V. Binary codes capable of correctinh delectios, insertions, and reversal [Текст] / I. V. Levenshtein II Cybernetics and Control Theory. - 1966 -Volume 10(8)- 707-710 c.

20. Li, Y., Bandar, Z. A., McLean, D. IEEE Trans, on Knowledge and Data Engineering [Текст] I Y.Li II- 2003. -871 c.

21. Lin, D. Proc. 15th Int. Conf. on Machine Learning [Текст] / D. Lin II — Madison.- 1998.-768 c.

22. Maedche, A., Staab, S. Proc. 13th EKAW Conf. LNAI [Текст] I A. Maedche II Berlin: Springer. - 2002. - 251 c.

23. Maedche, A., Zacharias, V. Proc. 6th European PKDD Conf. LNCS [Текст] / A. Maedche II Berlin: Springer.- 2002. - 348 c.

24. Metadata Architecture, W3C Design Issues [Электронный ресурс]. - Режим доступа: -http://www.w3.org/DesignIssues/Metadata

25. Miller, Е. An Introduction to the Resource

Description Framework by Eric Miller, D-Lib Magazine [Электронный ресурс]. -Режим доступа: - http://www.dlib.org/dlib/may98/miller/05miller.html

26. Nguyen, Н.А. Thesis for the Degree Master of Science [Текст] / H.A. Nguyen II - University of Houston-Clear Lake. 2006.- 431 c.

27. OntoEdit: Collaborative ontology development for the Semantic Web [Текст] / Y. Sure, M. Erdmann, J. Angele, S. Staab, R. Studer, D. Wenke // In Proc. of the Inter. Semantic Web Conference (ISWC 2002), Sardinia, Italia. - 2002. - 340 c.

28. Protégé [Электронный ресурс]. - Режим доступа: http://protege.stanford.edu/

29. Putting RDF to Work, Edd Dumbill [Электронный ресурс]. - Режим доступа: http://www.xml.eom/pub/2000/08/09/rdfdb/index.html

30. Rada, R. et al. IEEE Trans, on Systems, Man and Cybernetics [Текст] / R. Rada // Berlin: 1989. - 17 c.

31. Rael, D. The Power of Metadata, book chapter by Rael [Электронный ресурс] / D. Brickley II - Режим доступа:

http://www.openp2p.eom/pub/a/p2p/2001/01/18/metadata.html

32. RDF and Metadata [Электронный ресурс]. - Режим доступа: -http://www.xml.com/xml/pub/98/06/rdf.html

33. RDF tutorial, Pierre-Antoine Champin (for developers) [Электронный ресурс]. - Режим доступа: http://www710.univ-lyonl.fr/~champin/rdf-tutorial/

34. Requirements for a Web Ontology Language, W3C Working Draft [Электронный ресурс]. - Режим доступа: http://www.w3.org/TR/Webont-req/

35. Resnik, P. Proc. 14th Int. Joint Conf. on Artificial Intelligence [Текст] / P. Resnik II Montreal, 1995. - 448 c.

36. Rodriguez, M.A. Thesis for Degree of Doctor of Philosophy [Текст] / M.A. Rodriguez, II University of Maine, 2000/ - 330 c.

37. SemanticWeb organization [Электронный ресурс]. - Режим доступа: http://www.semanticWeb.org/

38. SemanticWeb: роль XML и RDF Открытые системы [Электронный ресурс]. - Режим доступа:- http://www.osp.ru/os/2001/09/041.htm.

39. Spasic, I. Nenadic, G., Manios, K. et al. Proc. 3rd Int. IDEAL Conf. LNCS [Текст] //. Spasic. II Berlin: Springer, 2002. - 429 c.

40. Stojanovic, N., Madche, A., Staab, S. et al. II Proc. 1st Int. Conf. on Knowledge Capture [Текст] IN. Stojanovic II New York, 2001. - 155 c.

41. Tversky, A. Psychological Rev [Текст] I A. Tversky II 1977. - 327 c.

42. Ukkonen, E. Approximate string matching with q-grams and maximal matches [Текст] / E. Ukkonen // Theoretical Computer Science. 1992. - 191-211 c.

43. Virtuoso Universal Server [Электронный ресурс]. - Режим доступа: http://virtuoso.openlinksw.com/

44. W3C Semantic Web Activity [Электронный ресурс]. - Режим доступа: http://www.w3 .org/2001/sw/Activity

45. W3C Web Ontology [Электронный ресурс]. - Режим доступа: http://www.w3 .org/2001/sw/WebOnt/

46. W3C Web Service's Home Page [Электронный ресурс]. - Режим доступа: http://www.w3 .org/2002/ws/

47. W3C, The Semantic Web Home Page [Электронный ресурс]. - Режим доступа: http://w3.org/sw/

48. Web Architecture: Describing and Exchanging Data", W3C Note [Электронный ресурс]. - Режим доступа: http://www.w3.org/1999/04/WebData

49. Web Metadata: A Matter of Semantics by Ora Lassila, IEEE Internet Computing [Электронный ресурс]. - Режим доступа: http://computer.org/internet/icl998/w4030abs.htm

50. Web Services Architecture Requirements, W3C Working Draft [Электронный ресурс]. - Режим доступа: http://www.w3.org/TR/wsa-reqs

51. Web Services Architecture Usage Scenarios, W3C Working Draft [Электронный ресурс]. - Режим доступа: http://www.w3.org/TR/ws-arch-scenarios/

52. Web Services Architecture, W3C Working Draft [Электронный ресурс]. -Режим доступа: http://www.w3.org/TR/ws-arch/

53. Web Services Description Requirements, W3C Working Draft [Электронный ресурс]. - Режим доступа: http://www.w3 .org/TR/ws-desc-reqs/

54. Web Services Glossary, W3C Working Draft [Электронный ресурс]. - Режим доступа: http://www.w3.org/TR/ws-gloss/

55. Wikipedia. Структурные и семантические конфликты [Электронный ресурс]. - Режим доступа:

http://ru.wikipedia.org/wiki/%D0%98%D0%BD%Dl%82%D0%B5%D0%B3%D 1%80%D0%B0°/oD1%86%D0%B8%D1%8F_%D0%B4%D0%B0%D0%BD%D0%B D%D l %8B%D 1 %85.

56. Wu, Z., Paimer, M. Proc. 32nd Aiinual Meeting of the Association for Comput [Текст] / Z. Wu. Il Linguistics. - Las Cruces, 1994. - 133 c.

57. XML and the Web. XML World 2000 [Электронный ресурс]. - Режим доступа: http://www.w3 .org/2000/Talks/0906-xmlWeb-tbl/

58. XML Schéma, RDF Schéma & DAML Comparison [Электронный ресурс]. -Режим доступа: http://www.isi.edu/expect/Web/semanticWeb/comparison.html

59. Александров, Д. В. Методы и модели информационного менеджмента [Текст] / Д. В. Александров, А. В. Костров, Р. И. Макаров, Хорошева Е.Р. - М.: Финансы и статистика, 2007. - 336с.

60. Арсеньев, Б.П. Интеграция распределенных баз данных [Текст] / Б.П. Арсеньев, С.А. Яковлев. - СПб.: Лань, 2001. - 464с.

61. Бездушный, А.А. Математическая модель интеграции данных на основе дескриптивной логики [Текст] / А.А. Бездушный// М.: 2008. - 99с.

62. Берко, А.Н. Применение онтологий для семантической интеграции данных [Электронный ресурс]. - Режим доступа:

http://www.nbuv.gov.ua/portal/natural/Vnulp/Komp-nauky/2009_650/03.pdf

63. Васильев, И.А. Методы и инструментальные средства построения семантических WEB-порталов [Текст] / И.А. Васильев // диссертация кандидата технических наук : 05.13.11:-Томск.: 2005 - 185с.

64. Берников, Г. Стандарт онтологического исследования IDEF5 [Электронный ресурс] / Г. Берников // - Режим доступа: http://www.cfin.ru/vernikov/idef/idef5.shtml

65. Вороной, A.C. Виртуальная организация агентов для разработки онтологической базы знаний системы компьютерного обучения [Электронный ресурс] / A.C. Вороной // - Режим доступа:

http://www.nbuv.gov.ua/portal/natural/ii/2010_3/AI_2010_3%57%5C00_Voronoy.pdf

66. Вороной, A.C., Егошина, A.A. Средства интеграции онтологий предметных областей для создания баз знаний интеллектуальных учебных сред [Электронный ресурс] / A.C. Вороной, A.A. Егошина // - Режим доступа: http://www.nbuv.gov.ua/portal/natural/ii/2010_2/AI_2010_2%5C2%5C00_Voronoy_E goshina.pdf

67. Гаврилова, Т.А. Онтологический инжиниринг [Электронный ресурс] / Т.А. Гаврилова // - Режим доступа: http://www.big.spb.ru/publications/bigspb/

68. Демченко, В.В. Сравнение средств разработки знание-ориентированных систем для интеграции распределенных приложений [Электронный ресурс] /В.В. Демченко, Д.А. Шевченко // - Режим доступа:

http://www.nbuv.gov.ua/portal/natural/urss/2010_2/23-26Demchenko.pdf

69. Деркач, A.B. Применение онтологии для автоматизации весового проектирования сложных технических объектов. [Электронный ресурс] / A.B. Деркач. // - Режим доступа:

http://www.nbuv.gov.ua/portal/natural/bCzms/2008/2008_stl8.pdf

70. Интеграционные платформы - современный способ наиболее эффективной интеграции данных [Электронный ресурс]. - Режим доступа: http://www.iso.ru/print/rus/document6250.phtml

71. Интеграция данных - ключ к эффективным решениям (Data Integration: The Key to Effective Decisions') [Электронный ресурс]. - Режим доступа: http://www.iso.ru/print/rus/document6130.phtml

72. Интеграция данных и Хранилища [Электронный ресурс]. - Режим доступа: http://www.iso.ru/print/rus/document6139.phtml

73. Интероперабельность информационных систем [Электронный ресурс]. -Режим доступа: http://www.ifap.ru/library/book358.pdf

74. Карпенко, А.П., Сухарь, P.C. Интеграция данных [Электронный ресурс] / А.П. Карпенко, P.C. Сухарь // - Режим доступа: http://technomag.edu.ru/doc/l 15931 .html.

75. Клыков, Ю.И. Банки данных при принятии решений [Текст] / Ю.И. Клыков, JI.H. Горьков. - М.: Советское радио, 1980. - 208с.

76. Кузнецов, Д.П. Интеграция (отображение) онтологий - разнородных, реляционных баз данных, на основе математического аппарата дискрипционной логики [Текст] / Д.П. Кузнецов // Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта (ИНФОС-2011): Материалы 6-й международной научно-технической конференции. -Вологда: ВоГТУ, 2011. - С. 101-105.

77. Кузнецов, Д.П. Метод онтологического инжиниринга знаний в АСУП на примере предприятия перерабатывающей промышленности [Текст] / Д.П. Кузнецов// Системы управления и информационные технологии. - 2013. -№1(51).-С. 44-48.

78. Кузнецов, Д.П. Автоматизация расчета и ведения помольных партий для мукомольного производства [Текст] / Д.П. Кузнецов // Вузовская наука — региону: Материалы седьмой всероссийской научно-технической конференции. В 2-х т. - Вологда: ВоГТУ, 2009. - Т. 1. - С. 70-72.

79. Кузнецов, Д.П. Автоматизация технологического процесса производства помольных партий для мукомольного производства [Текст] / Д.П. Кузнецов // Молодые исследователи - регионам: Материалы всероссийской научно-технической конференции. В 2-х т. - Вологда: ВоГТУ, 2009. - С. 80-81.

80. Кузнецов, Д.П. Интеграция онтологий разнородных баз данных на предприятии перерабатывающей промышленности [Текст] / Д.П. Кузнецов, С.Ю. Ржеуцкая // Информационные технологии моделирования и управления. — 2011. — №7(72). - С. 846-854. (Соискатель 70%).

81. Кузнецов, Д.П. Метод интеграции разнородных источников данных на предприятии перерабатывающей промышленности [Текст] / Д.П. Кузнецов // Системы управления и информационные технологии. - 2012. - №3(49). - С. 45-53.

82. Кузнецов, Д.П. Подходы к интеграции разнородных баз данных [Текст] / Д.П. Кузнецов, С.Ю. Ржеуцкая // Вузовская наука - региону: Материалы седьмой всероссийской научно-технической конференции. В 2-х т. - Вологда: ВоГТУ, 2010. -Т.1. - С. 93-95. (Соискатель 50%).

83. Кузнецов, Д.П. Программное обеспечение по ведению и расчету помольных партий для автоматизации мукомольного производства [Текст] / Д.П. Кузнецов // Молодежь и высокие технологии: Всероссийский конкурс компьютерных программ. - Вологда: ВоГТУ, 2009. - С. 25-27.

84. Кузнецов, Д.П. Семантическая интеграция разнородных баз данных [Текст] / Д.П. Кузнецов, С.Ю. Ржеуцкая // Молодые исследователи - регионам: Материалы всероссийской научно-технической конференции. В 2-х т. - Вологда: ВоГТУ, 2010. - С. 93-95. (Соискатель 80%).

85. Кузнецов, С. Переносимость и интероперабельность информационных систем и международные стандарты [Электронный ресурс]. - Режим доступа: http://citforum. ru/database/articles/art_l. shtml

86. Ломов, П.А. Поддержка интеллектуальности пользовательского интерфейса системы распределенного семантического поиска: проблемы и решения. [Электронный ресурс] / П.А. Ломов, В.А. Путилов, А.В. Маслобоев // -Режим доступа:

http://vestnik.mstu.edu.ru/vl3_3_n40/articles/09_maslo.pdf

87. Ломов, П.А. Интеграция данных на основе онтологий для обеспечения информационной поддержки принятия решений. [Электронный ресурс] / П.А. Ломов, М.Г. Шишаев // - Режим доступа:

http://crider.rork.ru/index.php?option=com_content&task=view&id=15&Itemid=3

88. Ломов, П.А. Интеграция онтологий с использованием тезауруса для осуществления семантического поиска [Электронный ресурс] / П.А. Ломов, М.Г. Шишаев // - Режим доступа:

http://www.jitcs.ru/index.php?option::=com_content&view=article&id=264

89. Ломов, П.А. Интеграция семантически связанных информационных ресурсов на основе онтологий [Электронный ресурс] / П.А. Ломов,, М.Г. Шишаев // - Режим доступа:

http://crider.rork.rWindex.php?option=com_content«fetask=view«feid=14&Itemid=31

90. Лукашевич, Н. В. Труды Международного семинара «Диалог-2002» [Текст] / Н. В. Лукашевич, Б. В. Добров // М. - Т. 2. 338 с.

91. Лукашевич, Н. В. Труды Международной конференции «Диалог-2002» [Текст] / Н. В. Лукашевич, Б. В. Добров // М.- Т. 2. 400 с.

92. Маевская, С.Л. Количественно-качественный учет зерна и зернопродуктов [Текст] / С.Л. Маевская, O.A. Лабутина. - 2-е издание, дополненное. — М.: ДеЛи принт, 2003. - 296 с.

93. Макаров, Р. И. Методология проектирования информационных систем [Текст] / Р. И. Макаров, Е. Р. Хорошева Федеральное агентство по образованию, Владимир, гос. ун-т. - Владимир : Изд-во Владимир, гос. ун-т, 2008. - 333 с.

94. Мертенс, П. Интегрированная обработка информации. Операционные системы в промышленности [Текст] /П. Мертенс // Науч.ред. А. В. Костров. - 15 изд., перераб. - М.: Финансы и статистика, 2007. - 422 с.

95. Михайлов, И.А. Математическое и программное обеспечение структурной и семантической интероперабельности информационных систем на основе метамоделей [Текст] / И.А. Михайлов // диссертация ... кандидата технических наук: 05.13.11:— М.: 2008-235с.

96. Обзор SemanticNet [Электронный ресурс]. - Режим доступа: http://fusionsofl-online.com/overview.php

97. Перспективы построения глобальной инфраструктуры объектной интеграции систем, дополняющей SOA в части управления данными [Электронный ресурс]. - Режим доступа: http://fusionsoft-online.com/articles-global-obj ect-integration.php

98. Поспелов, Д. А. Нечеткие множества в моделях управления и искусственного интеллекта [Текст] / Д.А. Поспелов // М.:Наука, 1986.-312с.

99. Поспелов, Д.А. Ситуационное управление: теория и практика [Текст] / Д.А.Поспелов// М.:Наука, 1986.-288 с.

100. Система интеграции структурированных данных с неограниченным масштабированием и семантическим интерфейсом доступа [Электронный ресурс]. - Режим доступа: http://fusionsoft-online.com/articles-semantic-integration-system.php

101. Стандарт онтологического исследования IDEF5 [Электронный ресурс]. -Режим доступа: http://www.interface.ru/home.asp?artId=4385

102. Технологическое партнерство для устойчивого развития [Электронный ресурс]. - Режим доступа: http://www.microsoft.com/rus/interop/

103. Черний, A.B. Развитие информационной системы организации с использованием семантических технологий [Электронный ресурс] / A.B. Черний, А.Ф. Тузовский // - Режим доступа:

http://math.nsc.ru/conference/zont09/reports/08Cherniy-Tuzovskiy.pdf