Разработка онтологий информационного обеспечения автоматизированных систем диспетчерского управления

Гвоздевский Игорь Николаевич

Разработка онтологий информационного обеспечения автоматизированных систем диспетчерского управления тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Гвоздевский Игорь Николаевич

Гвоздевский Игорь Николаевич
кандидат наук
2019

Специальность ВАК РФ05.13.17

Количество страниц 139

Гвоздевский Игорь Николаевич. Разработка онтологий информационного обеспечения автоматизированных систем диспетчерского управления: дис. кандидат наук: 05.13.17 - Теоретические основы информатики. ФГАОУ ВО «Белгородский государственный национальный исследовательский университет». 2019. 139 с.

Оглавление диссертации кандидат наук Гвоздевский Игорь Николаевич

Введение..........................................................................................................................4

Глава 1. Анализ состояния вопроса в области использования методов описания данных в информационном обеспечении автоматизированных систем диспетчерского управления.........................................................................11

1.1 Общая структура информационного обеспечения автоматизированных систем диспетчерского управления.............................11

1.2 Анализ особенностей, используемых данных в информационном обеспечении автоматизированных систем диспетчерского управления, требования и ограничения, предъявляемые к методам и алгоритмам........13

1.3 Классификация структур описания знаний и хранения данных в информационном обеспечении..............................................................................16

1.4 Анализ методов и подходов к представлению структурированных наборов знаний и данных в виде онтологий в информационном обеспечении автоматизированных систем диспетчерского управления и их обработка...................................................................................................................24

1.5 Выводы по главе............................................................................................39

Глава 2. Разработка метода обработки информации в автоматизированных системах диспетчерского управления на основе онтологии онтологического подхода для информационного обеспечения автоматизированных систем диспетчерского управления......................................................................................40

2.1 Разработка модели онтологии для описания данных автоматизированной системы диспетчерского управления........................... 40

2.2 Разработка метода обработки информации в информационном обеспечении автоматизированных систем диспетчерского управления.....43

2.3 Разработка метода защиты знаний, включаемых в предметную область с возможностью проверки данных на основе пространственно-временных показателей онтологии...................................................................... 46

2.4 Разработка алгоритмической реализации метода обработки

информации, включаемой в онтологию на основе блочно-цепочной модели 54

2.5 Анализ эффективности разработанного алгоритма обработки информации, включаемой в онтологию на основе блочно-цепочной модели

56

2.6 Выводы по главе............................................................................................58

Глава 3. Применение методов совершенствования информационного обеспечения на основе онтологий с блочно-цепочной организацией данных 60 3.1 Методы совершенствования онтологий информационного обеспечения автоматизированных систем диспетчерского управления на

основе блочно-цепочной организации данных .................................................. 60

3.2 Реализация метода обработки в информационном обеспечении автоматизированных систем диспетчерского управления на основе системно-объектной модели..................................................................................67

3.3 Алгоритм проверки данных в онтологии на основе блочно-цепочной организации данных, позволяющая произвести семантическое комплексирование разнородных данных в автоматизированных системах диспетчерского управления...................................................................................81

3.4 Использование разработанной модели онтологии на основе блочно-цепочной организации данных в информационном обеспечении автоматизированной системы диспетчерского управления..........................83

3.5 Выводы по главе............................................................................................95

Глава 4. Разработка и апробация функционирования модели и методов в рамках существующего информационного обеспечения автоматизированной системы диспетчерского управления......................................................................96

4.1 Использование разработанной онтологии на примере информационного обеспечения автоматизированной системы диспетчерского управления................................................................................... 96

4.2 Управление синхронизацией объектов на основе использования онтологии.................................................................................................................107

4.3 Проверка целостности данных онтологии в информационном обеспечении автоматизированных систем диспетчерского управления ... 109

4.4 Методика вычислительного эксперимента в информационном обеспечении автоматизированной системы диспетчерского управления на онтологии с блочно-цепочной организации данных......................................112

Заключение.................................................................................................................122

Список литературы...................................................................................................124

Приложения................................................................................................................135

Приложение 1..........................................................................................................135

Приложение 2..........................................................................................................139

Введение

Актуальность работы. Качество информационного обеспечения во многом определяет эффективность автоматизированных систем диспетчерского управления, так как от его информативности зависит обоснованность принимаемых решений. Информационное обеспечение автоматизированных систем диспетчерского управления обеспечивает сбор, хранение, обработку данных, выполняет задачи мониторинга и контроля состояния систем жизнеобеспечения.

Сложность информационного обеспечения автоматизированных систем диспетчерского управления обусловлена постоянным увеличением количества решаемых задач, неоднородностью и независимостью источников данных, которыми могут быть системы баз данных, поддерживающие различные модели данных, информационные подсистемы, отдельные контроллеры и датчики. Поэтому в настоящее время для решении задач планирования, учета, централизованного мониторинга географически распределенных объектов систем жизнеобеспечения и их отказов, единого конфигурирования, внедрения механизмов комплексного принятия решений, и других, в том числе для достижения более высоких показателей деятельности диспетчерских служб, мы вынуждены совершенствовать информационное обеспечение в том числе за счет реализации новых методов обработки информации на основе семантического комплексирования всего объема разнородных данных, циркулирующих в автоматизированной системе диспетчерского управления.

Совершенствование информационного обеспечения, может быть достигнуто путем комплексирования разнородных данных и возможностью дальнейшего их семантического анализа с позиции расширения возможностей автоматизированных систем диспетчерского управления, является актуальной.

В настоящее время усложнение информационного обеспечения автоматизированных систем диспетчерского управления продиктовано тенденциями их развития и активного внедрения, в том числе для достижения

минимизации влияния человеческого фактора на протекающие процессы, расширения возможностей по анализу и мониторингу, что требует необходимости рассмотрения вопросов создания и использования новых методов при реализации информационного обеспечения таких систем.

Степень разработанности темы:

Основные подходы к созданию комплексных автоматизированных систем диспетчерского управления рассматривается в работах Поспелова Д.А., Варшавского В.И., Шалягина Д.В., Горелик А.В., Лисенкова В.М., Розенберга Е.Н. Следует отметить, что на основе проведенных исследований существующие модели онтологий не учитывают специфику данных в информационном обеспечении автоматизированных систем диспетчерского управления и в основном применяются для решения задач описания элементов ее структуры. К начальному периоду исследований в этой области можно отнести середину 70-х годов, в том числе, когда на уровне «Американского национального института стандартов» ANSI/SPARC были сформированы более четкие подходы в области архитектуры информационных систем, систем баз данных и моделей данных, которые в них используются. В более поздний период в работах М.Р. Когаловского было предложено применение моделей онтологий для решения задач интеграции данных в разнородных информационных системах на семантическом уровне, с использование разделения на логические уровни, где также отмечалась значимость и актуальность этой задачи.

Задача комплексирования разнородных данных рассматривалась в работах Когаловского М.Р., Шаманова В.И., Первозванского А.А., Максвелла В.Л., Ульмана Дж., Дейта К., Конвей Р.В., Миллера Л.В.. и др. Современный уровень комплексирования разнородных данных во многом определяется использованием онтологий, что позволяет достичь общего понимания семантики данных для всех подсистем. Использование онтологий в области диспетчерского управления систем ЖКХ в литературе не рассматривалось, вместе с тем этот объект является важным, данные обладают определенной спецификой, поэтому этот вопрос требует специального рассмотрения.

Современные методы комплексирования разнородных данных имеют недостатки в виде отсутствия методов позволяющих отслеживать факт изменения, а также отсутствие возможности произвести их дальнейший анализ.

Поэтому актуальной является задача разработки метода семантического комплексирования разнородных данных на основе модели онтологии. Но для этого необходимо выявить особенности информационных потоков и данных, предназначенных для обработки, способа их организации, а также разработать метод обработки, который позволяет обеспечить семантическое единообразие и структурирование полученных разнородных данных от элементов автоматизированной системы диспетчерского управления с целью совершенствования возможностей информационного обеспечения при решении задач мониторинга, диагностики, восстановления, планирования и т.п. на основе онтологии. Кроме этого построить модель онтологии для описания данных с учетом задач по обеспечению их целостности, расширяемости и применимости в информационном обеспечении автоматизированных систем диспетчерского управления, что является актуальной задачей с позиции совершенствования информационного обеспечения и методов обработки информации в подобных системах.

Цель диссертационной работы - совершенствование информационного обеспечения автоматизированных систем диспетчерского управления на основе семантического комплексирования разнородных данных с помощью онтологий с блочно-цепочной организацией.

Для достижения поставленной цели были сформулированы и решены сформулированы следующие задачи исследования:

1) анализ принципов построения онтологий при реализации информационных процессов;

2) разработка модели онтологии для описания данных автоматизированной системы диспетчерского управления;

3) разработка метода обработки информации в автоматизированных системах диспетчерского управления на основе онтологии;

4) разработка алгоритмической реализации метода обработки информации, включаемой в онтологию на основе блочно-цепочной модели;

5) разработка прототипа программной реализации информационного комплекса, использующего онтологии на основе блочно-цепочной организации данных.

Научную новизну работы составляют:

- модель онтологии на основе блочно-цепочной организации данных, позволяющая произвести семантическое комплексирование разнородных данных в автоматизированных системах диспетчерского управления;

- метод обработки информации в автоматизированных системах диспетчерского управления на основе онтологии;

- алгоритмическая реализация онтологии на основе блочно-цепочной обработки данных;

Теоретическая значимость работы определятся моделью онтологии на основе блочно-цепочной организации данных позволяющей осуществить семантическое комплексирование разнородных данных в информационном обеспечении автоматизированных систем диспетчерского управления для обеспечения мониторинга и контроля.

Практическая полезность определяется возможностью создания информационного обеспечения для автоматизированных систем диспетчерского управления с использованием онтологий на основе блочно-цепочной организации данных, позволяющих произвести семантическое комплексирование разнородных данных.

Разработанные прототипы информационного обеспечения используются в автоматизированных системах диспетчерского управления НИУ «БелГУ» и БГТУ им. В.Г.Шухова, а также в учебном процессе бакалавров по направлению подготовки 09.03.01 «Информатика и вычислительная техника», что подтверждается соответствующими документами.

Объектом исследования является информационное обеспечение автоматизированных систем диспетчерского управления, использующее

онтологии на основе блочно-цепочной организации данных.

Предметом исследования являются модели онтологий на основе блочно-цепочной организацией обработки данных, методы обработки и алгоритмы комплексирования разнородных данных в процессе функционирования автоматизированной системы диспетчерского управления.

Методы диссертационного исследования. Для решения поставленных задач в работе использованы теоретические основы информатики, методы теории информационных процессов и систем, методы онтологической теории, методы проектирования систем баз данных и знаний, методы структурного и объектно-ориентированного программирования, теория и методы системного анализа.

Область исследований. Содержание диссертации соответствуют паспорту специальности 05.13.17 «Теоретические основы информатики по областям исследования» по следующим областям исследования: п.3 Исследование методов и разработка средств кодирования информации в виде данных. Принципы создания языков описания данных, языков манипулирования данными, языков запросов. Разработка и исследование моделей данных и новых принципов их проектирования; п.9 Разработка новых интернет-технологий, включая средства поиска, анализа и фильтрации информации, средства приобретения знаний и создания онтологии, средства интеллектуализации бизнес-процессов; п.12 Разработка математических, логических, семиотических и лингвистических моделей и методов взаимодействия информационных процессов, в том числе на базе специализированных вычислительных систем. Положения, выносимые на защиту:

1. Принцип использования онтологии на основе блочно-цепочной организации, позволяющей произвести семантическое комплексирование разнородных данных в автоматизированных системах диспетчерского управления;

2. Программно-алгоритмическую реализацию метода семантического комплексирования разнородных данных и результаты вычислительных экспериментов, иллюстрирующие работоспособность

информационного обеспечения автоматизированных систем диспетчерского управления на основе онтологий с блочно-цепочной организацией. Степень достоверности результатов обусловлена корректностью применяемых формализованных преобразований при построении модели онтологии, отсутствием противоречий с известными фактами теории и практики построения информационного обеспечения автоматизированных систем диспетчерского управления и иллюстрируется результатами вычислительных экспериментов с реальными данными.

Апробация результатов диссертационного исследования. Результаты диссертационной работы были изложены на всероссийских конференциях: «Телематика-2012» г. Санкт-Петербург, 2012 г., «Телематика-2013» г. Санкт-Петербург, 2013 г., «Телематика-2014» г. Санкт-Петербург, 2014 г., и международных конференциях: «Электронная казань» г.Казань, 2016г., «Information Technology IT-diag» г. Сочи, 2016г., «International Conference on Sustainable Smart Manufacturing», г. Лисабон, Португалия, 2016г., «SGEM-2017» г. Албена, Болгария, 2017г., «I2T-2017» г. Прага, Чешская Республика, 2017г.

Результаты диссертационного исследования, использованы при выполнении ряда научных программ и проектов: гранта РФФИ №16-07-00487A «Поддержка принятия решений в системах реального времени», и ряда проектов по заказу предприятий для Белгородского государственного технологического университета по темам: "Разработка информационной системы и программного обеспечения для управления информационной безопасностью гетерогенной инфраструктуры предприятия."(Дог. №17/2016); "Исследование отказоустойчивых кластерных систем с использованием технологий виртуализации" (Дог. №44/2014); "Исследование и разработка информационной системы управления программными активами и серверной инфраструктурой предприятия " (Дог. №42/2014); "Разработка второй очереди опытного образца информационной системы и программного обеспечения для управления информационной безопасностью гетерогенной инфраструктуры предприятия "(Дог. №17/2016);

Публикации. По теме диссертационного исследования опубликовано 14

печатных работ, в том числе 3 - в изданиях, рекомендованных ВАК РФ, 2 - в сборниках трудов конференций, индексируемых SCOPUS, 1 - свидетельство о государственной регистрации программы ЭВМ.

Личный вклад соискателя. Все изложенные в диссертации результаты исследования получены либо соискателем лично, либо при его непосредственном участии.

Структура и объем диссертации. Диссертационная работа состоит из введения, списка сокращений, четырех глав, заключения, списка литературы и двух приложений. Общий объем работы составляет 123 страницы машинописного текста, который включает 10 таблиц, 41 рисунок, список источников, использованных в работе, включает 107 наименований, 5 страниц приложений.

Глава 1. Анализ состояния вопроса в области использования методов описания данных в информационном обеспечении автоматизированных систем

диспетчерского управления

1.1 Общая структура информационного обеспечения автоматизированных

систем диспетчерского управления

В настоящее время большинство систем, составляющих основу диспетчерского управления являются комплексными объектами, объединяющими множество элементов и подсистем, иногда не связанных друг с другом. Подобные системы являются совокупностью программных и аппаратных средств, позволяющих обеспечить удаленное управление и мониторинг одного или нескольких объектов инфраструктуры, в нее могут входить подсистемы: электроснабжения, газоснабжения, тепло и водоснабжение, вентиляция и кондиционирование, охранно-пожарные системы, видеонаблюдение и другие элементы. Основные подходы к созданию комплексных систем диспетчерского управления рассматривается в работах Поспелова Д.А., Варшавского В.И., Шалягина Д.В., Горелик А.В., Красковского А.Е., Лисенкова В.М., Розенберга Е.Н., Тулупова Л.П., Шаманова В.И., Первозванского А.А., Максвелла В.Л., Конвей Р.В., Миллера Л.В.. и др.

Структура работы автоматизированной системы диспетчерского управления состоит из подсистем, позволяющих получать информацию о параметрах функционирования отдельных элементов или системы в целом, управляющих устройств, программных комплексов интерпретирующих данные, а также систем динамической визуализации процессов с возможностью оперативного реагирования на происходящее событие в ручном или автоматическом режимах.

Впервые подходы к проектированию прообраза систем диспетчерского управления описаны в работах [6;8;48] Поспелова Д.А., Варшавского В.И., в которых в том числе была приведена классификация систем диспетчерского управления на централизованные и децентрализованные системы. При централизованном подходе диспетчеризации большинство вопрос имеют номенклатурное описание технологических или иных операций при этом множество вспомогательных действий в этом процессе неизвестно, а зависит от

основных действий системы. Отличительной особенностью подобных систем диспетчеризации является необходимость выполнения сформированной последовательности действий, непосредственно друг за другом. Это связано с ограниченностью доступных ресурсов для выполнения всего комплекса действий, невозможность определения точного момента выполнения основной и вторичной операции. В работах [16;30;43;59] используется классификация подходов к решению задач диспетчеризации:

• Организация очередей работ каждому элементу согласно приоритету;

• Организация общей очереди для свободного ресурса по приоритету;

• Интеллектуальные системы продукционного типа функционирующие на основе алгоритма;

• Интеллектуальные системы продукционного типа использующие методы искусственного интеллекта.

Недостатками централизованного подхода является невозможность отработки аварийного состояния комплекса при выходе из строя центрального узла выполняющего функции управления.

При децентрализованном подходе система функционирует в виде отдельных, самостоятельных подсистем с возможностью выбора воздействия на объект управления [8;9]. Связность системы достигается обеспечением процесса согласования элементов через различные среды коммуникации, в которой подсистемы работают. Преимущества таких автоматизированных систем диспетчерского управления в высокой оперативности, минимизации объемов, передаваемых данных, отсутствие общих критериев функционирования [8]. Это позволяет за счет подбора алгоритма управления можно приблизить надежность системы к базовым значениям. Недостатками такой среды является сложность адаптации к изменению среды за счет влияния внешних воздействий на комплекс. Другим серьезным недостатком является необходимость синхронизации со всеми объектами для выполнения задач диспетчеризации и управления объектами инфраструктуры.

1.2 Анализ особенностей, используемых данных в информационном обеспечении автоматизированных систем диспетчерского управления, требования и ограничения, предъявляемые к методам и алгоритмам

В настоящее время огромное значение имеет информационное обеспечение автоматизированных систем диспетчерского управления, используемые для мониторинга, диагностики и управления различного рода критических элементов инфраструктуры современных предприятий и структур жизнеобеспечения. Часто системы являются сложными взаимосвязанными комбинациями подсистем, решающих совместные задачи управления. Подобные многослойные системы могут оперативно передавать критические данные, необходимые для принятия решения, оператору автоматизированного комплекса. Разнообразие элементной базы, программного обеспечения, протоколов взаимодействия на ключевых уровнях позволяют говорить о решении задач совершенствования информационных систем на основе семантического комплексирования разнородных данных в виде онтологий, поступающих в интерактивном режиме оператору или комплексной системе мониторинга [44]. Характерной особенностью работы подобных систем является оперативность реакции на событие, поэтому поступающие данные, необходимо представлять в наиболее удобном виде, который позволит использовать их любыми элементами, входящими в состав современной гетерогенной распределенной информационной системы, решающей задачи мониторинга, контроля и диагностики.

Так как подсистемы, входящие в состав распределенной автоматизированной системы, в большинстве своем являются самодостаточными, то используемые в них данные имеют структурированный вид и представляют собой поток событий, записанных в файл или базу данных. В результате расширения количества подсистем в процессе эксплуатации происходит рост количества элементов необходимых для поддержки формирования, записи и интерпретации этих потоков.

При использовании географически распределенных сложных систем к которым можно отнести рассматриваемое информационное обеспечение

автоматизированной системы диспетчерского управления необходимо учитывать множество факторов, влияющих на оперативность реакции системы, унификация средств управления для формирования управляющих потоков событий, создание общих хранилищ информации, способных предоставить возможность анализа сущности происходящих процессов, как в системе в целом, так и ее отдельных элементах.

Многообразие потоков данных исходящих от элементов и подсистем требует более детального их рассмотрения и классификации. Основной задачей при функционировании элементов в структуре автоматизированной системы диспетчерского управления является семантическое комплексирование разнородных данных. В работе Когаловского, определение баз данных представлено в виде некоторой организации данных согласно правилам, имеющая возможность содержаться как во временной памяти для обработки, так и в постоянной для хранения, причем структура имеет описание некоторой предметной области с возможностью полноценно выполнять информационные преобразования пользователей [27].

В настоящее время при построении информационных систем наиболее частыми вариантами реализации подсистемы хранения является использование решений, совмещающих в себе элементы управления, контроля, организации доступа исполненных в виде реляционных СУБД или в виде хранилищ файловых записей. Использование подобных решений не всегда может обеспечить качественную, оперативную оценку состояния элементов комплексной системы, принятия решения на уровне системы для локализации отклонений от штатных состояний функционирования, что обуславливает актуальность данной работы.

Работа информационного обеспечения автоматизированной системы диспетчерского управления должна обеспечивать возможность надежной и гарантированной передачи данных между всеми ее элементами. Для удобства во многих работах используется подход декомпозиции сложной системы на ее составные части, в результате чего возможно применение механизмов унификации действий по отношению к элементам информационного обеспечения

автоматизированной системы диспетчерского управления [66]. К таким действиям можно отнести получение, анализ и хранение информации.

• Аппаратный уровень - рассматривает элементы нижнего слоя, включающие контроллеры, технологические устройства с управлением (задвижки, клапаны) и агенты управления;

• Сетевой уровень - объединяет работающие сетевые устройства, обеспечивает инкапсуляцию передаваемых данных в виде стандартных сетевых протоколов, использует встроенные MIB библиотеки для расширения спектра передаваемых данных о состояниях и команд управления;

• Уровень приложений - компоненты автоматизированной системы диспетчерского управления (визуализация, получение информации о событиях, управление состояниями, принятие решений)

Логические уровни работы распределенной автоматизированной системы диспетчерского управления могут быть классифицированы по типам оборудования, системному программному обеспечению, протоколам взаимодействия, прикладным задачам, выполняемым комплексом, и другие параметров элементов, входящих в ее состав [5]. При решении задач совершенствования взаимодействия элементов различных уровней информационного обеспечения автоматизированной системы диспетчерского управления, а также при проектировании систем с возможностью внедрения элементов, способных формировать представления о среде в которой они функционируют необходимо осуществить глубокий анализ необходимых параметров взаимодействия систем подобного класса и существующих методов используемых при решении подобного класса задач. В работах [29;34] предложена классификация информационных систем, включаемых в технологические процессы на всем жизненном цикле автоматизированной системы. По типу обрабатываемой информации в информационной системе выделяются системы:

• Системы обработки данных (Electronic Data Processing) - основное назначение которых оперативное регулирование и учет хозяйственных процессов;

• Информационные системы управления (Management Information System) - основное направление решение задач управления, мониторинга, планирования процессов;

• Комплексные СППР - ориентированы на решение задач стратегического планирования, применение методов принятия решений в рамках оперативных задач, механизмов накопления опыта и взаимодействия с экспертами в актуальной предметной области.

l.3 Классификация структур описания знаний и хранения данных в

информационном обеспечении

В работе Х. Уэно . М, Исудзука представлена классификация моделей представления знаний в виде четырех базовых сущностей, используемых в интеллектуальных системах различного уровня и их комбинациях [6l]:

- логическая или логика предикатов;

- продукционная;

- фреймовая;

- семантические сети.

Рассматривая модели знаний, автор приходит к выводу о том, что для работы информационного обеспечения автоматизированной системы диспетчерского управления необходимо предъявлять минимальные требования к структурам знаний, которые обеспечивают простоту понимания, однородность представления и упрощение механизмов управления выводом [6l]. Способы и модели представления знаний можно представлены в более развернутом виде на Рисунке l.

В работах французских ученых Геша, Тейза и Грибомона [35;36] предложена логическая модель знаний. Авторами представлены подходы, при которых вся информация представляется, как набор фактов и утверждений в виде формул

некоторой логики. Взаимодействие со знаниями в такой модели происходит посредством использования совокупности накопленных записей формул, а добавление новых сведений сводится к задачам логического вывода.

Рисунок 1 - Способы представления знаний

В работе [36;48] представлены достоинства логической модели в виде возможности реализации системы формально точных логических выводов, а также возможности организации единственно верного обоснования алгоритма вывода. Но несмотря на все преимущества логическая модель обладает рядом существенных недостатков в области представления экспертных неформализованных данных [48], обладающих, как и человеческая логика нестандартной, нечеткой структурой при использовании в классическом подходе строгой логики.

Продукционные модели представления знаний можно считать наиболее распространенными [37]. Основой такого подхода является усложнения правил представления знаний внутри структуры, что позволяет представлять знания в

формате «Если значение 1, то значение 2». Данная модель обладает существенными недостатками при увеличении числа продукций, возможно возникновение противоречивости внутри разрабатываемой структуры, а также не универсальность, выражающаяся в невозможности представления некоторых видов знаний в форме продукций, что отрицательно сказывается на качестве взаимодействия с информационной системой.

В работах американского ученого М. Минского в 70-х годах была предложена теория представления знаний в виде фреймов [90], в этой теории автор предложил игнорировать построение модели внешнего мира за счет использования разрозненных фактов и понятий. Основополагающим моментом данного подхода является утверждение автора, что любая машинная модель, отражающая реальный мир, должна представлять собой достаточно большую совокупность стереотипных моделей ситуаций [90]. Актуальность использования фреймовых структур знаний нашло свое отражения в работах [2;33;106] многих известных специалистов, таких как Р.Абельсон, Ч.Ригер, Е.Чарняк, Дж.Уилкс, Р.Шенк и др., в областях понимания естественных языков и восприятия зрительных и голосовых образов информационными системами. В работах [33] использованию фреймовой модели знаний указаны следующие преимущества такие как универсальность модели, позволяющая выразить многообразие знаний о реальном мире через различные фрейм-структуры, наличие возможности реализации принципа наследования, что позволяет экономить вычислительные ресурсы, возможности расширения дополнительными процедурами для реализации любого механизма управления выводом. Но также в работе [38] описаны недостатки использования фреймовой модели знаний при создании информационных систем, основанных на использовании подобного подхода, к ним можно отнести такие недостатки как:

• Трудоемкость внесения изменений в базовую иерархию;

• Сложность фреймовых систем, вследствие которой снижается общая производительность механизмов вывода;

• Отсутствие базовых возможностей по обработке исключений;

• Отсутствие стандартных механизмов управления выводом;

• Описательные средства знаний являются не в полной мере естественными языками с возможностью интерпретации, их структура ближе к изобразительным средствам.

Формирование подхода к созданию семантических сетей и использование семантических сетей, как структур для работы со знаниями было предложено в работах [98;99], а также позднее в работе [61] авторами предлагается подход по созданию и использованию семантических сетей, для решения задач взаимодействия с информационными системами. В общем смысле под семантической сетью понимается структура, содержащая такие элементы, как объекты предметной области и отношения между ними [99], причем в роли объектов могут выступать различные понятия, процессы, события, которые могут наделяется определенными свойствами, таким образом такая структура позволяет задать конкретную предметную область в виде понятий и отношений между этими понятиями. Проработкой механизмов использования семантических сетей плотно занимался Ричард Риченс, им был предложен двухэтапный механизм трансляции исходного текста на нужный язык, через промежуточную форму, которой и являлась семантическая сеть. Впоследствии Абельсоном, Симмонсом, Уилксом были представлены работы [1;54;60;91;106] по созданию базовых наборов тезаурусов для использования в различных предметных областях.

В настоящее время семантические модели для представления знаний используются в различных сферах и технологиях, в результате широкого распространения глобальных коммуникационных сетей, в работе Бернерс Ли [104] было рассмотрено применение подобной структуры для создания так называемой семантической паутины, глобальной структуры формирующейся на базе сети Интернет, путем преобразования структур в вид пригодный для машинной обработки [71].

В общем виде семантическую сеть можно рассматривать как тройку (объект, связь, объект) или триплет, который выражает минимальный набор знаний способный выразить простейший факт в рамках семантической модели.

Представления знаний в виде семантических сетей имеет ряд преимуществ для использования в информационных системах, но также при их использовании возможен ряд недостатков, таких как смешение различных знаний из смежных предметных областей, что усложняет общее понимание структуры, также для устранения проблем связанных с неэффективностью механизмов вывода внедряется механизм процедурных присоединений.

Для решения проблем обеспечения взаимодействия в информационной среде, онтологии также могут быть классифицированы в соответствии с их содержанием изображены на Рисунке 2. Это позволяет акцентировать внимание на содержании базы знаний, а не на общей формализованной модели абстрактных понятий. На верхнем уровне описываются основные понятия, абстрагированные от предметной области, такой концепцией может быть время, объекты, событие, действие.

Ориентированная онтология (онтология среднего уровня) позволяет использовать ее при реализации прикладного программного обеспечения для выполнения конкретной задачи. Часто онтологии [8] заданного уровня содержат конкретные понятия и элементы, присущие только данной предметной области, но также можно хранить общие понятия. Ориентированная онтология содержит терминологию, представленную в онтологиях верхнего уровня, по наследству.

Рисунок 2 - Классификация онтологий по содержанию

Онтология [64] субъекта (онтология нижнего уровня) содержит описательную часть конкретного объекта, участвующего в конкретной деятельности. Эта онтология позволяет указать подробные характеристики конечного объекта и методы взаимодействия.

К основным методам определения онтологий в настоящее время можно отнести следующие подходы:

• Наборы;

• Графический подход;

• Автоматизированный подход;

• Описательная логика.

При использовании множеств онтология определяется как набор определений (понятий) домена, отношений между понятиями и набора функций для интерпретации понятий по множеству отношений. Этот подход является более абстрактным, что повышает гибкость приложения и очень похоже на подход к дескриптивной логике [64]. При создании модели, описывающей предметную область, основной проблемой является сложность используемой алгебры множеств. Также нет встроенных методов для тестирования онтологии и выборки данных, реализация которых является сложной и зависит от конкретной модели.

При определении онтологии с использованием графового подхода основным преимуществом является ясность, которая облегчает понимание модели для широкого круга людей, не обладающих специальными навыками, а также структурируемость информации. Онтология в этом случае представляется в виде ориентированного графа с циклами. Понятия - это вершины, а дуги графа соответствуют отношениям между определениями. Обширный математический аппарат теории графов позволяет использовать различные методы исследования с помощью эффективных алгоритмов, но он затрудняет унификацию и стандартизацию представлений, поскольку он не является ограничительной логикой для онтологии.

Реализация задачи описания онтологии возможна с помощью конечного автомата, что позволяет применять соответствующий концептуальный и

математический аппарат. Этот подход не позволяет подробно описать иерархии, описанные в онтологии. Например, если мы представляем онтологию в виде ориентированного графа

О = (К, Я), (1.1)

где K - множество предметных областей, а R - множество бинарных отношений между ^ то детерминированному автомату можно поставить в соответствие такой граф.

А = (К, Б, М, Е, Б (к, г)), (1.2)

где N - начальное состояние автомата, D - входной алфавит, M - множество состояний автомата, E - конечное состояние автомата, F (^ г) - множество переходных функций. Представление онтологий в виде конечных автоматов имеет возможность использовать операции пересечения, объединения, итерации, умножения нескольких автоматов, а также соответствующие алгебраические свойства формальных языков с помощью регулярных множеств. Основные недостатки этого подхода можно объяснить отсутствием полноты онтологических описаний [61], невозможностью однозначной интерпретации понятий и предметных областей в целом, сложности идентификации понятий и объектов на разных уровнях онтологии.

Адаптивный подход (дескриптивная логика) задачи онтологии основан на соответствующих инструментах логики предикатов первого порядка, семантических сетях и фреймах. Основные понятия этого подхода - унарные (элементарные понятия) и бинарные (элементарные роли) предикаты, используемые для определения отношений. Такой подход позволил нам сравнить операции с элементарными понятиями с определенными логическими операциями.

Одним из направлений использования онтологий является применение моделей в автоматизированных системах диспетчеризации для распределенных объектов жизнеобеспечения. Данная система представляет собой [27] сложную систему, имеющую многоуровневую структуру. Главной особенностью таких

систем является возможность мониторинга и управления распределенными объектами в реальном времени [48]. Современные автоматизированные системы диспетчерского управления являются многоуровневыми системами, которые позволяют функционировать и обеспечивать регулирование процессов в случае критических ситуаций.

Многослойная система диспетчеризации, изображенная на Рисунке 3 обеспечивается с помощью локальных систем управления [5] (системы электропитания, тепловые пункты, системы приточно-вытяжной вентиляции), приводы (электромагнитные клапаны, насосы) на более низком уровне взаимодействия.

Технологнче ский уровень

Тепловые пункты Системы энергоснабжении Вытяжные установки

Промежуточ ный уровень

Контроллеры

Преобразователи интерфейсов

Транзитный уровень

Сетевое оборудование Пограничные мар шрутиэ аторы Сетевые системы зашиты

* Клиентские приложения

* ЁСАОА системы

* Веб сервера

* Базы данных

Прикладной уровень

Рисунок 3 - Иерархическая модель работы АСДУ Промежуточный технологический уровень коммуникационного оборудования, включая программные контроллеры, интерфейсные преобразователи, позволяет формировать пакеты управляющей и системной информации. Взаимодействие с верхним прикладным уровнем (базами данных, рабочими станциями пользователей, веб-серверами, серверами резервных технологий) осуществляется через транзитный уровень сетевого оборудования.

При создании онтологии нижнего технологического уровня, очень важно провести детальную классификацию систем и оборудования, а также определить связь по принципу объект - функционал - система.

1.4 Анализ методов и подходов к представлению структурированных наборов знаний и данных в виде онтологий в информационном обеспечении автоматизированных систем диспетчерского управления и их обработка

Сбор информации направлен на получение актуальных сведений в процессе функционирования информационного обеспечения автоматизированной системы диспетчерского управления, в том числе и автоматизированной системы диспетчерского управления. Качество первичных сведений в процессе сбора напрямую зависит от применяемых методов и в целом влияет на дальнейшее функционирование и правильность реакции на возникающие события и инциденты. Входные данные - это сведения, получаемые системой при запуске и динамически изменяющиеся в штатных и нештатных режимах работы. Методы интерпретации таких данных играют важную роль для принятия решений в процессе функционирования информационного обеспечения автоматизированной системы диспетчерского управления [8].

Важным фактором при выборе конечного метода сбора информации является уровень интерпретации, первичных данных в конкретную предметную область информационного обеспечения автоматизированной системы диспетчерского управления, а также формализация информации в информационную сущность, в виде данных, которые уже можно использовать для управления режимами функционирования системы [89].

Основными источниками первичных данных в подобных системах являются элементы структуры (объекты) и их свойства. Для обеспечения правильного подхода к сбору первичной информации в АСДУ, требуется определится с методом исследования, инструментом исследования и способов связи с объектом анализа изображенными на Рисунке 4.

К методам сбора информации в системах автоматического диспетчерского управления можно отнести:

• Мониторинг объекта/процесса;

• Статистическое наблюдение информационных потоков

• Прогнозирование/ метод экспертных оценок

• Формирование выборки данных от объектов

• Анализ логик функционирования объектов

Сравнительный анализ используемых методов получения первичной информации в рамках функционирующей автоматизированной системы диспетчерского управления приведен в Таблице 1 и позволяет использовать следующие методы, как отдельно для получения сведений о работе информационного обеспечения, так и комплексно.

Рисунок 4 - Подходы к сбору первичной информации

Таблица 1 - Методы получения первичной информации в АСДУ

Наименование Характеристика Способ Область

метода метода функционирования применения

Мониторинг Метод сбора Запрос состояния Сбор первичных

объекта/процесса первичной объекта/процесса с данных от

информации помощью агента конкретного

путем опроса или объекта/процесса

состояний коммуникационног информационной

определенной о протокола. системы, для

группы объектов уточнения

или процессов. параметров

Данный метод работы в

фиксирует различных

фактические режимах.

данные в

определенных

Введение диссертации (часть автореферата) на тему «Разработка онтологий информационного обеспечения автоматизированных систем диспетчерского управления»

режимах работы

системы.

Формирование Метод сбора Запрос состояния Сбор первичных

выборки данных первичной групп объектов данных от групп

от объектов информации или процессов с объектов/процессо

путем помощью в

исследования интеллектуального информационной

групп агента, системы, для

однотипных позволяющего уточнения

объектов, проводить анализ параметров

входящих в полученных работы в

состав данных с различных

информационной использованием режимах.

системы. статистических

Позволяет методов.

используя

критерии отбора

получить

статистические

данные в

определенных

режимах работы

Статистическое Метод сбора Запрос состояния Сбор первичной

наблюдение первичной диапазонов информации о

информационных информации объектов или этапах

потоков путем введения процессов на функционировани

диапазонов различных уровнях я объектов, групп

наблюдения в функционирования объектов, уровней

рамках объектов информационной информационной

или подсистем. системы с системы.

Позволяет помощью

получить интеллектуального

сплошную или не агента,

сплошную позволяющего

статистическую проводить анализ

информацию о полученных

группах объектах, данных с

уровнях, использованием

подсистемах в статистических

составе АСДУ методов.

Прогнозирование/ Метод получения Запрос состояния Определение

метод экспертных первичных групп объектов характера

оценок данных о системе или процессов с возникающих

путем внедрения помощью событий на основе

в интерпретацию интеллектуального целей, объектов,

данных агента, критериев

экспертной позволяющего исследования и

системы проводить анализ уровней систем.

соответствующей полученных

предметной данных экспертной

области и системы.

автоматическим

выделением

критериев

важности

первичных

данных

Анализ логик Метод получения Запрос первичной Используется в

функционировани первичных информации от качестве при

я объектов данных путем объектов и изучении

использования процессов с различных видов

базовых описаний помощью агентов информационных

предметных или систем, либо

областей коммуникационны результатов

объектов, х протоколов в наблюдения за

входящих в которых объектами в их

состав определяются составе.

информационной фактические

системы. Данный параметры

метод позволяет объектов и

получить массив процессов, а также

первичных пороговые

данных для значения

определения характеристик.

показателей

функционировани я объектов и подсистем уровней АСДУ

При решении задачи создания механизма сбора данных в информационной системе, определяют технические средства и формируют алгоритм проведения сбора первичных данных в информационной системе, который включает в себя следующие этапы:

• Формирование цели и области сбора данных (объект, группа объектов, уровень, подсистема);

• Постановка задачи на уровне инструментов сбора информации, загрузка представлений о предметной области, формирование модели работы инструмента со структурой данных, передача и интерпретация сведений экспертной системы;

• Разработка концепции сбора данных, порядка их аккумулирования в рамках, существующих структур хранения данных, а также модификации онтологических или других объектов хранения знаний

• Выбор источников первичной и вторичной информации, сбор вторичных данных, применение критериев оценки полученных данных (полнота, актуальность, возможность обработки, точность);

• Сбор и ввод первичной информации, анализ полученных данных, внесение данных в существующие или модифицированные структуры хранения информации, передача на обработку.

На сегодняшний момент онтологический подход к управлению знаниями является достаточно новым методом, обеспечивающим накопление, систематизацию и хранения знаний в информационных системах, но несмотря на это данный подход имеет определенные перспективы использования в сложных информационных системах. Онтология в классическом определении по Груберу является явная спецификация концептуализации [78], фактически онтология описывает структуру проблемной области в которой используется. В работах

Доброва и Лукашевич [42] применяется определение, что онтология - это комплекс, определяющий наборы понятий и утверждений о концептах, с которые позволяют, осуществлять запись отношений и связей между объектами, формировать классы предметной области и функции. Онтологии позволяют не только получить семантику информации в формальном виде, но и на основании включенных тезаурусов связать информацию пригодную для машинной обработки с формами удобными для представления человека.

В работах Гуриано [81;82] рассматривается семь уровней иерархии онтологий и описываются связи между ними в процессе накопления знаний и их использования. Включая онтологии описаний предметной области, задач, приложений, общих и промежуточных понятий, а также представлений.

В рамках онтологий представления рассматривают концептуализацию представления знаний. Общие онтологии содержат информацию о фундаментальных объектах концептуализации, промежуточные онтологии обеспечивают интеграцию различных областей знания в рамках некоторой предметной области. Онтологии верхнего уровня описывают конкретные элементы вышестоящих онтологий. В онтологиях задач решается вопрос описания определенных знаний или деятельности в конкретной области знаний, онтологии приложений позволяют использовать конкретные специализации уровней предметных областей и задач [81;82]. В ряде работ [28;57] авторы описывают онтологию предметной области, как словарь определенной предметной области, совмещенный с набором утверждений, обеспечивающих правильную интерпретацию и использование онтологии.

Среди авторов понятие онтология имеет достаточно абстрактное значение, но несмотря на этот факт формирование онтологий или структур, имеющих сходное строение может помочь в решении определенного спектра задач. В работе [26] рассматривается применение онтологий, как элемента для автоматизированной обработки и доступа к данным, с учетом семантики. В работе [3] использование онтологий обеспечивает извлечение семантически ценных данных из индексируемых интернет страниц, что может повысить качество

информационного поиска за счет отделения не несущих информационной составляющей элементов. В рамках работ консорциума W3C по разработке онтологий [96] поддерживаются проекты создания, пополнения и представления знаний через семантические порталы с возможностью универсального доступа, такие как dbpedia, semantic mediawiki.

Онтологии успешно применяются в рамках множества медицинских проектов, где необходимо обеспечить анализ данных и логический вывод. Создание интеллектуальных, экспертных и систем поддержки принятия решений на базе онтологий в медицинской среде нашло свое отображение в виде реализации систем VDS (Virtual Doctor System) [76], Heart Failure Ontology [86], Clinical measurement ontology [100] и других, кроме этого онтологии успешно применяются при решении задач проектирования сложных систем [68], решение для управления процессами очистки сточных вод на различных гидросооружениях различного уровня очистки Onto WEDSS System [102]. Решение задач мониторинга объектов нефтегазовой отрасли c использованием комплекса систем на базе онтологий рассмотрена в работе [66], в которой были затронуты аспекты энергоэффективности и обеспечения экологической безопасности при проведении работ.

Приведенные примеры позволяют говорить о том, что использование онтологий различных предметных областей в интеллектуальных системах различного уровня является одним из наиболее перспективных направлений их применения. Область знаний и терминология, позволяющая эксперту наиболее полно подойти к решению задачи, может быть представлена в виде соответствующей онтологии, которая позволит в автоматическом режиме строить запросы и получать однозначно интерпретируемые результаты в предметной области. Несмотря на это при проектировании и создании экспертных интеллектуальных систем на базе онтологий, особенно в случаях слабой структуризации сведений о соответствующей предметной области, требуется применение наиболее полной и объективной структуры. Обеспечением должного

уровня качества разрабатываемой онтологии занимается научное направление -онтологический инжиринг.

В настоящее время существует множество хранилищ, которые аккумулируют создаваемые онтологии (DBpedia, OntologyWiki, Protege) [70;95;97], кроме этого существует набор информационных поисковых систем, позволяющих полноценно взаимодействовать с онтологиями [72], но несмотря на заявленные возможности подобных сервисов, эксперту или специалисту достаточно сложно оценить уровень качества созданных структур, наполненности предметной области, актуальности сведений. Еще одной из проблем подобных сервисов является невозможность применения представленной онтологии в рамках целевой задачи из-за более широкого описания предметной области и отсутствия необходимых концептов, кроме того подавляющее большинство онтологий разработаны на английском языке, что не позволяет использовать их в приложениях, использующих взаимодействие с экспертом или предметной областью на русском языке из-за различий в синтаксисе и семантике знаний.

Фактически для реализации информационного обеспечения автоматизированной системы диспетчерского управления в выбранной предметной области перед специалистом встает задача создания собственной онтологии, включающей все особенности данной области знаний, но несмотря на существуют некоторые проблемы его реализации. Основными проблемами являются длительность реализации и сложность построения качественной структуры онтологии. При проектировании и создании онтологии разработчику необходимо иметь полное представление о предметной области на уровне эксперта [24], чтобы обеспечить полноценную передачу всех возможных отношений и связей между объектами в структуре онтологии. Фактически для обеспечения адекватности построенной модели необходима не только совместная работа множества специалистов в проектируемой предметной области онтологии, но и тщательная проверка вносимых данных на каждом этапе инжиринга, без этого велика вероятность на выходе получить модель несоответствующую начальным требованиям.

В связи с бурным развитием интеллектуальных систем, семантического веба и других систем тесно связанных с использованием онтологий, а также невозможности использования развитых методов и средств создания подобных структур, актуальным становится вопрос об автоматизации процесса их построения для использования в системах различных уровней в том числе и автоматизированных системах диспетчерского управления.

Перечисленные недостатки инжиринга могут сильно усложнить и затормозить процесс создания систем на базе онтологий, что непосредственно повлияет на их качество, актуальность и стоимость, что в свою очередь определяет актуальность данной работы.

В процессе становления методов разработки онтологий, как самостоятельного научного направления для их построения был сформирован комплекс подходов. В рамках работ [69;74;75;77] были проведены исследования по выявлению этапов формирования онтологий, их разработки и жизненного цикла в рамках различных информационных систем. Так в работах [74;75] рассматриваются методологии проектирования знаний, направленные на

выявление соответствий со стандартом IEEE DSLCP 1074-1995. В работе [77]

анализируются методы проектирования и формирования онтологий с учетом их глубины и использования сформировавшихся знаний. С подобным подходом можно ознакомится в работе [69] в которой автор более развернуто описывает методологию построения с учетом специфики предметных областей. Несмотря на широкий круг работ в них не определена четкая классификация применяемых методов для инжиринга знаний.

В результате проведенного анализа источников, предлагается следующая классификация онтологий, позволяющая наиболее полно описать методологии проектирования подобных структур знаний с выделением наиболее важных признаков.

1. По типу проектирования онтологии:

o Методологии распределённого формирования; o Методологии координированной разработки.

2. По типу интеграции в информационную систему: о Встроенные;

о Обособленные; о Гибридные.

3. По типу начальных данных:

о На основе базовой модели; о На основе предметной области; о На основе вариантов применения; о На основе реализаций систем; о Гибридная.

4. По возможности формализации онтологии: о Неформализуемые структуры;

о Наличие возможности формализации.

5. По вариантам добавления элементов: о Восходящая;

о Нисходящая; о Гибридная.

В работах [77;105] описана методология описания онтологий в виде базиса, в настоящее время которая получила название «скелетной». Несмотря на новые подходы, предложенные Кингом и Ушолдом, она обладает рядом недостатков. В данной методологии упущены такие вопросы, как расширение, изменение и модификация, а также объединение онтологий из смежных предметных областей. Авторы признают, что данный подход всего лишь затрагивает некоторые особенности создания онтологий, но в тоже время не является полноценным регламентом, затрагивающим весь комплекс, мер сопровождения их жизненного цикла. В данном подходе не рассматриваются возможности формализации знаний в рамках построения онтологий предметных областей.

В трудах Грюнингера [79] была предложена методология формирования онтологии относительно применяемого инструмента, которым может выступать приложение для решения конкретной практической задачи. Особенностью такого

подхода является специфика разработки, фактически создаваемый онтологический объект имеет ограничения реализации в том числе при решении задач объединения с другими онтологиями или изменения алгоритма работы приложения. Основным недостатком подхода также является отсутствие четкого определения последовательности формирования онтологии или выбора стратегии разработки согласно ключевых особенностей предметной области.

Создание обобщенного подхода к формированию онтологий в рамках стандарта IEEE 1074-1995 [83], который описывает жизненный цикл приложений, включая все этапы разработки от проектирования до промышленной эксплуатации, позволило авторам [74;75;77] получить более качественное по мнению авторов решение. Несмотря на это подход METHONTOLOGY имеет ряд недостатков, связанных с отсутствием предварительного проектного анализа данных и знаний, которые должны быть включены в онтологию. Также в методологии отсутствуют регламенты описывающие процессы контроля качества разработанных моделей и их верификацию в процессе наполнения и эксплуатации.

Методология SENSUS является разработкой института информационных наук (ISI) и была получения в процессе объединения двух решений в области подходов формирования лингвистических онтологий в области машинной трансляции перевода текстов [88]. Несмотря на успех проекта, который положительно повлиял на развитие сервисов и технологий перевода, сама методология SENSUS имеет ряд негативных особенностей, в том числе высокие требования к специалистам, осуществляющим отбор концептов для включения в онтологию, а также влияние субъективного мнения конкретного эксперта на процесс создания онтологии и формализацию концепта.

Методология On-To-Knowledge создана группой европейских ученых в рамках проекта построения онтологий для решения задач связанных с построением систем управления знаниями базирующихся на онтологиях [103]. Подход нацелен на определение начальных условий формирования онтологий, разработкой структуры, которая позволит экспертной системе полноценно выполнять основные задачи работы со знаниями. Недостаток этой методологии заключается в том, что

осуществляется привязка к структурам имеющих четкую связь в виде общей централизации, что является достаточно серьезным ограничением для применения в гетерогенных распределенных системах. Необходимо отметить, что в подходе не определен алгоритм развития знаний, отсутствие механизма решающего вопрос контроля качества попадающих в онтологию новых концептов, может негативно сказаться на формируемой модели.

Качественное описание предметной области функционирующих многослойных информационных систем требует применения новых походов и моделей, которые способны предоставить возможности для фиксации временных показателей, фактов изменения свойств объектов и структур. Предлагаемые консорциумом W3C пространственно-временные модели для представления объектов в виде отношений объектов в рамках дополнительных расширений языка [107], могут успешно сочетаться с подходом 4D-fluent для получения временных значений событий и знаний [66].

Данный подход предлагает использовать многомерное пространство описания объектов, где одним из измерений является время, при этом указание временных интервалов производится с помощью вводимых в предметную область связей ("до"," после", "перед"). Поддержка языка структурированных запросов БРАЕДЬ позволяет в машинном формате получить утверждения дополнительных фактов, формируемых в предметной области. Преимущество такого подхода выражается в возможности получения дополнительных знаний через возможное взаимодействие двух или более объектов.

Основным недостатком подобного метода является избыточность данных и сложность возникающих связей, бинарных отношений при появлении нового события или объекта с пространственными характеристиками. Подход обеспечивает поддержку формирования логического вывода, но в определенной мере затрудняет описание предметной области в целом за счет невозможности использования инверсии или транзитивности отношений [53].

В связи с этим применение данного подхода не всегда возможно при описании наиболее критических ко времени обработки и принятия решения

структурах, в том числе и в гетерогенных информационных системах управления, поэтому распространение получило совместное использование 4d-fluent с методом, направленным на формирование временных и пространственных тезаурусов, которые обеспечивают полноценное покрытие предметной области, с их более полной универсализацией. Практическим примером реализации подобного подхода является онтология OWL-Time [66].

Менее используемые согласно [12] являются подходы формирования пространственно-временной информации в онтологиях, включающие возможность применения парных отношений, именованных графов, подходов управления версиями, недостатком которых автором выделено дублирование знаний или в целом онтологий при изменении структуры предметной области.

В настоящее время достаточно бурно развивается технология обеспечения связности данных в виде пространственно-временной модели реализованной на базе блочно-цепочной последовательности, в частности реализация алгоритма блокчейн рассмотренная в работах Сатоши Накамото [77]. Предложенный в работе подход позволяет формировать данные в виде определенных наборов для последующей сборки в блоках, некоторый вычислительный процесс в котором обеспечивается зависимость данных блоков друг от друга. При таком подходе невозможно изменить необходимый блок без перестройки всей сгенерированной последовательности блоков следующей за ним.

Технология блокчейн является достаточно новой, но имеющей огромные перспективы, что отмечается в работах Накомото, Енгландера, Мейклиджона, Джордана, [80;84;87;92;93;94;101] в том числе из-за того, что сферы его применения еще до конца не определены. Подобная организация данных позволяет реализовывать комплексные механизмы защиты передачи данных и управляющих сообщений в том числе и в автоматизированных системах диспетчерского управления.

Несмотря на то, что онтология информационного обеспечения автоматизированной системы диспетчерского управления системы является полноценной структурой способной описать все состояния среды и обеспечить

дополнительные возможности по реализации логического вывода для решения задач мониторинга и восстановления работоспособности, существует ряд недостатков, которые могут помешать классической онтологии обеспечить хранение, проверку и использование действительных фактов в рамках вводимого ряда аспектов. Также к недостаткам информационных систем построенных на базе онтологий, описанных в работах [26;28;57;81] можно отнести фактическое отсутствие механизмов безопасности в рамках хранилища концептов на семантическом уровне, и на уровне взаимодействия с информационной системой.

Сравнительный анализ использования методов взаимодействия с данными в рамках распределенных автоматизированных систем диспетчерского управления приведен в Таблице 2 отражает актуальность проблемы и необходимость проведения исследований для совершенствования структур и подходов к процессам функционирования многослойных информационных объектов при межсетевом обмене.

Таблица 2 - Сравнительный анализ подходов взаимодействия при использовании

различных информационных структур

Метод взаимодействия информационных систем

Смешанные Формализов

Функционал Процедур Методы

методы анные

и ные взаимодейс Пространст

использую семантическ

возможност методы, щие твия ие сети и венно-

и для основанн формальн информаци временная

онтологии

механизмов ые на ые онных знаний в онтология

обеспечения формиров масштабах на базе

декларати систем на блочно-

взаимодейст ании

вные базе уровней цепочной

вия предметн взаимодейст

информацио продукцио нные продукцион ных и

ой вия организации

нных систем области данных

на базе системы фреймовых моделей информацио нных систем

алгоритм ов

Трудоемкос ть создания + - - - +

Сложность структур + + - + +

Обеспечени е отслеживан ия корректност и данных + - - - +

Обеспечени е целостности - - - - +

Сложность реализации логического вывода + - - + +

Противореч ивость информацио нной структуры + - + +

Возможност и средств описания структур - - + + +

1.5 Выводы по главе

В настоящее время существует большое количество структур, позволяющих обеспечить взаимодействие информационных систем на различных логических уровнях, подобное многообразие создает ряд существенных вопросов при унификации работы существующих комплексов, их расширения новыми элементами и структурами. Фактически в масштабах автоматизированной системы диспетчерского управления возникают проблемы быстрой инициализации элемента, быстрого обучения состоянию элементов структур информационного обеспечения автоматизированной системы диспетчерского управления и решения вопросов дальнейшего встраивания нового элемента в существующую предметную область. Решение данной задачи является актуальным вопросом функционирования сложных систем, необходимость исследования подобных структур объясняется повсеместным использованием комплексных систем диспетчеризации, начиная от сложных технологических производств и системами жизнеобеспечения и заканчивая технологиями интернета вещей, которая позволяет в децентрализованном режиме обеспечивать семантическое комплексирование разнородных данных. Недостатки выявленные в процессе исследования существующего информационного обеспечения автоматизированных систем диспетчерского управления на основе онтологий, которые обеспечивают обработку разнородной информации позволяют говорить о необходимости исследований в этой области.

В первой главе был проведен анализ состояния исследований в области информационного обеспечения АСДУ, позволяющие информационным системам выполнять функции семантической обработки разнородной информации, рассмотрены способы представления данных и знаний в автоматизированных системах диспетчерского управления их преимущества и недостатки. На основе проведенного анализа была обоснована актуальность проведения исследований в области построения моделей онтологий на основе блочно-цепочных механизмов для обеспечения взаимодействия элементов в системах диспетчерского управления.

Глава 2. Разработка метода обработки информации в автоматизированных системах диспетчерского управления на основе онтологии для информационного обеспечения автоматизированных систем диспетчерского управления

2.1 Разработка модели онтологии для описания данных автоматизированной

системы диспетчерского управления

Онтологическая модель информационного обеспечения автоматизированной системы диспетчерского управления опирается на набор данных, полученных при проведении анализа моделируемой области, чаще всего в виде знаний специалистов и экспертов. Любая онтология может быть представлена в виде базовых единиц, имеющих фактическое представление данной аксиомы в зависимости от контекста. Применительно к гетерогенным системам управления, подобным автоматизированным системам диспетчерского управления важны временные критерии возникшего события в среде и фиксацию его пространственно-временных показателей, позволяющих однозначно установить критические события системы. Множество описаний фактов, включаемых в структуру подобной онтологии, необходимо классифицировать в зависимости от уровня функционирования информационного обеспечения автоматизированной системы диспетчерского управления [56]. Создание такой классификаций может позволить осуществить формализацию и определение конечного состава концептов, извлекаемых из онтологии, для каждого уровня функционирования автоматизированной системы.

Список литературы диссертационного исследования кандидат наук Гвоздевский Игорь Николаевич, 2019 год