Semantische Modellierung von Daten und Workflows in Produktion und Logistik

Mehr Maschinenlesbarkeit und bessere Wiederverwendbarkeit von Daten und Workflowmodellen

© arrow - stock.adobe.com

Wenn Prozesse in Produktion und Logistik, z. B. mit Hilfe von Basistechnologien des Internet der Dinge oder der Industrie 4.0, digitalisiert werden, ist die Verfügbarkeit und Nutzbarkeit der dafür notwendigen Daten und Workflows eine wiederkehrende Herausforderung: Oft gibt es keinen Überblick über bestehende Datenquellen; es ist unklar, welche Daten zur Verfügung stehen bzw. wie Datenquellen mit anderen Daten sinnvoll kombiniert werden können. Außerdem ist die Modellierung der Daten und auch der Workflows entweder nicht vorhanden oder nur unzureichend gelöst. Existierende textuelle oder graphische Beschreibungen sind in der Regel nicht maschinenlesbar und führen bereits bei der Kommunikation zwischen den an einem Prozess beteiligten Personen zu Missverständnissen und erst recht zu Schwierigkeiten in der technischen Umsetzung bei der Digitalisierung eines Prozesses. Außerdem wird durch unzureichende Beschreibungen die Wiederverwendbarkeit von Modellierungen erschwert, so dass verwandte Digitalisierungsprojekte immer wieder neu angegangen werden müssen und keine Synergien gehoben werden können.

Vor diesem Hintergrund wird folgende Forschungsfrage untersucht: Wie lassen sich Daten und Workflows im Produktions- und Logistikumfeld modellieren und repräsentieren, sodass diese zum einen maschinell gelesen und interpretiert werden können und zum anderen in ähnlichen Anwendungsszenarien wiederverwendet und bei Bedarf adaptiert werden können?

Maschineninterpretierbare und wiederverwendbare Daten- und Workflowmodelle durch semantische Modellierung

Das Ziel dieses Projektes sind maschineninterpretierbare und wiederverwendbare Daten und Workflowmodelle im Produktions- und Logistikumfeld auf Basis semantischer Modellierung. Zu diesem Zweck werden die Daten in Klassendiagrammen der Unified Modeling Language (UML) modelliert. Im weiteren Verlauf kommen zur Wissensrepräsentation Datenmodellierungssprachen des Semantic Web zum Einsatz, zu denen z. B. das Ressource Description Framework (RDF), RDF Schema (RDFS) sowie die Web Ontology Language (OWL) zählen. Zudem wird für Produktions- und Logistikprozesse aufbauend auf UML-Zustandsdiagrammen mit Workflows in Linked Data (WILD) eine Sprache genutzt, die Workflows maschineninterpretierbar darstellen kann.

Dabei bilden die entwickelten Daten- und Workflowmodelle die Basis für die Integration von Daten und Prozessen aus verschiedenen Anwendungsszenarien. Bestehende Projekte im Semantic Web-Umfeld modellieren Szenarien im Industrie 4.0-Umfeld noch sehr systemnah; betriebswirtschaftliche Konzepte wie Auftrag, Einlagerung oder Produktionsschritt sind im Semantic Web-Umfeld noch nicht in generischer Modellierung verfügbar. Ziel des Projektes ist dabei sowohl die unternehmensinterne als auch die unternehmensübergreifende semantische Modellierung von Daten und Workflows am Beispiel von Behälterkreisläufen im Industrie 4.0-Umfeld., da sich diese in zahlreichen Unternehmen finden.

 

Wissensgraphen für Daten und Workflows in Produktion und Logistik

Auf Basis der Linked Data- und Semantic Web-Paradigmen lassen sich Unternehmensdaten aus Produktion und Logistik, die in unterschiedlichen Datenformaten vorliegen und auf unterschiedliche Datenquellen verteilt sind, semantisch beschreiben und weitgehend automatisch nahezu in Echtzeit miteinander verknüpfen. Dabei entsteht ein Wissensgraph, welcher gleichzeitig die Grundlage für die nächste Generation von Anwendungen der Künstlichen Intelligenz darstellt: Maschinen sind so in der Lage, automatisiert Daten zu verknüpfen, die Bedeutung großer Datenmengen zu verstehen und logische Schlussfolgerungen zu ziehen.

Das könnte Sie auch interessieren

 

Technologien und Lösungen für die digitalisierte Wertschöpfung

Ein Einstieg in den digitalen Wandel wird durch klar erkennbare Mehrwerte in der Praxis erleichtert. Dabei richten sich unsere Lösungen auf klare Kosten- und Nutzeneffizienz und integrieren sich in Ihre bereits bestehenden intralogistischen und industriellen Prozesse, bei denen der Mensch auf Technik trifft. Wir sind Ihr Partner für die digitale Transformation.

 

Service-Plattform für produktionsnahe logistische Dienstleistungen

Der Mangel an Informationen über die tatsächliche Höhe der Leer- und Vollgutbestände in Behälterkreisläufen führt zu höheren Kosten und Lieferzeiten. Das Forschungsprojekt »DProdLog« setzt hier an und sorgt durch eine digitale Service-Plattform für eine Steigerung von Qualität und Umsatz.

 

Road to Digital Production

Im interdisziplinären Forschungsprojekt soll die Digitalisierung industrieller Produktionsprozesse vorangetrieben werden: Mithilfe eines intelligenten Werkstückträgers wird ein klassischer Produktionsprozess dezentralisiert und dynamisiert, indem das gesamte prozessuale Umfeld bei einer industriellen Einzelfertigung bis auf die Werkstattebene hinunter digital erfasst wird.