Time-Constrained Ontology Evolution for Predictive Maintenance

Abstract

[EN] With the introduction of the Internet of Things, maintenance practices have been moving from reactive to proactive and predictive approaches. The identification of faults often relies on the analysis of real-time data provided by streams and unstructured sources. Ontologies have been applied to the maintenance field, adding a semantic layer to the data that facilitates interoperability and semantic data mining processes. In such a time-sensitive domain, it is important that ontologies go beyond static representations of the domain and allow not only for the incorporation of time related knowledge, but must also be able to adapt to new knowledge and evolve. Evolving an ontology involves re-learning, re-enriching and re-validating knowledge in the face of changes to the domain, and techniques applied for them can be adapted to ontology evolution. This thesis aims to contribute to these fields by using streams of ontology individuals as the trigger for ontology evolution processes – facing challenges tied to the incomplete and transient nature of these data. As such, this thesis introduces an architecture for time-constrained ontology evolution called TICO, or Time Constrained instance-guided Ontology evolution. New versions of ontology classes and properties are reified through a 4D-Fluents approach, thus allowing reasoning over old data and accessing older conceptualizations of the domain. For the identification of property axioms, the possibilistic approach to axiom scoring was adapted to a scenario in which it is not always possible to query all individuals at once. Results show the effectiveness of the approach in accepting/rejecting axioms for the ontology’s properties. To identify patterns in data that could trigger the creation of new classes and enrich existing ones, a Formal Concept Analysis-based approach is employed. Using two different concept lattices that are updated with each individual, it is possible to identify a set of axioms to add to the ontology and uncover implicit relationships between old and new classes.

[ES] Con la introducción del IoT, las prácticas de mantenimiento han ido pasando de orientaciones reactivas a proactivas y predictivas. La identificación de fallas a menudo se basa en el análisis de datos en tiempo real proporcionados por flujos y fuentes no estructuradas. Las ontologías se han aplicado al campo del mantenimiento, añadiendo una capa semántica a los datos que facilita la interoperabilidad y los procesos de minería semántica de datos. En un ámbito tan sensible al tiempo, es importante que las ontologías ultrapasen las representaciones estáticas del dominio y permitan no sólo incorporar conocimientos relacionados con el tiempo, sino que también deben ser capaces de adaptarse y evolucionar. Evolucionar una ontología implica reaprender, re-enriquecer y re-validar el conocimiento y las técnicas aplicadas para ellas pueden adaptarse a la evolución de ontologías. Esta tesis pretende contribuir a estos campos utilizando flujos de individuos RDF como desencadenante de procesos de evolución de ontologías, enfrentándose a retos ligados a la naturaleza incompleta y transitoria de estos datos. Como tal, esta tesis introduce una arquitectura para la evolución de ontologías limitada en el tiempo llamada TICO (Time Constrained instance-guided Ontology evolution). Las nuevas versiones de las clases y propiedades de la ontología se reifican mediante 4D-Fluents, lo que permite razonar sobre datos antiguos y acceder a conceptualizaciones anteriores del dominio. Para la identificación de axiomas de propiedades, se adaptó el enfoque posibilista de cualificación de axiomas a un escenario en el que no siempre es posible obtener la descripción completa del conjunto de datos. Los resultados muestran la eficacia de la solución en aceptar/rechazar axiomas para las propiedades de la ontología. Para identificar patrones en los datos, crear nuevas clases y enriquecer las existentes, se emplea un enfoque basado en el Análisis Conceptual Formal. Utilizando dos redes de conceptos diferentes, es posible identificar un conjunto de axiomas para añadir a la ontología y descubrir relaciones implícitas entre clases antiguas y nuevas.