56、智能工厂项目：知识获取、异常检测与应用案例深度解析

智能工厂项目：知识获取、异常检测与应用案例深度解析

1. 知识获取

生产控制器及其上下文需要一个实时语义层，以满足汽车工厂装配线、钢铁生产领域或能源领域（如智能电表和智能电网分析应用）的需求。为了符合日常业务运营的底层逻辑，我们依赖一个专门的语义模型，该模型支持跨异构数据源的纵向访问。这个语义模型，包括语义门户实现和人工参与的知识获取，将为所有生产应用的无缝数据集成奠定基础。

在钢铁生产用例中，已经实施了语义MediaWiki架构。该架构的一个主要目标是将存储在RDF三元组存储中的静态设施模型与动态执行的业务流程模型以无缝的方式结合起来，并通过语义丰富的MediaWiki页面向用户提供访问。在热轧机（钢铁用例）的特定系统架构中，有两个信息来源：数字笔（或在相应智能手机应用上基于笔的交互）和对象内存服务器（OMS），用于访问可以存储在简单且廉价的RFID标签中的OMS内存。这些信息随后与语义MediaWiki共享，以实时提供热轧机部件或生产线部件的传感器数据。知识门户开发的目标是在制造过程中因某些潜在异常事件实现生产步骤（即过程参数）的特定情况适应。

智能机器的动态行为通过基于知识的决策组件实现。该组件根据特定设计的本体中描述的产品变体和机器能力信息，决定生产过程中要采取的行动。

随着低成本、紧凑型数字存储、传感器和无线电模块的发展，我们可以将数字内存嵌入产品中，以记录那些异常关键事件。这种计算能力增强的产品可以感知和控制其环境，分析其观察结果，并与其他智能对象和人类用户进行通信。RFID和语义门户基础设施支持在装配过程中与数字产品内存进行交互以及对数字产品内存进行受控交互。此外，用户输入数据被转发到相应的服务器，在这些服务器上执行额外的手写和手势识别（主动用户