56、智能工厂项目：知识获取、异常检测与应用实践

智能工厂项目：知识获取、异常检测与应用实践

1. 知识获取

生产控制需要实时语义层，例如汽车工厂装配线、钢铁生产领域或能源领域的智能电表和智能电网分析应用。为遵循日常业务运营的底层逻辑，我们依赖专用语义模型，以支持跨异构数据源的纵向访问。该语义模型，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。

1.1 钢铁生产用例

在钢铁生产中，实施了语义MediaWiki架构。该架构的主要目标是将存储在RDF三元组存储中的静态设施模型，通过语义丰富的MediaWiki页面提供给用户，并与动态执行的业务流程模型无缝结合。在热轧机系统架构中，有两个信息源：数字笔（或智能手机应用上基于笔的交互）和对象内存服务器（OMS），用于访问可存储在简单廉价RFID标签中的OMS内存。这些信息与语义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实现因制造过程中潜在异常事件而进行的特定情况生产步骤调整，即调整过程参数。

1.2 智能机器决策

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。

1.3 语义产品记忆

物联网和智能工厂项目的语义产品记忆基础，得益于低成本、紧凑型数字存储、传感器和无线电模块的发展，使我们能够将数字记忆嵌入产品中，记录异常关键事件。这些计算能力增强的产品可以感知和控制环境、分析观察结果，并与其他智能对象和人类用户通信。RFID和语义门户基础设施支持在装配过程中与数字产品记忆进行交互和控制交互。此外，用户输入数据被转发到相应服务器，执行手写和手势识别