24. Juni 2003 W3C Semantic Tour 2003: München Jürgen Angele

© 2003 ontoprise GmbH

24. Juni 2003W3C Semantic Tour 2003: München

Jürgen Angele

Semantic Web Technologies @ Work bei der technischen Entwicklung im Automobilbau

Motivation

Lösungsansatz

Case Study: Audi AG

Ausblick

2© 2003 ontoprise GmbH

Ziel 1: Entwicklungszeiten verkürzen


Ziel 2: built-to-order


Der Lösungsansatz

• Verkürzung der „Time-to-Market“

• Built-to-order

• Zusammenarbeit

• Kooperationen managen

• Austausch von Daten & Wissen

• Wissensmanagement- Maßnahmen

• Semantischen Technologien für die Integration


Taxonomie

Objekt

Person Thema Dokument

AkademikerStudent Semantik

OntologieDoktorand

Taxonomie := Segmentierung, Klassifikation und Einordnung von Elementen in ein Kategoriensystem anhand ihrer definierten Beziehungen zueinander

PhD Student F-Logic

Menu


Thesaurus

Objekt



PhD StudentDoktorand

• Terminologie zu best. Domäne, keine Instanzen• Graph mit Primitiven, feste Relationen (ähnlich, Synonym) • kommen ursprünglich aus der Bibliographie

ähnlichSynonym

OntologieF-Logic

Menu


Topic Map

Objekt




kennt behandelt_in

schreibt

NameAlter

• Topics (Knoten), Relationen und Occurences (zug. Dokumenten)• ISO-Standard• meist für Navigation- und Visualisierung eingesetzt

OntologieF-Logic

ähnlichSynonym

Menu


Ontologie (in unserem Sinn)

Objekt




kennt behandelt_in

schreibt

NameAlter

OntologieF-Logic

ähnlichSynonym

Menu

• Repräsentationssprache: F-Logic,• entstehende Standards sind: RDF, DAML+OIL, OWL

York Sure

York31

behandelt_in zu_Thema

kenntP schreibt D zu_Thema T P T

DT T D

Regeln / Abfragesprache


Ontologie (in unserem Sinn)

Objekt



kennt behandelt_in

schreibt

Menu

• Mapping auf Datenbanken

A

B C Drel2 rel1

rel3

• Vernetzung von Ontologien


Semantische Technologien für die Integration

Integration

C1C3

C2

DB2DB1DB1

Applikationen

Geschäftsprozesse

Konnektoren


Erfahrungs-Wissen

Erfahrungs-Wissen

Das Problem

• Systeme können nur begrenzt Informationen liefern

• Abhängigkeiten, Produkt-, und Erfahrungswissen nicht abbildbar

• Notwendige Anpassungen der Datenstrukturen sind mühsam

Die abteilungs- und system-übergreifende Abstimmung ist zeitaufwändig und fehleranfällig

Die Prozesse werden gehemmt

Dienst Dienst

Anwendung System Applikation

DB ERPDB

Geschäftsprozesse

Menu

Unterstützung und Automatisierung der Geschäftsprozesse sehr aufwendig


Erfahrungs-Wissen

Erfahrungs-Wissen

Die Lösung: Semantische Business Integration

Dienst Dienst

Anwendung System Applikation

DB PDMCAx

Entwicklungsprozesse

ZIEL:

• Inhaltliche Integration der Daten

• Anreicherung mit Erfahrungswissen

• Abbildung von Geschäftsprozessen

Menu


Nutzen der semantischen Business Integration

Für die IT-Infrastruktur• Steigerung der Flexibilität und Effizienz

Für das Unternehmen• Erhöhung der Wettbewerbsfähigkeit • Verkürzung der Time-to-Market

Für die Geschäftseinheiten• Unterstützung und Beschleunigung der

Geschäftsprozesse

Technisch / funktional• Inhaltliche Integration /gemeinsames Datenmodell • Abbildung von Geschäfts- und Anwendungslogik• Trennung der Struktur von Daten & Anwendungen• „Modellieren statt programmieren“


Beispiel Audi „ontologiebasierter Ratgeber“: Ausgangslage

AVx (Auftragsvorbereitung):

• Auf- und Umbauprozess von stücklistenbasierten Objekten

– wie z.B. Fahrzeuge, Motoren, Getriebe und Brettaufbauten

• Stärke: variantenreiche Kleinserienfertigung, in der Entwicklung und im Versuchsumfeld.

• seit 1998 bei Audi im Einsatz

Menu


Beispiel Audi „ontologiebasierter Ratgeber“: Übersicht

CAECAD

Design Konstruktion Tests

PDM CATPDM

• Unterstützung der internen Auftrags-vorbereitung für Auf- und Umbauten von Versuchsfahrzeugen (AVx)

• abteilungsübergreifende Zusammen-hänge in AVx zu integrieren.

• Das Wissen über diese funktionellen, geometrischen und terminlichen Zusammenhänge ist bisher auf Ingenieure verschiedener Abteilungen verteilt.

Funktion

• Durchlaufzeiten in den Versuchen und damit die gesamte Entwicklungsdauer wird gesenkt

• Erfahrungswissen der Ingenieure zur Prozessunterstützung nutzen.

• unnötige Verzögerungen im Prozess verhindern.

Nutzen

„Herkömmliche Technologien sind nicht flexibel genug, um die Komplexität der Beziehungen abbilden und den sich ständig verändernden Bedingungen anpassen zu können. Die semantischen Technologien der ontoprise ermöglichen uns, auf einer flexiblen und wartbaren Basis, beliebig komplexe Zusammenhänge zu erfassen und verarbeitbar zu machen.“

Menu


Beispiel Audi „ontologiebasierter Ratgeber“: Domäne

Modell:• Baugruppe

– mit Unterbaugruppen– mit Eigenschaften– mit Abhängigkeiten z.B.

• funktional• geometrisch• zeitlich

– mit Bedingungen/Regeln

Menu


Beispiel Audi „ontologiebasierter Ratgeber“: Abhängigkeiten

Funktionen:

• Wissenspflege durch Ingenieure

• Ratgebersystem

• Integration ins Auftragssystem (Warn- oder Fehlermeldungen)

Abteilungsübergreifende Abhängigkeiten darstellbar

I

I

I

I

I

340 kW

hatTeile-ID

340 kW

hatLeistung

ausgelegtfürLeistung

hatTeile-ID

besteht aus

besteht aus

besteht aus

besteht aus

OntoCar (Automobil)

V8 TDI (Motor)

FW 4x4 (Fahrwerk)

SE-32-E (Elektronik)

KA-ross 6-FH (Karosserie)

FW 4x4-587

M V8-340

SE 32-566

steuertundregelt

Menu

Prüfe, ob

Leistung(Motor) < ausgelegtfürLeistung(Fahrwerk)

Sonst Fehlermeldung

Regel


Beispiel Audi „ontologiebasierter Ratgeber“: Nutzen

Wirtschaftlich:

• Kosten und Zeit in Entwicklungsprozessen verringern

• Time-to-Market beschleunigen

In der Anwendung:

• Komplexe Strukturen und Abhängigkeiten darstellen und verarbeiten

• Heterogene Strukturen integrieren

• Zusammenarbeit verbessern

Thomas Syldatke: „Wir erwarten uns von dem System einen Beitrag zur

Verkürzung der Entwicklungszyklen und eine Verbesserung der Entwicklungsqualität. Der elektronische Ratgeber soll uns Zeit raubende Routinearbeiten abnehmen, damit sich unsere Ingenieure auf die kreative Arbeit konzentrieren

können

Menu


Weitere Anwendungsgebiete von semantischen Technologien

In der Anwendung:

• Komplexe Strukturen und Abhängigkeiten darstellen und verarbeiten

• Heterogene Strukturen integrieren

• Zusammenarbeit verbessern

PDM: Produktdaten Management – unterstützende Technologien


Ausblick: Einsatzgebiete semantischer Technologien

• Kollaborative Entwicklung• QM & Maintenance• Konfiguration• Elektronische Berater• Help Desk

• ...und Dokumentensuche

• Frage & Antwort-Systeme

• SemanticWeb

HEUTE MORGEN


• System hat Chemie-Kenntnisse.• „Advanced Placement Test“:

Zulassungstest für Studenten an US Universitäten.

• Anfrage wird beantwortet UND erklärt. (Erklärungskomponente in Patentanmeldung).

Funktion

• 100 Fragen • 3 Teilnehmer (Antwort und Erklärung):

•CYCORP 1450 Minuten (24 Std.)•Student 240 Minuten•Stanford Research 33 Minuten•Ontoprise 9 Minuten

Wettbewerb

Vulcan Inc., USA

Ausblick: Frage & Antwortsystem Chemie


Vielen Dank für Ihre Aufmerksamkeitontoprise GmbHAmalienbadstraße 36(Raumfabrik 29)76227 Karlsruhe

http://[email protected].: +49(0)721 509809-0Fax: +49(0)721 509809-11

24. Juni 2003 W3C Semantic Tour 2003: München Jürgen Angele

Documents

Transcript of 24. Juni 2003 W3C Semantic Tour 2003: München Jürgen Angele