Modellieren von Daten im digitalen Twin Builder (Vorschau)

Modellierung ist die Praxis, strukturierte Darstellungen von realen Systemen oder Domänen zu erstellen, um komplexe Informationen besser zu verstehen, zu analysieren und zu arbeiten.

Im Kontext von Daten und Wissensmanagement ist eine Ontologie ein formales Modell, das eine Reihe von Konzepten, Entitätstypen, Eigenschaften und Beziehungstypen innerhalb einer bestimmten Domäne definiert und ein gemeinsames Vokabular und Framework zum Organisieren von Informationen erstellt. Ontologien gehen über einfache Datenstrukturen hinaus, indem sie die semantische Bedeutung in die Daten einbetten und ein tieferes Verständnis darüber ermöglichen, wie verschiedene Informationsteile miteinander zusammenhängen.

Die Modellierung mit Ontologien ist besonders für industrielle Szenarien nützlich, bei denen Daten aus mehreren miteinander verbundenen Quellen wie Ausrüstung, Steuerungssystemen und Geschäftsanwendungen stammen. Mithilfe der ontologischen Modellierung können Unternehmen eine standardisierte Ansicht aller relevanten Entitätstypen (z. B. Maschinen, Materialien oder Prozesse) und deren Beziehungstypen erstellen, um Konsistenz und Interoperabilität in allen Systemen sicherzustellen. Beispielsweise kann eine Ontologie in einer Fertigungsanlage dazu beitragen, Daten aus IoT-Sensoren, Produktionssystemen und Wartungsprotokollen zu vereinheitlichen. Dieser Prozess erleichtert die Analyse der Leistung, die Vorhersage von Wartungsanforderungen oder die Optimierung der Ressourcennutzung. Die ontologische Modellierung erfasst die Komplexität industrieller Umgebungen in einem strukturierten, interpretierbaren Modell. Dieses Modell unterstützt intelligentere Entscheidungsfindung, effiziente Operationen und Anpassungsfähigkeit, die den Wert in komplexen industriellen Ökosystemen fördern.

Es gibt zwei Hauptkategorien der Ontologie:

• Obere Ontologie: Ein allgemeines, abstraktes Framework grundlegender Konzepte, das ein gemeinsames Vokabular zur Unterstützung der Interoperabilität in verschiedenen Bereichen bietet
• Domänen-Ontologie: Ein detailliertes, spezifisches Modell, das die Konzepte, Beziehungen und Regeln erfasst, die für ein bestimmtes Feld oder einen bestimmten Fachgebiet eindeutig sind.

Digitale Zwillingsbauer-Ontologien umfassen beide Konzepte.

Konzepte

Die wichtigsten Metamodellkonstrukte in einem Digitalen Twin Builder -Element (Vorschau) sind Namespace, Entitätstyp, Entitätsinstanz, Eigenschaft, Beziehungstyp und Beziehungsinstanz, und sie bieten eine flexible Grundlage für das Erstellen von umfangreichen, nützlichen Ontologien für bestimmte Geschäftliche Anforderungen. Diese Konstrukte sind die Kernelemente einer Ontologie und helfen Benutzern dabei, komplexes Wissen konsistent zu definieren und darzustellen. Mit diesen Funktionen können Sie Standarddarstellungen von Konzepten und sinnvollen Verbindungen zwischen ihnen erstellen, die für die Entwicklung von Datenmodellen unerlässlich sind, die in industriellen Anwendungen interoperabel, skalierbar und anpassbar sind.

Hier sind die Beschreibungen des Konstrukts ausführlicher:

• Namespace: Ein Namespace ist eine Gruppierung mit einem eindeutigen Bezeichner, der zum Organisieren und Unterscheiden von Entitätstypen, Eigenschaften und Beziehungstypen innerhalb einer Ontologie verwendet wird. Sie hilft dabei, Konflikte zu vermeiden, indem sichergestellt wird, dass Elemente mit demselben Namen, aber in unterschiedlichen Kontexten unterschiedlich bleiben. Namespaces sind nützlich für die Verwaltung großer oder multidomänenbezogener Ontologien, bei denen eine konsistente Identifizierung von entscheidender Bedeutung ist.
• Entitätstyp: Ein Entitätstyp ist eine Kategorie, die ein Konzept innerhalb einer Ontologie definiert (einschließlich oberer Ontologien und Domänen-Ontologien). Sie dient als Blueprint für einzelne Entitätsinstanzen dieses Typs und gibt gemeinsame Merkmale an, die für alle Entitätsinstanzen innerhalb dieser Kategorie gemeinsam verwendet werden. Einige Beispiele für Entitätstypen sind "Equipment and Process " (aus einer oberen Ontologie) und "Centrifugal Pump and Distillation Process " (aus einer Domänen-Ontologie).
  • Im digitalen Twin Builder können Sie einen der vordefinierten Systemtypen auswählen oder eigene Entitätstypen definieren. Weitere Informationen zu Systemtypen finden Sie unter Zuordnen von Daten zu Entitätstypen in Digital Twin Builder (Vorschau) – Systemtypen.
• Entitätsinstanz: Eine Entitätsinstanz ist ein eindeutiges, identifizierbares Objekt eines Entitätstyps, das ein bestimmtes Objekt innerhalb der Domäne darstellt. Wenn Pump beispielsweise ein Entitätstyp in einer Ontologie einer Fertigungsdomäne ist, ist Pump-001, eine bestimmte Pumpe, die in der Produktionslinie installiert ist, eine Entitätsinstanz.
• Eigenschaft: Eine Eigenschaft ist ein Merkmal, das zusätzliche Informationen zu einem Entitätstyp bereitstellt. Eigenschaften helfen, Qualitäten, Messungen oder andere Details zu beschreiben, z. B. Betriebstemperatur für eine Maschine oder einen Materialtyp für ein Produkt. Sie werden im Allgemeinen für den Entitätstyp definiert und weisen bestimmte Werte für jede Entitätsinstanz auf.
• Beziehungstyp: Ein Beziehungstyp definiert eine Verbindung zwischen Entitätstypen und legt fest, wie sie miteinander verknüpft sind. Beziehungstypen können hierarchische Verknüpfungen (z. B. Teil von) oder assoziative Verknüpfungen (z. B. verwendet in) darstellen. Sie helfen dabei, eine Ontologie zu strukturieren, indem Abhängigkeiten, Interaktionen und Zuordnungen innerhalb des Modells klargestellt werden.
• Beziehungsinstanz: Eine Beziehungsinstanz ist ein bestimmtes Vorkommen eines Beziehungstyps. Wenn beispielsweise ein Beziehungstyp hasPart genannt wird, der den Entitätstyp Pumpe mit dem Entitätstyp Lager verbindet, kann eine Beziehungsinstanz Pumpe-001 hasPart Lager-001 sein, wodurch angezeigt wird, dass eine bestimmte Pumpeninstanz ein bestimmtes Lager als Teil aufweist.

Informationen dazu, wie diese Konzepte während der Zuordnung im digitalen Zwillings-Generator implementiert werden, finden Sie unter Zuordnen von Daten zu Entitätstypen im digitalen Twin Builder (Vorschau).

Speicher und Zugriff

Die Ontologiedaten für ein Digital Twin Builder (Vorschau)-Element werden in einem Fabric Lakehouse gespeichert, das dem Digital Twin Builder-Element zugeordnet ist. Das Lakehouse befindet sich im Stammordner Ihres Arbeitsbereichs und trägt einen Namen, der dem Elementnamen Ihres digitalen Zwilling-Erstellers ähnelt, gefolgt von dtdm.

Das Seehaus hat zwei logische Schichten:

• Basisebene: Die Basisebene ist der grundlegende Satz von Delta-Tabellen, die sowohl die Ontologiedefinitionen als auch die instanziierten Ontologiedaten speichern sollen. Diese Ebene organisiert und behält die Kernstrukturen der Ontologie bei, einschließlich der Definitionen von Entitätstypen, Eigenschaften, Beziehungstypen, Namespaces und allen Metadaten, die dem Domänenmodell zugeordnet sind.
• Domänenschicht: Die Domänenebene ist ein strukturierter Satz normalisierter Datenbankansichten, die auf der Basisebene erstellt wurden, um eine klare Darstellung der instanziierten Ontologie darzustellen. Diese Ebene wird durch Transformieren und Anordnen von Daten aus den Basisebenentabellen in Ansichten erstellt, die die logische Struktur und Beziehungstypen in der Domänen-Ontologie direkt widerspiegeln.

Anzeigen von Daten im Seehaus

Sowohl die Basis- als auch die Domänendatenebenen können im SQL-Endpunkt des Data Lakehouse des digitalen Zwillings-Generators angezeigt werden. Sie finden den Endpunkt als untergeordnetes Element Ihres Lakehouses in Ihrem Fabric-Arbeitsbereich.

Im Navigationsbereich unter Schemas wird die Basisebene unter dbo > Tables dargestellt, und die Domänenebene wird unter dom > Views dargestellt.

Verwandte Inhalte

• Zuordnen von Daten zu Entitätstypen im digitalen Twin Builder (Vorschau)