| Revista: | Ciencia da informacao |
| Base de datos: | CLASE |
| Número de sistema: | 000463306 |
| ISSN: | 0100-1965 |
| Autores: | Parreiras, Fernando Silva1 Pinto, Vitor Afonso1 Soares, Marco Antonio Calijorne1 Falci, Daniel Henrique Mourao1 |
| Instituciones: | 1Universidade FUMEC, Belo Horizonte, Minas Gerais. Brasil |
| Año: | 2017 |
| Periodo: | Ene-Abr |
| Volumen: | 46 |
| Número: | 1 |
| Paginación: | 141-151 |
| País: | Brasil |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, teórico |
| Resumen en español | Durante años, los ingenieros utilizaron datos recolectados de sensores industriales para soportar el diagnóstico de fallas. Recientemente, los científicos de datos están utilizando estos datos para hacer previsiones en procesos industriales. El significado de cada sensor específico y sus relaciones son desconocidas para las personas que no están en el contexto de la ingeniería. Los enfoques convencionales para crear una semántica para sensores industriales requieren un rígido “alineamiento de términos” seguido de esfuerzos manuales. Por eso, el problema es dejado de lado por las industrias. Esta condición limita el uso de herramientas de análisis en las industrias, evitando la captura de beneficios potenciales. Una vez que existen convenciones de nomenclatura y otras reglas definidas por los ingenieros, este estudio lleva estos estándares en consideración y analiza los metadatos de sensores para automatizar la creación de un middleware semántico capaz de indicar el significado de cada sensor y sus relaciones con otros sensores, equipos, áreas, plantas y otras entidades. Este estudio pretende responder a la siguiente pregunta: ¿Qué enfoque podría automatizar la creación de un middleware semántico para sensores industriales? Para atender a los objetivos de este estudio, realizamos una investigación empírica usando metadatos de sensores de tres plantas diferentes de una empresa minera. Como resultado, presentamos el MINDSense, un método que crea una ontología capaz de describir el significado de los sensores industriales y sus relaciones. Concluimos que este método contribuye a aprovechar análisis avanzados en las industrias y aumentar el potencial de nuevos estudios sobre datos de sensores industriales |
| Resumen en inglés | For many years, plant engineers have used data collected from industrial sensors for supporting the diagnosis of failures. Recently, data scientists are using these data to make predictions on industrial processes. However, the meaning and the relationships of each specific sensor is unknown to people outside the engineering context. Conventional approaches to create a semantic layer for industrial sensors require a rigid “term alignment” followed by a lot of manual efforts. Hence, the problem is frequently set aside by industries. However, this condition limits the usage of advanced analytics tools in industries, preventing the capture of potential benefits. Since there are naming conventions and some other rules defined by engineers, this study takes these standards into account and analyze the metadata of sensors intending to automate the creation of a semantic middleware able to indicate the meaning of each sensor and its relationships with other sensors, equipments, areas, plants and other entities. This study intends to answer the following research question: Which approach could automate the creation of a semantic middleware for industrial sensors? In order to address the objectives of this study, we performed an empirical research using sensor metadata from three different plants from a mining company. As a result, we present MINDSense, a method that creates an ontology capable of describing the meaning of industrial sensors and its relationships. We conclude that this method contributes to leverage advanced analytics in industries and to increase the potential of new studies on top of industrial sensors da |
| Resumen en portugués | Por muitos anos, engenheiros de plantas tem usado dados coletados de sensores industriais para suportar o diagnóstico de falhas. Recentemente, cientistas de dados estão usando esses dados para fazer previsões em processos industriais. Contudo, o significado de cada sensor específico e suas relações é desconhecido para pessoas que não estão no contexto da engenharia. As abordagens convencionais para criar uma camada semântica para sensores industriais requerem rígido “alinhamento de termos” seguido de muitos esforços manuais. Por isso, o problema é frequentemente deixado de lado pelas indústrias. No entanto, esta condição limita o uso de ferramentas de analytics em indústrias, evitando a captura de benefícios potenciais. Uma vez que existem convenções de nomenclatura e outras regras definidas pelos engenheiros, este estudo leva esses padrões em consideração e analisa os metadados de sensores visando automatizar a criação de um middleware semântico capaz de indicar o significado de cada sensor e suas relações com outros sensores, equipamentos, áreas, plantas e outras entidades. Este estudo pretende responder à seguinte questão de pesquisa: Qual abordagem poderia automatizar a criação de um middleware semântico para sensores industriais? Para atender aos objetivos deste estudo, realizamos uma pesquisa empírica usando metadados de sensores de três plantas diferentes de uma empresa de mineração. Como resultado, apresenta-se o MINDSense, método que cria uma ontologia capaz de descrever o significado dos sensores industriais e seus relacionamentos. Conclui-se que este método contribui para alavancar análises avançadas nas indústrias e aumentar o potencial de novos estudos sobre dados de sensores industriais |
| Disciplinas: | Bibliotecología y ciencia de la información, Ciencias de la computación |
| Palabras clave: | Análisis y sistematización de la información, Programación, Sistemas de información, Ontologías, Semántica, Middleware, Sensores industriales, Ciencia de datos |
| Texto completo: | Texto completo (Ver HTML) |
