Ontology-Based Schema to Support Maintenance Knowledge Representation With a Case Study of a Pneumatic Valve
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper proposes a methodology for knowledge representation using ontology concepts. We employ an ontology-based schema to overcome the problems of heterogeneity and inconsistency in maintenance records, which are attributable to abbreviations, noisy data, nongeneric data structures, and ambiguous technical words in textual maintenance records. Our methodology employs a bond graph model (BGM) to produce a function structure of equipment related to fault propagation in part-component levels. Our method combines OWL-Lite/RDF and the ISO 14224 and ISO 15926 international standards in order to obtain a generic system-level representation model. Our approach also constructs transparent cause-effect knowledge, which facilitates interpretation and computer conversion using ISO 14224 and ISO 15926. The web ontology language (OWL) and resource description framework (RDF) are used to convert the generic human-readable interpretation into a standard computer-readable representation, thereby generating a knowledge base with maximum shareability and accessibility. We applied the methodology to a typical pneumatic valve. The results show that BGM can cross-link the identified words and the domain-specific logic to obtain the function structure of an object with causality inference, as well as enriching semantic extraction based on the context of a maintenance report, which improves the interpretation and computer conversion. Using OWL/RDF, actions such as interexchange, retrieval, and storage are possible for fault diagnosis applications in a multidisciplinary environment. Our method provides a generic technical understanding, which enriches semantic extraction and knowledge discovery in a typical maintenance report.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle