Development of knowledge graph for representing industrial processes

Abstract

Η παρούσα πτυχιακή εργασία εξετάζει τον σχεδιασμό και την υλοποίηση γραφημάτων γνώσης (Knowledge Graphs – KGs) με τη χρήση της πλατφόρμας Neo4j, με ιδιαίτερη έμφαση στη μοντελοποίηση διεργασιών βιομηχανικής επεξεργασίας λυμάτων. Η μελέτη αναδεικνύει τα πλεονεκτήματα των αναπαραστάσεων βασισμένων σε γράφους έναντι των παραδοσιακών σχεσιακών βάσεων δεδομένων, υπογραμμίζοντας την ευελιξία τους, τον σημασιολογικό εμπλουτισμό που προσφέρουν και την ικανότητά τους να αποτυπώνουν πολύπλοκες σχέσεις. Ως μελέτη περίπτωσης, μοντελοποιήθηκαν διεργασίες επεξεργασίας λυμάτων μέσω ενός προσαρμοσμένου σχήματος KG. Οι οντότητες, οι σχέσεις και οι ιδιότητες αναπαραστάθηκαν ως κόμβοι και ακμές, ενώ ενσωματώθηκαν προγνωστικά μοντέλα με σκοπό τη σύνδεση της διαδικασιακής γνώσης με δεδομένα που προκύπτουν από αναλυτικές μεθόδους. Η τροφοδότηση του KG πραγματοποιήθηκε χειροκίνητα, ώστε να διασφαλιστεί η σημασιολογική ακρίβεια και η συνέπεια. Η υλοποίηση καταδεικνύει πώς τα γραφήματα γνώσης μπορούν να ενοποιήσουν ετερογενή δεδομένα, να υποστηρίξουν προηγμένα ερωτήματα μέσω της γλώσσας Cypher και να αποτελέσουν θεμέλιο για προγνωστικές αναλύσεις. Τα αποτελέσματα επιβεβαιώνουν το δυναμικό των KGs να ενισχύσουν την αναπαράσταση γνώσης και τη διαδικασία λήψης αποφάσεων σε βιομηχανικά περιβάλλοντα, ενώ μελλοντική έρευνα θα μπορούσε να διερευνήσει την αυτοματοποίηση και τη δυνατότητα κλιμάκωσης.