RDFdL: Integrating RDF with Differential Dynamic Logic
Dieses Paper stellt RDFdL vor, ein Framework, das RDF-Wissensgraphen mit Differentialer Dynamischer Logik integriert, um die Repräsentation und formale Verifizierung sowohl statischen Wissens als auch kontinuierlicher physikalischer Dynamiken zu ermöglichen, wodurch Sicherheits- und Erreichbarkeitseigenschaften von cyber-physischen Systemen mittels SPARQL abgefragt werden können.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der modernen Fabrik fungiert ein digitaler Zwilling als virtueller Spiegel für eine physische Maschine. Er ist eine detaillierte Karte von Verbindungen, die zeigt, welcher Sensor zu welchem Ventil gehört, welcher Techniker für einen bestimmten Motor verantwortlich ist und wie sich ein Produkt von einer Station zur nächsten bewegt. Diese Karte wird mithilfe einer Sprache namens Semantic Web erstellt, die sich hervorragend darin eignet, statische Fakten und Beziehungen zu organisieren. Sie kann einem Ingenieur mitteilen, dass ein Heizofen einen „Ein“-Schalter und einen „Aus“-Schalter besitzt. Diese digitale Karte hat jedoch einen blinden Fleck. Sie kann nicht vorhersagen, was passiert, wenn die Maschine tatsächlich läuft. Sie kann nicht berechnen, ob die Temperatur in diesem Ofen zu schnell ansteigen wird, ob ein Tank überlaufen wird oder ob ein Roboterarm kollidiert, während er sich bewegt. Diese Fragen hängen von den Gesetzen der Physik ab, insbesondere davon, wie sich Dinge im Laufe der Zeit verändern, gemäß Differentialgleichungen – das sind mathematische Regeln, die kontinuierliche Bewegung beschreiben. Traditionelle digitale Karten schweigen zu diesen dynamischen Verhaltensweisen, was eine gefährliche Lücke zwischen dem Wissen, was eine Maschine ist, und dem Wissen, was sie tun wird, hinterlässt.
Forscher des Karlsruher Instituts für Technologie haben eine Brücke gebaut, um diese Lücke zu schließen. Sie entwickelten ein neues Framework namens RDFdL, das das statische Wissen digitaler Karten mit der strengen Logik fusioniert, die zur Verifizierung komplexer physikalischer Systeme verwendet wird. Das Team nahm die Standardsprache, die zur Beschreibung von Fabrikdaten verwendet wird, und brachte ihr bei, die Sprache der dynamischen Physik zu sprechen. Sie schufen ein System, in dem der Computer nicht nur eine Liste von Maschinenteilen lesen, sondern auch einen formalen Beweis führen kann, um zu bestimmen, ob eine bestimmte Sequenz von Ereignissen sicher ist. In ihrem Ansatz übersetzt der Computer eine Beschreibung des Zustands einer Maschine – wie etwa „der Ofen ist an und die Temperatur liegt unter 180 Grad“ – in ein mathematisches Modell. Er verwendet dann einen spezialisierten Theorembeweiser, ein Werkzeug, das darauf ausgelegt ist, die Wahrheit komplexer logischer Aussagen zu prüfen, um zu verifizieren, ob die Maschine sicher von diesem Zustand zu einem neuen Zustand wechseln kann, wie etwa „der Ofen ist an und die Temperatur liegt zwischen 180 und 200 Grad“.
Die Forscher testeten dieses System in mehreren realen Szenarien, darunter ein einfacher Ofen, ein System aus zwei Wassertanks, eine Joghurtproduktionslinie und ein großer industrieller Dampfkessel. Für jeden Fall beschrieben sie zunächst die Maschine und ihre möglichen Zustände mit Standardwerkzeugen für digitale Karten. Dann fragten sie das System, ob die Maschine physisch zwischen diesen Zuständen wechseln kann, ohne Sicherheitsregeln zu verletzen, wie etwa das Überschreiten einer maximalen Temperatur oder eines maximalen Drucks. Das System konnte erfolgreich beweisen, dass es für den Ofen möglich ist, von einem kalten Zustand auf einen Zielbereich aufzuheizen, ohne jemals das Sicherheitslimit von 200 Grad zu überschreiten. Es bestätigte, dass das Wasser in den Tanks korrekt fließen würde und dass der Dampfkessel sichere Druckpegel halten kann. Entscheidend war, dass das System, sobald es bewiesen hatte, dass ein Übergang sicher ist, diese Tatsache als verifizierte Verbindung zurück in die digitale Karte eintrug. Das bedeutet, dass ein Manager nun eine einzige Frage in einer Standardabfragesprache stellen kann: „Kann die Maschine von Zustand A zu Zustand B gehen, und falls ja, welcher Techniker ist für das beteiligte Gerät verantwortlich?“ Das System antwortet, indem es die statische Karte von Personal und Teilen mit dem neu verifizierten Pfad des physikalischen Verhaltens kombiniert.
Die Arbeit zeigt, dass es möglich ist, die kontinuierliche, fließende Natur physikalischer Gesetze mit der strukturierten, diskreten Natur von Datengraphen zu integrieren. Das Team zeigte, dass ihre Methode sowohl für Systeme mit linearen Verhaltensweisen funktioniert, bei denen Änderungen mit einer stetigen Rate erfolgen, als auch für komplexere, nicht-lineare Systeme, bei denen Variablen auf schwierige Weise interagieren, wie etwa der Wasserfluss zwischen zwei Tanks. Sie fanden heraus, dass die Anzahl der erforderlichen Prüfungen in handhabbarer Weise anwuchs, wenn die Systeme größer wurden, was darauf hindeutet, dass der Ansatz für den industriellen Einsatz skalierbar ist. Die Forscher behaupteten nicht, jedes Problem der Fabrikautomatisierung gelöst zu haben, aber sie bewiesen, dass die beiden Welten der statischen Daten und der dynamischen Physik miteinander verknüpft werden können. Indem sie die Ergebnisse komplexer mathematischer Beweise in einfache, abfragbare Fakten umwandeln, haben sie digitalen Zwillingen die Fähigkeit gegeben, über die zukünftige Sicherheit der Maschinen zu urteilen, und stellen so sicher, dass die virtuelle Karte nicht nur widerspiegelt, was die Maschine ist, sondern auch, was sie sicher werden kann.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.