Московский экономический журнал 10/2019

DOI 10.24411/2413-046Х-2019-10085

АНАЛИЗ ПРИМЕНЕНИЯ ОНТОЛОГИЙ ПРИ РАЗРАБОТКЕ ИНФОРМАЦИОННО-КОММУНИКАЦИОННЫХ СИСТЕМ НЕФТЕГАЗОВОЙ ОТРАСЛИ

THE
ANALYSIS OF APPLYING ONTOLOGIES IN THE DEVELOPMENT OF INFORMATION AND
COMMUNICATION SYSTEMS FOR THE OIL AND GAS INDUSTRY

Родионцев Николай Никитович, ассистент кафедры нефтегазового дела, Нижневартовский государственный университет, Россия, г. Нижневартовск

Rodiontsev Nikolay Nikitovich, assistant of the Department of oil and gas business, Nizhnevartovsk state University, Russia, Nizhnevartovsk

Аннотация: В статье рассматриваются основные направления
использования на современном этапе методики онтологий при создании
информационно-коммуникационных систем (ИКС); приводятся основные детерминанты
процедуры онтологического моделирования, охватывающего предметную область
комплекса информационных систем; определяются основные принципы построения
онтологических систем; формулируются критерии показателей качества онтологий;
выделяются основные преимущества использования онтологий.

Summary:
The article discusses the main directions of use on the modern stage of
methodology of ontologies when creating information and communication systems
(ICS), are the main determinants of ontological modeling procedure covering the
subject area of complex information systems; defines main principles of
ontological systems; formulates criteria indicators the quality of ontologies;
highlights the main advantages of using ontologies.

Ключевые слова: информационно-коммуникационная система, информационное поле, онтология, методика, база данных, гетерогенные информационные ресурсы, программные инструменты, комплекс, нефтегазовая отрасль.

Keywords:
information and communication system, information field, ontology, methodology,
database, heterogeneous information resources, software tools, complex, oil and
gas industry.

Полноценное функционирование современных информационных
комплексов напрямую зависит от точности сопряжения входящих в него скоординированных
информационных систем.

Кластеризация
комплексов гетерогенной информации требует обеспечения полноты и унитарности данных,
используемых в процессе функционирования входящими в комплекс системами.

Основным
инструментарием получения целостного и развивающегося комплекса информационных
массивов данных являются информационный анализ и онтологический инжиниринг,
результаты внедрения которых создают предпосылки для формирования интегральной модели
данных при проектировании комплекса информационных систем.

И
информационный анализ, и структурирование массивов данных при создании информационных
структур подчинены строго регламентированным критериям и следуют установленными
направлениями, одним из которых является онтологический инжиниринг, основные положения
которого применительно к информационно-коммуникационным системам (ИКС) впервые
сформулировал Томас Грубер [8].

Онтология
представляет собой по существу коммуникативные принципы формализации предметной
области, содержащей имена (или словари) индикаторов (указателей) терминов,
задействованных при моделировании и реализации в системах оперативной обработки
данных или справочно-аналитических системах, а также логические обороты,
которые отображают процесс соотнесения терминов между собой [5].

В
свете вышесказанного особое внимание следует уделять методике
автоматизированного получения неких данных из лавины информации – иными словами
– алгоритму поиска и отбора, позволяющему генерировать и структурировать
результаты функционирования в неких предметных областях [3].

Схема превентивных возможностей применения онтологий, представленная на рисунке 1, позволяет оценить все многообразие потенциальных направлений, охватываемых данной областью знаний.

Возвращаясь
к определению онтологического инжиниринга и онтологического моделирования,
хотелось бы отметить, что для описания архитектуры любой организации
используются языки и общие понятия моделирования, которые позволяют
устанавливать значения элементов в языках моделирования. Именно для определения
понятий и связей между ними, особенно при создании информационных структур
различной сложности и наполненности, в настоящее время и применяются онтологические
технологии.

В настоящих реалиях онтологии задействуют в целях адекватного представления понятийного аппарата предметной области, что означает полное соответствие требованиям действенной реализации ИКС.

Этот онтологический функционал обуславливает постоянно растущую заинтересованность в нем при проектировании информационных конструкций (рисунок 2).

Онтологические
концепты и связи между ними синтезируются в единую сеть (своеобразный кластер).
В результате онтологии позволяют правильно соотносить слова и другие знаки,
используемые людьми и компьютерами, с понятиями, различными семантическими
моделями и обозначаемыми объектами реального мира [2].

Перспективность
и своевременность исследований онтологических направлений не вызывает сомнений
– здесь и усовершенствование семантического веба, и эволюция искусственного
интеллекта. В качестве примера прогрессивного становления семантического веба хотелось
бы упомянуть так называемое дублинское ядро (DublinCore) – один из самых
крупных проектов онтологического внедрения. Ядро создавалось как стандарт
подачи метаданных при описании гигантского массива сетевых ресурсов. Данный
стандарт включает два уровня, содержащих ряд квалификаторов, которые служат для
уточнения семантики организационных элементов. Положительным аспектом данного
функционала является возможность оптимизации поиска необходимой информации. Так
проект «дублинское ядро» является основополагающим в системах помощи GNOME и
KDE [9].

Оптимизации
существующих методов управления и усовершенствования функционирования
организации любой направленности посвящен проект Enterpriseproject – также
основанный на онтологическом функционале.

Онтологический
инжиниринг относится к инженерии знаний и направлен на использование знаний в
компьютерных системах. [7]

Обратимся к пространству крупных информационных кластеров, в которых объединены не только родственные направления функционирования организации, но и созданные в целях оптимизации взаимодействия структурных производственных единиц, имеющих разнонаправленный характер деятельности (рисунок 3). В данном случае онтологический инжиниринг приобретает особое значение. Ярким примером такой организации является нефтегазовая система, объединившая не только разнородные единицы управления, но и сгенерировавшая в себе гетерогенные потоки информации.

Таким
образом, можно констатировать значительное преимущество онтологического подхода
в вопросах обеспечения адекватной подготовки информационных составляющих и
создания дальнейших предпосылок для успешного взаимодействия нескольких ИКС.

Для
онтологического инжиниринга используют разные программные инструменты.
Рассмотрим основные программные инструменты для разработки онтологии.

Система
Ontolingua была разработана в KSL (Knowledge Systems Laboratory) Стенфордского
университета и является первым инструментом инженерии онтологий [1]. Protеgе –
это бесплатный редактор онтологий с открытым исходным кодом и структура для
создания интеллектуальных систем. Он был разработан Стэнфордским центром
биомедицинских исследований информатики в Школе медицины Стэнфордского
университета [6]. OntoEdit также, как и Protеgе является приложением с закрытым
кодом, которое можно локально установить на компьютере. Apollo – удобное
приложение для моделирования онтологий. Моделирование основано на создании
классов, экземпляров, отношений и т. д. OilEd – графический редактор онтологий,
основанный на языке OIL.

Использование
онтологического инжиниринга позволяет формировать семантики данных высокого
качества. В довершение всего рассматриваемая технология позволяет создавать
эффективные инструменты интеграции гетерогенных данных, применяемых в
структурах ИКС, которые сотрудничают друг с другом. Данное направление является
генеральным при формировании информационной базы данных и основных знаний любой
экономической структуры или любого производственного технологического процесса,
при синтезе единого словаря организации и организации солидарной действенной
продуктивной системы нормативно-справочной информации. 

Список литературы

1. Агроскин В., Левенчук
   А., Головков В. Онтология для инженерных данных // Открытые системы. – 2013. –
   № 6. – С. 34÷38.
2. Гайдес М. А.  Общая теория систем (системы и системный
   анализ). – Винница: Глобус-пресс, 2005.
3. Гладун А. Я.,
   Рогушина Ю.В. Онтологии в корпоративных системах // Корпоративные системы. –
   2006. – № 1. – С. 13÷15.
4. Колесов А. О.,
   Наместников А. М. Интеграция реляционных данных на основе онтологического
   подхода // Четырнадцатая национальная конференция по искусственному интеллекту
   с международным участием КИИ-2014 (24÷27 сентября 2014 года, Казань, Россия):
   Труды конференции. Т.3. – Казань: РИЦ «Школа». – 2014. – С. 146÷154.
5. Конев Б. Ю. Онтология
   и представление знаний. http://www.lektorium.tv/speaker/2680 [дата обращения: 05.06.2018].
6. Лапшин В. А.
   Онтология в компьютерных системах. – М.: Научный мир, 2010. – 924 c.
7. Черников Б. В.
   Формирование онтологий и моделей данных – этапы создания информационных систем
   // Нефтяное хозяйство.  – 2015. – № 9. –
   С. 112÷115.
8. Gruber. T. Towards Principles for the Design of
   Ontologies used for Knowledge Sharing // International Journal of Human and
   Computer Studies. – 1995, № 43(5/6). – Р. 907÷922.
9. Stoffel K., Taylor M., Hendler J. Efficient management
   of very large ontologies.Proc. of Fourteenth American Association for
   Artificial Intelligence Conference(AAAI-97), Menlo Park, CA, AAAI/MIT
   Press.Villemin F., 2013.– p. 326.