制造知识图谱的可组合信任基础设施:跨系统溯源、时间推理与决策可追溯性

arXiv cs.AI 论文

摘要

本文提出了一种面向制造知识图谱的可组合信任基础设施,专注于跨系统溯源、时间推理和决策可追溯性。

arXiv:2608.21418v1 公告类型:新 摘要:整合来自异构工业系统数据的制造知识图谱面临信任缺失问题:消费者无法确定查询的数据是否有效、在决策时是否有效、其来源或如何被处理。我们认为,四个信任能力——SHACL验证、PROV-O溯源、领域感知的双时态版本控制和图原生决策对象——通过共享关联标识符组合,产生单一能力无法单独实现的涌现信任属性。我们提出了一种可组合信任基础设施,将这四种能力集成到统一的RDF架构中。能力通过共享实体URI、摄入活动标识符和时间关联键进行组合,实现跨所有四个维度的复合查询。实验消融研究证实,移除任何一种能力都会导致六个组合查询中的恰好三个失败,证明所有四种能力同等重要。对高阶组合的分析揭示了四个涌现的三方属性和一个不可约的四方属性(全链审计,执行时间31毫秒)。该基础设施在集成了十一个工业源的测试台上得到验证——OPC UA、TIA Portal、eClass、AAS、ISA-95、ISA-18.2、SAP S/4HANA、Teamcenter、Opcenter EX、Insights Hub和SCM——基于一个89类的ISA-95对齐本体。统一图包含五个命名图中的8,743个三元组,通过81个owl:sameAs身份边连接。评估使用来自专用模拟器的模拟但结构真实的数据;数据结构和跨系统链接模式代表了真实的工业安装。
查看原文
查看缓存全文

缓存时间: 2026/08/25 04:15

# 面向制造知识图谱的可组合信任基础设施:跨系统溯源、时间推理与决策可追溯性
来源:https://arxiv.org/abs/2608.21418
参考文献工具

## 参考文献与引文工具

参考文献浏览器切换

代码、数据、媒体

## 与本文相关的代码、数据和媒体

演示案例

## 演示案例

相关论文

## 推荐与搜索工具

关于arXivLabs

## arXivLabs:与社区协作者共同开展的实验性项目

arXivLabs是一个框架,允许协作者直接在我们的网站上开发和分享新的arXiv功能。

与arXivLabs合作的个人和组织均已接受并认同我们关于开放性、社区协作、卓越性和用户数据隐私的价值观。arXiv致力于践行这些价值观,并仅与遵循这些价值观的合作伙伴开展合作。

**有为arXiv社区创造价值的项目构想吗?** [了解更多关于arXivLabs的信息](https://info.arxiv.org/labs/index.html)。

相似文章

知识图谱中的可扩展不确定性推理

arXiv cs.AI

本论文提出了一个模块化框架,用于知识图谱中的可扩展不确定性推理,通过定制的代数、逻辑和几何技术,处理不精确的属性值、概率性三元组存在以及不完整的模式知识。