Transformace uživatelských dotazů pro analýzu dat v průmyslové automatizaci

Abstract

Spolu s nárůstem důležitosti dat jsou dnes kladeny i velké požadavky na jejich analýzu. V mnoha oblastech, včetně průmyslu, jsou generovány velké objemy heterogenních dat. Analýza těchto dat může vést k získání mnoha informací, je ale složité tato data analyzovat pomocí standartních RDBMS nástrojů. Koncepty Big Data a ontologie pomáhají dosažení těchto výsledků. Právě tyto technologie, spolu s vhodnými analytickými nástroji a frameworkem Semantic Big Data Historian, jsou popsány a použity v této práci, jejímž cílem je navrhnout a implementovat způsob transformace dotazů pro analýzu velkého objemu sémanticky popsaných dat. Tohoto cíle je dosaženo pomocí implementace analytické komponenty, která generuje dotazy pro transformaci sémanticky popsaných dat a umožňuje definování prvotní části analýzy. Tyto funkce analýzu dat výrazně zjednodušují.

There are big goals for data science today as the importance of data growths. High volumes of heterogeneous data are generated in many fields including industry. A lot of knowledge can be gained out of this data, although it can hardly be accomplished using standard RDBMS tools. Big Data and Ontologies are technologies that help to attain these goals. These technologies together with suitable analytic tools and framework Semantic Big Data Historian are described and used in this thesis, which goal is to devise and implement a way of transformation of queries for analyzing high volumes of semantically described data. This objective is met by the implementation of an analytic component, that generates queries for transformation of semantically described data and enables defining preprocessing part of the analysis of this data. These functions distinctly simplifies the analysis.