One of the most currently used knowledge representation forms are ontologies; which offer dissimilar advantages for modeling, generation, distribution and use of knowledge produced and accumulated in organizations. Given these advantages for knowledge management, ontologies are widely used to manage large volumes of environmental information that arise from this process, primarily the historical storage of environmental indicators. It is for this
reason has implemented a computer system for the management of environmental knowledge based on ontology OntoEnvironmental; which model the environmental indicators that rules the environmental management business process. To facilitate access to modeled knowledge in the ontology was implemented a computer system built on a software architecture based on ontology, which integrates the technologies needed to manage the semantic knowledge. This architecture allows through the inference engine constituted by Jena and OWL API frameworks, along with the Pellet reasoned to extract the implicit knowledge on the ontology. Also, the ontology detects the alteration of an indicator if it exceeds a limit value, recommending the possible environmental impacts, the indicator alteration causes and mitigation actions. To modelate OntoEnvironmental was used the NeOn methodology, the OWL-DL language and OpenLink Virtuoso tool for the management of the ontology in the proposed architecture. 1
El conocimiento es una red de conceptos que provee un contexto para los datos y la
información; constituyendo un factor decisivo para la toma de decisiones, permitiendo
a la organización manejar los retos y oportunidades del mercado [
En los procesos de una entidad es necesario hacer una correcta gestión del
conocimiento para garantizar su buen desempeño. Es por esta razón, que en el proceso de
gestión ambiental (GA) se necesita contar con métodos y herramientas que faciliten
este fin. La herramienta de gestión más importante para el control medioambiental son
los indicadores (un dato que ha sido seleccionado a partir de un conjunto estadístico
más amplio por poseer una significación y una representatividad particular) [
La utilidad de los indicadores ambientales consiste en facilitar, tanto a la dirección
de la organización; como al resto de los miembros, información relevante, resumida en
forma de declaraciones concisas e ilustrativas para la toma de decisiones. Por lo tanto,
aseguran una rápida evaluación de las principales mejoras y de los puntos débiles en la
protección ambiental de la empresa para aquellos que han de tomar las decisiones y
contribuir así, en la mejora de la gestión del conocimiento ambiental [
De acuerdo a Castellanos Domínguez [
Con el objetivo de gestionar el conocimiento ambiental que se infiere del almacenamiento histórico de los indicadores ambientales de la empresa en esta investigación se propone un sistema informático basado en la ontología OntoEnvironmental que se sustenta en una propuesta de arquitectura generalizable que soporta el proceso de gestión del conocimiento semántico. 2
El modelado de la ontología se realizó según la metodología NeOn; para el cual se
hizo necesario un estrecho vínculo entre los ingenieros ontológicos y los expertos del
dominio, que en este caso son los especialista de gestión ambiental consultados. NeOn
se basa en escenarios, puesto que se ha detectado que existen diferentes maneras o
caminos para construir ontologías y redes de ontologías. Esta metodología posee como
característica la flexibilidad, debido a que brinda la posibilidad de adaptación a las
necesidades de los usuarios y garantiza la inclusión de nuevos procesos o actividades
implicados en el desarrollo de ontologías [
Luego de un estudio detallado de la metodología NeOn para determinar que escenarios serán utilizados en el desarrollo de la ontología se seleccionaron: ─ Escenario 1. Desde la especificación hasta la implementación ─ Escenario 7. Reutilización de los patrones de diseño de ontologías ─ Escenario 9. Localización de los recursos ontológicos
Posteriormente se realizaron entrevistas a los expertos del dominio para la especificación de requisitos de la ontología; como salida se obtiene el Documento de Especificación de Requisitos Ontológicos (DERO), donde se refleja el propósito, ámbito y nivel de formalidad de la ontología, así como los usuarios y usos previstos, además de exponerse otros elementos mostrados en la Tabla 1.
Tabla 1. DERO de OntoEnvironmental. Subdominios de indicadores ambientales Plantilla para el Documento de Especificación de Requisitos de la Ontología (DERO) 1 y 2 Propósito y alcance
Formalizar, codificar y gestionar el conocimiento ambiental de los indicadores ambientales empresariales, en una ontología
OWL DL
Especialistas de gestión ambiental de la Empresa de Ingeniería y Proyectos (ENPA) y otras empresas que utilicen los indicadores ambientales
Almacenar el conocimiento relativo a los indicadores ambientales; para evaluar el comportamiento ambiental de la entidad y poder mitigar los posibles impactos ambientales
Requisitos a. Requisitos no funcionales: la ontología debe ser modular, el idioma de la ontología debe ser el inglés y multilingüe (idioma inglés-español)
b. Requisitos funcionales: los requisitos funcionales fueron expresados en forma de preguntas de competencia.
a. Términos de las preguntas de competencia tipos, partes, criterio, componencia b. Términos de las respuestas
Indicadores de materiales y energía, indicadores de infraestructura y transporte, aire, suelo, flora, impacto medioambiental, área, agua entre otros Para la conceptualización de la ontología; se realizaron búsquedas de los diferentes conceptos del dominio, preferentemente en las Normas ISO, legislaciones ambientales y documentos válidos para referenciar.
OntoEnvironmental es una ontología de dominio que modela el conocimiento ambiental de indicadores y características ambientales para proyectos agropecuarios; debido a que inicialmente fue diseñada para la ENPA cuyo objeto social es este tipo de proyectos. Esta ontología agrupa los requisitos funcionales por subdominios, por lo que fue dividida en cinco módulos: (1) proyecto agrícola, (2) proyecto pecuario, (3) indicador de compor-tamiento medioambiental, (4) indicador de gestión medioambiental, (5) indicador de situación me-dioambiental. Esta investigación se centra en los tres últimos módulos de la ontología que inciden directamente en la gestión del conocimiento ambiental empresarial como se muestra en la Figura 1.
De acuerdo al escenario 7 de la metodología NeOn se abordaron los requisitos
funcionales1, mediante la reutilización de los Patrones de Diseño Ontológico (ODPs, por
sus siglas en inglés) los cuales constituyen una manera de ayudar a los desarrolladores
en el modelado de ontologías realizadas en OWL y son consideradas como un modo de
aplicar buenas prácticas. El uso de los ODPs brindan a los desarrolladores tres
beneficios principales: (1) reutilización, (2) guía y (3) comunicación [
En la Tabla 2 se representa la correspondencia entre los requisitos y los patrones reutilizados.
Tabla 2. Correspondencia entre los requisitos y los patrones reutilizados Requisitos funcionales ¿De qué elementos se compone el Medio Ambiente? ¿Qué determina al suelo? ¿Qué criterio es aplicado al comportamiento medioambiental? Patrones posibles “Componency” “Situation” “Criterion”
A continuación se evidencia como se utilizó el patrón Criterion con el propósito de conocer cuál es el criterio aplicado a la clase comportamiento medioambiental (class:EnvironmentalPerformance). La aplicación del patrón se muestra en la Figura 2.
La evaluación de calidad de OntoEnvironmental se llevó a cabo empleando la
herramienta de desarrollo de ontologías Protégé y la aplicación web OOPS!2 que ayuda
a detectar malas prácticas en el diseño de ontologías, que podrían provocar errores en
el modelado de las mismas [
Para evaluar el uso correcto del lenguaje de la ontología, se utilizó el marco de prueba que prove el editor para el diseño de ontologías Protégé. Los resultados arrojados no presentaron errores en el uso del lenguaje, por lo que se puede decir que la ontología cumple con los estándares para el desarrollo de ontologías con OWL RDF.
Se evaluó la ontología, mediante el empleo de OOPS!, proceso que se realizó periódicamente, puesto que la herramienta se basa en las buenas prácticas de diseño de ontologías, lo que ayudó en el modelado de OntoEnvironmental. Esta herramienta en ocasiones detectó que existían clases y propiedades a las cuales faltaban las propiedades de anotación, así como propiedades inversas incorrectas y clases de la ontología que no estaban conectadas. Estas clases de propiedades mejoran el entendimiento de la ontología y la usabilidad desde el punto de vista del usuario. Todas las propiedades de anotaciones fueron añadidas a las clases y relaciones correspondientes; por lo que se considera que la ontología OntoEnvironmental no presenta errores en las propiedades de anotaciones.
En la ontología OntoEnvironmental no fueron identificados términos incorrectos debido a que OntoEnvironmental se basa en las normas (NC-ISO:14000) y documentos legales que rigen la gestión medioambiental a nivel internacional.
En el escenario 1 de la metodología NeOn se elaboró el DERO, donde se exponen todas las especificaciones para el desarrollo de la ontología. Además incluye las preguntas de competencia, las cuales serán utilizadas como pruebas para validar los requerimientos. La ontología OntoEnvironmental cumple las especificaciones del documento de especificación de requisitos y las respuestas proporcionadas por la ontología a las preguntas de competencia son correctas. 3
arquitectura
Para la modelación de ontologías es necesario de tecnologías y tendencias actuales las cuales fueron seleccionadas mediante técnicas de benchmarking cuyos resultados finales se muestran en la Tabla 3. A continuación se describirán las principales tendencias utilizadas en la implementación de la arquitectura propuesta. Tabla 3. Herramientas, lenguajes y metodología para el desarrollo de la arquitectura basada en la ontología OntoEnvironmental
Lenguaje de ontología Lenguaje de consulta Editor ontológico Razonador de ontología Framework para el trabajo con ontología Metodología de desarrollo OWL DL SPARQL Protégé y TopBraid Composer Pellet Jena y OWL- API NeOn
Los lenguajes de ontología se usan para representar explícitamente el significado de
los términos a través de los vocabularios y las relaciones entre estos. Entre los lenguajes
más utilizados para la construcción de ontología se encuentra OWL el cual proporciona
tres sublenguajes (OWL Lite, OWL DL y OWL Full ), cada uno con nivel de
expresividad mayor que el anterior, diseñados para ser usados por comunidades
específicas de desarrolladores y usuarios [
El lenguaje de consulta para RDF (SPARQL), define la sintaxis y la semántica
necesaria para una expresión de consulta sobre un grafo RDF y las diferentes formas
de resultados obtenidos. Su misión es devolver todas las tripletas o componentes
solicitados en base a la comparación de una tripleta pasada como parámetro de la
consulta (grafo básico) con todas las tripletas que componen el grafo RDF [
Los razonadores, chequean la consistencia de la ontología, según el conjunto de
reglas definidas en las diferentes clases. Reclasifican los conceptos en la jerarquía de
clases inferida y clasifican las instancias en la clase correspondiente. Pellet es un
razonador de lógica descriptiva, dirigido al trabajo con OWL-DL; y construido en Java.
Este razonador soporta toda la expresividad de la lógica descriptiva detrás de OWL-DL,
incluye el razonamiento con nominales (clases definidas por extensión). Estas
características unidas a la dirección principal de trabajo con OWL-DL que es el lenguaje
de implementación de la ontología propuesta condujeron a seleccionar este razonador
[
Jena, es una biblioteca para el desarrollo de aplicaciones para la Web Semántica, en
el lenguaje de programación Java, proporciona a los desarrolladores un API para el
tratamiento de los grafos RDF. Estos grafos son representados internamente como un
modelo abstracto que se puede consultar mediante el lenguaje SPARQL. Permite el
tratamiento del lenguaje OWL, al utilizar el modelo semántico de RDF, y permite que
los razonadores de lógica descriptiva, como Pellet se puedan conectar de forma externa.
Independientemente de la capacidad de Jena para conectarse con motores de inferencia
externos; tiene su propio subsistema de inferencia [
OWL API es la interfaz de programación en Java que permite la implementación de
referencia para crear y manipular las ontologías en el lenguaje OWL. Posee un API para
OWL 2 y una eficiente memoria de implementación de referencia e interfaces para
trabajar con el razonador Pellet [
OpenLink Virtuoso es una herramienta concebida para la integración de datos
multimodelos. Es una solución para la gestión de procesos de negocio que implican
SQL, RDF, XML y servicios web, de forma combinada. Virtuoso es un motor que une
orígenes heterogéneos permitiendo seguridad, transacciones y replicación. Su motor de
consulta soporta vistas heterogéneas, procedimientos almacenados y búsquedas de
texto. Es capaz de acceder a orígenes externos a través de ODBC, así como, a su propio
modelo relacional [
OntoEnvironmental software basada en la ontología
La arquitectura de software que se muestra en la Figura 3 está basada en los componentes con los que interactúa y los actores del sistema involucrados.
El usuario interactúa con la ontología OntoEnvironmental mediante los framework OWL-API, Jena y el razonador Pellet; estos constituyen la máquina de inferencia. La máquina de inferencia permitirá obtener conocimiento implícito de la ontología, para satisfacer las necesidades de información del especialista en gestión ambiental. El estándar para conexiones a la Base de Datos desde aplicaciones Java (JDBC) permitirá la conexión con la BD para la gestión de los usuarios del sistema.
El principal beneficio de esta arquitectura es la posibilidad de integrar en un solo modelo el proceso de inferencia, la ontología sobre la cual se hará la inferencia y la fuente de datos (BD). Además, Virtuoso ofrece la posibilidad de obtener los datos de una BD externa como un modelo RDF, lo cual para este contexto trae las siguientes ventajas: ─ Favorece el rendimiento del proceso de consulta ─ Posibilidad de inferencia de encadenamiento progresivo (forward-chaining) ─ Permite el uso de algunas de las características de SPARQL, como el uso de nodos en blanco para las consultas.
A groso modo estas características permiten que las consultas que se utilicen para la ontología sirvan de base para la extracción de la información de la BD. Esta arquitectura propicia las siguientes ventajas: ─ Integración de varias fuentes de información en un solo modelo ─ Implementación de consultas SPARQL para obtener información de un modelo relacional de BD, sobre la base de triplas de una ontología. ─ Desarrollo de un proceso de inferencia sobre el conocimiento de un dominio para a partir de este, obtener nuevo conocimiento, pues lo que se hacía hasta ahora era obtener el conocimiento de la ontología del dominio.
El sistema basado en ontología se realizó sobre la base de la arquitectura propuesta para extraer nuevo conocimiento de la ontología OntoEnvironmental mediante el lenguaje de consulta SPARQL. Además para la construcción del sistema se usó el lenguaje de programación Java para lograr una integración con los framework para el trabajo con ontología Jena y OWL-API, ambos programados en Java y el framework ZK para el diseño Web. Se usó como sistema gestor de bases de datos el PostgreSQL y como servidor Web el Apache Tomcat. 5.1
El usuario interactúa con el sistema mediante la interfaz, introduce los valores respectivos al indicador teniendo en cuenta que este debe tener predefinido su valor límite y luego realiza su cálculo. En respuesta a esta acción el sistema se encarga de comparar el valor y el valor límite del indicador; en caso de que el valor del indicador sea mayor que el valor límite el sistema detecta una alteración y recominenda los posibles impactos ambientales, las posibles causas que le dieron origen y las acciones de mitigación.
Para realizar las recomendaciones anteriores el sistema crea un grafo RDF que representa una relación básica entre dos elementos en forma de tripla. Esta relación representa un hecho que está dotado de significado. Al concatenar varios hechos se puede llegar a algún tipo conocimiento.
AguasResidualesContaminadas Junio2015 -----> estaAlterado ------> true Sujeto
Predicado
Objeto
Este grafo es guardado en el Virtuoso y es agregado a la ontología, luego se crea un modelo inferido de la ontología que no es más que el modelo de la ontología con los datos que se infieren con el razonador. En la Figura 4 se muestra el indicador antes de realizar el proceso de inferencia y en la Figura 5 después de la inferencia. Lo que se muestra en la parte derecha de la Figura 5 es lo que se obtuvo después del proceso de inferencia.
Para poder obtener estas nuevas triplas inferidas es decir los posibles impactos, posibles causas y acciones de mitigación se hacen tres consultas SPARQL al modelo inferido y esta información es mostrada al usuario a través de la interfaz del sistema informático propuesto.
select * where {oe:Aguas_residuales_contaminadasJunio2015 oe:causaImpactoNegativo ?y } select * where {oe:Aguas_residuales_contaminadasJunio2015 oe:tieneCausa ?y } select * where {oe:Aguas_residuales_contaminadasJunio2015 oe:tieneAcionDeMitigacion ?y } 6
El sistema basado en la ontología OntoEnvironmental integra las tecnologías necesarias para gestionar el conocimiento semántico mediante una arquitectura que fue diseñada en correspondencia con las buenas prácticas de la Web Semántica. Además el uso del gestor RDF Virtuoso permitirá compartir y exponer los datos en RDF.
La correcta modelación de nuevo conocimiento en la ontología OntoEnvironmental; así como, la extracción del conocimiento mediante consultas SPARQL permite que el sistema informático desarrollado para la gestión de los indicadores ambientales recomiende al Especialista de Gestión Ambiental los posibles impactos, causas y acciones de mitigación por la alteración de un indicador lo que apoya la toma de decisiones al respecto.
Al contar con el almacenamiento histórico de los indicadores de comportamiento ambiental y las facilidades que ofrece el sistema propuesto con la generación de reportes y gráficas; favorece la toma de decisiones de la alta gerencia y facilita trazar estrategias para mejorar el desempeño ambiental de la empresa. 7 8
Se trabaja en la predicción de valores límites de indicadores ambientales empresariales mediante redes neuronales artificiales en este sistema informático. Esto facilitaría la exactitud del sistema; debido a que el valor límite se obtendría del comportamiento del conjunto de datos es decir el almacenamiento histórico de cada indicador.