  Uma Arquitetura Baseada em Ontologias para Composição
                 Semântica de Workflows
              Luan Fonseca Garcia1 , Jean-François Rainaud2 , Mara Abel1
   1
       Instituto de Informática – Universidade Federal do Rio Grande do Sul (UFRGS)
                                   Porto Alegre – RS – Brasil
                              2
                                  IFPEN - IFP Energies Nouvelles
                                    Rueil Malmaison - França
    {luan.garcia,marabel}@inf.ufrgs.br,jean-francois.rainaud@ifpen.fr

       Abstract. The E&P industry generates a big amount of data every day. These
       data are used by the involved professionals in various workflows. Due to the
       background difference of these professionals and the great amount of data in-
       volved, semantic interoperability between these data is a big challenge. In this
       work, we propose an ontology-based framework for semantic workflow compo-
       sition in the Geology domain. We combine together an ontology network, the
       notion of ontology-based data access and the concept of data lake to propose a
       solution for the data interoperability problem during workflow execution.

       Resumo. A indústria de E&P gera diariamente uma grande quantidade de da-
       dos. Estes dados são utilizados pelos profissionais envolvidos em diversos work-
       flows. Devido a diferença de formação destes profissionais e a grande quanti-
       dade de dados envolvida, a interoperabilidade semântica destes dados é um
       grande desafio. Neste trabalho, propomos uma arquitetura baseada em onto-
       logias para composição semântica de workflows para o domı́nio da Geologia.
       Combinamos uma rede de ontologias, a noção de acesso a dados baseado em
       ontologias e o conceito de data lake para propor uma solução ao problema de
       interoperabilidade de dados durante a execução de workflows.

1. Introdução
A cadeia de exploração e produção de petróleo (E&P) gera diariamente uma enorme quan-
tidade de dados provenientes de variadas fontes. Entre eles, dados sı́smicos, dados de
poço, dados de perfuração, entre outros. Estes dados são utilizados em variados work-
flows que são ou realizados pelos profissionais envolvidos ou automaticamente, por sis-
temas. A indústria petrolı́fera depende do uso eficiente destes dados para a construção
de modelos computacionais e para reduzir incerteza e risco nas tomadas de decisões
[Werlang et al. 2014].
         Segundo Edison [Edison et al. 2011], o entendimento da indústria de E&P é de
que a interoperabilidade de dados é crucial para conectar tecnologias e inovações com as
pessoas e processos em sua cadeia. Wache [Wache et al. 2001] define Interoperabilidade
como o problema de integrar sistemas computacionais heterogêneos e distribuı́dos. Para
isto, é necessário que, além de possuir acesso total aos dados, estes dados possam ser
interpretados e processados sem nenhuma perda do significado pretendido dos mesmos.
       Este trabalho investiga o tema de interoperabilidade semântica de dados na cadeia
de exploração e produção de petróleo, faz parte de um estudo de doutorado e tem previsão
de defesa para fevereiro de 2020. Propomos neste artigo uma arquitetura para descrição e
composição semântica de workflows no domı́nio da Geologia. Esta arquitetura é baseada
em uma Rede de Ontologias e no conceito de Acesso a Dados Baseado em Ontologias
(OBDA).
        Workflow no contexto deste trabalho tem sua origem na disciplina de Modelagem
de Processos de Negócios (BPM). Um workflow é uma abstração de um processo de
negócios e compreende uma série de passos (conhecidos como tarefas ou atividades),
dependências entre tarefas, regras de fluxo e participantes. Uma tarefa pode representar
uma tarefa humana ou um sistema computacional [Cardoso and Sheth 2003].
         Uma rede de ontologias é uma coleção de ontologias que estão conectadas entre si
através de relacionamentos como alinhamentos, dependências, versionamentos, entre ou-
tras relações [Suárez-Figueroa et al. 2012]. Grandes ontologias monolı́ticas são de difı́cil
compreensão e possuem um alto custo de manutenção. Utilizar uma rede de ontologias
em face a uma grande ontologia monolı́tica permite modularizar domı́nios distintos em
ontologias menores e mais especı́ficas, o que possibilita o reuso de ontologias já existen-
tes, também facilitando a manutenção do conhecimento.
       No paradigma de Acesso a Dados Baseado em Ontologias, uma ontologia funci-
ona como um esquema de alto nı́vel sobre uma fonte de dados e fornece um vocabulário
para consultas de usuários. O sistema reescreve estas consultas de usuários para a lingua-
gem da fonte de dados original e realiza esta consulta [Civili et al. 2013].
        As contribuições deste trabalho são a definição de uma rede de ontologias que
suporta a formalização de conhecimento geológico de forma integrada com tarefas e pro-
cessos realizados no domı́nio, e uma arquitetura que suporta a integração deste conheci-
mento com o armazenamento de suas instâncias em um banco de dados relacional aliado
a um data lake através da noção de OBDA.

2. Trabalhos Relacionados
Investigamos trabalhos que buscassem a descrição de workflows com o suporte de ontolo-
gias. A seguir, faremos uma descrição dos principais trabalhos e uma breve comparação
com a arquitetura que estamos propondo.
        Em [Cardoso and Sheth 2003], os autores utilizam uma ontologia para descrever
semanticamente tarefas e interfaces de web services. O foco do trabalho é descobrir e
apresentar ao usuário web services já existentes. Eles compõem tarefas de usuário com
web services para definir workflows a serem executados. Este trabalho difere do nosso
pois os autores não utilizam ontologias para definir o conhecimento do domı́nio em que
as tarefas são realizadas, não contempla tarefas que não sejam automáticas e também não
se preocupam com o armazenamento dos dados.
        Em [Dang et al. 2008], os autores propõem uma arquitetura baseada em ontolo-
gia para workflows no domı́nio da medicina. Eles extraı́ram os principais conceitos do
domı́nio das agências Siemens Medical Solution e Agency for Healthcare Research, e
desenvolveram uma grande ontologia contendo cinco visões diferentes. O usuário da
arquitetura proposta pode compor workflows através de tarefas já existentes na base de
dados. O sistema gera arquivos BPEL para serem executados por alguma orquestrador de
workflow. Nosso trabalho difere na forma como os dados são acessados e armazenados.
Além disso propomos uma rede de ontologias que é alinhada por uma ontologia de topo,
enquanto o trabalho de Dang e colegas utiliza uma ontologia única.
        Em [Belaid et al. 2010], os autores propõem composição de workflows de web
services. Eles utilizam uma ontologia de domı́nio para descrever dados geológicos e
uma ontologia de serviços para descrever web services e então mapeiam os conceitos
geológicos com os respectivos conceitos na ontologia de serviços como entradas e saı́das.
O sistema gera arquivos BPEL com a composição dos web services em workflows. O tra-
balho de Belaid e colegas difere do nosso por não suportar a descrição de tarefas que não
sejam execuções de web services e não fornecer meio de armazenar os dados que serão
utilizados durante a execução destes workflows ou que serão gerados após sua execução.

3. Conceitos e Tecnologias Utilizadas
As ontologias desenvolvidas ou reutilizadas neste trabalho estão alinhadas com a ontolo-
gia de topo Basic Formal Ontology (BFO). A BFO é uma ontologia de topo desenvolvida
para auxiliar na integração de dados para a pesquisa cientı́fica. Ela foi construı́da deli-
beradamente pequena e seus conceitos são independentes de domı́nio. A BFO auxilia na
interoperabilidade entre vários domı́nios fornecendo uma estrutura comum de alto nı́vel,
o que propicia a informação existente em diferentes ontologias a fazer parte de uma ar-
quitetura comum para categorização e raciocı́nio [Arp et al. 2015].
        Para nos beneficiarmos do conceito de ODBA utilizamos o sistema open-source
Ontop. O sistema Ontop transforma um banco de dados relacional em um grafo RDF
virtual, e então mapeia os conceitos e relações da ontologia ao banco de dados. Este
grafo virtual pode ser então consultado através da linguagem SPARQL, que será tra-
duzida para consultas SQL sobre o banco de dados de forma transparente ao usuário
[Calvanese et al. 2017].
        Como forma de armazenar arquivos e recursos que são utilizados durante a cadeia
de E&P combinamos a estrutura formal dada pelas ontologias aliadas ao banco de dados
relacional com um repositório de dados do tipo data lake. Um data lake é um repositório
massivo de dados não estruturado baseado em tecnologias de baixo custo que incremen-
tam a captura, refino, arquivamento e exploração de dados brutos dentro de uma empresa
[Fang 2015].

4. Arquitetura Proposta
A arquitetura proposta neste artigo pode ser dividida em duas grandes camadas. Uma
Camada de Conhecimento, responsável por armazenar e gerenciar o conhecimento, e ou-
tra Camada de Aplicação, responsável por gerenciar buscas, visualizações e composição
semântica de workflows sobre este conhecimento.
        A camada de conhecimento possui dois módulos. Uma rede de ontologias para
descrever conhecimento de domı́nios da Geologia e de Modelagem de Processos de
Negócio e uma camada contendo um banco de dados relacional e um data lake. O mape-
amento entre a rede de ontologias e o banco de dados ocorre através do sistema Ontop. A
figura 1 apresenta um esquema da camada de conhecimento.
                   Figura 1. Arquitetura do Módulo de Conhecimento.


        A rede de ontologias que propomos possui dois ramos de conhecimento distintos:
um para descrever conhecimento relacionado a Geologia, e outro para descrever conheci-
mento relacionado a Modelagem de Processos de Negócio. Como base para alinhar estes
dois ramos utilizamos a ontologia de topo BFO. Para cada ramo, uma ontologia core des-
creve conceitos genéricos que são compartilhados entre seus subdomı́nios, e ontologias
de domı́nio especı́ficas descrevem o conhecimento de domı́nio que não é compartilhado
por todas as outras ontologias. A figura 2 apresenta um exemplo da hierarquia existente
entre as ontologias contidas na rede.


                 Figura 2. Hierarquia entre ontologias contidas na rede.

        Para o ramo da Geologia, a ontologia core define termos genéricos como Ob-
jeto Geológico, Unidade Geológica e Processo Geológico e as relações existentes entre
eles, enquanto as ontologias de domı́nio especializam estes conceitos genéricos, como
por exemplo o conceito de Unidade Litológica (volume de rocha distinguı́vel por suas
caracterı́sticas litológicas).
         Para o ramo de BPM, a ontologia core define conceitos genéricos como Tarefa
e Workflow, enquanto as ontologias de domı́nio especializam conceitos como Interpretar
Textura ou Descrever Contatos, tarefas mais especı́ficas. A ontologia core também contém
relações que permitem compor novos workflows semânticos a partir de tarefas que estão
definidas nas ontologias de domı́nio, como por exemplo relações de fluxo, que definem a
sequência em que as tarefas devem ser executadas, e relações de entrada e saı́da.
        O módulo de armazenamento de dados é composto por um banco de dados rela-
cional e um data lake. O banco de dados armazena instâncias dos conceitos existentes
nas ontologias. Estas instâncias podem ser referências a objetos da realidade, como um
poço de petróleo em especı́fico ou uma unidade litológica especı́fica, ou referências a ar-
quivos, como por exemplo um arquivo XML ou um arquivo com dados sı́smicos, e que
estão armazenados no data lake. Além disso, o banco também armazena instâncias de
tarefas e workflows especı́ficos e dados relacionados a eles, como o usuário que realizou
a tarefa, quais as instâncias de dados de entrada utilizados ou quais as instâncias de dados
resultantes ao fim do workflow.
        A conexão entre o módulo de armazenamento de dados e a rede de ontologias é
realizada através do sistema Ontop. Os mapeamentos são realizados com a linguagem
nativa de mapeamento do framework e relacionam classes e relações das ontologias com
visões do banco de dados por SQL. As ontologias junto com os mapeamentos resultam
em uma grafo RDF virtual que pode ser consultado através da linguagem SPARQL.
         A camada de aplicação é uma interface responsável por gerenciar consultas do
usuário sobre a camada de conhecimento e compor workflows. Consultas podem ser no
nı́vel de conceitos (Universais), cujo resultado são definições ontológicas, ou no nı́vel de
instâncias (Particulares), cujo resultado são instâncias do banco ou arquivos existentes no
data lake. Por exemplo, o usuário pode consultar o que é uma Unidade Litológica, e neste
caso o resultado deve ser a definição ontológica de Unidade Litológica, ou o usuário pode
consultar quais Unidades Litológicas existem, e neste caso o resultado deve ser todas as
instâncias de Unidade Litológica especı́ficas existentes no banco de dados.
        A composição de workflows se dá através da associação de tarefas e workflows
existentes com as relações definidas nas ontologias de BPM. A figura 3 apresenta um
exemplo fragmentado de como a tarefa de Interpretação Textural pode ser definida na
ontologia. A tarefa possui como entrada uma Unidade Litológica e tem como saı́da a
Granulometria desta Unidade. Ou seja, para esta tarefa o usuário deve analisar uma Ob-
jeto Geológico (entidade 3D que existe no mundo real) e definir o valor de sua quali-
dade Granulometria (tamanho dos grãos de rocha nesta unidade). Para instanciar esta
tarefa devemos possuir uma instância de Unidade Litológica no banco (que referencia
uma Unidade do mundo real). Ao término desta tarefa deve ser adicionado ao banco o
valor da qualidade Granulometria para essa instância de Unidade Litológica especı́fica e
informações sobre a realização desta tarefa, como usuário, valores de entrada, e valores
de saı́da.


          Figura 3. Exemplo de definição para a tarefa de Interpretação Textural.


5. Conclusão
Neste artigo, propomos uma arquitetura baseada em ontologias para composição
semântica de workflows. A arquitetura utilizada uma rede de ontologias para definir for-
malmente conceitos do domı́nio e como relacioná-los com tarefas e workflows que os
utilizam.
       A arquitetura proposta permite representar conhecimento de domı́nio, descrever
semanticamente as tarefas e workflows, mapeá-los para os conceitos de domı́nio como
entradas e saı́das, compor novos workflows a partir das tarefas e workflows já existentes,
armazenar informações e arquivos que serão de fato utilizados nos workflows a serem exe-
cutados e rastrear os dados que foram utilizados durante a instanciação de um workflow.
        Este trabalho está em andamento e possui previsão de defesa da tese de doutorado
para fevereiro de 2020. A previsão para término dos mapeamentos entre a rede de onto-
logias e o banco de dados é para o final de 2018 e a validação dos resultados está prevista
para o primeiro semestre de 2019.

Referências
Arp, R., Smith, B., and Spear, A. D. (2015). Building ontologies with basic formal onto-
  logy. Mit Press.
Belaid, N., Ameur, Y. A., Jean, S., and Rainaud, J.-F. (2010). Toward a semantic mana-
  gement of geological modeling workflows. In KEOD, pages 282–287.
Calvanese, D., Cogrel, B., Komla-Ebri, S., Kontchakov, R., Lanti, D., Rezk, M.,
  Rodriguez-Muro, M., and Xiao, G. (2017). Ontop: Answering sparql queries over
  relational databases. Semantic Web, 8(3):471–487.
Cardoso, J. and Sheth, A. (2003). Semantic e-workflow composition. Journal of intelli-
  gent information systems, 21(3):191–225.
Civili, C., Console, M., De Giacomo, G., Lembo, D., Lenzerini, M., Lepore, L., Mancini,
  R., Poggi, A., Rosati, R., Ruzzi, M., et al. (2013). Mastro studio: managing ontology-
  based data access applications. Proceedings of the VLDB Endowment, 6(12):1314–
  1317.
Dang, J., Hedayati, A., Hampel, K., and Toklu, C. (2008). An ontological knowledge fra-
  mework for adaptive medical workflow. Journal of biomedical informatics, 41(5):829–
  836.
Edison, L. S., Brantley, J. D., and Edwards, S. (2011). The value of smarter oil and gas
  fields. IBM Center for Applied Insights.
Fang, H. (2015). Managing data lakes in big data era: What’s a data lake and why has it
  became popular in data management ecosystem. In Cyber Technology in Automation,
  Control, and Intelligent Systems (CYBER), 2015 IEEE International Conference on,
  pages 820–824. IEEE.
Suárez-Figueroa, M. C., Gómez-Pérez, A., Motta, E., and Gangemi, A. (2012). Ontology
  engineering in a networked world. Springer Science & Business Media.
Wache, H., Voegele, T., Visser, U., Stuckenschmidt, H., Schuster, G., Neumann, H., and
  Hübner, S. (2001). Ontology-based integration of information-a survey of existing
  approaches. In IJCAI-01 workshop: ontologies and information sharing, volume 2001,
  pages 108–117. Citeseer.
Werlang, R., Abel, M., Perrin, M., Carbonera, J. L., and Fiorini, S. R. (2014). Ontological
  foundations for petroleum application modeling. In 18th International Conference on
  Petroleum Data, Integration and Data Management.