Titel Promotor Affiliaties "Korte inhoud" "InsightProducts: Actionable Insights into Product Service Delivery" "Anna Hristoskova" "ICT & Software Engineering" "InsightProducts zal diepgaande analyse van industriële condition monitoring oplossingen uitvoeren, met het oog op het architectuurontwerp, sensoren, embedded software, communicatie en data- analytics. Focus is drievoudig: 1. Geoptimaliseerd systeemontwerp en -werking resulterend in een verbeterde productwaarde, op basis van nieuwe inzichten afgeleid van sensorgegevens gecapteerd van producten. 2. Verbeterde productkwaliteit en minder storingen, ondersteund door geoptimaliseerde sensor plaatsing aangepast aan de specificaties van het product en resulterend in het genereren van kwalitatieve gegevens. 3. Verbeterde analyse van de impact van het leveren van productdiensten op het productmanagement, organisatie, businessmodellen en go-to-market strategie van de industrie.Het project richt zich op het verbeteren van producten gebruik makend van het capteren van nieuwe inzichten in hun ontwerp, levering en werking. Target sectoren zijn energie-, automotive en productiebedrijven, die steeds meer investeren in een digitale dienstaanbieding (Digital Business Industry). In Vlaanderen zijn deze zeer diverse groepen: 3.000 ICT, 492 service, 400 productiebedrijven, en spin-offs en scale-ups waarvan: 84 productiebedrijven met IoT, 112 met geconnecteerde hardware en 114 met data analytics als kerncompetenties. Daarvan werden een 454 bedrijven geïdentificeerd die de projectresultaten kunnen integreren in hun oplossingen.De opkomst van sensing, IoT, Big Data voor machinebeheer en de overgang naar voorspellend onderhoud, zijn drijvende factoren voor de groei van machine conditie monitoring. De toenemende complexiteit van bv. productie-, energie- & automotivesystemen vereist robuuste technieken voor real-time monitoring, opsporen van storingen, flexibele onderhoud en hoge betrouwbaarheid. Oplossing is optimaal gebruik van sensor netwerken, rekening houdend met: • afweging tussen de grootteorde van de sensornetwerk en de vereiste systeembetrouwbaarheid; • optimalisatie van de hoeveelheid gegenereerde data voor analyse en daarbij horende systeemkosten, met het oog op het verminderen van de irrelevante en/of tegenstrijdige gegevens; • mind switch van het leveren van producten tot het flexibele levering van diensten gekoppeld aan productenInsightProducts zal inzetten op een totaaloplossing bestaande uit de volgende projectresultaten: • Business – Digitale Servitizatie: Gebruik ervan als nieuwe waarde creatie model voor productiebedrijven. Daarbij ondersteunen digital transformatie technologieën (i) automatie, (ii) verhoogde productiviteit van het leveren aan diensten, en (iii) het aanwenden ervan op grote schaal dichter bij de klant en tegen lagere kosten. • Organisatie – Digital Business Industry: Ondersteunen van een ecosysteem die de economische dynamiek modelleert tussen de diverse bedrijven. Dit bevordert technologische ontwikkeling en innovatie met focus op het digital product. Het ecosysteem biedt samenwerking rekening houdend met individuele marktimpact en eisen. • Proces – Performance criteria: Optimalisatie van infrastructuur- en personeelskosten gebruik makend van gecapteerde verborgen productinzichten. Essentiële procesoptimalisatie is de overgang van het integreren van componenten tot flexibele real-time levering van diensten. • Technologische componenten en demonstratoren: Open geïntegreerde architectuur gebaseerd op (i) selectie van geschikte sensoren en wireless communicatie, (ii) optimalisatie in performantie en energieverbruik voor embedded preprocessing, (iii) identificatie van een data exchange format en infrastructuur als optimalisatie van de data verwerking, (iv) extractie van verborgen productinzichten op basis van intelligente dataverwerking, en (v) gebruik maken van deze inzichten ter ondersteuning van servitizatie. • Sensibilisering van een brede gebruikersgroep: Uitgebreide disseminatie en exploitatie van de projectresultaten onder de vorm van events, workshops, masterclasses en een bootcamp. The main project results were situated around three areas: technological building blocks, industrial demonstrators, and knowledge transfer, dissemination & exploitation.Technical building blocksThe technological building blocks included the design of an open modular architecture, the selection of suited sensors and communication technologies, and the exploration of product insights based on the captured product monitoring data. Taking into account current best practices, we investigated the following aspects:A guided design process highlighting the selection process of specific technologies and building blocks - from sensors, communication, messaging to data handling - based on an in-depth overview of available technologies and on an in-depth evaluation of application requirements. The final result included an extensive overview of available technology building blocks and decision trees depending on the application requirements consisting of:Secure design of IoT systems: secure reference architectureTechnology selection: communication & data protectionSensor & MC selection & optimal placementQualitive data acquisition & annotationActionable insights extractionThe design of a basic reference architecture for product monitoring, including examples of various domain and technology-dependent instantiations for a small prototype, an industrial clean room set-up, a distributed building environment, and a moving robot. These included the selection and validation of relevant communication, messaging and security technologies.Industrial demonstratorsSeveral industrial demonstrators were realised validating the developed building blocks around the following five areas (see the following blog post):Optimal use of sensor and communication solutions supported by and supporting qualitative dataDetermining how to acquire qualitative data and extracting actionable product insights from itEnhancing the design and operations of a product based on qualitative data insightsEnabling a product to be deployed as a service ('product-as-a-service')Gaining access to customer dataThese included experimentation with industrial datasets in different real-life industrial settings, design and development of several industrial sensors such as the environmental monitoring InsightPro sensor, and exploration of the benefits of fast prototyping in view of initial product monitoring through the SPICY demonstrator.Knowledge transfer, dissemination & exploitationFinally, at the level of knowledge transfer, dissemination & exploitation, the following main results were achieved:Extensive overview of guidelines on requirements, architectural design and available technologies and their selectionSeveral dissemination activities reaching over 170 companies through participation in external eventsInsightProducts events, reaching 21 extra companies, including a dedicated public workshop in October 2019Exploitation activities consisting of the set-up of several national and European projects some of which have already been accepted or runningInsightProducts paved the road to collecting and mining qualitative data on products through a stepwise approach from architectural design, to technological adoption (proper data handling and processing techniques, improved sensor design & deployment), fast prototyping resulting in the SPICY experimentation toolkit (blog and videos to follow), and finally product services and cost." "Taaluitbreidingen en nieuwe inferenties voor het kennisbank paradigma vanuit een Business en Multi-Agent perspectief" "Marc Denecker" "Afdeling Informatica" "Het doel van kennisrepresatie en redeneren (KRR), een onderzoeksveld in Artificiële Intelligentie is het ontwikkelen van formele talen om kennis mee voor te stellen op een wiskundige manier, en het ontwikkelen van inferentie methodenzodat verschillende taken kunnen worden opgelost met behulp van deze kennis.Bestaande aanpakken in KRR ontwikkelen een formele taal (een logica) met een bijhorende inferentie, specifiek toegepast op een bepaald soort redeneertaak. Het Kennisbank (KB) paradigma pakt dit anders aan. Er is een strikte scheiding tussen de relevante kennis en waar het voor gebruikt wordt. De achterliggende visie is dat domeinkennis compleet onafhankelijk is van de redeneertaak waarvoor het gebruikt dient te worden. In een KB systeem wordt informatie opgeslagen in een centraal beheerde kennisbank, waarbij een verzameling inferenties worden aangeboden die redeneertaken kunnen oplossen, gebruikmakend van deze kennisbank.In deze tekst bestuderen we dit paradigma en we onderzoeken en bewijzen dat deze aanpak een heel aantal voordelen biedt ten opzichte van eerdere aanpakken. We maken gebruik van een bestaand KB systeem: het IDP systeem, met eigen KR taal FO(·) (eerste-orde logica met een verzameling uitbreidingen). We gebruiken dit systeem om verschillende interessante en complexe toepassingen te modelleren. Vanuit deze toepassingen zien we de nood tot het uitwerkenverschillende uitbreidingen. We definiëren nieuwe taalconcepten en ontwikkelen nieuwe inferentietechnieken. In het eerste deel van deze thesis bekijken we twee toepassingen uit de industrie.De eerste gaat over interactieve configuratie van producten en systemen. In interactieve configuratie problemen wordt er een configuratie gezocht van verschillende gerelateerde objecten die aan een verzameling voorwaarden moetenvoldoen. Het systeem begeleidt een gebruiker in deze configuratietaak en werkt samen met de gebruiker om een gewenste configuratie te bereiken. We bekijken deze toepassingen en tonen aan dat verschillende functionaliteiten bereikt kunnen worden door inferenties toe te passen op een formele specificatie van de domeinkennis over de configuratie. We definiëren een verzameling nieuwe, afgeleide inferenties die deze nieuwe functionaliteiten voorzien. De tweede toepassing die we bekijken is een systeem dat een autoverhuur bedrijf ondersteund. Dit is een voorbeeld dat prototypisch is in de wereld van de Business Rules: regelgebaseerde systemen die vaak in de industrie gebruikt worden voor kennisintensieve toepassingen. We onderzoeken of alle relevante domeinkennis in onze taal FO(·) kan worden uitgedrukt. We definiëren een uitbreiding op het concept van inductieve definities in onze taal, die het toelaat om nieuwe objecten te creeëren en introduceren een ”new“-operator, aangezien dit formalisme ontbrak in de huidige taal. Het tweede deel van deze thesis bekijken we Access Control (of toegangsbeheer) toepassingen vanuit het oogpunt van het KB paradigma. We gebruiken het IDP systeem en kijken naar uitbreidingen voor de taal om deze bruikbaar te maken in een security context, voor deze Access Control toepassingen. We onderzoeken hoe we een KB systeem op een gedistribueerde manier (onder verschillende agenten) kunnen gebruiken om uit te zoeken welke agent toegang krijgt tot welke bestanden, gebaseerd op het beleid van de andere agenten.We definiëren dAEL: distributed autoepistemic logic, een veralgemening van autoepistemische logica om dergelijk gedistribueerd beleid in voor te stellen. Distributed autoepistemic logic (dAEL) is uitgerust met taalconstructies om te refereren naar kennis van andere agenten. We bekijken semantieken voor deze logica, gebaseerde op gekende semantieken voor autoepistemische logica. Hiervoor gebruiken we het algebraïsch framework Approximation Fixpoint Theory (AFT). dAEL veronderstelt dat de verschillende agenten open en eerlijk comminuceren en bijgevolg perfect weten wat elke andere agent weet en niet weet. Deze veronderstelling is redelijk voor de toepassingen die we onderzocht hebben, maar is dit niet in het algemeen.In het laatste deel van deze thesis stellen we COLm voor: een nieuwe logica gebaseerd op eerste-orde logica met taalconstructies voor verschillende modaliteiten: kennis van elke agent (KA ), common knowledge (C) en beperkingen van kennis van een agent (Only knowing: OA ). We onderzoeken deze modaliteiten, bekijken hoe ze zich onderling verhouden en ontwikkelen een nieuwe semantische structuur die toelaat formules van deze te interpreteren. In deze logica hebben we geen vooropgestelde veronderstellingen zoals introspectie." "Geavanceerde technieken voor grounden en solven in het IDP kennisbanksysteem" "Gerda Janssens" "Afdeling Informatica" "Het gebied van Kennisrepresentatie en Redeneren, een onderdeel van het veld Artificiële Intelligentie, bestudeert hoe kennis kan worden voorgesteld en hoe die kan gebruikt worden voor automatische redeneertaken.Verschillende declaratieve programmeerparadigmas implementeren dit door middel van een formele taal om kennis voor te stellen en een bijbehorende vorm van inferentie om het beoogde resultaat te behalen.Recentelijk werd het Kennisbank Systeem (KBS) paradigma voorgesteld.Dit is gebaseerd op het idee dat kennis niet inherent geassocieerd is met een specifieke redeneertaak.Dit paradigma stelt voor om de kennis op een werkelijk declaratieve manier voor te stellen, in tegenstelling to eerdere aanpakken.Als een toegevoegd voordeel wordt de mogelijkheid voorzien om kennis te hergebruiken voor verschillende redeneertaken die elk een oplossing bieden voor een bepaald probleem.De initiële implementatie van het KBS paradigma, ook gekend als het IDP3 systeem, heeft gediend als een geschikt laboratorium om nieuwe technieken in software engineering te onderzoeken.De huidige generatie aan declaratieve programmeersystemen, zoals IDP3, clasp, WASP, lp2sat, gebruiken een ground-en-solve aanpak.Bij deze aanpak wordt de specificatie met rijke taalconstructen eerst omgezet in een voorstelling die op een lager niveau werkt en geen van de rijkere taalconstructen gebruikt.Dit proces wordt ""grounding"" genoemd.Een tweede stap bestaat uit het verwerken van deze voorstelling met behulp van een algemene, laag-niveau solver die gewoonlijk gebaseerd is op technieken uit het SAT (satisfiability) veld.Deze thesis bevat een grondige studie over de impact van verschillende ""grounding"" aanpakken op het gedrag van de onderliggende solver.De taal die ondersteund wordt door het IDP3 systeem bevat constraints en definities.In de context van deze thesis worden deze definities opgedeeld in twee categoriën: de ""input*"" en de ""zoek"" definities.Input* definities zijn definities die afhangen van concepten die reeds gekend zijn, wat wil zeggen dat deze definities op voorhand uitrekenbaar zijn zonder dat er een zoekstap aan te pas komt.Dit soort definities wordt ook wel ""intentional"" of ""stratified"" genoemd, oftwel ""domain atoms"" in de literatuur.Een van de bijdragen van dit werk is de evaluatie van deze input* definities met behulp van het XSB Prolog systeem.Om deze aanpak te kunnen volgen, moeten deze definities omgezet worden naar een formaat dat bruikbaar is door het Prolog systeem.De grootste uitdaging bij deze omzetting ligt in het correct transformeren van de types en andere rijkere taalconstructen, zowel als in het rekening houden met het uitvoeringsmechanisme van Prolog dat van links naar rechts werkt.De ""zoek"" definities kunnen niet op voorhand uitgerekend worden en hangen nog af van ongekende data.Deze tekst verduidelijkt hoe de bovenstaande omzetting kan veralgemeend worden om dit soort ""zoek"" definities gedeeltelijk uit te rekenen, waarbij er zoveel mogelijk informatie al wordt afgeleid.We ontwikkelen een methode om de solver ge begeleiden gedurende het zoekproces en voorrang te geven aan delen van de zoekruimte die relevant zijn.Enkel het deel van de zoekruimte dat is verbonden met de huidige zoektak van het probleem moet hierbij in acht genomen worden.Het doel van deze techniek is het voorkomen van beslissingen waarvan kan bewezen worden dat ze geen bijdrage hebben tot het bekomen van een oplossing in de huidige zoektak.Hierbovenop geniet het zoekproces van een nieuw en verbeterd stopcriterium, omdat de eindstatus van de solver niet meer een hoeft te zijn wanneer de waarde van alle variabelen gekend is.We presenteren ook een implementatie die gebruik maakt van een incrementele aanpak, waarbij gegevensstructeren worden aangepast op basis van de veranderingen in de status van de solver.Met dit werk verhogen we de gebruikbaarheid van het IDP3 systeem en bekomen we een meer robuster vorm van deze alternatieve aanpak tot softwareontwikkeling." "Kennisrepresentatie in de praktijk: Geavanceerde kennisgebaseerde interacties in industriële toepassingen" "Joost Vennekens" "Declaratieve Talen en Artificiële Intelligentie (DTAI)" "Er is een groeiend inzicht dat een belangrijke factor voor het succes van een AI-systeem vaak het vermogen is om op een zinvolle manier met gebruikers om te gaan. In Decision Support-applicaties is communicatie met de beslissers van cruciaal belang: als ze het systeem niet begrijpen, zullen ze terughoudend zijn om het advies op te volgen. In dit doctoraat zullen we de huidige stand van zaken op dit gebied op twee manieren verbeteren. Ten eerste is er een recente evolutie waarbij kennisbanken rechtstreeks door domeinexperts kunnen worden geschreven en onderhouden, waardoor de kennisingenieur als middenpersoon wordt uitgeschakeld. Een goed voorbeeld hiervan is de recente beslismodel- en notatiestandaard, die snel aan populariteit wint in de industrie. We zullen onderzoeken hoe de expressiviteit van deze standaard kan worden uitgebreid, zodat deze in staat is om alle kennis te verwerken die nodig is voor geautomatiseerde technische toepassingen. Ten tweede moeten gebruikers ook op een intuïtieve manier kunnen communiceren met een bestaande kennisbank. Waar traditionele systemen doorgaans alleen de functionaliteit boden, bijvoorbeeld het berekenen van een compleet ontwerp, bieden moderne systemen ook functionaliteit zoals uitleggen waarom een specifiek deel van een ontwerp (niet) mogelijk is, identificeren welke ontwerpkeuzes relevant zijn in een bepaalde context, enz. IDP-kennisgebaseerde systeem van DTAI-groep speelt een leidende rol in onderzoek naar dergelijke interactiemethoden. We zullen de momenteel beschikbare methoden uitbreiden, waarbij nieuwe logische interacties worden gebruikt om de ontwerper te helpen de (mogelijk enorme) ontwerpruimte te begrijpen en te structureren, gezien de beschikbare kennis. Voor beide taken zullen we de mogelijkheid onderzoeken om de expertkennis te verrijken met de resultaten van een op gegevens gebaseerde analyse." "Satisfieerbaarheid en modelgeneratie in een oneindige ruimte" "Gerda Janssens" "Afdeling Informatica" "Het doel van declaratief programmeren is het voorstellen van domeinkennis op een eenvoudige manier en problemen oplossen aan de hand van inferenties. Het FO(.)-kennisbanksysteem IDP is een state-of-the-art declaratief systeem dat een unieke combinatie aan inferenties biedt die aan ontwikkelaars toelaten om dezelfde informatie te hergebruiken bij het oplossen van verschillende taken. Op dit moment is dit echter enkel mogelijk wanneer het een eindig domein betreft; de taal en het achterliggende systeem zijn niet geschikt voor oneindig grote types, zoals onbegrensde getallen, lijsten, strings, boomstructuren, sets, etc. Deze limitatie verhindert de verdere groei van FO(.) en IDP. Dit doctoraat wil dit rechtzetten.Om dit te doen, beogen we om de voordelen van verschillende logicagebaseerde programmeertakken samen te brengen. In het bijzonder zijn SMT-solvers ontworpen met oneindige domeinen in het achterhoofd. We willen deze technieken combineren met de voordelen van FO(.) om een krachtig kennisbanksysteem te ontwikkelen. Dit zal enerzijds het ontwerpen van nieuwe taalconstructies inhouden, en anderzijds het uitbreiden van de inferentiemethodes om deze te ondersteunen. Het doel hiervan is om de klasse van praktische problemen die opgelost kunnen worden uit te breiden. De resultaten van dit onderzoek zijn eveneens nuttig in andere grounding-gebaseerde solvers."