The Architecture of the Intelligent Case-Based Reasoning Recommender System (CBR RS) Recommending Preventive/Corrective Procedures in the Occupational Health and Safety Management System in an Enterprise

Jan Andreasik

doi:10.56583/br.430

Data publikacji : 2018-01-12

Tom 15 Nr 3 (2017)

Architektura inteligentnego systemu klasy CBR RS (Case-Based Reasoning Recommender System) rekomendującego procedury zapobiegawczo-korygujące w systemie BHP przedsiębiorstwa

Jan Andreasik

DOI: https://doi.org/10.56583/br.430

Abstrakt

W pracy przedstawiono oryginalną architekturę systemu rekomendującego procedury zapobiegawczo-korygujące w systemie BHP przedsiębiorstwa: Compliance OHS-CBR. System składa się z czterech modułów: moduł A: ontologia profilu BHP stanowiska pracy, moduł B: ontologia indeksacji procedur zapobiegawczo-korygujących OIP-ZK, moduł C: system ewidencjonowania procesu monitorowania niezgodności z wymaganiami BHP, moduł D: silnik wydawania rekomendacji w metodologii CBR. Istotą podejścia prezentowanego w niniejszej pracy jest integracja systemu monitorowania procesu analizy niezgodności z wymaganiami BHP na stanowiskach pracy (zastosowano oprogramowanie ADONIS) z systemem wnioskowania z bazy przypadków CBR. Platformą integracji są dwie ontologie: ontologia profilu zgodności z wymaganiami BHP na stanowisku pracy (OP-BHP) oraz ontologia indeksacji procedur zapobiegawczo--korygujących OIP-ZK. Obydwie ontologie przedstawiono w edytorze Protege 5 języka OWL. Silnikami wnioskującymi zgodnie z metodologią CBR są alternatywnie: myCBR oraz jCOLLIBRI.

Słowa kluczowe:

system rekomendujący RS, wnioskowanie z bazy przypadków CBR, BHP, monitorowanie procesów niezgodności BHP, ontologia profilu zgodności BHP, OWL, Protege, ADONIS, myCBR, jCOLLIBRI

Inne teksty tego samego autora

1 2 3 > >>

Szczegóły

Bibliografia

Statystyki

Autorzy

Pobierz pliki

PDF (English)

Zasady cytowania

Andreasik, J. (2018). Architektura inteligentnego systemu klasy CBR RS (Case-Based Reasoning Recommender System) rekomendującego procedury zapobiegawczo-korygujące w systemie BHP przedsiębiorstwa. Barometr Regionalny. Analizy I Prognozy , 15(3), 109–124. https://doi.org/10.56583/br.430

Wskaźniki altmetryczne

Cited by / Share

Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.

Bibliografia

Aamodt, A., and E. Plaza. 1994. “Case-Based Reasoning — Foundational Issues, Methodological Variations, and System Approaches.” Ai Communications 7 (1): 39–59. DOI: https://doi.org/10.3233/AIC-1994-7104

Amailef, K., and J. Lu. 2013. “Ontology-Supported Case-Based Reasoning Approach for Intelligent m-Government Emergency Response Services.” Decision Support Systems 55 (1): 79–97. doi: 10.1016/j.dss.2012.12.034. DOI: https://doi.org/10.1016/j.dss.2012.12.034

Andreasik, J. 2015. “Koncepcja ontologii systemu bezpieczeństwa i higieny pracy.” Barometr Regionalny. Analizy i Prognozy 13 (3): 179–189. DOI: https://doi.org/10.56583/br.748

Bergmann, R., J. Kolodner, and E. Plaza. 2005. “Representation in Case-Based Reasoning.” Knowledge Engineering Review 20 (3): 209–213. doi: 10.1017/S0269888906000555. DOI: https://doi.org/10.1017/S0269888906000555

Bobadilla, J., F. Ortega, A. Hernando, and A. Gutierrez. 2013. “Recommender Systems Survey.” Knowledge-Based Systems 46: 109–132. doi: 10.1016/j.knosys.2013.03.012. DOI: https://doi.org/10.1016/j.knosys.2013.03.012

Dendani-Hadiby, N., and M.T. Khadir. 2013. “A Fault Diagnosis Application Based on a Combination Case-Based Reasoning and Ontology Approach.” International Journal of Knowledge-Based and Intelligent Engineering Systems 17 (4): 305–317. doi: 10.3233/KES-130280. DOI: https://doi.org/10.3233/KES-130280

Dietz, J.L.G. 2006. Enterprise Ontology. Theory and Methodology. Berlin – New York: Springer. DOI: https://doi.org/10.1007/3-540-33149-2

El-Sappagh, S.H., and M. Elmogy. 2015. “Case Based Reasoning: Case Representation Methodologies.” International Journal of Advanced Computer Science and Applications 6 (11): 192–208. DOI: https://doi.org/10.14569/IJACSA.2015.061126

Gawin, B., and B. Marcinkowski. 2013. Symulacja procesów biznesowych. Standardy BPMS i BPMN w praktyce, Onepress. Gliwice: Helion.

Hinkelmann, K., A. Gerber, D. Karagiannis, B. Thoenssen, A. van der Merwe, and R. Woitsch. 2016. “A New Paradigm for the Continuous Alignment of Business and IT: Combining Enterprise Architecture Modelling and Enterprise Ontology.” Computers in Industry 79: 77–86. doi: 10.1016/j.compind.2015.07.009. DOI: https://doi.org/10.1016/j.compind.2015.07.009

Kaplan, R.S., and D.P. Norton. 1996. The Balanced Scorecard. Translating Strategy into Action. Boston, Mass.: Harvard Business School Press.

Lu, J., D.S. Wu, M.S. Mao, W. Wang, and G.Q. Zhang. 2015. “Recommender System Application Developments: a Survey.” Decision Support Systems 74: 12–32. doi: 10.1016/j.dss.2015.03.008. DOI: https://doi.org/10.1016/j.dss.2015.03.008

Lu, Y., Q.M. Li, and W.J. Xiao. 2013. “Case-Based Reasoning for Automated Safety Risk Analysis on Subway Operation: Case Representation and Retrieval.” Safety Science 57: 75–81. doi: 10.1016/j.ssci.2013.01.020. DOI: https://doi.org/10.1016/j.ssci.2013.01.020

Ly, L.T., F.M. Maggi, M. Montali, S. Rinderle-Ma, and W.M.P. van der Aalst. 2015. “Compliance Monitoring in Business Processes: Functionalities, Application, and Tool-Support.” Information Systems 54: 209–234. doi: 10.1016/j.is.2015.02.007. DOI: https://doi.org/10.1016/j.is.2015.02.007

Rao, S.S., and A. Nayak. 2017. “Enterprise Ontology Model for Tacit Knowledge Externalization in Socio-Technical Enterprises.” Interdisciplinary Journal of Information, Knowledge, and Management 12: 99–124. DOI: https://doi.org/10.28945/3680

Recio-Garcia, J.A., P.A. Gonzalez-Calero, and B. Diaz-Agudo. 2014. “jCOLIBRI2: A Framework for Building Case-Based Reasoning Systems.” Science of Computer Programming 79: 126–145. doi: 10.1016/j.scico.2012.04.002. DOI: https://doi.org/10.1016/j.scico.2012.04.002

Rintala, L., M. Leikola, C. Sauer, J. Aromaa, T. Roth-Berghofer, O. Forsen, and M. Lundstrom. 2017. “Designing Gold Extraction Processes: Performance Study of a Case-Based Reasoning System.” Minerals Engineering 109: 42–53. doi: 10.1016/j.mineng.2017.02.013. DOI: https://doi.org/10.1016/j.mineng.2017.02.013

Saracino, A., G. Antonioni, G. Spadoni, D. Guglielmi, E. Dottori, L. Flamigni, M. Malagoli, and V. Pacini. 2015. “Quantitative Assessment of Occupational Safety and Health: Application of a General Methodology to an Italian Multi-Utility Company.” Safety Science 72: 75–82. doi: 10.1016/j.ssci.2014.08.007. DOI: https://doi.org/10.1016/j.ssci.2014.08.007

Sauer, C. 2016. Knowledge Elicitation and Formalisation for Context and Explanation-Aware Computing with Case-Based Recommender Systems. Doctoral thesis, University of West London, London.

Sauer, C., A. Kheirkhahzadeh, and T. Roth-Berghofer. 2016. Data Literacy in the Smart University Approach. Paper read at Learning Analytics and Knowledge Conference 2016, 2016.04.26, at Edinburgh, UK.

Seck, M., and J. Barjis. 2015. “An Agent Based Approach for Simulating DEMO Enterprise Models.” Complex Adaptive Systems, 2015 61: 246–253. doi: 10.1016/j.procs.2015.09.206. DOI: https://doi.org/10.1016/j.procs.2015.09.206

Teimourikia, M., and M. Fugini. 2017. “Ontology Development for Run-Time Safety Management Methodology in Smart Work Environments Using Ambient Knowledge.” Future Generation Computer Systems — the International Journal of Escience 68: 428–441. doi: 10.1016/j.future.2016.07.003. DOI: https://doi.org/10.1016/j.future.2016.07.003

Virkki-Hatakka, T., and G.L.L. Reniers. 2009. “A Case-Based Reasoning Safety Decision-Support Tool: Nextcase/Safety.” Expert Systems with Applications 36 (7): 10374–10380. doi: 10.1016/j.eswa.2009.01.059. DOI: https://doi.org/10.1016/j.eswa.2009.01.059

Yahia, Z., J. Iijima, N.A. Harraz, and A.B. Eltawil. 2017. “A Design and Engineering Methodology for Organization-Based Simulation Model for Operating Room Scheduling Problems.” Simulation-Transactions of the Society for Modeling and Simulation International 93 (5): 363–378. doi: 10.1177/0037549716687376. DOI: https://doi.org/10.1177/0037549716687376