La gestione di dati aeronautici complessi può essere una sfida significativa per qualsiasi impresa, sia che si tratti di un’agenzia governativa, un aeroporto, una compagnia aerea, un costruttore di velivoli o un fornitore di servizi.
Per vincere questa sfida, tipicamente si sviluppano dei modelli più o meno complessi per caratterizzare, organizzare, gestire, usare e archiviare i dati generati in azienda.
Nel mondo interconnesso, l’azienda è solo uno dei molti attori che producono dati (data-provider); purtroppo ciascuno di questi attori adotta modelli di dati qualitativamente differenti. E questo dà luogo a problemi di integrazione.
Nell’ultimo decennio, questi problemi hanno motivato produttori e consumatori di dati a guardare verso modelli dati standardizzati: è ormai noto che affrontare l’interoperabilità dei dati aziendali con i dati provenienti dal mondo esterno significa arricchire la conoscenza aziendale e accrescere la competitività.
Tim Berners Lee, già da alcuni anni, ha identificato le soluzioni tecnologiche per fare evolvere l’intero web verso una nuova dimensione in grado di liberare tutto il potenziale contenuto nei dati e risolvere alla radice i problemi di interoperabilità e di privacy. In questo panorama i modelli dati basati su ontologie hanno un ruolo rilevante. Anche nel mondo areonautico.
I modelli basati su ontologie sono emersi negli ultimi anni dalla confluenza della ricerca sull’intelligenza artificiale e sul web semantico per integrare dati eterogenei e distribuiti, contribuendo a risolvere inconsistenze ed errori.
Anche il nuovo progetto Solid, fortemente voluto da Tim Berners Lee usa appunto i linked data e le ontologie come fondamenta di quello che, con estrema probabilità, rappresenterà il nuovo passo significativo nell’evoluzione di Internet e del business ad esso collegato.
Esistono già diversi casi d’uso di queste nuove tecnologie nell’ambito della gestione dei dati nel settore avionico e areoportuale.
Una opportunità per il mercato dell’aviazione civile
Il volume dei dati di interesse per l’aviazione civile generati dall’industria e da fonti governative è cresciuto costantemente negli ultimi dieci anni; un numero sempre crescente di attori ha iniziato a pubblicare informazioni attraverso vari metodi di distribuzione digitale.
Infine il panorama degli Open Data, liberamente disponibili su Internet, ha subito una incredibile accelerazione con un deciso aumento della quantità e della qualità dei dati disponibili.
Questa tendenza rappresenta un grande vantaggio per chi utilizza le informazioni per migliorare i sistemi di trasporto aereo, ottenere risparmi sui costi, migliorare la sicurezza, e analizzare i colli di bottiglia. Ma insieme ai vantaggi occorre mettere in conto un aumento della complessità della gestione dei dati.
I fornitori di dati aeronautici impiegano diversi modelli di dati e questi modelli differiscono su alcune dimensioni:
- Formato di codifica dei dati: i provider possono utilizzare diversi formati per codificare i dati. Ad esempio, il campo ID di compagnia aerea potrebbe essere memorizzato in una varietà di modi: come un campo contenente tre caratteri (International Air Transport Association (IATA)) a quattro lettere (Codice di organizzazione (ICAO)) o ancora come una chiave riferita ad una tabella del database del vettore.
- Denominazione dei campi dati. Senza standardizzazione, i nomi dei campi assegnati ai valori possono essere fuorvianti e possono portare a confusione. Per descrivere un “orario di partenza dell’aeromobile”, un fornitore può usare il nome ‘dptTime’ mentre un altro può usare ‘DT’. Conciliare queste differenze tra i modelli può non essere banale.
- Semantica dei dati: anche quando due campi di dati sono chiamati in modo identico non è garantito che i dati rappresentino la stessa informazione. Il significato attuale di “Orario di partenza dell’aeromobile” tra due fornitori può essere molto diverso: ad esempio potrebbe riferirsi all’orario di partenza dal gate oppure dalla pista. Questa differenza è impossibile da determinare quando i nomi dei campi nei due modelli di dati sono identici senza informazioni contestuali più specifiche.
- Risoluzione spaziale e temporale: un dato può essere registrato a diverse frequenze temporali (ad es. una volta al minuto contro una volta al secondo) e aggregati in periodi di tempo diversi (ad es. ogni ora, ogni anno) o regioni spaziali (ad esempio attraverso lo spazio aereo, regioni geografiche o entità politiche). Senza trasmettere la conoscenza dello spazio o estensione temporale, i dati non possono essere interpretati correttamente o combinati con altri dati.
- Convenzioni e unità di misura: le unità sono spesso omesse e lasciate implicite negli schemi di archiviazione dei dati. Comunque questo può portare a problemi quando vengono utilizzate unità diverse attraverso diversi sistemi.
Di fatto ogni data provider ha una visione del mondo che ha senso per il suo business, e questa prospettiva guida il modo in cui i suoi dati sono strutturati, archiviati e trasmessi.
Ma questa visione del mondo potrebbe rivelarsi difficile da interpretare dal consumatore dei dati. Per Per esempio, un costruttore di motori aeronautici può strutturarsi e trasmettere i dati del motore come una serie di tabelle separate, ognuna delle quali descrive un aspetto dei dati: specifiche tecniche, caratteristiche prestazionali, prezzi, manutenzione, ecc. E’ frequente che ogni tabella includa righe contenenti i valori dei dati corrispondenti ai diversi modelli di motore. Tuttavia, chi desidera usare questi dati potrebbe essere interessato a solo uno specifico aeromobile. In un caso come questo, è complicato recuperare e assemblare i dati desiderati.
Con tutte queste potenziali differenze, può essere estremamente impegnativo lavorare con i dati provenienti da più fornitori.
Per rispondere a questo problema, l’industria dell’aviazione ha sviluppato un numero di modelli standard per facilitare lo scambio di dati e promuovere l’interoperabilità.
L’utilizzo di standard semplifica ma non risolve il problema. Molto spesso infatti i dati arrivano da fornitori appartenenti a diversi mercati che utilizzano differenti standard o da settori dove la standarizzazione non esiste.
Ad esempio, pensate alla utilità delle informazioni contenute su wikipedia o quelle fornite da Airbnb che, per ovvie ragioni, non si conformano agli standard areonautici ma che possono essere molto preziose per i viaggiatori.
Un approccio innovativo consiste nell’utilizzare le le ontologie, ovvero strumenti altamente componibili che consentono di dotare i dati di un significato formale (semantica).
Le ontologie possono supportare tutti i dati aeronautici e concorrono a costruire un Enterprise Knowledge Graph, ovvero un bacino dove tutti i dati che provvengono da vari provider sono collegati attraverso significati condivisi (Linked Data).
A sua volta l’ Enterprise Knowledge Graph rappresenta il cuore pulsate di una Smart Data Management Platform che supporta i processi di integrazione di tutte le fonti dati in modo organico. l’Enterprise Kbnowledge Graph e la Smart Data Management Platform abilitano il paradigma di Data Driven Entreprise, cioè una azienda in cui i dati e la loro analisi guidano scelte strategiche e tattiche effettuate dalla direzione. Tutte le principali aziende di successo di questi tempi possono definirsi Data driven. Immaginate come FaceBook, Google, Airbnb, Amazon, AliBaba, Tesla usano i dati per creare o modificare i loro prodotti.
Nel 2015 si è costituito il gruppo di interesse Semantic Web for Air Transportation (SWAT) che ha riunito 25 partecipanti internazionali tra cui agenzie governative (FAA, NASA, EUROCONTROL, Dipartimento dei Trasporti (DOT) / Volpe, Dipartimento di Difesa (DOD), Air Services Australia), enti normativi (OGC - Open Geospatial Consortium, ICAO), laboratori universitari (MIT Lincoln Labs) e industria (Mosaic ATM, Frequentis, Securboration, Alion, Booz-Allen-Hamilton). Lo scopo del gruppo è stato lo scambio di informazioni su progetti in corso, casi d’uso e risorse condivisibili come ontologie, strumenti di sviluppo e strategie di implementazione.
Alcune delle applicazioni che oggi utilizzano le ontologie sono:
- l’ integrazione dei dati di gestione del traffico aereo della NASA: La NASA ha sviluppato un prototipo di sistema di integrazione dei dati che dimostra come le ontologie possono essere utilizzate per integrare, interrogare, ed effetturare ricerche su varie fonti di traffico aereo eterogeneo come per esempio : dati di gestione (ATM), dati di FAA, dati forniti da NOAA (nazionali Amministrazione oceanica e atmosferica) e da altri fornitori. In questo prototipo c’è un’ontologia comune utilizzata per collegare più tipi di modelli di dati e abilitare le interrogazioni su set di dati incrociati
- FAA Enterprise Information Management: La FAA ha sviluppato un’ontologia per standardizzare la terminologia utilizzata all’interno dei propri documenti al fine di facilitare la ricerca di informazioni e, in definitiva, di migliorare i processi decisionali.
- Vocabolario controllato SWIM: La FAA ha anche sviluppato un vocabolario controllato basato su SKOS che fornisce un’unica fonte per termini e definizioni utilizzato nella documentazione relativa a SWIM. SKOS (Simple Knowledge Organization System) è una ontologia standardizzata dal W3C e viene usata per rappresentare i vocabolari controllati, thesauri e tassonomie. SKOS può essere utilizzato ovunque sia necessario normare l’uso di vocaboli, anche in contesti multilingua.
Casi d’uso
Questa sezione descrive un insieme di diversi casi d’uso per le ontologie nel settore dell’aviazione.
Integrazione tra servizi areoportuali
Il business Non Aviation è oggi una delle maggiori fonti di ricavo di chi gestisce un areoporto.
Con il termine Non Aviation Business si identifica una gamma ampia e differenziata (sia in gestione diretta sia in subconcessione a terzi) di servizi commerciali offerti ai passeggeri operatori e visitatori degli aeroporti, nonché l’attività di real estate.
Le ontologie e l’integrazione agli open data abilitati dai Linked Data, consentono di sviluppare servizi Non Aviation personalizzati sulla base delle esigenze dei singoli passeggeri quali: visualizzazione delle previsioni del tempo per la destinazione del passeggero, integrazione con strutture turistiche o servizi professionali, advertising e comunicazione personalizzata e mirata.
Ma anche per aumentare la consapevolezza degli utenti su regole, usi, costumi nei siti di partenza e destinazione.
Monetizzazione della conoscenza
Se la conoscenza aziendale è formalizzata attraverso le ontologie, si può pesare e trasferire in modo oggettivo. Ciò abilita la possibilità di inserire il patrimonio informativo di una azienda come un asset valorizzato tra gli attivi a bilancio. In altre parole a ogni singola informazione, che grazie al Knowledge Graph risulta essere identificabile, tracciabile e licenziabile, è possibile associare un valore economico basato su oggettive valutazioni di mercato.
Ad esempio la propensione alla spesa di un utente proveniente da una certa destinazione e diretto ad una certa destinazione è una informazione facilmente ricavabile incrociando i dati di viaggio con le spese effettuate in area No aviation. Tale informazione, computabile in forma anonima senza ledere alcun diritto di privacy, può avere un valore significativo per molti attori del settore turistico, così come per la pianificazione e l’organizzazione di spazi e aree commerciali, etc, etc..
Questo valore può essere inserito a bilancio perchè le informazioni a cui si riferisce sono tutte identificabili e tracciabili grazie alle ontologie che danno significato ai dati contenuti nella Knowledge Graph e tali informazioni hanno un valore di mercato negoziabile.
Travel planning
Non sempre la strada più breve per raggiungere una meta è la migliore. I dati contenuti in un Enterprise Knowledge Graph possono abilitare applicazioni come il prodotto lodmap2d di LinkedData.Center che è in grado di suggerire un percorso tra due luoghi tenendo conto degli interessi del singolo individuo.
Anche all’interno dello stesso areoporto, è possibile suggerire un percorso che può tenere conto delle abitudini del singolo passeggero e del tempo a sua disposizione. Il tutto per offrire la migliore “customer experience” abbinando il passaggio in ambiti aeroportuali con la visita di spazi commerciali di sicuro interesse per il signolo individuo.
Interoperabilità dei sistemi software
Le ontologie possono essere utilizzate per facilitare la comunicazione e il coordinamento tra sistemi software con differenti interfacce programmatiche. Un’ontologia può servire come lingua franca per la traduzione tra diversi sistemi. A tal proposito LinkedData.Center ha sviluppato uno specifico prodotto Onto40 per l’industra 4.0 che può essere utilizzato per integrare in modo intelligente i vari sistemi automatizzati presenti in areoporto.
I dati raccolti in ambito aeroportuale possono essere messi facilmente a disposizione di altri operatori aeroportuali i cui sistemi non sono necessariamente integrati.
Integrazione di informazioni da più fonti
L’integrazione semantica dei dati è un caso d’uso chiave per ontologie. Un’ontologia può servire da impalcatura quale sovrapporre informazioni da fonti eterogenee a formare una singola fonte di dati integrata con uno spazio, basi temporali e concettuali coerenti. Ad esempio questo è l’approccio seguito dal progetto di integrazione dei dati ATM della NASA.
La caratteristica più preziosa dei Linked Data è quella di consentire la completa tracciabilità della provenienza di ogni singolo dato. E quindi di valutarne la qualità, rischi e valore.
Ricerche e analisi sui dati
La struttura dei dati interconnessa propria di un Enterprise Knowledge Graph si presta per realizzare motori di ricerca intelligenti per semplificare il reperimento dei dati e lo sviluppo le applicazioni di analisi. Anche e soprattutto quelle basate su algoritmi di A.I. e machine learning
Standardizzazione della terminologia
Un uso comune di un’ontologia è la standardizzazione della terminologia come avviene nel progetto SWIM. Un altro esempio viene dalla standardizzarazione della descrizione della marca, modello e serie degli aeromobili.
Inferenze automatiche
Usando le regole e le proprietà formali associate a ontologie, i dati esistenti possono essere verificati e nuovi i dati possono essere generati da dati esistenti attraverso regole logiche mutuate dall A.I.
Pubblicazione di dati
Le ontologie svolgono un ruolo chiave nei Linked Open Data (LOD), cioè la modalità standard di pubblicazione dei dati nel web. I LOD sono anche le best practice consigliate dall’Agenzia per l’Italia Digitale per la pubblicazione dei dati su Web.
I Linked Data abilitano le azioni data marketing, sempre più importanti per incrementare la visibilità delle proprie attività su web.
Estrazione delle informazioni
Un ultimo caso di utilizzo per le ontologie è l’estrazione di informazioni semantiche da documenti di testo non strutturati. Questo si ottiene abbinando i termini e le relazioni analizzati dal testo in lingua naturale contro termini e relazioni in un vocabolario controllato.