GRAFOS VIRTUALES DE CONOCIMIENTO
PARA LA INTEGRACIÓN DE DATOS EMPRESARIALES EN UNA EMPRESA CUBANA
VIRTUAL KNOWLEDGE GRAPHS FOR INTEGRATION OF BUSINESS DATA BASED
IN ENTERPRISE CUBAN
Mavis
Lis Stuart Cárdenas I * https://orcid.org/0000-0002-0461-7118
Tatiana Delgado Fernández I https://orcid.org/0000-0002-4323-9674
Mercedes Delgado Fernández II https://orcid.org/0000-0003-2556-1712
Manuel de la Iglesia Campos I https://orcid.org/0000-0002-2866-8454
I Universidad
Tecnológica de La Habana “José Antonio Echeverría”, La Habana, Cuba
II Escuela
Superior de Cuadros del Estado y del Gobierno, La Habana, Cuba
*Autor
para dirigir correspondencia: mavis@ind.cujae.edu.cu
Clasificación
JEL: C02, C63, C65
DOI: https://doi.org/10.5281/zenodo.6472957
Recibido: 12/12/2021
Aceptado: 27/03/2022
Resumen
La integración de datos empresariales, en entornos de alta
heterogeneidad sintáctica y semántica, utilizando grafos virtuales de
conocimiento y alineado a las necesidades de la organización contribuye a
mejorar el desempeño de los procesos operacionales. El artículo tiene como
objetivo mostrar la aplicación de los grafos virtuales de conocimientos en la
Empresa de Mensajería y Cambio Internacional (EMCI) de Correos de Cuba, en
particular al proceso de planificación de la extracción de la carga del
aeropuerto, donde se requirió la integración de datos heterogéneos de las
prealertas o información adelantada de múltiples agencias, con la incidencia en
un mejor desempeño del proceso operacional de las prealertas debido a la
reducción del indicador del tiempo de estancia en el aeropuerto.
Palabras clave: datos heterogéneos, gestión de
datos, datos integrados empresariales, grafos virtuales de conocimiento,
proceso operacional
Abstract
The
integration of business data, in environments with high syntactic and semantic
heterogeneity, using virtual knowledge graphs and aligned to the needs of the
organization contributes to improving the performance of operational processes.
The article aims to show the application of virtual graphs of knowledge in the
International Exchange and Messaging Company (EMCI) of Correos de Cuba, in
particular to the planning process for the extraction of cargo from the
airport, where the integration of heterogeneous data from pre-alerts or
advanced information from multiple agencies, with the impact on a better
performance of the operational process of pre-alerts due to the reduction of
the indicator of time spent at the airport.
Keywords: heterogeneous data, data management, business integrated data, virtual knowledge graphs, operational process
Introducción
En las empresas existe una creciente heterogeneidad de
fuentes, formatos y estructuras de información,1,2 así como, de
aplicaciones informáticas no integradas entre sí y grandes volúmenes de datos
distribuidos en varios sistemas que complejizan el tratamiento adecuado de este
importante recurso.3,4 Esto provoca inconsistencia de los datos e
información poco fiable, todo lo cual repercute negativamente en el uso de los
datos para la toma de decisiones, lo que ha podido ser comprobado en más de 15
empresas cubanas.5,6,7
Con la creciente necesidad de integrar los múltiples
tipos de datos de diversas fuentes, los sistemas de gestión de datos a menudo
se enfrentan con diferentes tipos de heterogeneidad,8 como la
sintáctica, la de nivel de esquemas o de estructuras y la heterogeneidad
semántica.9,10 Los grafos empresariales de conocimientos constituyen
un enfoque emergente para la integración de datos empresariales. Debido a su
versátil capacidad de representación, los grafos pueden ser usados para
integrar diferentes fuentes de datos heterogéneas, tanto dentro, como entre
organizaciones.11,12 Se difunden por Google, y ya en el año 2019, su
grafo de conocimientos incluía mil millones de entidades y alrededor de 70 mil
millones de significados.13 Se usan en muchos sistemas de
información que requieren acceso a conocimiento estructurado y pueden ser
dependientes o independientes del dominio.14 Constituyen un paradigma
flexible de representación del conocimiento y son considerados como un
habilitador clave para varios casos de uso.15
También conocido como grafo de datos, un KG (por sus
siglas en inglés, Knowledge Graph) está destinado a acumular y transmitir conocimiento
del mundo real, donde los nodos del grafo representan entidades de interés y
sus aristas representan relaciones entre estas entidades.16 Los
grafos de conocimiento pueden generarse a partir de la extracción de bases de
conocimiento de la Web, como el conjunto de datos DBpedia, que está publicado
en el proyecto de Datos Abiertos Enlazados17; pueden ser editados
por la colaboración de usuarios de la Web; o a partir de métodos de extracción
de información de fuentes semi-estructuradas o no estructuradas,18
por lo que se entiende que el grafo está construido sobre otras bases de datos,
que al integrarse se enriquecen e incrementan su valor.19 Los grafos
de conocimiento son fácilmente integrables, lo cual está determinando su uso
preferencial respecto a otros enfoques similares y contribuyen a organizar los
datos al interior de la empresa.20
El artículo tiene como objetivo mostrar las dimensiones
utilizadas para la integración de datos empresariales basada en grafos
virtuales de conocimiento en una empresa cubana. Como resultado se aplican las
dos dimensiones definidas en el proceso de planificación de la extracción de la
carga del aeropuerto de la Empresa de Mensajería y Cambio Internacional (EMCI).
La solución requirió la integración de datos heterogéneos de las prealertas o
información adelantada de múltiples agencias, con la incidencia en un mejor
desempeño del proceso operacional debido a la reducción del indicador del
tiempo de estancia en el aeropuerto.
Materiales y métodos
La integración de datos empresariales utilizando grafos
virtuales de conocimiento y alineado a las necesidades de la organización se
lleva a cabo según las dos dimensiones mostradas en la Figura 1. Estas
dimensiones se refieren a la Alineación de los Objetivos Empresariales (AOE) y
el Desarrollo de la Solución de Integración (DSI).
Figura
1. Dimensiones para la integración de los datos empresariales
Fuente: elaboración propia
La aplicación de la integración de datos empresariales
con grafos virtuales de conocimientos se desarrolla en la Empresa de Mensajería
y Cambio Internacional (EMCI),21 que es una de las 20 empresas que
integran la Organización Superior de Dirección Empresarial (OSDE) Correos de
Cuba. La EMCI brinda servicios de importación y exportación de correspondencia
y encomiendas (bultos) postales, de mensajería y paquetería expresa, aduanales
y transitarlos, y que asegura el correo oficial a los organismos y
organizaciones del Estado cubano, además, de la relación con los 192 países
pertenecientes a la Unión Postal Universal.
Resultados y discusiones
La aplicación de las dimensiones para la integración de
datos empresariales en la EMCI se presenta, con sus fases y actividades.
Dimensión
Alineación a los Objetivos Empresariales (AOE) en la EMCI
La Dimensión Alineación a los Objetivos Empresariales
garantiza la coherencia de la solución de TI para la integración con los
objetivos y procesos de la EMCI, mediante la visión y desarrollo de una
arquitectura mínima viable.
Fase AOE.01
- Visión de la arquitectura empresarial para la integración
Actividad AOE.01.01 Identificar problemas de desempeño en
procesos operacionales
El análisis de la documentación de la empresa permitió
constatar que, a pesar de los resultados alcanzados en el desempeño operacional
de la EMCI, en el transcurso de los últimos cuatro (4) años persisten problemáticas.
Algunas de ellas son: 1) períodos de sobre saturación de productos en la
planta, que incluye la llegada de contenedores por encima de la capacidad que
se puede procesar y 2) demoras en la extracción de los envíos del aeropuerto.
Estas problemáticas ocasionan demoras excesivas para la entrega de los
productos (envíos) y crean insatisfacciones en los clientes con el consecuente
aumento de solicitudes de información a las dependencias correspondientes de la
EMCI y la OSDE. El indicador tiempo de entrega de los pedidos con frecuencia
tiene valores por encima de lo establecido en las normas de calidad.
Actividad AOE.01.02 Visionar la arquitectura empresarial
Al analizar la cadena logística de los envíos se
evidencia el desarrollo de diferentes momentos: primero en el aeropuerto,
segundo en la planta de procesamiento y el último en las oficinas de correo de
los destinos, antes de llegar al cliente final. El tiempo asociado a cada uno
de los momentos influye a favor o en detrimento de la entrega en tiempo de los
envíos a los clientes. Una de las problemáticas identificadas, a partir del
análisis del desempeño de la empresa, se relaciona directamente con la demora
en la extracción de los envíos del aeropuerto, con una permanencia de los
envíos en el aeropuerto por encima de los cinco días normados.
Conjuntamente con los controles aduanales para la
extracción de la carga del aeropuerto se debe realizar la planificación para la
extracción de dicha carga. Esa operación la realiza la Dirección de Operaciones
para lo cual debe considerar los datos relacionados con el contenido de los
envíos incluidos en la carga, tales como: volumen total, peso total, totales de
tipo de carga, entre otros datos de operación. La obtención de estos datos es
posible a partir del análisis de la información que se brinda de forma
adelantada, por los operadores Courier en las Prealertas. Sin embargo, se
desaprovecha el potencial de esta información para la planificación de medios y
recursos que garanticen en tiempo y forma el desarrollo exitoso de las
operaciones, al no disponerse de una herramienta que brinde una visión
consolidada de todas las prealertas, ni se dispone de los datos globales de
operación.
La solución de esta problemática a la que se enfrenta la
Dirección General de la EMCI y la Dirección de Operaciones requiere de la
integración de datos con enfoque de arquitectura empresarial. En línea con esta
problemática, el objetivo de la arquitectura empresarial para la integración de
datos en la EMCI es introducir una solución de integración con orientación a
los procesos operacionales de la EMCI donde las insuficiencias informacionales
y la alta heterogeneidad estén incidiendo negativamente en el desempeño de la
empresa (alineación TI - empresa). Tal solución debe coexistir con el resto de
las aplicaciones que existen en la EMCI, y consumir datos de dichas bases de
datos, lo que proporciona la información integrada. Debe ser fácil y amigable,
y también flexible y escalable.
Para definir este objetivo, el equipo de arquitectura
empresarial (profesores y especialistas de la Universidad Tecnológica de La
Habana) sostuvo varias entrevistas con los directivos principales de la
empresa, del área de operaciones y del departamento de informática. La Tabla 1 despliega
los roles en la EMCI para la Arquitectura Mínima Viable (AMV) de la solución de
integración de datos.
Tabla
1. Roles en la EMCI de la AMV
|
Roles AMV |
Equipo de trabajo |
|
Arquitecto empresarial |
Consultor externo (CUJAE) |
|
Arquitecto de negocio |
|
|
Ingeniero ontológico |
Especialista Informático (Empresa Software contratada) |
|
Arquitecto de datos |
|
|
Arquitecto de aplicación/ tecnología |
|
|
Especialista de operaciones |
Experto en procesos operacionales de la EMCI |
|
Especialista Soporte técnico |
Especialista EMCI |
Fuente:
elaboración propia
En esta investigación se aplica la integración de datos
con grafos virtuales de conocimiento al proceso planificación de la extracción
de la carga del aeropuerto que se lleva a cabo en el Servicio de Paquetería y
Carga no comercial. Los diagnósticos de la gestión de la información
evidenciaron, que existe un entono de alta heterogeneidad sintáctica y
semántica de los datos, que requiere de una integración alineada a los
objetivos empresariales.21 Se aplica el procedimiento de diagnóstico22
que detectó las insuficiencias informacionales:
- No existe
un proceso formal para procesar las prealertas, que brinda la información adelantada
de la carga para los procesos posteriores.
- Cada área
considera la prealerta de forma independiente con el riesgo de introducir
errores.
- El
contenido de la prealerta (Excel, pdf, XML según la agencia Courier) se
incorpora en un sistema automatizado, pero no se procesa la información para la
planificación del despacho de la carga; sólo para su uso aduanero.
- La
prealerta llega a las áreas: comercial, operaciones y la aduana y no se procesa
ni se aportan datos generales sobre las mismas, que contribuyan a organizar y
planificar el servicio.
- Carencia de
datos consolidados con el contenido de los envíos incluidos en la carga
Los objetivos y principios generales de la AMV para la
solución de integración en la EMCI se muestran en la Tabla 2.
Tabla
2. Artefacto: principios referenciales de la AMV en la EMCI
|
Capa de |
Principio |
|
Negocio |
La AMV se
circunscribe al proceso de planificación de la extracción de la carga del
aeropuerto, que incide de forma directa en el desempeño operacional
identificado. |
|
Información |
Integración
de datos con grafos virtuales de conocimiento de los datos de prealertas
enviadas por las agencias Courier y DHL. |
|
Aplicación |
Consumo
de datos provenientes de ficheros de prealertas, sin afectar los sistemas
informáticos de EMCI. |
|
Tecnología |
Al
ecosistema tecnológico de la EMCI se incorpora el grafo virtual de
conocimiento que integra información de ficheros de prealertas. |
Fuente: elaboración propia
Fase AOE.02
- Arquitectura empresarial de referencia para la integración de datos
En esta segunda fase se define la AMV de referencia para
la integración de información basada en grafos de conocimientos en la EMCI.
Actividad AOE.02.01 – Gestionar la capa de negocio de la
arquitectura empresarial
La carga, al llegar al aeropuerto se almacena en un
depósito temporal para luego coordinar la fecha de distribución en función de
las capacidades que posea el depósito de la EMCI y en función de la fecha de
entrada a este depósito se coordina entonces la fecha de salida para su futuro
traslado hacia el depósito de la EMCI. Desde aquí, la unidad organizativa de la
Aduana General de la República otorga la fecha de salida de estos paquetes del
depósito según el orden de llegada al mismo, y pasan entonces a la planta de
tratamiento postal de la Oficina de Cambio Internacional (OCI).
La Figura 2 muestra el
diagrama del nuevo servicio de integración de datos a partir de las prealertas.
Figura
2. Diagrama del Mapa del nuevo proceso basado en prealertas
Fuente:
elaboración propia
La propuesta del nuevo proceso de prealertas soporta el
uso del Grafo Virtual de Conocimiento que genera la solución de integración, y
se incluyen nuevos procesamientos en la Dirección de Operaciones de la EMCI.
Dicha propuesta dota a esta dirección de la capacidad de consultar
integradamente los datos de los respectivos envíos, a partir de los datos
recibidos en las prealertas, sin afectar el despliegue actual de dichos
ficheros.
Actividad AOE.02.02 – Gestionar la capa de información de
la arquitectura empresarial
Las prealertas constituyen las fuentes de datos sujetas a
la integración para resolver la problemática de la EMCI relacionada con los
tiempos de entrega del envío. Específicamente, las prealertas contienen la
individualización de cada una de las Guías Courier que transporta el mensajero
internacional y contiene información sobre la vía (aérea, terrestre o marítima)
por la que se traslada la cantidad de bultos que contiene el envío y su peso en
kilogramo, la agencia que lo envía, la línea área que lo transporta, el número
de vuelo y el país origen. De cada envío en particular contiene un número
identificativo, su peso individual, fecha, datos del remitente como nombre y
número de identidad; descripción del contenido y datos del destinatario como nombre,
carnet de identidad, dirección, provincia y municipio. Esta información se
recibe y se procesa de forma separada por distintos especialistas, y según sea
la agencia que envíe las prealertas, varía el formato. esta información se
recibe y se procesa de forma separada por distintos especialistas, y según sea
la agencia que envíe las prealertas, varía el formato. La Tabla 3 se
corresponde con la identificación y caracterización de las fuentes de datos de
las prealertas, para la creación de la Ontología de Integración.
Tabla 3.
Diversidad de formatos de prealertas
|
Fuentes |
Ubicación |
Formato |
Uso |
|
Agencias COURIER |
Estación de trabajo Especialista
Comercial de la empresa |
xls |
Validación
Contenido |
|
Diseño
del despacho de aeropuerto |
|||
|
Control
de Seguridad |
|||
|
Agencia DHL |
Sistema DHL operado en la UEB de
Mensajería Express |
xml |
Validación
Contenido |
|
Planificación
del despacho de aeropuerto |
|||
|
Control
de Seguridad |
|||
|
Agencia Copa |
Estación de trabajo Especialista
Comercial de la paquetería Copa |
pdf |
Validación
Contenido |
|
Diseño
del despacho de aeropuerto |
|||
|
Control
de Seguridad |
Fuente:
elaboración propia
Se analizan, los esquemas de las fuentes de datos de
prealertas que serán integradas y se precisan las tablas y las columnas. La Figura 3 representa
el esquema de la tabla de prealerta de un Courier. Las prealertas,
semánticamente, describen información sobre los envíos, destinatarios y
remitente. La Tabla 4 refleja
tres conceptos importantes en el dominio de aplicación.
Figura 3. Esquema de datos Courier
Fuente:
elaboración propia
Tabla 4.
Descripción de los conceptos representados en las
fuentes de datos
|
Fuente
|
Concepto |
Descripción
|
Tabla/Campo
|
|
Courier |
Agencia |
Nombre
de la Agencia de envío |
Agencia |
|
DHL |
Agency |
||
|
Courier |
País |
Nombre del país del que proviene
el envío |
PaisOrigen |
|
DHL |
MovementOriginCountry |
||
|
Courier |
Peso |
Peso en Kg del envío que se recibe |
PesoenKg |
|
DHL |
ShipmentWeight |
Fuente: elaboración propia
La Tabla 4 evidencia
la heterogeneidad semántica presente en el proceso de prealertas, con varios
términos que se corresponden al mismo significado o conflicto de sinónimos. Se
identifican los conceptos para el tratamiento de la prealerta, referidos a:
manifiesto o prealerta, Courier, paquete y personas. Se definen las
propiedades: código postal, descripción, dirección, peso, nombre, apellidos,
teléfono, provincia, país, número de guía y de agencia, fecha de nacimiento y
de imposición. La Figura 4 muestra el
modelo de dominio de la prealerta.
Figura
4. Modelo de dominio de la prealerta
Fuente:
elaboración propia
Para el diseño de la ontología de integración, participó,
como líder de la etapa, un especialista informático con el rol de ingeniero
ontológico, subcontratado por la empresa para llevar a cabo el desarrollo del
grafo virtual de conocimiento sobre Ontop. Tomando en consideración el modelo
de dominio, se crea una red de ontologías, a partir de la reutilización de
clases y propiedades de los vocabularios foaf y vcard y de la creación de una
ontología propia para estos efectos, la ontología de integración Operaciones.
Del vocabulario FOAF (https://es.wikipedia.org/wiki/FOAF), se
utilizan clases y propiedades en la modelación de personas que representan a
los remitentes y destinatarios. FOAF es una ontología legible para las máquinas
que describe a las personas, sus actividades y sus relaciones con otras
personas y objetos. Del vocabulario VCARD (https://es.wikipedia.org/wiki/VCard), se
utilizan las propiedades para completar la modelación de los datos de las
direcciones de remitentes y destinatarios. VCARD es un formato estándar para el
intercambio de información personal. Pueden contener nombre, dirección, números
telefónicos, entre otras informaciones Para el diseño de la ontología se
desplegó sobre Protégé una guía para la construcción del grafo basado en Ontop
en la EMCI, resultado del contrato entre la EMCI y la CUJAE. La ontología de
integración Operaciones se muestra en la Figura 5.
Figura
5.
Modelo ontológico de caso de integración de datos de
prealertas
Fuente: elaboración propia
Actividad AOE.02.03 – Gestionar la capa de aplicación de
la arquitectura empresarial
El patrón de la arquitectura de solución del modelo
INTEGRAL es reutilizado en esta actividad. La vista gráfica de la arquitectura
se muestra en la Figura 6.
Figura
6.
Arquitectura de solución de las prealertas
Fuente: elaboración propia
Los componentes de la arquitectura de solución de las
prealertas se describen a continuación:
- Conjunto
de datos a integrar: Este componente está en la capa física de la arquitectura
y corresponde a las bases de datos de las prealertas.
Las informaciones a obtener a partir de la consulta del
grafo se definen de los criterios de decisión generada con los directivos,
siendo algunos:
- Los
envíos próximos a arribar según la fecha, especificando para cada envío, de qué
agencia proceden, la cantidad de bultos y la cantidad específica de envíos.
- Las
provincias destinatarias de los próximos envíos, con su peso total y la
cantidad de paquetes.
Actividad AOE.02.04 – Gestionar la capa de tecnología de
la arquitectura empresarial
En esta capa se definen las prestaciones y
características de los sistemas que permiten la materialización de las capas
anteriores de la Arquitectura Empresarial (AE), según las variables que se
necesitan para el grafo virtual de conocimiento (GVC). La Tabla 5 muestra
estas variables.
Tabla 5.
Artefacto: Requerimientos y tecnologías de
referencia para las variables de GVC
|
Variable |
Tecnología |
|
Ontología |
Sistema Protégé (https://protege.stanford.edu/) 
|
|
Conjuntos de Datos |
SQL Server |
|
Mapeos |
Lenguaje R2RML 
|
|
Consultas Típicas |
SPARQL |
|
Sistema OBDA |
Ontop8 |
Fuente: elaboración propia
OnTop, implementa Grafos Virtuales de Conocimiento y
permite consultar fuentes de datos relacionales a través de una representación
conceptual del dominio de interés, proporcionados por los términos de una
ontología, a la cual se mapean las fuentes de datos. Las características
principales de Ontop son: sólidos fundamentos teóricos, acercamiento virtual a
la OBDA, que evita materializar las tripletas y se implementa a través de la
técnica de reescritura de las consultas, optimizaciones extensivas, explotando
todos los elementos de la arquitectura OBDA, el cumplimiento de estándares como
las consultas SPARQL, los mapeos R2RML, y las ontologías OWL 2 QL y RDFS, y
finalmente su soporte a los principales gestores de bases de datos
relacionales.23
Cuando es necesario integrar varias fuentes de datos, los
sistemas de respuesta a consultas de GVC a menudo se usan juntos con
herramientas de federación de datos.24 Los federadores SQL
proporcionan una capa relacional unificada sobre múltiples fuentes de datos y
evalúan Consultas SQL sobre la capa unificada. Estos sistemas a menudo también
admiten fuentes de datos no relacionales, por ejemplo, XML archivos, archivos
JSON, MongoDB o API web, proporcionando una vista relacional sobre su
contenido. Con la ayuda de un federador SQL, los sistemas GVC pueden acceder al
contenido de múltiples fuentes de datos sin tener que realizar un
posprocesamiento complejo, como unir los datos procedentes de diferentes
fuentes de datos. En esta investigación se utiliza Dremio
(https://www.dremio.com) como servidor de bases de datos federadas, que modifica la Arquitectura de
la aplicación, incorporándole una capa de la Base de Datos virtualizada,
quedando el gráfico de la arquitectura como se representa en la Figura 7.
Figura
7.
Arquitectura de Tecnología de la solución
Fuente: adaptado
de24
Dimensión
Desarrollo de la Solución de Integración (DSI) para las prealertas
La Dimensión DSI en la EMCI se encarga de crear la
solución de integración de información de prealertas basada en grafos virtuales
de conocimiento para facilitar la realización de consultas a dicho grafo y
proporcionar la información que se necesita.
Fase DSI.01
Implementación de la solución de integración
Actividad DSI.01.01 – Generar la Información Integrada
En las reglas de mapeo intervienen las bases de datos de
las prealertas con las clases y propiedades de la ontología siguientes:
- Clase
Person: Person_DD, Person_DR (mapeos de destinatarios y remitentes de paquetes)
- Clase
Manifest: Manifest
- Clase
Package: Package
- Clases
geográficas: Country, Province
- Propiedades:
receivesPackage, sendsPackage
Las consultas fueron predefinidas en la etapa de
modelación de la arquitectura, de acuerdo a los criterios de decisión aportados
por los directivos del área de operaciones de la EMCI. Un ejemplo de corrida de
una consulta que genera información integrada, se ilustra a través de las
clases involucradas:
- persons:
para recuperar la información concerniente tanto a remitentes como a
destinatarios
- provinces:
para recuperar información correspondiente a las provincias que recibirán
paquetes: cantidad de paquetes y su peso total.
- manifests:
para recuperar información correspondiente a los manifiestos
Para facilitar el acceso a la información integrada
resultante se desarrolló un sistema web visualizador de reportes: Sistema
Integrado de Prealertas, que consume el grafo virtual de conocimientos y
visualiza las consultas sobre el grafo en una manera amigable y accesible para los directivos de
la empresa. Las funcionalidades de una primera versión del sistema, de forma
general son:
-
Envíos prealertados en un período próximo de tiempo.
-
Envíos, relacionados con las Agencias u Operadores
Internacionales.
-
Para un período dado, consultas relativas a:
o
Volumen de operación Total (cantidad de bultos; cantidad
de envíos; peso en kg)
o
Provincias que deben recibir envíos en el período
o Envíos de una
Provincia.
o
Volúmenes de operación previstos por Provincia.
El uso del sistema, incorporado en el proceso de
planificación de la extracción de la carga del aeropuerto y considerando los
datos de los volúmenes de las cargas permite determinar las variables
relacionadas con: cantidad de medios de transporte, cantidad de recursos
humanos y el tipo de los medios de transporte necesarios para la realización de
dicho proceso.
Fase DSI.02
Gestión de la capacidad y disponibilidad de la solución de integración
Actividad DSI.02.01 – Gestionar la capacidad y
disponibilidad de la solución de integración
El desempeño de la solución de integración, depende
principalmente del desempeño propio del sistema Ontop. Es de destacar que el
sistema Ontop, se reconoce en la literatura como el sistema GVC de código
abierto, actualmente disponible, más maduro y con un desempeño muy robusto.24
La evaluación del desempeño de Ontop reflejó que en general las consultas
requerían entre uno y pocos segundos para su ejecución teniendo unas pocas
prealertas insertadas, y estando desplegado en un entorno de trabajo de escasos
recursos de cómputo.
Adicionalmente, existen limitaciones de la versión actual
de Ontop con el empleo de esta herramienta:
- El
reporte de errores de la versión más reciente de Ontop no es intuitivo, lo que
afecta la gestión y corrección de los mapeos. Se limita a mostrar la traza de
errores de Java. Por ejemplo, un error de “uso ilegal de null” en tiempo de
ejecución de una consulta, sin más especificaciones, puede deberse a cualquier
error leve de sintaxis, por ejemplo: al nombrar una instancia sin el ‘/’ que
divide el nombre de la clase, del campo de identificador entre llaves, o al
incluir un dato literal sin tipo de datos especificado, fallando el mecanismo
de inferencia. También puede deberse al uso de consultas SQL algo más complejas
en los mapeos, que requieran el empleo de alias, por ejemplo.
- El
lenguaje R2RML genera fallas con el uso de campos con guiones (‘-’), estos
deben sustituirse por alias desde el SQL. También genera errores la inserción
de valores por defecto, lo que debe hacerse en cambio desde el propio SQL.
Finamente, aunque los errores se hayan rectificado, en
muchos casos sólo el reinicio de Ontop actualiza estos cambios.
Fase DSI.03
– Gestión del cambio
Actividad DSI.03.01 – Realizar pruebas y proponer cambios
Para el análisis del desempeño de la solución, se
realizaron pruebas que se muestra en la Tabla 6.
Tabla 6.
Definición del plan de pruebas
|
|
Objetivos |
Resultados esperados |
Resultados obtenidos |
Grado |
|
Alcance
y escenario |
Integrar ficheros de prealertas en
dos formatos diferentes |
|||
|
Validar posible propuesta para la integración de la
información de fuentes de datos heterogéneas. |
Obtener la información integrada. |
5 ficheros de prealertas (xls y xml) con 2403
envíos. información integrada de prealertas verificando
capacidad de integración de la solución, para fuentes de datos heterogéneas. |
Satisfactorio. |
|
|
Integrar ficheros de prealertas en dos formatos
diferentes |
||||
|
Verificar el tiempo de respuesta de la solución de
integración. |
Obtener la respuesta en un tiempo inferior a un
minuto. |
5 ficheros de prealertas (xls y xml) con 2403
envíos. Tiempo de respuesta fue de pocos segundos. |
Satisfactorio. |
|
|
Comprobación del sistema con datos reales |
||||
|
Verificar el funcionamiento estable y adecuado, de
solución de integración. |
Obtener respuesta y mantener el funcionamiento
estable. |
ficheros de prealertas recibidos en dos días de
trabajo con 40 ficheros. El resultado fue la saturación del sistema. |
Insatisfactorio. |
|
Fuente:
elaboración propia
El plan de acciones de los resultados insatisfactorios se
refiere a los cambios que deben ejecutarse para optimizar y mejorar el
rendimiento del sistema, a partir de:
-
Reducir la ambigüedad en la ontología.
-
Reducir la longitud de caracteres de la ontología y las
consultas.
-
Simplificar las consultas SPARQL.
Actividad DSI.03.02 – Crear habilidades en la operación
de la solución
Considerando los roles de la AMV definidos, la
arquitectura de tecnología definida en la Actividad AOE.02.04 y la aplicación
de una encuesta de diagnóstico de conocimientos, se definieron las necesidades
de formación y el plan del curso.
A partir de las necesidades formativas, el sistema de
conocimiento del curso se enfocó en las temáticas de ontologías, servidores de
bases de datos federadas, Ontop como sistema de grafos virtuales de
conocimiento, lenguaje para la especificación de las reglas de mapeo (R2RML) y
el lenguaje para la especificación de las consultas (SPARQL). El curso se
desarrolló durante el mes de junio de 2021, con actividades presenciales y semipresenciales.
Al culminar el curso se aplicó la encuesta sobre la cual se realizó el
diagnóstico inicial, cuyos resultados evidenciaron un avance significativo por
la comprensión y asimilación de los contenidos. La valoración de los
contenidos, se muestran en la Tabla 7.
Tabla 7.
Valoración general del curso
|
Contenidos |
Valor Medio |
|
ONTOP |
4.47 |
|
Dremio |
4.47 |
|
SPARQL |
4.00 |
|
Ontologías |
3.72 |
|
R2RML |
3.46 |
Fuente: elaboración propia
Un experimento se desarrolló para
valorar la incidencia de la integración de los datos con grafos virtuales de
conocimiento en la reducción del tiempo de extracción del envío del aeropuerto.
Para ello se tomó una muestra de 89 guías de los meses de junio a septiembre
2021, equivalentes a 6 días de trabajo (último viernes y últimos días de agosto
y septiembre). Se realizó una prueba de hipótesis de comparación de medias en
relación a la variable tiempo de extracción del envío (TEA) tal como ocurrió en
relación al tiempo que hubiese transcurrido si se usaran los datos integrados
con las prealertas. Se obtuvo una diferencia significativa de 2,764 días como
promedio con la solución integrada de las prealertas, con un Intervalo de
confianza del 95 % (1,952; 3.576). La planificación de la extracción del envío
con la solución integrada de las prealertas garantiza un tiempo menor de
extracción del envío y un mejor desempeño del proceso operacional. De esta forma,
se confirma con la aplicación práctica de los grafos virtuales de conocimiento
la tendencia a su uso en función de la creación de valor derivado de un uso más
efectivo e integrado de los datos de la empresa.25
Conclusiones
La aplicación de las dimensiones Alineación a los
Objetivos Empresariales (AOE) y Desarrollo de la Solución de Integración (DSI)
para la integración de datos empresariales basado en grafos virtuales de
conocimiento en la empresa de Mensajería y Cambio Internacional de Correos de
Cuba (EMCI) evidencia la viabilidad y utilidad de la propuesta.
La aplicación de la Dimensión Alineación a los Objetivos
Empresariales (AOE) en la EMCI garantiza la alineación de la solución que se
propone con la satisfacción del requerimiento del tiempo de extracción del
envío del aeropuerto.
La aplicación de la Dimensión Desarrollo de la Solución
de Integración (DSI) permite, a través de la generación de un grafo virtual de
conocimiento que contiene información integrada de envíos, provincias y personas,
da respuesta a los criterios de decisión de los directivos del área de
operaciones.
La mejora en el desempeño operacional de los envíos con
la integración de datos empresariales basado en grafos virtuales de
conocimiento para las prealertas se evidencia con la disminución aproximada de
tres días por cada envío.
Referencias bibliográficas
1.
DAMA I. The DAMA Guide to the Data
Management Body of Knowledge (DAMA-DMBOK Guide)” (Second Edition ed.). ISBN-13:
978-1634622349; 2014.
2. Kim Sk, Wang W. An Integrated View of Data: Application of Knowledge
Modeling to Data Management, Journal of International Technology and
Information Management. 2020;29(2, Article 4). [Consultado
1 julio 2021] Disponible en: https://scholarworks.lib.csusb.edu/cgi/viewcontent.cgi?article=1448&context=jitim
3. Akter S, Wamba SF. Big data analytics in E-commerce: a systematic review
and agenda for future research, Electronic Markets. 2016;26(2):173-194.
[Consultado 5 julio 2021] Disponible en:
https://ro.uow.edu.au/buspapers/886/.
4. Mikalef P, Pappas IO, Krogstie J, Giannakos M. Big data analytics
capabilities: a systematic literature review and research agenda Information
Systems and e-Business Management, 2018;16:1-32. [Consultado 3 julio 2021] Disponible en: https://ideas.repec.org/a/spr/infsem/v16y2018i3d10.1007_s10257-017-0362-y.ht
5. Pérez SJ,
Novoa B. Diagnóstico de Gestión de Información del Servicio Postal Universal de
la Empresa de Mensajería y Cambio Internacional con Enfoque de Arquitectura de
Información Empresarial (AIE). [Trabajo de Diploma para optar por el título de
Ingeniería Industrial], Tesis tutorada por Stuart, M.L., La Habana: Facultad de
Ingeniería Industrial CUJAE, 2018.
6. Stuart ML,
Menéndez DD, Martínez Y, Cordero A, Delgado T. Experiencia en el diagnóstico de
la Gestión de Información con Enfoque de Arquitectura de Información
Empresarial, GECONTEC: Revista Internacional de Gestión del Conocimiento y la
Tecnología. 2017;5(1).
[Consultado 13 julio 2021] Disponible en:
https://www.upo.es/revistas/index.php/gecontec/article/view/1897.
7. Stuart ML,
Delgado T, Delgado M, Prieto D.R, Quial J. Enfoque de datos empresariales
enlazados aplicado en una empresa cubana. Ingeniería Industrial. 2020;41(2):
235-247. [Consultado 15 julio
2021] Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1815-59362020000200007
8. Stuart ML,
Prieto DR, Delgado T, Delgado M. Enfoque de Integración Basado en Datos
Enlazados Empresariales. Revista Cubana de Administración Pública y Empresarial.
2018;2(3): 268-279. [Consultado 15 julio 2021] Disponible en: https://apye.esceg.cu/index.php/apye/article/view/56
9.
Alamir E, Urgessa T, GopiKrishna T,
Ellappan V. Application of machine learning with Big data analytics in the
insurance industry. IAEME Publications; 2020.
10. Giunchiglia F, Zamboni A, Bagchi M, Bocca S. Stratified data
integration. 2021 [Consultado 13 julio 2021] Disponible en: https://arxiv.org/abs/2105.09432
11. Calvanese D, Liuzzo P, Mosca A, Remesal J, Rezk M, Rull G. Ontology-based
data integration in EPNet: Production and distribution of food during the Roman
Empire. Engineering Applications of Artificial Intelligence2016;(51):212-229. [Consultado
21 julio 2021] Disponible en: https://doi.org/10.1016/j.engappai.2016.01.005
12. Heist N, Hertling S, Ringler D, Paulheim H. Knowledge Graphs on the Web
– an Overview. Mar Preprint; 2020. [Consultado 1 julio 2021] Disponible en: https://doi.org/10.48550/arXiv.2003.00719
13. Noy N, Gao Y, Jain A, Narayanan A, Patterson A, Taylor J. Industry-scale
Knowledge Graphs: Lessons and Challenges. Communications of the ACM, August,
2019;62(8):36-43. [Consultado
1 julio 2021] Disponible en: https://doi.org/10.1145/3331166,.
14. Paulheim H. Knowledge graph refinement: A survey of approaches and
evaluation methods”, Semantic web, 2017;8(3):489-508. [Consultado
7 julio 2021] Disponible en: http://semantic-web-journal.net/system/files/swj1167.pdf.
15. Dirschl C, Kent J, Schram J, Reul Q. Enabling Digital Business
Transformation Through an Enterprise Knowledge Graph. In: Harth A. et al. (eds)
The Semantic Web: ESWC 2020 Satellite Events. ESWC 2020. Lecture Notes in
Computer Science. 2020;12124. Springer, Cham. [Consultado 7 julio 2021] Disponible
en: https://doi.org/10.1007/978-3-030-62327-2_45,
16. Hogan A, Blomqvist E., Cochez M, d'Amato C, de Melo G, Gutierrez C, Gayo
JE, Kirrane S, Neumaier S, Polleres A, Navigli R. Knowledge graphs, preprint Mar
4; 2020. [Consultado 13 septiembre 2021] Disponible en: https://arxiv.org/abs/2003.02320
17. Lehmann J, Isele R, Jakob M, Jentzsch A, Kontokostas D, Mendes PN,
Hellmann S, Morsey M, Van KP, Auer S, Bizer C. DBpedia – a large-scale,
multilingual knowledge base extracted from Wikipedia. Semantic
Web Journal. 2015;6(2):167-195. [Consultado
15 julio 2021] Disponible en: http://svn.aksw.org/papers/2013/SWJ_DBpedia/public.pdf.
18. Kondreddi SK, Triantafillou P, Weikum G. Combining information extraction
and human computing for crowdsourced knowledge acquisition. IEEE 30th
International Conference on Data Engineering. Mar 31; 2014:988-999. [Consultado
1 octubre 2021] Disponible en: https://doi.org/10.1109/ICDE.2014.6816717
19. Saorín T. Grafos
de conocimiento y bases de datos en grafo: conceptos fundamentales a partir de
una "obra maestra" del Museo del Prado. Anuario Think EPI. Jan 2019;1(13). [Consultado 5
octubre 2021] Disponible en: https://doi.org/10.3145/thinkepi.2019.e13f05
20.
Delgado T, Stuart ML, Delgado M. Grafos de
conocimiento para gestionar información epidemiológica de la COVID-19. Revista
Cubana de Información en Ciencias de la Salud. octubre-diciembre. 2021;32(4). [Consultado 1 diciembre 2021] Disponible en: http://www.acimed.sld.cu/index.php/acimed/article/view/1686.
21.
Stuart ML, Prieto D, Quial J, Delgado T, Delgado M. Mejora
a la gestión de información en el proceso de Servicio Postal Universal. Revista
Cubana de Transformación Digital. abril-junio 2021;2 (2):24-40. [Consultado 1
octubre 2021] Disponible en: https://rctd.uic.cu/rctd/article/view/118.
22.
Stuart ML, Cuyar L, Prieto DR, Delgado T.
Procedimiento de Diagnóstico de Gestión de Información con Enfoque de
Arquitectura de Información Empresarial Congreso Internacional de Información.
INFO 2018. V Foro sobre Gestión de Información y el Conocimiento, La Habana,
Cuba; 2018 http://www.congreso-info.cu/public/conferences/1/INFO2018-Foro%20FIKM_ES.pdf
23.
Calvanese D, Cogrel B, Komla-Ebri S,
Kontchakov R, Lanti D, Rezk M, Rodriguez-Muro M, Xiao G. Ontop: Answering
SPARQL queries over relational databases. Semantic Web J. 2017;8(3):471-87. [Consultado
12 octubre 2021] Disponible en: https://doi.org/10.3233/SW-160217.
24. Xiao G, Ding L, Cogrel B, Calvanese D. Virtual knowledge graphs: An
overview of systems and use cases. Data Intelligence.
2019;1(3):201-223. [Consultado 12 octubre 2021] Disponible en: https://doi.org/10.1162/dint_a_00011
25. Stuart
ML, Delgado T, Delgado M, Piedra Y. Datos empresariales enlazados: Revisión
sistemática desde una perspectiva organizacional. Alcance, 2020;9(23):153-176.
[Consultado 1 julio 2021] Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2411-99702020000200153.
Conflicto de intereses
Los autores declaran no tener conflicto de intereses.
Contribución de los autores
·
Mavis Lis Stuart Cárdenas:
Conceptualización, metodología, escritura, revisión, edición, validación y visualización.
·
Tatiana Delgado Fernández:
Conceptualización, metodología, escritura, revisión, edición, validación y
visualización.
· Mercedes Delgado Fernández: Conceptualización, análisis formal, escritura, revisión, edición, validación.
·
Manuel de la Iglesia Campos:
Software, validación, visualización.