Inductive inference techniques for semi-automated knowledge formalization in the remanufacturing context

This thesis analyzes how inductive inference techniques can support ontology-based knowledge formalization in the remanufacturing context. Remanufacturing is characterized by fragmented and heterogeneous operational knowledge. Cores exhibit high condition variability and uncertainty in returns, making grading strongly dependent on manual decisions, taken by a limited number of experts. Providing a formal and structured representation of knowledge through ontologies in this context is a complex task. Moreover, ontology management is often manual and based on deductive reasoning, using inference to reason on concepts that are formalized directly from experts. Inductive techniques can support both the extraction of implicit patterns from data and help in the ontology creation and management in the remanufacturing context; however, their systematic integration into ontologies for remanufacturing remains underexplored. To address these gaps, the thesis proposes a cross-product ontology schema and a methodological workflow for semi-automated knowledge formalization, combining inductive outputs with expert validation. Three tools are developed: (i) a core condition clustering tool to support grading in a newcomer company; (ii) a rule extraction tool to generalize condition classes; and (iii) a cross-core similarity tool to support an established company in analyzing new components and expanding its market. The workflow is illustrated through a synthetic scenario inspired by an industrial case on a clutch disc. Finally, a conceptual integration with an ontology for strategy management, considering the RemaNet platform, is proposed to foster structured knowledge sharing.

Questa tesi analizza come le tecniche di inferenza induttiva possano supportare la formalizzazione della conoscenza basata su ontologie nel contesto del remanufacturing. Il remanufacturing è caratterizzato da conoscenza operativa frammentata ed eterogenea. I core presentano elevata variabilità di condizione e incertezza nei ritorni, rendendo il grading fortemente dipendente da decisioni manuali, prese da un numero limitato di esperti. Fornire una rappresentazione formale e strutturata della conoscenza tramite ontologie in questo contesto è un compito complesso. Inoltre, la gestione delle ontologie è spesso manuale e basata su ragionamento deduttivo, che utilizza inferenze applicate a concetti formalizzati direttamente dagli esperti. Le tecniche induttive possono supportare sia l’estrazione di pattern impliciti dai dati sia la creazione e la gestione delle ontologie nel contesto del remanufacturing; tuttavia, la loro integrazione sistematica nelle ontologie per il remanufacturing risulta ancora poco esplorata. Per colmare tali gap, la tesi propone uno schema ontologico cross-product e un workflow metodologico per una formalizzazione semi-automatica della conoscenza, che combina output induttivi e validazione esperta. Sono sviluppati tre tool: (i) un core condition clustering tool per supportare il grading in una newcomer company; (ii) un rule extraction tool per generalizzare le classi di condizione; (iii) un cross-core similarity tool per supportare un’established company nell’analisi di nuovi componenti e nell’espansione del mercato. Il workflow è illustrato tramite uno scenario sintetico ispirato a un caso industriale relativo a un disco frizione. Infine, è proposta un’integrazione concettuale con un’ontologia per la gestione delle strategie, considerando la piattaforma RemaNet, favorendo una condivisione strutturata della conoscenza.