Temporal knowledge graphs for industrial compliance monitoring

Engineering, Procurement, and Construction (EPC) projects for industrial plants generate heterogeneous data across disconnected systems: scheduling tools, procurement databases, engineering document management platforms, field progress reports, and cost control systems. Three structural limitations characterise current EPC practice. First, activity sequencing, procurement status, and milestone criticality are managed in disconnected systems with incompatible identifier schemes: cross-system causal chains, such as which downstream activities are blocked by a delay and which contractual milestones are consequently at risk, cannot be traced automatically without a shared relational vocabulary. Second, simultaneous validity conditions cannot be expressed as a single declarative query construct: standard languages treat time as a scalar attribute and cannot natively support Allen-complete interval relations. Third, historical project states cannot be reconstructed after retroactive corrections in any uni-temporal system. These are structural consequences of the absence of a unified data model enabling temporal reasoning, cross-system integration, and historical state reconstruction. This thesis proposes and evaluates a hybrid three-layer TKG architecture: an OWL-2 ontological layer integrating heterogeneous project data into a unified semantic schema; a Neo4j bitemporal property graph storing both valid-time and transaction-time for every fact; and a learning layer combining Dynamic Graph Neural Networks, benchmarked across seven architectures for predictive risk scoring, with T-Logic for interpretable symbolic rule evaluation and causal inference. The architecture is evaluated on a real EPC project dataset, comprising activity and execution-step structures from Técnicas Reunidas' Meram Refinery Expansion project combined with a structurally realistic Health, Safety, and Environment (HSE) compliance layer, demonstrating measurable improvements in query expressiveness, causal violation auditability, and delay cascade characterisation.

I progetti di ingegneria, approvvigionamento e costruzione (EPC) per impianti industriali generano dati eterogenei distribuiti tra sistemi disconnessi. Tre limitazioni strutturali caratterizzano la pratica EPC attuale. Primo, la sequenza delle attività, lo stato degli approvvigionamenti e la criticità delle milestone sono gestiti in sistemi disconnessi con schemi identificativi incompatibili: le catene causali cross-sistema non possono essere tracciate automaticamente senza un vocabolario relazionale condiviso. Secondo, le condizioni di validità simultanea non possono essere espresse come un singolo costrutto dichiarativo: i linguaggi di query standard trattano il tempo come un attributo scalare e non supportano nativamente le relazioni di intervallo Allen-complete. Terzo, gli stati storici del progetto non possono essere ricostruiti dopo correzioni retroattive in nessun sistema uni-temporale. Queste sono conseguenze strutturali dell'assenza di un modello di dati unificato che supporti il ragionamento temporale, l'integrazione tra sistemi e la ricostruzione di stati storici. La tesi propone e valuta un'architettura ibrida a tre livelli basata su Grafi di Conoscenza Temporali (TKG): uno strato ontologico OWL-2 che integra dati di progetto eterogenei in uno schema semantico unificato; un grafo di proprietà bitemporale Neo4j che memorizza sia il valid-time che il transaction-time per ogni fatto; e uno strato di apprendimento che combina reti neurali dinamiche su grafi, valutate attraverso sette architetture per il punteggio predittivo del rischio, con T-Logic per il ragionamento simbolico interpretabile e l'inferenza causale. L'architettura è valutata su un dataset reale di progetto EPC, comprendente le strutture di attività e fasi esecutive del progetto Meram Refinery Expansion di Técnicas Reunidas, combinate con uno strato di conformità Salute, Sicurezza e Ambiente (HSE) strutturalmente realistico, dimostrando miglioramenti misurabili nell'espressività delle query temporali, nell'auditabilità delle violazioni causali e nella caratterizzazione delle cascate di ritardo.