随着智能制造向柔性化、网络化和数字孪生发展，ERP、MES、PLM及IIoT等系统不断产生多源异构数据。由于各系统独立建设，同一制造对象在命名、层级、粒度和逻辑约束等方面存在差异，易造成语义碎片和结构冲突，制约跨系统互操作与制造协同。现有本体方法多关注局部匹配和事后修复，难以兼顾全局结构、逻辑一致性与语义完整性。

针对这一问题，中国科学院沈阳自动化研究所工业控制网络与系统研究室科研团队提出一致性保持混合本体重构方法（HMOR）。该方法以核心制造本体（CMO）为语义枢纽，将语义映射、结构规范化、增量一致性验证和最小修复融入统一流程，及时识别并消解冲突。CMO按照“最小充分性”原则构建，统一表达产品、过程、设备和资源等关键概念，并保留难以准确映射的专业知识。各源本体仅需映射至CMO，使集成复杂度由平方级降为线性级，提升了面向大规模制造系统的可扩展性。

一致性保持混合本体重构方法总体流程

科研团队按照“最小充分性”原则构建核心制造本体，设置产品、过程、操作、资源、设备、物料、订单和位置等基础概念，并参考ANSI/ISA-95标准和Industrial Ontology Foundry（IOF）核心框架，对制造执行过程中的关键实体及其关系进行统一表达。对于无法准确映射到核心概念的专业知识，HMOR不强制建立等价关系，而是将其作为独立子树或元数据扩展保留，并挂接到最接近的已映射父节点，在维持全局结构稳定性的同时减少专业语义损失。

不同源本体分别映射至核心制造本体，避免了传统方法中源本体之间的大量两两匹配，使多源映射规模由平方级降低为线性级，提升了方法面向大规模制造系统的扩展能力。

柔性装配线云—边—端语义集成架构

科研团队选取了IOF相关制造本体和MASON制造本体构建实验数据集，并将HMOR与后置修复、仅映射和贪婪修复等方法进行对比。在标准实验条件下，HMOR的一致性率达到88.0%，冲突修复成功率达到95.5%，重构完整度达到99.1%，冲突损失率仅为1.07%，在仿真环境下的端到端运行时间约为0.50秒，实现了逻辑一致性、语义保留能力和计算效率之间的较好平衡。

研究团队还构建了云—边—端协同部署架构：云端部署统一的本体数据库和数字孪生服务，边缘端完成工业协议转换与语义路由，设备端负责物理生产执行，实现了机器人工作站、PLC、MQTT/ROS 2通信主题和数字模型服务之间的统一语义连接。

相关成果以Consistency-preserving hybrid ontology reconstruction for heterogeneous manufacturing ontologies为题，发表于国际期刊Robotics and Computer-Integrated Manufacturing。沈阳自动化所万广喜副研究员为论文第一作者，曾鹏研究员为通讯作者。

该研究得到了国家重点研发计划、国家自然科学基金、辽宁省自然科学基金、沈阳自动化所基础研究项目以及机器人与智能系统全国重点实验室项目的支持。（工业控制网络与系统研究室）

论文链接：https://www.sciencedirect.com/science/article/pii/S0736584526001894

DOI：10.1016/j.rcim.2026.103367