Modelo Lógico Relacional da Máquina de Conhecimento do LAC

1. Propósito

Este documento estabelece como as entidades do modelo conceitual serão representadas em um banco relacional. Ele não escolhe servidor, infraestrutura ou política de operação, mas define a estrutura lógica necessária para preservar o significado e as regras essenciais da Máquina de Conhecimento.

2. Posição na cadeia de derivação

O modelo lógico deve ser derivável dos documentos anteriores e deve permanecer compatível com o JSON Schema do Objeto de Conhecimento.

3. Premissas de modelagem

4. Convenções

• _pk: chave técnica interna.
• _id: identificador público persistente.
• _codigo: termo de vocabulário controlado.
• _em: data e hora com fuso.
• _id em tabelas associativas é substituído por FKs técnicas.

5. Visão relacional integrada

6. Grupos de tabelas

7. Entidade central: objeto_conhecimento

8. Cardinalidades principais

9. Normalização

O núcleo foi estruturado predominantemente em terceira forma normal:

• listas multivaloradas foram separadas em tabelas associativas;
• títulos alternativos, idiomas e palavras-chave não ocupam colunas repetidas;
• versões e publicações mantêm histórico próprio;
• conceitos e fontes são reutilizáveis entre vários objetos;
• atributos derivados, como quantidade de representações, são expostos por views.

10. Regras de integridade

1. Identificadores públicos são únicos e não reutilizáveis.
2. Todo objeto possui responsável e ao menos um idioma.
3. Toda representação pertence a exatamente um objeto.
4. Uma evidência pertence a uma fonte e sustenta um objeto.
5. Somente uma versão conceitual pode estar marcada como vigente por objeto.
6. Uma publicação deve apontar para representação existente.
7. Estados de suspensão, substituição ou obsolescência exigem motivo.
8. Acesso restrito ou confidencial exige informação de direitos ou restrição.

11. Versionamento e temporalidade

O modelo distingue:

Essa separação impede que uma correção visual seja confundida com uma nova versão do conhecimento.

12. Validação e publicação

A publicação é um evento governado. Ela registra a representação, a versão implantada, a validação precedente, o ambiente, a localização, o responsável e a possibilidade de reversão.

13. Vocabulários controlados

Os campos terminados em _codigo devem, na implementação plena, referenciar termos ativos de vocabulários registrados. Na versão inicial do DDL, alguns permanecem como VARCHAR para facilitar implantação incremental.

14. Metadados extensíveis

A tabela valor_metadado_extensivel oferece extensão governada para necessidades ainda não incorporadas ao núcleo. Ela não deve ser usada para evitar evolução adequada do modelo.

• cada definição de metadado é registrada em definicao_metadado;
• exatamente um tipo de valor pode ser preenchido;
• o tipo de entidade e o identificador público permitem associação transversal;
• campos amplamente usados devem migrar para colunas ou tabelas normais.

15. Mapeamento do JSON Schema

16. Visões de apoio

O DDL inclui:

• vw_objeto_conhecimento_resumo: visão consolidada para consulta e painéis;
• vw_objeto_publicado_sem_validacao: auditoria de publicações que não possuem validação associada.

17. Regras fora do esquema declarativo

Algumas regras exigem trigger, serviço de aplicação ou auditoria:

• confirmar que objeto publicado possui representação efetivamente publicada;
• impedir alteração de identificadores públicos após criação;
• verificar existência e atividade de códigos em vocabulários;
• assegurar validação aprovada antes da produção;
• preservar exclusão lógica e histórico;
• sincronizar versão vigente do objeto com a tabela de versões.

18. Tecnologia de referência

O DDL foi escrito para PostgreSQL 16 ou superior por usar:

• GENERATED ALWAYS AS IDENTITY;
• TIMESTAMPTZ;
• JSONB;
• expressões regulares em CHECK;
• índices únicos parciais;
• num_nonnulls.

O modelo pode ser adaptado a MariaDB, MySQL ou SQLite, mas algumas restrições precisarão ser reescritas.

19. Estratégia de implementação incremental

1. Implantar agente, papel, domínio e vocabulários.
2. Implantar objeto_conhecimento e representação.
3. Importar os objetos existentes do LAC.
4. Implantar conceitos, relações, fontes e evidências.
5. Ativar versões, validações, decisões e publicações.
6. Criar rotinas de auditoria e sincronização com Memgraph.
7. Somente depois incorporar metadados extensíveis.

20. Exemplo de inserção

INSERT INTO lac_mc.objeto_conhecimento (
    objeto_conhecimento_id,
    titulo_preferido,
    descricao,
    tipo_objeto_codigo,
    estado_codigo,
    responsavel_pk,
    dominio_principal_pk,
    criado_em,
    atualizado_em
) VALUES (
    'OC-MC-0001',
    'Modelo da Máquina de Conhecimento do LAC',
    'Formaliza os elementos, relações, estados e transformações da Máquina de Conhecimento.',
    'modelo_conceitual',
    'publicado',
    :responsavel_pk,
    :dominio_fundacao_pk,
    '2026-07-27T14:30:00-03:00',
    '2026-07-27T17:10:00-03:00'
);

21. Critérios de validação do modelo

• todas as entidades conceituais possuem correspondência relacional;
• relações N:N foram resolvidas por tabelas associativas;
• identidade conceitual foi separada da localização física;
• proveniência, versão e governança são rastreáveis;
• não existem grupos repetitivos no núcleo;
• restrições do JSON Schema possuem correspondência no banco ou regra complementar;
• o modelo admite sincronização futura com o grafo.

22. Próximas derivações

1. Produzir o modelo físico PostgreSQL, com triggers e dados iniciais.
2. Produzir o modelo lógico de grafo para Memgraph.
3. Criar scripts de carga dos HTML existentes.
4. Criar API de objetos, representações e metadados.
5. Criar painel de conformidade do perfil de aplicação.

23. Síntese

24. Estado do documento