# Infrastructure Object Model (IOM)

> Universellt språk för fysisk infrastruktur — från observation till kunskapsgraf.
> Status: MVP klar | 2026-06-26

---

## Sammanfattning

IOM är en tio-lagers modell för att representera, identifiera, observera och analysera fysisk infrastruktur. Byggd för quiXzoom Fas 1.

---

## Arkitektur

```
iom/
├── core/                    # Lager 1-2: Taxonomi + GOID
│   ├── iom_taxonomy.json   # Komplett taxonomi (5 domäner)
│   ├── goid_generator.py   # GOID-generering och validering
│   └── test_goid.py        # Enhetstester (16/16 passerar)
│
├── observation/            # Lager 6: Observationer
│   ├── observation_models.py   # Pydantic-modeller
│   └── observation_store.py    # PostgreSQL + PostGIS
│
├── defect/                 # Lager 7: Felklassificering
│   └── defect_codes.py     # 50+ felkoder, hierarki, AI-nyckelord
│
├── risk/                   # Lager 8: Riskmodell
│   └── risk_model.py       # 10 objekttyper, vikter, beräkning
│
├── ledger/                 # Integration aamos-ledger
│   └── iom_ledger_mapping.py   # BAS-konton, avskrivningar
│
└── api/                    # API
    └── main.py             # FastAPI, alla endpoints
```

---

## Lager 1: Taxonomi

5 domäner, 10 system, 30+ objekttyper:

| Domän | Beskrivning |
|---|---|
| BYG | Byggnad (fasader, tak, fönster) |
| BEL | Belysning (gatlyktor, trafiksignaler) |
| COM | Kommersiellt (butiksfronter, reklam) |
| TRN | Transport (vägar, broar, parkeringar) |
| ENE | Energi (laddstationer, transformatorer) |

---

## Lager 2: GOID

Format: `[DOM]-[SYS]-[SUB]-[OBJ]-[SEQ]`

Exempel: `BYG-FAC-WIN-GLA-0001`

- Permanent, unikt, oföränderligt
- Validering och parsning
- 16/16 tester passerar

---

## Lager 6: Observationer

```yaml
observation:
  id: "OBS-2026-0012847"
  object_goid: "BYG-FAC-WIN-GLA-2847"
  findings:
    - type: "dirt_accumulation"
      code: "2100"
      confidence: 0.94
  media:
    - type: "image"
      url: "..."
      geotag: {lat: 59.3293, lng: 18.0686}
  ai_analysis:
    overall_condition: 3
    recommended_action: "schedule_cleaning"
```

---

## Lager 7: Felkoder

50+ koder i hierarki:

```
2000 — Ytskada
├── 2100 — Nedsmutsning
├── 2200 — Färgförändring
├── 2300 — Ytskada
└── 2400 — Klotter

3000 — Strukturell skada
├── 3100 — Spricka
├── 3200 — Deformation
└── 3300 — Materialförlust
```

- Flerspråkig (sv/en)
- AI-nyckelord för auto-klassificering
- Sök och föreslå

---

## Lager 8: Riskmodell

6 dimensioner, viktat per objekttyp:

| Objekttyp | Säkerhet | Ekonomi | Drift | Estetik |
|---|---|---|---|---|
| Bro | 40% | 15% | 20% | 10% |
| Fönster | 20% | 15% | 10% | 35% |
| Laddstation | 45% | 15% | 15% | 10% |

---

## Ledger-integration

- BAS-konton: 1220, 1230, 6110, 7830, 7970
- Händelser: installation, underhåll, avskrivning, nedskrivning
- Kontradiktionsrapportering

---

## API Endpoints

| Endpoint | Beskrivning |
|---|---|
| `POST /goid/generate` | Generera GOID |
| `GET /goid/validate/{goid}` | Validera GOID |
| `GET /taxonomy/domains` | Lista domäner |
| `POST /observations` | Skapa observation |
| `GET /defects` | Lista felkoder |
| `POST /risk/calculate` | Beräkna risk |
| `POST /ledger/installation` | Bokför installation |

---

## Tester

```bash
cd iom/core && python3 test_goid.py
# 16/16 tester passerar
```

---

## Nästa steg

1. [ ] Sätt upp PostgreSQL + PostGIS
2. [ ] Kör API:t (`uvicorn api.main:app`)
3. [ ] Integration med quiXzoom app
4. [ ] AI-klassificeringspipeline
5. [ ] Digital tvilling (Lager 10)

---

## Dokumentation

- `INFRASTRUCTURE_OBJECT_MODEL.md` — Komplett spec
- `IOM_LEDGER_INTEGRATION.md` — Ledger-integration
- `IOM_PRIORITY_ROADMAP.md` — Prioritering
- `IOM_IMPLEMENTATION_PLAN.md` — Implementationsplan