boc/iom

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

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

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