ایده اصلی وب معنایی، ایجاد فراداده هایی است که داده را شرح می دهند تا کامپیوترها را قادر به پردازش معنی اشیا کنند. هدف از وب معنایی این است که ماشین ها نیز همانند انسان ها سندها را درک کرده و تفسیر کنند. یکی از مولفه های اصلی وب معنایی، آنتولوژی است، که نسبت به سایر مولفه ها از قدرت بیان بیشتری برخوردار است. آنتولوژی، مجموعه ای از واژگان مشترک را برای محققانی تعریف می کند که نیاز به اشتراک گذاری اطلاعات در یک دامنه دارند. امروزه استفاده از آنتولوژی در وب افزایش یافته است. بسیاری از آنتولوژی های معروف، اندازه بزرگی دارند. اندازه بزرگ این آنتولوژی ها باعث کاهش سرعت و کارایی در استفاده مجدد، استنتاج، نگهداری و هماهنگی سیستم های توزیع شده می شود. راه حل این مساله، پیمانه ای کردن آنتولوژی می باشد. پیمانه ای کردن آنتولوژی، بخش مهمی از مهندسی آنتولوژی است که برای کاهش پیچیدگی و اندازه آنتولوژی، یا آن را به کل قطعات تشکیل دهنده می شکند (تقسیم بندی آنتولوژی) و یا اینکه فقط بخش کوچکی از آن را استخراج می کند (استخراج پیمانه). هدف از این پژوهش ارائه رهیافتی برای پیمانه ای کردن آنتولوژی به پیمانه هایی درست، کامل و متصل به هم است، به صورتی که کاربر بتواند بر اساس نیازهای برنامه کاربردی تنظیماتی را در پیمانه ای کردن اعمال کند. رهیافت ارائه شده در این پژوهش روی تقسیم بندی آنتولوژی تمرکز دارد. برای داشتن قطعه های کامل، ابتدا یک استنتاج مقدماتی روی آنتولوژی انجام شده و سپس حاصل آن به pato، که ابزاری برای تقسیم بندی است، داده می شود. به دلیل انجام استنتاج مقدماتی، نتیجه تقسیم بندی، پیمانه هایی مرتبط و نیمه کامل است. بنابراین، قضایای کامل کننده به آن ها اضافه می شود. سپس پیمانه ها توسط زبان آنتولوژی پیمانه ای p-dl به هم متصل می شوند. به این ترتیب، پیمانه های حاصل، پیمانه هایی متصل و کامل با اندازه مناسب هستند. هرچند استنتاج روی آنتولوژی های بزرگ عملی وقت گیر است، اما فقط یکبار صورت می گیرد و در عوض مزایای زیادی به همراه دارد که توسط دیگر روش ها تامین نمی شوند. برای ضمانتِ این ادعا، روش ارائه شده و روش های قبلی به صورت تئوری و عملی ارزیابی شده و نشان داده می شود که این روش باعث می شود که آنتولوژی به طور متعادلی بخش بندی شود و پیمانه های حاصل مانند یک آنتولوژی خودشمول، توسط ابزارهای زیادی استفاده شوند.