Artificial Intelligence Techniques for Networked Manufacturing Enterprises Management

شبکه‌های سازمانی طیف گسترده‌ای از فرصت‌های تجاری جدید را ارائه می‌کنند، به‌ویژه برای شرکت‌های کوچک و متوسط ​​که معمولاً انعطاف‌پذیرتر از شرکت‌های بزرگ‌تر هستند. با این حال، برای موفقیت، عملکردها و مزایای مورد انتظار باید به دقت ارزیابی و متعادل شوند: شرکت‌ها باید اطمینان حاصل کنند که به عضوی از شبکه مناسب برای کار مناسب می‌شوند و باید یک روش کاری کارآمد، انعطاف‌پذیر و پایدار بیابند. یک رویکرد امیدوارکننده برای یافتن چنین عملی، ترکیب روش‌های تحلیلی و رویکردهای مبتنی بر دانش، در یک زمینه توزیع‌شده است.

تکنیک‌های هوش مصنوعی (AI) برای اصلاح تصمیم‌گیری استفاده شده‌اند. - ایجاد فرآیندهای سازمانی شبکه ای، ادغام افراد، اطلاعات و محصولات در سراسر مرزهای شبکه. تکنیک‌های هوش مصنوعی برای مدیریت شرکت‌های تولیدی شبکه‌ای به مفاهیم و کاربردهای برجسته فناوری‌های هوش مصنوعی در مدیریت شرکت‌های تولیدی شبکه‌ای می‌پردازد.

هدف این کتاب همسوسازی آخرین شیوه‌ها، نوآوری‌ها و مطالعات موردی با چارچوب‌ها و نظریه‌های آکادمیک است، جایی که تکنیک‌های هوش مصنوعی به طور موثر برای شرکت‌های تولیدی شبکه‌ای استفاده می‌شوند. به طور خاص، شامل آخرین نتایج تحقیقاتی و پروژه‌ها در سطوح مختلف است که به سیستم پاسخ سریع، تجزیه و تحلیل عملکرد نظری، عملکرد و نمایش قابلیت می‌پردازد. نقش فناوری‌های نوظهور هوش مصنوعی در مدل‌سازی، ارزیابی و بهینه‌سازی فعالیت‌های شرکت‌های شبکه‌ای در سطوح تصمیم‌گیری مختلف نیز پوشش داده شده است.

تکنیک‌های هوش مصنوعی برای شرکت‌های تولیدی شبکه‌ای مدیریت راهنمای ارزشمندی برای فارغ التحصیلان و محققان در مهندسی صنایع، علوم کامپیوتر، اتوماسیون و تحقیقات عملیاتی است.

Springer Series in Advanced Manufacturing بهترین آموزش و تدریس را منتشر می کند. مواد مرجع برای حمایت از دانش‌آموزان، مربیان و شاغلان در فناوری تولید و مدیریت. این مجموعه بین‌المللی شامل کتاب‌های درسی پیشرفته، تک نگاری‌های پژوهشی، آثار ویرایش شده و مجموعه مقالات کنفرانس است که تمامی موضوعات در تولید پیشرفته را پوشش می‌دهد. این مجموعه بر موضوعات جدید مورد علاقه، درمان های جدید مناطق سنتی تر و پوشش کاربردهای فناوری اطلاعات و ارتباطات (ICT) در تولید تمرکز دارد.

Enterprise networks offer a wide range of new business opportunities, especially for small and medium-sized enterprises that are usually more flexible than larger companies. In order to be successful, however, performances and expected benefits have to be carefully evaluated and balanced: enterprises must ensure they become a member of the right network for the right task and must find an efficient, flexible, and sustainable working practice. A promising approach to finding such a practice is to combine analytical methods and knowledge-based approaches, in a distributed context.

Artificial intelligence (AI) techniques have been used to refine decision-making in networked enterprise processes, integrating people, information and products across the network boundaries. Artificial Intelligence Techniques for Networked Manufacturing Enterprises Management addresses prominent concepts and applications of AI technologies in the management of networked manufacturing enterprises.

The aim of this book is to align latest practices, innovation and case studies with academic frameworks and theories, where AI techniques are used efficiently for networked manufacturing enterprises. More specifically, it includes the latest research results and projects at different levels addressing quick-response system, theoretical performance analysis, performance and capability demonstration. The role of emerging AI technologies in the modelling, evaluation and optimisation of networked enterprises’ activities at different decision levels is also covered.

Artificial Intelligence Techniques for Networked Manufacturing Enterprises Management is a valuable guide for postgraduates and researchers in industrial engineering, computer science, automation and operations research.

The Springer Series in Advanced Manufacturing publishes the best teaching and reference material to support students, educators and practitioners in manufacturing technology and management. This international series includes advanced textbooks, research monographs, edited works and conference proceedings covering all subjects in advanced manufacturing. The series focuses on new topics of interest, new treatments of more traditional areas and coverage of the applications of information and communication technology (ICT) in manufacturing.