دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Jay Lee
سری:
ISBN (شابک) : 9811521433, 9789811521430
ناشر: Springer
سال نشر: 2020
تعداد صفحات: 176
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Industrial AI: Applications with Sustainable Performance به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب هوش مصنوعی صنعتی: برنامه های کاربردی با عملکرد پایدار نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب هوش مصنوعی صنعتی را در ابعاد مختلف معرفی میکند. هوش مصنوعی صنعتی یک رشته سیستماتیک است که بر توسعه، اعتبارسنجی و استقرار الگوریتمهای مختلف یادگیری ماشین برای کاربردهای صنعتی با عملکرد پایدار تمرکز دارد. در ترکیب با پیشرفته ترین سیستم عامل های سنجش، ارتباطات و تجزیه و تحلیل داده های بزرگ، یک روش سیستماتیک هوش مصنوعی صنعتی امکان ادغام سیستم های فیزیکی با مدل های محاسباتی را فراهم می کند. مفهوم هوش مصنوعی صنعتی در مرحله ابتدایی است و ممکن است شامل استفاده جمعی از فناوریهایی مانند اینترنت اشیا، سیستمهای فیزیکی-سایبری و تجزیه و تحلیل دادههای بزرگ تحت ابتکار Industry 4.0 باشد که در آن دستگاههای محاسباتی تعبیهشده، اشیاء هوشمند و محیط فیزیکی با هر یک در تعامل هستند. دیگر برای رسیدن به اهداف مورد نظر طیف گسترده ای از صنایع از جمله خودرو، هوافضا، مراقبت های بهداشتی، نیمه هادی ها، انرژی، حمل و نقل، معدن، ساخت و ساز و اتوماسیون صنعتی می توانند از قدرت هوش مصنوعی صنعتی برای به دست آوردن بینشی در مورد رابطه نامرئی شرایط عملیات و استفاده بیشتر از این بینش برای بهینه سازی استفاده کنند. زمان به کار، بهره وری و کارایی عملیات آنها. از نظر تعمیر و نگهداری پیشبینیکننده، هوش مصنوعی صنعتی میتواند تغییرات اولیه در سیستم را تشخیص دهد و عمر مفید باقیمانده را پیشبینی کند و همچنین وظایف تعمیر و نگهداری را برای جلوگیری از اختلال در عملیات بهینهسازی کند.
This book introduces Industrial AI in multiple dimensions. Industrial AI is a systematic discipline which focuses on developing, validating and deploying various machine learning algorithms for industrial applications with sustainable performance. Combined with the state-of-the-art sensing, communication and big data analytics platforms, a systematic Industrial AI methodology will allow integration of physical systems with computational models. The concept of Industrial AI is in infancy stage and may encompass the collective use of technologies such as Internet of Things, Cyber-Physical Systems and Big Data Analytics under the Industry 4.0 initiative where embedded computing devices, smart objects and the physical environment interact with each other to reach intended goals. A broad range of Industries including automotive, aerospace, healthcare, semiconductors, energy, transportation, mining, construction, and industrial automation could harness the power of Industrial AI to gain insights into the invisible relationship of the operation conditions and further use that insight to optimize their uptime, productivity and efficiency of their operations. In terms of predictive maintenance, Industrial AI can detect incipient changes in the system and predict the remains useful life and further to optimize maintenance tasks to avoid disruption to operations.
Foreword by Terry Gou Foreword by Andrew James Hess Foreword by Detlef Zuehlke Foreword by Yasushi Umeda Preface Acknowledgements Contents 1 Introduction: The Development and Application of AI Technology 2 Why Do We Need Industrial AI? 2.1 New Perspectives in Industrial Systems for AI 2.2 What Are the Basic Problems in Industry? 2.3 The Basic Method of Solving Problems with AI 2.4 What Kind of AI Technology Is Most Suitable for Industry? 2.4.1 Neural Networks: The Closest to Thinking, and Close to Solving Complex Problems 2.4.2 Statistical Method: A Summarization of the Experience 2.4.3 Cybernetics Approach: Systematic Design Perspectives with an Emphasis on Objects and Tasks 2.4.4 Industrial AI Isn’t Just Algorithms, But the Integration of People, Things, and Systems 2.5 When Machine Intelligence Meets Industry 2.6 Differences Between Industrial AI and AI 2.7 Challenges of AI in Industry 2.7.1 Reproducibility 2.7.2 Data Issues 2.7.3 Reliability 2.7.4 Safety/Security 2.8 New Opportunity Spaces for Industrial AI to Realize Industrial Value Transformation References 3 Definition and Meaning of Industrial AI 3.1 The Beginnings of Industrial AI 3.2 The Purpose and Value of Industrial AI 3.3 GE Predix Successes and Failures 3.4 Technical Elements of Industrial AI: Data, Analytics, Platform, Operations, and Human-Machine Technologies 3.5 CPS: An Architecture for Integrating the 5 Technological Elements of Industrial Intelligence 3.6 Industrial AI: Categories of Algorithms 3.6.1 Regression Algorithms 3.6.2 Classification Algorithms 3.6.3 Clustering Algorithms 3.6.4 Statistical Estimation Algorithms 3.7 Industrial AI Algorithms: Selection and Application References 4 Killer Applications of Industrial AI 4.1 Application Scenario Types for Industrial AI 4.2 What Will Become the “Killer Applications” of Industrial AI? 4.2.1 Predictive Maintenance of Equipment 4.2.2 Virtual Metrology and Process Quality Control 4.2.3 Energy Management and Energy Efficiency Optimization 4.2.4 Defect Detection and Material Sorting Based on Machine Vision 4.2.5 Scheduling Optimization of Production and Maintenance Plans 4.3 Enabling Industrial AI Systems 4.3.1 Intelligent Monitoring and Maintenance Platform for CNC Machines 4.3.2 Intelligent Operations and Maintenance System for Offshore Wind Farms 4.3.3 Intelligent Rail Transit Predictive Maintenance System References 5 How to Establish Industrial AI Technology and Capability 5.1 Assessment of Basic Capability Maturity During Industrial Intelligence Transformation 5.2 Assessment Tools for Global Industrial AI Enterprise Transformation Achievements 5.3 Foxconn Lighthouse Factory 5.4 How to Construct the Organizational Intelligent Transformation Ability in Industrial Enterprises 5.5 Open Source Industrial Big Data Competitions References 6 Conclusion