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: 1st ed. 2019
نویسندگان: Max Hoffmann
سری:
ISBN (شابک) : 9783658277413, 9783658277420
ناشر: Springer Fachmedien Wiesbaden;Springer Vieweg
سال نشر: 2019
تعداد صفحات: 345
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
کلمات کلیدی مربوط به کتاب عوامل هوشمند برای صنعت 4.0: فعال کردن یادگیری ماشینی در تولید صنعتی: علوم کامپیوتر، مهندسی صنایع و تولید، مهندسی ارتباطات، شبکه ها
در صورت تبدیل فایل کتاب Smart Agents for the Industry 4.0: Enabling Machine Learning in Industrial Production 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 عوامل هوشمند برای صنعت 4.0: فعال کردن یادگیری ماشینی در تولید صنعتی 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.
Max Hoffmann تحقق چارچوبی را توصیف میکند که تصمیمگیری مستقل را در فرآیندهای تولید صنعتی با استفاده از سیستمهای چند عاملی و استاندارد فرامدلسازی OPC UA امکانپذیر میسازد. ادغام الگوهای ارتباطی و SOA با سیستمهای تولیدی رشد یافته، امکان ارتقای محیطهای قدیمی را از نظر فناوریهای مرتبط با صنعت 4.0 فراهم میکند. ارزش افزوده راهحلهای مشتقشده از طریق یک مورد استفاده صنعتی تأیید میشود و با توسعه یک نمایشگر تأیید میشود که شامل عناصر خودبهینهسازی از طریق یادگیری ماشین و ارتباط با سیستمهای برنامهریزی سطح بالا مانند ERP است.
درباره نویسنده:
Dr.-Ing. ماکس هافمنیک محقق علمی در مؤسسه مدیریت اطلاعات در مهندسی مکانیک، دانشگاه RWTH آخن، آلمان، و رهبری گروه "داده های بزرگ صنعتی" است. تحقیقات او بر بهینه سازی تولید با استفاده از یکپارچه سازی داده ها از طریق قابلیت همکاری و استانداردهای ارتباطی برای تولید صنعتی و تجزیه و تحلیل یکپارچه با استفاده از یادگیری ماشین و پردازش اطلاعات مبتنی بر جریان تأکید دارد.
Max Hoffmann describes the realization of a framework that enables autonomous decision-making in industrial manufacturing processes by means of multi-agent systems and the OPC UA meta-modeling standard. The integration of communication patterns and SOA with grown manufacturing systems enables an upgrade of legacy environments in terms of Industry 4.0 related technologies. The added value of the derived solutions are validated through an industrial use case and verified by the development of a demonstrator that includes elements of self-optimization through Machine Learning and communication with high-level planning systems such as ERP.
About the Author:
Dr.-Ing. Max Hoffmann is a scientific researcher at the Institute of Information Management in Mechanical Engineering, RWTH Aachen University, Germany, and leads the group “Industrial Big Data”. His research emphasizes on production optimization by means of data integration through interoperability and communication standards for industrial manufacturing and integrated analysis by using Machine Learning and stream-based information processing.
Front Matter ....Pages I-XXXIV
Introduction (Max Hoffmann)....Pages 1-14
Problem Description and Fundamental Concepts (Max Hoffmann)....Pages 15-32
State of the Art (Max Hoffmann)....Pages 33-112
Architecture of a Framework For Real-Time Interoperable Factories (Max Hoffmann)....Pages 113-144
Agent OPC UA – Semantic Scalability and Interoperability Architecture for Multi-Agent Systems through OPC UA (Max Hoffmann)....Pages 145-202
Management System Integration of OPC UA based MAS (Max Hoffmann)....Pages 203-214
Flexible Manufacturing based on Autonomous, Decentralized Systems (Max Hoffmann)....Pages 215-230
Use-cases for Industrial Automation Processes (Max Hoffmann)....Pages 231-256
Future Research Topics (Max Hoffmann)....Pages 257-259
Back Matter ....Pages 261-318