دانلود کتاب عوامل هوشمند برای صنعت 4.0: فعال کردن یادگیری ماشین در تولید صنعتی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Smart Agents for the Industry 4.0: Enabling Machine Learning in Industrial Production
ویرایش : 1st ed. 2019
عنوان ترجمه شده به فارسی : عوامل هوشمند برای صنعت 4.0: فعال کردن یادگیری ماشین در تولید صنعتی
سری :
نویسندگان : Max Hoffmann
ناشر : Springer Fachmedien Wiesbaden;Springer Vieweg
سال نشر : 2019
تعداد صفحات : 345
ISBN (شابک) : 9783658277413 , 9783658277420
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 8 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
Max Hoffmann تحقق چارچوبی را توصیف میکند که تصمیمگیری مستقل در فرآیندهای تولید صنعتی را 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 موسسه 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.