AI-driven工业情报系统

信息技术和传感器技术的不断发展,工业数据的积累已经达到了前所未有的水平。在大数据时代,数据驱动的人工智能(AI)模型已经被广泛应用在工业生产和发展过程由于其灵活性和通用性,而机制和知识模型。例如,一些行业的关键质量变量不能实时收集的传感器,但必须通过昂贵的仪器进行分析。为了获得这些关键质量变量来控制工业过程,提出了大量的基于ai的软测量模型。此外,工业安全是一个重要的话题。基于ai过程监测和故障诊断模型将提供一个报警和诊断机制来降低风险的行业。

工业生产过程涉及复杂的系统工程,包括生产设备、信息技术、控制系统和其他单位。这个研究课题是致力于解决传统工业的问题和改进现有工业生产过程通过人工智能技术的智能系统。例子包括使用深度学习开发准确的软传感器,利用人工智能技术来提高故障诊断系统的性能,并实现容错控制与先进的模型。等领域的进展面临重大挑战由于工艺特点和数据问题,如多峰性、非线性、动态,等等。此外,工业的崛起,互联网增加了工业智能系统的安全风险。因此,工业AI安全和数据隐私等问题需要进一步的关注和研究。

本研究课题将重点AI-driven工业情报系统和相关问题。感兴趣的领域包括,但不限于:

——基于ai过程监测和故障诊断技术
——数据驱动的软测量方法及其应用
——先进的基于模型的容错控制
预测与健康管理(榜单)基于机器学习
——人工智能工业安全
——AI-driven风险缓解供应链管理。

关键字:故障诊断、软测量、过程监控、预测和健康管理、最优控制、工业智能安全

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。