计算智能数字双胞胎和智能制造

近年来,制造业正在向数字化转变,网络、自动化和智能。深度集成Cyber-Physical系统通过智能制造和数字双胞胎有着巨大的潜力,提高制造系统的总体性能。数字双胞胎的数据驱动的虚拟表示物理系统使用实时数据分析可视化分析和监控生产系统的性能。与智能制造、数字双胞胎被认为是高度创新和未来的概念通过物联网,multi-sensor-fusion,增强现实/虚拟现实(AR / VR)、云计算、大数据和人工智能(AI)。在这样的数据驱动的系统,计算智能和内置模式的效率非常重要,因为他们会影响系统的整体性能。

尽管数据驱动系统提高生产过程的整体生产力和效率,低效率的计算模型会导致预测延迟和不准确的地方,特别是在实时预测。由于数据生成并获得制造过程中增加了指数多传感器系统的介绍后,相关信息提取和实时响应的预测一直是一个真正的瓶颈。

在这种情况下,人们越来越需要开发,调查,并应用创新的计算模型,在智能制造系统技术和算法。这些计算技术可以基于机器学习,群体智慧,进化算法等一些常见的应用领域等模型是最优特征选择,降维、流程优化、响应预测、状态监测和智能数据处理。

研究课题的目的是收集最新的科学贡献在智能制造系统智能计算技术对更好的流程效率和准确性。的概念、方法和应用程序相关的计算智能数字双胞胎,数字制造、计算综合设计和制造,多传感器系统、状态监测、过程控制、生产优化或任何其他相关的主题将在收集。

主要研究主题包括但不限于:

•创新AI /毫升计算技术提高计算效率和精度
•最近的事态发展在进化算法
•群智能的最新进展和应用在制造业的应用
•其他先进的优化技术专注于制造业的应用程序和服务
•智能数据处理数字双胞胎
•实时状态监测和过程控制的优化

关键字双胞胎:数字、智能制造、优化,群体智慧,进化算法,人工智能,机器学习,数字制造

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。