Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Agent approach in machine diagnosis

Tytuł:
Agent approach in machine diagnosis
Podejście agentowe w diagnostyce maszyn
Autorzy:
Klemm, M.
Tabaszewski, M.
Powiązania:
https://bibliotekanauki.pl/articles/328055.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka
system agentowy
diagnostyka wielosymptomowa
sztuczna inteligencja
eksploracja danych
condition monitoring
agent system
multisymptom diagnostic
artificial intelligence
data mining
Źródło:
Diagnostyka; 2011, 4(60); 59-64
1641-6414
2449-5220
Język:
angielski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
The paper presents a new approach to software development of diagnostic machines. The proposed system is a collection of many independent applications called agents which gain the diagnostic information, process it and inform the user of the system of the occurrence of significant events concerning the operation of the object. This allows a comprehensively support of the operation process by detecting the current condition and forecast a failure. An important feature of the proposed system is the speed, ability to learn through the use of artificial intelligence and openness that allows for any development of the system by adding more new items pursuing new activities or the same action on a different basis (increasing the reliability of inference).

W pracy przedstawiono nowe podejście do tworzenia oprogramowania diagnostycznego maszyn. Zaproponowany system jest zbiorem wielu niezależnych aplikacji nazwanych agentami, które pozyskują informację diagnostyczną, przetwarzają ją i informują użytkownika systemu o wystąpieniu istotnych zdarzeń dotyczących eksploatacji obiektu. Pozwala to kompleksowo wspomagać proces eksploatacji poprzez wykrywanie aktualnego stanu i prognozę do awarii. Istotną cechą zaproponowanego systemu jest szybkość działania, zdolność uczenia się poprzez zastosowanie metod sztucznej inteligencji oraz otwartość pozwalająca na dowolny rozwój systemu poprzez dodawanie kolejnych nowych elementów realizujących nowe działania lub te same działania w oparciu o inne zasady (zwiększanie niezawodności wnioskowania).

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies