Informacja

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

Wyszukujesz frazę "artificial management" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Prediction of energy consumption in the Industry 4.0 platform- solutions overview
Autorzy:
Temich, Sebastian
Pollak, Artur
Kucharczyk, Jacek
Ptasiński, Wojciech
Mężyk, Arkadiusz
Gąsiorek, Damian
Powiązania:
https://bibliotekanauki.pl/articles/1839684.pdf
Data publikacji:
2021
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
Industry 4.0
artificial intelligence
IPOE
production management
mechanical engineering
production engineering
Opis:
For a long time, scientific and technical work has been focused on production management, which affects both the correctness of the process and the costs generated. One of the integral elements of the production process management is energy, which has an impact on the organization of work, operation of machines or production. Predicting the energy consumption of smart facilities is crucial for implementing energy-efficient management systems, the area of this problem is a key aspect of smart grids whereby loads must be planned in real time. One of the main tasks of intelligent systems is to optimize the energy demand and costs to maximize energy efficiency of the facility. According to forecasting requirements, the following article presents several approaches to prediction of energy consumption models for production engineering systems. The proposed models were adopted and analyzed in terms of their usability and were trained and validated with the use of real data collected from the electrical installation of some company using the APA IPOE system.
Źródło:
Journal of Theoretical and Applied Mechanics; 2021, 59, 3; 455-468
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Lessons Learned from Developing an Industry 4.0 Mobile Process Management System Supported by Artificial Intelligence
Wnioski z rozwoju mobilnego systemu zarządzania procesami Przemysłu 4.0 wspieranego sztuczną inteligencją
Autorzy:
Kalinowski, Mateusz
Weichbroth, Paweł
Powiązania:
https://bibliotekanauki.pl/articles/2179632.pdf
Data publikacji:
2022
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
Industry 4.0
mobile
process management
artificial intelligence
research
development and innovation (RDI)
Przemysł 4.0
mobilność
zarządzanie procesami
sztuczna inteligencja
Opis:
Research, development and innovation (RDI) projects are undertaken in order to improve existing, or develop new, more efficient products and services. Moreover, the goal of innovation is to produce new knowledge through research, and disseminating it through education and training. In this line of thinking, this paper reports and discusses the lessons learned from the undertaken project, regarding three areas: machine learning (artificial intelligence), computational intelligence, and database management systems (DBMS). As nowadays, a numerous of the RDI projects are oriented towards the development of dataintensive solutions, the authors are confident that these lessons will be valuable not only for data engineers, but also for those researchers and practitioners who are dealing with the issues related to building and validating machine learning models, applications of moving averages to high-frequency data streams, and the implementation and deployment of DBMS.
Projekty w zakresie badań, rozwoju i innowacji (BRI) są podejmowane w celu udoskonalenia istniejących lub opracowania nowych, bardziej wydajnych i skutecznych produktów i usług. Ponadto celem innowacji jest tworzenie nowej wiedzy poprzez badania oraz rozpowszechnianie jej poprzez edukację i szkolenia. W tym duchu rozumowania w niniejszym artykule autorzy przedstawiają i omawiają wnioski wyciągnięte z podjętego projektu, dotyczące trzech dziedzin, a mianowicie: uczenia maszynowego (sztucznej inteligencji), inteligencji obliczeniowej oraz systemów zarządzania bazami danych (DBMS). Biorąc pod uwagę, że obecnie wiele projektów BRI jest zorientowanych na rozwój rozwiązań intensywnie wykorzystujących dane, autorzy są przekonani, że wnioski te będą cenne nie tylko dla inżynierów danych, ale także dla tych badaczy i praktyków, którzy zajmują się zagadnieniami związanymi z budową i walidacją modeli uczenia maszynowego, zastosowaniami średnich ruchomych do strumieni danych o wysokiej częstotliwości oraz implementacją i wdrażaniem systemów zarządzania bazami danych.
Źródło:
Informatyka Ekonomiczna; 2022, 1; 9-19
1507-3858
Pojawia się w:
Informatyka Ekonomiczna
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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