Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An Investment Recommender Multi-agent System in Financial Technology Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

MASPI: A Multi Agent System for Prediction in Industry 4.0 Environment

verfasst von : Inés Sittón Candanedo, Sara Rodríguez González, Fernando De la Prieta, Angélica González Arrieta

Erschienen in: International Joint Conference SOCO’18-CISIS’18-ICEUTE’18

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Prediction is the way to optimize the maintenance task by determining the correct moment to interview, repair or replace equipment which the most difficult decision for companies in Industry 4.0 environment. This research present MASPI. I is a multiagent system based on advantages of virtual organization. The goal of MASPI is to be a reference model for making predictions about data captured by sensors installed in equipment or industrial machines. The capability of MASPI is evaluated by applying it to SCANIA trucks dataset, using machine learnings algorithms to obtain the prediction and compare their accuracy.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Collision Detector for Industrial Robot Manipulators
Nächstes Kapitel FEA Structural Optimization Based on Metagraphs
Literatur
1.
2.
Cardoso, R.C., Bordini, R.H.: A multi-agent extension of a hierarchical task network planning formalism. ADCAIJ Adv. Distrib. Comput. Artif. Intell. J. 6(2), 5–17 (2017)
3.
Cerrada, M., Cardillo, J., Aguilar, J., Faneite, R.: Agents-based design for fault management systems in industrial processes. Comput. Ind. 58(4), 313–328 (2007)CrossRef
4.
Chamoso, P., Rivas, A., Rodríguez, S., Bajo, J.: Relationship recommender system in a business and employment-oriented social network. Inf. Sci. (2017)
5.
Corchado, J.M., Bajo, J., de Paz, Y., Tapia, D.: Intelligent environment for monitoring Alzheimer patients, agent technology for health care. Decis. Support Syst. 34(2), 382–396 (2008). ISSN 0167-9236CrossRef
6.
Dunn, R.L.: Benchmarking maintenance. Plant Eng. 55(3), 68–70 (2001)
7.
García, E., Gallego, V., Rodríguez, S., Zato, C., de Paz, J.F., Corchado, J.M.: Simulation and analysis of virtual organizations of agents. In: Trends in Practical Applications of Agents and Multiagent Systems, pp. 65–74. Springer, Heidelberg (2012)
8.
González, S.R., de la Prieta Pintado, F., Peña, E.G., Domínguez, C.Z., Rodríguez, J.M.C., Pérez, J.B.: Multiagent systems and self-organizative virtual organizations, a step ahead in adaptive MAS. In: 2011 11th International Conference on Intelligent Systems Design and Applications (ISDA), pp. 36–41. IEEE (2011)
9.
Kumar, A., Shankar, R., Thakur, L.S.: A big data driven sustainable manufacturing framework for condition-based maintenance prediction. J. Comput. Sci. (2017)
10.
Li, Z., Wang, K., He, Y.: Industry 4.0: potentials for predictive maintenance. In: International Workshop of Advanced Manufacturing and Automation, Manchester, October 2016
11.
Marsland, S. (2015). Machine learning: an algorithmic perspective. CRC press
12.
Peñaranda, C., Agüero, J., Carrascosa, C., Rebollo, M., Julián, V.: An Agent-based approach for a smart transport system. ADCAIJ Adv. Distrib. Comput. Artif. Intell. J. 5(2), 2255–2863 (2016)
13.
Rivas, A., Chamoso, P., Rodríguez, S.: An agent –based Internet of Things platform for distributed real time machine control. In: 2017 IEEE 17th International Conference on Ubiquitous Wireless Broadband (ICUWB), Salamanca, Spain, 12–15 September 2017 (2018)
14.
Rodríguez, S., de la Prieta Pintado, F., Peña, E.G., Domínguez, C.Z., Rodríguez, J.M.C., Pérez, J.B.: Multiagent systems and self-organizative virtual organizations, a step ahead in adaptive MAS. In: 2011 11th International Conference on Intelligent Systems Design and Applications (ISDA), pp. 36–41. IEEE (2011)
15.
16.
17.
18.
19.
Tian, Z., Wu, B., Chen, M.: Condition-based maintenance optimization considering improving prediction accuracy. J. Oper. Res. Soc. 65(9), 1412–1422 (2014)CrossRef
20.
Wang, K.: Intelligent predictive maintenance (IPdM) system–Industry 4.0 scenario. WIT Trans. Eng. Sci. 113, 259–268 (2016)
21.
Wooldridge, M., Jennings, N.R.: Intelligent agents: theory and practice. Knowl. Eng. Rev. 10(2), 115–152 (1995)CrossRef
22.
Wu, W., Liu, M., Liu, Q., Shen, W.: A quantum multi-agent based neural network model for failure prediction. J. Syst. Sci. Syst. Eng. 25(2), 210–228 (2016)CrossRef
Metadaten
Titel
MASPI: A Multi Agent System for Prediction in Industry 4.0 Environment
verfasst von
Inés Sittón Candanedo
Sara Rodríguez González
Fernando De la Prieta
Angélica González Arrieta
Copyright-Jahr
2019
Buch
International Joint Conference SOCO’18-CISIS’18-ICEUTE’18

Print ISBN: 978-3-319-94119-6

Electronic ISBN: 978-3-319-94120-2

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-319-94120-2_19

Premium Partner

    Bildnachweise