QOSIINOT: integration of Quality of Service (QOS) in the Industrial Internet of Things for the Factory of the Future (Q3678702)
Jump to navigation
Jump to search
Project Q3678702 in France
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | QOSIINOT: integration of Quality of Service (QOS) in the Industrial Internet of Things for the Factory of the Future |
Project Q3678702 in France |
Statements
48,500.0 Euro
0 references
97,000.0 Euro
0 references
50.0 percent
0 references
1 October 2018
0 references
31 December 2022
0 references
UNIVERSITE DE TECHNOLOGIE DE TROYES
0 references
48°17'53.63"N, 4°4'24.85"E
0 references
10000
0 references
L'intégration de l'IIoT (Internet des Objets Industriels) vise à améliorer les performances de l'usine grâce à l'exploitation des données récoltées par les différents capteurs/actionneurs. L'IIoT permettra de mieux connaitre l'usine, de détecter et de réagir aux problèmes (pannes, rupture de stocks) et d'arriver à réduire, voire à éliminer, les temps d'arrêt avec de l'apprentissage machine sur la base des données récoltées par les capteurs. Parmi les applications de l'IIoT dans l'usine du futur, on peut citer la maintenance prédictive, la gestion des stocks ou encore la gestion de la consommation énergétique. L'objectif de cette thèse est de proposer des algorithmes issus de l'intelligence artificielle comme support d'aide à la décision quant aux traitements à réserver aux données générées par les objets d'un réseau IIoT, selon le niveau de criticité de l'application, la nature de l'objet ayant généré la donnée et l'état du réseau. Les actions prises par les différentes entités visent à exploiter de manière optimale les ressources disponibles (stockage, calcul, bande passante, ressource radio..) pour répondre aux besoins des applications/objets. La théorie des jeux, l'apprentissage et la négociation multi-agents sont les outils que nous utiliserons pour rendre le réseau IIoT autonome. Nos propositions seront validées analytiquement, par simulation mais également sur la plateforme CPER PFEEXECL FFCA « Factories of Future Champagne-Ardenne » dans laquelle nous sommes impliqués. (French)
0 references
The integration of the IIoT (Internet of Industrial Things) aims to improve the performance of the plant through the exploitation of the data collected by the various sensors/actors. The IIoT will make it possible to better know the plant, detect and respond to problems (panks, stock breaks) and manage to reduce or even eliminate downtime with machine learning on the basis of the data collected by the sensors. Among the applications of IIoT in the factory of the future are predictive maintenance, stock management and energy consumption management. The objective of this thesis is to propose algorithms derived from artificial intelligence as a means of decision-making regarding the processing of data generated by the objects of an IIoT network, depending on the level of criticality of the application, the nature of the object that generated the data and the state of the network. The actions taken by the various entities aim to make optimal use of the resources available (storage, calculation, bandwidth, radio resource..) to meet the needs of applications/objects. Game theory, multi-agent learning and negotiation are the tools we will use to make the IIoT network autonomous. Our proposals will be validated analytically, by simulation but also on the CPER PFEEXECL FFCA platform “Factories of Future Champagne-Ardenne” in which we are involved. (English)
18 November 2021
0 references
Die Integration des IIoT (Internet of Industrial Objects) zielt darauf ab, die Leistung des Werks durch die Nutzung der von den verschiedenen Sensoren/Aktuatoren gesammelten Daten zu verbessern. Das IIoT wird es ermöglichen, die Fabrik besser kennen zu lernen, Probleme zu erkennen und zu reagieren (z. B. Pannen, Lagerbestände) und Ausfallzeiten durch maschinelles Lernen auf der Grundlage der von den Sensoren gesammelten Daten zu reduzieren oder sogar zu eliminieren. Zu den Anwendungen des IIoT im Werk der Zukunft gehören vorausschauende Wartung, Lagerverwaltung oder Energieverbrauchsmanagement. Ziel dieser These ist es, Algorithmen der künstlichen Intelligenz als Hilfsmittel für die Entscheidungsfindung in Bezug auf die Verarbeitung von Daten, die von Objekten eines IIoT-Netzes generiert werden, je nach dem Grad der Kritikalität der Anwendung, der Art des Objekts, das die Daten generiert hat, und dem Zustand des Netzes vorzuschlagen. Die von den verschiedenen Entitäten ergriffenen Maßnahmen zielen darauf ab, die verfügbaren Ressourcen (Speicherung, Berechnung, Bandbreite, Funkressource usw.) optimal zu nutzen, um den Anforderungen der Anwendungen/Objekte gerecht zu werden. Spieltheorie, Lernen und Multi-Agenten-Handel sind die Werkzeuge, die wir verwenden werden, um das IIoT-Netzwerk autonom zu machen. Unsere Vorschläge werden analytisch, durch Simulation, aber auch auf der Plattform CPER PFEEXECL FFCA „Factories of Future Champagne-Ardenne“, an der wir beteiligt sind, validiert. (German)
1 December 2021
0 references
De integratie van het IIoT (Internet of Industrial Things) heeft tot doel de prestaties van de installatie te verbeteren door gebruik te maken van de door de verschillende sensoren/actoren verzamelde gegevens. De IIoT zal het mogelijk maken om de plant beter te kennen, problemen op te sporen en te reageren (panks, voorraadbreuken) en downtime met machine learning te verminderen of zelfs te elimineren op basis van de door de sensoren verzamelde gegevens. Tot de toepassingen van IIoT in de fabriek van de toekomst behoren voorspellend onderhoud, voorraadbeheer en beheer van het energieverbruik. Het doel van dit proefschrift is om algoritmen op basis van kunstmatige intelligentie voor te stellen als middel voor besluitvorming met betrekking tot de verwerking van gegevens die worden gegenereerd door de objecten van een IIoT-netwerk, afhankelijk van het niveau van kritiek van de applicatie, de aard van het object dat de gegevens heeft gegenereerd en de toestand van het netwerk. De acties van de verschillende entiteiten hebben tot doel optimaal gebruik te maken van de beschikbare middelen (opslag, berekening, bandbreedte, radiobron..) om te voldoen aan de behoeften van toepassingen/objecten. Speltheorie, multi-agent leren en onderhandelen zijn de tools die we zullen gebruiken om het IIoT netwerk autonoom te maken. Onze voorstellen worden analytisch gevalideerd, door simulatie, maar ook op het CPER PFEEXECL ffca platform „Factories of Future Champagne-Ardenne” waarbij we betrokken zijn. (Dutch)
6 December 2021
0 references
Identifiers
CA0018947
0 references