复杂性的视角下研究了物理和功能域。在前需要考虑一个方面的系统结构和配置,产品的各种过程,系统的组件,比如人类,机器,缓冲区,和他们的相互依赖关系,系统的行为。在后一种情况下,复杂性被认为是衡量不确定性在实现功能需求,制造系统设计的考虑方面,它的状态,在一定程度上可以处理各种各样的需求。

今天生产企业经常面临的挑战在小批量生产高度定制的产品尺寸。一个解决方案应对快速变化的需求,使资源的使用更加灵活的谎言的数字化制造系统;这在行业仍然是一个重大的挑战。在生产和分配信息和物料流正变得越来越复杂。行业4.0倡议和现代技术的出现,比如Cyber-Physical系统(CPS)和物联网(物联网),打开新的视野对工业数字化通过启用自动程序和沟通意味着还没有过去。增加之间的连接和交互系统、人类和机器支持各种自动或半自动的系统的集成,提高灵活性和生产力。这也将导致互联行业4.0使制造系统和网络,将构成一个整体,提供所需的产品带到正确的地方,在适当的时候考虑到新创建的参数和因素。

虽然采用4.0和物联网产业模式在制造显示巨大的潜力;然而,增加了复杂性,可能发生在不同的领域,包括产品信息,机器,工厂,和企业,以及网络的水平,是一个主要的挑战。工业的技术预见在4.0模式旨在减少系统的复杂性;不过管理生成大量的数据,处理变量的增加,不同工具和集成领域的进一步调查。更具体地说,是如何从不同的来源和生成的数据和信息水平可以集成到自适应和有效的决策方法和系统需要进一步分析,目标管理的不同和冲突的决策变量。从工业行业4.0 4.0系统网络,先进的监测技术和新颖的自动化系统被认为是,复杂性是高度的影响。现有方法和方法包括混沌理论,非线性动力学理论和信息理论以及混合方法(Heuristics-Indexes)需要进一步加强,考虑增加数量的参数和变量工业4.0系统和网络。

因此,这个特殊问题的主要目的是收集和整合创新和高质量研究的贡献主要集中在方法和工具模型,量化和控制行业4.0的复杂性。这个特殊的问题将提供见解如何和产业4.0技术是否支持有效的决策和减少通过提交系统和网络的复杂性科学贡献的形式研究和评论文章。

潜在的主题包括但不限于以下:

• 4.0复杂性建模和决策方法对于复杂的工业系统
• 混沌理论、信息理论、遗传和生物启发算法,细胞自动机,神经网络,智能搜索算法,进化博弈理论在复杂的生产应用程序
• 确定性和非确定性的方法和算法
• 神经网络、贝叶斯网络和机器学习
• 制造系统的复杂性、方法和措施
• 管理在供应链和制造网络的复杂性
• 大数据分析应用于生产和物流
• 4.0应用程序的复杂性建模和控制在工业环境中
• 物联网和复杂性处理
• 复杂机械系统