的日益普及智能制造工业和学术界带来了许多挑战。传统cyber-physical系统已经变成human-cyber-physical系统,涉及更多的人为因素。因此,工业系统变得越来越复杂,许多不同的组件的交互,和以用户为中心的设计和制造不断取代大规模生产在许多领域。

为了提高工业效率的系统满足用户和消费者的需求,系统建模和智能决策方法所需的复杂工业系统的自动化。传感器和数据存储技术的进步让不同类型的传感器在工业系统中部署。积累的数据从各种工业传感器覆盖范围广泛的数据格式,如时间序列、图像、视频、和声波等。从工业系统收集的数据系统地反映了不同的操作系统组件,从而分析数据可以提供一个强大的方法对于复杂系统建模和控制。最近的成功应用人工智能(AI)算法,特别是深学习算法,在不同的领域已经证明他们的能力来解决复杂的数据处理和分析问题,如非线性回归、多标记分类和动态优化。由于多种类型的数据是用来开发基于AI模型、数据驱动的人工智能算法的理论和应用在复杂工业系统需要更多的研究。数据驱动的决策因此可以执行基于结构化和非结构化数据的工业系统。复杂工业系统的算法建模,数字双胞胎可以促进的概念,可以进行更好的决策基于实时仿真结果。

这个特殊问题的目的是收集的研究专注于数据驱动的智能算法对系统的建模、模拟和优化复杂的工业系统,如制造、发电、或医疗保健。我们的目标是为我们提供一个机会来获得更好的理解当前发展和未来发展方向的数据功能的智能与复杂工业系统。我们欢迎原始研究和评论文章。

潜在的主题包括但不限于以下:

• 复杂系统理论的工业应用
• 机器学习和深度学习复杂的制造系统建模
• 数据驱动控制的工业系统
• Metaheuristic算法对系统辨识和优化
• 多源数据融合的复杂工业系统
• 移动计算和遥感实时仿真系统
• 系统科学与系统工程为工业系统