摘要 叙事越来越多地用于研究自然的人类记忆及其大脑机制。叙事——视听电影、口头故事和书面故事——由多个相互关联且在时间上展开的事件组成,这些事件富含语义和情感内容。这些特征推动了默认模式网络中主体间的神经同步,抽象情境模型在此被表示和恢复。内侧颞叶结构与默认模式网络的皮质亚区域相互作用,以支持叙事事件的编码和回忆。叙事记忆经常在个体之间传递,从而导致人与人之间经验和神经活动模式的传递。神经成像和自然刺激分析的最新进展为叙事记忆和人类记忆系统提供了宝贵的见解。重点 * 编码材料和检索任务在叙事性方面可能有所不同。 * 叙事推动了默认模式网络中个体间的神经同步。 * 连续的叙事被分割并作为离散事件记忆。 * 叙事事件表征在回忆过程中在默认模式网络中重新激活。 * 交流可以促进人们之间叙事记忆和神经活动的融合。
在经济的短期主义框架内管理制造业的维护并考虑随之而来的长期成本影响是困难的。管理维护的复杂性日益增加及其对业务结果的影响要求采用更先进的方法来通过在生产系统环境中开展有效活动来支持长期发展。这种基于问题的设计科学研究已经发展成为一种新颖的基于混合模拟的优化 (SBO) 框架概念,该框架分别将多目标优化 (MOO) 与系统动力学 (SD) 和离散事件模拟 (DES) 相结合。其目标是支持管理人员在战略和运营层面进行决策,以确定活动的优先顺序,从而提高维护和生产绩效。为了举例说明混合 SBO 框架,本研究提出了一个 SD 模型来研究维护性能和成本的动态行为,旨在为支持维护实践的长期战略发展提供见解。该模型提倡从系统角度看待维护成本,其中包括动态后果成本,这是整个组成反馈结构中多个相互作用的维护级别的综合结果。这些级别包括从应用的维护方法组合到由此产生的生产主动性,例如计划停机时间与计划外停机时间之间的比率,持续性
飞机运营商发现自己处在这样的环境中:公司承受着不断增加的经济和生态压力。为了解决这个问题,必须大幅提高飞机的效率。降低运营成本和环境影响的一种方法是定期进行机翼发动机清洗,这既能降低废气温度,又能改善飞机油耗。要估算发动机清洗程序对生命周期的影响,必须考虑从环境到运营的各种因素。德国航空航天中心开发的生命周期成本核算方法称为 LYFE(生命周期现金流环境),它能够考虑各种因素来研究发动机清洗对飞机或机队生命周期的影响。LYFE 使用离散事件模拟来模拟产品生命周期,从订单到运营,直到机队报废。为了进行这种分析,该工具经过扩展,可以分离发动机的生命周期和飞机的生命周期,从而可以模拟飞机之间的发动机切换。为了更真实地表示发动机结垢和发动机性能下降,机场的代表性天气数据也包含在模拟中。利用这些信息,我们开发了一个预测模型来监测发动机的健康状况,预测发动机维修时间,并自动和动态地安排发动机清洗事件。对于后者,三种不同的
人工智能的操作化已成为研究和工业领域的一项重大努力。管理人工智能应用程序生命周期的自动化、操作化的管道将成为基础设施工作负载的重要组成部分 [6]。人工智能工作流平台 [1、6] 协调了操作大量客户特定人工智能管道所需的异构基础设施。调整运营策略以实现特定应用的成本效益权衡,同时满足机器学习模型的特定领域特征(例如准确性或鲁棒性)是一项挑战。一个关键挑战是确定与执行管道相关的成本权衡以及潜在的模型性能改进 [5-7]。我们提出了一个跟踪驱动的实验和分析环境,使研究人员和工程师能够设计和评估用于大规模人工智能工作流系统的此类运营策略。 IBM 开发的生产级 AI 平台的踪迹记录了一年内数千次管道执行,可用于构建综合模拟模型。我们的模拟模型描述了管道与系统基础架构之间的交互,以及管道任务如何影响不同的 ML 模型指标。我们在独立的随机离散事件模拟器中实现该模型,并提供运行实验的工具包。通过集成时间序列数据库和分析前端,我们可以进行临时探索以及实验的统计分析。
识别并最终消除吞吐量瓶颈是提高生产系统吞吐量和生产率的关键手段。然而,在现实世界中,消除吞吐量瓶颈是一项挑战。这是由于工厂动态环境复杂,数百台机器同时运行。学术研究人员试图开发工具来帮助识别和消除吞吐量瓶颈。从历史上看,研究工作一直集中在开发分析和离散事件模拟建模方法来识别生产系统中的吞吐量瓶颈。然而,随着工业数字化和人工智能 (AI) 的兴起,学术研究人员基于大量数字车间数据,探索了使用 AI 消除吞吐量瓶颈的不同方法。通过进行系统的文献综述,本文旨在介绍使用 AI 进行吞吐量瓶颈分析的最新研究成果。为了让学术界的 AI 解决方案更容易为实践者所接受,研究工作分为四类:(1)识别、(2)诊断、(3)预测和(4)开处方。这是受到现实世界吞吐量瓶颈管理实践的启发。识别和诊断类别侧重于分析历史吞吐量瓶颈,而预测和开处方侧重于分析未来的吞吐量瓶颈。本文还提供了未来的研究主题和实用建议,可能有助于进一步突破 AI 在吞吐量瓶颈分析中的理论和实际应用的界限。
摘要。正如各种研究中所提出的,教育设施在提高房间利用率方面具有很高的潜力。维也纳技术大学 (TU Vienna) 的“MoreSpace”项目的目标是开发一种混合建模方法,以帮助提高大学的空间利用效率。除了离散事件模拟 (DEVS)、基于代理 (AB) 的方法和细胞自动机 (CA) 的耦合之外,成功部署这种模型还需要在外围系统中进行彻底集成。这反过来又导致必须满足先决条件(例如通过输入数据、结果可视化、传播等)。本文介绍了用于分析模型和外围系统的方法,这些方法可以实现模型集成。为此,还必须关注机构的心理社会层面,因为正是这一层面经常导致机构内的人员拒绝原本“好”的解决方案。本文进一步描述了一个部署矩阵,该矩阵将模拟模型的操作模式(即一次性咨询使用、重复和频繁使用)与满足的先决条件和所需的系统集成深度相结合。这使得它能够估计模型是否可以按预期部署;替代方案要么是系统的转换,要么是重新制定模型的问题,要么是——在最坏的情况下——中止部署过程。在后一种情况下,部署矩阵的价值在于对情况的早期判断,从而节省原本会花费的资源。此外,还可以使用这些来开发替代解决方案以支持预期目标。
摘要:电动汽车 (EV) 正在卢旺达推出,并因各种原因而变得颇具吸引力。例如,这些类型的车辆可以帮助减少空气污染和噪音排放。此外,鉴于卢旺达和世界各地的燃料资源价格上涨,它为内燃机提供了一种替代方案。本文介绍了一种专门用于优化为小型电动汽车提供服务的充电站设计的工具,利用该算法协助确定独立拖曳式充电站的规模。开发的工具基于 MathWorks 的工具箱 EventSim,该工具箱允许将离散事件(例如客户到达车站)的模拟与连续状态(例如充电过程的模拟)相结合。通过利用可再生能源的太阳能资源估算出所需的光伏电力。忍者。到达现有加油站的客户数量被标准化,以估计拖曳式车队的能源需求。提出泊松分布来模拟到达时的电池放电,并通过敏感性分析评估不同的相关参数,以确定它们对光伏充电站性能的影响。对于测试值,站点参数变化±25%,以确定关键设计参数对站点性能的影响,以及其他满意度指标,如平均等待时间和平均排队长度。光伏板增加25%,停电时间减少2.12%,而光伏板减少25%,停电时间增加2.18%。利用能源管理系统(EMS),等待时间减少了8%。
摘要 由于产品频繁变化,大规模定制要求缩短制造系统的响应时间。系统动态性的增加对灵活性提出了更高的要求,尤其是对装配过程,因为复杂性在价值创造的最后一步不断积累。与传统的专用装配线方法相比,灵活且动态互连的装配系统可以满足日益增长的需求。这类系统中的高复杂性和动态环境导致对实时在线控制和调度解决方案的需求。在在线调度的决策中,预测可用操作后果的能力至关重要。在实时环境中,运行大量离散事件模拟来评估操作如何展开需要太多的计算时间。人工神经网络 (ANN) 是一种可行的替代方案,可以快速评估生产状态的潜在未来性能价值,以进行在线生产规划和控制。它们可以预测性能指标,例如在当前生产状态下的预期完工时间。利用人工智能 (AI) 游戏算法的最新进展,创建了一个基于 Google DeepMind 的 AlphaZero 的装配控制系统。具体来说,ANN 被纳入到该方法中,它建议有利的工作路由决策并预测行动的价值。结果表明,训练后的网络预测有利行动的准确率超过 95%,估计完成时间的误差小于 3%。
课程编号 ECS 6103 课程学分 LTPC:3-0-0-3 课程名称 网络物理系统 学习模式 在线 学习目标 学习如何建模和设计软件、网络和物理过程的联合动力学。, 培养实现安全、可靠、高效利用资源的嵌入式系统的技能。, 学会批判性地思考可用于实现这种联合动力学的技术。 课程描述 本课程将概述网络物理系统的建模、构建和分析方法。 课程大纲 计算模型:有限状态机、线程、常微分方程、混合系统、参与者、离散事件、数据流 基本分析、控制和系统仿真:双仿真、可达性分析、控制器合成、近似连续时间系统。与物理世界的交互:传感器/执行器建模和校准、处理多个实时流的并发性、处理软件中的数值不精确性 映射到嵌入式平台:实时操作系统、执行时间分析、调度、并发性 分布式嵌入式系统:协议设计、可预测网络、安全性 学习成果 1. 对网络物理系统的基本了解 2. 培养实现安全、可靠、高效利用资源的嵌入式系统的技能,3. 学会批判性地思考可用于实现这种联合动态的技术。 评估方法 测验/作业/ESE 推荐阅读:
活动反映的是人们在提供服务或项目过程中所做的事情。例如,召开咨询会议、实地考察。可实现意味着可以实现与指标相关的所需绩效。这是可能的,而且距离现在并不遥远。可实现意味着其范围得到适当限制。行动是指那些旨在实现目标和目标并实现其成果的努力、举措或项目/计划。可归因意味着组织/计划本身能够改变指标值。基线是指是否指定了前几年的绩效基线水平,以便评估变化。离散事件是指一次性事件:例如“在年/月/日之前制定政策或决策文件”。关键绩效指标 (KPI) 是用于监测实现战略目标和目标进展情况的绩效衡量指标。投入涵盖特定活动所消耗的资源,例如预算吸收、超支/不足支出以及从事某个项目的人数。可衡量意味着可以衡量所需的绩效,数据源可识别且可访问,绩效指标有效并有意义地反映了所需的绩效、条件或状态。可衡量意味着它是数字或描述性的结果、数量、质量、时间绩效或成本。结果关注的是交付产出后发生的情况;发生的事件或条件/行为/态度的变化。产出是指机构/计划直接生产的产品或服务。定性意味着指标是基于某种质量而不是数量进行描述。定量意味着指标可以通过数值测量。相关性意味着所需的绩效将对实现组织的目标和目的做出重大贡献。SMART:SMART 标准是一套常用的判断绩效指标质量的标准: