Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

MNiSW
5
spoza wykazu
Status:
Autorzy: Kosicka Ewelina, Mazurkiewicz Dariusz, Kozłowski Edward
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Arkusze wydawnicze: 0,828
Język: angielski
Strony: 560 - 571
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Abstrakty: angielski
The increased popularity of Industry 4.0 has led many manufacturers to develop and implement solutions based on automation and data exchange in manufacturing techniques. The progress in automation of manufacturing processes along with new solutions for cyber-physical systems present both challenges and opportunities regarding predictive maintenance. The paper presents the assumptions of an intelligent system of prediction method selection for a zero-integration homoscedastic series, which is part of an original algorithm of multiple-model prediction method. The algorithm comprises an ARMA model, ADF test, AIC and BIC criteria, as well as MAE, MPE and MAPE prediction errors which are indispensable for establishing prediction error indexes