Η ολοκλήρωση του IIoT (Internet of Industrial Things) έχει ως στόχο τη βελτίωση της απόδοσης της εγκατάστασης μέσω της αξιοποίησης των δεδομένων που συλλέγονται από τους διάφορους αισθητήρες/παράγοντες. Το IIoT θα καταστήσει δυνατή την καλύτερη γνώση της εγκατάστασης, τον εντοπισμό και την αντιμετώπιση προβλημάτων (panks, stock breaks) και θα κατορθώσει να μειώσει ή ακόμη και να εξαλείψει το χρόνο διακοπής λειτουργίας με τη μηχανική μάθηση με βάση τα δεδομένα που συλλέγονται από τους αισθητήρες. Μεταξύ των εφαρμογών του IIoT στο εργοστάσιο του μέλλοντος είναι η προβλέψιμη συντήρηση, η διαχείριση αποθεμάτων και η διαχείριση της κατανάλωσης ενέργειας. Στόχος αυτής της διατριβής είναι να προτείνει αλγορίθμους προερχόμενους από την τεχνητή νοημοσύνη ως μέσο λήψης αποφάσεων σχετικά με την επεξεργασία δεδομένων που παράγονται από τα αντικείμενα ενός δικτύου ΙΙοΤ, ανάλογα με το επίπεδο κρισιμότητας της εφαρμογής, τη φύση του αντικειμένου που παρήγαγε τα δεδομένα και την κατάσταση του δικτύου. Οι ενέργειες των διαφόρων φορέων αποσκοπούν στη βέλτιστη χρήση των διαθέσιμων πόρων (αποθήκευση, υπολογισμός, εύρος ζώνης, ραδιοφωνικός πόρος..) για την κάλυψη των αναγκών των εφαρμογών/αντικειμένων. Η θεωρία παιχνιδιών, η μάθηση πολλών παραγόντων και η διαπραγμάτευση είναι τα εργαλεία που θα χρησιμοποιήσουμε για να κάνουμε το δίκτυο IIoT αυτόνομο. Οι προτάσεις μας θα επικυρωθούν αναλυτικά, με προσομοίωση αλλά και στην πλατφόρμα CPER PFEEXECL ffca «Εργοστάσια του μέλλοντος Champagne-Ardenne» στην οποία συμμετέχουμε.