Detail předmětu

Inteligentní výrobní systémy

FSI-GIS-KAk. rok: 2021/2022

Pokrok ve výrobní a počítačové technice a zejména v jejich propojení přináší nové přístupy v oblastech návrhů výrobků a jejich realizace ve výrobních procesech a výrobních systémech. Ty jsou v současné době vyjádřeny v konceptu Průmysl 4.0, z něhož vyplývá, že tradiční nástroje pro potřebné činnosti v oblasti strojírenské výroby nadále tomuto vývoji nedostačují. Proto se zde studenti seznamují s novými přístupy a metodami:
Výrobní systém jako inteligentní systém, základy umělé inteligence, expertní systémy, neuronové sítě, metody využívající znalostních bází ve výrobních systémech. Je ukázáno, jak tyto metody aplikovat a tím přinést novou kvalitu pro jednotlivé činnosti ve výrobním systému - návrh a konstrukce výrobků, technologická přípravy výroby, skupinová technologie, návrh struktury výroního systému, rozvrhování a řízení výroby, řízení kvality výroby.

Jazyk výuky

čeština

Počet kreditů

4

Garant předmětu

Výsledky učení předmětu

Studenti získají znalosti vybraných metod pro vytváření matematických modelů jednotlivých činností ve výrobních systémech a základních metod jejich řešení. Důraz je kladen na získání znalostí a dovedností potřebných při algoritmizaci probíraných metod. Dále získají studenti základní znalosti v oblasti aplikace metod umělé inteligence do výrobních systémů, zejména pak expertních systémů a neuronových sítí.

Prerekvizity

Základní znalosti matematiky a základy informatiky.

Plánované vzdělávací činnosti a výukové metody

Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách.
Dle možností budou pro studenty organizovány přednášky odborníků z praxe a exkurze do firem zabývajících se činnostmi souvisejícími s obsahem předmětu.

Způsob a kritéria hodnocení

Předmět se skládá ze cvičení a přednášek. Cvičení je ukončeno zápočtem (je udělován ve 13. výukovém týdnu). K jeho získání je nutná 100% účast na cvičení a dále aktivita ve cvičení. Student zpracuje k zápočtu samostatnou práci v předepsaném rozsahu a kvalitě. Na základě kvality práce ve cvičení, získává student až 30 bodů ke zkoušce Práce musí být odevzdána v písemné formě a učitelem zkontrolována a uznána. Zkouška je realizována písemným testem, student může z tohoto testu získat až 70 bodů, kde 30 bodů získává ze cvičení. Hodnocení výsledku zkoušky je dáno klasifikační stupnicí dle ECTS.

Učební cíle

Cílem předmětu je seznámit studenty s moderními metodami a nástroji pro návrh výrobních systémů a jejich řízení v prostředí automatizované výroby. Hlavní důraz je kladen na nástroje a metody založené na aplikaci znalostních systémů a ptimalizačních přístupů k řešení problémů v oblasti návrhu a řízení. Jsou zde probrány i základní přístupy související s umělou inteligencí.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na cvičeních je povinná a je kontrolována. Při neúčasti omluvené ze závažných důvodů je možnost náhrady samostatným řešením zadaných úloh ze zameškané látky.

Základní literatura

Kusiak, A.: Intelligent Manufacturing Systems
Chang, T., Wysk R.A., Wang, H.: Computer-Aided Manufacturing

Zařazení předmětu ve studijních plánech

  • Program N-VSR-K magisterský navazující, 2. ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Konzultace v kombinovaném studiu

13 hod., povinná

Vyučující / Lektor

Osnova

1. Základy metod umělé inteligence, základní přístupy, rozdíl proti algoritmickým přístupům k řešení úloh.
2. Neuronové sítě, jejich základní principy a aplikace do oblasti výrobních systémů
3. Klasifikační metody, typy klasifikátorů, volba prediktorů, fuzzy logika.
4. Optimalizace parametru s využitím evolučních algoritmů.
5. Systémy založené na znalostní bázi - způsoby reprezentace znalosti, základní metody.
6. Algoritmy pro plánování cest.
7. Zápočet

Konzultace

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. Klasifikace dat, volba prediktorů, porovnání metod
2. Neuronové sítě v kontextu výrobního procesu
3. Konvoluční neuronové sítě
4. Optimalizace pomocí evolučních algoritmu
5. IoT a cloudové systémy
6. Fuzzy logika ve výrobním systému
7. Vizualizace výrobního procesu, ukázka SCADA/HMI
8. Vizualizace výrobního procesu, ukázka SCADA/HMI
9. Seznámení se s expertními systémy,
10. Řešení úloh s expertními systémy, příklady aplikací.
11. Algoritmy pro plánování cest.
12. Vyhodnocení závěrečných prací
13. Zápočet