Detail předmětu
Inteligentní výrobní systémy
FSI-GIS Ak. rok: 2021/2022 Zimní semestr
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. 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, rozvrhování a řízení výroby, řízení kvality výroby.
Garant předmětu
Zajišťuje ústav
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 matematických 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.
Jazyk výuky
čeština
Cíl
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 optimalizačních 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.
Použití předmětu ve studijních plánech
Program N-VSR-P: Výrobní stroje, systémy a roboty, magisterský navazující
obor ---: bez specializace, 4 kredity, povinně volitelný
Typ (způsob) výuky
Přednáška
13 hod., nepovinná
Vyučující / Lektor
Osnova
1.- 2. Základy metod umělé inteligence, základní přístupy, rozdíl proti algoritmickým přístupům k řešení úloh.
3. – 4. Klasifikační metody, typy klasifikátorů, volba prediktorů, fuzzy logika.
5. – 6. Optimalizace parametru s využitím evolučních algoritmů.
7. – 8. Metody umělé inteligence, jejich základní principy a aplikace do oblasti výrobních systémů
9. – 10. Systémy založené na znalostní bázi – způsoby reprezentace znalosti, základní metody.
11. – 12. Algoritmy pro plánování cest.
13. Zápočet
Cvičení s počítačovou podporou
26 hod., povinná
Vyučující / Lektor
Osnova
1. Seznámení se s expertními systémy,
2. Řešení úloh s expertními systémy, příklady aplikací.
3. Neuronové sítě v kontextu výrobního procesu
4. Konvoluční neuronové sítě
5. Klasifikace dat, volba prediktorů, porovnání metod
6. Optimalizace pomocí evolučních algoritmu
7. IoT a cloudové systémy
8. Fuzzy logika ve výrobním systému
9. Vizualizace výrobního procesu, ukázka SCADA/HMI
10. Vizualizace výrobního procesu, ukázka SCADA/HMI
11. Algoritmy pro plánování cest.
12. Vyhodnocení závěrečných prací
13. Zápočet