Inteligentní výrobní systémy (FSI-GIS)

Akademický rok 2021/2022
Garant: Ing. Daniel Zuth, Ph.D.  
Garantující pracoviště: ÚVSSR všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština
Cíle předmětu:
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.
Výstupy studia a kompetence:
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.
Obsah předmětu (anotace):
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.
Metody vyučování:
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.
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.
Typ (způsob) výuky:
    Přednáška  13 × 1 hod. nepovinná                  
    Cvičení s počítačovou podporou  13 × 2 hod. povinná                  
Osnova:
    Přednáška 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 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
Literatura - základní:
1. Kusiak, A.: Intelligent Manufacturing Systems
2. Chang, T., Wysk R.A., Wang, H.: Computer-Aided Manufacturing
3. Mařík V. a kol. Umělá inteligence, Akademia Praha 1-4
4. Tomek G., Vávrová V. Řízení výroby, Grada Publishing 2000
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
N-VSR-P prezenční studium --- bez specializace -- zá,zk 4 Povinně volitelný 2 2 Z