Detail předmětu
Inteligentní výrobní systémy
FSI-GIS Ak. rok: 2027/2028 Zimní semestr
Pokrok ve výrobní a počítačové technice a zejména v jejich propojení přináší nové přístupy v oblastech návrhu 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 tomuto vývoji nadále nedostačují.
Studenti se proto seznamují s novými přístupy a metodami: s pojetím výrobního systému jako inteligentního systému, se základy umělé inteligence, s klasifikačními metodami a fuzzy logikou, s optimalizací pomocí evolučních algoritmů, s umělými neuronovými sítěmi a s metodami využívajícími znalostní báze.
Je ukázáno, jak tyto metody aplikovat a tím přinést novou kvalitu pro jednotlivé činnosti ve výrobním systému – návrh a konstrukci výrobků, technologickou přípravu výroby, skupinovou technologii, rozvrhování a řízení výroby a řízení kvality výroby. Pozornost je věnována také algoritmům pro plánování cest a jejich využití při řízení výroby a robotů.
Metody klasifikace, evoluční optimalizace a fuzzy množin jsou v předmětu rozvíjeny do hloubky návrhu parametrů a vyhodnocení výsledků; jejich zavedení a základní aplikace jsou obsahem předmětu Zpracování dat.
Jazyk výuky
čeština
Počet kreditů
4
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
Student umí popsat princip Booleovy algebry a základů matematické logiky. Umí vysvětlit pojmy vektor, matice, derivace a integrál funkce jedné i více proměnných a pojmy pravděpodobnost a podmíněná pravděpodobnost.
Student umí zapsat algoritmus v některém vyšším programovacím jazyce, například v Pythonu, jazyce C nebo MATLABu, a pracovat s knihovnami pro numerické výpočty. Umí popsat základní principy relační databáze a základní metody klasifikace dat.
Způsob zakončení předmětu a pravidla hodnocení studentů
Předmět je zakončen zápočtem a zkouškou.
Podmínky zápočtu
- Povinná účast na cvičeních s počítačovou podporou. Tolerance jedné omluvené absence; způsob náhrady zameškané výuky určí vyučující.
- Průběžné plnění dílčích úloh: klasifikace dat, fuzzy regulátor, evoluční optimalizace, expertní systém a plánování cesty.
- Zpracování semestrálního projektu v rozsahu 10 až 15 normostran včetně funkční implementace, zaměřeného na návrh inteligentního řízení vybraného dílčího procesu výrobního systému. Projekt obsahuje volbu metody, přípravu dat, implementaci a vyhodnocení výsledků. Odevzdává se nejpozději do 12. výukového týdne a ve 12. výukovém týdnu je obhajován.
- Za dílčí úlohy lze získat 0 až 15 bodů, za semestrální projekt a jeho obhajobu 0 až 15 bodů, celkem tedy 0 až 30 bodů.
- Zápočet se uděluje při splnění podmínky účasti; dosažené bodové hodnocení přitom může činit i 0 bodů. Zápočet se uděluje ve 13. výukovém týdnu; náplní 13. výukového týdne je kontrola výsledků ze cvičení a udělení zápočtu.
Zkouška
- Zkouška má formu písemného testu z oblasti metod umělé inteligence, klasifikace, fuzzy logiky, evolučních algoritmů, znalostních bází a plánování cest. Z testu lze získat 0 až 70 bodů.
- Ke zkoušce postupuje student, kterému byl udělen zápočet.
Výsledná klasifikace
- Celkové hodnocení tvoří body ze cvičení (0 až 30 bodů) a body ze zkoušky (0 až 70 bodů), celkem nejvýše 100 bodů.
- Klasifikační stupnice: A 90 až 100 bodů, B 80 až 89 bodů, C 70 až 79 bodů, D 60 až 69 bodů, E 50 až 59 bodů, F 0 až 49 bodů.
Učební cíle
Absolvent umí:
- vysvětlit rozdíl mezi algoritmickým a znalostním přístupem k řešení úloh a zařadit metody umělé inteligence do kontextu Průmyslu 4.0,
- zvolit vhodnou klasifikační metodu pro zadanou úlohu, připravit prediktory a porovnat výsledky alternativních metod,
- navrhnout a implementovat fuzzy regulátor pro zadaný dílčí proces výrobního systému,
- optimalizovat parametry zadané úlohy pomocí evolučního algoritmu a vyhodnotit kvalitu dosaženého řešení,
- navrhnout strukturu jednoduché znalostní báze a demonstrovat inferenci expertního systému,
- implementovat algoritmus plánování cesty v zadaném diskretizovaném prostředí,
- obhájit volbu metody a interpretovat dosažené výsledky v odborné rozpravě.
Použití předmětu ve studijních plánech
Program N-VSR-P: Výrobní stroje, systémy a roboty, magisterský navazující, povinně volitelný
Typ (způsob) výuky
Přednáška
13 hod., nepovinná
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
Osnova
1. Klasifikace dat, volba prediktorů, porovnání metod
2. Fuzzy logika ve výrobním systému
3. IoT a cloudové systémy
4. Konvoluční neuronové sítě
5. Optimalizace pomocí evolučních algoritmu
6. Seznámení se s expertními systémy,
7. Řešení úloh s expertními systémy, příklady aplikací.
8. Vizualizace výrobního procesu, ukázka SCADA/HMI
9. Vizualizace výrobního procesu, ukázka SCADA/HMI
10. Práce na zadaném projektu
11. Práce na zadaném projektu
12. Vyhodnocení závěrečných prací
13. Zápočet