Témakiírások
Mesterséges intelligencia vezérelt gyártóüzem elrendezés tervezés és optimalizálás Ipar 4.0 környezetben
témakiírás címe
Mesterséges intelligencia vezérelt gyártóüzem elrendezés tervezés és optimalizálás Ipar 4.0 környezetben
intézmény
doktori iskola
témakiíró
társtémakiíró
tudományág
témakiírás leírása
A gyártóüzemi elrendezések optimalizálásával évtizedek óta foglalkoznak, azonban döntések továbbra jellemzően is a tapasztalatokon, a kvalitatív értékeléseken alapulnak. A generatív tervezés ebben az esetben olyan számítógépes tervezési paradigma, amely adatvezérelt algoritmusokon keresztül lehetővé teszi sokféle elrendezési alternatíva létrehozását egy megadott szabály-, korlát- és célrendszer alapján, majd automatikusan értékeli és rangsorolja azokat (például anyagmozgatási költség, átfutási idő, sorkiegyenlítés, ergonómia, energia, fenntarthatóság, újra konfigurálhatóság). Az Ipar 4.0 kontextust a digitalizált termelési rendszerekben használt korszerű (IoT, CPS, DT) megoldások lehetőségei adják. A kutatási téma a gyártástervezés, az ipari informatika és a mesterséges intelligencia metszetében helyezkedik el.
A kutatás célja: A kutatás célja olyan gépi tanulási és mély tanulási technikák (keretrendszer) fejlesztése, amely képes a gyártóüzemek többcélú, adaptív és adatalapú optimalizálására az Ipar 4.0 környezetben. Kiemelt figyelmet kap az általánosítható mély megerősítéses tanulás (deep reinforcement learning, DRL) modell kidolgozása, amelyek hatékonyabban használhatók, mint a hagyományos metaheurisztikus módszerek. Emellett a kutatás során vizsgáljuk azt, hogy Ipar 4.0 digitális elemek (IoT, CPS, DT) integrálása, hogyan növeli a generatív AI modellek prediktív pontosságát és adaptív képességét. Fontos terület még keretrendszer fejlesztése során az ember, robot és (autonóm) mozgó járművek (AMR/AVG) útvonal-optimalizálását, biztonsági és ergonómiai követelményeit vizsgálni.
Meglévő eszközök: Különböző ipari gépek (pl. CNC eszterga, marógép, hegesztőrobot) és modell gyártósorok (Fischertechnik gyártósor, FESTO folyamat modell), beágyazott eszközök és szenzorok.
Alkalmazandó technológiák: reinforcement learning, Ipar 4.0 digitális elemek (IoT, CPS, DT) alkalmazása
A kutatás célja: A kutatás célja olyan gépi tanulási és mély tanulási technikák (keretrendszer) fejlesztése, amely képes a gyártóüzemek többcélú, adaptív és adatalapú optimalizálására az Ipar 4.0 környezetben. Kiemelt figyelmet kap az általánosítható mély megerősítéses tanulás (deep reinforcement learning, DRL) modell kidolgozása, amelyek hatékonyabban használhatók, mint a hagyományos metaheurisztikus módszerek. Emellett a kutatás során vizsgáljuk azt, hogy Ipar 4.0 digitális elemek (IoT, CPS, DT) integrálása, hogyan növeli a generatív AI modellek prediktív pontosságát és adaptív képességét. Fontos terület még keretrendszer fejlesztése során az ember, robot és (autonóm) mozgó járművek (AMR/AVG) útvonal-optimalizálását, biztonsági és ergonómiai követelményeit vizsgálni.
Meglévő eszközök: Különböző ipari gépek (pl. CNC eszterga, marógép, hegesztőrobot) és modell gyártósorok (Fischertechnik gyártósor, FESTO folyamat modell), beágyazott eszközök és szenzorok.
Alkalmazandó technológiák: reinforcement learning, Ipar 4.0 digitális elemek (IoT, CPS, DT) alkalmazása
felvehető hallgatók száma
2 fő
helyszín
Szombathely
jelentkezési határidő
2026-05-30