Innovatív informatikai fejlesztések, virtuális és kiterjesztett valóság, számítógépes szimulációk és mesterséges intelligencia a gyógyászati segédeszközöket gyártó iparág
témavezető: Gilányi Attila
helyszín (magyar oldal): Debreceni Egyetem Informatikai Kar helyszín rövidítés: ITDI
A kutatási téma leírása:
Napjaink gyógyászati segédeszközöket gyártó iparágában egyre nagyobb teret nyernek az Ipar 4.0 követelményei. A modern kihívásokhoz való alkalmazkodás szükségessé teszi, hogy az iparág fejlesztései között jelentős szerepet kapjanak a virtuális és kiterjesztett valósággal (VR), a számítógépes szimulációval (CS) és a mesterséges intelligenciával (AI) kapcsolatos kutatási és innovációs projektek. A PhD téma kidolgozása során számos gyakorlati szempontból is fontos tudományos, kutatási, fejlesztési feladat megoldásával lehet foglalkozni, és számos kihívással kell szembenézni.
A VR témáknak része lehet az iparághoz köthető, tágabb értelemben vett oktatási módszertan fejlesztése. Egy-egy bonyolult, több rétegű, az oktatás szempontjából termelési körülmények között csak komoly költséggel és nagyon nehézkes időbeosztással megoldható feladat esetében, a megfelelően kidolgozott virtuális rendszerek hathatós segítséget nyújthatnak. Az oktatás mellett számos, a mindennapi működést, továbbá ipari technológia és folyamatfejlesztést támogató virtuális rendszer alakítható ki, továbbá az egészségügyi rehabilitációhoz köthetően is fejlesztési lehetőségek merülnek fel.
A számítógépes szimulációval (CS) kapcsolatos innovációk különösen fontosak az automatizációs kihívások megoldásainál. Az iparág ide vonatkozó fejleszthető területeinek feltérképezése után, technológiák és folyamatok számítógépes modellezésére, szimulációjára kerülhet sor. A terület szakértőivel együttműködve, első lépcsőben a műszaki és természettudományos háttér tudományos alapossággal történő feltárása, a legfontosabb függvények, kapcsolati hálók meghatározása történhet meg. Ezek után az iparágban alkalmazható szimulációs metodikák optimalizálására, majd az ide tartozó problémák gyakorlatban is hasznos és egyben tudományos igényű szimulációinak kidolgozására kerülhet sor.
A mesterséges intelligencia (AI) segítségével a selejtek, a technológiai és folyamat szintű hibák felismerése, kontrollja várhatóan számos esetben a jelenleg alkalmazott módszereknél hatékonyabb szintre fejleszthető. A technológiai folyamatok, a különböző szintű gyártási és működési folyamatok során jelentős mennyiségű olyan adat keletkezik, amely feldolgozása jelenleg nem megoldott. A nagy adathalmazban fellelhető mintázatok feltárása, összevetése a technológiákra és gyártási folyamatokra vonatkozó természettudományos és mérnöki ismeretekkel, minőségileg magasabb szintre emelheti az iparági folyamatok felügyeletét.
A PhD téma keretében kidolgozott rendszerek és fejlesztések komplex módon beilleszthetők az iparág kutatási-fejlesztési folyamataiba és végeredményként részben elméleti, részben a mindennapi működést segítő gyakorlati eredmények születhetnek a legmodernebb, tudományos szinten.
Hivatkozások:
1. Tony Parisi, Learning Virtual Reality, O’Reilly Media, 2015.
2. Steven M. LaValle, Virtual Reality, Cambridge University Press, 2017.
3. William R. Sherman, Alan B. Craig, Understanding Virtual Reality: Interface, Application, and Design, Morgan Kaufmann, 2018.
4. M. M. Woolfson, G. J. Pert, Introduction to Computer Simulation, Oxford University Press, 1999.
5. Santner Thomas J, Williams Brian J, Notz William I, The design and analysis of computer experiments, Springer Verlag, 2003.
6. Martin O. Steinhauser, Computer Simulation in Physics and Engineering, de Gruyter, 2012.
7. Edward N. Zalta (Principal editor), Eric Winsberg (Author), Computer Simulations in Science, Stanford Encyclopedia of Philosophy, Stanford University Press, 2019.
8. Jeff Heaton, Artificial intelligence for humans, Vol. 1 Fundamental algorithms, Heaton Research Inc., 2013.
9. David Brown, Machine Learning for Beginners: A Step-By-Step Guide to Understand Deep Learning, Data Science and Analysis, Basic Software and Algorithms for Artificial Intelligence, Kindle edition, 2019.
10. John D. Kelleher, Brian Mac Namee, Aoife D’Arcy, Fundamentals of machine learning for predictive data analytics, Second edition, Algorithms, worked examples, and case studies, MIT Press, 2020.
Jelentkezési határidő: 2024-05-15
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Bejelentkezés
