Login
 Forum
 
 
Thesis topic proposal
 
Dénes Fodor
Intelligens mobil robotok gyártócellába integrálásának MI alapú támogatása az ipar 4.0 kontextusában

THESIS TOPIC PROPOSAL

Institute: University of Pannonia
material sciences
Chemical Engineering and Material Sciences Doctoral School

Thesis supervisor: Dénes Fodor
Location of studies (in Hungarian): Pannon Egyetem, Gépészmérnöki Intézet
Abbreviation of location of studies: PE


Description of the research topic:

Az intelligens mobil ipari robotok elterjedése a közeljövő egyik meghatározó fejlődési trendje lesz az iparban. Ezen intelligens eszközök optimális felhasználása a gyártási folyamatokban nagy kihívást jelent mind gyártás-tervezői mind rendszer-integrátori oldalról. Az ipar 4.0 egyre nagyobb térnyerésével pedig egyre több adattal és információ áll rendelkezésre a gyártási folyamatokról. Ezen adatok segítségével a gyártási folyamatok monitorozása, többcélú optimalizálása, a felmerülő hibák előrejelzése és a folyamatok újrakonfigurálása on-line, azaz valós időben megtehető. Ezekben a komplex rendszerekben egyre nagyobb számban jelennek meg ipari mobil roboteszközök, melyek integrálása korszerű kommunikációs, elosztott szabályozási és kooperációs feladatok megoldását igényli.
A témakiírás célja egy olyan gyártást támogató módszertan kidolgozása, mellyel a gyártócellák és a kapcsolódó kiszolgáló berendezések és folyamatok (pl. alapanyag raktárak, csomagoló és ellenőrző gépek, selejtek és fennakadások aránya) ismeretében a piacon elérhető intelligens mobil platformok közül ki lehet választani egy adott feladat megoldására alkalmas optimális robotot. A gyors újrakonfigurálhatóság miatt az egyes mechanikus elemek (pl. megfogó szerkezet…) optimális anyag kiválasztása, különös tekintettel a 3D nyomtatás kínálta fém és nem fém anyagokra is a vizsgálatok tárgyát képezi. Továbbá a kutatómunka során ki kell térni a robotok gyártócellához történő integrálhatóságának informatikai kérdésköreire is.
A módszertan használhatóságát egy tudásbázis alapú szakértői keretrendszer létrehozásán keresztül kell demonstrálni, mely bemenő adatok alapján (a gyártócella és a gyártási folyamat paraméterei) mesterséges intelligencia módszerekkel, szabály alapú következtetéssel, és gépi tanulással kiválasztja és konfigurálja az elérhető platformokból a feladatra leginkább alkalmas változatot. Mivel az elérhető mobil robot típusok száma folyamatosan növekszik ezért mind az adatbázis, mind a tudásbázis dinamikus bővíthetőségét biztosítani kell.

A kutatási téma előzményei:
Intézetünk korábbi K+F projektjeinek és kiváló ipari kapcsolatainak köszönhetően rendelkezik a kutatás elvégzéséhez szükséges infrastruktúrával, mobil robotokkal, adatelemzési és szimulációs eszközökkel, illetve laboratóriumi eszközháttérrel, melyek közül kiemelendő a FESTO Minigyár, amely moduláris felépítésű (Modular Production System), szabadon konfigurálható és nyílt vezérléssel rendelkező, összetett gyártó és logisztikai rendszer. Segítségével lehetővé válik témakiírásban megfogalmazott kérdéskörök vizsgálata. A rendszer teljes mértékben alkalmas az Ipar 4.0 által megfogalmazott irányelvek vizsgálatára, a (mini) gyáron fejlesztett módszerek és prototípusok akár konkrét ipari környezetben is alkalmazhatóvá válhatnak. A fenti eszközbázison túl rendelkezésünkre áll a Siemens PLM szoftvercsalád (SolidEdge, NX, TemCenter, Tecnomatix, Plant Simulation) mely a digitális gyártás területén az egyik legelterjedtebb szoftverrendszer.

Megjegyzés: A Jelölt támaszkodhat az intézetben felhalmozott tudásra mind az eszközök, szoftverek mind az eddigi tudományos eredmények tekintetében, valamint ezen a téren meglévő szakmai kapcsolataira

Number of students who can be accepted: 1

Deadline for application: 2019-01-31


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).

 
All rights reserved © 2007, Hungarian Doctoral Council. Doctoral Council registration number at commissioner for data protection: 02003/0001. Program version: 2.2358 ( 2017. X. 31. )