Είσοδος

Συστήματα Κατεργασιών ΙΙ

Γενικά στοιχεία

 

 
Περιγραφή

από τον Οδηγό Σπουδών
Αντιμετώπιση προβλημάτων σύγχρονων συστημάτων κατεργασιών με χρήση υπολογιστικής νοημοσύνης και άλλες συναφείς τεχνικές. Γίνεται εισαγωγή σε προηγμένα εργαλεία πληροφορικής : έμπειρα συστήματα, τεχνητά νευρωνικά δίκτυα, εξελικτικούς αλγορίθμους, ασαφή λογική. Έμφαση δίνεται στην πρακτική εξάσκηση μέσω ανατιθέμενων εργασιών με χρήση λογισμικού και λιγότερο στη θεωρητική θεμελίωση των σχετικών μεθόδων και εργαλείων. Τυπικά ζητήματα, που καλύπτονται σε διαφορετικό βαθμό με τις παραπάνω τεχνικές: Εκπόνηση φασεολογίων. Ορισμός και αναγνώριση μορφολογικών χαρακτηριστικών για συγκεκριμένες οικογένειες κατεργασιών (αποβολή υλικού, διαμόρφωση ελάσματος). Επιλογή παραμέτρων κατεργασιών. Στρατηγικές τροχιάς, επιλογή εργαλείων και μεταβολής της πρόωσης στο φρεζάρισμα υψηλής ταχύτητας. Κριτήρια χρόνου και ποιότητας κατεργασμένου τεμαχίου. Έλεγχος κατεργασιών με βάση ποσοτικά και ποιοτικά μοντέλα τους. Μετάβαση από την επιλογή παραμέτρων στον έλεγχο της κατεργασίας. Έλεγχος κυττάρων κατεργασιών. Κριτήρια ανάθεσης εργασιών: χρόνος ολοκλήρωσης κατεργασιών, βαθμός χρησιμοποίησης πόρων κλπ. Σύνδεση με προσομοίωση διακριτών γεγονότων. Σχεδιασμός συστημάτων κατεργασιών. Απλοποιημένα φασεολόγια. Εικονικά συστήματα κατεργασιών και βέλτιστη σύνθεση τους κατά περίπτωση. Διάγνωση προβλημάτων και δυσλειτουργιών συστημάτων κατεργασιών. Παρακολούθηση μεμονωμένων κατεργασιών βάσει αισθητηρίων. Παρακολούθηση διακριτών μεταβολών κατάστασης συστημάτων κατεργασιών.

Διεξαγωγή
Το μάθημα γίνεται με βάση εργασίες, εκ των οποίων κάποιες ενδεχομένως απαιτούν πρόσβαση στο εργαστήριο (μηχανές CNC, ρομπότ, ελεγκτές).
Σε κάθε ομάδα σπουδαστών ανατίθενται 3 εργασίες και δίνεται χρονοδιάγραμμα εκπόνησης τους.
Γίνεται εισαγωγή στα υπολογιστικά εργαλεία (διαλέξεις ή/και υλικό για διάβασμα και οδηγίες φόρτωσης των αντίστοιχων προγραμμάτων σε Η/Υ).
Σε κάθε μάθημα παρουσιάζεται η πρόοδος της κάθε εργασίας από τους φοιτητές και γίνονται παρεμβάσεις από τον διδάσκοντα και το ακροατήριο.

Προσωπική ιστοσελίδα διδάσκοντος
url: http://users.ntua.gr/vosniak/ 

Βιβλιογραφία

Δίνεται αρκετή βιβλιογραφία για κάθε εργασία κατά περίπτωση.

 

Υλικό αναφοράς από τη βιβλιοθήκη ΕΜΠ

  • Fausett, Laurene V.: Fundamentals of neural networks : architectures, algorithms, and applications,Upper Saddle River, New Jersey : Prentice Hall, c1994, 006.3 FAU.
  • Goldberg, David E.: Genetic algorithms in search, optimization, and machine learning, Reading, Mass. : Addison-Wesley, 1989, 006.31 GOL.

 

 

Εργαστήριο

Χρήση του Matlab για κατασκευή ΤΝΔ, ασαφών συστημάτων, γενετικών αλγορίθμων, κελυφών ανάπτυξης έμπειρων συστημάτων (Xpert Rule / CLIPS) στο πλαίσιο σχεδιασμού και ανάλυσης συστημάτων κατεργασιών.

Πρόσβαση σε εργαλειομηχανές CNC, οπτικές CMM, εκπαιδευτικό FMS, ρομπότ, laser μετρολογίας εργαλειομηχανών, συστήματα CAD/CAM.

 

Mέθοδοι αξιολόγησης

Το 100% του τελικού βαθμού προέρχεται από εκπόνηση εργασιών.

 

Διδάσκοντες

Γιώργος-Χριστόφορος Βοσνιάκος
Καθηγητής
Γραφείο: E213
Τηλ.: 210 772 1457
e-mail:
vosniak@central.ntua.gr
url: http://users.ntua.gr/vosniak/

 

Πανώριος Μπενάρδος
Επίκουρος Καθηγητής
Γραφείο: E209
Τηλ.: 210 772 1799
e-mail: 
pbenard@mail.ntua.gr

 


 
Συγχρηματοδότηση
από την Ε.Ε.