Prof. dr hab. inż. Tadeusz BURCZYŃSKI, czł. koresp. PAN Instytut Podstawowych Problemów Techniki PAN ul. A. Pawińskiego 5B 02-106 Warszawa e-mail: tburczynski@ippt.pan.pl Warszawa, 15.09.2017 Recenzja rozprawy doktorskiej mgr inż. Joanny Wróbel Zastosowanie narzędzi sztucznej inteligencji do identyfikacji i optymalizacji modelu numerycznego procesu hartowania 1. Uwagi ogólne Rozprawa doktorska mgr inż. Joanny Wróbel poświęcona jest zastosowaniu wybranych technik sztucznej inteligencji do numerycznego modelowania zjawisk hartowania. Podjęcie tej tematyki badawczej należy uznać za trafne z uwagi na prowadzone obecnie na świecie i w kraju zaawansowane badania nad zastosowaniem różnych metod inteligencji obliczeniowej do zagadnień inżynierskich. Praca powstała na Wydziale Inżynierii Mechanicznej i Informatyki Politechniki Częstochowskiej, a jej promotorem jest dr hab. inż. Adam Kulawik, prof. PCz. Praca ma charakter interdyscyplinarny i można ją usytuować na przecięciu takich dyscyplin jak inżynieria materiałowa, mechanika i informatyka, przy czym wiodącą rolę pełni tutaj mechanika, a zwłaszcza jej podobszar związany z obliczeniową mechanika materiałów. 2. Zakres rozprawy Rozprawa zawiera 166 stronic i składa się z pięciu rozdziałów streszczeń w j. polskim i angielskim, bibliografii oraz spisu tabel i rysunków. W rozdziale 1. scharakteryzowano zagadnienia związane z tematyką pracy. Dokonano przeglądu prac wykorzystujących techniki sztucznej inteligencji do sterowania parametrami obróbki cieplnej. W rozdziale tym sformułowano cel i zakres rozprawy. Rozdział 2. poświęcony został podstawom teoretycznym procesu obróbki cieplnej. Przedstawiono w nim krótkie wprowadzenie do zagadnień obróbki cieplnej, a szczególnie zabiegu hartowania, model matematyczny i numeryczny zjawisk cieplnych oraz opisano
kinetykę przemian fazowych w stanie stałym podczas nagrzewania i chłodzenia. Rozdział ten zawiera także matematyczny i numeryczny model zjawisk mechanicznych. W rozdziale 3. scharakteryzowano narzędzia sztucznej inteligencji. Pokrótce podano podstawowe informacje na temat sztucznych sieci neuronowych. Przedstawiono budowę sztucznych sieci neuronowych i metody ich uczenia oraz przedstawiono algorytm propagacji wstecznej błędu. Rozdział ten zawiera także opis podstawowych zagadnień związanych z algorytmami genetycznymi oraz schemat działania klasycznego algorytmu genetycznego. Najważniejszą i najobszerniejszą część pracy stanowi rozdział 4. W rozdziale tym Doktorantka przedstawiła zastosowanie sztucznych sieci neuronowych do identyfikacji parametrów procesu hartowania oraz algorytmów genetycznych do optymalizacji drogi przejścia głowicy hartującej. W rozdziale tym przedstawione zostały wyniki symulacji numerycznych. W rozdziale 5. Doktorantka podsumowała wyniki badań i przedstawiła wnioski wynikające z przeprowadzonych symulacji numerycznych. W zakończeniu pracy zamieszczono streszczenie w języku polskim i angielskim. Bibliografia zawiera 186 pozycji literaturowych, w tym 5 pozycji jest współautorstwa Doktorantki. 3. Ocena merytoryczna Celem rozprawy było zastosowanie wybranych technik sztucznej inteligencji, w postaci sztucznych sieci neuronowych oraz algorytmów genetycznych do modelowania numerycznego zjawisk hartowania. Proces modelowania wymaga określenia pewnych parametrów modelu. Najbardziej racjonalnym podejściem do tego zagadnienia jest dobranie parametrów modelu na podstawie procesu identyfikacji, poprzez skonfrontowanie danych eksperymentalnych z wynikami symulacji numerycznej. W tym celu można użyć sztucznych sieci neuronowych. Mając tak zbudowany model można poszukiwać także najlepszych parametrów samego procesu hartowania, które gwarantują minimalizację pewnych zmiennych stanu, np. naprężeń. Do tak sformułowanego zagadnienia optymalizacji przydatny może być algorytm genetyczny. Rozważane w rozprawie zagadnienia wymagały połączenia wymienionych technik sztucznej inteligencji z numerycznymi modelami zjawisk cieplnych, mechanicznych oraz przemian fazowych. W rozprawie przedstawiono modele matematyczne i numeryczne procesu obróbki cieplnej elementów stalowych ze średniowęglowej stali konstrukcyjnej. Uwzględniono zależności występujące pomiędzy zjawiskami cieplnymi, przemianami fazowymi oraz zjawiskami mechanicznymi. W modelu zjawisk cieplnych rozwiązanie równania przewodzenia ciepła z członem konwekcyjnym uzyskano z wykorzystaniem sformułowania Petrova-Galerkina. Przeanalizowano możliwość zastosowania różnych warunków brzegowych w symulacji nagrzewania i chłodzenia. Model przemian fazowych został opracowany na podstawie empirycznych równań Avrami oraz Koistinena-Marburgera z wykorzystaniem analizy wykresów CTP a i CTP c. Opracowany model zjawisk mechanicznych i jego implementacja dała możliwość symulacji stanu naprężenia w zakresie sprężysto-plastycznym ze wzmocnieniem kinematycznym lub izotropowym. Do rozwiązania tych zadań zastosowano metodę elementów skończonych. Model zjawisk cieplnych i przemian fazowych został dodatkowo zweryfikowany badaniami metalograficznymi. 2
Do identyfikacji parametrów procesu obróbki cieplnej zastosowano jednokierunkową sieć wielowarstwową. Do uczenia sieci wykorzystano momentową metodę wstecznej propagacji błędu. Z kolei do optymalizacji zastosowano algorytm genetyczny z kodowaniem binarnym chromosomów. Doktorantka przedstawiła rozwiązanie czterech zagadnień z zakresu identyfikacji wybranych parametrów obróbki cieplnej za pomocą sztucznych sieci neuronowych oraz jedno z zakresu optymalizacji przy zastosowaniu algorytmu genetycznego. W pierwszym zagadnieniu identyfikacji, w którym porównano wyniki uzyskane z eksperymentu z wynikami obliczeń numerycznych, uzyskano dobrą zgodność rozkładów: temperatury, ułamków faz oraz twardości. Zastosowano cztery konfiguracje sieci neuronowej i określono parametry powierzchniowe źródła ciepła dla ograniczonej liczby parametrów wejściowych sieci. Drugie zagadnienie polegało na zastosowaniu sztucznych sieci neuronowych do określenia parametrów hybrydowego źródła ciepła procesu obróbki cieplnej z przetopieniem. Poszukiwanymi parametrami źródła ciepła były: promień i moc źródła powierzchniowego oraz promień i moc źródła objętościowego. Przeprowadzono obliczenia dla dwóch sieci o różniej liczbie neuronów w warstwie wejściowej. W trzecim zagadnieniu Doktorantka zastosowała sieć neuronową do sterowania prędkością powierzchniowego źródła ciepła w procesie obróbki cieplnej elementów osiowosymetrycznych o różnicowanych promieniach. Zagadnienie czwarte polegało na zastosowaniu sieci neuronowej do określania wartości współczynnika przejmowania ciepła od odlewu staliwnego. Wielowarstwowa sztuczna siec neuronowa wyznaczała wymagane wartości współczynników na podstawie ułamków faz w węzłach kontrolnych znajdujących się w obszarze odlewu. Rozwiązane cztery zagadnienia wskazują, że sztuczne sieci neuronowe są skutecznym narzędziem w identyfikacji parametrów źródła ciepła oraz parametrów chłodzenia. Zastosowanie modelu numerycznego zjawisk procesu obróbki cieplnej stali pozwoliło na wyznaczenie dużej liczby danych uczących oraz testowych, a także na na uwzględnienie rożnych geometrycznie stref wpływu ciepła. W ostatnim zagadnieniu Doktorantka przedstawiła zastosowanie algorytmu genetycznego do wyznaczania drogi przejścia głowicy nagrzewającej. Uzyskane wyniki wskazują, że przedstawione podejście prowadzi do wyznaczenia optymalnego położenia charakterystycznych punktów na drodze narzędzia hartowniczego dla minimalizacja naprężeń chwilowych. Doktorantka zbadała wpływ prawdopodobieństwa mutacji na uzyskane wyniki. Uzyskane przez Doktorantkę wyniki wskazują, że techniki sztucznej inteligencji mogą być użytecznym narzędziem w automatyzacji procesów produkcji. Za najważniejsze osiągnięcia Doktorantki należy uznać: zbadanie możliwości zastosowania jednokierunkowych wielowarstwowych sztucznych sieci neuronowych zastosowanie w identyfikacji parametrów procesu obróbki cieplnej, wykorzystanie algorytmów genetycznych do określenia optymalnej drogi przejścia głowicy nagrzewającej w celu minimalizacji rozkładu naprężeń, 3
rozbudowanie istniejącego oprogramowania komputerowego o nowe możliwość symulacji złożonych zadań (geometrycznie, uwarunkowaniami brzegowymi oraz/lub warunkami początkowymi), wykonanie całej serii symulacyjnych komputerowych umożliwiających dobór parametrów obróbki cieplnej, takich jak: moc, promień, prędkość źródła ciepła oraz intensywność chłodzenia. Zamieszczone w rozprawie wyniki badań świadczą o dobrej znajomości problematyki badawczej, dużej pomysłowości i profesjonalności Doktorantki. Struktura rozprawy jest logiczna i dobrze przemyślana. Zwraca uwagę duża pieczołowitość w przygotowaniu wyników obliczeń numerycznych. Uwagi dyskusyjne 1. Wydaje się, że tytuł rozprawy jest zbyt ogólny. Lista narzędzi sztucznej inteligencji jest długa i obszerna, natomiast w rozprawie ograniczono się głównie do sztucznych sieci neuronowych oraz cząstkowo do algorytmów genetycznych. 2. Nie wiadomo dlaczego Doktorantka zalicza sztuczne sieci neuronowe do probabilistycznych metod optymalizacji (str. 9). Z opisu przedstawionego w p. 3.1 to nie wynika. 3. Metoda elementów skończonych jest przybliżoną metodą rozwiązywania zagadnień brzegowych fizyki matematycznej, dlatego pogląd Doktorantki (str. 13), że jej wadą jest konieczność kontroli błędu numerycznego, jest dyskusyjny. To nie jest wada, ale cecha każdej metody przybliżonej. 4. Opis sztucznych sieci neuronowych, przedstawiony w p. 3.1 (str. 51-63) nie zawiera informacji, w jaki sposób można je zastosować do rozwiązywania zagadnień optymalizacji, które Doktorantka wymienia w kilku miejscach rozprawy jako obszar zastosowania. Sztuczne sieci neuronowe w dziedzinie nauk technicznych wykorzystuje się głownie do aproksymacji, predykcji, klasyfikacji, rozpoznawania oraz analizy danych i w tym kontekście zastosowanie ich w zagadnieniach identyfikacji jest dobrze uzasadnione. 5. Doktorantka pisze na str. 14, że Wszystkie obliczenia, których wyniki przedstawione są w rozprawie, wykonano wykorzystując oprogramowanie własne oraz rozwijane na Wydziale Inżynierii Mechanicznej i Informatyki w Zakładzie Technik Multimedialnych, Modelowania i Symulacji Komputerowej. Co to są programy i jakie szczegółowe zagadnienia one rozwiązują? 6. Doktorantka formułując funkcję przystosowania, określoną wzorem (4.4) nie podaje jaka jest jej interpretacja fizyczna. 4
4. Wniosek końcowy Rozprawa doktorska mgr inż. Joanny Wróbel jest ciekawym studium z zakresu badań wybranych technik sztucznej inteligencji w zagadnieniach identyfikacji i optymalizacji procesu hartowania. Zamieszczone w rozprawie badania symulacyjne świadczą o dobrym rozeznaniu Doktorantki w obszarze objętym rozprawą. Główny cel rozprawy został osiągnięty, a uzyskane wyniki stanowią interesujący wkład do zastosowania technik sztucznej inteligencji do zagadnień z zakresu modelowania procesów technologicznych. Doktorantka wykazała się dużą wiedzą i doświadczeniem oraz posiada istotny i wartościowy dorobek publikacyjny. Biorąc pod uwagę przedstawioną opinię stwierdzam, iż rozprawa doktorska mgr inż. Joanny Wróbel odpowiada wymogom stawianym rozprawom doktorskim. Doktorantka jest dobrze przygotowana do prowadzenia samodzielnych badań naukowych, zwłaszcza w zakresie zastosowania sztucznych sieci neuronowych w zagadnieniach modelowania procesów obróbki cieplnej. Dlatego uważam, że przedstawiona rozprawa doktorska w pełni spełnia warunki stawiane rozprawom doktorskim przez obecnie obowiązującą ustawę o stopniach naukowych i tytule naukowym oraz stopniach i tytule w zakresie sztuki i wnoszę o dopuszczenie jej do publicznej obrony przed Radą Wydziału Inżynierii Mechanicznej i Informatyki Politechniki Częstochowskiej. Tadeusz Burczyński 5