2nd Workshop on Foresight of surface properties formation leading technologies of engineering materials and biomaterials in Białka Tatrzańska, Poland 29th-30th November 2009 2 Panel nt. Produkt oraz materiał z jakiego dany produkt został wykonany zdeterminowany przez oczekiwane własności funkcjonalno-użytkowe wynikające z potrzeb klienta 2.2.P.07: Komputerowe narzędzia inżynierii powierzchni W. Sitek Politechnika Śląska Typy zadań związanych z wykorzystaniem narzędzi komputerowych w inżynierii wytwarzania Przewidywanie przebiegu (głównie przez zastosowanie symulacji komputerowej) Bieżąca kontrola procesów i sterowanie nimi Eksploracja danych w celu wykrywania prawidłowości występujących w procesach
Symulacja komputerowa przebiegu Znajduje zastosowanie głównie na etapie projektowania procesów Umożliwia także przewidywanie skutków wprowadzenia zmian w technologii lub organizacji produkcji Symulacja wymaga zastosowania MODELU PROCESU Modelowanie procesów Model To uproszczony obiekt, który zachowuje się pod względem badanych zjawisk tak, jak obiekt rzeczywisty. Typy modeli Fizyczne Matematyczne Czarna skrzynka
Typy modeli Model fizyczny Wykorzystuje podobieństwo fizyczne między obiektem rzeczywistym, a modelem, stanowiącym pewne stanowisko doświadczalne. Ujmuje związki uwzględniające naturę danego zjawiska czy (np. prawa fizyczne) Model matematyczny Jest wyrażony jako równanie matematyczne lub układ równań lub innego typu związki opisujące dane zjawisko czy proces Model typu czarna skrzynka Nie uwzględniają natury zjawisk, stosowane są do dowolnych procesów Modele nie uwzględniające natury zjawisk i procesów Typu statystycznego liniowe nieliniowe (wielomiany, potęgowe, wykładnicze) Wykorzystujące metody sztucznej inteligencji, w szczególności systemy uczące się Sztuczne sieci neuronowe Drzewa decyzyjne Modele stosujące logikę lub rachunek liczb rozmytych Modele stosujące optymalizację genetyczną Inne
Podstawowe relacje identyfikacji i symulacji (analizy) Obiekt badań (układ rzeczywisty) Dane rzeczywiste Komputer Identyfikacja Symulacja, analiza Model matematyczny Zakres stosowania różnych typów modeli matematycznych Stopień znajomości reguł rządzących problemem wysoki średni niski Metody oparte na dokładnych algorytmach (CAE, np. uwzględniające prawa fizyki) Modele statystyczne, systemy ekspertowe, metody dedukcyjne Sieci neuronowe, metody indukcyjne (np. drzewa decyzyjne) niski średni wysoki Stopień złożoności problemu
Metody kontroli i sterowania procesami produkcyjnymi Metody statystycznego sterowania procesem (SSP), pozwalające na wykrywanie zakłóceń oraz ocenę jakości Metodologie (strategie), określające sposoby i organizację postępowania dla uzyskania i utrzymania właściwego przebiegu Wykrywanie prawidłowości występujących w procesach Wykrywanie przyczyn zakłóceń procesów (np. przyczyn powstawania braków wyrobów finalnych lub pośrednich) Umożliwia wskazanie optymalnych lub krytycznych parametrów (np. kombinacji czasu i temperatury obróbki cieplnej) Stosuje nowoczesne metody typu eksploracja danych (data mining)
Cele monitorowania i nadzorowania procesów Budowanie modeli matematycznych i identyfikacja ich parametrów w celach poznawczych Zbieranie danych dla opracowania metod i narzędzi sterowania procesami Oszacowanie stanu technologicznego Predykcja parametrów wyrobu na podstawie parametrów stanu technologicznego Generowanie parametrów korekcji stanu na podstawie wyników monitorowania parametrów wyrobu Monitorowanie i nadzorowanie procesów Parametry Proces technologiczny Cechy jakości produktu Parametry Proces technologiczny Cechy jakości produktu System monitorowania System gromadzenia Informacji, analiz i podejmowania decyzji System monitorowania System gromadzenia Informacji, analiz i podejmowania decyzji Sterowanie w czasie rzeczywistym Monitorowanie Nadzorowanie
Narzędzia i metody monitorowania i nadzorowania Narzędzia do monitorowania I nadzorowania procesów Narzędzia sprzętowe Narzędzia programowe Tory pomiarowe Mikroprocesorowe stacje robocze Pamięci masowe Programy do obsługi torów pomiarowych Programy do zbierania danych pomiarowych Programy do obsługi baz danych Programy monitorowania i nadzorowania Interfejsy użytkownika systemu Algorytmy monitorowania i nadzoru Algorytmy konwencjonalne realizują ściśle określone zadania niezależnie od charakteru i zakresu danych wejściowych oraz wyników poprzednich obliczeń oraz oceny ich poprawności. Algorytmy inteligentne analizują warunki poprawności danych wejściowych, uczą się na poprawności lub niepoprawności poprzednich obliczeń tych samych wielkości, potrafią adaptować algorytm do sytuacji obliczeniowej oraz uogólniać znalezione rozwiązania dla podobnych przypadków. potrafią zmienić charakter algorytmu jak i parametry liczbowe (współczynniki, tabele itp.) posługując się specyficzną do zagadnienia bazą wiedzy. są w stanie optymalizować wyniki obliczeń przy założeniu określonej funkcji celu i ograniczeniach.
Budowa modeli matematycznych i identyfikacja ich parametrów Parametry wejściowe Proces technologiczny Zakłócenia Parametry wyrobu WYRÓB System identyfikujący związki funkcjonalne między parametrami wyrobu a parametrami wejściowymi Zbieranie danych dla opracowania metod i narzędzi sterowania procesami
Oszacowanie stanu - automatyczna klasyfikacja stanu Predykcja parametrów wyrobu na podstawie parametrów stanu technologicznego Parametry wejściowe Przewidywane zakłócenia MODEL PROCESU TECHNOLOGICZNEGO Przewidywane parametry wyrobu
Generowanie parametrów korekcji stanu na podstawie wyników monitorowania parametrów wyrobu Bloki funkcjonalne komputerowego systemu pomiarowego C/A, C/C Sygnały pomiarowe A/A A/C C/C Blok generacji sygnału OBIEKT POMIAROWY Czujniki pomiarowe Blok akwizycji sygnałów Blok przetwarzania danych Blok sterujący (kontroler) Blok komunikacji z użytkownikiem Operator systemu
Systemy czasu rzeczywistego w inżynierii wytwarzania Umożliwiają zarządzanie procesami monitorowania i sterowania przebiegiem procesów Klasyfikacja systemów czasu rzeczywistego HardRTOS(ang. hard real-time systems) Systemy o ostrych ograniczeniach czasowych. Zadania muszą zakończyć się prawidłowo i w określonym czasie. Soft RTOS (ang. soft real-time systems) Systemy o miękkich lub łagodnych ograniczeniach czasowych. Zadania wykonywane są tak szybko jak to możliwe ale nie muszą zakończyć się w określonym czasie. Popularne systemy RTOS QNX Neutrino (Hard RTOS) Jest systemem wielozadaniowym i wielodostępnym przeznaczonym dla mikrokomputerów IBM PC. Na bazie QNX opracowywane są również systemy SCADA, oraz jest wykorzystywany jako platforma dla baz danych. RTLinux (Hard RTOS) Występuje w dwóch wersjach, komercyjnej RT Linux PRO i w ogólnodostępnej GPL RTLinux (darmowy i udostęniany wraz z całym kodem źródłowym). Windows CE (Hard RTOS) Windows XP Embedded (Hard RTOS)
Rola systemu czasu rzeczywistego w systemie wytwarzania System operacyjny czasu rzeczywistego Zegar taktujący I Algorytm sterujący I I C/A PROCES Komputer Sieć czasu rzeczywistego I C/P A/C Linia transmisyjna Źródła http://fluid.ippt.gov.pl/metro/cdrom-pl/kursy/ http://kop.pollub.pl/wykladowca/pliki/jerlip/upload/ http://www.ely.pg.gda.pl/kss/wyklad.htm Jakubiec J., Roj J., Pomiarowe przetwarzanie próbkujące, Wyd. Politechniki Ślaskiej, Gliwice 2000 Korbicz J., Diagnostyka procesów, WNT, Warszawa 2002 Hejman B., Gerth W., Popp K., Mechatronika komponenty, metody, przykłady, PWN, Warszawa 2001 Tłaczała W., Środowisko LabVIEW w eksperymencie wspomaganym komputerowo, WNT, Warszawa 2002 Winiecki W., Organizacja komputerowych systemów pomiarowych, Oficyna wyd. Politechniki Warszawskiej Osowski S., Sieci neuronowe do przetwarzania informacji, Oficyna wyd. Politechniki Warszawskiej, Warszawa 2000 Tanenbaum A., Sieci komputerowe, Helion, 2004 Nowicki K., Ethernet sieci, mechanizmy, Infotech, 2006 Kwieciń A., Analiza przepływu informacji w komputerowych sieciach przemysłowych, Pracownia Komputerowa Jacka Skalmierskiego, 2004 Solnik W., Zajda Z., Komputerowe sieci przemysłowe ProfibusDP i MPI, Oficyna Wydawnicza Politechniki Wrocławskiej, 2007 Pawlak R., Okablowanie strukturalne sieci, Helion, 2006