Cykl kształcenia: 2017/2018
Nazwa jednostki prowadzącej studia: Wydział Elektrotechniki i Informatyki
Nazwa kierunku studiów: Automatyka i robotyka
Obszar kształcenia: nauki techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: pierwszego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: Komputerowe systemy sterowania
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Informatyki i Automatyki
Kod zajęć: 2751
Status zajęć: wybierany dla specjalności
Układ zajęć w planie studiów: sem: 6 / P45 / 4 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: dr inż. Tomasz Żabiński
Terminy konsultacji koordynatora: na stronach jednostki prowadzącej podane
semestr 6: dr inż. Grzegorz Piecuch
Główny cel kształcenia: przekazanie studentom podstawowej wiedzy dotyczącej metod i narzędzi stosowanych w mechatronice i szybkim prototypowaniu układów sterowania
Ogólne informacje o zajęciach: Moduł prowadzony jest na szóstym semestrze studiów inżynierskich na kierunku "automatyka i robotyka" EA-DI-3(06). Zajęcia są alternatywną formą realizacji modułu "Mechatronika i szybkie prototypowanie układów sterowania", przewidzianą dla studentów szczególnie zainteresowanych tematyką modułu, chcących nabyć przewidziane efekty kształcenia realizując projekt w ramach koła naukowego lub/i publikację naukową/branżową.
Materiały dydaktyczne: http://www.automatyka.kia.prz.edu.pl/
1 | Uhl T. (red.) | Wybrane problemy projektowania mechatronicznego | KRiDM AGH, Kraków. | 1999 |
2 | Petko M. | Wybrane techniki projektowania mechatronicznego | UWND AGH, Kraków. | 2005 |
3 | Gawrysiak M. | Mechatronika i projektowanie mechatroniczne | Wydawnictwo Politechniki Białostockiej, Białystok. | 1997 |
4 | . | |||
5 | . |
1 | j.w. | . | ||
2 | Wprowadzenia do ćwiczeń laboratoryjnych, dokumentacje techniczne | . |
1 | Auslander K.L. | Mechatronics | Kluver Academic Press, New York. | 1998 |
2 | de Silva C.W. | Mechatronics, An Integrated Approach | CRC Press, Boca Raton, FL. | 2003 |
Wymagania formalne: Rejestracja na szósty semestr studiów
Wymagania wstępne w kategorii Wiedzy: Podstawowa wiedza z matematyki, fizyki, mechaniki i systemów sterowania
Wymagania wstępne w kategorii Umiejętności: Podstawowa umiejętność obsługi komputera, podstawowa umiejętność obsługi pakietu Matlab i Simulink, podstawowa umiejętność projektowania systemów sterowania z regulatorami PID oraz regulatorami stanu
Wymagania wstępne w kategorii Kompetencji społecznych: Podstawowa umiejętność współpracy w zespole
MEK | Student, który zaliczył zajęcia | Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia | Metody weryfikacji każdego z wymienionych efektów kształcenia | Związki z KEK | Związki z OEK |
---|---|---|---|---|---|
01 | Zna podstawowe pojęcia, metody, trendy rozwojowe oraz typowe narzędzia stosowane w mechatronice i szybkim prototypowaniu systemów sterowania | projekt lub/i publikacja | prezentacja wyników |
K_W18++ |
T1A_W04+ |
02 | Identyfikuje problemy składowe z zakresu elektroniki, mechaniki i teorii sterowania, składające się na projekt i implementację systemu mechatronicznego | projekt lub/i publikacja | prezentacja wyników |
K_W18++ K_U29++ |
T1A_W04+ T1A_U13+ InzA_U05+ T1A_U15+ InzA_U07+ |
03 | Stosuje techniki wirtualnego lub szybkiego prototypowania systemów sterowania układami mechatronicznymi | projekt lub/i publikacja | prezentacja wyników |
K_W18++ K_U29++ |
T1A_W04++ T1A_U13++ InzA_U05++ T1A_U15++ InzA_U07++ |
04 | Pogłębia zainteresowania oraz umiejętności inżynierskie i badawcze, doskonali zdolność samokształcenia | projekt lub/i publikacja | prezentacja wyników |
K_W18++ K_U29++ |
T1A_W04+ T1A_U13+ InzA_U05+ T1A_U15+ InzA_U07+ |
Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).
Sem. | TK | Treści kształcenia | Realizowane na | MEK |
---|---|---|---|---|
6 | TK01 | spotkania koła naukowego, praca indywidualna | MEK01 MEK02 | |
6 | TK02 | spotkania koła naukowego, praca indywidualna | MEK02 MEK03 MEK04 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Projekt/Seminarium (sem. 6) | Przygotowanie do zajęć projektowych/seminaryjnych:
45.00 godz./sem. |
Godziny kontaktowe:
45.00 godz./sem.. |
Inne:
10.00 godz./sem. |
Konsultacje (sem. 6) | Przygotowanie do konsultacji:
2.00 godz./sem. |
Udział w konsultacjach:
2.00 godz./sem. |
|
Zaliczenie (sem. 6) | Inne:
1.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Projekt/Seminarium | prezentacja projektu / publikacji |
Ocena końcowa | będzie wynikać z poziomu wykonanych prac oraz jakości ich prezentacji |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
1 | D. Mazurkiewicz; G. Piecuch; P. Sobecki; T. Żabiński | Virtual tomography as a novel method for segmenting machining process phases with the use of machine learning-supported measurement | 2024 |
2 | M. Bolanowski; A. Paszkiewicz; G. Piecuch; D. Rączka; M. Salach; T. Żabiński | Estimation of Tool Life in the Milling Process—Testing Regression Models | 2023 |
3 | M. Bolanowski; A. Paszkiewicz; G. Piecuch; M. Salach; K. Tomecki; T. Żabiński | System Architecture for Diagnostics and Supervision of Industrial Equipment and Processes in an IoE Device Environment | 2023 |
4 | E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński | The Use of Principal Component Analysis and Logistic Regression for Cutter State Identification | 2022 |
5 | K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński | Machine Multi-sensor System and Signal Processing for Determining Cutting Tools Service Life | 2022 |
6 | K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński | Machining Process Time Series Data Analysis with a Decision Support Tool | 2022 |
7 | K. Antosz; E. Kozłowski; J. Sęp; T. Żabiński | The use of random forests to support the decision-making process for sustainable manufacturing | 2022 |
8 | R. Amadio; A. Carreras-Coch; D. Mazzei; J. Merino; J. Navarro; J. Sęp; D. Stadnicka; C. Stylios; M. Tyrovolas; T. Żabiński | Industrial Needs in the Fields of Artificial Intelligence, Internet of Things and Edge Computing | 2022 |
9 | J. Kluska; T. Mączka; T. Żabiński | Applications of Computational Intelligence Methods for Control and Diagnostics | 2021 |
10 | K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński | Integrating advanced measurement and signal processing for reliability decision-making | 2021 |
11 | L. Gniewek; Z. Hajduk; J. Kluska; T. Żabiński | FPGA-Embedded Anomaly Detection System for Milling Process | 2021 |
12 | E. Kozłowski; D. Mazurkiewicz; S. Prucnal; J. Sęp; T. Żabiński | Machining sensor data management for operation-level predictive model | 2020 |
13 | J. Kluska; M. Kusy; R. Zajdel; T. Żabiński | Fusion of Feature Selection Methods for Improving Model Accuracy in the Milling Process Data Classification Problem | 2020 |
14 | J. Kluska; M. Kusy; R. Zajdel; T. Żabiński | Weighted Feature Selection Method for Improving Decisions in Milling Process Diagnosis | 2020 |
15 | J. Kluska; T. Mączka; T. Żabiński | Zastosowania metod inteligencji obliczeniowej do sterowania i diagnostyki | 2020 |
16 | J. Kluska; T. Żabiński | PID-Like Adaptive Fuzzy Controller Design Based on Absolute Stability Criterion | 2020 |
17 | M. Hadław; T. Żabiński | A new perspective for the application of the activity based costing method in manufacturing companies using MES class systems | 2020 |
18 | E. Kozłowski; D. Mazurkiewicz; S. Prucnal; J. Sęp; T. Żabiński | Assessment model of cutting tool condition for real-time supervision system | 2019 |
19 | E. Kozłowski; D. Mazurkiewicz; T. Żabiński | Identyfikacja stopnia zużycia frezu na podstawie analizy sygnału akustycznego | 2019 |
20 | G. Piecuch; S. Prucnal; T. Żabiński; R. Żyła | Milling process diagnosis using computational intelligence methods | 2019 |
21 | J. Kluska; M. Madera ; T. Mączka; J. Sęp; T. Żabiński | Condition monitoring in Industry 4.0 production systems - the idea of computational intelligence methods application | 2019 |
22 | M. Madera ; G. Piecuch; T. Żabiński | Diagnostics of welding process based on thermovision images using convolutional neural network | 2019 |