Cykl kształcenia: 2019/2020
Nazwa jednostki prowadzącej studia: Wydział Budowy Maszyn i Lotnictwa
Nazwa kierunku studiów: Zarządzanie i inżynieria produkcji
Obszar kształcenia: nauki techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: pierwszego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: Informatyka w zarządzaniu przedsiębiorstwem, Systemy zapewnienia jakości produkcji, Zarządzanie systemami produkcyjnymi
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Technologii Maszyn i Inżynierii Produkcji
Kod zajęć: 13090
Status zajęć: obowiązkowy dla programu
Układ zajęć w planie studiów: sem: 7 / W15 L15 / 2 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora 1: prof. dr hab. inż. Jarosław Sęp
Imię i nazwisko koordynatora 2: dr hab. inż. prof. PRz Dorota Stadnicka
Główny cel kształcenia: Przekazanie informacji odnośnie przemysłu 4,0, fabryki przyszłości oraz pracownika przyszłości
Ogólne informacje o zajęciach: Przedmiot obejmuje zajęcia wykładowe oraz zajęcia laboratoryjne. Treści kształcenia uzupełnione zostaną materiałami na temat Przemysłu 4.0 przygotowanymi w ramach projektu Planet4 program Erasmus+
Materiały dydaktyczne: Materiały prezentacyjne wspomagające wykład
1 | Michna A., Kaźmierczak J.: | Przemysł 4.0 w organizacjach. | PWN, Warszawa . | 2020 |
2 | Schwab K. | Czwarta rewolucja przemysłowa | StudioEMKA. | 2018 |
1 | Stawiarska E., Szwajca D. | Wdrażanie rozwiązań przemysłu 4.0 w wybranych funkcjonalnych obszarach zarządzania przedsiębiorstw branży motoryzacyjnej | CeDeWu. | 2020 |
2 | http://taxonomy.planet4project.eu/ | . |
1 | Platforma Przemysłu Przyszłości – materiały Ministerstwa Przedsiębiorczości i Technologii | https://przemyslprzyszlosci.gov.pl/ | . | |
2 | http://taxonomy.planet4project.eu/ | . | ||
3 | PLANET4 Learning Management System | . |
Wymagania formalne: Uzyskanie wszystkich zaliczeń i pozytywny wynik egzaminów na poprzedzającyhc semestrach
Wymagania wstępne w kategorii Wiedzy: Znajomość procesów realizowanych we współczesnych przedsiębiorstwach
Wymagania wstępne w kategorii Umiejętności: Umiejętność samodzielnego uczenia się, przeszukiwania źródeł wiedzy oraz samodzielnego rozwiązywania problemów w ramach kształcenia inżynierskiego.
Wymagania wstępne w kategorii Kompetencji społecznych: Świadomość konieczności ustawicznego kształcenia. Świadomość dynamicznej zmienności współczesnego świata. .
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 PRK |
---|---|---|---|---|---|
01 | ma rozszerzoną i pogłębioną wiedzę w zakresie nauk niezbędnych dla zrozumienia i opisania problematyki zarządzania i przedsiębiorczości w Przemyśle 4.0, wykorzystującej wiedzę z zakresu techniki, ekonomii i zarządzania oraz kompetencje społeczne | wykład | egzamin cz. pisemna |
K_W09+ K_K07+ |
P6S_KK P6S_WG |
02 | potrafi opracować propozycję rozwiązania na potrzeby cyfryzacji przedsiębiorstwa. | laboratorium | prezentacja dokonań ekspertom z przemysłu |
K_U04+ K_U13+ |
P6S_UU P6S_UW |
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 |
---|---|---|---|---|
7 | TK01 | w1 | MEK01 | |
7 | TK02 | w2 | MEK01 | |
7 | TK03 | w3 | MEK01 | |
7 | TK04 | w4 | MEK01 | |
7 | TK05 | w5 | MEK01 | |
7 | TK06 | w8 | MEK01 | |
7 | TK07 | l1 | MEK02 | |
7 | TK08 | l2 | MEK02 | |
7 | TK09 | l3 | MEK02 | |
7 | TK10 | l4 | MEK02 | |
7 | TK11 | l5 | MEK02 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 7) | Przygotowanie do kolokwium:
4.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
5.00 godz./sem. Studiowanie zalecanej literatury: 5.00 godz./sem. |
Laboratorium (sem. 7) | Godziny kontaktowe:
15.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
10.00 godz./sem. |
|
Konsultacje (sem. 7) | |||
Zaliczenie (sem. 7) | Przygotowanie do zaliczenia:
5.00 godz./sem. |
Zaliczenie pisemne:
1.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Wiedza nabyta w ramach wykładu jest weryfikowana przez 1 kolokowium na ostatnim wykładzie. Kolokwium składa się z pytań zamkniętych i otwartych, różnie punktowanych. Próg zaliczeniowy: 50% punktów. |
Laboratorium | Opracowanie wszystkich wymaganych sprawozdań, mogą być wymagane w formie prezentacji. |
Ocena końcowa | Ocena testu zaliczeniowego z wykładów. |
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. Antonelli; P. Litwin; A. Marina; D. Stadnicka | Objective and Subjective Factors Affecting Neurodiverse Inclusion in Manufacturing | 2024 |
2 | D. Antonelli; P. Litwin; D. Stadnicka | Employing disabled workers in production: simulating the impact on performance and service level | 2024 |
3 | D. Stadnicka; E. Wyczewska | Value Stream Mapping and Process Indicators Supporting Sustainable Development in Organizations – A Systematic Literature Review | 2024 |
4 | K. Antosz; E. Kozłowski; S. Prucnal; J. Sęp | Integrating Sensor Systems and Signal Processing for Sustainable Production: Analysis of Cutting Tool Condition | 2024 |
5 | K. Antosz; E. Kozłowski; S. Prucnal; J. Sęp | Pre-processing Signal Analysis for Cutting Tool Condition in the Milling Process | 2024 |
6 | R. Amadio; A. Carreras-Coch; R. Figliè; D. Mazzei; J. Navarro; Ł. Paśko; D. Stadnicka; C. Stylios; M. Tyrovolas; A. Zaballos | Towards a Taxonomy of Industrial Challenges and Enabling Technologies in Industry 4.0 | 2024 |
7 | A. Bonci; G. Dec; S. Longhi; M. Pirani; D. Stadnicka | A Concept of an SME Focused Edge Computing Self-managing Cyber-physical System | 2023 |
8 | D. Antonelli; A. Christopoulos; V. Dagienė; A. Juškevičienė; M. Laakso; V. Masiulionytė-Dagienė; M. Mądziel; D. Stadnicka; C. Stylios | A Virtual Reality Laboratory for Blended Learning Education: Design, Implementation and Evaluation | 2023 |
9 | D. Stadnicka | Systemy produkcyjne zorientowane na człowieka. Human-centric manufacturing systems. Monografia | 2023 |
10 | M. Bucior; R. Kosturek; J. Sęp; T. Ślęzak; L. Śnieżek; J. Torzewski; W. Zielecki | Effect of Shot Peening on the Low-Cycle Fatigue Behavior of an AA2519-T62 Friction-Stir-Welded Butt Joint | 2023 |
11 | M. Burgos; G. Fantoni; E. Grivel; D. Stadnicka | Sharing our experience of the ASSETs+ European Defence Challenge from the design to the implementation | 2023 |
12 | P. Cichosz; M. Drajewicz; M. Góral; A. Majka; W. Nowak; J. Sęp; R. Smusz | Design of Newly Developed Burner Rig Operating with Hydrogen Rich Fuel Dedicated for Materials Testing | 2023 |
13 | A. Bonci; S. Longhi; D. Stadnicka | The Overall Labour Effectiveness to Improve Competitiveness and Productivity in Human-Centered Manufacturing | 2022 |
14 | D. Antonelli; P. Litwin; D. Stadnicka | Disabled employees on the manufacturing line: Simulations of impact on performance and benefits for companies | 2022 |
15 | D. Atzeni; A. Carreras-Coch; G. Dec; D. Mazzei; M. Mądziel; L. Pappa; Ł. Paśko; X. Solé-Beteta; D. Stadnicka; C. Stylios | Plan and Develop Advanced Knowledge and Skills for Future Industrial Employees in the Field of Artificial Intelligence, Internet of Things and Edge Computing | 2022 |
16 | D. Stadnicka; Ł. Szczekala | Knowledge Management as a Sustainable Development Supporting Method in Manufacturing Organizations – A Systematic Literature Review | 2022 |
17 | E. Boffa; R. Chelli; P. Ferreira; M. Finžgar; M. Lanzetta; P. Litwin; N. Lohse; F. Lupi; M. M. Mabkhot; A. Maffei; P. Minetola; P. Podržaj; D. Stadnicka | Toward a sustainable educational engineer archetype through Industry 4.0 | 2022 |
18 | E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński | The Use of Principal Component Analysis and Logistic Regression for Cutter State Identification | 2022 |
19 | G. Budzik; K. Bulanda; D. Filip; J. Jabłoński; A. Łazorko; M. Oleksy; A. Paszkiewicz; Ł. Przeszłowski; J. Sęp; S. Snela; P. Turek; S. Wolski | Manufacturing Polymer Model of Anatomical Structures with Increased Accuracy Using CAx and AM Systems for Planning Orthopedic Procedures | 2022 |
20 | G. Dec; K. Kubiak; D. Stadnicka | Possible Applications of Edge Computing in the Manufacturing Industry-Systematic Literature Review | 2022 |
21 | G. Dec; R. Figliè; D. Mazzei; M. Mądziel; J. Navarro; Ł. Paśko; X. Solé-Beteta; D. Stadnicka; C. Stylios; M. Tyrovolas | Role of Academics in Transferring Knowledge and Skills on Artificial Intelligence, Internet of Things and Edge Computing | 2022 |
22 | J. Sęp; G. Szyszka | Comparative Performance Evaluation of Multiconfiguration Touch-Trigger Probes for Closed-Loop Machining of Large Jet Engine Cases | 2022 |
23 | K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński | Machine Multi-sensor System and Signal Processing for Determining Cutting Tools Service Life | 2022 |
24 | K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński | Machining Process Time Series Data Analysis with a Decision Support Tool | 2022 |
25 | K. Antosz; E. Kozłowski; J. Sęp; T. Żabiński | The use of random forests to support the decision-making process for sustainable manufacturing | 2022 |
26 | L. Gałda; J. Sęp; S. Świrad | Effect of the Sliding Element Surface Topography on the Oil Film Thickness in EHD Lubrication in Non-Conformal Contact | 2022 |
27 | M. Bucior; W. Habrat; R. Kluz; K. Krupa; J. Sęp | Multi-criteria optimization of the turning parameters of Ti-6Al-4V titanium alloy using the Response Surface Methodology | 2022 |
28 | P. Litwin; D. Stadnicka | Problems of System Dynamics model development for complex product manufacturing process | 2022 |
29 | 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 |
30 | R. Bartłomowicz; A. Bednarz; J. Jaworski; J. Sęp; A. Wójcik | Analysis of the effects of simplifications on the state of loads in a centrifugal compressor | 2022 |
31 | W. Daź; D. Habrat; W. Habrat; D. Stadnicka | Technical and Legal Relations in Aviation Industry from Technology Management and Sustainability Perspective | 2022 |
32 | D. Antonelli; G. Bruno; D. Stadnicka | Evaluating the effect of learning rate, batch size and assignment strategies on the production performance | 2021 |
33 | D. Antonelli; J. Barata; E. Boffa; P. C. Priarone; R. Chelli; P. Ferreira; M. Finžgar; M. Lanzetta; P. Litwin; N. Lohse; F. Lupi; M. M. Mabkhot; A. Maffei; M. Mądziel; P. Minetola; S. Nikghadam-Hojjati; Ł. Paśko; P. Podržaj; D. Stadnicka; X. Wang | Mapping Industry 4.0 Enabling Technologies into United Nations Sustainability Development Goals | 2021 |
34 | D. Basara; J. Pater; D. Stadnicka | Influence of temperature based process parameter compensation on process efficiency and productivity | 2021 |
35 | D. Stadnicka | Lean Manufacturing: kompendium wiedzy | 2021 |
36 | D. Stadnicka | Problemy w obszarach produkcyjnych: Część 1. Proste metody w trudnych zadaniach. Studia przypadków | 2021 |
37 | D. Stadnicka | Problemy w obszarach produkcyjnych: Część 2. Pracownik i technologie przyszłości. Studia przypadków | 2021 |
38 | J. Pater; D. Stadnicka | Towards Digital Twins Development and Implementation to Support Sustainability-Systematic Literature Review | 2021 |
39 | K. Antosz; D. Kwiatanowski; J. Sęp; G. Szyszka | Automatic compensation of errors of multi-task machines in the production of aero engine cases | 2021 |
40 | K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński | Integrating advanced measurement and signal processing for reliability decision-making | 2021 |
41 | M. Laciuga; J. Sęp | Analytic optimization framework for resilient manufacturing production and supply planning in Industry 4.0 context-buffer stock allocation-case study | 2021 |
42 | M. Mądziel; D. Stadnicka | Application of Lean Analyses and Computer Simulation in Complex Product Manufacturing Process | 2021 |
43 | A. Bonci; G. Dec; E. Lorenzoni; M. Pirani; D. Stadnicka | Symbiotic cyber-physical Kanban 4.0: an Approach for SMEs | 2020 |
44 | B. Bukowska; D. Stadnicka | Value stream mapping of a unique complex product manufacturing process | 2020 |
45 | D. Stadnicka; E. Wyczewska | Sustainable development supported by lean tools in assembly processes-a systematic literature review | 2020 |
46 | E. Kozłowski; D. Mazurkiewicz; S. Prucnal; J. Sęp; T. Żabiński | Machining sensor data management for operation-level predictive model | 2020 |
47 | G. Budzik; J. Jóźwik; Ł. Kochmański; M. Oleksy; A. Paszkiewicz; Ł. Przeszłowski; J. Sęp; P. Turek; D. Żelechowski | An Analysis of the Casting Polymer Mold Wear Manufactured Using PolyJet Method Based on the Measurement of the Surface Topography | 2020 |
48 | J. Sęp; D. Stadnicka; J. Zając | Przegląd wymagań stawianych specjalistom na rynku pracy w województwie podkarpackim w kontekście wymagań technologii Przemysłu 4.0 | 2020 |
49 | K. Dudek; L. Gałda; R. Oliwa; J. Sęp | Surface layer analysis of helical grooved journal bearings after abrasive tests | 2020 |
50 | A. Deif; D. Stadnicka | A gamification approach application to facilitate lean manufacturing knowledge acquisition | 2019 |
51 | D. Antonelli; . D\'Addona; A. Maffei; V. Modrak; G. Putnik; D. Stadnicka; C. Stylios | Tiphys: An Open Networked Platform for Higher Education on Industry 4.0 | 2019 |
52 | D. Antonelli; D. Stadnicka | Human-robot collaborative work cell implementation through lean thinking | 2019 |
53 | D. Antonelli; D. Stadnicka | Predicting and preventing mistakes in human-robot collaborative assembly | 2019 |
54 | D. Antonelli; P. Litwin; D. Stadnicka | Human Factor in Industry of the Future - Knowledge Acquisition and motivation | 2019 |
55 | D. Antonelli; P. Litwin; D. Stadnicka | Human factor in intelligent manufacturing systems - knowledge acquisition and motivation | 2019 |
56 | D. Habrat; W. Habrat; D. Stadnicka | Analysis of the Legal Risk in the Scientific Experiment of the Machining of Magnesium Alloys | 2019 |
57 | E. Kozłowski; D. Mazurkiewicz; S. Prucnal; J. Sęp; T. Żabiński | Assessment model of cutting tool condition for real-time supervision system | 2019 |
58 | 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 |
59 | K. Antosz; D. Stadnicka | Minimization of Fuel Consumption in a Logistic Company: Implementation of Six Sigma and Drivers’ Skills Management with the Use of Fuzzy Logic | 2019 |
60 | L. Gałda; A. Olszewski; J. Sęp; T. Żochowski | Experimental investigation into surface texture effect on journal bearings performance | 2019 |
61 | M. Rośkowicz; P. Rydzowski; D. Stadnicka | Pull-off test of adhesive joints based on polyester-glass laminate and aluminum alloy | 2019 |
62 | P. Litwin; D. Stadnicka | Computer Modeling and Simulation in Engineering Education: Intended Learning Outcomes Development | 2019 |
63 | P. Litwin; D. Stadnicka | Value stream mapping and system dynamics integration for manufacturing line modelling and analysis | 2019 |
64 | P. Litwin; J. Sęp; D. Stadnicka | TIPHYS: Otwarta platforma sieciowa dla wspierania procesu edukacyjnego z zakresu Industry 4.0 | 2019 |
65 | P. Litwin; M. Mądziel; D. Stadnicka | Simulations of Manufacturing Systems: Applications in Achieving the Intended Learning Outcomes | 2019 |