Cel kształcenia i wykaz literatury

Główny cel kształcenia: Głównym celem kształcenia jest zapoznanie z metodami, technikami i narzędziami wykorzystywanymi do modelowania procesów produkcyjnych. Nabycie przesz studentów umiejętności doboru odpowiednich metod i narzędzi zarówno analitycznych, jak i programowych oraz ich praktycznego zastosowania.

Ogólne informacje o zajęciach: Moduł jest obowiązkowym w ramach programu studiów na specjalności komputerowe wspomaganie wytwarzania. Wiedza w tym zakresie i umiejętność opracowania i wykorzystywania modeli procesów produkcyjnych przy projektowaniu, czy modernizacji systemów wytwarzania są niezbędne dla współczesnego inżyniera.

Materiały dydaktyczne: Materiały są umieszczane na stronie WWW prowadzących zajęcia i w MS Teams w folderze Materiały do zajęć/Wykłady

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	J. Cyklis, W.Pierzchała	Modelowanie procesów dyskretnychw elastycznych systemach produkcyjnych, Zeszyty naukowe ‘Mechanika”	Wyd-wo Politechniki Krakowskiej.	1995
2	Zdanowicz R., Świder J.	Komputerowe modelowanie procesów wytwórczych	Wyd. Politechniki ŚLĄSKIEJ, Gliwice.	2013
3	Szpyrka M.	Sieci Petriego w modelowaniu i analizie systemów współbieżnych	WNT, Warszawa.	2008

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Zdanowicz R., Świder J.	Modelowanie i symulacja systemów produkcyjnych w programie Enterprise Dynamics	Wyd-wo Politechniki Śląskiej, Gliwice.	2006
2	Z.Banaszak, J.Kuś, M.Adamski	Sieci Petriego, Modelowanie, Sterowanie i synteza systemów dyskretnych	Wyd. Wyższej Szkoły Inżynierskiej, Zielona Góra.	1993

Literatura do samodzielnego studiowania

1	W.Oniszczuk	Metody modelowania	Wyd. Politechniki Białystockiej, Białystok.	1995
2	Filipowicz W.	Procesy stochastyczne	WNT, Warszawa.	1996

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Student/Studentka musi być zarejestrowany na liście uprawniającej do zaliczenia przedmiotu

Wymagania wstępne w kategorii Wiedzy: Posiadanie podstawowej wiedzy w zakresie Matematyki i Technologii informacyjnych

Wymagania wstępne w kategorii Umiejętności: Posiadanie umiejętności obsługi podstawowego oprogramowania Matlab, MS EXCEL

Wymagania wstępne w kategorii Kompetencji społecznych:

Efekty kształcenia dla zajęć

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	Posiada wiedzę w zakresie istniejących metod analitycznych i symulacyjnych do modelowania procesów produkcyjnych	wykład	kolokwium,	K_W04+++ K_W07++	P7S_WG
02	Posiada umiejętności posługiwania się odpowiednim do tego celu oprogramowaniem, takim jak MATLAB, Fuzzy Logic Toolbox, Enterprise Dynamics	laboratorium,	zaliczenie cz. praktyczna,	K_U09+++ K_U15++	P7S_UW
03	Potrafi dobierać odpowiednie metody i narzędzia w zależności od rodzaju procesów i rozwiązywanych zadań	laboratorium	zaliczenie cz. praktyczna	K_U07+++ K_U09+++ K_U15++	P7S_UK P7S_UW
04	Potrafi opracować modele analityczne deterministycznych i stochastycznych procesów produkcyjnych oraz przeprowadzić z wykorzystaniem tych modeli eksperymenty symulacyjne	laboratorium,	zaliczenie cz. praktyczna	K_U07++ K_U09+++	P7S_UK P7S_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).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
2	TK01	Cele modelowania procesów produkcyjnych. Dyskretne systemy produkcyjne jako obiekt modelowania. Klasyfikacja procesów produkcyjnych. Przegląd metod modelowania procesów produkcyjnych. Systematyka modeli procesów produkcyjnych (logiczne i matematyczne, analityczne i symulacyjne, deterministyczne i probabilistyczne, z zastosowaniem metod sztucznej inteligencji). Podstawowe elementy teorii sieci Petri. Algebraiczna i graficzna reprezentacje sieci. Dynamika sieci Petri. Klasyfikacja sieci Petriego.	W01	MEK01 MEK03
2	TK02	Czasowe sieci Petri. Sieci deterministyczne i stochastyczne. Przykłady zastosowań czasowych sieci Petriego do modelowania i oceny wydajności systemów produkcyjnych. Kolorowe sieci Petriego. Podstawowe definicje. Analiza kolorowych sieci Petriego. Przykłady zastosowań do modelowania wieloasortymentowych systemów produkcyjnych.	W03	MEK01 MEK03
2	TK03	Modele systemów masowej obsługi. Podstawowe pojęcia teorii masowej obsługi (strumień zgłoszeń wejściowy, rozkład czasów obsługi zgłoszeń, proces obsługi, regulamin kolejki. Łańcuchy Markowa. Sieci kolejkowe otwarte i zamknięte. Wielkości opisujące własności sieci kolejkowych. Modelowanie i analiza dyskretnych systemów produkcyjnych za pomocą sieci kolejkowych.	W04	MEK01 MEK03 MEK04
2	TK04	Zasady symulacji komputerowej. Symulacja z ustalonym taktem czasowym oraz symulacja zdarzeniowa. Podstawowe etapy budowy modelu symulacyjnego. Implementacja symulacji komputerowej systemów zdarzeń dyskretnych. Planowanie eksperymentów symulacyjnych	W05	MEK01 MEK03 MEK04
2	TK05	Modelowanie i symulacja procesu montażu z wykorzystaniem teorii grafów.Budowa grafu powiązań, macierz incydencji. Przykłady. Metody heurystyczne w modelowaniu procesu montażu - ZASTOSOWANIA ALGORYTMÓW EWOLUCYJNYCH.	w06	MEK01 MEK03
2	TK06	Zastosowanie technologii sztucznej inteligencji do modelowania procesów produkcyjnych. Systemy ekspertowe. Inteligentne systemy wspomagania decyzji w sterowaniu i zarządzaniu systemami produkcyjnymi.	w07	MEK01 MEK03
2	TK07	Modelowanie elastycznych systemów produkcyjnych. Harmonogramowanie w systemach elastycznych. Planowanie i sterowanie produkcją. Logika rozmyta w systemach sterowania ESP. Zasady modelowania i możliwości zastosowań. Rozmyte sieci Petri.	w08	MEK01 MEK03
2	TK08	Podstawy modelowania za pomocą sieci Petri.	L01	MEK03
2	TK09	Modelowanie procesów produkcyjnych za pomocą aparatu sieci Petri - część 1.	L02	MEK04
2	TK10	Modelowanie procesów produkcyjnych za pomocą aparatu sieci Petri - część 2.	L03	MEK04
2	TK11	Systemy masowej obsługi.	L04	MEK04
2	TK12	Modelowanie gniazda produkcyjnego w Enterprise Dynamics.	L05	MEK02
2	TK13	Realizacja eksperymentów symulacyjnych w Enterprise Dynamics.	L06	MEK02
2	TK14	Modelowanie elastycznych systemów produkcyjnych w Enterprise Dynamics.	L07	MEK04
2	TK15	Sprawdzian zaliczeniowy, część praktyczna.	L08	MEK02 MEK04

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 2)	Przygotowanie do kolokwium: 2.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Studiowanie zalecanej literatury: 3.00 godz./sem.
Laboratorium (sem. 2)	Przygotowanie do laboratorium: 1.00 godz./sem. Przygotowanie do kolokwium: 5.00 godz./sem. Inne: 2.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.
Konsultacje (sem. 2)		Udział w konsultacjach: 4.00 godz./sem.
Zaliczenie (sem. 2)	Przygotowanie do zaliczenia: 5.00 godz./sem.	Zaliczenie pisemne: 2.00 godz./sem. Zaliczenie ustne: 1.00 godz./sem. Inne: 1.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Na kolokwium pisemnym wykładu sprawdzana jest realizacja pierwszego, trzeciego i czwartego efektu modułowego (MEK01, MEK03, MEK04). Sprawdzian obejmuje pytania obowiązkowe oraz dodatkowe. Student musi odpowiedzieć poprawnie na wszystkie pytania obowiązkowe, aby uzyskać ocenę dostateczną. Odpowiedź na pytania dodatkowe pozwala uzyskać wyższą ocenę: 25% poprawnych odpowiedzi - 3,5; 40% poprawnych odpowiedzi - 4,0; 60% poprawnych odpowiedzi - 4,5; 80% poprawnych odpowiedzi - 5,0
Laboratorium	Na zaliczeniu laboratorium weryfikowane są modułowe efekty kształcenia MEKXX i MEKXX. Zaliczenie laboratorium obejmuje sprawdzenie umiejętności praktycznych dotyczących treści prezentowanych na laboratorium. Sposób oceniania MEKXX: student rozwiązuje zadania dotyczące modelowania i symulacji procesów produkcyjnych. Maksymalna liczba punktów, jaką można zdobyć za dane zadanie zależy od poziomu trudności i czasochłonności zadania. Częściowe wykonanie zadania powoduje przyznanie liczby punktów proporcjonalnej do stopnia zrealizowania danego zadania. Zdobyte punkty za wszystkie zadania dotyczące MEKXX są sumowane. Student uzyskuje ocenę z MEKXX na podstawie następujących przedziałów procentowych, przy czym 100% to maksymalna możliwa do zdobycia sumaryczna liczba punktów: 0% - 49,99%: 2,0 (ndst); 50% - 59,99%: 3,0 (dst); 60% - 69,99%: 3,5 (+dst); 70% - 79,99%: 4,0 (db); 80% - 89,99%: 4,5 (+db); 90% - 100%: 5,0 (bdb). Sposób oceniania MEKXX: student rozwiązuje zadania dotyczące systemów masowej obsługi. Maksymalna liczba punktów, jaką można zdobyć za dane zadanie zależy od poziomu trudności i czasochłonności zadania. Częściowe wykonanie zadania powoduje przyznanie liczby punktów proporcjonalnej do stopnia zrealizowania danego zadania. Zdobyte punkty za wszystkie zadania dotyczące MEKXX są sumowane. Student uzyskuje ocenę z MEKXX na podstawie następujących przedziałów procentowych, przy czym 100% to maksymalna możliwa do zdobycia sumaryczna liczba punktów: 0% - 49,99%: 2,0 (ndst); 50% - 59,99%: 3,0 (dst); 60% - 69,99%: 3,5 (+dst); 70% - 79,99%: 4,0 (db); 80% - 89,99%: 4,5 (+db); 90% - 100%: 5,0 (bdb).
Ocena końcowa	Warunkiem zaliczenia modułu jest osiągnięcie wszystkich efektów modułowych i zaliczenie wszystkich form zajęć. Ocena końcowa wyznaczana jest jako średnia ważona oceny z wykładu z wagą 0,3 i laboratorium z wagą 0,7.

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	Ł. Paśko; G. Setlak	Random Forests in a Glassworks: Knowledge Discovery from Industrial Data	2020
2	Ł. Paśko; M. Piróg; G. Setlak	Pozyskiwanie wiedzy z danych przemysłowych do wspomagania decyzji w procesie produkcyjnym	2019