Cel kształcenia i wykaz literatury

Główny cel kształcenia: przekazanie studentom podstawowej wiedzy i dobrych praktyk dotyczących konstruowania i wdrażania warstwy sprzętowej systemów sterowania dla intralogistyki

Ogólne informacje o zajęciach: moduł prowadzony jest na szóstym semestrze studiów inżynierskich na kierunku "automatyka i robotyka"

Materiały dydaktyczne: www.automatyka.kia.prz.edu.pl

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1

J. Kasprzyk

Programowanie sterowników przemysłowych

WNT.

2006

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1

j.w.

.

Literatura do samodzielnego studiowania

1

R. Sałat i in.

Wstęp do programowania sterowników PLC

WKŁ.

2010

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: rejestracja na szósty semestr studiów

Wymagania wstępne w kategorii Wiedzy: podstawowa wiedza z zakresu projektowania systemów sterowania

Wymagania wstępne w kategorii Umiejętności: podstawowa umiejętność obsługi komputera oraz narzędzi automatyki przemysłowej (np. TwinCAT 3, TiaPortal)

Wymagania wstępne w kategorii Kompetencji społecznych: podstawowa umiejętność pracy w zespole

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	Zna podstawowe pojęcia, zasady, dobre praktyki i trendy rozwojowe oraz typowe narzędzia stosowane do konstruowania warstwy sprzętowej systemów sterowania stosowanych w intralogistyce	wykład, projekt	zaliczenie, obserwacja wykonania, prezentacja projektu	K_W12+++ K_W18+++ K_U29++ K_K01++	P6S_KK P6S_UW P6S_WG
02	Stosuje narzędzia i systemy automatyki przemysłowej do projektowania i testowania warstwy sprzętowej systemów sterowania stosowanych w intralogistyce	wykład, projekt	zaliczenie, obserwacja wykonania, prezentacja projektu	K_W12+++ K_W18+++ K_U21+++ K_U29+++ K_K08+++	P6S_KO P6S_UW P6S_WG
03	Zna zasady i stosuje typowe narzędzia do realizacji dokumentacji powykonawczej dla warstwy sprzętowej systemów sterowania stosowanych w intralogistyce	wykład, projekt	zaliczenie, obserwacja wykonania, prezentacja projektu	K_W12+ K_W18+ K_K01+ K_K08+++	P6S_KK P6S_KO P6S_WG

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
6	TK01	Architektura warstwy sprzętowej systemów sterowania stosowanych w intralogistyce	W01-W04, P01-P15	MEK01
6	TK02	Wprowadzenie do oprogramowania (np. EPLAN) wspomagającego projektowanie warstwy sprzętowej systemów sterowania stosowanych w intralogistyce	W05-W08, P01-P15	MEK01 MEK02
6	TK03	Systemy bezpieczeństwa - dobór urządzeń	W09-W12, P01-P15	MEK01 MEK02
6	TK04	Technika napędowa - projektowanie i dobór sprzętu (styczniki, falowniki, układy regulacji automatycznej)	W13-W14, P01-P15	MEK01 MEK02
6	TK05	Powykonawcza dokumentacja projektowa - dobre praktyki	W15, P01-P15	MEK03

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 6)		Godziny kontaktowe: 15.00 godz./sem.
Projekt/Seminarium (sem. 6)		Godziny kontaktowe: 15.00 godz./sem..	Wykonanie projektu/dokumentacji/raportu: 30.00 godz./sem. Przygotowanie do prezentacji: 5.00 godz./sem.
Konsultacje (sem. 6)	Przygotowanie do konsultacji: 2.00 godz./sem.	Udział w konsultacjach: 2.00 godz./sem.
Zaliczenie (sem. 6)	Przygotowanie do zaliczenia: 5.00 godz./sem.	Zaliczenie ustne: 1.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład
Projekt/Seminarium
Ocena końcowa

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	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	G. Piecuch; R. Żyła	Diagnosing Extrusion Process Based on Displacement Signal and Simple Decision Tree Classifier	2022
6	K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	Machine Multi-sensor System and Signal Processing for Determining Cutting Tools Service Life	2022
7	K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	Machining Process Time Series Data Analysis with a Decision Support Tool	2022
8	K. Antosz; E. Kozłowski; J. Sęp; T. Żabiński	The use of random forests to support the decision-making process for sustainable manufacturing	2022
9	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
10	J. Kluska; T. Mączka; T. Żabiński	Applications of Computational Intelligence Methods for Control and Diagnostics	2021
11	K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	Integrating advanced measurement and signal processing for reliability decision-making	2021
12	L. Gniewek; Z. Hajduk; J. Kluska; T. Żabiński	FPGA-Embedded Anomaly Detection System for Milling Process	2021
13	E. Kozłowski; D. Mazurkiewicz; S. Prucnal; J. Sęp; T. Żabiński	Machining sensor data management for operation-level predictive model	2020
14	G. Piecuch	Rotation Speed Detection of a CNC Spindle Based on Ultrasonic Signal	2020
15	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
16	J. Kluska; M. Kusy; R. Zajdel; T. Żabiński	Weighted Feature Selection Method for Improving Decisions in Milling Process Diagnosis	2020
17	J. Kluska; T. Mączka; T. Żabiński	Zastosowania metod inteligencji obliczeniowej do sterowania i diagnostyki	2020
18	J. Kluska; T. Żabiński	PID-Like Adaptive Fuzzy Controller Design Based on Absolute Stability Criterion	2020
19	M. Hadław; T. Żabiński	A new perspective for the application of the activity based costing method in manufacturing companies using MES class systems	2020
20	E. Kozłowski; D. Mazurkiewicz; S. Prucnal; J. Sęp; T. Żabiński	Assessment model of cutting tool condition for real-time supervision system	2019
21	E. Kozłowski; D. Mazurkiewicz; T. Żabiński	Identyfikacja stopnia zużycia frezu na podstawie analizy sygnału akustycznego	2019
22	G. Piecuch; S. Prucnal; T. Żabiński; R. Żyła	Milling process diagnosis using computational intelligence methods	2019
23	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
24	M. Madera ; G. Piecuch; T. Żabiński	Diagnostics of welding process based on thermovision images using convolutional neural network	2019