Cel kształcenia i wykaz literatury

Główny cel kształcenia: Przekazanie studentom podstawowej wiedzy dotyczącej zagadnień konstruowania i używania bliźniaka cyfrowego w systemach produkcyjnych oraz inteligentnych systemów diagnozowania

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

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Jemielniak K.	Automatyczna diagnostyka stanu narzędzia i procesu skrawania,	Oficyna Wydawnicza Politechniki Warszawskiej.	2002
2	A. Biernat	Analiza sygnałów diagnostycznych.	Ofic.Wydaw.Politech.Warsz..	2015
3	B. Żółtowski, T. Kałaczyński	Diagnostyka maszyn : wykład i ćwiczenia.	Wydaw.Uczel.Uniwersytetu Technologiczno-Przyrodniczego..	2013
4	B. Żółtowski, M. Łukasiewicz	Diagnostyka drganiowa maszyn.	Wydaw.Nauk.Instytutu Technologii Eksploatacji..	2012
5	J. Drabarek	Metody sztucznej inteligencji w diagnostyce urządzeń elektronicznych.	Wydaw.Uczel.Politech.Koszal..	2011

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Kukiełka L.	Podstawy badań inżynierskich.	PWN.	2002
2	A. Sokołowski	Wybrane zagadnienia projektowania układów diagnostycznych obrabiarki i procesu skrawania.	Wydaw.Politech.Śl..	2003

Literatura do samodzielnego studiowania

1

Kosmol J.

Automatyzacja obrabiarek i obróbki.

WNT.

2000

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: rejestracja na siódmy semestr studiów

Wymagania wstępne w kategorii Wiedzy: podstawowa wiedza z zakresu systemów sterowania, systemów informatycznych i sztucznej inteligencji

Wymagania wstępne w kategorii Umiejętności: podstawowa umiejętność obsługi komputera, podstawowa umiejętność obsługi pakietu Matlab lub programowania w języku Python

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	Posiada wiedzę w zakresie stosowania metod inteligencji obliczeniowej w zagadnieniach diagnozowania maszyn i urządzeń oraz procesów technologicznych	wykład, projekt	zaliczenie, obserwacja wykonania, prezentacja projektu	K_W10+ K_W12+ K_U07+++ K_U13+++ K_K01++ K_K02+	P6S_KK P6S_KO P6S_UW P6S_WG
02	Posiada podstawową/uporządkowaną wiedzę i umiejętności w zakresie opracowywania wirtualnych modeli układów mechatronicznych w systemie CAx.	laboratorium	obserwacja wykonawstwa	K_W10+ K_U07+ K_K02+	P6S_KO P6S_UW P6S_WG
03	Posiada umiejętność projektowania kompleksowych systemów diagnostyki elementów maszyn oraz procesów wytwarzania.	projekt zespołowy	prezentacja projektu	K_U07++ K_U13+	P6S_UW
04	Posiada umiejętność analizy działania układu mechatronicznego pod względem kinematycznym i elektroniczno-logicznym w dedykowanym module systemu CAx.	laboratorium	obserwacja wykonawstwa	K_W10+ K_U07++ K_K02+	P6S_KO P6S_UW 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
7	TK01	Zastosowanie metod inteligencji obliczeniowej w zagadnieniach diagnozowania maszyn i urządzeń (predykcyjne utrzymanie ruchu, diagnozowanie stanu łożysk, predykcja uszkodzenia frezu, metoda RUL)	W01-W02	MEK01
7	TK02	Zastosowanie metod inteligencji obliczeniowej w zagadnieniach diagnozowania procesów technologicznych, np. diagnozowanie procesu frezowania, wiercenia.	W03-W04	MEK01
7	TK03	Adaptacyjne systemy diagnostyki i sterowania maszyn, istniejące rozwiązania przemysłowe.	W05	MEK01
7	TK04	Inteligentne sensory stosowane w diagnostyce maszyn i procesów. Autodiagnostyka systemów pomiarowych. Wybrane koncepcje oraz praktyczne zastosowania sztucznej inteligencji w diagnostyce obrabiarek i procesów wytwarzania.	W06-W07	MEK01
7	TK05	Zaznajomienie z środowiskiem pracy zintegrowanego systemu produkcyjnego w zakresie modułu MCD (Mechatronic Concept Design). Opracowanie modeli koncepcyjnych i szczegółowych układów mechatronicznych. Symulacja oraz weryfikacja opracowanych modeli układów mechatronicznych.	L01-L07	MEK02 MEK04
7	TK06	Opracowanie projektu kompleksowego systemu diagnostycznego wybranego podzespołu obrabiarki lub procesu wytwarzania, dobór sygnałów diagnostycznych, projekt toru pomiarowego, określenie symptomów.	P01-P07	MEK01 MEK03

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 7)		Godziny kontaktowe: 15.00 godz./sem.	Uzupełnienie/studiowanie notatek: 2.00 godz./sem. Studiowanie zalecanej literatury: 2.00 godz./sem.
Laboratorium (sem. 7)	Przygotowanie do laboratorium: 2.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 2.00 godz./sem.
Projekt/Seminarium (sem. 7)	Przygotowanie do zajęć projektowych/seminaryjnych: 2.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem..	Wykonanie projektu/dokumentacji/raportu: 2.00 godz./sem. Przygotowanie do prezentacji: 2.00 godz./sem.
Konsultacje (sem. 7)
Zaliczenie (sem. 7)

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Ocena raportu pisemnego z wybranego zagadnienia.
Laboratorium	Ocena z wykonawstwa zadań podczas zajęć laboratoryjnych.
Projekt/Seminarium	Ocena z zaprezentowanego projektu.
Ocena końcowa	Ocena końcowa jest średnią ocen z wykładu, laboratorium i projektu.

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	A. Bazan; M. Sałata; Ł. Żyłka	Sposób szlifowania prostych rowków wiórowych narzędzi skrawających typu frezy z ultradrobnoziarnistych węglików spiekanych	2024
2	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
3	W. Habrat; J. Lisowicz; A. Skroban; J. Tymczyszyn	Simulation and Experimental Study of the Termo-Mechanical Effect of the Milling Process of 7075 Aluminium Alloy	2024
4	E. Feldshtein; M. Gupta; W. Habrat; G. Królczyk; K. Leksycki; R. Maruda; S. Wojciechowski	Evaluation of tribological interactions and machinability of Ti6Al4V alloy during finish turning under different cooling conditions	2023
5	M. Bolanowski; A. Paszkiewicz; G. Piecuch; D. Rączka; M. Salach; T. Żabiński	Estimation of Tool Life in the Milling Process—Testing Regression Models	2023
6	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
7	M. Gdula; G. Mrówka-Nowotnik	Analysis of tool wear, chip and machined surface morphology in multi-axis milling process of Ni-based superalloy using the torus milling cutter	2023
8	M. Płodzień; A. Stoić; Ł. Żyłka	Modelling of the Face-Milling Process by Toroidal Cutter	2023
9	M. Płodzień; S. Wojciechowski; K. Żak; Ł. Żyłka	Modelling the Kerf Angle, Roughness and Waviness of the Surface of Inconel 718 in an Abrasive Water Jet Cutting Process	2023
10	R. Flejszar; P. Lajmert; Ł. Żyłka	Influence of Cutting-Edge Microgeometry on Cutting Forces in High-Speed Milling of 7075 Aluminum Alloy	2023
11	E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	The Use of Principal Component Analysis and Logistic Regression for Cutter State Identification	2022
12	K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	Machine Multi-sensor System and Signal Processing for Determining Cutting Tools Service Life	2022
13	K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	Machining Process Time Series Data Analysis with a Decision Support Tool	2022
14	K. Antosz; E. Kozłowski; J. Sęp; T. Żabiński	The use of random forests to support the decision-making process for sustainable manufacturing	2022
15	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
16	M. Chlost; M. Gdula	A New Method of the Positioning and Analysis of the Roughness Deviation in Five-Axis Milling of External Cylindrical Gear	2022
17	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
18	R. Babiarz; J. Buk; J. Burek; K. Gancarczyk; P. Sułkowicz	A Method of Increasing the Accuracy of Low-Stiffness Shafts: Single-Pass Traverse Grinding Without Steady Rests	2022
19	W. Daź; D. Habrat; W. Habrat; D. Stadnicka	Technical and Legal Relations in Aviation Industry from Technology Management and Sustainability Perspective	2022
20	W. Daź; W. Habrat; K. Krupa; J. Tymczyszyn	Cutting Mechanics when Turning Powder Metallurgy Produced Nickel-Cobalt Base Alloy with a Cubic Boron Nitride Insert	2022
21	W. Habrat; K. Krupa; J. Lisowicz	Influence of Minimum Quantity Lubrication Using Vegetable-Based Cutting Fluids on Surface Topography and Cutting Forces in Finish Turning of Ti-6Al-4V	2022
22	J. Burek; M. Gdula	Sposób pięcioosiowej obróbki elementów o zarysie krzywoliniowym, zwłaszcza łopatek turbin	2021
23	J. Kluska; T. Mączka; T. Żabiński	Applications of Computational Intelligence Methods for Control and Diagnostics	2021
24	K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	Integrating advanced measurement and signal processing for reliability decision-making	2021
25	L. Gniewek; Z. Hajduk; J. Kluska; T. Żabiński	FPGA-Embedded Anomaly Detection System for Milling Process	2021
26	M. Batsch; Ł. Żyłka	Koncepcja predykcyjnego systemu diagnostyki uszczelnień instalacji hamulcowych, paliwowych i gazowych	2021
27	M. Fiedeń; W. Habrat; K. Krupa; J. Lisowicz	Tool Wear of Carbide Cutting Inserts Coated with TiAlN and AlTiSiN in Finish Turning of Inconel 718	2021
28	M. Płodzień; P. Sułkowicz; S. Wojciechowski; K. Żak; Ł. Żyłka	High-Performance Face Milling of 42CrMo4 Steel: Influence of Entering Angle on the Measured Surface Roughness, Cutting Force and Vibration Amplitude	2021
29	R. Babiarz; J. Buk; J. Burek; K. Krupa; P. Sułkowicz	The Accuracy of Finishing WEDM of Inconel 718 Turbine Disc Fir Tree Slots	2021
30	R. Babiarz; M. Płodzień; Ł. Żyłka	Przyrząd do kontroli sztywności dynamicznej wrzeciona szlifierskiego	2021
31	W. Habrat; N. Karkalos; K. Krupa; A. Markopoulos	Thermo-mechanical aspects of cutting forces and tool wear in the laser-assisted turning of Ti-6Al-4V titanium alloy using AlTiN coated cutting tools	2021
32	W. Habrat; P. Janocha; K. Krupa; J. Lisowicz	The effect of different MQL supply strategies into the cutting zone on the tool wear when turning of Ti-6Al-4V alloy	2021
33	E. Kozłowski; D. Mazurkiewicz; S. Prucnal; J. Sęp; T. Żabiński	Machining sensor data management for operation-level predictive model	2020
34	G. Budzik; T. Dziubek; M. Gdula; P. Turek	Elaboration of the measuring procedure facilitating precision assessment of the geometry of mandible anatomical model manufactured using additive methods	2020
35	J. Burek; M. Płodzień; P. Sułkowicz; Ł. Żyłka	The influence of end mill helix angle on high performance milling process	2020
36	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
37	J. Kluska; M. Kusy; R. Zajdel; T. Żabiński	Weighted Feature Selection Method for Improving Decisions in Milling Process Diagnosis	2020
38	J. Kluska; T. Mączka; T. Żabiński	Zastosowania metod inteligencji obliczeniowej do sterowania i diagnostyki	2020
39	J. Kluska; T. Żabiński	PID-Like Adaptive Fuzzy Controller Design Based on Absolute Stability Criterion	2020
40	M. Gdula	Empirical Models for Surface Roughness and Topography in 5-Axis Milling Based on Analysis of Lead Angle and Curvature Radius of Sculptured Surfaces	2020
41	M. Hadław; T. Żabiński	A new perspective for the application of the activity based costing method in manufacturing companies using MES class systems	2020
42	M. Klecha; M. Płodzień; T. Zaborowski; Ł. Żyłka	Badania wpływu geometrii ostrza na proces toczenia stopu Inconel 718	2020
43	W. Habrat; P. Kręcichwost; M. Płodzień; J. Tymczyszyn	Analysis of EDM Drilling of Small Diameter Holes	2020
44	D. Habrat; W. Habrat; D. Stadnicka	Analysis of the Legal Risk in the Scientific Experiment of the Machining of Magnesium Alloys	2019
45	E. Kozłowski; D. Mazurkiewicz; S. Prucnal; J. Sęp; T. Żabiński	Assessment model of cutting tool condition for real-time supervision system	2019
46	E. Kozłowski; D. Mazurkiewicz; T. Żabiński	Identyfikacja stopnia zużycia frezu na podstawie analizy sygnału akustycznego	2019
47	G. Piecuch; S. Prucnal; T. Żabiński; R. Żyła	Milling process diagnosis using computational intelligence methods	2019
48	J. Buk; R. Ochenduszko; A. Podwyszyński; T. Zaborowski; Ł. Żyłka	Rozwój techniki w kształtowaniu lotniczych kół zębatych	2019
49	J. Burek; M. Płodzień; P. Sułkowicz; Ł. Żyłka	High‐performance end milling of aluminum alloy: Influence of different serrated cutting edge tool shapes on the cutting force	2019
50	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
51	M. Gdula	Adaptive method of 5-axis milling of sculptured surfaces elements with a curved line contour	2019
52	M. Madera ; G. Piecuch; T. Żabiński	Diagnostics of welding process based on thermovision images using convolutional neural network	2019
53	R. Babiarz; M. Płodzień; Ł. Żyłka	Przyrząd do kontroli sztywności dynamicznej wrzeciona szlifierskiego	2019
54	R. Babiarz; Ł. Żyłka	Sposób i układ kompensacji zużycia ściernicy	2019
55	W. Grzesik; W. Habrat; P. Niesłony	Investigation of the tribological performance of AlTiN coated cutting tools in the machining of Ti6Al4V titanium alloy in terms of demanded tool life	2019
56	W. Habrat	Analiza i modelowanie toczenia wykończeniowego tytanu i jego stopów	2019
57	W. Habrat; A. Markopoulos; M. Motyka; J. Sieniawski	Machinability	2019
58	W. Habrat; C. Ratnayake; J. Świder; R. Wdowik; M. Żółkoś	Surface Quality Analysis After Face Grinding of Ceramic Shafts Characterized by Various States of Sintering	2019
59	W. Habrat; K. Krupa; P. Laskowski; J. Sieniawski	Experimental Analysis of the Cutting Force Components in Laser-Assisted Turning of Ti6Al4V	2019
60	W. Habrat; N. Karkalos; K. Krupa	Accelerated Method of Cutting Tool Quality Estimation During Milling Process of Inconel 718 Alloy	2019