Cykl kształcenia: 2024/2025
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: Automatyzacja systemów wytwarzania i intralogistyki, Komputerowe systemy sterowania
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Technik Wytwarzania i Automatyzacji
Kod zajęć: 16237
Status zajęć: obowiązkowy dla specjalności Automatyzacja systemów wytwarzania i intralogistyki
Układ zajęć w planie studiów: sem: 7 / W15 L15 P15 / 2 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora 1: dr inż. Łukasz Żyłka
Imię i nazwisko koordynatora 2: dr inż. Tomasz Żabiński
Imię i nazwisko koordynatora 3: dr hab. inż. prof. PRz Witold Habrat
Imię i nazwisko koordynatora 4: dr inż. Michał Gdula
Imię i nazwisko koordynatora 5: dr inż. Robert Babiarz
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"
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 |
1 | Kukiełka L. | Podstawy badań inżynierskich. | PWN. | 2002 |
2 | A. Sokołowski | Wybrane zagadnienia projektowania układów diagnostycznych obrabiarki i procesu skrawania. | Wydaw.Politech.Śl.. | 2003 |
1 | Kosmol J. | Automatyzacja obrabiarek i obróbki. | WNT. | 2000 |
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
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).
Sem. | TK | Treści kształcenia | Realizowane na | MEK |
---|---|---|---|---|
7 | TK01 | W01-W02 | MEK01 | |
7 | TK02 | W03-W04 | MEK01 | |
7 | TK03 | W05 | MEK01 | |
7 | TK04 | W06-W07 | MEK01 | |
7 | TK05 | L01-L07 | MEK02 MEK04 | |
7 | TK06 | P01-P07 | MEK01 MEK03 |
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) |
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. |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
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 |