Propozycje tematów prac doktorskich
realizowanych w ramach grantu „Automated Guided Vehicles integrated with
Collaborative Robots for Smart Industry Perspective” (CoBotAGV)
Zagadnienia
realizowane wspólnie przez Politechnikę Śląską i Western Norway University of
Applied Sciences (HVL).
Możliwość realizacji „joint doctorate” doctorate z HVL dla doktoranta
Politechniki.
Promotor: dr hab. inż. Rafał Cupek
Proponowany temat pracy doktorskiej
PhD thesis : Agent-based methodology for hybrid data fusion dedicated
for implementing a digital twin (Zastosowanie podejścia wielo-agentowego
dla hybrydowej fuzji danych dedykowanej dla realizacji cyfrowego bliźniaka w
przemyśle 4.0)
WP2.
Communication between CoBotAGVs and Production Stands and Production System
Badania przewidziane do realizacji przez zespół międzynarodowy
T2.4
Simulation environment for production planning and optimizing.
Data
collected during production activities should be the subject for data mining
predictive analysis. The predictions obtained in this way will be key
parameters according to data model and will be used to verify the internal
logistics plan through simulation. The simulations will be performed by
agent-based environment that will combine real data that will very detail
describe current state of production system with predicted parameters that will
be the output for simulation modules. Simulation results will be compared with
actual results and feedback will be send to analytics part in order to refine
prediction accuracy.
Promotor: dr hab. inż. Adam Ziębiński
Proponowany tytuł rozprawy doktorskiej
„Metody wspomagające precyzję dokowania systemów AGV do stanowiska
montażowego”
Cel proponowanego tematu badawczego
Opracowanie metod i algorytmów wspomagających precyzyjne dokowanie systemów
AGV do stanowiska montażowego. Komunikacja M2M pomiędzy stanowiskiem montażowym
i systemem AGV powinna być realizowana z wykorzystaniem Robot Operating System
(ROS). Umożliwi to uzyskanie przez systemu AGV informacji dotyczących wymagań
dokowania do danego stanowiska montażowego. Potwierdzenie dokowania do
prawidłowej stacji montażowej powinno być zrealizowane poprzez system wizyjny i
wykorzystanie RFID/NFC. Czujniki zainstalowane w systemie wbudowanym AGV
zostaną wykorzystane do zwiększenia precyzji dokowania. Wykonanie badań
poszczególnych sensorów (kamer, lidarów, żyroskopu, akcelerometru, koderów
optycznych,..), pozwoli określić ich wpływ
na dokładność pomiarów odległości. Zastosowanie metod dedykowanych dla
fuzji danych, eksploracji danych oraz
sztucznej inteligencji, pozwoli na opracowanie algorytmów zwiększających
dokładność pomiarów odległości. Zastosowanie metod rozpoznawania opartych na
systemie wizyjnym pozwoli opracować algorytmy zwiększające precyzję dokowania
do stanowiska montażowego. Wszystkie przygotowane metody zostaną wykorzystane
do opracowania metod i algorytmów umożliwiających precyzyjne dokowanie do
wyznaczonego miejsca dla stanowiska montażowego.
Proponowany tytuł rozprawy doktorskiej
„Metody wspomagające analizę danych na bazie
monitorowania ruchu sieciowego w czasie rzeczywistym”. (temat realziowany poza CoBotAGV)
Cel proponowanego tematu badawczego
Opracowanie metod i architektur sprzętowo-programowych wspomagających
analizę danych na bazie monitorowania ruchu sieciowego w czasie rzeczywistym. System
monitorowania i analizy ruchu sieciowego w czasie rzeczywistym powinien być
zrealizowany z wykorzystaniem układów reprogramowalnych typu FPGA z
podłączonymi min 4 modułami Gb Ethernet oraz złączem PCIE umożliwiającym szybką
i bezpośrednią komunikację z stacją nadzorczą. Projekt sprzętowy monitorowania
ruchu sieciowego powinien umożliwiać przeźroczystą komunikację badanego ruchu
sieciowego w czasie rzeczywistym. Dla potrzeb wstępnego przetwarzania danych należy opracować metody i
architektury sprzętowe w HDL umożliwiające filtrację i analizę danych [7].
Wstępnie przetworzone dane powinny być udostępnione stacji roboczej poprzez
interfejs PCIE. Pozwoli to na opracowanie metod i algorytmów analizy danych na
stacji nadzorczej oraz wstępne przetworzenie danych dla systemów predykcyjnych
bazujących na eksploracji danych oraz
sztucznej inteligencji.
Promotor: dr hab. inż. Dariusz Mrozek
Proponowany tytuł rozprawy doktorskiej
„Metody sztucznej inteligencji dla energooszczędnej i zasobooszczędnej
logistyki wewnętrznej na linii produkcyjnej opartej na autonomicznych pojazdach
AGV”
Cel proponowanego tematu badawczego
Celem projektu jest dostarczenie kompleksowych rozwiązań do przewidywania
możliwości dostaw realizowanych przez autonomiczne pojazdy AGV (Automated
Guided Vehicle) i zarządzania flotą AGV na podstawie różnych parametrów z
czujników i towarzyszących systemów zarządzania produkcją. W ramach tematu
należy opracować bazujące na sztucznej inteligencji modele prognozowania
wykorzystania energii elektrycznej przez autonomiczne pojazdy dostawcze AGV
pracujące na liniach produkcyjnych i dostarczające komponenty niezbędne do
procesu produkcyjnego. Temat obejmuje zagadnienia związane z rozwojem idei
Przemysłu 4.0, poprzez zastosowanie metod uczenia maszynowego w analizie strumieni
danych przemysłowych, przetwarzania dużych zbiorów danych, integracji danych z
różnych, heterogenicznych źródeł, wykorzystania narzędzi klasy Big Data,
skalowania rozwiązań w chmurze obliczeniowej.
Proponowany tytuł rozprawy doktorskiej
„Metody sztucznej inteligencji dla zwinnych systemów produkcyjnych dużej
skali”
Cel proponowanego tematu badawczego
Celem proponowanego tematu badawczego jest opracowanie metod sztucznej
inteligencji dla monitorowania i nadzorowania dostaw realizowanych przez
autonomiczne pojazdy AGV (Automated Guided Vehicle) dla linii produkcyjnych w
czasie rzeczywistym na duża skalę. Jednym z zagadnień będzie problem wykrywania
anomalii w sekwencji zadań wykonywanych przez pojazdy AGV oraz szacowanie
kosztów zadań dostawy na podstawie danych parametrów. Temat obejmuje zagadnienia
związane z Przemysłem 4.0, przetwarzaniem dużych zbiorów danych, wykorzystaniem
narzędzi klasy Big Data, analizy danych sensorowych, zastosowaniem uczenia
maszynowego i metod inteligencji obliczeniowej, tworzeniem struktur danych,
skalowaniem rozwiązań w chmurze obliczeniowej.