Gyártásautomatizálás és Robotika - mik.pte.hu · PDF fileA...

TÁMOP-4.1.1.F-14/1/KONV-2015-0009 „A GÉPÉSZETI ÉS INFORMATIKAI ÁGAZATOK DUÁLIS ÉS

MODULÁRIS KÉPZÉSEINEK KIALAKÍTÁSA A PÉCSI

TUDOMÁNYEGYETEMEN „

Kovács György

Gyártásautomatizálás és Robotika

Pécs 2015

A tananyag a TÁMOP-4.1.1.F-14/1/KONV-2015-0009 azonosító számú,

„A gépészeti és informatikai ágazatok duális és moduláris képzéseinek kialakítása a

Pécsi Tudományegyetemen” című projekt keretében valósul meg.




Gyártásautomatizálás és Robotika

Szerző: Kovács György

Szakmai lektor: Nacsa János

Nyelvi lektor: Veres Mária

Kiadó neve

Kiadó címe

Felelős kiadó:

ISBN szám

Pécsi Tudományegyetem

Műszaki és Informatikai Kar

Pécs, 2015 © Kovács György




TARTALOMJEGYZÉK

1. Előszó ............................................................................................................................. 8

BEVEZETÉS A GYÁRTÁSAUTOMATIZÁLÁSBA ÉS A ROBOTIKÁBA ................................................. 8

2. GYÁRTÁSAUTOMATIZÁLÁS ........................................................................................ 10

MAGAS SZINTEN AUTOMATIZÁLT GYÁRTÓRENDSZEREK ..........................................................10

TRENDEK A GYÁRTÁSBAN ....................................................................................................10

CIM-IAAR .........................................................................................................................11

IMS: INTELLIGENS GYÁRTÓRENDSZEREK – INTELLIGENT MANUFACTURING SYTEMS ................13

3. Néhány fontos fogalom.................................................................................................. 14

4. Gyártórendszerek tervezési-üzemeltetési segédeszközei, és azok szükségessége ...... 15

HAGYOMÁNYOS ÉS OO-ALAPÚ TERVEZŐ/FEJLESZTŐ RENDSZEREK ........................................16

5. Intelligencia - szakértő rendszerek ................................................................................ 23

TERMÉSZETES ÉS MESTERSÉGES INTELLIGENCIA ..................................................................23

AZ INTELLIGENCIA MÉRÉSE ..................................................................................................25

A MESTERSÉGES INTELLIGENCIA (AI: ARTIFICIAL INTELLIGENCE) .................................29

EGY KIS VISSZATEKINTÉS AZ MI PROGRAMOZÁS KIALAKULÁSÁRA ...........................................33

TUDÁSALAPÚ TERVEZÉS ÉS IRÁNYÍTÁS – KÉT ALKALMAZÁSI PÉLDA .........................................37

6. A gyártórendszerek rövid története ................................................................................ 40

AZ EMBER ÉS A SZÁMÍTÁSTECHNIKA SZEMPONTJAI A KŐSZERSZÁMTÓL A GYÁRIG, A HÁLÓZATOS

GYÁRRENDSZEREKIG ..........................................................................................................40

IAAR – INTEGRÁLT ADAT- ÉS ANYAGKEZELŐ RENDSZER, MEGVALÓSÍTHATÓSÁG .....................42

A TERMELÉSI MÓDOK FEJLŐDÉSÉRŐL...................................................................................43

A (GYÁRTÓ-) RENDSZEREK RUGALMASSÁGA .........................................................................46




ÁBRÁK JEGYZÉKE

1. ÁBRA CIM MODELL, 1970 ....................................................................................................12

2. ÁBRA VÍZESÉS MODELL .......................................................................................................16

3. ÁBRA PÁRHUZAMOS TERVEZÉS ............................................................................................17

4. ÁBRA A SPIRÁLIS OO MODELL ....................................................................................................17

5. ÁBRA BÖHM MODELL (1986) ................................................................................................18

6. ÁBRA RENDSZERFEJLESZTÉSI MÓDSZERTANOK ..................................................................................18

7. ÁBRA SADT FUNKCIÓBLOKK ......................................................................................................20

8. ÁBRA SADT TERVEZÉS .............................................................................................................20

9. ÁBRA OOSE MODELLEK ...........................................................................................................21

10. ÁBRA USE CASE MODEL (OOSE) ...............................................................................................21

11. ÁBRA OOSE MODELLEK ÖSSZEFÜGGÉSEI ......................................................................................21

12. ÁBRA OO TERVEZÉSI ELJÁRÁSOK ÖSSZEHASONLÍTÁSA .......................................................................22

13. ÁBRA A TURING-TESZT ...........................................................................................................31

14. ÁBRA MULTIÁGENS RENDSZEREK ÉS ELOSZTOTT INTELLIGENCIA ............................................................32

15. ÁBRA AZ MI PROGRAMOZÁS KIALAKULÁSA ...................................................................................33

16. ÁBRA A SZÁMÍTÓGÉPRÉTEGEK ÉS AZ EMBERI PROBLÉMÁK ..................................................................34

17. ÁBRA SZAKÉRTŐ SZABÁLYOK, KONTEXT FÁK, HIBRID ESZKÖZÖK ÉS OBJEKTUMORIENTÁLT

PROGRAMOZÁS ...............................................................................................................35

18. ÁBRA SZAKÉRTŐ RENDSZER ARCHITEKTÚRÁJA ...................................................................36

19. ÁBRA INTERFERENCIAGÉP/TUDÁSBÁZI ÉS A LEHETSÉGES SZINTEK .......................................36

20. ÁBRA SZAKÉRTŐ RENDSZER FEJLESZTÉSE.......................................................................................37

21. ÁBRA HIBRID SZAKÉRTŐ ÜTEMEZŐ RENDSZER ................................................................................37

22. ÁBRA CIM RENDSZERSZIMULÁCIÓ..............................................................................................38

23. ÁBRA SZAKÉRTŐ RENDSZEREK – TUDÁSSZINTEK ÉS GÉPEK ...................................................................39

24. ÁBRA EGY INTELLIGENS ROBOTVEZÉRLÉS ......................................................................................39

25. ÁBRA A FELFEGYVERZETT EMBER, A FEGYVER EGY KŐDARAB ..............................................41

26. ÁBRA A SZERSZÁMHASZNÁLÓ EMBER, DURVA ÉS FINOM KŐSZERSZÁMOKKAL .......................41

27. ÁBRA ENERGIAÁTALAKÍTÁS: VÍZBŐL, EMBERI ERŐBŐL ÉS „LÓ”-ERŐBŐL ...................................................41

28. ÁBRA GYÁRTÓCELLA – GYÁRTÓRENDSZER, NEM NAGYON FOTOGÉN, DE TUDJUK, HOGY MI VAN

A FALAK MÖGÖTT ............................................................................................................41

29. ÁBRA GYÁRTÓCELLA – GYÁRTÓRENDSZER, LÁTVÁNYOS, MŰKÖDŐ ROBOTSOR A SUZUKI

ESZTERGOMI GYÁRÁBAN ..................................................................................................41

30. ÁBRA INTEGRÁLT ADAT- ÉS ANYAGKEZELŐ RENDSZER (IAAR) ..............................................................42

31. ÁBRA HIERARCHIKUS RENDSZER ................................................................................................42

32. ÁBRA HETERARCHIKUS RENDSZER ..............................................................................................42

33. ÁBRA EGY VAGY TÖBB MUNKÁS, SEMMI GÉP KÉZI MUNKA ..................................................................43

34. ÁBRA EGY MUNKÁS, EGY VAGY TÖBB GÉP .....................................................................................43




35. ÁBRA SOK MUNKÁS, SOK GÉP – MŰHELY (GYÁR) .............................................................................44

36. ÁBRA HIERARCHIKUS ÉS HETERARCHIKUS GYÁRHÁLÓZAT ....................................................................44

37. ÁBRA GYÁRHÁLÓZAT – KITERJESZTETT, VIRTUÁLIS GYÁR, SOKFÉLE RÉSZLEG, SOK HELYEN, SOKFÉLE FELADATTAL, DE

EGY CÉLÉRT ........................................................................................................................45

38. ÉS 39. ÁBRA AZ ELSŐ LÉPÉSEK A DIGITÁLIS GYÁR FELÉ .....................................................................45




Rövidítések

CAD Computer Aided Design Számítógéppel segített tervezés

CAM Computer Aided Manufacturing Számítógéppel segített gyártás

CAxx Computer Aided Anything Számítógéppel segített mindenféle

CAPP Computer Aided Process

Planning

Számítógéppel segített folyamattervezés

CAPP Computer Aided Production

Planning

Számítógéppel segített termeléstervezés

CAQ Computer Aided Quality Számítógéppel segített minőség

CAE Computer Aided Engineering Számítógéppel segített tervezés

FEM Finite Element Method Végeselem-módszer

CIM Computer Integrated

Manufacturing

Számítógéppel integrált gyártás

NC Numerical Control Számjegyes (digitális) irányítás

CNC Computer Numerical Control Számítógépes számjegyes (digitális)

irányítás

DNC Direct Numerical Control Közvetlen számjegyes (digitális) irányítás

RC Robot Control Robotirányítás

PLC Programmable Logical Control Programozható logikai irányítás

FMC Flexible Manufacturing Cell Rugalmas gyártócella

FMS Flexible Manufacturing System Rugalmas gyártórendszer

MES Manufacturing Execution

System

Gyártási végrehajtó rendszer

IMS Intelligent Manufacturing System Intelligens gyártórendszer

(Hatvany, Suh)

MAP Manufacturing Automation

Protocol

Gyártási automatizálási protokoll

TOP Technical and Office Protocol Műszaki és irodai protokoll

IGES Initial Graphics Exchange

Specification

Kezdeti grafikuscsere-specifikáció

STEP Standard for the Exchange of

Product Model Data

A termék modelladatok csereszabványa

EDI Electronic Data Interchange Elektronikus adatcsere

OSI Open System Interconnection Nyitott rendszer-összeköttetés

ISO International Standard

Organization

Nemzetközi Szabványszervezet

JIT Just in Time – Kanban Éppen idejében – Kanban

MRP Material Resource Planning Anyagforrás-tervezés




ERP Enterprise Resource Planning Vállalatiforrás-tervezés

CIM-OSA Computer Integrated

Manufacturing – Open System

Architecture

Számítógéppel integrált gyártás – nyílt

Rendszerarchitektúra (Kurt Kosanke)

GRAI-GIM GRAI (Univ. of Bordeaux)

Integrated Methodology

A bordeaux-i egyetem integrált

módszertana (Guy Doumeingts)

PERA Purdue Enterprise Reference

Architecture and Methodology

Purdue vállalati referenciaarchitektúra és

módszertan (Ted Williams)

GERAM Generic Enterprise Reference

Architecture and Methodology

Generikus vállalati referenciaarchitektúra

és módszertan (Nemes L., Bernus P.)

AI Artificial Intelligence Mesterséges intelligencia

DAI Distributed Artificial Intelligence Elosztott mesterséges intelligencia

KB Knowledge Base Tudásbázis

ES Expert System Szakértő rendszer

GA Genetic Algorithm Genetikus algoritmusok

Fuzzy Fuzzy Nemcsak 0 és 1, hanem 1,34 is lehet

OO Object Oriented Objektumorientált

OMT Object Modelling Technique Objektummodellezési technika

OOSE Object Oriented Software

Engineering

Objektumorientált szoftvertervezés

(Jacobson)

SADT System Analysis Design

Technique

Rendszeranalízis és tervezési technika

(Ross)

CE Concurrent Engineering Párhuzamos (egyidejű) termelés

BPR Business Process

Reengineering

Üzleti folyamatok újratervezése

TQM Total Quality Management Totális minőség kezelés

DSS Decision Support Systems Döntéstámogató rendszerek

– 8 –

1. Előszó

Bevezetés a gyártásautomatizálásba és a robotikába

Jelen jegyzet szerzője több mint 40 évig tanított a Budapesti Műszaki és

Gazdaságtudományi Egyetemen, eleinte a Villamosmérnöki Karon (többek között

számítógépes tervezést és gyártást és mesterséges intelligenciát), majd a

Közlekedéstudományi Karon (számítógépes tervezést és gyártást), és végül a

Gépészmérnöki Karon kb. 1980 óta gyártásautomatizálást és a hozzá kapcsolódó tervezési,

szervezési és működtetési problémákat „Gyártórendszerek tervezése” címszó alatt.

Az elmúlt 10 évben elsősorban a Pécsi Tudományegyetemen a Pollack Mihály Műszaki és

Informatikai Karon a robotikával kapcsolatos tárgyak oktatása volt a feladat. Ez a Robotika

1., Robotika 2. és a Robotos rendszerek című tárgyak oktatását jelentette a nappali és

levelező hallgatók részére BSc és MSc szinten.

A tárgyakra vonatkozó összes vetített képes anyag (kb. 1000 kép) megtalálható a Műszaki

Informatika Tanszék ftp helyén (ftp://witch.pmmik.pte.hu:2001/Tanszeki_anyagok/) és a

jelen jegyzet anyagának megértését hivatott segíteni és kiegészíteni. Az anyagok nagyobbik

része magyar, de akad néhány angol nyelvű is.

Jelen jegyzet ezekre az anyagokra épül elsősorban. Komoly gondot okozott – különösen a

robotokkal foglalkozó részek esetén –, hogy mennyit illik (szabad? javasolt? tilos?) átvenni

mások korábbi munkáiból. A világhálón ugyanis nagyon sok olyan anyag található, amelyek

jegyzetként íródtak és, amelyek nem vesztették el aktualitásukat, tehát maradéktalanul

használhatók.

Ha ilyen részeket idézek, akkor előzetesen megkérdeztem a szerzőket, hogy hozzájárulnak-

e az általuk létrehozott anyag előadás vagy előadási jegyzet célú felhasználásához.

Mindenki igent mondott, így szerzői jogi vitákra, plágiumgyanúsításokra nem számítok.

Az interneten rengeteg robotdemonstráció található, néhányra hivatkozom az anyagban, de

mivel ezek nem állandóak, gyakran változtatják őket a szerzők, ill. a demók elhelyezői, senki

ne vegye zokon, hogy, ha nem talál meg valamilyen remélt bemutatót valamilyen hivatkozott

helyen, vagy, ha a demó nem működik.

A robotika oktatását nem kizárólagosan a robotokra korlátoztam, hanem leggyakoribb

felhasználási környezetüket, a gyártó- és termelőrendszereket is igyekeztem ismertetni a

hallgatósággal.

Ezen belül is gyakran nem a műszaki és matematikai részletekkel foglalkoztam, azokat

nagyon sokan és részletesen tárgyalják még magyarul is. Ehelyett igyekeztem megértetni a

hallgatókkal a robotokat is tartalmazó rendszerek célját, felépítését és működését,

feltételezve a robotok alkalmazását, illesztését és integrálását ezen rendszerekbe. Ezt az

elvet követi a jegyzet is.

Az előadásokon törekedtem érdekes történelmi és tudománytörténeti kérdéseket is

feszegetni, ezek a jegyzetből helyenként kimaradnak.

– 9 –

Jogosan merül fel a kérdés, hogy a rengeteg lehetséges robotalkalmazás közül miért a

gyártásautomatizálásban érintett robotokkal foglalkozom, és miért a „Robotika és

gyártásautomatizálás”, illetve „Gyártásautomatizálás és robotika” alcímeket használom. Miért

nem az orvostudományt vagy éppen a szórakoztatóipart emelem ki. Ennek egyik oka az,

hogy a gyártásautomatizálás áll hozzám legközelebb, de a valódi oka az alábbiakban látszik

majd.

A hagyományos, a hexapod és tripod robotok mozgáspályáinak, dinamikus viselkedésének,

valamint a befogók működésének részletes leírását, azaz a robotok komoly matematikai

apparátus segítségével történő, általában közelítő eljárásokat ez a jegyzet nem tárgyalja.

Ugyancsak nem tárgyaljuk a Denavit–Hartenberg egyenleteket és a bonyolult

transzformációkat, nem beszélve a két vagy több robot mozgásának szinkronizálásáról.

Ennek alapvető okai között szerepel, hogy a szakirodalomban ez a lehető legjobban

részletezett tématerület, ugyanakkor mi a gyártásautomatizálás figyelembevételével és

általános műszaki-kulturális szemszögből végeztük vizsgálatainkat.

A robotokat nagyon sokféleképpen kategorizálják, ezek egyike a robotalkalmazások szerinti

beosztás. Az alábbiaknak egy részletet mutatunk be egy felosztásból, amire később még

visszatérünk. Mindezt pedig azért tesszük, hogy megmutassuk az ipari robotok

alkalmazásának nagyon magas százalékát, és azt, hogy a legtöbb robot a

gyártásautomatizálás legfontosabb területein, az autógyártásban és a mikroelektronikában

használatos:

Az ipari robotok a hardverrobotok mintegy 95–98%-át adják.

A robotok fő „fogyasztói” az autógyártás és a mikroelektronika.

Az International Federation of Robotics (IFR) “World Robotics 2014” c. tanulmánya szerint kb. 1.600.000 ipari robot működött a világon 2013 végén, és ez a szám 2017-re elérheti a 2.000.000-t,.

https://en.wikipedia.org/wiki/International_Federation_of_Robotics

– 10 –

2. GYÁRTÁSAUTOMATIZÁLÁS

Magas szinten automatizált gyártórendszerek

A jelenlegi gazdasági körülmények között, a műszaki, és ezen belül elsősorban a

számítástechnikai, fejlődés jelen szintjén nagymértékben megváltoztak a gyártmányokkal (a

gyártás eredménye) szembeni elvárások, követelmények. Megjegyezzük, hogy a közelgő

társadalmi (népszaporulat, modern népvándorlás) és gazdasági (környezetrombolás,

energia-, anyag- és ivóvízkrízis) változások hatására a mai trendek sokféle irányban

változhatnak, de jövendőmondással most nem foglalkozunk.

Az igények és a lehetőségek együtt, egymást gerjesztve változnak, tehát pl., ha több

termékre van szükség, akkor gyorsul a termelés, ha pontosabb, precízebb terméket igényel

a társadalom, akkor a termelőberendezések pontosabban fognak működni.

Gyártórendszer alatt ma egy olyan elektronikus-számítástechnikai géphálózatot értünk,

amely a számítógépes programok futtatása révén ad működtető jeleket a rendszer

végrehajtó berendezéseinek, a szerszámgépeknek és a robotoknak, valamint a szállító,

tisztító és összes egyéb segédberendezésnek. A berendezések működését

nagymennyiségű érzékelő segíti, pl. kamerák jelei alapján irányíthatók a mozgó robotok.

Gyártás alatt – nem kis egyszerűsítéssel – két alapvető fontosságú műveletsort értünk: az

alkatrészgyártást és a szerelést. Később látni fogjuk, hogy csak a gyártás önálló vizsgálata

nem elegendő, hanem az ún. életciklusra (PLCM) kell majd figyelni. Az életciklus alatt egy

termék gondolatának megszületésétől, annak tervezésén és gyártásán keresztül a

forgalomból való kivonásáig mindent figyelembe kell venni. Ez azt jelenti, hogy a termelésen

túl a pl. reklámot, szervizt, karbantartást, és a termék élete végeztével a „temetést” és az

esetleges teljes vagy résleges újrafelhasználást is kezelni kell. Erre majd külön fejezetben

térünk vissza.

Most nézzük meg – csak felsorolásszerűen – a gyártás mai trendjeit. Az egyes fogalmak

vagy egyértelműek, vagy itt magyarázzuk meg őket, vagy később visszatérünk a

magyarázatokra.

Esetenként a múlttal hasonlítjuk össze a jelen helyzetet.

Azt a kérdést, hogy vajon a „megnövekedett lehetőségek miatt alakultak ki a megnövekedett

szintű igények, avagy a megnövekedett igények provokálják-e ki a folytonos fejlődést”, nem

tudjuk megválaszolni, ez amolyan tyúk–tojás probléma lesz.

Trendek a gyártásban

Mire használjuk a robotos, automatizált rendszereket?

Ez a rövid fejezet azt vizsgálja, hogy a műszaki lehetőségek és az emberi igények hogyan

hatnak egymásra, és melyik mennyire befolyásolja a másikat. Egy példa a

gépkocsigyártásból. Amikor a Ford T-modell sorozatgyártása (tömeges gyártása)

megkezdődött, akkor nem volt más könnyen, elfogadható áron beszerezhető autó, így Henry

– 11 –

Ford különösebb baj nélkül kijelenthette: „Majd én megmondom és megmutatom, hogy

milyen autót vegyenek az emberek.” (Természetesen Ford T-modellt). Ma, ha megnézzük a

piacon meglévő választékot, aligha venne bárki is komolyan egy ilyen kijelentést.

Régen, az ipari forradalmakig visszanézve: manufaktúra (egyedi), automatizált

(tömeg-), kis- és nagysorozat-előállítás volt, eleinte valóban kézi munkával, később

részenként gépesítve, sőt esetleg már automatizálva is.

Ma és az elmúlt évtizedekben: hála az automatizálásnak, a rugalmasságnak, a

számítógépes rendszereknek, a növekvő sebességeknek és tárkapacitásoknak stb.,

a következők jellemzik az ipari termelést, a termelővállalatokat:

– Tömeggyártás, sorozatgyártás, egyedi gyártás – robotalkalmazásokkal – az egyedi

tömeggyártás is ide tartozik – ez ellentmondásosnak tűnik.

– További integrálás a CIM-mel (pl. PP, AI eszközök, újgenerációs CNC).

– Idő szerepe nő (CE, gyors és virtuális prototípus, virtuális gyártás, szimuláció), cél

az átfutási idők minden szegmensének csökkentése.

– Minőség szerepe nő (megfigyelés, diagnosztika, TQM, ultrapreciziós/nano-

technológiák), a selejt fogalma lassan megszűnik.

– Műszaki és menedzsmentdöntések együtt (BPR, vállalati integrálás, DSS), közös

adat- és tudásbázisokkal.

– Világméretű globalizáció, szabványosítás.

– Fenntartható fejlődés (zöld termelés, olcsó termelés, szerelés-szétszerelés-

újrafelhasználás-újrahasznosítás-maradékfeldolgozás): reuse, recycle.

– Termék-életciklusra tervezés (PLM).

– Az ember nélküli, teljesen automatizált gyár már nem cél, de nő az ember szerepe

(oktatás, új szervezeti formák).

– Rugalmas (flexible) gyártás sokféle rugalmasság meghatározásával.

– Modellezés, szimuláció, virtuális gyártás széles körű alkalmazása.

– (Természetes és) mesterséges intelligencia alkalmazás egyre több helyen

(intelligens tervezés, gyártás, üzemeltetés: folyamatok, rendszerek).

– A világméretű IMS projekt szerepe egyre nagyobb, és már néhány éve az EU (és

benne Európa legjobbjai) is aktív partner.

CIM-IAAR

A tervezés, gyártás és ellenőrzés

A címben szereplő fogalmak egységes számítástechnikai keretbe foglalása (integrálása) –

legalábbis elméleti szinten – világszerte és hazánkban is fokozatosan megtörtént az 1960-as

évek végén és az 1970-es évektől kezdve. Ez jelentette a mai nagy, integrált rendszerek

megértésének alapját, és viselte a CIM nevet. Erre akkor lett szükség, amikor egyre több

– 12 –

CAxx program készült, amelyek bemenete rengeteg adatot tartalmazott, amelyek egy részét

le kellett gépelni a lyukszalagos vagy lyukkártyás berendezéseken, más részük pedig az

egyes programok futtatásának eredményeként jött létre.

Ezek a futtatási eredmények azután részben vagy egészben, a következő programok

bemenetének egy részét vagy egészét képezték. A fejlődés folyamán három alapvető

lehetőség létezett, amelyek ma már nemigen használatosak az adat- és tudásbázisok és a

közvetlen összeköttetéseket biztosító interfészek és hálózatok felhasználása miatt. A három

lehetőség:

a. az eredmény formája rajz vagy szöveg vagy számok, azokat (ismét) le kell írni

valamilyen kötött formátum szerint, hogy a lyukszalag- vagy lyukkártyaolvasó

megértse;

b. lyukszalag vagy lyukkártya, amelyet egy következő program képes módosítás nélkül

beolvasni;

c. mint b., de módosítások is szükségesek.

Így pl. egy CAD program eredményét egy CAM program és/vagy CAPP program és/vagy

egy CAM program és/vagy CAQ program használhatja bemenetként.

Az egyszerűsített CIM modell ábrájával kapcsolatban fontos megjegyzés, hogy a kezdeti

információ mennyisége folyton csak növekedhet, ugyanis újabb és újabb adatok kerülnek a

rendszerbe. Pl. egy tervezett gépkocsinak eleinte csak az alapvető méreteit tudjuk, később a

motor nagysága és teljesítménye, végül az üléskárpit anyaga és színe és a kocsi színe is

belekerül.

Felmerül a kérdés: igazolják a változó igények a fejlődés irányát és mértékét?

Esetleg nincs is más járható út?

Vizsgáljuk meg, hogy milyen eszközök és lehetőségek biztosíthatják a kívánt

minőséget és mennyiséget, elfogadható áron.

Tervezés – Gyártás – Ellenőrzés – PLM

Logikai tervezés

Konstrukciós

tervezés

GYÁRTÁS,

SZERELÉS

Teszt

Diagnózis

RC

NC

CNC

DNC

PLC

CAD

CAM

I

N

F

O

R

M

Á

C

I

Ó

CAQ

1. ábra CIM modell, 1970

– 13 –

Mivel a különböző programok más-más (mesterséges, számítástechnikai) nyelven várták a

bemenő adatokat és más-más nyelven gyártották az eredményeket, szükségessé vált, hogy

szabványok rögzítsék, és tegyék kötelezővé az információcsere nyelvezetét.

Néhány vonatkozó CAD/CAM-szabvány

Látható, hogy kezdetben elegendő volt a geometria egységes leírása, hogy a különböző

helyeken futtatott CAD programok kommunikálhassanak egymással, de később már a

technológiai információra is szükség volt a CAD/CAM és CAD/CAPP együttműködéshez. A

MAP/TOP és az EDI pedig már a teljes dokumentációk és berendezésrendszerek közös

kezelhetőségét jelenti, teljesen eltérő elvek alapján.

IGES – Initial Graphics Exchange Specification

STEP – Standard for the Exchange of Product Model Data

MAP/TOP – Manufacturing Automation Protocol /Technical and Office Protocol

EDI, EDIFACT – Electronic Data Interchange

IMS: intelligens gyártórendszerek – Intelligent Manufacturing

Sytems

A világ műszakilag legerősebb államai 20–25 évvel ezelőtt megértették, hogy komoly

áttörésre van szükség a termelés összes fontos jellemzőjének egyidejű javítására. Ez a

megfogalmazás azért különösen fontos, mert a követelmények együttes javítása általában

reménytelen. Pl. a minőség javítása általában csak a termelékenység rovására és a

költségek növelése mellett történhet meg. Vagy pl. az átfutási idő csökkentése a minőséget

rontani szokta, vagy a termelés növelése a környezetet fokozatosan egyre jobban terheli.

Mindezen problémák együttes kezelésére lehet alkalmas az a nagymértékű és nagy értékű

együttműködés, amelynek kezdeményezője 1990-ben a Tokyo University korábbi vezetője,

Hiroyuki Yoshikawa volt.

„A cél a nemzetközi ipar, kormányok és kutatási források mobilizálása, hogy a

gyártástechnológia kooperatív fejlesztését és bevezetését tegyék lehetővé a globális

változások környezetében”, Yoshikawa, 1992.

Régiók (nem országok, hanem földrésznyi régiók a partnerek)

– Ausztrália, Kanada, USA, Európai Unió, EFTA, Japán,

– További jelöltek: Korea, a világ egyéb részei.

Az IMS legjobb meghatározása egyidejűleg született Hatvany József (SZTAKI-osztályvezető)

és Nam Suh amerikai professzor munkáiban, miszerint

„Az intelligens (gyártó-) rendszerek képesek – bizonyos határok között – megoldani

váratlan, előre nem látott, ismeretlen problémákat is, akár bizonytalan és nem teljes

információ alapján.”

A problémák megoldása általában azt jelenti, hogy a termelést nem kell leállítani, hanem

esetenként bizonyos valós idejű átszervezésekkel lehet a munkát folytatni.

– 14 –

3. Néhány fontos fogalom

Ezek egy részéről még nem esett szó, de megértésük elkerülhetetlen, így most láttam jónak,

az ismertetésüket, még, ha esetleg ismétlést is eredményeznek.

Modell/modellezés: valamely tárgy bizonyos (fő) tulajdonságainak leképzése pl. kisminta,

famodell, számítógépes program stb.

Szimuláció: a modell működtetése

passzív: „lefuttatjuk” a teljes, megtervezett folyamatot a modellen, ez főleg

ellenőrzésre jó;

aktív (intelligens): a szimuláció következő lépése valamilyen (pl. intelligens)

kiértékelés alapján más-más lehet, így a szimuláció főleg tervezési segédeszköz.

Rugalmas gyártás: a rendszer gazdaságosan tud

kicsit-nagyot, forgástestet-prizmatikus alkarészt, keveset-sokat, egyszerűt-összetettet

stb. Kb. további tízféle rugalmasságot ismerünk és használunk.

Gyártási hálózatok – és elemeik: hálózatok, interfészek,

hierarchikus (hagyományos: főnök–beosztottak, sok szinten): lefele utasít, felfele

jelent;

heterarchikus (egyenrangú partnerek, pl. virtuális gyártás céljából): beszélgetnek;

holon: önállóan és másokkal összekapcsolva is működőképes (gyártó-) egység.

Virtuális gyártás (kiterjesztett gyártás)

Nem szimuláció (noha sokan annak tartják), hanem olyan gyártás, amelyben több,

más-más helyen lévő, önálló cég vesz részt és készít egy adott terméket, de a

vevőnek ehhez nincs köze, nem tud róla. Természetesen az együttműködést szigorú

szabályok vezérlik.

Virtuális (kiterjesztett) vállalat

a virtuális gyártás végrehajtója, vállalathálózat.

Intelligens gyártórendszer (IMS)

Apróbb/nagyobb hibákat kijavít/kikerül úgy, hogy a munka folytatódjék, amíg lehet

(Hatvany J., Nam Suh).

Elosztott gyártás

Hálózatba kötött üzemek oldják meg a nekik szánt feladatokat:

– tervezés; gyártás; ellenőrzés; tudáskezelés, döntéstámogatás; stb.

SME – KKV (Small-Medium Size Enterprize, kis- és közepes vállalat)

Eltérőek az adatok, de világszerte azt állítják, hogy a gyártás (és különösen a

szervizelés és karbantartás) egyre nagyobb arányban kerül a kis- és közepes

vállalatok kezébe. A ma leggyakrabban használt számok a 30% és 60% közé esnek.

– 15 –

4. Gyártórendszerek tervezési-

üzemeltetési segédeszközei, és

azok szükségessége

A robotokkal ellátott gyártórendszerek, de még a viszonylag egyszerű robotos gyártó, rakodó

vagy szerelő cellák is rendelkeznek néhány olyan tulajdonsággal, amelyek miatt tervezésük

és üzemeltetésük nem lehetséges egyszerűen kezelhető matematikai eszközökkel. A lejjebb

felsoroltakból már 2-3 is elegendő a feladat megoldhatatlanságára. Hozzá kell tennünk, hogy

általában valamilyen szempont vagy szempontok szerinti optimális megoldást keresünk. Pl.

legrövidebb termelési idő, legkisebb költség, anyagtakarékosság stb. Ezek gyakran együtt

jelentkeznek, még gyakrabban pedig ellentmondást eredményeznek.

Érdemes végiggondolni, sőt feltehetően be is lehet bizonyítani, hogy a bonyolult robotos

gyártórendszerek működtetési és tervezési algoritmusai nagymértékben vagy közel

azonosak. Ennek egyszerű megfogalmazása szerint a tervezéskor már figyelembe kell venni

a majdani működés szempontjait, azaz már ezekre kell optimalizálni. Erre pedig a részletes,

mindenre kiterjedő szimulációs rendszerek adják a legjobb példákat. Azaz, tervezés közben

minden fázisban azt kell vizsgálni, hogy a következő lépések hogyan befolyásolják a

termelést.

Ezek a rendszerek általában

nagyok (sok szoftver és sok hardver)

összetettek (bonyolultak);

dinamikusak (gyakori gyors változások);

nemlineárisak;

sztochasztikusak (nem várt események);

és emiatt

nincs matematikai apparátus a pontos megoldásra, ami ilyesmi lehetne

– (állapot-, output-) = f (input-, állapot-, idő- stb.) leírás;

– sem mátrixos, sem differenciálegyenlet, sem más, ami kezelhető lenne.

ezt a problémát részben, esetleg teljesen meg lehet kerülni, azaz meg lehet oldani

egyszerűen kezelhető segédeszközökkel, amelyeknek az előállítása általában

költséges, időigényes és hibához is vezethet. Ezek pl.

– Hagyományos és grafikus programozás, tervezési módszertan,

– Objektumorientált (OO) programozás, tervezési módszerek,

– Modellezés és szimuláció az egyszerű rendszerektől a vállalati modellekig, mint

pl. CIMOSA, GRAI/GIM, PERA, GERAM,

– 16 –

– Mesterséges intelligencia eszközei (szakértő programok, fuzzy rendszerek,

genetikus programozás, mesterséges neurális hálók),

– OO és nem OO tervezési módszertanok (pl. SADT, OOSE stb.),

– Hibrid rendszerek, amelyek az előzőekből kombinálnak kettőt vagy többet.

Az emberiség, ill. az arra alkalmas és elhivatott része folyamatosan fejleszti a

rendelkezésére álló eszközöket és programokat. Ez a fejlődés többféleképpen vizsgálható

meg. Most először az ember szerepét emeljük ki, a második esetben a számítástechnika

van a fókuszban.

Hagyományos és OO-alapú tervező/fejlesztő rendszerek

A matematikai módszerek hiányát modellezéssel, szimulációval és mesterséges

intelligenciaeszközökkel lehet sikeresen pótolni. Ugyanakkor nagyon sok, a robotikához és a

gyártásautomatizáláshoz kapcsolódó feladat megoldását segíthetik az ún. klasszikus és OO

módszertanok, így azokat is érdemes röviden áttekinteni.

Vízesés (kődobáló) modell

A legegyszerűbb az ún. vízesés modell, amit kődobáló módszernek is neveznek. Ennek

lényege, hogy minden munkafázist mások végeznek, és, amint kész vannak, akkor

továbbadják az eredményeket a következő csapatnak. Lassú, hosszadalmas eljárás,

rengeteg interfésszel. Mindenki pontosan tudja viszont, hogy mi a feladata. Az ábrán a

Requirement, Analízis, Design, Implementation, Teszt és Maintenance szerepel mintaként,

természetesen más felbontások is lehetségesek.

Requirement, Analízis, Design, Implementation, Teszt és Maintenance

Követelményrendszer, Analízis, Tervezés, Megvalósítás, Teszt, Karbantartás

• Vízesés (kő-dobáló) modell

R

M

A

D

I

T

idő

2. ábra Vízesés modell

– 17 –

A vízesés modellből származtatható a CE modell, amelyikben egyes feladatokon már akkor

is lehet dolgozni, ha az előző még nincs teljesen kész. Így az összátfutási idő jelentősen

lecsökkenhet, de a rengeteg interfészelés – mivel az egyes részlegek más-más nyelven

beszélnek – nem javul. Van, ahol a normál nyelvi leírást szeretik, van, ahol számítógépes

nyelvet vagy rajzleíró nyelvet, akár CNC kódot, és ezeket le kell fordítani az interfészek

felhasználásával, hogy a szomszédok értsék egymást.

• Concurrent Engineering (CE)

R

M

A

D

I

T

time

Párhuzamos tervezés/fejlesztés

3. ábra Párhuzamos tervezés

A spirális modell

Ez a modell és eljárás már kimondottan az OO tervezést segíti, gyorsabbá, biztosabbá téve

a verziókat előállító tervezési eljárást, mivel ugyanazok az objektumleírások alapvetően

változatlanul végigkísérik a tervezést, aminek az eredménye többféle, egyre javuló verzió

lehet.

Reqs. specification

analysis

design

implementation

integration

V1 V2 V3

4. ábra A spirális OO modell

– 18 –

A Bőhm modell arra hívja fel a figyelmet, hogy a tervezés és megvalósítás minden fázisa

meglehetősen sok energiabefektetést igényel, így mindegyikre megfelelően kell allokálni.

Anal. Design Implem. Testidő

Projekt munka

analízis, tervezés, megvalósítás, integrálás, tesztelés

5. ábra Böhm modell (1986)

A következő ábra a legismertebb tervezési módszertanokat mutatja be az OO és a

klasszikus rendszereket (funkció- és adatorientált) szétválasztva.

Rendszerfejlesztési módszerek

Function/data

oriented

Object oriented

(OO)

SREM/RDD

SA/SD

SSADM

SADT

SATT

OOA (Codd) OOD (Booch) OOSE (Jac.)

OMT (Rum.)

UML/RUP

6. ábra Rendszerfejlesztési módszertanok

A rövidítések feloldása:

SADT – Structured Analysis and Design Technique (strukturált analízis és tervezési

technika)

SATT – System Analysis Technique and Technology (rendszeranalízis technika és

technológia) – IDEF0

RDD – Requirement Driven Design (követelményvezérelt tervezés)

SA/SD – Structured Analysis and Structured Design (strukturált analízis/strukturált

tervezés).

– 19 –

A funkcióalapú rendszerfejlesztő eszközök közül demonstrációként egy kicsit részletezzük az

SADT-t

SADT – Structured Analysis and Design Technique

SATT – System Analysis Technique and Technology

General abstract General concrete Special

concretisation specialisation

SADT/SATT

Így a specializálódás folyamán az általánosból jutunk el a speciális (konkrét) megvalósításig.

A Requirements – követelmények részei

– Goal – cél

– Functionality – funkcionalitás

– Quality – minőség

– Structural – struktúra

– Mechanisms – alapvető sw és hw elemek

Az Aspects – szempontok a következők –, ezeket figyelembe kell venni:

– Economical – gazdasági

– Technical – műszaki

– Market – piaci

– Social – szociális

Mintafunkció: legyen egy egyszerű mezőgazdasági tevékenység

Input: water, materials (bemenet: víz, egyéb anyagok)

Output: product (kimenet: termény)

Mechanisms: production tools (mechanizmusok: termelőeszközök)

Control: economy, weather (szabályzás: gazdaság, időjárás).

Az ábra azt mutatja, hogy miként kell a fentieket az SADT-ben értelmezni és ábrázolni. Az

összes részletet a végeredménytől lebontva így kell ábrázolni, ilyen blokkokkal.

– 20 –

7. ábra SADT funkcióblokk

A következő ábra azt mutatja, hogyan kell a fenti blokkokból a teljes tervezést összerakni. Ez

nagyon jól ellenőrizhető szövegesen és formálisan is (pl. van-e minden kimenetnek

bemenete valahova vagy a külvilágba stb.).

AA

BB

CD

In

Out

8. ábra SADT tervezés

Az OO oldal, röviden az objektumorientált eszközökről

OOA – Object Oriented Analysis (Yourdon, 1991)

OOD – Object Oriented Design (Booch, 1991) **

HOOD – Hierarchical OOD (1989)

OOSE – Object Oriented System Engineering (Jacobson, 1991) **

OMT – Object Modeling Technique (Rumbaugh, 1991)**

RDD – Responsibility Driven Design (1990)

– UML – Unified Modeling Language

– RUP – Rational Unified Process

Control

Input

Mechanizmus

Funkció neve Output

– 21 –

Az UML és a RUP az OOD, OMT és OOSE alkotóinak együttműködésének eredménye, a

gyakorlatban használható és használt eszközök.

Az OOSE – példaként – néhány jellemzője

OOSE

analysis construction testing

Requirements model

Analysis model

Design model

Implementation model

Test model

9. ábra OOSE modellek

Látható, hogy nem szerepel a PLM összes lépése – nem kötelező.

A Use case model az egésznek a lényege, ez (ill. ezek kapcsolata) tartalmazza az eredeti

feladatleírást, és ez az OO rendszer alakul át lépésről lépésre a végeredmény eléréséig.

ClerkPilotbooking

flight

schedule(actor)(actor)

10. ábra Use case model (OOSE)

A következő ábra mutatja, hogy milyen viszonyban vannak egymással a különböző OO

modellek. A megértéshez az ábra alatti megállapítások elolvasása és értelmezése

szükséges:

Use case MM: model

Domain

object M

Analysis

M

Design M Implem. M Testing

M

11. ábra OOSE modellek összefüggései

– 22 –

A Use case modell

Is expressed (kifejezi) in terms of the D. O. M.

Is structured (strukturálja) by the A. M.

Is realised (megvalósítja) by the D. M.

Is implemented (létrehozza) by the I. M.

Is tested (teszteli) in the T. M.

Maintenance Model (erről Jacobson megfeledkezett).

A további modellek részletezése helytett egy összehasonlító táblázattal zárjuk ezt a

fejezetet: 12. ábra.

Az ábra alapján az OOSE nyújtja a legtöbb szolgáltatást.

OO alapú rendszerfejlesztés

• OOSE

• OOA

• OOD

• HOOD

• OMT

• RDD

Reqs. Robustness Design Implementation Testing

anal. analízis Tervezés Megvalósítás Teszt

12. ábra OO tervezési eljárások összehasonlítása

– 23 –

5. Intelligencia - szakértő rendszerek

Ezt a fejezetet – mivel elég messzire vezethet és nem a főtémája a műnek – kicsit túl sűrűre

kellett csinálnom, hogy szerepeljen, de ne foglaljon el túl sok helyet. Emiatt elég sok a

magyarázat nélküli felsorolás, bízva abban, hogy az érdeklődők a kulcsszavak alapján

minden fontosat megtalálhatnak.

Természetes és mesterséges intelligencia

Az ember ősidőktől törekedett arra, hogy a természettől kapott adottságait, képességeit

mesterségesen megalkotott eszközök segítségével kibővítse, kiváltsa, és új, számára meg

nem adatott képességekkel folyamatosan javítsa. Ezt a törekvését mindig az adott kor

technikai színvonalán tudta megvalósítani.

A technika fejlődése a 20. század közepére a számítógép megjelenésével megteremtette a

lehetőséget arra, hogy az ember legtöbbre értékelt tulajdonságát, az intelligenciáját,

mesterséges eszközökkel részben helyettesítse.

Az intelligencia egy meglehetősen komplex fogalom, ráadásul nem mindig könnyű

megkülönböztetni a találékonyságtól, az okosságtól, a logikusan gondolkodástól és még egy

csomó más, általában pozitívnak tekinthető dologtól, tulajdonságtól. Nincs is egyértelmű

meghatározása: lexikonok, szótárak, pszichológusok, agykutatók, informatikusok, valamint

régi korok bölcsei is foglalkoztak a témával.

Tekintettel ara, hogy ebben a jegyzetben is sokszor említjük a mesterséges intelligenciát,

érdemes röviden foglalkozni vele külön is.

Először az „intelligencia” néhány meghatározása

Érdemes a definíciókban a közös, az eltérő, sőt néha az ellentmondó részeket megkeresni.

Nem meglepő, de többször: szerepel a tudás, igazság, jóság, ismeret stb.

Arisztotelész (i. e. 384 – i. e. 322. március 7.):

„Az intelligencia az igazságot megragadó megállapítás, beleértve a következtetést, amely

ahhoz a tevékenységhez kapcsolódik, amely jó vagy rossz egy ember számára, és ez

megfelelőnek tűnik azután egy intelligens személy számára arra, hogy képes legyen finoman

megítélni, mi a jó és előnyös számára; nem néhány korlátozott területre vonatkozóan (pl. ami

jó az egészség vagy az erő számára), hanem amely általában támogatja a jólétet."

Alfred Binet (1857–1911) és Teophile Simon:

„Úgy tűnik, hogy az intelligenciában van egy alapvető tényező, amelynek megléte, illetve

hiánya, oly döntő a mindennapi életben. Ez az ítéletek, a józanész képessége, a gyakorlati

érzék, a kezdeményezőkészség és a körülményekhez való alkalmazkodás képessége. A jó

döntés, a jó felfogás és a jó okfejtés az intelligencia lényege."

– 24 –

David Wechsler (1896–1981):

„Az intelligencia az egyénnek az az összesített, vagy globális képessége, amely lehetővé

teszi, hogy célszerűen cselekedjen, hogy racionálisan gondolkodjon és eredményesen

bánjon a környezetével."

Henri Bergson (Párizs, 1859–1941):

„Az intelligencia egy képesség mesterséges objektumok készítésére, különösen eszközöket

előállító eszközök készítésére."

F. Scott Fitzgerald (1896–1940):

„Egy elsőrendű intelligencia mércéje az, hogy legyen képes két ellentétes gondolatot,

elképzelést hordozni a tudatában egyidejűleg, és ezzel együtt legyen működőképes."

Allen Newell (1927–1992):

„Egy rendszer intelligenciája az a fok, amelyhez a tudásszintje közelít, vagy az a tartomány,

amelyhez használja a tudását; nem hibáztathatunk egy olyan rendszert, amely kevés

tudással bír, de azt jól alkalmazza."

Marvin Minsky (1927–):

„Az intelligencia egy gyakran használt fogalom annak a rejtélynek a kifejezésére, hogy

néhány önálló elem vagy elemek felelősek a személy következtetési képességéért. Én

jobban szeretem úgy elképzelni ezt, mint amely nemcsak valami különös erőt, vagy

tüneményt reprezentál, hanem egyszerűen az összes mentális képességet, amelyet mi

minden pillanatban megcsodálhatunk, de még nem értettünk meg."

Christopher F. Chabris (1966–):

„Mondhatnánk azt: nem tudom megmondani, mi az intelligencia, de megismerem, ha

találkozom vele. Az intelligencia olyan fogalom, amely jelentését a kontextusból,

alkalmazási környezetéből nyeri, nem pedig egy felállított modellből vagy

kritériumrendszerből."

– 25 –

E. L. Thorndike (1874–1949):

„Az intelligencia az a tulajdonság, melyben az olyan zsenik, mint Newton, Einstein,

Leonardo da Vinci, Shakespeare csoportja leginkább eltér egy értelmifogyatékos-otthon

lakóitól."

Martin A. Fischler (SRI) és Oscar Firschein (SRI)

Intelligence: the eye, the brain, and the computer, 1987:

„Egy intelligens képződménytől elvárjuk, hogy legyenek lelki attitűdjei (magatartásformái),

legyen képes tanulni, problémákat megoldani, megérteni, tervezni és megjósolni, ismerni

saját korlátait, megkülönböztetéseket tenni, legyen eredeti, általánosítson, legyen

felfogóképessége és használjon nyelvet.”

Webster's Dictionary (értelmező szótár):

„Az a képesség, hogy hatékonyan tudjon a tapasztalásból tanulni, vagy megérteni, kinyerni

és megőrizni a tudást; mentális (szellemi) képesség; egy új szituációhoz való gyors és

sikeres alkalmazkodás képessége; a következtetés használatának a képessége a

problémamegoldásban, a viselkedés irányítása stb."

Az intelligencia mérése

Ha már van meghatározás, akkor felmerült az igény az összehasonlítás lehetőségére, hiszen

az egész arról szól, hogy valakit intelligensebbnek, a másikat kevésbé intelligensnek

lehessen minősíteni. Ennek érdekében ki kellett találni, hogy hogyan lehetne az intelligenciát

mérni. A mérést annyira fontosnak tartják ma is, hogy egy nagyobb vagy multinacionális cég

káderfejlesztési, felvételi politikájában ma is első helyen szerepelnek az IQ- (Intelligence

Quotient) mérések.

A mérések legnagyobbrészt tesztekkel történnek. Itt a teszt elkészítése (mit, milyen

formában kérdezzünk) és a válaszok kiértékelése egyaránt fontos, ezért különösen lényeges

a megfelelő, mindenkire egyformán érvényes kiértékelő rendszer, mert ez a megbízhatóság

alapja.

Az első tesztek általában gyerekeknek készültek, de megfelelő módosításokkal felnőttek is

hamarosan használhatták ezeket a teszteket.

A tesztek általában vagy

teljesítménytesztek: jelenleg mit tudunk teljesíteni, vagy

képességtesztek: gyakorlás után mire leszünk képesek, jóslás, az IQ-teszt is.

Intelligenciatesztek készítői és fő érdemeik (csak felsorolva):

Sir Francis Galton (1822–1911): a korrelációs együttható alkalmazásának bevezetője.

A korreláció: egymást kölcsönösen feltételező dolgok vagy fogalmak viszonya, a dolgoknak

az egymástól való függése, ill. egymásnak való megfelelése.

– 26 –

J. Cattel: Első intelligenciateszt, 1890.

Alfred Binet, Teophile Simon:

Teszt gyerekek iskolaérettségének vizsgálatára, 1905.

Gondolkodási és problémamegoldási feladatok.

Mentális kor (MK) fogalma, mentáliskor-skála, MK – ÉK (életkor) különbség.

A legelterjedtebb tesztek egyike.

Lewis Terman (1877–1956):

A Binet-teszt átdolgozása amerikai gyerekekre, 1916.

William Stern (1871 - 1938): Binet javaslatára bevezette az IQ-t (Intelligence Quotient)

IQ = MK/ÉK *100

Átlagos intelligenciaérték: 90–110, értelmi fogyatékosság: 70 alatt, zsenialitás 140 feletti

értéknél; egyetemi hallgatóktól elvárható: IQ ~ 120.

David Wechsler (1896–1981):

A másik legismertebb teszt, 1939, felnőttek tesztelésére: WAIS

„Az IQ globális képesség", verbális skála, performációs skála

Faktoranalízis általános intelligencia, független mentális képességek, mérés.

Charles Spearman (1863–1945):

g – general, általános intelligencia: összefüggések felfogása, értékelése

s – specific, speciális intelligenciafaktorok: logikai, térbeli, tájékozódási, matematikai,

zenei stb.

Louis Thurstone (1887–1955): elveti a g- generalfaktor létezését, 1938

Az intelligencia számos elsődleges képesség együttese.

Hét faktort talált – verbális megértés, beszédfolyékonyság, számolás, téri

képességek, emlékezet, észlelési sebesség és a következtetés.

Howard Gardner (1943–):

Többszörös intelligenciaelméletében 6 elkülönült agyi modult talált:

nyelvi, logikai-matematikai, téri, zenei, kinetikus (mozgási) és személyes

(intraperszonális és interperszonális).

Információfeldolgozási megközelítés az IQ-tesztek készítésében

Indíték:

– kognitív pszichológia

– információfeldolgozás kutatása.

Lényege: milyen kognitív (megismerési) műveleteket igényelnek az egyes

intellektuális tevékenységek.

– 27 –

Hunt; Carpenter+Just+Shell, 1990:

Feltett kérdések:

– Milyen mentális folyamatokat igényelnek a tesztek?

– Ezek milyen gyorsan működnek?

– Hogyan rögzítjük a szükséges információkat?

Azokat a mentális folyamatokat keresi, amelyek az intelligens viselkedésért felelősek.

Sternberg, Saul (1939–):

A gyakorlati intelligencia is fontos a „tudományos” intelligencia mellett.

Összetevő modellje:

– Mentális folyamatok készlete = összetevők

– Összetevők szervezett működése = intelligencia.

Összetevők:

– Meta összetevők: felsőszintű vezérlő folyamatok

– Teljesítmény-összetevők: végrehajtó folyamatok

– Tanulási összetevők: tanulási folyamatok

– Megőrzési összetevők: információ-előhívó folyamatok

– Átviteli összetevők: folyamatok az ismereteknek más problémákra való

adaptálásához.

Gazdag összetevőkészlet létezhet

Az intelligenciához szükséges képességek:

– Tapasztalatokból való tanulás és azok alkalmazása

– Absztrakt gondolkodás és következtetés

– A változó és bizonytalan világ szeszélyeihez való alkalmazkodás

– Önmotiválás.

Aaron Sloman (b. 1936) szerint az intelligencia három kulcsfontosságú jellemvonása:

szándékosság (intentionality)

rugalmasság (flexibility)

produktív lustaság (productive lazyness).

Szándékosság:

Olyan belső állapotokkal való rendelkezés képessége, melyek időben vagy térben többé-

kevésbé távoli vagy teljesen elvont objektumokra vagy szituációkra vonatkoznak, illetve

utalnak.

– 28 –

A szándékos állapotok magukba foglalják pl.:

– az elmélkedést,

– álmodozást arról, hogy pl. herceg vagyok,

– egyenletek vizsgálatát,

– tűnődést egy lehetséges akción,

– egy kígyó elképzelését,

– valaki kegyei elnyerésének kívánását,

– tehát bármit stb.

A szándékossághoz tartozik az öntudat is: az agy gondolatai önmagáról.

A szándékosság részkategóriái:

– megértés – hit – ismeret

– akarás – célkitűzés – elképzelés

– kérdésfeltevés – terv – stratégia.

Következtetési eljárás:

az implicit ismeretekből megkapható az explicit ismeret.

Rugalmasság

Kezeli a széles és változatos szándékos agyi tartalmakat, pl. a célok, objektumok,

problémák, tervek, akciók, környezetek stb. típusainak választékát, ez foglalkozik az új

szituációkkal, felhasználva a régi ismereteket, új módon kombinálva és transzformálva

azokat.

A rugalmasságból eredő képességek:

– Kérdések sokaságának felvetése

– Összetett problémák leegyszerűsítése.

Produktív lustaság

Nem elegendő elérni egy eredményt: az intelligencia lényege abban is van, hogy hogyan

értük el. A produktív lustaság a felesleges munka elkerülését jelenti.

Előny: a kombinatorikus robbanás elkerülése

Magába foglalja:

– szimmetriák, viszonylatok, egyszerűsítő összefüggések felfedezését

– általánosítás képességét.

Igényli a tanulás képességét: azt a képességet, hogy új koncepciókat formáljunk.

– 29 –

A MESTERSÉGES INTELLIGENCIA (AI: Artificial Intelligence)

Az emberi intelligencia körüljárása után nézzük meg, mit jelent, mi a célja a mesterséges

intelligencia kutatásának!

Az AI (Artificial Intelligence = mesterséges intelligencia) elnevezést John McCarthy

(1927–) alkalmazta először 1956-ban.

Elterjedése Marvin Minsky (1927–) 1961-ben megjelent „Steps towards artificial

intelligence" című cikkének köszönhető.

1956 nyarán az USA-beli Darthmouth-ban tartott konferencián megállapodtak abban,

hogy mit kell mesterséges intelligenciának tekinteni.

Mesterséges intelligencia meghatározások

Cihan H. Dagli (idézi Barrt és E. Feigenbaumot (1936)):

„A gépi intelligencia emulálja vagy lemásolja az emberi ingerfeldolgozást

(érzékletfeldolgozást) és a döntéshozó képességet számítógépekkel. Az intelligens

rendszereknek autonóm tanulási képességekkel kell bírniuk és alkalmazkodniuk kell tudni

bizonytalan vagy részlegesen ismert környezetekhez."

Aaron Sloman (1936–):

„A számítógép-tudomány egy alkalmazott részterülete. A mesterséges intelligencia egy

nagyon általános kutatási irány, mely az intelligencia természetének kiismerésére és

megértésére, valamint a megértéséhez és lemásolásához szükséges alapelvek és

mechanizmusok feltárására irányul."

Yoshiaki Shirai - Jun-ichi Tsujii (1949–):

„A mesterséges intelligencia kutatásának célja az, hogy a számítógépeket alkalmassá

tegyük az emberi intelligenciával megoldható feladatok ellátására.”

Sántáné Tóth Edit:

„A mesterséges intelligencia a számítástudomány azon részterülete, amely intelligens

számítógépes rendszerek kifejlesztésével foglalkozik. Ezek pedig olyan hardver/szoftver

rendszerek, amelyek képesek 'emberi módon' bonyolult problémákat megoldani: az emberi

gondolkodásmódra jellemző következtetések révén bonyolult problémákra adnak megoldást,

a problémamegoldást teljesen önállóan végzik, vagy közben kommunikálnak

környezetükkel, tapasztalataikból tanulnak stb."

Peter Jackson:

„A mesterséges intelligencia a számítógép-tudomány azon részterülete, amely az ember

olyan kognitív (megismerő) képességeit emuláló számítógépi programok tervezésével és

alkalmazásával foglalkozik, mint a problémamegoldás, vizuális érzékelés és a természetes

nyelvek megértése."

– 30 –

Az MI kategorizálása alkalmazási területek szerint:

logikai játékok (logical games)

tételbizonyítás (theorem proving)

automatikus programozás (automated programming)

szimbolikus számítás (symbolic algebraic computation)

látás, képfeldolgozás (vision)

robotika (robotics)

beszédfelismerés (voice recognition)

természetes nyelvek feldolgozása (natural language processing)

korlátozáskielégítés (constraint satisfaction)

cselekvési tervek generálása (planning)

szakértő rendszerek (expert systems)

mesterséges neurális hálózatok (artificial neural nets).

adatbányászat (data mining)

ágensek, multiágensek (agents, multi-agents).

Az MI felosztása az alkalmazott módszerek alapján:

problémareprezentáció (problem representation)

tudásreprezentáció (knowledge representation)

tudáskinyerés (knowledge extraction)

tanulási technikák (learning techniques)

következtetési technikák (inference techniques)

keresési technikák (search techniques)

evolúciós technikák (evolutionary techniques)

bizonytalanságkezelés (uncertainity management)

szimbolikus programozás (symbolic programing)

tudáshasznosítás (knowledge application).

Néhány dátum, név és adat az MI történetéből:

1936 – Turing vázolja az általános célú számítógép alapelvét

1945 – Neumann kigondolja a tárolt programú kialakítást a szekvenciális digitális

számítógép számára

1946 – ENIAC: az első általános célú számítógép

1950 – Turing tesztje a mesterséges intelligencia számára

1955 – Bernstein kifejleszti az első működő sakkprogramot

1956 – a darthmouth-i konferencián megegyeznek az MI lényegi kérdéseiben

1956 – John McCarthy bevezeti a mesterséges intelligencia (artificial intelligence)

elnevezést

1957 – McCarthy kifejleszti a LISP (LISt Processor) programozási nyelvet

– 31 –

1957 – Newell, Shaw és Simon belekezd az ambiciózus General Problem Solver program

kidolgozásába

1957 – Chomsky bevezeti a transzformációs nyelvtant a természetes nyelv modellezésére

1965 – Feigenbaum kifejleszti a DENDRAL-t, az első szakértői rendszert

1966 – Quillian kifejleszti a szemantikus hálót

1967 – Greenblatt kifejleszti MacHacket, az első versenyző sakkprogramot

1970 – Winston úttörő gépi tanuló programja: „Learning Structural Descriptions from

Examples"

1970-74 Colmerauer elkészíti a Prolog (PROgramming in LOGic: PROLOG) programozási

nyelvet – ennek számos későbbi verziója készült hazánkban

1972 – MYCIN: az első, gyakorlatilag is használható szakértő rendszer, amely produkciós

szabályokat használt

Terry Winograd befejezi a természetes nyelvet feldolgozó SHRDLU programját

1997 – Az IBM Deep Blue nevű programja legyőzi G. Kaszparovot, a sakkvilágbajnokot

A Turing-tesztet Alan Turing fogalmazta meg a mesterséges intelligencia minősítésére.

Turing a COMPUTING MACHINERY AND INTELLIGENCE c. cikkében tette fel a kérdést:

„Can machines think?" , azaz „Tudnak a gépek gondolkodni?" A gondolkodó gép címre

pályázó számítógép megítélésére alkotta meg tesztjét. A tesztet általánosították az

emberhez hasonlóan gondolkodó gépből kiindulva az emberhez hasonlóan cselekvő

gép irányába.

A lényeg: a vizsgáló személynek el kell tudni dönteni, hogy a géptől vagy az embertől kap-e

választ egy-egy kérdésre – természetesen nem lát, nem hall semmit, ami nyomra vezetné.

13. ábra A Turing-teszt

– 32 –

Az elosztott mesterséges intelligencia

(Distributed AI) azt vizsgálja, hogyan lehet a feladatokat több, önálló problémamegoldó

egység segítségével megoldani.

A multiágens rendszerek és az elosztott MI viszonya:

A multiágens rendszer és az elosztott MI jelentősen átfedi egymást.

Koordináció: tevékenységek összehangolása a csoport feladatainak megoldása, illetve a

csoporttal szembeni korlátozások betartása érdekében.

Kooperáció: a csoport egy ágensének tevékenysége segíti a másik ágenst célja elérésében

és megfordítva.

14. ábra Multiágens rendszerek és elosztott intelligencia

Mesterséges intelligencia eszközei – módszerei:

Programozási nyelvek: LISP, PROLOG, OPS5 stb.

Keretrendszerek: KEE, ART, LES stb.

Intelligens környezetek: pl. G2

Módszerek:

– Fuzzy rendszerek, Genetikus algoritmusok, OO

– Szakértő /tudásalapú rendszerek, frame rendszerek

– Hibrid rendszerek, soft computing

– Mesterséges neurális hálók, kontextus fák.

A G2 talán a legfejlettebb, legeredményesebb intelligens környezet (régen

keretrendszernek hívtuk). A legérdekesebb tulajdonságai:

Könnyen és gyorsan lehet működő prototípus rendszereket programozni

Objektumorientált

Interaktív a programozása és a működése is

Grafikus és alfanumerikus inputtal is rendelkezik

Deklaratív és procedurális programozás egyaránt lehetséges, vegyesen is

Feltételes valószínűség könnyíti a valóság leképezését

Alapszimbólum- és elemkészletek állnak rendelkezésre, ezek könnyen bővíthetők,

módosíthatók

– 33 –

Run-time módosíthatóság – programozás futás közben

Nagyon sokféle gépen sokféle operációs rendszer alatt működik

Rengeteg berendezéshez biztosít real-time kapcsolatot – interface-t

Elég drága: kiépítéstől és munkaállomások számától függően kb. 100 000 USD

Sok ezer ipari alkalmazása van, nagyon sok területről.

Egy kis visszatekintés az MI programozás kialakulására

Akadémiai hozzájárulás a kereskedelmi szakértő programokhoz

15. ábra Az MI programozás kialakulása

2013 legjobbnak tartott programozási nyelvei:

– Java, C, C++, Objective-C, C#, PHP, Ruby, Python, Visual Basic, Perl

Továbbá

– Grid és Cloud programozás

– SQL, Lobster, UML, RUP, Java Script, HTML, XML, AJAX, ASP.NET

Kísérletek

– Dart, Ceylon, Go, F#, Opa, Fantom, Zimbu, X10, Chapel, haXe

– 34 –

16. ábra A számítógéprétegek és az emberi problémák

Alapvető programozási paradigmák:

Ezek vizsgálata, vagy legalábbis megemlítése korábban lett volna esedékes, de most talán

könnyebben érthetők

– Procedural – procedurális – Folyamat jellegű – hagyományos (Neumann)

– Declarative – deklaratív – Kijelentő, kinyilatkozó – szakértő programozás

– Generic tools – generikus (általános) eszközök – több helyen is alkalmazhatók

A szakértő rendszerek alapvető működési lehetőségei:

– Forward & backward chaining (előre- és hátracsatolás)

– A célok felé tart a meglévő adatokból (F)

– A célokból megy visszafelé a premisszákig (B)

Egy egyszerű példa az előre- és hátracsatolásra:

Adottak a következő szabályok (4) és tények (5)

1.Ha X vartyog és legyet eszik – Akkor X béka,

2.Ha X fütyül és énekel – Akkor X kanári

3.Ha X béka – Akkor X zöld,

4.Ha X kanári – Akkor X sárga

1.Fritz vartyog 2.Fritz legyet eszik

3.Tweety legyet eszik 4.Tweety fütyül 5.Tweety sárga

Probléma terület

Szakértő megfigyel

Szakértő stratégia

SZAKÉRTŐ rendszer

Szakértő rendszerépítő

eszköz

Program-nyelv

Operációs rendszer

Assembly

Gépi kód

Hardver

– 35 –

előrecsatolás (forward chaining)

A cél a Fritz nevű lény színének kikövetkeztetése

Előrecsatolással a gép 4 lépésben következtet arra, hogy Fritz zöld:

1. Fritz vartyog and Fritz legyet eszik

A logika alapján a gép következtet:

2. Fritz vartyog és legyet eszik

Az 1. szabály alapján a gép következtet:

3. Fritz béka

A 3. szabály alapján a gép következtet:

4. Fritz zöld *** goal (ez volt a cél).

5.

hátracsatolás (Backward chaining)

Eldöntendő, hogy Tweety vagy Fritz a béka

Visszafelé következtetéssel a gép 4 lépésben tud válaszolni a „ki a béka” kérdésre. A

következtetésekben a ? az általános alany.

1. ? béka *** goal

Az 1. szabály alapján a gép következtet:

2. ? Vartyog és eszik legyet

A logika alapján a gép következtet:

3. ? vartyog és ? legyet eszik

A tények alapján a gép következtet:

4. Fritz vartyog és Fritz eszik legyet.

Ez a levezetés azt eredményezi, hogy a gép a „ki béka?” kérdésre Fritzet adja

válaszként.

17. ábra Szakértő szabályok, kontext fák, hibrid eszközök és objektumorientált programozás

– 36 –

18. ábra Szakértő rendszer architektúrája

19. ábra Interferenciagép/Tudásbázi és a lehetséges szintek

INFERENCIA (KÖVETKEZTETŐ) Gép

TUDÁSBÁZIS

Konzultáció szint (munka-memória)

Tények, szabályok

Egyszerű szabályok

Célok, tények, szabályok

Strukturált szabályok

Kontextus fa

Objektumok szintje

Összefüggések

Meta szint

Szabályok a szabályokról

TUDÁSBÁZIS

KÖVETKEZTETŐ Gép

Tudásmérnök

Magyarázó alrendszer

– 37 –

Szakértő rendszer fejlesztés 7 lépése

• Probléma analízis

• Feladat analízis

• Prototípus fejl.

• Rendszer fejl.

• Tesztelés terepen

• Megvalósítás

• Karbantartás

AI: Kovács- Dudás L. 23

20. ábra Szakértő rendszer fejlesztése

Tudásalapú tervezés és irányítás – két alkalmazási példa

CIM rendszer szimulációja és termelésütemezése

A feladat a BME Gépészmérnöki Karán, a Gépgyártás-technológia Tanszéken létesített

Rugalmas Gyártórendszer intelligens irányításának és szimulációjának az elkészítése, majd

egy intelligens robotvezérlés létrehozása volt.

21. ábra Hibrid szakértő ütemező rendszer

– 38 –

A rendszer a következő cellákból állt:

forgácsoló (eszterga, maró, robot)

anyagkezelő (raktár, AGV)

hegesztő

mérő (OPTON)

szerelő (robot).

Ezek között közlekedett a padlón kijelölt pályákon a szellemkocsi (AGV), ahogy a szimuláció

mutatja. A színes pöttyök a különféle alkatrészek. A megoldás a képeken követhető.

22. ábra CIM rendszerszimuláció

Először elkészítettünk egy ún. intelligens, hibrid szimulációs programcsomagot, amely a

Siman hagyományos szimuláció és a G2 intelligens környezet együttműködéseként

alkalmas ún. egylépéses előrenézéssel optimális (kvázi-optimális) ütemtervet készíteni. Ezt a

képernyőn is megjelentettük. Meglehetősen sok, eltérő optimalizálási kritériumot vizsgáltunk.

A szimulációs ábrán látható, hogy négyféle alkatrész együttes gyártásáról van szó,

mégpedig 5-5 példányban.

Intelligens robotirányítás

Miután meghatároztuk a rendelkezésre álló adat- és tudásszinteket, meg kellett oldani a G2

és a robotrendszer MAP interfészelését. Az eredmény az volt, hogy a robot képes volt az

ember elleni TIC-TAC-TOE (amőba) játékot játszani.

– 39 –

Szakértő irányító rendszerek Tudás- és adatszintek

robotok – szerszámgépek -- érzékelők

23. ábra Szakértő rendszerek – tudásszintek és gépek

24. ábra Egy intelligens robotvezérlés

– 40 –

6. A gyártórendszerek rövid története

Az ember és a számítástechnika szempontjai a kőszerszámtól a

gyárig, a hálózatos gyárrendszerekig

Az első gyártórendszer nem volt más, mint: egy ember egy szerszámmal.

Ma a legjobbnak gondolt, legmodernebb gyártórendszer: digitális, virtuális, hálózaton

működő, sokféle robottal ellátott gyárcsoport (hierarchikus, heterarchikus, flexibilis).

Nézzük az ember (homo sapiens, homo ludens) és az általa létrehozott eszközök közös

fejlődésének néhány szakaszát a gyártás szemszögéből:

1. Az önvédelem és élelemszerzés céljából egy kődarabot vagy fadarabot

használt fegyverként.

2. Ezután következett a pattintott kőszerszámok alkalmazása.

3. Emelők, csigák és görgők használata.

4. Kézzel pörgetett rúd mint fúró, egyszerű, kézzel hajtott eszterga.

5. A víz, a szél adta energia transzformálása forgatásra.

6. Mechanikus energiatároló.

7. Emelőgépek.

8. Első ipari forradalom – szövőgép, gőzgép (18. sz.).

9. Gőzzel hajtott gépek, vonatok.

10. Pontos szerszámgépek.

11. Ford T-modell a gyártósoron (1908, Galamb József főmérnök).

12. Elektromos áram használata motorok hajtására.

13. Vezérlés, irányítás (Control) alkalmazása.

14. Második ipari forradalom (20 sz.) tömeggyártás, elektromos energia.

15. Harmadik ipari forradalom (1970-es évek) IT bevezetése, robotok.

16. Negyedik ipari forradalom (manapság): Kiber-fizikai gyártórendszerek,

digitális gyár (Cyber-Physical Systems).

Természetesen ez a beosztás önkényes, számos más módon is lehet a témával foglalkozni,

akár csak 4-5 fő mérföldkövet, akár 25-öt említve.

Néhány ábra illusztrál néhány fontos állomást:

– 41 –

2015.07.04. kovacs: automation 65

fegyver

25. ábra A felfegyverzett ember, a fegyver egy kődarab

Pattintott kő-szerszám

Durva

Finom


26. ábra A szerszámhasználó ember,

durva és finom kőszerszámokkal

Taposómalom

Ló-

malom

Emberi erő - víz Emelők – Energia átalakítás


27. ábra Energiaátalakítás: vízből, emberi erőből és „ló”-erőből

2015.10.01. Kovács 77

28. ábra Gyártócella – gyártórendszer, nem nagyon fotogén, de tudjuk, hogy mi van a falak mögött

2015.10.09. Kovács 80

29. ábra Robotsor a SUZUKI gyárban

29. ábra Gyártócella – gyártórendszer, látványos, működő robotsor a Suzuki esztergomi gyárában

– 42 –

IAAR – integrált adat- és anyagkezelő rendszer, megvalósíthatóság

Ez egy alternatív elnevezés a CIM rendszerekre, talán annál egy kicsit kifejezőbb, mert

emlékeztet arra, hogy nem elég a programokat futtatni és az információt (adatokat, tudást,

összefüggéseket) küldözgetni a bemenetek, interfészek, számítógépek, termelőgépek,

mérőgépek stb. között, hanem az anyag is mozog a programok által meghatározott módon

és helyekre.

A mintapéldán 2 robotos cella található. Az egyikben 2 eszterga és 1 robot (Cell 1.), a

másikban 2 marógép és 1 robot (Cell 2.) működik. A rendszer 3. cellája egy befejező (pl.

simító) és egy tisztító gépből áll. Az anyagmozgatás tetszőleges irányú lehet.

Az egyes cellák holonként (sokszor az ágens a szinonimája) is működőképesek, ha egyedül

is, és a kapcsolataikkal együtt is képesek az erőforrásaik kifogyásáig ellátni a feladatukat.

Cell 1.Cell 2.

Cell 3.

E1 E2

Rob1

M1 M2

Rob2

FinishClean

INPUT

OUTPUT

adat

data

anyag

material

CIM, FMS, FMC, holon, ágens2015.10.01. Kovács 80

30. ábra Integrált adat- és anyagkezelő rendszer (IAAR)

Az IAAR elveit többféle, hálózatba kötött cellarendszer valósíthatja meg, alapvetően a

hierarchikus vagy heterarchikus hálózati kapcsolatokról lehet szó.

31. ábra Hierarchikus rendszer

2015.10.01. Kovács 81

Heterarchia - egyenlőség, függetlenség – holonok

(ágensek)

32. ábra Heterarchikus rendszer

– 43 –

A hierarchia lényege az, hogy mindig felülről jön az utasítás, a számonkérés, és az alsó

szintekről mennek felfele a jelentések, mindenki pontosan tudja a feladatát.

A heterarchikus rendszerekben minden partner azonos jogokkal rendelkezik, és mindenki

beszélgethet mindenkivel, és így alakítják ki a nekik legmegfelelőbb közös stratégiát.

A fejlődés összefoglalása

Az emberiség csak néhány ezer éves, és mégis

a túlélés alapvető szerszámaitól (egy kő, egy dárda)

a háborúkon és ipari forradalmakon keresztül eljutott a fogyasztói társadalomig,

– benne: robotok, CIM, PLM, stb., sőt

– környezettudatosság, fenntarthatóság stb.

A termelési módok fejlődéséről

Fel lehetne sorolni, hogy hogyan jutott az emberiség az egyszerű manufaktúrától (kézi

munka) a csoportos munkán és az egyszerű, majd bonyolultabb gépek és szervezeti

megoldások alkalmazásán keresztül a kiterjesztett, virtuális gyárhálózatokig. Egy rövid

összefoglalás után néhány, a fejlődés egyes szakaszait ábrázoló képet mutatunk

illusztrációként, a részletekbe nem megyünk bele.

Néhány illusztráció

2015.10.01. Kovács 83

33. ábra Egy vagy több munkás, semmi gép

kézi munka

2015.10.01. Kovács 83

34. ábra Egy munkás, egy vagy több gép

– 44 –

2015.11.10. Kovács 84

35. ábra Sok munkás, sok gép – műhely (gyár)

Nagy gyár, számos gyár és üzem digitális hálózatba kötve, lehet hierarchikus és

heterarchikus. A szintek száma tetszőleges lehet a hierarchikus gyár esetén.

Az ábrák természetesen ugyanolyanok, mint amikor sok cellából állítunk össze egy nagy

műhelyt vagy gyárat (36. ábra).

utasításokjelentések

2015.10.01. Kovács 89

Holonok

(ágensek)

2015.10.01. Kovács 89

36. ábra Hierarchikus és heterarchikus gyárhálózat

– 45 –

.2015.09.29. Kovács 89

F1 F2

F3

Fn

F4

37. ábra Gyárhálózat – kiterjesztett, virtuális gyár, sokféle részleg, sok helyen, sokféle feladattal, de egy célért

.2015.10.01. Kovács 89

a a2

a3

SADT

OOSE

1. Se számítógép, se tervezési módszerek

2. Számítógép nincs, de már van módszertan

38. és 39. ábra Az első lépések a digitális gyár felé

Út a digitális tervezés és gyártás felé

A felsorolt lépések mintapéldák lehetne több, más tartalmú, kisebb, nagyobb lépés, de

biztos, hogy valamilyen hasonló utat jár/járt be a szakma.

1. Se számítógép, se tervezési módszerek.

2. Számítógép nincs, de már van módszertan.

3. Nincs számítógép, nincsenek tervezési módszertanok.

4. Nincs számítógép, de már vannak tervezési módszertanok. Megjelennek a

számítógépes tervezőprogramok: CAD, CAM, CAPP, CAQ, CAE stb.

5. Van számítógép – ember, gép egyszerű interfésszel – megjelenik az

interaktív tervezés: a CAxx programok új generációja.

6. Számítógép-hálózatok: elosztott CAxx, DAI, CIM, IMS, MRP, ERP, PLM stb.

7. Szabványok, szabványos interfészek: ISO-OSI, IGES, STEP, MAP/TOP.

8. Ubiquitous Intelligencia, HMI, számítástechnika, interfészek, stb.

– 46 –

A (gyártó-) rendszerek rugalmassága

A rugalmasság (flexibilitás) a modern gyártórendszerekkel szembeni talán legfontosabb, és

így méltán a leggyakrabban emlegetett tulajdonság. Igaz viszont, hogy sokféle rugalmasság

definiálható. Az alábbiakban – reményeink szerint – a legjobb meghatározásokat ismertetjük

nagyon röviden:

Jim Browne eredeti rugalmasság taxonómiája (1984)

1. Gép (Machine) egy új alkatrésztípus gyártása érdekében végrehajtandó változtatások

egyszerűsége.

2. Folyamat (Process) annak a lehetősége, hogy egy adott alkatrésztípust többféleképpen

tudjunk gyártani, akár különböző anyagból.

3. Termék (Product) egy új termék (-család) gyártására való gyors és gazdaságos átállás.

4. Útvonal (Routing) a meghibásodások kezelésének lehetősége úgy, hogy az adott

alkatrésztípus gyártása folytatódjék.

5. Termékmennyiség (Volume) az a képesség, hogy a rendszer a különböző

termékmennyiségeket egyaránt gazdaságosan legyen képes gyártani.

6. Kiterjeszthetőség (Expansion) olyan rendszert kell építeni, amelyik szükség esetén

modulárisan megnövelhető, az igények szerint.

7. Működés (Operation) számos művelet sorba rakásának felcserélési lehetősége minden

alkatrésztípus esetén.

8. Gyártás (Production) azon alkatrészek összessége, amelyeket a rendszer gyártani

képes.

Sethi és Sethi, 1990-ben további 3 flexibilitást definiált

9. Anyag (Material) az anyagkezelő rendszer rugalmassága azt jelenti, hogy a rendszer az

általa kezelt különböző alkatrészeket egyaránt hatékonyan és jól kezeli, az általa kiszolgált

gyártórendszerekben.

10. Program (Program) a rendszernek az a képessége, hogy virtuálisan felügyelet nélkül

tudjon futni elég hosszasan.

11. Piac (Market) a gyártórendszer könnyen tudjon adaptálódni változó piaci

körülményekhez.

Érdekességként lássuk Gershwin 1987-es rugalmasság/bizonytalanság táblázatának a

címszavait: Vegyes (Mix), Változtatás (Changeover), Módosítás (Modification), Útátalakítás

(Rerouting), Termékmennyiség (Volume), Anyag (Material), Sorba állítás (Sequence).

Gyártásautomatizálás és Robotika - mik.pte.hu · PDF fileA...

Documents

Transcript of Gyártásautomatizálás és Robotika - mik.pte.hu · PDF fileA...