Gyártásautomatizálás és Robotika - mik.pte.hu · PDF fileA...
Transcript of 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.
TÁMOP-4.1.1.F-14/1/KONV-2015-0009 „A GÉPÉSZETI ÉS INFORMATIKAI ÁGAZATOK DUÁLIS ÉS
MODULÁRIS KÉPZÉSEINEK KIALAKÍTÁSA A PÉCSI
TUDOMÁNYEGYETEMEN „
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
TÁMOP-4.1.1.F-14/1/KONV-2015-0009 „A GÉPÉSZETI ÉS INFORMATIKAI ÁGAZATOK DUÁLIS ÉS
MODULÁRIS KÉPZÉSEINEK KIALAKÍTÁSA A PÉCSI
TUDOMÁNYEGYETEMEN „
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
TÁMOP-4.1.1.F-14/1/KONV-2015-0009 „A GÉPÉSZETI ÉS INFORMATIKAI ÁGAZATOK DUÁLIS ÉS
MODULÁRIS KÉPZÉSEINEK KIALAKÍTÁSA A PÉCSI
TUDOMÁNYEGYETEMEN „
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
TÁMOP-4.1.1.F-14/1/KONV-2015-0009 „A GÉPÉSZETI ÉS INFORMATIKAI ÁGAZATOK DUÁLIS ÉS
MODULÁRIS KÉPZÉSEINEK KIALAKÍTÁSA A PÉCSI
TUDOMÁNYEGYETEMEN „
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
TÁMOP-4.1.1.F-14/1/KONV-2015-0009 „A GÉPÉSZETI ÉS INFORMATIKAI ÁGAZATOK DUÁLIS ÉS
MODULÁRIS KÉPZÉSEINEK KIALAKÍTÁSA A PÉCSI
TUDOMÁNYEGYETEMEN „
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
TÁMOP-4.1.1.F-14/1/KONV-2015-0009 „A GÉPÉSZETI ÉS INFORMATIKAI ÁGAZATOK DUÁLIS ÉS
MODULÁRIS KÉPZÉSEINEK KIALAKÍTÁSA A PÉCSI
TUDOMÁNYEGYETEMEN „
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,.
– 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
2015.07.04. kovacs: automation 66
26. ábra A szerszámhasználó ember,
durva és finom kőszerszámokkal
Taposómalom
Ló-
malom
Emberi erő - víz Emelők – Energia átalakítás
2015.07.04. kovacs: automation 69
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).