The application of artificial intelligence methods in polyethylene film production process control

• Autorzy: Jardzioch Andrzej , Marczak Wioletta

Identyfikatory

DOI

10.25961/ent.manag.23.01.03

• Języki publikacji: EN

Abstrakty

EN

The paper presents the design of a fuzzy controller whose task is intelligent, linguistic rule based control of thickness of the extruded polyethylene film. The structure of the fuzzy controller was developed; then, its model was built in MATLAB SIMULINK program and simulations were run to verify its performance under laboratory conditions. Based on the investigation, it can be concluded that the developed controller enables precise adjustment of polyethylene film thickness, taking into account disturbances caused by internal and external factors.

Słowa kluczowe

EN

fuzzy logic; production process control; simulation; Matlab; production system

PL

logika rozmyta; sterowanie procesami produkcji; symulacja; Matlab; system produkcyjny

• Wydawca: Polskie Towarzystwo Zarządzania Produkcją
• Czasopismo: Zarządzanie Przedsiębiorstwem
• Rocznik: 2020
• Tom: Vol. 23, nr 1
• Strony: 16--22
• Opis fizyczny: Bibliogr. 19 poz., il. kolor., rys., 1 wykr.

Twórcy

autor

Jardzioch Andrzej

• West Pomeranian University of Technology in Szczecin, Faculty of Mechanical Engineering and Mechatronics, al. Piastów 19, 70-310 Szczecin

autor

Marczak Wioletta

• West Pomeranian University of Technology in Szczecin, Poland

Bibliografia

• [1] Azadegan A., Porobic L., Ghazinoory S., Samouei P., Kheirkhah A.S., Fuzzy logic in manufacturing: A review of literature and a specialized application, International Journal of Production Economics, 132, 258-270, 2011.
• [2] Driankov D., Hellendoorn H., Reinfrank M., Wprowadzenie do sterowania rozmytego, WNT, 1996.
• [3] Filev D., Syed F., Applied intelligent systems: blending fuzzy logic with conventional control, International Journal of General Systems, 39, 4, 395-414, 2010.
• [4] Grzegorzewski P., Wspomaganie decyzji w warunkach niepewności, Metody statystyczne dla nieprecyzyjnych danych, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2006.
• [5] Jardzioch A., Sterowanie elastycznymi systemami obróbkowymi z zastosowaniem metod sztucznej inteligencji, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Szczecin, 2009.
• [6] Jardzioch A., Marczak W., Opracowanie inteligentnego sterowania adaptacyjnego do nadzorowania pracy maszyny wytłaczającej folię polietylenową, Inżynieria zarządzania, Cyfryzacja produkcji, Aktualności badawcze 3, rozdział 6 Zarządzanie wiedzą, wspomaganie decyzji, p. 617-627, 2020.
• [7] Jardzioch A., Marczak W., Krebs I., The improvement of manufacturing proces through the use of statistical process control, Journal of Machine Construction and Maintenance, 4, 105-111, 2018.
• [8] Jardzioch A., Marczak W., Skobiej B., The application of fuzzy logic in monitoring the stability of a production process, Monografia no. 364, Wydział Mechaniczny, Wydawnictwo Uczelniane Politechniki Koszalińskiej, Koszalin, 2019.
• [9] Jardzioch A., Skobiej B. , Selected aspects of crossover and mutation of binary rules in the context of machine learning, Information Systems Architecture and Technology: Proceedings of 39th International Conference on Information Systems Architecture and Technology - ISAT 2018, Springer, Cham, 2018.
• [10] Kościelny J., Diagnostyka zautomatyzowanych procesów przemysłowych, Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2001.
• [11] Mamandi E., Application of fuzzy algorithms for control of simple dynamic plant, Proceedings IEEE, 121, 12, 1585-1588, 1974.
• [12] Onut S., Kara S., Mert S., Selecting the suitable material handling equipment in the presence of vagueness, International Journal of Advanced, Manufacturing Technology, 44, 7-8, 818-828, 2009.
• [13] Pedrycz W., Gomide F., Fuzzy systems engineering: toward human-centric computing, Wiley, New Jersey, 2007.
• [14] Ravi S., Balakrishnan P.A., Marimuthu C.N., Sujitha C., Design of synthetic optimizing neuro fuzzy temperature controller for twin screw profile plastic extruder using labview, Intelligent Automation & Soft Computing, 20, 1, 92-100, 2014.
• [15] Ross T., Fuzzy logic with engineering applications, Wiley, UK, 2010.
• [16] Wachowicz E., Zastosowania teorii zbiorów rozmytych do modelowania procesów technologicznych, Inżynieria Rolnicza, 7, 40, 5-17, 2002.
• [17] Yusuf I., Iksan N., Herman N.S., A temperature control for plastic extruder used fuzzy genetic algorithms, Proceeding of the International MultiConference of Engineers and Computer Scientists 2010, vol. II, IMCS 2010, March 17-19, Hong Kong, 2010.
• [18] Zadeh L.A., Fuzzy sets, Information and Control, 8, 338-353, 1965.
• [19] Zhoua P., Liua H., Tanb K., Chena Ch., Application and research of fuzzy control simulation in twin screw extruder, International Workshop on Information and Electronics Engineering, Procedia Engineering, 29, 542-546, 2012.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).