Wyniki wyszukiwania - BazTech

1

Zastosowanie robotyki w zakładach przemysłowych przy modelowaniu linii produkcyjnej

Nowocień A., Makowski M., Winiarski M., Pietruszczak D.

Logistyka

|

2014

|

nr 6

7999--8005

PL

W artykule przedstawiono model taśmociągu z zastosowaniem robota przemysłowego. Do wykonania stanowiska wykorzystano moduł NXT 2.0 wyposażoną w 32 bitowy procesor ARM7, sensory dotyku i koloru oraz trzy serwomotory. Stanowisko dydaktyczne może być zastosowane do symulacji typowej aplikacji przemysłowej – sterowanie taśmociągiem oraz nietypowej – sterowanie stałowartościowe prędkością taśmociągu niezależnie od obciążenia. Zastosowanie regulatora PID w algorytmie sterowania umożliwia użycie regulacji stałowartościowej do sterowania prędkością taśmociągu niezależnie od masy transportowanego produktu i kąta nachylenia taśmociągu. Model umożliwia też segregację transportowanych produktów. Dedykowanym narzędziem programistycznym służącym do zaprogramowania kostki NXT jest Lego Mindstorms Education NXT lub RobotC Opisane w artykule stanowisko dydaktyczne może służyć do modelowania procesów przemysłowych w warunkach szkodliwych (np. segregacja odpadów komunalnych) oraz wszędzie tam gdzie przy segregacji elementów zachodzi potrzeba wyeliminowania czynnika ludzkiego.

EN

The paper presents a model of the conveyor belt using an industrial robot. The position used to perform bone NXT 2.0 equipped with a 32-bit ARM7 processor, touch and color sensors and three servo motors. The position of teaching can be used to simulate a typical industrial application – the control of conveyor and unusual - to control the speed of the conveyor belt to constant regardless of the load. Application of PID control algorithm allows the use of a fixed setpoint to control the speed of the conveyor belt, regardless of the weight of the transported material and the angle of inclination of the conveyor belt. The model also allows segregation of transported products. Dedicated development tool used for programming the NXT cube Lego Mindstorms Education is the NXT and RobotC. Described in the article teaching position can be used for modeling of industrial processes in hazardous conditions (eg. Segregation of municipal waste) and other applications where the segregation of the elements necessary to eliminate the human factor.

2

Modelowanie procesów produkcyjnych w oparciu o sterownik PLC współpracujący z systemem wagowym

Chrzan M., Makowski M., Winiarski M., Nowocień A.

Logistyka

|

2014

|

nr 6

2668--2675

PL

W prezentowanym artykule przedstawiono sposób modelowania procesów produkcyjnych w oparciu o sterownik PLC współpracujący z systemem wagowym. Opisano budowę stanowiska dydaktycznego, zaprezentowano jego możliwości, pod względem ukazania procesów produkcyjnych, a także pod względem nauki programowania sterownika PLC i wagi. Scharakteryzowano sterownik PLC S7-1200, narzędzie programistyczne TIA Portal, terminal wagowy PUE 7 oraz system wagowy WPY 30/C1/R. Zwrócono uwagę na zastosowanie w/w urządzeń w przemyśle. Opisano sposoby programowania sterownika PLC S7-1200, ze zwróceniem uwagi na możliwości poznania trzech języków programowania LD, FBD, SCL oraz metodę programowania terminala wagowego PUE 7 w systemie wagowym WPY 30/C1/R.

EN

The article presents a method of modeling production processes based on PLC cooperating with the weight system. It describes the construction of the teaching position, presents its capabilities in terms of year of production processes, as well as in terms of learning programming PLC and weight. It characterized PLC S7-1200, the TIA Portal software tool, terminal & PUE and weighing system WPY 30 / C1 / R. The attention is drawn to the use of the above in industrial devices. It describes how to program the PLC S7-1200, with a focus on opportunity to learn three programming languages LD, FBD, SCL and the method of programming terminal PUE 7 weighing system WPY 30 / C1 / R.

3

Modelowanie procesu produkcyjnego skrzyni korbowej statku przy użyciu sieci Petri

Pawlewski P., Ciemna A., Aleksandrowicz J.

Logistyka

|

2007

|

nr 1

CD-CD

PL

Celem artykułu jest zaprezentowanie możliwości modelowania procesu produkcji skrzyni korbowej statku przy użyciu sieci Petri. W artykule przedstawione najbardziej charakterystyczne elementy sieci Petri oraz zdefiniowano metodykę postepowania w trakcie modelowania rzeczywistego procesu produkcyjnego. Przedstawiono również sposób prowadzenia badań i ich efekty w poszczególnych krokach metodyki. Zwrócono uwagę na wykorzystanie innych metodyk - IDEF0. Sprecyzowano problemy występujące w trakcie badań oraz zamieszczono wnioski i kierunki dalszych badań w przyszłości.

4

Modelowanie procesów produkcyjnych za pomocą naiwnego klasyfikatora Bayesa i sztucznych sieci neuronowych

Perzyk M., Biernacki R.

Informatyka w Technologii Materiałów

|

2004

|

T. 4, Nr 3

98-104

PL

Badania porównawcze przeprowadzone w niniejszej pracy pozwoliły na stwierdzenie, że błędy przewidywania naiwnego klasyfikatora Bayesa być mniejsze lub większe od błędów sieci neuronowej. Dla dwóch identycznych symulowanych zbiorów o wyjściu binarnym, różniących się tylko liczebnością, NKB wykazał mniejszy błąd (% mylnych kategorii) niż SSN w przypadku zbioru mniej licznego. Współczynnik istotności względnej wielkości weściowych związany z NKB w obecnej postaci daje mało precyzyjne wyniki dla sygnałów o mniejszym znaczeniu. Dla wyjścia typu binarnego NKB dał wyraźnie lepszy rezultat w postaci identyfikacji sygnału zdecydowanie wyróżniającego się, niż SSN. Należy stwierdzić, że główną zaletą NKB w stosunku do SSN jest jednoznaczność tego modelu, a także prostota jego stosowania. Sadzić można także, że NKB jest mniej wymagający, jeśli chodzi o liczebność zbioru uczącego (np. nie wymaga on zbioru weryfikującego przy uczeniu). Wydaje się, że NKB może stanowić pożyteczny dla zastosowań przemysłowych system uczący się, w niektórych przypadkach lepszy od SSN. Celowe są jednak dalsze, systematyczne badania, zwłaszcza nad rozszerzeniem możliwości interpretacji wyników obu systemów, w tym analizy istotności wielkości wejściowych. Obecna praca pozwoliła jedynie na zwrócenie uwagi na potencjalne możliwości zastosowań NKB do modelowania procesów przemysłowych, jako alternatywnego wobec SSN systemu uczącego się oraz zasygnalizowanie szeregu problemów z tym związanych.

EN

Modeling qualities of two types learning systems are compared: naive Bayesian classifier (NBC) and artificial neural networks (ANN), based on prediction errors and relevant importance factors of input signals. Simulated and real industrial data were used. It was found that NBC can be an effective and a better tool in some applications, compared to ANN.