Wyniki wyszukiwania - BazTech

1

Wprowadzanie innowacji w zakresie automatyzacji transportu wewnętrznego w przedsiębiorstwach i zakładach produkcyjnych

Zientek I., Maj D., Skrobol A., Motylski P.

Journal of TransLogistics

|

2018

|

Vol. 4, nr 1

157--166

PL

W artykule podjęto problematykę wdrażania nowych rozwiązań technologicznych w dziedzinie automatyzacji w zakładach produkcyjnych. Sporządzono prognozę możliwych kierunków rozwoju robotyzacji oraz wyszczególniono najczęściej stosowane metody. Rozwinięto kwestię transportu wewnętrznego w przestrzeniach magazynowych. Opisano wpływ mobilnych robotów na zmiany organizacji pracy w zakładach produkcyjnych. Przybliżono jedno z możliwych rodzaju trans portu wewnątrzzakładowego, z uwzględnieniem jego mocnych i słabych stron. Celem artykułu była analiza porównawcza zastosowania automatyzowanego systemu transportu wewnętrznego oraz tradycyjnego oraz kalkulacja korzyści wynikających z minimalizacji kosztów energii i płac.

EN

The article presents the problem of introducing a new, technological solutions in the field of automation in production plants. The prediction of possible direction of robotization’s development were made in the project and the most commonly used methods were detailed. Theme of a works transport in the warehouse’s areas was built up. In the article is described influence of a mobile robots on changes in a system of work production companies. There is also highlighted one of possible mean of in-company transport, with counting its weaknesses and assets. The main aim of the article was a comparative analysis of using a robotize and traditional system of in-company transport and the estimate of benefits, which are results from minimization costs of the energy and salaries.

2

Rapid design of a hydraulic damper valve system

Wszołek G., Czop P., Skrobol A., Sławik D.

Systems : journal of transdisciplinary systems science

|

2012

|

Vol. 16, nr 1

45-56

EN

This paper proposes an analytical tool that supports the design process of a disc spring valve system used in hydraulic car dampers. The proposed analytical tool obtains a key design characteristic of a valve, which is the flow rate and the corresponding maximum stress level in the stack of plates. The tool is prepared based on the cases produced by a first-principle model using a finite element approach. The finite element model was calibrated based on experimental results to provide accurate results in the entire range of input parameters.

3

Intelligent computing in inverse problems

Burczyński T., Beluch W., Długosz A., Orantek P., Skrobol A.

Computer Assisted Mechanics and Engineering Sciences

|

2006

|

Vol. 13, No. 1

161-206

EN

This paper presents a review of intelligent computing techniques in solving inverse mechanics problems. These techniques are based on Evolutionary Algorithms (EAs) and the coupling of Evolutionary Algorithms (EAs) and Artificial Neural Networks (ANNs) in the form of Computational Intelligence Systems (CISs). The main attention was focused on the identification of the defects such as voids or cracks in structures on the basis of the knowledge about displacements, temperature and eigenfrequencies. The identification of the unknown number, position, size and kind of defects in the elastic structures is shown. The paper contains a lot of tests and numerical examples.

4

Dwuetapowa metoda identyfikacji defektów w dynamicznych układach mechanicznych

Burczyński T., Skrobol A., Orantek P.

Zeszyty Naukowe Politechniki Rzeszowskiej. Mechanika

|

2005

|

z. 65 [222]

61-68

EN

The paper presents the connected evolutionary and gradient identification of the internal defects in an elastic body under dynamical load. The identification proceeds on the basis of the knowledge about boundary displacements in some sensor points. In the first step the evolutionary algorithm (EA) identifies the number, kind, position and size of internal defects. The fitness function is computed with the help of the pseudo-gaussian fuzzy inference systems (PGFISs). In the second step the gradient method of identification is used to obtain more precise results. The structure of the chromosome and the connection between the EA and the PGFIS is presented. The results of identification in an elastic rectangular under sinusoidal load with internal defects in the form of crack or circular voids are shown.

5

Fuzzy-neural and evolutionary computation in identification of defects

Burczyński T., Orantek P., Skrobol A.

Journal of Theoretical and Applied Mechanics

|

2004

|

Vol. 42 nr 3

445-460

EN

It is known that an elastic body contains some internal defects such as voids, cracks, additional masses, etc. This paper is devoted to a method based on computational intelligence for non-destructive defect identification. In the presented paper, an elastic body loaded statically is considered. The body contains an unknown number of internal defects. There are a lot of applications based on non-destructive methods. The Evolutionary Algorithm (EA) with the Boundary Element method (BEM) is a very effective tool in the identification of internal defects. In this method, the fitness function is calculated for each chromosome in each generation by the BEM. The number of chromosomes in each generation is quite large, and the number of generations is also large, so the time needed to carry out the identification is very long. Methods based on Artificial Neural Networks (ANN) find the position and shape of internal defects in a very short time. Because ANNs are usually trained using gradient methods, the risk that the solution is in a local optimum is one of disadvantages of such a method. There is also a problem when the ANN has to identify two or more different kinds of defects (cracks, voids and additional masses) in one body. In the present method, an EA is connected with the ANN in one system. This operational allows to avoid main disadvantages of these methods and to use their advantages. The evolutionary algorithm is applied to identify the number of defects and their parameters (position and size). The identification of a defect in the body is performed by minimizing the fitness function which is calculated as a difference between measured and computed displacements in some sensor points on the boundary of the investigated structure. The fitness function is computed using an Artificial Neural Network (ANN).

PL

Obiekty techniczne jako układy mechaniczne zawierają różne defekty wewnętrzne takie jak pustki, pęknięcia itp. Artykuł jest poświęcony nieniszczącym metodom identyfikacji defektów opartym na inteligencji obliczeniowej. Rozważane jako ciało sprężyste znajdujące się pod wpływem obciążenia statycznego zawierające nieznaną liczbę defektów wewnętrznych. Istnieje wiele nieniszczących metod identyfikacji defektów wewnętrznych. Jedną z nich jest metoda oparta na Algorytmach Ewolucyjnych (AE) połączonych z Metodą Elementów Brzegowych (MEB). W tej metodzie dla każdego chromosomu w każdym pokoleniu obliczana jest za pomocą MEB funkcja przystosowania. Ponieważ liczba chromosomów w epoce oraz liczba epok jest dosyć duża, zatem czas potrzebny do przeprowadzenia identyfikacji jest znaczący. Metody bazujące na Sztucznych Sieciach Neuronowych (SSN) identyfikują położenie oraz kształt defektów wewnętrznych w bardzo krótkim czasie. SSN są zazwyczaj uczone z wykorzystaniem metod gradientowych. Isnieje zatem spore ryzyko, że uzyskane rozwiązanie utknęło w minimum lokalnym. Wykorzystując SSN napotykamy na spore trudności również w przypadku identyfikacji dwóch lub więcej różnych rodzajów defektów (pęknięć, pustek itp.), które występują jednocześnie w identyfikowanym układzie. W metodzie opisywanej w niniejszym artykule połączono AE oraz SSn w jeden system. Operacja ta pozwoli ustrzec się przed głównymi wadami i uwypuklić zalety obydwu metod. AE identyfikuje liczbę, położenie oraz wymiary defektów. Identyfikacja następuje przez minimalizację funkcji przystosowania, która jest mierzona jako różnica pomiędzy zmierzonymi i obliczonymi przemieszczeniami na brzegu modelu obiektu w punktach kontrolnych. Funkcja przystosowania jest obliczana z wykorzystaniem SSN.