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 CAM CAxx CAPP CAPP CAQ CAE FEM CIM NC CNC DNC RC PLC FMC FMS MES IMS MAP TOP IGES STEP EDI OSI ISO
JIT MRP
Computer Aided Design Computer Aided Manufacturing Computer Aided Anything Computer Aided Process Planning Computer Aided Production Planning Computer Aided Quality Computer Aided Engineering Finite Element Method Computer Integrated Manufacturing Numerical Control Computer Numerical Control Direct Numerical Control Robot Control Programmable Logical Control Flexible Manufacturing Cell Flexible Manufacturing System Manufacturing Execution System Intelligent Manufacturing System Manufacturing Automation Protocol Technical and Office Protocol Initial Graphics Exchange Specification Standard for the Exchange of Product Model Data Electronic Data Interchange Open System Interconnection International Standard Organization Just in Time – Kanban Material Resource Planning
Számítógéppel segített tervezés Számítógéppel segített gyártás Számítógéppel segített mindenféle Számítógéppel segített folyamattervezés Számítógéppel segített termeléstervezés Számítógéppel segített minőség Számítógéppel segített tervezés Végeselem-módszer Számítógéppel integrált gyártás Számjegyes (digitális) irányítás Számítógépes számjegyes (digitális) irányítás Közvetlen számjegyes (digitális) irányítás Robotirányítás Programozható logikai irányítás Rugalmas gyártócella Rugalmas gyártórendszer Gyártási végrehajtó rendszer Intelligens gyártórendszer (Hatvany, Suh) Gyártási automatizálási protokoll Műszaki és irodai protokoll Kezdeti grafikuscsere-specifikáció A termék modelladatok csereszabványa Elektronikus adatcsere Nyitott rendszer-összeköttetés Nemzetközi Szabványszervezet
Éppen idejében – Kanban 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 CIM-OSA
GRAI-GIM PERA GERAM AI DAI KB ES GA Fuzzy OO OMT OOSE SADT CE BPR TQM DSS
Enterprise Resource Planning Computer Integrated Manufacturing – Open System Architecture GRAI (Univ. of Bordeaux) Integrated Methodology Purdue Enterprise Reference Architecture and Methodology Generic Enterprise Reference Architecture and Methodology Artificial Intelligence Distributed Artificial Intelligence Knowledge Base Expert System Genetic Algorithm Fuzzy Object Oriented Object Modelling Technique Object Oriented Software Engineering System Analysis Design Technique Concurrent Engineering Business Process Reengineering Total Quality Management Decision Support Systems
Vállalatiforrás-tervezés Számítógéppel integrált gyártás – nyílt Rendszerarchitektúra (Kurt Kosanke) A bordeaux-i egyetem integrált módszertana (Guy Doumeingts) Purdue vállalati referenciaarchitektúra és módszertan (Ted Williams) Generikus vállalati referenciaarchitektúra és módszertan (Nemes L., Bernus P.) Mesterséges intelligencia Elosztott mesterséges intelligencia Tudásbázis Szakértő rendszer Genetikus algoritmusok Nemcsak 0 és 1, hanem 1,34 is lehet Objektumorientált Objektummodellezési technika Objektumorientált szoftvertervezés (Jacobson) Rendszeranalízis és tervezési technika (Ross) Párhuzamos (egyidejű) termelés Üzleti folyamatok újratervezése Totális minőség kezelés Döntéstámogató rendszerek
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 hozzájárulnake 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.
–8–
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,.
–9–
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
– 10 –
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/nanotechnológiák), 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-szétszerelésújrafelhasználás-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
– 11 –
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 I N F O R M Á C I Ó
Logikai tervezés
CAD
Konstrukciós tervezés
CAM
GYÁRTÁS, SZERELÉS
CAQ Teszt Diagnózis
1. ábra CIM modell, 1970
– 12 –
RC NC CNC DNC PLC
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.
– 13 –
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.
– 14 –
4. Gyártórendszerek tervezésiüzemeltetési 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,
– 15 –
–
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
idő
R A D
I T
M
2. ábra Vízesés modell
– 16 –
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)
time
R A
D I T M 3. ábra Párhuzamos tervezés
Párhuzamos tervezés/fejlesztés 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.
analysis
design Reqs. specification V1
V2
implementation
integration 4. ábra A spirális OO modell
– 17 –
V3
A Bőhm modell arra hívja fel a figyelmet, hogy a tervezés és megvalósítás minden fázisa meglehetősen sok energiabefektetést igényel, így mindegyikre megfelelően kell allokálni.
Projekt munka
Anal.
Implem.
Design
Test
idő
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)
SADT
SA/SD
SATT SREM/RDD
SSADM
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).
– 18 –
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.
– 19 –
Control
Input
Output
Funkció neve
Mechanizmus 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.).
In
AA
BB
CD
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
– 20 –
OOSE
Az UML és a RUP az OOD, OMT és OOSE alkotóinak együttműködésének eredménye, a gyakorlatban használható és használt eszközök. Az OOSE – példaként – néhány jellemzője
analysis
testing
construction
Requirements model
Design model
Analysis 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.
flight
Pilot
(actor)
booking
Clerk
schedule
(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:
M: model Use case M
Analysis M
Domain object M
Design M
Implem. M
11. ábra OOSE modellek összefüggései
– 21 –
Testing M
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 Reqs. Robustness Design Implementation Testing anal. analízis Tervezés Megvalósítás Teszt
• • • • • •
OOSE OOA OOD HOOD OMT RDD 12. ábra OO tervezési eljárások összehasonlítása
– 22 –
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."
– 23 –
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." – 24 –
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.
– 25 –
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.
– 26 –
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 többékevésbé távoli vagy teljesen elvont objektumokra vagy szituációkra vonatkoznak, illetve utalnak.
– 27 –
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.
– 28 –
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."
– 29 –
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
– 30 –
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
– 31 –
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
– 32 –
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
– 33 –
Probléma terület Szakértő megfigyel Szakértő stratégia SZAKÉRTŐ rendszer Szakértő rendszerépítő eszköz Program-nyelv Operációs rendszer Assembly Gépi kód Hardver
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
– 34 –
5.Tweety sárga
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. 5.
Fritz zöld *** goal (ez volt a cél).
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
– 35 –
TUDÁSBÁZIS KÖVETKEZTETŐ Gép
Tudásmérnök Magyarázó alrendszer 18. ábra Szakértő rendszer architektúrája
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
19. ábra Interferenciagép/Tudásbázi és a lehetséges szintek
– 36 –
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
– 37 –
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.
– 38 –
Szakértő irányító rendszerek
Tudás- és adatszintek
robotok – szerszámgépek -- érzékelők 23. ábra Szakértő rendszerek – tudásszintek és gépek
24. ábra Egy intelligens robotvezérlés
– 39 –
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. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16.
Az önvédelem és élelemszerzés céljából egy kődarabot vagy fadarabot használt fegyverként. Ezután következett a pattintott kőszerszámok alkalmazása. Emelők, csigák és görgők használata. Kézzel pörgetett rúd mint fúró, egyszerű, kézzel hajtott eszterga. A víz, a szél adta energia transzformálása forgatásra. Mechanikus energiatároló. Emelőgépek. Első ipari forradalom – szövőgép, gőzgép (18. sz.). Gőzzel hajtott gépek, vonatok. Pontos szerszámgépek. Ford T-modell a gyártósoron (1908, Galamb József főmérnök). Elektromos áram használata motorok hajtására. Vezérlés, irányítás (Control) alkalmazása. Második ipari forradalom (20 sz.) tömeggyártás, elektromos energia. Harmadik ipari forradalom (1970-es évek) IT bevezetése, robotok. 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:
– 40 –
Pattintott kő-szerszám
Durva
Finom
fegyver
2015.07.04.
2015.07.04.
kovacs: automation
65
25. ábra A felfegyverzett ember, a fegyver egy kődarab
kovacs: automation
66
26. ábra A szerszámhasználó ember, durva és finom kőszerszámokkal
Emberi erő - víz Emelők – Energia átalakítás Taposómalom Lómalom
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 ábra Gyártócella gyártórendszer, látványos, 29. ábra 29. Robotsor a SUZUKI– gyárban fotogén, de tudjuk, hogy mi van a falak mögött működő robotsor a Suzuki esztergomi gyárában Kovács
2015.10.09.
– 41 –
80
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.
INPUT
E1
E2
M1
Rob1 Cell 1.
M2 Rob2 Cell 2.
adat data
Cell 3.
anyag material
Finish
Clean
OUTPUT 2015.10.01.
CIM, FMS, FMC,Kovács holon, ágens
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. Heterarchia - egyenlőség, függetlenség – holonok (ágensek)
2015.10.01.
Kovács
32. ábra Heterarchikus rendszer 31. ábra Hierarchikus rendszer
– 42 –
81
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
2015.10.01.
33. ábra Egy vagy több munkás, semmi gép kézi munka
Kovács
34. ábra Egy munkás, egy vagy több gép
– 43 –
83
Kovács
2015.11.10.
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).
jelentések
utasítások
2015.10.01.
Holonok (ágensek)
Kovács
89
2015.10.01.
36. ábra Hierarchikus és heterarchikus gyárhálózat
– 44 –
Kovács
89
F1
F2 F3
Fn F4
. 2015.09.29.
Kovács
89
37. ábra Gyárhálózat – kiterjesztett, virtuális gyár, sokféle részleg, sok helyen, sokféle feladattal, de egy célért
1. Se számítógép, se tervezési módszerek
2. Számítógép nincs, de már van módszertan
a
a2
SADT a3 OOSE
. 2015.10.01.
Kovács
89
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. 2. 3. 4. 5. 6. 7. 8.
Se számítógép, se tervezési módszerek. Számítógép nincs, de már van módszertan. Nincs számítógép, nincsenek tervezési módszertanok. Nincs számítógép, de már vannak tervezési módszertanok. Megjelennek a számítógépes tervezőprogramok: CAD, CAM, CAPP, CAQ, CAE stb. Van számítógép – ember, gép egyszerű interfésszel – megjelenik az interaktív tervezés: a CAxx programok új generációja. Számítógép-hálózatok: elosztott CAxx, DAI, CIM, IMS, MRP, ERP, PLM stb. Szabványok, szabványos interfészek: ISO-OSI, IGES, STEP, MAP/TOP. Ubiquitous Intelligencia, HMI, számítástechnika, interfészek, stb.
– 45 –
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).
– 46 –