Intelligens módszerek gyártórendszerek m ködésében bekövetkezett zavarok és változások kezelésére

Budapesti MĦszaki és Gazdaságtudományi Egyetem Gépgyártástechnológia Tanszék

A Ph.D értekezés tézisei

Intelligens módszerek gyártórendszerek mĦködésében bekövetkezett zavarok és változások kezelésére

Kádár Botond okl. gépészmérnök

Budapest, 2002. február

Intelligens módszerek zavarok és változások kezelésére gyártórendszerekben

Kádár B.:

1. Bevezetés Napjaink

gyártórendszerei

gyorsan

változó,

bizonytalansággal

terhelt

környezetben

mĦködnek, ami több egymással kölcsönhatásban lévĘ tényezĘnek az eredménye. A piaci igények változatossága miatt megnĘtt egyedi- és a kissorozatgyártásnak az aránya, illetve a tömeggyártásban és a sorozatgyártásban is a megrendelĘk igényeihez igazított termékek elĘállítása került elĘtérbe. Fontos tényezĘ az információ technológia (Information Technology, IT) igen gyors fejlĘdése, ami az élet minden területén, így a gyártásautomatizálásban is érezteti hatását. Az új IT eszközök megjelenése a Számítógéppel Integrált Gyártás (Computer Integrated Manufacturing, CIM) területén az eddig külön kezelt funkciók integrált rendszerbe vonását is elĘsegítették, ami a komplexitás növekedését eredményezte. A magasabb integráltsági fok nemcsak a gyártási funkciókban, hanem a vállalat magasabb szintjén kezelt gazdasági és mĦszaki döntések egyre szorosabb kapcsolatában is jelentkezik. Szintén az IT rohamos fejlĘdésének köszönhetĘ, hogy a korszerĦ hálózatok hardver és szoftver eszközei lehetĘséget teremtenek a gyártókapacitások globalizációjára, és ezen keresztül a kiterjesztett vállalatok (Extended Enterprise, EE) létrehozására. A korábbiakhoz hasonlóan fontos tényezĘ maradt az idĘ, ami olyan új koncepciók bevezetését és használatát eredményezte, mint a konkurens mérnöki tevékenység (concurrent engineering) vagy a gyors és virtuális prototípus készítés (rapid prototyping, virtual prototyping). Napjaink gyártórendszereivel és az elkészített termékekkel szemben támasztott minĘségi követelmények igen szigorúak, ami a felügyelet és diagnosztika, a minĘségmenedzsment új technikáit követeli meg. A korábbi „embernélküli gyár” víziójával szemben mára már egyértelmĦvé vált, hogy az emberi tényezĘ igenis fontos a gyártórendszerek irányításában és annak eredményes kiaknázása versenyelĘnyt jelenthet. Ennek a felismerésnek következménye a decentralizáltabb, a felelĘséget alsóbb szintekre delegáló szervezeti formák megjelenése. Kulcsfontosságú a "fenntartható" fejlĘdés (sustainable development), vagyis az erĘforrások tudatosan takarékos felhasználása, ezzel kapcsolatban is a termék követése a teljes élettartamon keresztül. Lényeges megemlíteni, hogy napjaink gyártórendszereiben folyamatosan és egyre gyorsuló ütemben kerülnek alkalmazásra a mesterséges intelligencia (Artificial Intelligence, AI) legújabb technikái. Figyelembe véve a fenti tényeket megállapítható, hogy a jövĘ gyártórendszereinek nagyobb rugalmasságot, jobb adaptálhatóságot kell felmutatniuk a gyártmánytervezés, a gyártástervezés és a gyártásvégrehajtás területén. Olyan flexibilis termelési rendszerekre van szükség, amelyek a fent bemutatott kihívásokat kezelni képesek, valamint rövidebb idĘ alatt és költséghatékony módon segítik a fogyasztói igényekre szabott gyártást. A versenyben való sikeres szereplés egyik legfĘbb tényezĘje a folyamatos tanulási és adaptálódási képesség, mert a vállatoknak a legkisebb költség mellett és a lehetĘ leggyorsabban kell alkalmazkodniuk a megváltozott -2-

Kádár B.:


körülményekhez. Az ipari termelĘ vállalatok piaci helyzetét tehát alapvetĘen befolyásolja gyártórendszereik rugalmassága és mobilizálhatósága. A CIM hagyományos rendszereinek strukturális és irányítási szervezése általában erĘsen hierarchikus, ami nem minden esetben teszi lehetĘvé a felsorolt problémák hatékony kezelését. A magas szintĦ automatizáltság mellett a rendszereket jellemzĘ merevség erĘsen megnehezíti alkalmazkodásukat a folyamatosan változó környezethez, ami gyakran gátat szabhat az eredményes mĦködésnek. A fenti környezeti hatások és a korábbi gyártórendszerek kapcsán jelentkezĘ problémák, napjainkra egy új, az intelligens gyártórendszerek (Intelligent Manufacturing Systems, IMSs) kutatási tématerület kialakulását eredményezték. Az intelligens gyártórendszerek kifejezés két fĘ értelmezést kapott az elmúlt években. Az egyik szerint a fogalom olyan rendszereket jelöl, amelyeknek képesnek kell lenniük egyedi, elĘre nem látható szituációk kezelésére, mégpedig -bizonyos határokon belül- hiányos és pontatlan információk alapján is [61]. E szempontból elsĘsorban a mesterséges intelligencia technikák kutatása és felhasználása kerül elĘtérbe. Az elnevezés ugyanakkor vonatkozik arra a japán kezdeményezésre, 1992-ben indult világméretĦ IMS projektre, amelyben a 21. század termelĘrendszereinek tudományos és mĦszaki megalapozása a cél [92]. Ebben a kezdeményezésben is hangsúlyos szerepet kapnak a mesterséges intelligencia technikák, de a világméretĦ összefogás keretében kivitelezett kutatómunka inkább az információ technológia legújabb irányzataira, a környezeti problémák kezelésére és a gazdaságossági kérdésekre koncentrál. A változások és zavarok kezelésére, a hagyományos rendszerek irányítása kapcsán felmerülĘ, fentiekben bemutatott hátrányok kiküszöbölésére két lehetséges út kínálkozik. EgyrészrĘl, a centralizált/hierarchikus vezérlési elven mĦködĘ rendszereinket vagy azok egyes elemeit egészíthetjük ki olyan komponensekkel, amelyek megnövelik a rugalmasságot. Ezek általában reaktív üzemmódban mĦködnek, de napjainkban már kísérletek folynak proaktív, azaz elĘretekintĘ, megelĘzĘ stratégiát alkalmazó technikák alkalmazására is (1. ábra A). MásrészrĘl, olyan elosztott intelligenciájú rendszereket vezetünk be, amelyek természetüknél fogva jóval rugalmasabbak hagyományos társaiknál (1. ábra B). Ezt a két továbblépési lehetĘséget, illetve a megvalósítást támogató lehetséges technikákat mutatja az 1. ábra. A fentiekben vázolt két irányzat természetesen nem választható el élesen egymástól, hisz létezhetnek olyan megoldások, amelyekben a két megközelítés közös és/vagy egymást kiegészítĘ eljárásainak alkalmazásával javítjuk rendszereink zavartĦrĘ képességét. (1. ábra C).

-3-


Kádár B.:

Hagyományos rendszerek Dinamikusan változó környezet

A

B BelsĘ bizonytalanságok

Reaktív/Proaktív rendszerek

Elosztott intelligenciájú rendszerek

C Változtatást támogató technológiák: • AI • szimuláció • virtuális gyártás • ágens alapú rendszerek • ...

1. ábra A hagyományos rendszerek “zavarkezelĘ” fejlesztésének két lehetséges útja Kutatómunkám az intelligens gyártórendszerek elĘzĘekben vázolt két egymást kiegészítĘ problémakörére összpontosít. Munkám során a gyártórendszereket érintĘ és a bevezetésben ismertetett problémák hatékony kezelését tĦztem ki célul és a megvalósított rendszereket a fentiekben vázolt lehetséges utakat követve fejlesztettem ki.

2. A kutatás célkitĦzései Kutatómunkám fĘ célkitĦzése a gyártórendszerek különbözĘ szintjein alkalmazható intelligens technikák vizsgálata és azok alkalmazása volt annak érdekében, hogy ezen rendszerek és/vagy komponenseik a korábbiakhoz viszonyítva rugalmasabban kezelhessék az Ęket érĘ változásokat és zavarokat. Munkám során a gyártórendszerek különbözĘ szintjein keletkezĘ változások és zavarok kezelésének a lehetĘségét vizsgáltam. Míg az elsĘ periódusban a szerszámgép szintjén, a megmunkálási folyamatban történt zavarok felderítésére és elhárítására

koncentráltam,

kutatásaim

második

részében

az

üzemszintĦ

irányítás

problémakörére és az ütemezést érintĘ változások és zavarok kezelésére összpontosítottam. Bekapcsolódva az MTA SZTAKI Intelligens gyártás kutatócsoportjának valamint a BME Gépgyártástechnológia Tanszékének a munkájába, kutatói tevékenységem elsĘ harmadában a korábbi eredményekre támaszkodva a szerszámgép, illetve cella szintĦ automatikus felügyeleti és diagnosztikai rendszerekkel foglalkoztam, amelyek a gyártórendszerek alsó szintjein a megmunkálási folyamatban keletkezĘ zavarok felismeréséért és részbeni kezeléséért felelĘsek.

-4-


Kádár B.:

Munkám kezdetén a következĘ feladatokat fogalmaztam meg: Milyen a szerszámgép- és cellaszintĦ felügyeleti és diagnosztikai rendszerek funkcióinak kapcsolatrendszere? Ezen részrendszerek hogyan integrálhatók a megmunkáló gépek, illetve a teljes rendszer vezérlésébe? Milyen tudásábrázolási és feldolgozási technikák alkalmazhatók az intelligens felügyeleti és diagnosztikai rendszerekben? Milyen funkcionális modulokban használhatók fel hatékonyan a szimbolikus tudásreprezentáción alapuló technikák? Figyelembe véve a szükséges reakcióidĘket, hogyan integrálhatjuk a különbözĘ tudásábrázolási és feldolgozási technikákat? Milyen módon kapcsolható szakértĘi rendszer a szubszimbolikus mesterséges intelligencia technikákon alapuló modulokhoz? Kialakítható-e a fenti tudásábrázolási technikák elĘnyeit kihasználó hibrid rendszer, modellezési és szimulációs célokra? Milyen cellavezérlési funkciók kerülhetnek a szimbolikus rendszer hatáskörébe, illetve hogyan kapcsolható egy ilyen szakértĘi rendszer a cella információs hierarchiájába? Kutatómunkám

második

részében

az

üzemszintĦ

gyártásirányítás

problémakörével

foglalkoztam. Az intelligens gyártórendszerek témakörének új részterületét jelentik az elosztott gyártórendszerek, amelyek autonóm, intelligens, rugalmas, elosztott, egymással kooperáló ágensekbĘl állnak. Egy gyártórendszer ebben a megközelítésben pl. gyártó ágensekbĘl, szerelĘ ágensekbĘl, szállító ágensekbĘl és információs ágensekbĘl tevĘdik össze. Ezen intelligens egységek egymástól közel függetlenül mĦködnek, saját tudásábrázolási, -feldolgozási, döntéshozó és kommunikációs képességgel rendelkeznek. Ez az elosztott struktúra megválaszolásra váró kérdések sokaságát veti fel. Kutatásom során az alábbi fĘ feladatokat céloztam meg: Elosztott mesterséges intelligencia technikák vizsgálata és felhasználása ágens alapú gyártórendszerek ütemezési és gyártásirányítási algoritmusaiban. Az elosztott intelligenciájú gyártórendszerekben található ágensek belsĘ struktúrájának vizsgálata, az adott ágens funkcionalitásainak figyelembe vételével. MegfelelĘ üzenetkezelĘ protokollok (communication protocol) és közös nyelv (common interchange language) alkalmazása ágens alapú gyártórendszerekben. A nyílt rendszer megvalósításának érdekében, szabványos csatlakozási felületek (interface-ek) kialakítása. A rendszerek tanulóképességének vizsgálata, mind globális (rendszer), mind lokális

-5-


Kádár B.:

(ágens) szinten. A lokális és globális optimumok viszonyának elemzése. Az elosztott gyártórendszerek lokális, valamint a centralizált gyártórendszerek globális optimumra törekvésének egyensúlyba hozása egy rendszerben. Ágens alapú rendszerek beilleszthetĘségének vizsgálata meglévĘ hierarchikus struktúrákba, dinamikus és statikus hierarchikus részstruktúrák szerepeltetése elosztott intelligenciájú rendszerekben. A heterarchikus és hierarchikus vezérlési elvek integrált alkalmazásának vizsgálata. A virtuális gyártás (Virtual Manufacturing, VM) koncepció, valamint a szimulációs technika alkalmazhatóságának elemzése az elosztott intelligenciájú gyártórendszerek kutatásában. Egységes objektum-orientált szimulációs keretrendszer kialakítása ágens alapú gyártórendszerek vizsgálatára.

3. A kutatás módszere A kutatási tevékenység során az irodalomkutatás, problémafelvetés, kísérleti megoldások, illetve azok vizsgálata, program- és rendszerfejlesztés, valamint a ellenĘrzĘ futtatások lépéseinek egymásra épülĘ folyamatát követtem. Az intelligens gyártás rendkívül átfogó, sok tudományágat érintĘ multidiszciplináris fejlĘdési irányzat, mely jellegzetességet a kutatási módszertan megtervezésénél messzemenĘen figyelembe kellett vennem. Követve a gyártórendszerek különbözĘ szintjeit, a vonatkozó szakirodalom elemzésével áttekintettem az intelligens gyártás, a mesterséges intelligencia fĘbb irányzatait és ezeken belül a különbözĘ tudásreprezentációs technikákat, gyártórendszerekbeli alkalmazásuk lehetĘségeit,

illetve

az

elosztott

mesterséges

intelligencia

kutatások

irodalmát.

Tanulmányoztam az intelligens gyártás ezen területein elért elméleti eredményeket és a gyakorlati alkalmazások tapasztalatait. Az érintett tudományterületeken elért eredmények áttanulmányozásával a megismert módszerek alkotó továbbfejlesztésének az alapjait teremtettem meg. Munkám kezdetén egy folyamatban lévĘ kutatásba kapcsolódtam be, amelyben szimbolikus tudásreprezentáción alapuló szakértĘi rendszer hierarchikus szerszámgép- és cellafelügyeleti, illetve diagnosztikai rendszerbe integrálásával foglalkoztam. A komplett feladat elvégzése, a végsĘ rendszer kifejlesztése csapatmunkában történt és ez megkívánta a gyártás felügyeleti és diagnosztikai rendszerek, a különbözĘ mesterséges intelligencia megközelítések, illetve a részmodulok kapcsolatrendszerének részletes ismeretét. -6-

Kádár B.:


Az elméleti modellek megvalósításakor munkámat egy könnyen kezelhetĘ, az akkori idĘszakban piacvezetĘ szakértĘi keretrendszer segítette (GoldWorksIII). Bár a programcsomag nagy segítséget nyújtott a végsĘ szakértĘi rendszer megvalósításában, a sikeres implementáció érdekében részletesen megismerkedtem a LISP programozási nyelvvel és a program moduljait ennek segítségével írtam. A kutatómunka során kifejlesztett rendszert valós körülmények mellett mért kísérleti adathalmazzal tesztelhettem, amelyek részben a BME Gépészmérnöki Kar Gépgyártástechnológia tanszékén, részben pedig a Kaiserslauterni Egyetem Gyártási és Termelési Tanszékén végzett mérési kísérletekbĘl származtak. Az elosztott intelligenciájú gyártórendszerek problémaköre, mint az már a bevezetésben is bemutatásra került, egy igen új kutatóterületnek számít. Tekintettel erre a tényre, a vonatkozó irodalom a kutatás kezdetén jóval szĦkebb volt, mint a kiforrottabb témakörök esetén és ez nehezebbé tette a problémák precíz megfogalmazását. Emiatt több kérdés csak a megvalósítási fázisban merült fel, ami nem egyszer újabb irodalomkutatási és elemzési ciklust indukált az implementáció során. Ennek következtében a kutatás során kifejlesztett módszerek és eljárások folyamatosan, több iterációs lépésben kristályosodtak ki. Munkámnak ebben a fázisában a tématerület vezetĘ és elismert nemzetközi kutatóival dolgozhattam együtt, ami úgy érzem részben kompenzálta a rendelkezésre álló irodalom korlátozottabb voltát.

4. Tudományos elĘzmények A gyártással és a gyártórendszerekkel kapcsolatos kutatások kezdete a XX század elejére tehetĘ. Ekkor alakult ki a Ford és Taylor nevével fémjelzett tömeggyártás, amely tökéletesen megfelelt a korabeli polgári és hadiipari követelményeknek. A gyártásautomatizálásban meghatározó mérföldkövet jelentett 1948-ban az elsĘ számjegyes vezérlésĦ (Numerical Control, NC) szerszámgép kifejlesztése [83]. Az 60-as évek végére tehetĘ az elsĘ direkt numerikus vezérlés (Direct Numerical Control, DNC) bevezetése, amely szemben a korábbi lyukszalagos adattárolással, központi számítógépet alkalmaz az NC programok tárolására és letöltésére. Közvetlenül ezután jelentek meg az elsĘ számítógépes számjegyvezérlésĦ (Computer Numerical Control, CNC) berendezések, amelyekben adatfeldolgozási és szerszámgépirányítási funkciókat is integráltak. A szerszámok CNC gépeken történĘ tárolásával és az automatikus cseréjével kialakultak a megmunkáló központok (Machining Centers, MCs), majd a munkadarabok automatikus tárolásával és cseréjével a rugalmas gyártócellák (Flexible Manufacturing Cells, FMCs) és rugalmas gyártórendszerek (Flexible Manufacturing Systems, FMSs). A fenti mĦszaki jellegĦ fejlĘdéssel párhuzamosan, megfigyelhetĘ a gyártórendszerek különbözĘ funkcióinak folyamatos és egyre magasabb szintĦ integrációja, ami a 70-es évek -7-

Kádár B.:


elején a CIM koncepcióban csúcsosodik ki. A CIM a termelésinformatika központi fogalma, amely bevezetése óta nagyon sok definíciót kapott, de elsĘként 1973-ban Harrington publikációjában jelent meg és gyökerei az MIT (Massachusetts Institute of Technology) laboratóriumában folyó automatizálási kutatásokra vezethetĘk vissza. A terület elsĘ nagy alkalmazása az automatizált, rugalmas gyártórendszerek létrehozása volt, amelynek történelmi jelentĘségĦ elsĘ projektje Williamson professzor nevéhez fĦzĘdik [86]. A gyártórendszerek fejlĘdésének legújabb szakaszát, a bevezetĘben is említett, intelligens gyártórendszerek jelentik, amelyek legfĘbb jellemzĘit 1983-ban Hatvany József adta meg. A már idézett megfogalmazás szerint az intelligens gyártórendszereknek bizonyos korlátok között alkalmasnak kell lenniük hiányos és pontatlan információk alapján ismeretlen, elĘre nem látható problémák megoldására is [61], [62]. 4.1.1. Nemzetközi elĘzmények Az intelligens gyártórendszerekkel kapcsolatos kutatások jelentĘs része a mesterséges intelligencia technikáinak gyártórendszerekbeli alkalmazásával foglalkozik. A kifejlesztett rendszerek sajátossága, hogy intelligens funkciókat valósítanak meg, azaz biztosítják a korábban felhalmozott tudás befogadásának, tárolásának, a tanulásnak és a tudás hasznosításának képességét. Fontos azonban különbséget tenni az alkalmazott AI technika jellege, illetve a gyártórendszerekben megvalósított vagy támogatott funkció(k) szerint. A kutatások elsĘ fázisában a szimbolikus tudásreprezentáción alapuló technikák alkalmazására fektettek nagyobb hangsúlyt. A [63] publikációban bemutatott munkákban szakértĘi rendszereket alkalmaztak a gyártmánytervezésben. A gyártási folyamatok tervezésének támogatására szintén voltak sikeres kísérletek [60], [59], [47]. Gyártórendszerek ütemezésére és irányítására alkalmas szakértĘi rendszereket ismertetnek a [56], [57], [43] publikációk. A

szubszimbolikus

tudásreprezentáción

alapuló

technikák

elĘretörésével

a

gyártórendszerekben, illetve azok alrendszereiben jelentĘsen megnövekedett a mesterséges neurális hálók (Artificial Neural Network, ANN) alkalmazása. A teljesség igénye nélkül néhány alkalmazási területet a koncepcionális tervezés [40], [69]; a gyártórendszerek tervezése és mĦködtetési stratégiájának meghatározása [46]; folyamatmodellek tanulása és adaptív vezérlések kialakítása [81]; illetve a felügyelet és diagnosztika [45], [50] témaköre. A fentiekben említett két fontos AI technika mellett fontos kiemelni a genetikus algoritmusok (Genetic Algorithms, GA) egyre jobban terjedĘ alkalmazási csoportjait is. GA alapú rendszereket alkalmaztak sikeresen a mĦveleti sorrendtervezés és a gyártásütemezés területén [84], [80], [55].

-8-


Kádár B.:

A 90-es évek AI kutatásainak áttekintĘ cikkei alapján megállapítható, hogy az intelligens gyártáson belül a szimbolikus mesterséges intelligencia módszereknek és a mesterséges neurális hálóknak, illetve a genetikus algoritmusoknak különbözĘ de egymással átlapolódó felhasználási területei vannak. Mivel az említett megközelítések más-más szempontból elĘnyösek, felvetĘdött az olyan hibrid AI rendszerek kialakítása, amelyek egyesítik a különbözĘ irányzatok elĘnyeit [65]. Az intelligens gyártórendszereknek korábbi definíciójához a 90-es évek elején egy új meghatározás is kapcsolódott. Japán 1992-ben -egyedülálló módon- javaslatot tett egy világméretĦ Intelligens Gyártórendszerek (IMS) Kutatási Projekt elindítására, amelynek munkájába európai kutatók is bekapcsolódtak [92]. 1997-tĘl, a projekt második fázisában kutatócsoportunk tagjaként személyesen is részt vehettem az EU által támogatott, IMS munkacsoport munkájában. A világméretĦ IMS projekt 5. konzorciuma (test case) a holonikus gyártórendszerekkel foglalkozik. A holonikus koncepció központi fogalma az ún. holon szó, amelyet Arthur Koestler, magyar származású író használt elĘször The Ghost in the machine címĦ könyvében [66]. Koestler társadalomtudományi munkája hasznos háttérnek bizonyult a gyártórendszerek területén és a holonikus rendszerekrĘl felépített koncepcióját a projekt keretében a gyártórendszerek szintjére a holonikus gyártórendszerek (Holonic Manufacturing Systems, HMSs) paradigmában adaptálták. A holonikus rendszerek két alapvetĘ fontosságú tulajdonsága a strukturális hierarchia és a vezérlési elvek mĦködés közbeni dinamikus és automatikus kombinációja a jobb hatékonyság elérése érdekében. A strukturális hierarchia azt jelenti, hogy a holonokat az általuk végzett funkciók, feladatok alapján különálló, autonóm egységekre bontjuk, amelyek a rendszerben újabb holonokat jelentenek. Ebben az egymásba ágyazott struktúrában az egyes holonok alsóbb szintĦ holonokat is tartalmazhatnak. Autonómiájuknál fogva a holonok az önálló feladatmegoldásra törekednek, de ha nem képesek a feladat önállóan elvégzésére, akkor kapcsolatba lépnek más egységekkel és közös csoportba tömörülve oldják meg a problémát. Az ilyen csoportokban, ha a feladat megoldása megkívánja, akár idĘleges hierarchikus szervezĘdés is létrejöhet. Az egyes holonok közötti, illetve az egyes holonok belsejében dinamikusan kialakuló vezérlési kapcsolatrendszer jelenti a holonikus rendszerek már említett, második jellegzetes tulajdonságát. Az intelligens gyártás fogalomkörébe esĘ, a holonikus gyártórendszerekhez igen hasonló fraktál vállalat (Fractal Factory) koncepcióját a német Warnecke szintén 1992-ben javasolta [90]. A fenti elméletek kialakulásával párhuzamosan, Amerikában a hasonló tulajdonságokkal rendelkezĘ

gyártási

struktúrákat

a

Lean

emlegetik/hivatkozzák. -9-

vagy

Agile

Production

gyĦjtĘnéven


Kádár B.:

Összefoglaló

néven

a

fentiekben

említett

struktúrákat

elosztott

intelligenciájú

gyártórendszereknek nevezzem, amelyek szemben a korábbi erĘsen hierarchikus szervezésĦ rendszerekkel, autonóm, intelligens, rugalmas, elosztott, és egymással kooperáló modulokból állnak. Az elĘzĘekben vázolt koncepciók mindegyike elméleti hátterĦ, adott rendszerek megvalósítási fázisában a szakemberek az elosztott mesterséges intelligencia (Distributed Artificial Intelligence, DAI) kutatások eredményeire támaszkodnak. Ezek közül is fontos kiemelni a multi-ágens rendszerek (Multi-agent Systems, MAS) szakterületet, amelynek technikáit ma már széles körben alkalmazzák az elosztott intelligenciájú gyártórendszerekben. A kutatások jelentĘs része a üzemszintĦ gyártásütemezésre és valósidejĦ gyártásirányításra koncentrál. A tengerentúlon, Hatvany Józseffel egyidĘben, az elsĘk között ismerte fel a tématerület fontosságát N. Duffie [52], Ausztráliában pedig Nemes László vezetésével folynak kutatások az intelligens gyártórendszerek területén. Európában jelentĘs eredményeket értek el a holonikus gyártórendszerek ütemezése és on-line irányítása területén a Leuveni Katolikus Egyetem munkatársai [89], [88]. Szintén a holonikus gyártórendszerekhez kapcsolódóan, üzemirányítási rendszer kifejlesztésének támogatására keretrendszer készült a Dán MĦszaki Egyetemen [70] és fontos kapcsolódó kutatások folynak Hannoveri Egyetem Gépészmérnöki Karán is. Japánból származik, és lényeges eredménynek számít ezen a területen a [64] publikációban bemutatott Random Manufacturing koncepció. Szintén Japánban, Okino és Ueda professzor vezetésével értékes eredmények születtek a biológiai analógiára építĘ gyártórendszer koncepciók (Bionic Manufacturing Systems, Genetic Manufacturing Systems) területén [77], [87]. Fontos mérföldkĘnek számít a virtuális gyártás elméletének bevezetése [78], amely a szimulációs technika támogatásával jelentĘs mértékben segíti az elosztott intelligenciájú gyártórendszerek kutatását. A kutatómunkával kapcsolatos nemzetközi elĘzmények közül a fentiekben csak a leglényegesebbeket emeltem ki, de a disszertáció 2. és 3. fejezetei bevezetĘikben részletesen kitérnek a mesterséges intelligencia alkalmazásainak, illetve az elosztott intelligenciájú gyártórendszerek problémakörének bemutatására. 4.1.2. Hazai elĘzmények A kutatási eredmények laboratóriumi tesztelésére jött létre a 70-es évek végen az MTA SZTAKI és a BME közös Kísérleti Üzeme. Itt történtek a magyarországi elsĘ lépések elĘbb DNC, majd FMS rendszerek kialakítására. A BME Gépgyártástechnológia Tanszéke hosszú idĘre visszatekintĘ hagyományokkal

- 10 -

Kádár B.:


rendelkezik különbözĘ megmunkálási folyamatok modellezésében és adaptív szabályozásában (Somló J. és Horváth M., 1981). A felügyeleti kutatások elsĘsorban Berkes O., Markos S., Mészáros I. és Szalay T. nevéhez fĘzĘdnek. A Miskolci Egyetem Szerszámgépek Tanszékén Erdélyi F. vezetésével jelentĘs kutatási és fejlesztési munkák folytak, felügyeleti és diagnosztikai rendszerek kifejlesztésére (1986), gyártócellák felügyeleti koncepciójának kialakítására (1988), valamint fuzzy technikák alkalmazására (1990). A mesterséges intelligencia gépipari felhasználásában szintén több hazai iskola játszott szerepet. ElsĘsorban Vámos T. és Báthor M. (vizuális alakfelismerés, robotika), Márkus A. (befogószerkezetek tervezése), Bernus P. (intelligens CAD), Tóth T. (folyamattervezés), Horváth M., Márkus A., Váncza J. (genetikus algoritmusok a folyamattervezésben), Monostori László (ANN alapú szerszámgép és cella felügyelet és diagnosztika), Horváth I. (konstrukciós tervezés), Cser L. (képlékenyalakítás), Kovács Gy., Mezgár I. (gyártórendszerek tervezése és szimulációja) nevéhez fĘzĘdnek kiemelkedĘ eredmények. Mesterséges neurális hálók kutatásában Roska T. és kutatókollektívája ért el világszinten is átütĘ jellegĦ eredményeket. Már említettük, de fontos kiemelni Hatvany J. nevét, aki nemcsak vezetĘ szerepet játszott a legtöbb kapcsolódó téma elindításában, hanem tevékenysége nyomot hagyott a hazai és a világ gépipari automatizálásában. Kutatók sokaságának gondolkodásmódját határozta meg. Összefoglalva megállapítható, hogy az intelligens gyártórendszerek kutatásában nemzetközileg is kiemelkedĘ eredmények születtek Magyarországon.

5. A kutatás eredményei, tézisek A kutatómunkám fentiekben vázolt menete szerint a téziseimet két alapvetĘ csoportba sorolom. Az elsĘ csoport (1., 2. és 3. Tézis) a szerszámgép és cella szinten, míg a második (4., 5., és 6. Tézis) az üzemszinten bekövetkezĘ változások zavarok kezelésének témakörére vonatkozik. Hibrid mesterséges intelligencia technikák alkalmazása a szerszámgépek, illetve a megmunkáló cellák szintjén jelentkezĘ változások és zavarok kezelésére. 1. Tézis A gyártórendszerek különbözĘ szintjeinek vezérlési funkcióit alapul véve, megvizsgáltam a mesterséges intelligencia szimbolikus és szubszimbolikus technikáinak alkalmazhatóságát a

A tézisekhez tartozó publikációk szögletes zárójelben találhatók az egyes tézisek után. A disszertációban a vonatkozó fejezetek sorszáma zárójelben a D betĦ megjelölése után szerepel.

- 11 -


Kádár B.:

szerszámgépek és gyártócellák irányítási rendszereiben, különös figyelmet fordítva a felügyeleti és diagnosztikai funkciókra. A tudásábrázolási, -gyĦjtési, -feldolgozási -módosíthatósági szempontok szerint elvégzett összehasonlító

vizsgálatok

alapján

hierarchikus

szervezésĦ,

a

szimbolikus

és

szubszimbolikus technikák elĘnyeit integráló hibrid, szerszámgépek irányítására alkalmas irányítási rendszermodellt dolgoztam ki. Ebben a rendszermodellben, a gyártási szintek idĘbeli, információkezelési és funkcionális követelményeit is figyelembe véve megadtam a szimbolikus

tudásreprezentáción

alapuló

mesterséges

intelligencia

technikák

alkalmazhatóságának területét. A tudásábrázolási technikákat figyelembe véve, a javasolt hierarchikus szervezésĦ modellben két szintet különböztetek meg. Figyelembe véve a funkciókhoz kapcsolt információkezelést és a megkívánt reakcióidĘket, a szimbolikus technikát alkalmazó tudásbázisú rendszerek a hierarchikus szerkezetĦ irányítási és felügyeleti rendszerek felsĘbb szintjén alkalmazhatók hatékonyan, míg az alsóbb szintek mĦködési sajátosságainak a szubszimbolikus megközelítés felel meg jobban. Az alsó szinttel információs kapcsolatban lévĘ felsĘ szint tudásalapú technikákon alapul és a környezeti, valamint az alsó szintrĘl kapott információk együttes alkalmazásával irányítja a rendszert és egyben felelĘs az alsó szint mĦködtetéséért is [1, 2, 3, 4, 5], (D 3.2). 2. Tézis Az 1. tézisben bemutatott koncepción alapulva, szerszámgépek irányításának felügyeleti rendszerére vonatkoztatva definiáltam a szimbolikus tudásreprezentációt alkalmazó szint feladatait és információs kapcsolatait. SzakértĘi keretrendszer (ES shell) segítségével kifejlesztettem a javasolt irányítási és felügyeleti rendszer szimbolikus modulját, amely az alsó szinten elhelyezkedĘ mesterséges neurális háló technikát alkalmazó alrendszer, illetve a gyártási folyamat irányításáért is felelĘs. A kialakított HYBEXP hibrid rendszer szimbolikus, illetve szubszimbolikus szintje közötti kétirányú csatlakozási felület kidolgozásával megteremtettem a két különbözĘ tudásábrázolási technika szoros kapcsolatrendszerét (tight-coupling). A kifejlesztett rendszer alkalmazhatóságát esztergálási és marási folyamat felügyeletére, korábbi kísérletekbĘl származó eredmények feldolgozásával igazoltam. A rendszerben a virtuális gyártás fogalmát és alkalmazását a gyártórendszerek ütemezési, logisztikai szintjérĘl a forgácsolási szintre terjesztettem ki, ugyanis a HYBEXP rendszert egy olyan virtuális környezetben teszteltem, ahol a megmunkálási folyamatot a NEURECA rendszer egy erre a célra kialakított

- 12 -


Kádár B.:

változatával (SIMURECA)* szimuláltam. A valós forgácsolási adatokkal végzett kísérleti futtatások során bemutattam, hogy szimbolikus tudásreprezentáción alapuló szakértĘi rendszer sikeresen alkalmazható szerszámgép vezérlését kiegészítĘ, a szerszámfelügyeleti és diagnosztikai funkciót támogató modulként [2, 5, 6, 8, 9, 12], (D 3.3). 3. Tézis Részletesen megvizsgáltam a cellaszintĦ irányítási rendszer idĘbeli, információkezelési és

cella adatbázis • inicializálás • diagnosztika • finom hangolás • vezérlési funk.

cella vezérlĘ

SZAKÉRTėI RENDSZER • inicializálás • újrakonfigurálás

státusz jelentés

azonnali beavatkozás

valósidejĦ felügyelet

szerszámgép vezérlés

a reakció elvárt sebessége

a szimbolikus tudásreprezentáció lehetséges szerepe

funkcionális követelményeit.

mért jelek

szerszámgép, megmunkálási foly.

3. gép 2. gép 1. gép

2. ábra Hierarchikus struktúrájú, hibrid AI rendszer szimbolikus moduljának cellavezérlésben betöltött szerepe Figyelembe véve a cellaszintre vonatkoztatott követelményeket, a szerszámgépek szintjén sikeresen alkalmazott, hierarchikusan szervezett hibrid mesterséges intelligencia rendszer koncepcióját cellaszintre terjesztettem ki. Kihasználva a HYBEXP (2 tézis) rugalmasságát, a rendszer szimbolikus modulját a szerszámokra, illetve a gyártásra kerülĘ alkatrészekre vonatkozó adatbázisokkal kiegészítve bemutattam, hogy a kifejlesztett rendszer a felügyeleti funkciókon túlmenĘen a szerszámokra vonatkozó adatok ismeretében a szerszámellátás irányítására, illetve a termelésre vonatkozó adatok ismeretében a teljes cella reaktív üzemmódú vezérlésére is alkalmas.

*

A NEURECA és SIMURECA rendszereknek, valamint azok interfész moduljainak kifejlesztése, Egresits Csaba és Monostori László kollégáim nevéhez fĦzĘdik.

- 13 -

Kádár B.:


A javasolt megközelítésben a szimbolikus modul (2. Ábra, SzakértĘi Rendszer) szervesen kapcsolódik a cellavezérlĘhöz, illetve annak adatbázisához. Az ilyen módon kiterjesztett adathozzáféréssel a szimbolikus modul a felügyeleti feladatokon túlmenĘen cellaszintĦ termelésirányítási és szerszám-menedzsment funkciókat lát el, valamint szabálybázisával a cellában található összes szerszámgép irányításában is részt vesz. A szakértĘi rendszer a valós gyártási folyamatok indítása során a szerszámgépek inicializálását, esetleges finomhangolását és/vagy diagnosztikai feladatok végrehajtását végzi. Ezzel párhuzamosan a rendszer, illetve a benne zajló folyamatok állapotától függĘen a szubszimbolikus modul magját képezĘ mesterséges neurális háló(k) beállításaiért is felelĘs. A tesztelt kialakításban a szakértĘi rendszer frame- és szabályalapú tudásbázisa a szerszámellátás és szerszámkihasználás döntési mechanizmusait támogató objektumokat és szabályokat tartalmaz, de késĘbbi felhasználás esetén, - akár tudásmérnökök bevonásával - újabb elemekkel rugalmasan és könnyen továbbĘvíthetĘ [7, 9, 10], (D 3.4).

Heterarchikus struktúrájú, elosztott intelligencián alapuló technikák alkalmazása üzemszinten bekövetkezĘ változások és zavarok kezelésére Irodalomkutatásaimra támaszkodva felismertem, hogy napjaink termelésautomatizálásának kulcskérdése olyan szervezési és mĦködési technikák keresése, amelyek alkalmasak a nagyfokú komplexitás, a környezeti, illetve belsĘ változások és zavarok gyors és effektív kezelésére. A tématerület szakemberei a már említett két út közül választhatnak: egyfelĘl a meglévĘ, általában szigorú hierarchikus struktúrát és mĦködést követĘ rendszereket vagy azok egyes alrendszereit teszik rugalmasabbá, másfelĘl olyan elosztott intelligenciájú (ágens-alapú) struktúrákat alkalmaznak, amelyek már természetüknél fogva alkalmasabbak zavarok kezelésére. A 3. tézisben bemutatott, gyártócellák reaktív irányítására alkalmas rendszer a fentiek közül az elsĘ utat követi. Kutatásaim során jelentĘs idĘt szenteltem a második útnak is, amelynek eredményeit a következĘ tézisekben foglalom össze. 4. Tézis A mai környezetben alkalmazott hagyományos gyártásirányítási rendszerek korábban felsorolt hátrányainak kiküszöbölésére az egyik lehetséges megoldás az elosztott intelligenciájú (heterarchikus) gyártórendszerek bevezetése. Az ilyen, heterarchikus vezérlési elven mĦködĘ gyártórendszerek megvalósításának legígéretesebb eszköze az elosztott mesterséges intelligencia (DAI) területérĘl ismert multi-ágens rendszerek (MAS) alkalmazása. Figyelembe véve az ágens alapú gyártási struktúrák szervezési és mĦködési követelményeit, valamint elemezve a területtel

- 14 -


Kádár B.:

foglalkozó szakirodalmat, rámutattam az elosztott intelligenciájú gyártórendszerek kialakítása során felmerülĘ nyitott problémákra. 4.1. A megfogalmazott problémakörök részletes vizsgálata alapján, egy új, ágens alapú, heterarchikus vezérlési elven mĦködĘ gyártórendszer modellt vezettem be. A javasolt modell minimális készletként két alap-ágenst (megrendelés és erĘforrás ágens) használ. A szoftvertechnológiában bevezettet ágens definíciójára támaszkodva, kidolgoztam az elosztott intelligenciájú gyártórendszerekben alkalmazható ágensek egy új generikus struktúráját (3. ábra), amelyet a modellben használt ágensek belsĘ struktúrája

is

követ.

A

modellt

használó

ágens-alapú

gyártórendszerek

mĦködtetésére egy új, dinamikusan érkezĘ, egyedi megrendeléseket feldolgozni képes, valósidejĦ gyártásütemezési struktúrát és hozzá tartozó algoritmust dolgoztam ki. I/O Kommunikációs könyvtár

Lokális adatbázis

Üzenet alapú Blackboard Hibrid

Lokális vezérlés Tanuló modul

Tervek, Célok Viselkedés minta Tudásbázis Algoritmusok Cselekvés-választás ...

Intelligens modul

Eszköz kezelĘ (meghajtó) Utasítások

Állapot

Gyártási folyamat

3. ábra Elosztott intelligenciájú gyártórendszerekben alkalmazható ágensek generikus modellje A gyártórendszerekben alkalmazható ágenseket alapvetĘen két különbözĘ csoportba sorolhatjuk, annak megfelelĘen, hogy rendelkeznek az anyagi folyamatok kivitelezésére alkalmas eszközökkel vagy sem. A 3. ábrán ezt a szaggatott vonallal jelölt rész mutatja, amelyet az ágens az. eszközkezelĘn keresztül vezérel. A kommunikációs modulban a könyvtár szó az alkalmazható technikák sokféleségére utal. Az opcionális tanuló modul szintén szaggatott vonallal jelenik meg a 3. ábrán. A javasolt struktúrát alapul véve lehetĘség nyílik olyan, gyártási környezetben

- 15 -


Kádár B.:

alkalmazni kívánt ágensek kialakítására, amelyek az egyszerĦ reaktív válaszadástól a bonyolult, tanulásra és komplex feladatok megoldására is képesek A tézisben javasolt modellt alapul véve, a szimuláció eszközének elĘnyeit kihasználva, elosztott intelligenciájú

gyártórendszerek

modellezésére

és

vizsgálatára

alkalmas

általános,

objektum-orientált keretrendszert fejlesztettem ki. 4.2. A keretrendszer segítségével modellezett gyártórendszerek ágensei közötti együttmĦködés

lehetĘvé

továbbfejlesztésével,

tétele

diszkrét

érdekében

a

eseményorientált

contract

net

szimulációs

protocol

[48]

környezetben

alkalmazható kommunikációs protokollt és üzenetrendszert dolgoztam ki. A keretrendszer kifejlesztésével bemutattam, hogy szemben a szimulációs technika korábbi hagyományos alkalmazásával -meglévĘ vagy kialakításra váró rendszerek felépítésének és mĦködésének modellezése és kiértékelése- a szimuláció ma már teljes értékĦ fejlesztési eszközként is használható és nemcsak materiális vagy anyagi jellegĦ folyamatok diszkrét lépésközei, hanem üzenet alapú dinamikus jellegĦ kommunikáció modellezésére is lehetĘség nyílik. A keretrendszeren keresztül bemutattam továbbá, hogy a mesterséges intelligencia eszközei sikeresen integrálhatók a gyártás-szimuláció legújabb technológiáival [11, 13, 15, 16, 18, 22, 23, 24, 28, 30, 32, 34, 37, 38], (D 4.4 – D 4.7). Elosztott intelligenciájú gyártórendszerek teljesítményének javítása Kutatómunkám legutolsó -jelenleg is folyó- fázisában a korábban kialakított elosztott intelligenciájú gyártórendszer-modellek és eljárások továbbfejlesztésére és finomítására, illetve további mesterséges intelligencia technikák alkalmazhatóságának vizsgálatára koncentráltam. A következĘ két tézis két olyan megközelítést mutat be, amely a heterarchikus gyártórendszerek rendszerszintĦ teljesítményének javítására törekszik. 5. Tézis Elosztott intelligenciájú gyártórendszerek teljesítményének javítása az ágensek adaptív tulajdonságainak kiterjesztésével A nagyfokú rugalmasság elismerésén túl, a heterarchikus vezérlési struktúrán alapuló gyártórendszerekkel szembeni leglényegesebb kérdés, hogy alkalmazásukkal miként biztosítható a rendszerszintĦ optimum. A teljesen heterarchikus elven mĦködĘ gyártórendszerek esetében a rendszerszintĦ optimumhoz közelíthetünk az rendszerben található ágensek adaptivitásának növelésével.

- 16 -

Kádár B.:


5.1. A korábban kifejlesztett, elosztott intelligenciájú gyártórendszerek szimulációjára alkalmas keretrendszerre támaszkodva (4. Tézis) az erĘforrás ágens szabályrendszeren alapuló tudásbázisának továbbfejlesztésével, költségfaktorát szabadon változtatni képes adaptív erĘforrás ágenst vezettem be. A kialakított erĘforrás ágens a céljainak elérése érdekében kizárólag lokális adatok és a hozzá beérkezett üzenetek alapján, bizonyos racionális korlátok között, szabadon dönthet az árajánlataiban alkalmazott költségtényezĘ mértékérĘl. A koncepció alkalmazhatóságát a keretrendszer segítségével kifejlesztett teszt-modellen futtatásokkal igazoltam. 5.2. A rendszerszintĦ optimum megközelítésének egyik lehetséges megoldásaként rendszerszintĦ – a gyártórendszer szempontjából globális teljesítményparaméter javítását célul kitĦzĘ - ágens(ek) bevezetését javasoltam. (A korábban kifejlesztett keretrendszerben a megrendelés fogadásáért és a feladatok szétosztásáért felelĘs megrendelés ágens ilyen szempontból rendszerszintĦnek számít.). A megrendelés ágens esetében az adaptív jelleg megteremtése érdekében új, idĘalapú paramétereket vezettem be. Az elgondolás szerint a megrendelés ágens, bizonyos korlátok között, szabadon dönthet a beérkezett megrendelések elsĘ feladatainak meghirdetési idĘpontjáról. Azaz, a nagy tartalékidĘvel rendelkezĘ feladatok késĘbb kerülnek meghirdetésre, így a megrendelés ágens szabad kapacitást tartalékol a késĘbbi esetleges sürgĘs megrendeléseknek. A bevezetett paraméterek rendszerteljesítményre gyakorolt hatását a keretrendszer alapján kifejlesztett teszt-modellen vizsgáltam. A fentiekben bevezetett két különbözĘ koncepción keresztül megteremtettem egy új, tanuló gyártóágens kialakításának a feltételeit, amelyben a gépi tanulás (machine learning) eszközeinek alkalmazásával további elĘrelépések várhatók [36, 37], (D 4.8.) 6. Tézis Hierarchikus és heterarchikus vezérlési elvek dinamikus együttmĦködése összetett, változásoknak és zavaroknak kitett gyártási struktúrákban Részletes szakirodalmi elemezésre támaszkodva összehasonlítottam és bemutattam a hierarchikus, illetve a heterarchikus vezérlési struktúrák elĘnyeit és hátrányait. Függetlenül az alkalmazott irányítási stratégiától a rendszerméretek növekedése a komplexitás, a kezelendĘ információk és az adatcsere növekedését vonja maga után, ami az ütemezési algoritmusok hatékonyságának romlásához vezet. A hierarchikus vezérlési elvet követĘ rendszerekben a rendszer minden elemének részletes ismeretében, a központi ütemezĘ modul által elĘállított - 17 -

Kádár B.:


optimális ütemtervek egy dinamikusan változó környezetben könnyen érvénytelenné válhatnak, ami gyakori és költséges átütemezéshez vezethet. A heterarchikus elven mĦködĘ rendszerek zavartĦrĘbb ütemezési eljárásai - tekintettel a lokális információk alapján lokális optimumra törekvĘ ágenseknek - nem garantálhatják a rendszerszintĦ optimum elérését. Figyelembe véve a hierarchikus és heterarchikus megközelítés egymást kiegészítĘ tulajdonságait, kidolgoztam a két különbözĘ vezérlési stratégia egy rendszerben történĘ - állandó vagy idĘleges - alkalmazásának elvi kereteit. Az ütemezés feladatának elvégzésére ütemezĘ ágens bevezetését javasoltam, amely akár több erĘforrás ágens, akár a teljes rendszer központi ütemezĘjeként is szerepelhet. A hierarchikus és heterarchikus vezérlési elvek fenti integrációjával megtettem az elsĘ lépéseket a holonikus gyártórendszerek megvalósításának irányába. A fenti koncepció megvalósíthatóságát nemzetközi együttmĦködés keretében a Leuveni Katolikus Egyetem munkatársai által kifejlesztett PROSA [89] modellen vizsgáltuk. Közismert, hogy az elosztott intelligenciájú gyártórendszerek bevezetésének legfĘbb támogatói a kutatói szférából kerülnek ki, ipari elfogadottságuk és alkalmazásuk egyelĘre viszonylag csekély. Figyelembe véve a fenti tényt, kísérletet tettem a heterarchikus vezérlési struktúrák ipari elterjedését gátló akadályok feltérképezésére. A jelenlegi gyártórendszerekben alkalmazott vezérlések technikai korlátjain túl, lényeges akadálynak látszik a heterarchikus rendszerek fokozatos integrációja. E hátrány kiküszöbölésére egy lehetséges megoldásként, a virtuális gyártás koncepciójának továbbfejlesztésével, a valós világban adott hierarchikus és az 4. Tézisben ismertetett keretrendszer segítségével kifejlesztett, heterarchikus elven mĦködĘ virtuális rendszer párhuzamos futtatását javasoltam [19, 21, 24, 25, 30, 31, 32, 35], (D 4.9).

- 18 -

Kádár B.:


6. Az eredmények hasznosítása és visszhangja A szerszámgépek és gyártórendszerek felügyeletével és diagnosztikájával kapcsolatos kutatásokat és fejlesztéseket az Intelligens gyártást megalapozó kutatások címmel elnyert, az 1994-1996-os, illetve 1995-1997-es idĘszakokra két OTKA pályázat keretében végeztük. Mindkét említett kutatásnál a társintézményként a BME Gépgyártástechnológia Tanszéke szerepelt. Kutatásainkban már akkor az Európai Unió támogatását is magunk mögött tudhattuk. A PHARE-ACCORD projekt keretében Hybrid knowledge processing in CIM címmel a Paderborni Egyetem Elektromos Méréstechnika Tanszékén (EMT) (D. Barschdorff) és a Kaiserslauterni Egyetem G. Warnecke által vezetett Gyártási és Termelési (FBK) intézeteivel dolgoztunk közösen. A fenti tanszékek számos kutatási projekt keretében mĦködnek együtt a legnagyobb német cégekkel. Szintén PHARE támogatással végeztük a Remade: Re-engineering of Manufacturing Processes through Simulation and Dynamic control Techniques, projekt kutatásait. Az elosztott intelligenciájú gyártórendszerekkel kapcsolatos kutatásainkat a Változások és zavarok kezelése gyártási struktúrákban címĦ OTKA projekt keretében folytatjuk (19982001), valamint az 1997-1999 idĘszakban témavezetĘje voltam a szintén sikeres, Elosztott intelligenciájú (holonikus)gyártási struktúrák kutatása címĦ Ifjúsági OTKA projektnek. Rendszeresen részt veszek a témakörhöz kapcsolódó diplomatervek és TDK dolgozatok elbírálásaiban. SzéleskörĦ nemzetközi összefogással folynak a kiterjesztett vállalatokkal kapcsolatos kutatásaink (Integration in Manufacturing and Beyond, ESPRIT LTR Working Group). Igen megtisztelĘ, hogy bekapcsolódhatunk a világméretĦ IMS-projekttel kapcsolatos európai munkacsoportba (Intelligent Manufacturing, ESPRIT LTR Working Group). Részvételünket a fenti projektekben az OMFB támogatta. Magyarországi ipari vonatkozásban, 1998 és 1999-ben a Paksi Informatikai Rekonstrukciós Projektben a gazdasági alrendszer megújításával foglalkozó munkacsoport tagja voltam, majd 1999 és 2000-ben vezetĘje voltam a HITELAP Rt.-nél végzett, pozitív eredményekkel zárult ipari szimulációs projekteknek. Munkám elismeréseként, illetve ennek sikeres folytatása érdekében 1999-ben Bolyai ösztöndíjban részesültem. Az MTA SZTAKI-ban két alkalommal az elsĘ és egy alkalommal a második díjban részesültem a Ph.D. hallgatók éves beszámolóján, valamint az intézetben eltöltött idĘ alatt egy alkalommal az Intézeti Ifjúsági Díjat is kiérdemeltem. Európai

- 19 -

Kádár B.:


partnerekkel sikeresen pályáztunk az EU 5. Keretprogramjában, ahol jelenleg a VIMIMS (Virtual Institute for the Modelling of Industrial Manufacturing Systems, ref.# 88144-CP-12000-1-IT-MINERVA-ODL) projekt hazai vezetĘje vagyok. Fontos kiemelni, hogy kutatócsoportunkat és áttételesen minden magyar IMS kutatót az elmúlt idĘszakban több tudományos elismerés is érte: 1991-ben és 1995-ben Magyarország rendezte a CIRP által szponzorált Learning in IMS Workshop-okat, 1997-ben Budapesten rendezhettük a Second World Congress on Intelligent Manufacturing Processes and Systems rendezvényt, 1997-ben szintén Budapest adott otthont az ASI’97, LIFE Cycle Approaches to Production Systems : Management, Control, Supervision konferenciának, továbbá 2001-ben Budapesten kerül megrendezésre az IEA/AIE-2001, The Fourteenth International Conference on Industrial and Engineering Application of Artificial Intelligence and Expert Systems konferencia. Kutatási eredményeimet mintegy 45 tudományos cikkben, elĘadásban és tanulmányban foglaltam össze. Tudomásom szerint, publikációimra mintegy 20, külföldi szerzĘtĘl származó hivatkozás jelent meg. Eredményeim részben már bekerültek a magyarországi mĦszaki egyetemek tananyagaiba.

7. A tézisekhez kapcsolódó publikációk [1]

Monostori, L.; Kádár, B.; Egresits, Cs.: Coupling expert systems and artificial neural networks: A hybrid AI solution and its application in manufacturing, Proceedings of microCAD'95, International Computer Science Conference, Sect. H: Information Technology in Mechanical Engineering, February 23, 1995, Miskolc, Hungary, pp. 69-72.

[2]

Barschdorff, D.; Monostori, L.; Wöstenkühler, G.W.; Egresits, Cs.; Kádár, B.: Approaches to coupling connectionist and expert systems in intelligent manufacturing, Preprints of the Second International Workshop on Learning in Intelligent Manufacturing Systems, April 20-21, 1995, Budapest, Hungary, pp. 591-608.

[3]

Kádár, B.; Egresits, Cs.; Monostori, L.: HYBEXP: A hierarchically coupled hybrid AI approach to production control, Proceedings of SOR'95, 3rd Symposium on Operation Research in Slovenia, September 1-2, 1995, Portoroz, Slovenia, pp. 94-101.

[4]

Monostori, L.; Kádár, B.; Egresits, Cs.: Application of hybrid AI techniques in manufacturing, Proceedings of CAMP'95, CAD/CAM and Multimedia, September 12-14, 1995, Budapest, Hungary, pp. 52-62.

[5]

Monostori, L.; Kádár, B.; Egresits, Cs.: Virtual manufacturing using a hierarchically coupled hybrid AI system, Preprints of the 3rd IFAC/IFIP/IFORS Workshop on Intelligent Manufacturing Systems - IMS'95, Vol. 2, October 24-26, 1995, Bucharest, Romania, pp. 369-374.

- 20 -

Kádár B.:


[6]

Monostori, L.; Kádár, B.; Egresits, Cs.: Virtual manufacturing by coupling connectionist and expert systems, Proceedings of the 6th International DAAAM Symposium "Intelligent Manufacturing Systems", October 26-28, 1995, Krakow, Poland, pp. 231-232.

[7]

Kádár, B.; Markos, S.; Monostori, L.: Knowledge based monitoring and management of manufacturing cells, Preprints of the DYCOMANS's Workshop II on Management and Control: Tools in Action, May 15-17, 1996, Algarve, Portugal, pp. 83-88.

[8]

Monostori, L.; Egresits, Cs.; Kádár, B.: Hybrid AI solutions and their application in manufacturing, Proceedings of the IEA/AIE-96, The Ninth International Conference on Industrial & Engineering Applications of Artificial Intelligence & Expert Systems, June 4-7, 1996, Fukuoka, Japan, Gordon and Breach Publishers, pp. 469-478.

[9]

Monostori, L.; Egresits, Cs.; Kádár, B.: Hybrid AI approaches to intelligent manufacturing, Preprints of the 13th IFAC World Congress, June 30 - July 5, 1996, San Francisco, California, USA, Vol. B.: pp. 61-66.

[10] Kádár, B.; Markos, S.; Monostori, L.: Knowledge based reactive management of manufacturing cells, Proceedings of the Conference on Integration in Manufacturing, Galway, Ireland, October 24, 1996, in: Advances in Design and Manufacturing: IT and Manufacturing Partnerships: Delivering the Promise, Edited by Browne, J.; Haendler Mas, R.; Hlodverson, O., pp. 197-205. [11] Kádár, B.; Monostori, L.; Szelke, E.: An object oriented framework for developing distributed manufacturing architectures, Proceedings of the Second World Congress on Intelligent Manufacturing Processes and Systems, June 10-13, 1997, Budapest, Hungary, Springer, pp. 548554. [12] Barschdorff, D.; Monostori, L.; Wöstenkühler, G.W.; Egresits, Cs.; Kádár, B.: Approaches to coupling connectionist and expert systems in intelligent manufacturing, Computers in Industry, Special Issue on Learning in Intelligent Manufacturing Systems, Vol. 33, No. 1, 1997, pp. 5-15. [13] Kádár, B.; Monostori, L.: Simulation of agent based manufacturing architectures, Proceedings of the Advanced Summer Institute 1997, ASI’97, Life Cycle Approaches to Production Systems, Management, Control, Supervision, July 14-18, 1997, Budapest, Hungary. [14] Monostori, L.; Kádár, B.: Distributed manufacturing, Extended enterprises, ERCIM News (Journal of the European Consortium for Informatics and Mathematics), No. 30, July 1997, pp. 35-36. [15] Monostori, L.; Szelke, E.; Kádár, B.: Intelligent techniques for management of changes and disturbances in manufacturing, Proceedings of the CIRP International Symposium: Advanced Design and Manufacture in the Global Manufacturing Era, August 21-22, 1997, Hong Kong, Vol. 1, pp. 67-75. [16] Kádár, B.; Monostori, L.: A simulation framework for development and evaluation of agent based manufacturing architectures, Preprints of the DYCOMANS's Workshop IV on Control and Management in Computer Integrated Systems, September 25-28, 1997, Zakopane, Poland, pp. 5965. [17] Monostori, L.; Kádár, B.: Development trends of production management, Chapter in: Information technology for technology management; Information systems, Ed.: Erdélyi, F., book supported by the PHARE-TDQM Programme of the European Union, (in Hungarian), Vol. II, pp. 505-527. [18] Kádár, B.; Monostori, L.; Szelke, E.: An object oriented framework for developing distributed manufacturing architectures, Journal of Intelligent Manufacturing, Vol. 9, No. 2, April 1998, Special Issue on Agent Based Manufacturing, Chapman & Hall, pp. 173-180

- 21 -

Kádár B.:


[19] Bongaerts, L.; Monostori, L.; McFarlane, D.; Kádár, B.: Hierarchy in distributed shop floor control, Proceedings of the First International Workshop on Intelligent Manufacturing Systems, IMS Europe 1988, April 15-17, 1998, Lausanne, Switzerland, pp. 97 - 113. [20] Monostori, L.; Hornyák, J.; Kádár, B.: Novel approaches to production planning and control, Proceedings of the First International Workshop on Intelligent Manufacturing Systems, IMS Europe 1988, April 15-17, 1998, Lausanne, Switzerland, pp. 115 - 132. [21] Monostori, L.; Kádár, B.: Agent based architectures for mastering changes and disturbances in manufacturing, Lecture Notes in Artificial Intelligence, 1416, Tasks and Methods in Applied Artificial Intelligence, IEA/AIE-98, 11th International Conference on Industrial & Engineering Applications of Artificial Intelligence & Expert Systems, June 1-4, 1998, Benicassim, Castellon, Spain, Springer, Vol. II, pp. 755 - 764. [22] Kádár B.; Monostori, L.: Agent based control of novel and traditional production systems, Proceedings of ICME98, CIRP International Seminar on Intelligent Computation in Manufacturing Engineering, July 1-3, 1998, Capri, Italy, pp. 31 - 38. (key-note paper) [23] Monostori, L.; Kádár, B.; Hornyák, J.: Management of changes and disturbances in production systems, Preprints of the LSS’98, 8th IFAC/IFORS/IMACS/IFIP Symposium on Large-scale systems: Theory and Applications, July 15-17, 1998, Patras, Greece, Vol. I, pp. 313 - 318. [24] Monostori, L.; Kádár, B.; Hornyák, J.: Approaches to manage changes and uncertainties in manufacturing, CIRP Annals, Vol. 47, No. 1, 1998, pp. 365 - 368. [25] Monostori, L.; Szelke, E.; Kádár, B.: Management of changes and disturbances in manufacturing systems, Annual Reviews in Control, Pergamon Press, Elsevier Science, Vol. 22, 1998, pp. 85-97. [26] Kádár, B.; Monostori, L.: Holonic manufacturing systems: Manufacturing systems with distributed intelligence, Chapter in: Practical Applications of Artificial Intelligence, Ed.: M. Horváth, T. Szalay, Lecture notes, Gábor Dénes Technical High School, 1999, pp. 89-102. (in Hungarian) [27] Ilie Zudor, A.; Monostori, L.; Kádár, B.; Liszka, L.: Evaluation and comparison of novel production paradigms and their control architecture, microCAD'99, International Conference on Information Technology and Computer Science, February 23-25, 1999, Miskolc, Hungary, Section I, pp. 151-156. [28] Kádár, B.; Mikó, P.; Monostori, L.: Simulation and optimization of production and logistic systems with the SIMPLE++ package, microCAD'99, International Conference on Information Technology and Computer Science, February 23-25, 1999, Miskolc, Hungary, Section I, pp. 109114. [29] Liszka, L.; Kádár, B.; Monostori, L.; Ilie Zudor, A.: Extended Enterprise - Basic concepts, enabling information technologies, open questions, microCAD'99, International Conference on Information Technology and Computer Science, February 23-25, 1999, Miskolc, Hungary, Section G, pp. 41-46. [30] Monostori, L.; Kádár, B.: Agent-based control of manufacturing systems, Proceedings of the Second International Conference on Intelligent Processing and Manufacturing of Materials, IPMM’99, July 10-15, 1999, Honolulu, Hawaii (invited session keynote lecture), Vol. 1, pp. 131137. [31] Monostori, L.; Kádár, B.: Holonic control of manufacturing systems, Preprints of the 1st IFAC Workshop on Multi-Agent-Systems in Production, December 2-4, 1999, Vienna, Austria, pp. 109114.

- 22 -

Kádár B.:


[32] Mezgár, I.; Monostori, L.; Kádár, B.; Egresits, Cs.: Knowledge-based hybrid techniques combined with simulation: Application to robust manufacturing systems, Chapter 25 in the book series: Knowledge-based Systems, Techniques and Applications, (Edited by C.R. Leondes), Academic Press, 2000, pp. 755-790. [33] Monostori, L.; Kádár, B.; Viharos, Zs.J.; Mezgár, I.; Stefán, P.: Combined use of simulation and AI/machine learning techniques in designing manufacturing processes and systems, Proceedings of the 2000 International CIRP Design Seminar on Design with Manufacturing: Intelligent Design Concepts Methods and Algorithms, May 16-18, 2000, Haifa, Israel, pp. 199-204. [34] Monostori, L.; Kádár, B.; Viharos, Zs.J.; Stefán, P.: AI and machine learning techniques combined with simulation for designing and controlling manufacturing processes and systems, Preprints of the IFAC Symposium on Manufacturing, Modeling, Management and Supervision, MIM 2000, July 12-14, 2000, Patras, Greece, pp. 167-172. [35] Bongaerts, L.; Monostori, L.; McFarlane, D.; Kádár, B.: Hierarchy in distributed shop floor control, Computers in Industry, Elsevier, Special Issue on Intelligent Manufacturing Systems, Vol. 43, No. 2, October 2000, pp. 123-137. [36] Monostori, L.; Kádár, B.; Viharos, Zs.J.; Mezgár, I.; Stefán, P.: Combined use of simulation and AI/machine learning techniques in designing manufacturing processes and systems, Journal of Manufacturing Science and Production, Freund Publishing House Ltd., Tel Aviv, Israel (in print) [37] Kádár, B.; Monostori, L.: Approaches to increase the performance of agent-based production systems, IEA/AIE-01, 14th International Conference on Industrial & Engineering Applications of Artificial Intelligence & Expert Systems, Budapest, Hungary, June 4 - 7, 2001. pp. 612-621. [38] Kádár, B.; Monostori, L.: Adaptive agents in distributed manufacturing systems, INCOM 2001, Sept. 20-22, 2001, Vienna, Austria (paper presented, proceedings in print)

8. A tézisfüzetben felhasznált irodalom [40] Arai, E. and Iwata, K., (1990). “CAD with design specification decomposition and its application”, CIRP Annals, Vol. 39/1, pp. 121-124. [41] Arizono, I., Yamamoto, A., and Ohta, H. (1992). “Scheduling for Minimising Total Actual Flow Time by Neural Networks”, Int. Journal of Production Research, Vol.30., No.3, pp. 503-511. [42] Burke, P., and Prosser, P. (1994). “The Distributed Asynchronous Scheduler”, In: Intelligent Scheduling. (M. Zweben and M.S. Fox, Morgan Kaufmann (Ed.)), San Francisco, pp. 309-340. [43] Chengen, W., Jianying, Z., and Zhongxin, W. (1993). “An expert system for FMS control”, Intelligent Systems Engineering, Winter 1993, pp. 223-230. [44] Chiuc, C., Yih, Y. (1995). A learning based methodology for dynamic scheduling in distributed manufacturing systems. Int. J. Prod. Res., Vol. 33, No. 11, pp. 3217-3232. [45] Chryssolouris, G and Domroese, M., (1988). “Sensor integration for tool wear estimation in machining”, Proc. of the The Winter Annual Meeting of The ASME on Sensors and Controls for Manufacturing, Chicago, Illinois, Nov.27-Dec.2, pp. 115-123. [46] Chryssolouris, G. Lee, M. and Domroese, M.: “The use of neural networks in determining operational policies for manufacturing systems”, Laboratory for Manufacturing and Productivity, M.I.T., U.S.A., pp. 1-13.

- 23 -

Kádár B.:


[47] Davies, B.J. (1986). “Application of Expert System in Process Planning”, CIRP Annals, Vol 35., No.2, pp. 451-453. [48] Davis, R.; Smith, R. G. (1983). “Negotiation as a metaphor for distributed problem solving”, Artificial Intelligence, No. 20, pp. 63-109. [49] Dilts, D.M., N.P. Boyd, H.H. Whorms, (1991) “The Evolution of Control Architectures for Automated Manufacturing Systems”, Journal of Manufacturing Systems, Vol.10, No.1., pp. 79-93. [50] Dornfeld, D.A., (1990). “Neural network sensor fusion for tool condition monitoring”, CIRP Annals, Vol. 39/1, pp. 101-105. [51] Dr. Horváth Mátyás, Dr. Somló János, (1979). “A forgácsoló megmunkálások optimálása és adaptív irányítása”, MĦszaki Könyvkiadó, Budapest. [52] Duffie, N. A.; Piper, R. S., (1986). “Non-hierarchical Control of Manufacturing Systems”, Journal of Manufacturing Systems, Vol. 5, No. 2. [53] Duffie, N. A.; Prabhu, V. V., (1994). “Real-time distributed scheduling of heterarchical manufacturing systems”, Journal of Manufacturing Systems, Vol. 13, No .2, pp. 94-107. [54] Erdélyi, F.; Sántha, Cs., (1985). “Állapotfelügyeleti feladatok gyártórendszerekben”, NME Tanulmány az MTA SZTAKI megbízásából, Miskolc. [55] Fang, H-L., Ross, P. and Corne, D. (1993). “A Promising Genetic Algorithm Approach to JobShop Scheduling, Rescheduling, and Open-Shop Scheduling Problems”, Proc. of the Fifth Int. Conf. on Gas., pp. 375-382. [56] Fargher, H.E., Elleby, P., and Addis, T.R. (1987). “A reactive scheduling system”, Proc. of IEE Colloquium on Expert Systems in Production Control, May. pp. 1-10. [57] Farhoodi, F. (1990). “A knowledge based approach to dynamic job-shop scheduling”, Int. J. of Computer Integrated Manufacturing, Vol.3, pp. 84-95. [58] Fox, M.S., 1994, ISIS: A Retrospective, In: Intelligent scheduling, (Zweben, M., Fox, M.S. (Ed.)), Morgan Kaufmann, pp. 3-28. [59] Glass, M. (1986). “OPEX – an expert system for CAPP”, 6th International Workshop on Expert Systems and Their Applications, Avignon, France, April 28-30, pp. 141-147. [60] Gupta, T.B. and Ghosh, K., (1989). “Use of Artificial Intelligence in Automated Process Planning”, Computers in Mechanical Ingineering, Vol.5., No.2. pp. 195-204. [61] Hatvany, J. (1985). “Intelligence and cooperation in heterarchic manufacturing systems”, Robotics & Computer-Integrated Manufacturing, Vol. 2, No. 2, pp. 101-104. [62] Hatvany, J., (1983). “The efficient use of deficient information”, CIRP Annals, Vol. 32, No. 1, pp. 423-425. [63] Heragu S.S. and Kusiak A. (1987). “Analysis of expert systems in manufacturing design”, IEEE Transactions on Systems, Mand and Cybernetics, Vol. SMC-17, No.6., pp. 898-912. [64] Iwata, K., Onosato M., Koike, M. (1994). “Random manufacturing system: a new concept of manufacturing systems for production to order”, CIRP Annals, Vol. 43/1, pp. 379-383. [65] Kandel, A.; Langholz, G. (1992). “Hybrid architectures for intelligent systems”, CRC Press, Boca Raton. [66] Koestler, A., (1967). “The Ghost in the Machine”, Hutchinson & Co, London (Second Edition: Arkana Books, London, 1989). [67] Kovács, Gy. (1992), Pilot plants to assist FMS/CIM evaluation, design and industrial applications, Computer-Integrated Manufacturing Systems, Vol. 5, No. 1, pp. 54-60.

- 24 -

Kádár B.:


[68] Kovács, Gy., Kopácsi, S., Nacsa, J., Haidegger, G., Groumpos, P., (1999). „Application of software reuse and object-oriented methodologies for the modelling and control of manufacturing systems”, Computers in Industry Vol. 39., No.3., pp. 177-189. [69] Kumara, S. and Ham, I., (1990). “Use of associative memory and self-organization in conceptual design”, CIRP Annals, Vol. 39/1/1990, pp. 117-120. [70] Langer, G. (1999). “HoMuCS – A methodology and architecture for Holonic Multi-Cell Control System”, Ph.D. Thesis, Production Technology Department of Manufacturing Engineering, TU Denmark, Lyngby. [71] Márkus, A., Kis, T., Váncza, J., Monostori, L. (1996). “A market approach to holonic manufacturing”, CIRP Annals, Vol. 45/1, pp. 433-436. [72] Márkus, A., Váncza, J. (1996). “Are manufacturing agents different?” In: Eropean Workshop on Agent-Oriented Systems in Manufacturing, Berlin, pp. 42-59. [73] Matsushima, K.; Sata, T., (1980). “Development of intelligent machine tool”, J. Faculty Eng., Univ. Tokyo, Vol. 35, No. 3, pp. 299-314. [74] Matsushima, K.; Sata, T., (1980). “Development of intelligent machine tool”, J. Faculty Eng., Univ. Tokyo, Vol. 35, No. 3, pp. 299-314. [75] Monostori, L., (1993). “A step towards intelligent manufacturing: Modeling and monitoring of manufacturing processes through artificial neural networks”, CIRP Annals, 42, No. 1, pp. 485488. [76] Monostori, L.; Márkus, A.; Van Brussel, H.; Westkämper, E., 1996, Machine learning approaches to manufacturing, CIRP Annals, Vol. 45, No. 2, pp. 675-712. [77] Okino, N., (1993). “Bionic manufacturing systems”, In CIRP, Flexible Manufacturing Systems Past-Present-Future, Peklenik, J. (ed), pp. 73-95. [78] Onosato, M.; Iwata, K., (1993). “Development of a virtual manufacturing system by integrating product models and factory models”, CIRP Annals, Vol. 42, No. 1, pp. 475-478. [79] Onosato, M.; Iwata, K., (1993). “Development of a virtual manufacturing system by integrating product models and factory models”, CIRP Annals, Vol. 42, No. 1, pp. 475-478. [80] Rabelo, L., Yih, Y. and Jones, A. (1995). Knowledge Based Reactive Scheduling using the integration of Neural Networks, Genetic Algorithms and Machine Learning, Proc. of the IFIP Int. Working Conference on 'Managing Concurrent Manufacturing to Improve Industrial Performance', Sept 11-15, Seattle, USA, Washington Univ. Press, pp. 444-455. [81] Rangwala, S. S. and Dornfeld, D. A., (1989). “Learning and optimatization of machining operations using computing abilities of neural networks”, IEEE Transactions on Systems, Man, and Cybernetics, vol. 19, No. 2, March/April, 1989, pp. 299-314. [82] Smith, R. G., (1980). “The Contract Net Protocol: High-level communication and control in a distributed problem solver”, IEEE Trans. on Computers, Vol. C-29, No. 12, December 1980, pp. 1104-1113. [83] Somló J., (1995).”Számítógéppel integrált gyártás”, Gépgyártástechnológia Ed. Dr. Horváth Mátyás Dr. Markos Sándor, MĦegyetemi Kiadó 1995. [84] Starkwether, T., Whitney, T., and Cookson, B. (1992). “A Genetic Algorithm for Scheduling with Resource Consumption”, Proc. of the Joint German/US Conference on OR in Production Planning and Control, Springer-Verlag, Berlin, pp. 567-583. [85] Subsah, C.S., Rangnath S., (1989). “A knowledge-based system approach to dynamic scheduling”, Chapter 9. in Knowledge-based system in manufacturing Ed. Andrew Kusiak, Taylor & Francis, New-York, London.

- 25 -

Kádár B.:


[86] Tóth T., (1999). „Tervezési elvek, modellek és módszerek a számítógéppel integrált gyártásban”, Egyetemi Tankönyv, Miskolci Egyetemi Kiadó. [87] Ueda, K., (1993). “A genetic approach toward future manufacturing systems”, In: CIRP, Flexible Manufacturing Systems Past-Present-Future, Peklenik, J. (ed), pp. 211-228. [88] Valckenaers, P., F. Bonneville, H. Van Brussel and J. Wyns (1994). “Results of the holonic system benchmark at KULeuven”, Proc. of the Fourth Int. Conf. on Computer Integrated Manufacturing and Automation Technology, Oct. 10-12, Troy, New York, pp. 128-133. [89] Van Brussel, H., Valckenaers, P., Wyns, J., Bongaerts, L. And Detand, J. (1996). “Holonic Manufacturing Systems and IiM” In: IT and Manufacturing Partnerships, Conference on Integration in Manufacturing, Galway, Ireland, pp. 185-196. [90] Warnecke, H.J. (1993). “The Fractal Company, a revolution in corporate culture”, Springer-Verlag, [91] Williams, T.J., Shewchuk, J.P., Moodie, C.L., (1994). “The role of CIM architectures in flexible manufacturing systems”, Computer control of manufacturing systems, ed. Sanjay B. Joshi and Jeffrey S. Smith, Chapman and Hall, pp. 1-30. [92] Yoshikawa, H. (1992). “Intelligent Manufacturing Systems Program (IMS)”, Technical Cooperation that Transcends Cultural Differences, University of Tokyo, Japan.

- 26 -

Intelligens módszerek gyártórendszerek m ködésében bekövetkezett zavarok és változások kezelésére

Recommend Documents