A hivatkozott, és a Labor további kapcsolódó publikációi itt elérhetők.

Az alkalmazott kutatások eredményei

B1 A termelés és szállítás harmonizációja

B1.2 Termelés- és logisztikai tervezés és szimuláció - SZTAKI

Elosztott gyártási struktúrákban működő erőforrás-megosztási módszerek kerültek kidolgozásra, amelyek lehetővé teszik a gyártási kapacitások párhuzamos kiajánlását és igénylését. Az eredmények ágens-alapú szimulációs modellekkel kerültek tesztelésre és validálásra. Egy újfajta, kialakulóban lévő megközelítés, a gyártó platformok, a termelési hálózatok speciális struktúrái, alapvetően megváltoztatják a gyártás folyamatát. Sor került a platform-alapú gyártáshoz kapcsolódó irodalom és gyakorlati kezdeményezések áttekintésére, beleértve a platformokat lehetővé tevő technológiákat is.

A részfeladat eredményeit három beküldött folyóirat (1 keynote) kézirat [11], [14], [15], és egy PhD dolgozat foglalja össze [75].

B2 Adaptív termelésirányítás

B2.1 Agilis gyártás-végrehajtási rendszer multi-ágens alapokon - SZTAKI

A részfeladat fő célja egy szabványosított szolgáltatási modellen alapuló, kiber-fizikai cellákat integráló, elosztott (multi-ágens) és felhő-alapú Gyártásvégrehajtási Rendszer mint Szolgáltatás (Manufacturing Execution System as Service – MESS a továbbiakban) megvalósítása. Az ágens-alapú irányítási és helyreállítási algoritmusok fejlesztését célzó specifikus megoldások is elkészültek. A validálási kritériumot a mintarendszer diszkrét szimulációs modellje biztosította. Az ismertetett fejlesztések egy skálázható, felhő-agnosztikus adatelemző platformba is integrálásra kerültek. A MESS rendszer az intelligens/autonóm termelési rendszerekkel kapcsolatos felhasználási eseteket (kollaboratív humán-robot szerelés) biztosította.

A részfeladat eredményeit 1 folyóiratcikk [5], és 3 technikai jelentés foglalja össze [51], [52], [53].

B2.2 Adaptív termelés-végrehajtási módszerek - SZTAKI

A részfeladat fókuszában a termelő és logisztikai működtetésének vizsgálata áll a rendszerekben eddig alkalmazott modell- és adat-alapú módszerek integrálásának lehetséges optimalizálásával és adaptálhatóságával. Új módszer került kidolgozásra rendelési és ütemezési feladatokhoz önjáró autonóm robotokból álló járműflotta számára, a gyártórendszer szimuláció, adat-analitika és gépi tanulás korszerű eszközkészleteinek alkalmazásával a Siemens Plant Simulation SW felhasználásával (gyártórendszer digitális ikermodellje).

Sor került már bevált gépi tanuló algoritmusok összehasonlító elemzésére, és egyes képfeldolgozásban rendkívül sikeres (pl. konvolúciós neurális hálózati modellt használó) algoritmusok szekvenciális döntési problémákra való átültetésére is.

Az eredmények egy folyóirat [1], és egy konferencia közleményben [19] jelentek meg.

B3 Technológiai tervezés ember-robot kooperatív szerelési technológiákhoz

B3.1 Általános CAPP modell ember-robot kollaboratív megmunkálási és szerelési feladatok tervezéséhez

Ember-robot kollaboratív pakolási feladatokat megoldó cellák esetén a folyamattervezési műveletek hatékony elvégzéséhez célszerű a digitális, modell-alapú, offline eszközök alkalmazása. A részfeladat eredménye olyan digitális ikerpár (ún. digital twin) kalibrációs eljárás, mely segítségével a digitális iker közelség (digital twin closeness) javítható annak érdekében, hogy a virtuális térben megtervezett folyamatok megbízhatóan és pontosan végrehajthatók legyenek a valós rendszerben.

Az eredmények megjelentek egy – egy PhD dolgozatban [76], folyóiratcikkben [9], szakdolgozatban [73], és technikai tanulmányban [55].

B3.2 Mikro-szintű alkalmazás specifikus modulok kidolgozása - SZTAKI

Kifejlesztésre került a robotikai tervezéshez egy általános célú sorrend- és folyamattervező modul, amely leíró nyelvet ad robotikában előforduló feladatok specifikálására. Az ún. ProSeqqo rendszer garantáltan az adott korlátozásokat kielégítő és közel-optimális terveket generál. Mobil robotok lokalizációhoz, objektum helyzetfelismeréséhez és pontosságnöveléshez kidolgozásra kerültek különböző marker (Apriltag) alapú képfeldolgozó algoritmusok.

A részfeladat eredményeit egy folyóiratcikk [10], két konferencia előadás [20], [27], egy PhD dolgozat [76], egy szakdolgozat [69], egy technikai jelentés [37] és a SZTAKI github szoftver repozitóriumában elérhető anyagok foglalják össze [61].

B4 Adaptív és kollaboratív robotika

B4.1 Adaptív adagolás szenzorfúzió és megfogás tervezés támogatásával - SZTAKI

A részfeladat célja egy mikromanipulátor fejlesztése egy mérőszonda pontos elhelyezésére nyomtatott áramkörök meghatározott pontjain, melyet képi visszacsatolással (visual servo) kell egy kamera képén felismert referencia-pontokhoz képest pozícionálni. Elkészült a mikromanipulátor mechanizmusa, valamint a szenzorcsatolt irányításhoz szükséges mérési, modellépítési (tanulási) és irányítási környezet.

A részfeladat eredményeit két folyóiratcikk [4], [9], egy PhD dolgozat [76], két technikai jelentés [36], [54] és a SZTAKI repozitóriumában elérhető STEP file tartalmazzák [62].

B4.2 Szituációfüggő adaptív mozgástervezés- és végrehajtás kollaboratív környezetben - SZTAKI

A részfeladat eredménye egy szituációfüggő adaptív mozgástervezési és –végrehajtási rendszer kifejlesztése. Az adaptív vezérlések esetén az ütközés elkerüléséhez a robot lelassítja a mozgását, vagy más pályát jár be, ami ugyanakkor az optimális pályától eltér. A rendszer digitális ikerpárokat használ a figyelmeztető rendszeréhez és az embert figyelmezteti egy virtuális ütközés után a lehetséges valódi ütközésre. A kobot előre vetített mozgásának követése kevert valóság szemüveggel történik, az egyes virtuális ütközésekről a vizuális figyelmeztetésen felül hang, vagy haptikus jelzést is kiadható.

A részfeladat eredményeit egy folyóiratcikk kézirat [13], egy konferencia előadás [25], egy irodalomkutatás [67] és egy demo alkalmazás mutatják be [68].

B5 Optimális energiamenedzsment egyedi vállalatok és hálózatok szintjén

B5.1 Robusztus energiamenedzsment egyedi vállalatok szintjén - SZTAKI

A kutatási szakasz fő témája a sztochasztikus modell prediktív irányítási (SMPC) problémák véletlen mintavételezésen alapuló megoldása és ehhez kapcsolódó algoritmusok, amelyek alapját egy erre a célra fejlesztett, python nyelven implementált, robusztus keretrendszer biztosította. A keretrendszerben több szcenárió generálási módszer került implementálásra és tesztelésre. Az új módszer lehetővé teszi, hogy nagyobb méretű problémákat is meg lehessen oldani, mivel sok kis optimalizálási feladat megoldásaként állítja elő az eredeti (nagy) feladat optimális megoldását.

A részfeladat eredményei egy technikai jelentésben tanulmányozhatók [50]. Az SMPC keretrendszer és az annak részeként implementált algoritmusok és modulok elérhetőek a SZTAKI Gitlab rendszerében, a keretrendszer Python forráskódja a SZTAKI repozitóriumában hozzáférhető [64].

B5.2 Játékelméleti modellek hálózatok optimális energiamenedzsmentjére - SZTAKI

Az intelligens energiahálózatok keresletoldali szabályozásának (demand-side management, DSM) természetes matematikai modellje a Stackelberg játék, melyben az energiaszolgáltató a vezető, és a fogyasztók az egymástól független követők. Általános robusztus kétszintű optimalizálási modell került definiálásra, melyben a vezető a követő célfüggvényében szereplő együtthatók értékét nem ismeri pontosan. A fenti feladatra hatékony megoldó eljárást –a szakirodalomban az első széleskörűen alkalmazható eljárást –, egy ún. oszlop- és korlát generáló (column-and-constraint generation) algoritmus került javaslatra. Nagyméretű feladathalmazon végzett számítási kísérletek bizonyították a javasolt eljárás hatékonyságát.

A részfeladat eredményeit három folyóiratcikk, [2], [3], [8], egy beküldött kézirat [12], és két konferencia előadás foglalja össze [22], [23].

B6 Szenzorinformációkon alapuló folyamat optimalizálás és vezérlés

B6.1 Valós idejű megmunkálási és gépállapot adatgyűjtés - BME GTT

A BME kiber-fizikai minta gyártórendszerben végzett kutatási-fejlesztési tevékenységek keretében kialakításra került a hardveres adatgyűjtési környezet és meghatározásra került az adatgyűjtésre használandó szoftver keretrendszer (LabView szoftverben lett kifejlesztve).

Hagyományos és keményesztergálási folyamat méréséhez és felügyeletéhez alkalmas szenzorok lettek integrálva az esztergakésbe, és kísérletek történtek a szerszám kopását jelző mérhető és számítható mennyiségek kimutatására. A kerámia anyag mikromarásának mérései megtörténtek és a szerszámkopási folyamat leírása is kidolgozásra került hullámforma szerszámpályát alkalmazva.

A részfeladat eredményeit egy folyóiratcikk, [6], egy előadás [24], három Technikai jelentés [33], [34], [35], egy Szakdolgozat [71], egy könyvfejezet [28], és egy mérési eredményeket tartalmazó excel file gyűjtemény foglalja össze [38].

B6.2 Intelligens előrejelző algoritmusok fejlesztése a gyártási folyamatok optimalizálása céljából

Irodalomkutatásra került sor a gépi tanulási megoldásokat alapul vevő szerszámfelügyelettel, valamint a preditktív karbantartással kapcsolatban. Specifikálásra kerültek az adatgyűjtéshez szükséges szenzorok, a prediktív modellek betanítására szolgáló adatokat biztosító célzott megmunkálási eljárások, a szükséges szerszámok, a megmunkálandó anyagtípusok. Prediktív modellek készültek a forgácsolási erőre és a felületi minőségre vonatkozóan.

A részfeladat eredményeit két folyóiratcikk, [16], [17], két konferencia előadás [18], [26], egy BSc dolgzat [70] és két hallgatói féléves feladat foglalja össze [72], [74].

B6.3 A gyártási folyamatok és gépeik távfelügyeletének és karbantartás-tervezésének támogatása az Ipar 4.0 keretén belül - BME GTT

Szakirodalmi kutatás és feldolgozás alapján (Gyártási folyamatok távfelügyeletét megvalósító platformok, mesterséges intelligencia szerepe a CP hatékonyság növelésében) részletes szempontrendszer összeállítása történt meg a cikkek feldolgozásához. A témában kutatási TÉT pályázat benyújtására is sor került.

A részfeladat eredményeit egy folyóiratcikk [7], egy konferenciacikk [21], és a benyújtott TÉT pályázat dokumentációja foglalja össze [60].

B7 Serious game módszerek alkalmazása a kiber-fizikai rendszerek tervezésére és analízisére

B7.2 Serious game komponensek kifejlesztése - BME ALRT

Irodalomkutatás és koncepció készítés alapján először a serious game alapú, logisztikai tervezésben használható szoftver struktúrájának definiálása történt meg. A feladatra saját szoftver fejlesztésére (grafikus felületet, felhasználói interfész és adatbázis struktúra) került sor. A serious game használhatóságának tesztelése több szcenárióval is megtörtént, az alkalmazhatósági demonstráció, amely a serious game együttműködése volt Tecnomatix Plant Simulation szimulációs szoftverrel.

A részfeladat eredményei négy Technikai jelentésben olvashatók [29], [30], [31], [32].

Kísérleti fejlesztések eredményei és demonstrációk

C1 Adaptív és kollaboratív robotos szerelés megvalósítása

C1.2 Adaptív és kollaboratív robotos szerelés megvalósítása, szcenáriók fejlesztése - SZTAKI

A részfeladat célja olyan összetett robotikai bemutató szcenáriók összeállítása, amelyek egyrészt gyakorlati, ipari feladatokhoz hasonló helyzetekben képesek a hasznosítás bemutatására, másrészt alkalmasak az eredmények tesztelésére és továbbfejlesztésére.

A “Robotiskola and Friends - művészeti projekt” keretében kifejlesztésre került egy négy robotkaros installáció, amely egy SZTAKI-n belüli kiállításon, és a Stuttgarti Tudományfesztiválon is megtekinthető volt. Megkezdődött az installálása egy újszerű demonstrációnak, amely a SZTAKI speciális szoftvereire épül (URMover, DIWAS 2.0) és közvetlen kollaboratív robotos szerelési tapasztalatot biztosít bárki számára.

A részfeladat eredményeit hat technikai jelentés [39], [40], [41], [42], [43], [44], és három kiadott sajtóanyag foglalja össze [63], [65], [66].

C2 BME Kiber-fizikai gyártórendszer fejlesztése

C2.2 A meglévő berendezések és digitális gyártási megoldások rendszerbe integrálása - BME

A részfeladat célja a BME Gyártástudomány- és technológia Tanszék G épületi csarnokában kiépített kiber-fizikai gyártórendszer autonóm elemeinek szoftveres összekapcsolása. Ennek keretében ebben az időszakban kidolgozásra került a G épületi laboratórium hálózati topológiája, elkezdődött a számítógépterem infrastrukturális kialakítása. Több megmunkáló gép, mérőgép integrációja (OKUMA eszterga, OKUMA esztergaközpont, Mitutoyo CrystaPlus és a Mitutoyo Ko-Ga-Me mérőgépek), tesztelése és kezelői betanítása történt meg.

A részfeladat eredményeit egy hálózati terv [56], jegyzőkönyvek [57], [58], és egy beszámoló foglalja össze [59].

C3 Eredmények IIoT alapú kiajánlása és kísérleti rendszerek integrációja

C3.1 A projekt fejlesztéseinek IIoT platformba építése - SZTAKI

A részfeladat célja a korábbi részfeladatokban megvalósuló szoftveres funkcionalitások egy közös, felhő-kompatibilis rendszerbe szervezése (IIoT), ahol mind önállóan, mind egy tetszőleges munkafolyamatba szervezve a szoftverek funkcionalitása kiajánlható harmadik feleknek az interneten keresztül. Jelenleg a DigiPrime (EUs projekt keretében készült gépi tanulásos predikciós web alkalmazás), a ProSeqqo (energia optimalizáló alkalmazás) és a Learning Factory (robot mozgás sorozat tervező és megjelenítő web-es komponens) szolgáltatások, funkciók ill. modulok integrálása van folyamatban.

A részfeladat eredményeit egy technikai jelentés foglalja össze [49].

C3.2 Kiber-fizikai kísérleti és demonstrációs rendszerek integrációja - SZTAKI

A részfeladat célja a SZTAKI-ban már korábban kialakított, valamint a jelen projekt C2-es feladatában kialakításra kerülő BME Kiber-fizikai gyártórendszer virtuális integrálása, amelyekhez csatlakozott a SZTAKI új Innovációs és Demonstrációs Tere (IDT). Az IDT a SZTAKI budapesti telephelyén, a Lágymányosi utcai épület teljes 6. emeletén került kialakításra, ahol sor került a telepített 5 kollaboratív robot és új informatikai környezeteinek kialakítására és összehangolására. A jelen projektben végzett robotokkal kapcsolatos kutatások eredményeit alkalmazó robotos rendszerek (pl. SIM2REAL, PREHUROCO, Pikto-r-o-bot portréjzoló robot) installálása és üzemeltetése is itt történt meg.

A részfeladat eredményei négy technikai jelentésben kerültek leírásra [45], [46], [47], [48].