Katedra Informatyki Przemysłowej

W tym roku aż dwóch kolegów z Naszej katedry uzyskało granty na badania o charakterze przełomowym oraz jeden uzyskał grant na rozpoczęcie działalności naukowej w nowej tematyce badawczej. Poniżej lista projektów wraz z charakterystyką badań:

1. „Przełamanie bariery masy w elektromagnetycznym topieniu lewitacyjnym"

   Badania realizowane są w ramach: POB5.Automatyzacja procesów i Przemysł 4.0, podobszar T4 Symulacje i modelowanie procesów

   Wykonawca: dr hab. inż. Sławomir Golak, prof. PŚ

   Tematyka badawcza:

   Topienie lewitacyjne  jest ciekawym rozwiązaniem, gdy zachodzi potrzeba przetwarzania wysoce reaktywnych i ultra-czystych materiałów (np. stopów tytanu, materiałów dla elektroniki), których kontakt z materiałem tygla może spowodować ich zanieczyszczenie i/lub uszkodzenie samego tygla. Sama idea topienia lewitacyjnego znana jest już od lat dwudziestych XX wieku, jednak w stosowanych do tej pory rozwiązaniach możliwe było topienie próbek nie przekraczający kilku, kilkunastu gramów, co ograniczało zastosowanie tego procesu do laboratorium i efektownych pokazów.

   Grant dotyczy opracowania i analizy w oparciu o modelowanie numeryczne nowego rozwiązania topienia lewitacyjnego pozwalającego na radykalne zwiększenie masy topionych wsadów. Nowa koncepcja budowy urządzenia do topienia lewitacyjnego powinna przełamać wieloletnią stagnację w tym obszarze i umożliwić w przyszłości zastosowanie tego rozwiązania w warunkach przemysłowych.

2. „Opracowanie metod poprawy skalowalności modeli predykcyjnych poprzez wykorzystanie szybkich filtrów danych treningowych"
   

   Badania realizowane są w ramach: POB2 – Sztuczna inteligencja i przetwarzanie danych, podobszar: Rozwój metod sztucznej inteligencji i  inżynieria wiedzy

   Wykonawca: dr hab. inż. Marcin Blachnik, prof. PŚ

   Tematyka badawcza:

   Systemy sztucznej inteligencji przeżywają obecnie dynamiczny rozwój, co prowadzi do spektakularnych rezultatów, jednak okupione jest to gigantyczną mocą obliczeniową zużywaną do uczenia modeli predykcyjnych. Zapotrzebowanie na duże zasoby obliczeniowe wynikają z kilku czynników – rozmiaru samych modeli predykcyjnych w tym liczby parametrów wymagających adaptacji, rozmiaru zbiorów danych wykorzystywanych do uczenia oraz kosztów optymalizacji hyperparametrów tych modeli. W ramach projektu planowane jest zaadresowanie tych problemów poprzez wykorzystanie metod bazujących na prototypach i szybkich filtrów danych.

3. „Nowe algorytmy optymalizacji kombinatorycznej"

   Badania realizowane są w ramach: POB2 – Sztuczna inteligencja i przetwarzanie danych

   Wykonawca: dr inż. Piotr Ciepliński

   Tematyka badawcza:

   Większość współczesnych problemów optymalizacyjnych wymaga zastosowania algorytmów, które łatwo dostosowują się do ograniczeń, niezależnie od liczby parametrów oraz rozmiary przestrzeni rozwiązań. Jednym z najpopularniejszych jest hybrydowy algorytm genetyczny. W ramach projektu planowane jest zaproponowanie nowego hybrydowego algorytmu genetycznego dla problemów wielokryterialnych.

Serdecznie gratulujemy!