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 Computer Aided Design Számítógéppel segített tervezés CAM Computer Aided Manufacturing Számítógéppel segített gyártás CAxx Computer Aided Anything Számítógéppel segített mindenféle CAPP Computer Aided Process Számítógéppel segített folyamattervezés Planning CAPP Computer Aided Production Számítógéppel segített termeléstervezés Planning CAQ Computer Aided Quality Számítógéppel segített minőség CAE Computer Aided Engineering Számítógéppel segített tervezés FEM Finite Element Method Végeselem-módszer CIM Computer Integrated Számítógéppel integrált gyártás Manufacturing NC Numerical Control Számjegyes (digitális) irányítás CNC Computer Numerical Control Számítógépes számjegyes (digitális) irányítás DNC Direct Numerical Control Közvetlen számjegyes (digitális) irányítás RC Robot Control Robotirányítás PLC Programmable Logical Control Programozható logikai irányítás FMC Flexible Manufacturing Cell Rugalmas gyártócella FMS Flexible Manufacturing System Rugalmas gyártórendszer MES Manufacturing Execution Gyártási végrehajtó rendszer System IMS Intelligent Manufacturing System Intelligens gyártórendszer (Hatvany, Suh) MAP Manufacturing Automation Gyártási automatizálási protokoll Protocol TOP Technical and Office Protocol Műszaki és irodai protokoll IGES Initial Graphics Exchange Kezdeti grafikuscsere-specifikáció Specification STEP Standard for the Exchange of A termék modelladatok csereszabványa Product Model Data EDI Electronic Data Interchange Elektronikus adatcsere OSI Open System Interconnection Nyitott rendszer-összeköttetés ISO International Standard Organization Nemzetközi Szabványszervezet JIT Just in Time Kanban Éppen idejében Kanban MRP Material Resource Planning 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 Enterprise Resource Planning Vállalatiforrás-tervezés CIM-OSA Computer Integrated Manufacturing Open System Számítógéppel integrált gyártás nyílt Rendszerarchitektúra (Kurt Kosanke) Architecture GRAI-GIM GRAI (Univ. of Bordeaux) Integrated Methodology A bordeaux-i egyetem integrált módszertana (Guy Doumeingts) PERA Purdue Enterprise Reference Architecture and Methodology Purdue vállalati referenciaarchitektúra és módszertan (Ted Williams) GERAM Generic Enterprise Reference Architecture and Methodology Generikus vállalati referenciaarchitektúra és módszertan (Nemes L., Bernus P.) AI Artificial Intelligence Mesterséges intelligencia DAI Distributed Artificial Intelligence Elosztott mesterséges intelligencia KB Knowledge Base Tudásbázis ES Expert System Szakértő rendszer GA Genetic Algorithm Genetikus algoritmusok Fuzzy Fuzzy Nemcsak 0 és 1, hanem 1,34 is lehet OO Object Oriented Objektumorientált OMT Object Modelling Technique Objektummodellezési technika OOSE Object Oriented Software Engineering Objektumorientált szoftvertervezés (Jacobson) SADT System Analysis Design Technique Rendszeranalízis és tervezési technika (Ross) CE Concurrent Engineering Párhuzamos (egyidejű) termelés BPR Business Process Üzleti folyamatok újratervezése Reengineering TQM Total Quality Management Totális minőség kezelés DSS Decision Support Systems 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: CIM-IAAR 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. 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 CAD CAM CAQ Logikai tervezés Konstrukciós tervezés GYÁRTÁS, SZERELÉS Teszt Diagnózis RC NC CNC DNC PLC 1. ábra CIM modell, 1970 12
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 R A idő 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 A spirális modell 3. ábra Párhuzamos tervezés Párhuzamos tervezés/fejlesztés 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 implementation Reqs. specification V1 V2 V3 integration 4. ábra A spirális OO modell 17
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. Design Implem. 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) SREM/RDD SA/SD SSADM SADT SATT OOA (Codd) OOD (Booch) OOSE (Jac.) OMT (Rum.) 6. ábra Rendszerfejlesztési módszertanok UML/RUP 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 Funkció neve Output 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
Az UML és a RUP az OOD, OMT és OOSE alkotóinak együttműködésének eredménye, a gyakorlatban használható és használt eszközök. Az OOSE példaként néhány jellemzője OOSE analysis construction testing Requirements model Analysis model Design 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. Pilot (actor) flight schedule booking Clerk (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 Domain object M Analysis M Design M Implem. M Testing M 11. ábra OOSE modellek összefüggései 21
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 Alapvető programozási paradigmák: 16. ábra A számítógéprétegek és az emberi problémák 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 5.Tweety sárga 34
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. Fritz zöld *** goal (ez volt a cél). 5. 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