Załącznik nr 2
do wniosku z dnia 29 marca 2018 roku o przeprowadzenie postępowania habilitacyjnego
Autoreferat w języku polskim
Rafał Cupek - zał. 2 autoreferat w języku polskim 2
1. Imię i nazwisko:
Rafał Cupek
2. Posiadane dyplomy i stopnie naukowe:
Doktor nauk technicznych w dyscyplinie naukowej informatyka
Wydział Automatyki, Elektroniki i Informatyki, Politechniki Śląskiej, temat rozprawy
doktorskiej: „Metody wizualizacji rozproszonych procesów przemysłowych”, promotor: prof.
dr hab. inż. Andrzej Grzywak, recenzenci: prof. dr hab. inż. Krzysztof Zieliński, prof. dr hab.
inż. Antoni Niederliński, 1998.
Magister inżynier informatyk
Wydział Automatyki, Elektroniki i Informatyki Politechniki Śląskiej; specjalność: budowa
i oprogramowanie maszyn matematycznych, promotor: dr inż. Andrzej Kwiecień, 1991.
3. Przebieg zatrudnienia w jednostkach naukowych:
1991 – nadal: Politechnika Śląska, Instytut Informatyki - stanowiska:
o asystent (1991–1998),
o adiunkt (1998-2014),
o asystent /naukowy/ (2014 – nadal).
Politechnika Śląska, Wydział Automatyki, Elektroniki i Informatyki - pełnione funkcje:
o Prodziekan ds. Studenckich (2008-2012),
o Prodziekan ds. Organizacji i Rozwoju (2012-2013).
Politechnika Śląska - oddelegowanie w ramach współpracy z przemysłem:
o 24 miesiące w okresie 2014-2017, firma: Conti Temic microelectronic GmbH,
Ingolstad, Niemcy.
2002 - 2009: Wyższa Szkoła Biznesu w Dąbrowie Górniczej, stanowisko: adiunkt.
2008-2009: Technische Hochschule Ingolstadt, Niemcy, Wydział Elektrotechniki
i Informatyki, stanowisko: wykładowca (niem. Lehrbeauftragter), wymiar: 120 godzin,
przedmiot: „Industrial Computer Systems”.
Rafał Cupek - zał. 2 autoreferat w języku polskim 3
4. Wskazanie osiągnięcia naukowego
wynikającego z art. 16 ust. 2 ustawy z dnia 14 marca 2003 r. o stopniach naukowych i tytule
naukowym oraz o stopniach i tytule w zakresie sztuki (Dz. U. 2016 r. poz. 882 ze zm. w Dz. U.
z 2016 r. poz. 1311.)
a) Cykl publikacji powiązanych tematycznie pod tytułem: Metody akwizycji informacji
i budowania wiedzy w systemach realizacji produkcji
[RC1] Cupek, R., Ziebinski, A., Huczala, L., & Erdogan, H., 2016, Agent-based
manufacturing execution systems for short-series production scheduling, Computers in
Industry, Elsevier, Volume 82, pp.245-258. /IF=2.691, 35 pkt. MNiSW/. Mój udział
procentowy w pracy szacuję na 60%.
[RC2] Cupek, R., Fojcik, M., & Sande, O, 2009, Object oriented vertical communication
in distributed industrial systems, Communications in Computer and Information Science book
series CCIS, Springer, volume 39, p. 72-78. / WoS; Scopus, 7 pkt. MNiSW/. Mój udział
procentowy w pracy szacuję na 60%.
[RC3] Cupek, R., Ziebinski, A., Drewniak, M., 2017, An OPC UA server as a gateway that
shares CAN network data and engineering knowledge, In Industrial Technology (ICIT), 2017
IEEE International Conference on, IEEE Xplore, pp. 1424-1429. /WoS; Scopus, 15 pkt.
MNiSW/. Mój udział procentowy w pracy szacuję na 60%.
[RC4] Cupek R., Ziebinski A., Fojcik M., 2017, An ontology model for communicating
with an autonomous mobile platform, Communications in Computer and Information Science
book series CCIS, Springer, volume 716, pp. 480-493. /WoS; Scopus, 15 pkt. MNiSW/. Mój
udział procentowy w pracy szacuję na 50%.
[RC5] Maka, A., Cupek, R., Rosner, J., 2011, OPC UA object oriented model for public
transportation system, In Computer Modeling and Simulation (EMS), 2011 Fifth UKSim
European Symposium on, IEEE Xplore, pp. 311-316. /Scopus; Web of Science/. Mój udział
procentowy w pracy szacuję na 50%.
[RC6] Cupek, R., Ziebinski, A., Franek, M., 2013, FPGA based OPC UA embedded
industrial data server implementation, Journal of Circuits, Systems and Computers, Volume
22, Issue 08, pp. 1-18. /IF=0.33, 15 pkt. MNiSW/. Mój udział procentowy w pracy szacuję na
40%.
[RC7] Cupek, R., Huczala, L., Passive PROFINET I/O OPC DA Server, In Emerging
Technologies & Factory Automation, 2009. ETFA 2009. IEEE Conference on, IEEE Xplore,
pp.1-5. / oS; Scopus, 7 pkt. MNiSW/. Mój udział procentowy w pracy szacuję na 60%.
Rafał Cupek - zał. 2 autoreferat w języku polskim 4
[RC8] Cupek R., Folkert K., Fojcik M., Klopot T., Polaków G., 2017, Performance
evaluation of redundant OPC UA architecture for process control, Transactions of the
Institute of Measurement and Control,/ SAGE Journals, Vol 39, Issue 3, pp. 334-343.
/IF=1.049, 20 pkt. MNiSW/. Mój udział procentowy w pracy szacuję na 60%.
[RC9] Cupek, R., Drewniak, M., & Zonenberg, D, 2014, Online energy efficiency
assessment in serial production-statistical and data mining approaches, Proceedings of the
IEEE International Symposium on Industrial Electronics (ISIE 2014), pp. 189-194. / WoS;
Scopus, 15 pkt. MNiSW/. Mój udział procentowy w pracy szacuję na 60%.
[RC10] Cupek R., Ziebinski A., Zonenberg D., Drewniak M., 2017, Determination of the
machine energy consumption profiles in the mass-customised manufacturing, International
Journal of Computer Integrated Manufacturing, Taylor & Francis, pp.1-25. /IF=1.949, 25 pkt.
MNiSW/. Mój udział procentowy w pracy szacuję na 60%.
[RC11] Cupek R., Ziebinski A., Drewniak M., Fojcik M., 2018, Improving KPI based
performance analysis in discrete, multi-variant production, Lecture Notes in Computer
Science book series LNCS, Springer, volume 10752, pp. 661-673. Mój udział procentowy
w pracy szacuję na 70%.
[Patent] Ziębiński A., Cupek, R., Patent wydany przez Urząd Patentowy Rzeczypospolitej
Polskiej PL225022 z dn. 05.09.2016, Układ do podziału zadań realizowanych przez sterownik
PLC pomiędzy jednostkę centralną PLC i specjalizowany koprocesor sterownika PLC
zrealizowany na bazie układu reprogramowalnego. /25 pkt. MNiSW /. Mój udział procentowy
w pracy szacuję na 50%.
Cztery prace wchodzące w skład cyklu [RC1, RC6, RC8, RC10] zostały opublikowane
w czasopismach indeksowanych w bazie Journal Citation Reports (JCR), sumaryczny impact
factor tych publikacji wynosi: IF=6.019. Sześć prac to publikacje konferencyjne uwzględnione
w bazie Web of Science / Core Collection [RC2, RC3, RC4, RC5, RC7, RC9]. Publikacja
[RC11] ukazała się w serii wydawnictwa Springer - Lecture Notes in Computer Science, lecz
w chwili składania wniosku nie była jeszcze zindeksowana w WoS. Zestawienie tabelaryczne
publikacji wraz z liczbą cytowań przedstawiam poniżej.
Indeks Hirscha prac wchodzących w skład osiągnięcia według WoS / Core Collection
wynosi 4(3)*. Wartość ta nie uwzględnia cytowań w publikacjach konferencyjnych, które
w poprzednich latach były indeksowane w WoS, lecz na chwilę obecną nie są jeszcze widoczne.
Z tego względu podałem także liczbę cytowań według bazy Scopus, dla której indeks H wynosi
6(4)*. Sumaryczna liczba punktów MNSW to 186. Pięć z przedstawionych publikacji powstało
w wyniku prowadzonych przeze mnie badań przemysłowych związanych z realizacją dwóch
Rafał Cupek - zał. 2 autoreferat w języku polskim 5
grantów objętych 7 Programem Ramowym: AutoUniMo1 [RC1, RC3, RC4, RC10] i EMC22
[RC9]. Publikacja [RC11] prezentuje wyniki prac, które prowadzę w projekcie INNOMOTO3.
Zestawienie tabelaryczne publikacji wchodzących w skład cyklu wraz z liczbą cytowań na
dzień 29.03.2018.
Rok
wydania
Impact
Factor
Punkty
MNSW
Liczba
Cytowań
WoS*
Liczba
Cytowań
Scopus*
[RC1] 2016 2,691 35 7(5) 11(7)
[RC2] 2009 - 7 12(4) 12(4)
[RC3] 2017 - 15 0(0) 0(0)
[RC4] 2017 - 15 2(2) 6(4)
[RC5] 2011 - 7 3(3) 9(6)
[RC6] 2013 0,33 15 5(2) 9(6)
[RC7] 2009 - 7 4(0) 8(1)
[RC8] 2017 1,049 20 2(1) 1(1)
[RC9] 2014 - 15 1(1) 4(3)
[RC10] 2017 1,949 25 - 2(0)
[RC11] 2018 - - - 1(0)
[Patent] 2016 25 - -
Razem 6,019 186 36(18) 63(32)
1 AutoUniMo (FP7-PEOPLE-2013-IAPP, grant no.: 612207) “Automotive Production Engineering Unified
Perspective based on Data Mining Methods and Virtual Factory Model”, Instytut Informatyki, Politechnika Śląska,
okres realizacji: 2013-2017
2 EMC2 (FP7-2011-NMP-ICT-FoF, Project ID: 285363) “The Eco-Factory: cleaner and more resource-
efficient production in manufacturing”, AIUT Sp. z o. o., Gliwice , okres realizacji: 2012-2014
3 INNOMOTO (NCBR POIR.01.02.00-00-0307/16-00) „Knowledge integrating shop floor management
system supporting preventive and predictive maintenance services for automotive polymorphic production
framework”, AIUT Sp. z o. o., okres realizacji: 2017 – 2020
* w nawiasie podano liczbę cytowań bez autocytowań
Rafał Cupek - zał. 2 autoreferat w języku polskim 6
b) Omówienie celu naukowego wyżej wymienionych prac i osiągniętych wyników wraz z
przedstawieniem ich ewentualnego wykorzystania.
4.b.1 Streszczenie stanu wiedzy w zakresie osiągnięcia naukowego
Systemy realizacji produkcji MES (ang. Manufacturing Execution Systems) to systemy
informatyczne wykorzystywane w przemyśle, których zadaniem jest zapewnienie współpracy
pomiędzy przemysłowymi systemami sterowania a systemami wspomagającymi zarządzanie
przedsiębiorstwem. Cechy odróżniające systemy MES od innych systemów informatycznych
stosowanych w przemyśle to: (i) realizowana w czasie rzeczywistym i w sposób ciągły
komunikacja z poziomem produkcji, (ii) dokonywana na bieżąco konwersja modeli
informacyjnych, (iii) przekształcanie informacji generowanych przez systemy zarządzania do
postaci dogodnej do interpretacji przez przemysłowe systemy sterowania, (iiii) przekształcanie
i agregacja danych pobieranych z systemów sterowania do postaci, która może być
wykorzystywana przez systemy zarządzania. Systemy MES nie są jedynie interfejsem
służącym do wymiany informacji. Pomimo że systemy MES zbierają i przechowują informacje,
nie są one również repozytorium danych produkcyjnych. Systemy MES są zawansowanymi
rozwiązaniami informatycznymi, które dostarczają narzędzi pozwalających na dopasowanie
różnorodnych modeli informacyjnych wykorzystywanych w przemyśle oraz zapewniają
realizację usług umożliwiających przekształcanie surowych danych produkcyjnych
w informacje istotne dla operacyjnego zarządzania przedsiębiorstwem.
Systemy realizacji produkcji stanowią rozwinięcie powstałej w drugiej połowie lat 70.XX
wieku idei integracji przemysłowych systemów komputerowych określanej jako CIM (ang.
Computer Integrated Manufacturing). Zaproponowany przez Josepha Harringtona [1] model
CIM miał połączyć ze sobą odrębne systemy informatyczne takie jak: systemy wspomagające
projektowanie i optymalizację automatyki procesowej, systemy wspomagające planowanie
i kontrolę realizacji produkcji, systemy przygotowania i optymalizacji procesów
produkcyjnych, systemy logistyczne, systemy obsługi sprzedaży i inne. CIM miał integrować
przetwarzanie informacji w skali całego przedsiębiorstwa, jak również zapewnić współpracę
pomiędzy systemami wykorzystywanymi do jego zarządzania i komputerowymi systemami
sterowania [2]. Zadanie to wymagało zastosowania konfigurowalnej i uniwersalnej warstwy
komunikacji, która pozwoliłaby na połączenie nie tylko wielu różnorodnych systemów
informatycznych, ale także na konwersję informacji definiowanej i przetwarzanej
w oddzielnych domenach [3]. Realizacja takiego środowiska była limitowana dostępnością
technologii informatycznych i dopiero dalszy rozwój w zakresie architektury i oprogramowania
systemów rozproszonych, obiektowo zorientowanych mechanizmów komunikacyjnych
i bazujących na ontologiach modeli prezentacji informacji, pozwoliły na stworzenie otwartych,
modularnych, konfigurowalnych i zarządzalnych systemów tej klasy.
Rafał Cupek - zał. 2 autoreferat w języku polskim 7
Zaproponowany przez Michaela McClellana termin Manufacturing Execution System
(MES) oznaczał działający on-line, zintegrowany system komputerowy wykorzystywany do
realizacji produkcji [4]. System MES stanowi interfejs łączący przemysłowe systemy
sterowania, w tym systemy sterowania nadrzędnego, z systemami wspomagającymi
zarządzanie przedsiębiorstwem i systemami analityki biznesowej. Słowo realizacja nawiązuje
do całości działań związanych z wykonywaniem przez przedsiębiorstwo operacji
produkcyjnych. Systemy MES zapewniają kompleksowość działań, łącząc w sobie różnego
typu narzędzia i metody a synergia wynikająca ze współdziałania sprawia, że wartość dodana
związana z optymalizacją produkcji jest większa niż ta, która wynikałaby z sumy wartości
wnoszonych przez poszczególne podsystemy [5]. Systemy MES muszą współpracować
z wieloma różnorodnymi systemami informatycznymi tak wewnątrz, jak i na zewnątrz
przedsiębiorstwa, tak więc musi je cechować otwartość i elastyczność [6].
Systemy realizacji produkcji łączą dwie odmienne pod względem funkcjonalnym
i architektonicznym klasy systemów informatycznych stosowanych w przemyśle: przemysłowe
systemy sterowania i systemy zarządzania. Te dwie klasy systemów powstały z myślą
o realizacji odmiennych zadań i z tego powodu różnią się ze względu na stosowaną do ich
realizacji architekturę informatyczną, mechanizmy komunikacji oraz podejście związane
z realizacją oprogramowania. Systemy te rozwijały się w sposób niezależny, a potrzeba ich
integracji została dostrzeżona w chwili, gdy obie dziedziny były już silnie ukształtowane. Ze
względu na trwający wiele lat, a w niektórych przypadkach wiele dziesięcioleci, cykl życia
instalacji przemysłowych, współczesne systemy realizacji produkcji muszą uwzględniać
ograniczenia architektoniczne wynikające z uwarunkowań historycznych, które kształtowały
rozwój systemów informatycznych stosowanych w przemyśle [7].
W przypadku systemów produkcji dyskretnej zawodne i trudne do modyfikacji
przekaźnikowe szafy sterownicze zostały zastąpione przez rozwiązania bazujące na
minikomputerach. Nowy rodzaj systemów sterowania został po raz pierwszy zastosowany
w przemyśle motoryzacyjnym, a następnie stał się on powszechnie stosowany także w innych
gałęziach przemysłu. Za datę przełomową przyjmuje się rok 1969, w którym firma Modicon
(nazwa została utworzona od MOdular DIgital CONtroller) uruchomiła pierwszy sterownik
PLC (ang. Programmable Logic Controller), który został zainstalowany na linii montażu
automatycznej skrzyni biegów GM Hydramatic [8]. Architektura PLC różni się znacząco od
architektury istniejących w tym czasie minikomputerów [9]. PLC były dedykowane do
interakcji z maszyną, podczas gdy minikomputery projektowane były do komunikacji
z człowiekiem. Miejsce klawiatury minikomputera zastąpiły moduły wejściowe PLC
odpowiedzialne za wprowadzanie dostarczanych za pomocą sygnałów elektrycznych
informacji opisujących stan kontrolowanej maszyny. Monitor został zastąpiony przez sygnały
wyjściowe pozwalające na sterowanie obwodami wykonawczymi. Kolejną różnicą był sposób
programowania, który został zaczerpnięty wprost z logiki realizowanej za pomocą układów
Rafał Cupek - zał. 2 autoreferat w języku polskim 8
przekaźnikowych [10]. System operacyjny PLC realizuje powtarzalną cyklicznie pętlę
sterowania, w trakcie której informacje pobierane z czujników stają się danymi wejściowymi
algorytmu sterowania realizowanego przez PLC. Wypracowywane sygnały sterujące są
przekazywane do urządzeń wykonawczych. PLC zwiększyły niezawodność i ułatwiły rozwój
systemów sterowania oraz pozwoliły na zwiększenie powtarzalności realizowanych procesów
technologicznych. Cechy te były wysoce pożądane w produkcji masowej i zadecydowały
o powszechnym zastosowaniu systemów opartych o PLC w większości obszarów produkcji
dyskretnej. Architektura i oprogramowanie systemów sterowania opartych na PLC zostały
znormalizowane przez standard IEC 61131 „Programmable controllers” a w przypadku
systemów tworzonych w architekturze bazującej na komponentach przez standard IEC 61499
„Function blocks”.
W przypadku produkcji ciągłej pierwszym obszarem, w którym wprowadzono bazujące na
komputerach systemy sterowania był przemysł petrochemiczny. Systemy te miały zastąpić
regulatory pneumatyczne. Pierwsze pomysły dotyczące zastosowania komputerów do
sterowania procesami ciągłymi pojawiły się już w latach 40.XX wieku, jednak wprowadzane
w początkowym okresie minikomputery wykorzystywano jedynie do rejestracji danych,
alarmowania i kalkulacji efektywności produkcji. Samo sterowanie procesami
technologicznymi odbywało się za pomocą regulatorów pneumatycznych. Za datę
przełomową przyjmowany jest rok 1959, kiedy to firma Ramo-Wooldridge Company
uruchomiła pierwszy system komputerowy RW-300 [11], który realizował zamkniętą pętlę
regulacji. Pierwsze wdrożenie systemu RW-300 przeprowadzono w instalacji polimeryzacji
katalitycznej w rafinerii Texaco w Port Arthur. Dane wejściowe zawierały 26 pomiarów
przepływu, 72 pomiary temperatury i dwa pomiary ciśnienia. Informacje te były konwertowane
na postać cyfrową. Realizowany przez komputer model matematyczny zawierał sześć
obwodów regulacji. Część z sygnałów wyjściowych przekształcana była wprost na sygnały
sterujące pracą zaworów. Pozostałe informacje wypracowane przez komputer wykorzystywano
jako nastawy układów regulacji pneumatycznej. Ta druga część rozwiązania stała się
prekursorem systemów sterowania nadrzędnego (ang. supervisory process control).
Kolejnym etapem rozwoju systemów sterowania było wprowadzenie architektury
rozproszonej DCS (ang. Distributed Control System), którą łatwiej można dopasować do
topologii instalacji oraz uzyskać autonomię poszczególnych obwodów sterowania. Pozwoliło
to zarówno na zmniejszenie kosztów okablowania, jak również na zwiększenie niezawodności
systemu wynikającej z decentralizacji i redundancji. Za pierwszy rozproszony, cyfrowy system
sterowania DCS uważa się zaprezentowane w 1975 roku przez firmę Honeywell rozwiązanie
TDC 2000 [12]. System ten bazował na połączonych ze sobą mikroprocesorowych układach
regulacji, które zastąpiły centralny minikomputer. Pojedyncza jednostka sterująca potrafiła
kontrolować pracę ośmiu obwodów regulacji i obsługiwała do 16 sygnałów wejściowych.
Synchronizację i komunikację pomiędzy jednostkami zapewniała cyfrowa magistrala
Rafał Cupek - zał. 2 autoreferat w języku polskim 9
komunikacyjna „Data Hiway” o prędkości transmisji 250 kb/s. Komunikacja z operatorami
realizowana była za pomocą minikomputera wyposażonego w klawiatury i monitory CRT.
Minikomputer był także wykorzystywany do realizacji sterowania nadrzędnego. Obecnie
rozwiązania stosowane w sieciach komunikacyjnych łączących rozproszone systemy
sterowania (ang. field bus) normalizowane są poprzez standard IEC 61158 „Industrial
communication”, a sposoby wykorzystania tych sieci określane są przez standard IEC 61784
„Industrial communication networks - Profiles”.
Historia zastosowania komputerów w systemach zarządzania sięga lat 60.XX stulecia.
Wprowadzenie nowych środków technicznych traktowano jako usprawnienie procedur
wykonywanych wcześniej w sposób manualny [13]. Przykładem wczesnych rozwiązań są
systemy ROP (ang. reorder point), których zadaniem było sprawdzanie stanów magazynowych
i w przypadku osiągnięcia minimalnego poziomu generowanie zamówień uzupełniających.
W systemach planowania i kontroli produkcji MPC (ang. manufacturing planning and control)
komputer wykorzystywano jako narzędzie do zapisu zamówień na taśmach magnetycznych lub
kartach perforowanych. Taśmy były wielokrotnie przeglądane i na tej podstawie tworzono listę
potrzebnych materiałów BOM (ang. bills of materials). Kompletny system komputerowy
składał się z wielu oddzielonych od siebie jednostek (ang. frame). Terminem mainframe
określano główną jednostkę przetwarzającą dane. Początkowo oprogramowanie komputerów
mainframe przygotowano indywidualnie zgodnie z architekturą komputera i modelem
biznesowym przedsiębiorstwa.
Na początku lat 70 XX pojawił się nowy rodzaj oprogramowania - systemy planowania
zapotrzebowania materiałowego MRP (ang. Material Requirements Planning). Podczas
zorganizowanej w 1971 roku w St. Louis 14 konferencji APICS (American Production and
Inventory Control Society) Joseph Orlicky zaprezentował pracę „MRP – A hope for the future
or a present reality – a case study”, która zapoczątkowała dyskusję pomiędzy zwolennikami
klasycznych modeli zarządzania przedsiębiorstwem takimi jak np. ROP a nowym sposobem
zarządzania opartym o MRP. System MRP dostarczał mechanizmów, które pozwalały firmom
produkcyjnym dokładniej zaplanować jakie materiały i w jakim czasie będą im potrzebne.
Bezpośrednią korzyścią zastosowania systemów MRP była optymalizacja zasobów
magazynowych. Kolejnym etapem rozwoju były systemy planowania produkcji MRP II (ang.
Manufacturing Resource Planning). Występująca w akronimie cyfra II została dodana dla
odróżnienia tych systemów od MRP, które wykorzystywano do planowania zamówień.
Kolejną różnicą jest praca systemów MRP II w pętli sprzężenia zwrotnego. Decyzje biznesowe
przekładają się na działania produkcyjne, z kolei wyniki działań produkcyjnych mogą wymagać
korygujących operacji po stronie systemów zarządzania. Wprowadzanie nowych rozwiązań
informatycznych w tym relacyjnych baz danych, języków czwartej generacji, wykorzystanie
narzędzi wspomagania komputerowego do konstruowania systemów i architektury
Rafał Cupek - zał. 2 autoreferat w języku polskim 10
klient/serwer doprowadziło do powstania nowej generacji systemów wspomagających
zarządzanie określanych jako ERP (ang. Enterprise Resource Planning) [14].
Z biegiem czasu coraz silniej widoczna była potrzeba integracji systemów informatycznych
wykorzystywanych w przemyśle. Integracja ta może być rozpatrywana w trzech płaszczyznach:
jako integracja pionowa pozioma i integracja technologii informatycznych [15]. Potrzeba
integracji pionowej wynikła z konieczności przekazywania coraz dokładniejszych informacji
na temat realizowanych procesów produkcyjnych pomiędzy systemami sterowania a systemami
zarządzania. Początkowo informacje te wymieniane były w sposób ręczny, a nośnikiem
informacji był personel przedsiębiorstwa. Wraz ze zwiększaniem się wolumenu informacji
i skracaniem czasu cyklu planowania konieczna stała się automatyzacja wymiany danych. Pod
pojęciem integracji poziomej kryje się wymiana informacji pomiędzy systemami
umieszczonymi na tym samym (pod względem funkcjonalnym) poziomie. Przykładem może
być synchronizacja pomiędzy poszczególnymi maszynami, z których każda wyposażona jest
w własny system sterowania czy też wymiana informacji w systemach sterowania
nadrzędnego. Trzeci aspekt integracji wiąże się z cyklem życia systemów informatyki
przemysłowej. Dla wielu systemów informatycznych czas życia jest porównywalny z okresem
funkcjonowania fizycznych urządzeń produkcyjnych. Prowadzi to do sytuacji, gdy muszą ze
sobą współpracować rozwiązania reprezentujące zupełnie różny poziom rozwoju technologii
informatycznych. Z jednej strony konieczność ciągłego udoskonalania procesu produkcji
wymusza wprowadzanie nowych rozwiązań, z drugiej strony konieczność utrzymania ciągłości
produkcji nie pozwala na ich kompleksową modernizację.
Aby uporządkować sposób opisu systemów informatyki przemysłowej oraz ułatwić
integrację poszczególnych systemów, wprowadzono w latach 90.XX wieku model o wysokim
poziomie abstrakcji, który nazywany jest piramidą automatyzacji (ang. automation piramid)
[16]. Całość stosowanych przez przemysł rozwiązań informatycznych umieszczana jest
w poszczególnych warstwach piramidy przy zachowaniu zasady: im niższa warstwa piramidy
tym system znajduje się bliżej fizycznych procesów produkcyjnych, im wyższa warstwa
piramidy tym system znajduje się bliżej procesów zarządzania. Podstawę piramidy stanowi
rzeczywisty proces produkcyjny, kolejne warstwy odpowiadają gromadzeniu łączeniu
i przekształcaniu informacji pochodzącej z obiektu, wreszcie wierzchołek piramidy
odzwierciedla informacje wykorzystywane przez systemy zarządzania. Model ten definiuje nie
tylko strukturę informatyczną, ale także strukturę organizacyjną przedsiębiorstwa, w którym
decyzje biznesowe związane z realizacją konkretnego zamówienia przechodzą od poziomu
zarządzania biznesowego poprzez kolejne szczeble zarządzania operacyjnego do poziomu
realizacji operacji. W drugą stronę przekazywane są informacje o postępie w realizacji
zleconych zadań produkcyjnych. Informacje opisujące zarówno produkt, jak i proces
przemysłowy związany z jego wytworzeniem poddawane są obróbce i agregacji, a następnie
przekazywane w górę piramidy, gdzie docierają w końcu jako raport z realizacji produkcji do
Rafał Cupek - zał. 2 autoreferat w języku polskim 11
szczebla zarządzania. Przedstawiony przez Tilo Sautera model [17] definiuje pięć warstw
piramidy automatyzacji: 0 – Czujniki i urządzenia wykonawcze, 1 – Przemysłowe systemy
sterowania, 2 - Systemy wizualizacji i sterowania nadrzędnego, 3 - Systemy realizacji
produkcji, 4 - Systemy wspomagające zarządzanie (Rys.1).
Model piramidy automatyzacji stosowany jest do opisu heterogenicznych systemów
informatyki przemysłowej. Pozwala on na uproszczenie opisu systemu informatycznego
o wielu zastosowaniach i wysokim stopniu złożoności, w którego skład wchodzą zarówno
proste wejścia/wyjścia, sterowniki PLC, komputery przemysłowe, złożone układy DCS, stacje
kontrolno-nadzorcze klasy SCADA (ang. Supervisory Control and Data Acquisition),
przemysłowe bazy danych, systemy realizacji produkcji MES czy wreszcie systemy
wykorzystywane w zarządzaniu przedsiębiorstwem klasy ERP (ang. Enterprise Resource
Planning). Model piramidy pozwala na odróżnienie zadań komunikacji poziomej od pionowej.
Komunikacja pozioma obejmuje te usługi wymiany danych, w których odbiorca i dostawca
informacji zlokalizowani są w tej samej warstwie piramidy. Natomiast w komunikacji pionowej
dostawca i odbiorca informacji znajdują się na różnych poziomach. W modelu klasycznym oba
typy komunikacji rozpatrywane są oddzielnie i realizowane za pomocą odmiennych
protokołów komunikacyjnych. Wprowadzenie nowych rozwiązań telekomunikacyjnych, jak
np. protokołu OPC UA zapoczątkowało prace nad połączenie obu rodzajów komunikacji [15].
Rys. 1. Model piramidy automatyzacji
W przedstawionym modelu systemy realizacji produkcji MES pełnią funkcję interfejsu
umożliwiającego komunikację pomiędzy systemami sterowania i zarządzania. Pozwalają one
zarówno na wymianę danych, jak i zapewniają odpowiednią konwersję formatów reprezentacji
Rafał Cupek - zał. 2 autoreferat w języku polskim 12
informacji. Systemy realizacji produkcji wspomagają zarządzanie operacyjne produkcją
podczas gdy systemy zarządzania koncentrują się na działaniach biznesowych. Decyzje
podejmowane na poziomie systemów zarządzania muszą przekładać się na działania
produkcyjne zmierzające do realizacji zadań biznesowych przedsiębiorstwa. W takim
kontekście systemy MES stanowią przedłużenie systemów zarządzania. Ich zadaniem jest
rozdzielenie i nadzorowanie realizacji zadań produkcyjnych, a także zbieranie informacji na
temat sposobu wykonania zadań produkcyjnych. Systemy realizacji produkcji muszą także
współpracować z systemami planowania, wspomagając przygotowanie produkcji
z uwzględnieniem planowania sekwencji zleceń przekazywanych do poszczególnych
podsystemów produkcyjnych, kontrolować wykorzystanie zasobów produkcyjnych, zbierać
szczegółowe informacje na temat poszczególnych etapów realizacji produkcji, kontrolować
i zarządzać ruchem materiałów, półproduktów i wyrobów finalnych [16].
W chwili obecnej systemy MES stoją przed nowymi wyzwaniami, które związane są ze
zmianą modelu biznesowego zdecydowanej większości przedsiębiorstw [18]. Są to: skracanie
serii produkcyjnej, indywidualizacja produktu, dostawy w czasie produkcji (ang. just in time
manufacturing), szczupła produkcja (ang. lean manufacturing) czy funkcjonowanie
przedsiębiorstwa w ramach łańcucha usług, w którym przedsiębiorstwo pełni zarówno funkcję
konsumenta, jak i dostawcy usług [19]. Zmiany w modelu biznesowym pociągają za sobą
konieczność dopasowania architektury systemów realizacji produkcji i modelu realizacji usług
[20]. Połączone w łańcuch przedsiębiorstwa muszą bazować na wysoce spersonalizowanych
produktach i usługach, które są dostarczane przez inteligentne, zautomatyzowane i
zintegrowane narzędzia. Wymaga to uporządkowania modelu informacyjnego, który można
osiągnąć poprzez wspólną reprezentację semantyczną opisywaną za pomocą ontologii
definiowanych z wykorzystaniem narzędzi informatycznych jak np. Web Ontology Language
(OWL) [21]. Architektury informatyczne bazujące na modelach MDA (ang. Model Driven
Architecture) umożliwiają oddzielenie opisu przedsiębiorstwa od infrastruktury
technologicznej i rozdzielenie funkcji biznesowych od sposobu ich implementacji [22].
Zmiany w architekturze informatycznej umożliwiają wykorzystanie systemów MES jako
narzędzia współpracy na poziomie operacyjnego zarządzania realizacją produkcji i integracji
poziomej współpracujących przedsiębiorstw [23].
Systemy realizacji produkcji coraz powszechniej korzystają z nowych technologii
informatycznych takich jak komunikacja i identyfikacja bezprzewodowa RFID [24,25], Internet
rzeczy (IoT Internet of Things) [26] czy chmura obliczeniowa (Cloud Computing) [27].
Informacja opisująca zarówno sam produkt oraz przebieg procesu produkcyjnego staje się
z jednej strony coraz bardziej precyzyjna [28], z drugiej strony ogromny wolumen
przetwarzanych danych utrudnia ich właściwą interpretację. Zastosowanie nowych rozwiązań
informatycznych w zakresie sprzętu, nowych metod komunikacji czy zaawansowanych
algorytmów eksploracji danych pozwala na zwiększenie elastyczności przedsiębiorstw
Rafał Cupek - zał. 2 autoreferat w języku polskim 13
pozwalającej na dopasowanie profilu i sposobu realizacji produkcji do wymagań rynku.
Umożliwia to bardziej efektywną współpracę przedsiębiorstw, które wprowadzają nowe
modele wytwarzania w ramach łańcucha produkcji.
Opisane powyżej zmiany znajdują się w centrum zainteresowania zarówno przedsiębiorstw
produkcyjnych, dostawców technologii produkcyjnych, jak i wspieranych przez organizacje
rządowe grup doradczych takich jak niemiecka Industry 4.0, powiązana z departamentem
handlu USA instytut NIST (ang. National Institute of Standards and Technology) czy SMLC
(Smart Manufacturing Leadership Coalition) działające w Korei Południowej stowarzyszenie
[29]. Zaproponowany przez NIST program „Smart Manufacturing Operations Planning and
Control” definiuje inteligentną produkcję (ang. smart manufacturing) jako wprowadzenie
w pełni zintegrowanych i opartych na współpracy systemów produkcyjnych, reagujących
w czasie rzeczywistym, aby sprostać zmieniającym się wymaganiom i warunkom
w przedsiębiorstwie. Systemy te pozwalają na współpracę w modelu łańcucha usług oraz na
realizację indywidualnych potrzeb klientów4.
Jednym z powszechnie używanych terminów opisujących zachodzące obecnie zmiany jest
określenie „czwarta rewolucja przemysłowa”. Pojęcie czwartej rewolucji przemysłowej
używane jest w odniesieniu do ogólnej koncepcji związanej z zastosowaniem systemów
cyberfizycznych CPS w przemyśle [30]. Rainer Drath i Alexander Horch w pracy “Industrie 4.0:
Hit or Hype?” [31] zwracają uwagę na fakt, że o ile trzy pierwsze rewolucje przemysłowe
zostały zidentyfikowane i nazwane z perspektywy historycznej, to termin czwarta rewolucja
przemysłowa pojawił się z wyprzedzeniem jako zapowiedź spodziewanych w przyszłości
zmian. Pomimo dostępności nowych technologii informatycznych i licznych korzyści
wynikających z ich zastosowania w przemyśle, ocena ich wpływu zmianę metod realizacji
produkcji pozostaje kwestią przyszłości.
Na tle przedstawionego powyżej stanu wiedzy rodzi się szereg wyzwań związanych
z dalszym rozwojem rozwiązań informatycznych stosowanych w systemach realizacji
produkcji. Przedstawione w osiągnięciu prace odnoszą się do następujących problemów:
Zdecydowana większość rozwiązań informatycznych wykorzystywanych w systemach
MES bazuje na architekturze scentralizowanej. Poszczególne aplikacje realizują określone
założenia funkcjonalne, dostarczają usług i pobierają dane z innych, także
scentralizowanych aplikacji. Struktura usług i model komunikacji są sztywno określane na
etapie tworzenia tych systemów. Każdorazowa zmiana w zakresie modelu biznesowego lub
modyfikacja warstwy sterowania wymaga modyfikacji oprogramowania systemów MES.
Zmiany wprowadzone w jednej części systemu mogą pociągać konieczność przebudowy
4 National Institute of Standard and Technology, “Smart Manufacturing Operations Planning and Control,”
http://www.nist.gov/el/msid/syseng/upload/FY2014_SMOPAC_ProgramPlan.pdf, [28.03.18]
Rafał Cupek - zał. 2 autoreferat w języku polskim 14
innych części. Istniejący model architektoniczny cechuje się brakiem elastyczności.
Z jednej strony koszt wprowadzania zmian jest wysoki, z drugiej strony istnieje wysokie
ryzyko utraty spójności informacji i wystąpienia błędów funkcjonalnych. W pracy [RC1]
przedstawiłem architekturę informatyczną systemów MES, która charakteryzuje się wysoką
elastycznością i łatwością adaptacji systemu informatycznego do zmian w zakresie
stosowanej technologii produkcji.
W większości aktualnie stosowanych systemów realizacji produkcji zależności pomiędzy
danymi oraz usługami realizowanymi przez system zaszyte są w oprogramowaniu
aplikacyjnym. Aplikacje bazują na wiedzy inżynierskiej, która jest ukryta i niedostępna dla
innych systemów. Powyższa sytuacja sprawia, że istnieje szereg niejawnych powiązań
pomiędzy informacją pobieraną z procesu a usługami realizowanymi przez systemy
informatyczne. Ukryte powiązania i zaszyte wewnątrz aplikacji modele danych mogą
prowadzić do błędów w przypadku zmiany funkcjonalności systemu informatycznego czy
też zmian po stronie dostawców lub konsumentów danych. W pracach [RC2, RC3, RC4,
RC5] podjąłem problematykę wykorzystania pośredniczącej warstwy komunikacyjnej
(ang. comunication middleware) celem rozdzielenia modelu informacyjnego od usług
realizowanych przez wykorzystujące ten model aplikacje.
Przeniesienie nowych technologii komunikacyjnych z systemów informatycznych
ogólnego stosowania do systemów informatyki przemysłowej odbywa się często bez
analizy ograniczeń związanych ze specyfiką tych systemów i występujących w nich
zależności oraz ograniczeń. Powoduje to liczne problemy związane z zastosowaniem
nowych technologii informacyjnych i telekomunikacyjnych w systemach MES. W pracach
[RC6, RC7, RC8, patent] przedstawiłem wyniki badań nad opartymi o protokół OPC UA
rozwiązaniami komunikacyjnymi, które zapewniają efektywną i niezawodną komunikację
wykorzystywaną w systemach realizacji produkcji.
Systemy informatyczne wykorzystywane w przemyśle operują na coraz większym
wolumenie danych. Dane te jednak wykorzystywane są jedynie w niewielkim stopniu.
Informacja tworzona dla specyficznych potrzeb związanych z realizacją określonych usług
informatycznych nie jest wykorzystywana w innych dziedzinach. Prowadzi to z jednej
strony do powielania informacji oraz utraty spójności. W pracach [RC9, RC10, RC11]
przedstawiłem wyniki badań mających na celu automatyczne tworzenie profili
energetycznych stacji produkcyjnych z wykorzystaniem danych dostępnych w systemach
sterowania.
W dalszej części autoreferatu przedstawiłem swój wkład w analizowaną dziedzinę oraz
opisałem wyniki badań, które zmierzają do rozwiązania wymienionych powyżej problemów.
Rafał Cupek - zał. 2 autoreferat w języku polskim 15
4b.2 Wykaz najważniejszych osiągnięć habilitanta
Osiągnięcie habilitacyjne zawiera zestawienie najważniejszych wyników badań w zakresie:
architektury systemów MES, wymiany informacji w tych systemach, modelowania danych
i konwersji modeli informacyjnych oraz zastosowania mechanizmów eksploracji danych do
analizy efektywności energetycznej stanowisk produkcyjnych. W badaniach wykorzystałem
doświadczenia, które zdobyłem w trakcie mojej współpracy z przemysłem. W trakcie
oddelegowania do firmy Continental Ingolstadt opracowałem i zrealizowałem system MES
dedykowany do wspomagania produkcji krótkoseryjnej. W ramach współpracy z firmą AIUT
Sp. z o. o. prowadziłem badania związane z analizą danych dostępnych w systemach sterowania
celem uzyskania wiedzy na temat zależności pomiędzy realizowaną technologią produkcji
a zużyciem energii przez stanowisko produkcyjne. Prowadziłem także prace nad
wykorzystaniem warstwy komunikacji pośredniej (ang. communication middleware) do
prezentacji struktury dostępnych danych, jak i występujących w nich zależności
semantycznych. Badałem problemy związane z efektywną i niezawodną komunikacją
w systemach MES, poczynając od warstwy sterowania, poprzez warstwę komunikacji na
poziomie sieci przemysłowych aż do wymiany informacji na poziomie sieci zakładowej oraz
Internetu. Opracowałem algorytmy analizy efektywności energetycznej stanowisk
produkcyjnych na podstawie danych dostępnych w systemach sterowania. Za najważniejsze,
oryginalne osiągnięcia uważam:
Opracowałem nowy model architektoniczny systemów MES dedykowanych do produkcji
krótkoseryjnej. Model ten łączy wymagania funkcjonalne stawiane dla systemów MES (na
podstawie założeń przygotowanych przez Manufacturing Enterprise Solutions
Association5) z wyzwaniami wynikającymi ze specyfiki realizacji produkcji krótkoseryjnej.
W pracy [RC1] przedstawiłem proponowaną architekturę systemu wraz z przykładami
zastosowania, które zaczerpnąłem z doświadczeń zdobytych w trakcie realizacji systemu
MES dla działu produkcji prototypów urządzeń elektroniki samochodowej firmy
Continental Ingolstadt. W czasie mojego oddelegowania do firmy Continetal Ingolstadt
kierowałem projektem informatycznym, którego efektem jest oprogramowanie
wykorzystywane do wspomagania produkcji prototypowych systemów ADAS (ang.
Advanced Driver Assistance Systems). Zaproponowałem model architektoniczny, który
bazuje na trójpoziomowej hierarchii usług i pozwala na elastyczne dopasowanie systemu
MES do zmian w realizowanej technologii produkcyjnej. Powstały na bazie modelu system
różni się od innych rozwiązań stosowanych przez Continental w zakresie: (i) rozdzielenia
logiki biznesowej od funkcji realizowanych przez system MES, (ii) elastycznego powiązania
pomiędzy systemami sterowania i zarządzania, (iii) zastosowania bazującej na modelu
5 http://www.mesa.org
Rafał Cupek - zał. 2 autoreferat w języku polskim 16
agentowym warstwy pośredniej ułatwiającej dopasowanie usług informatycznych do
realizowanej technologii produkcji.
Przeprowadziłem badania związane z zastosowaniem pośredniczącej warstwy
komunikacyjnej (ang. communication middleware) do prezentacji struktury i wzajemnych
relacji pomiędzy danymi wykorzystywanymi w systemach realizacji produkcji. Dla
wybranych przypadków przedstawiłem i zweryfikowałem możliwości prezentacji
metainformacji z wykorzystaniem stosowanych w przemyśle narzędzi, które umożliwiają
realizację komunikacji zgodnie ze standardem OPC UA (IEC 62541). Zaproponowany
model pozwala na udostępnienie ukrytych zależności pomiędzy danymi i na prezentację ich
semantyki. Klienci OPC UA mają dostęp do metainformacji, które ułatwiają dobór
dogodnej postaci i formy reprezentacji danych, co zmniejsza ryzyko błędu w implementacji
systemu. Przedstawiłem przykłady, które stanowią alternatywę dla rozwiązań
wykorzystujących wbudowane w aplikacje mechanizmy interpretacji danych. W pracay
[RC2] przeprowadziłem (i) analizę możliwości zastosowania podejścia obiektowego do
prezentacji danych w systemach SCADA (ang. Supervisory Control and Data Acquisition).
W pracy [RC3] przedstawiłem analizę dla przypadku (ii) prezentacji informacji
wymienianych w sieci CAN. W pracy [RC4] zaproponowałem (iii) model komunikacji z
autonomiczną platformą mobilną w pracy [RC5] (iiii) model dla transportu publicznego.
Przeprowadziłem analizę efektywności i niezawodności komunikacji bazującej na
standardzie OPC UA realizowanej w modelu subskrypcji. Przedstawiłem wybrane
przykłady implementacji tego modelu w pośredniczącej warstwie komunikacji dla
przypadków zaczerpniętych z systemów stosowanych w przemyśle. Przedstawiłem także
wyniki badań laboratoryjnych związanych z zastosowaniem obiektowo zorientowanych
interfejsów komunikacyjnych celem zapewnienia niezawodnej i efektywnej komunikacji
pomiędzy wybranymi elementami przemysłowych systemów informatycznych.
Zaprezentowane wyniki prac obejmują: (i) realizację wbudowanych koprocesorów
komunikacyjnych [RC6, patent], (ii) bezpośrednią akwizycję danych z sieci przemysłowych
[RC7], (iii) zastosowanie redundancji celem zwiększenia niezawodności transmisji
w komunikacji pionowej [RC8].
Opracowałem metodę analizy zależności pomiędzy technologią produkcji a zużyciem
energii przez stanowisko produkcyjne, która jest niezależna od implementacji algorytmu
sterowania. Informację wejściową stanowią liczniki mediów i sygnały sterujące pracą
poszczególnych urządzeń. W ramach badań przemysłowych, które realizowałem na
potrzeby firmy AIUT Sp. z o. o. zaproponowałem i zweryfikowałem algorytm identyfikacji
kroków produkcji dyskretnej, które są istotne ze względu na efektywność energetyczną
stanowiska produkcyjnego [RC9]. Zaproponowaną metodę rozwinąłem następnie dla
przypadku produkcji wielowariantowej. W pracy [RC10] przedstawiłem metodę analizy
profili energetycznych stanowisk realizujących wielowariantową produkcję dyskretną.
W pracy [RC11] przedstawiłem metodę automatycznej detekcji liczby wariantów
Rafał Cupek - zał. 2 autoreferat w języku polskim 17
produkcyjnych, które są istotne dla analizy wybranych kluczowych wskaźników produkcji
KPI (ang. Key Performance Indicators).
4b.3 Omówienie wkładu habilitanta w zakresie rozwiązań architektonicznych
systemów MES dedykowanych dla produkcji krótkoseryjnej
W pracy [RC1] przedstawiłem model architektoniczny systemu MES, który został
dopasowany do specyfiki krótkoseryjnej produkcji dyskretnej. Rozwiązanie bazuje na
przedstawionym przez Theodora Josepha Wiliamsa modelu PURDUE [32] oraz modelach
przygotowanych przez organizację MESA6 w postaci rodziny standardów ISA95 (IEC 62264)
[33]. Przyjęte założenia architektoniczne bazują na doświadczeniach, które zdobyłem w trakcie
zrealizowanego dla firmy Continental Ingolstadt systemu wspomagającego realizację produkcji
prototypów urządzeń elektronicznych. Ze względu na specyfikę produkcji realizowanej przez
Prototyping Department, Continental Ingolstadt, zastosowanie klasycznego systemu MES,
wykorzystywanego przez inne działy firmy Continental do wielowariantowej produkcji
krótkoseryjnej nie było w tym przypadku możliwe. W klasycznych rozwiązaniach systemów
MES model jest wbudowany w system realizacji produkcji, a realizacja procesu prowadzona
jest zgodnie z regułami zaszytymi w tym systemie. W przypadku zmiany procesu
technologicznego następuje korekta algorytmów i struktur danych, co wymaga ingerencji
w oprogramowanie systemu MES. W przypadku produkcji krótkoseryjnej realizowanej przez
dział prototypów, proces produkcji musi uwzględnić specyfikę nowego urządzenia, jak i etap
rozwoju produktu, dla którego tworzony jest prototyp. Zadanie to nie może więc być
realizowane przez klasyczny systemem realizacji produkcji o sztywnej hierarchii
i predefiniowanym sposobie przepływu informacji. Nowy model oparłem o architekturę
systemu wieloagentowego o luźno powiązanych komponentach, które dostarczają usług
informatycznych związanych z realizacją produkcji. System ma architekturę heterarchiczną
i odzwierciedla rzeczywisty przepływ informacji i usługi niezbędne do realizacji produkcji
krótkoseryjnej. Rys.2 przedstawia model przepływu informacji w systemie, który prezentuje
zarządzanie operacjami produkcyjnymi obejmującymi: dostępne technologie produkcyjne,
potencjalne możliwości realizacji produkcji, planowanie zadań i realizację operacji
produkcyjnych.
Dostarczane przez agentów usługi odzwierciedlają typowe operacje realizowane
w systemach MES jak:
Zarządzanie technologią produkcji – w trakcie produkcji prototypu podejmowane są decyzje
dotyczące zmian technologii produkcyjnej, które wynikają z błędów zauważonych w czasie
6 MESA - Manufacturing Enterprise Solutions Association; www.mesa.org
Rafał Cupek - zał. 2 autoreferat w języku polskim 18
produkcji lub z konieczności optymalizacji technologii produkcyjnej. Zadaniem systemu jest
śledzenie wprowadzanych zmian i wiązanie ich z przyczynami.
Rys. 2. Model zarządzania operacjami produkcyjnymi na podstawie [ISA95]
Zarządzanie zasobami – powiązanie z systemem zarządzania (SAP) pozwala na dostęp do
informacji o materiałach potrzebnych do realizacji zamówienia produkcyjnego (ang. Bil of
Materials). Zlecenie produkcyjne zawiera informacje na temat wymaganej technologii
produkcyjnej, która wymaga wykorzystywania określonych maszyn i linii produkcyjnych
a także personelu niezbędnego do realizacji produkcji oraz materiałów. Złożone procesy
produkcyjne dzielone są na mniejsze segmenty, za których realizację odpowiada pojedyncza
stacja. W produkcji prototypów zarówno lista materiałów, jak i wykorzystywana technologia
mogą ulegać zmianie w wyniku uzyskanych doświadczeń.
Szczegółowe szeregowanie zadań produkcyjnych – umożliwia ułożenie planu produkcyjnego
w krótkim horyzoncie czasowym (jedna lub kilka zmian). Sam proces szeregowania
w przypadku produkcji prototypów realizowany jest ręcznie, jednak zaproponowany w pracy
[RC1] mechanizm symulacji pozwala na oszacowanie czasu realizacji poszczególnych zleceń
i obciążenia stanowisk produkcyjnych w zależności od przyjętego wariantu realizacji
produkcji.
Rozdzielenie zadań produkcyjnych – zależy od technologii produkcji określonej w zleceniu
produkcyjnym oraz od wyniku realizacji poprzednich operacji. W produkcji prototypów nie
określa się sztywnej ścieżki produkcyjnej, ale możliwe warianty oraz ograniczenia co do np.
liczby powtórzeń kolejnych kroków czy kolejności realizacji poszczególnych operacji.
Rafał Cupek - zał. 2 autoreferat w języku polskim 19
Zadaniem systemu realizacji produkcji jest wskazywanie możliwych do wykonania kolejnych
zadań oraz blokowanie operacji, które nie mogą być wykonywane na danym etapie.
Zarządzanie realizacją produkcji – polega na bezpośredniej komunikacji z urządzeniami
wykorzystywanymi w produkcji oraz z personelem odpowiedzialnym za realizację
poszczególnych operacji. Zadaniem systemu jest dostarczenie odpowiednich parametrów
procesu i wynikających z nich nastaw urządzeń, algorytmów testowania produktów, instrukcji
i procedur dla operatorów itp. Operacje te poprzedzają bezpośrednio rozpoczęcie produkcji
i realizowane są w oparciu o parametry zlecenia i wyniki realizacji poprzednich kroków.
Zbieranie danych produkcyjnych - obejmuje gromadzenie wszystkich istotnych informacji,
które opisują proces produkcji z rozbiciem na poszczególne kroki technologiczne.
Rejestrowane są: wykorzystane materiały, urządzenia i personel realizujący operacje, wyniki
realizacji operacji, rzeczywiste parametry produkcyjne, występujące błędy w produkcji czy
czas przestoju urządzeń związany ze zmianą profilu produkcji.
Śledzenie produkcji - to proces przekształcania surowych danych produkcyjnych
w informacje istotne ze względu na model biznesowy, jak i technologię produkcji. Na tym
etapie następuje agregacja informacji. Zagregowane dane mogą być wykorzystywane jako
dokumentacja procesu produkcyjnego (zrealizowana ścieżka produkcyjna), dokumentacja
produktu (rzeczywiste cechy produktu zmierzone w trakcie testów), informacje potrzebne dla
służb utrzymania ruchu (informacje o powtarzających się błędach produkcji mogą wpływać na
podejmowane działania zaradcze), informacje wykorzystywane w zarządzaniu jakością
(technologia produkcji, metodyka weryfikacji parametrów produktu, weryfikacja procedur
kontroli jakości analiza parametrów określających jakość produktu).
Analiza wydajności produkcji – w zależności od analizowanych kluczowych wskaźników
produkcji KPI (ang. Key Performance Indicators) przetwarzane są wybrane informacje
pozyskane na etapie zbierania danych. Etap analizy obejmuje kalkulację i weryfikację
kluczowych parametrów produkcji zarówno ze względu na wartości KPI zarejestrowane dla
danego produktu lub rodziny produktów, jak i ze względu na zmiany tych wartości wynikające
z zastosowania różnych wariantów technologii produkcyjnych.
Zaproponowany model architektoniczny systemu składa się z trzech zrealizowanych
w modelu usługowym warstw, które przedstawione są na rys. 3. Zewnętrzna warstwa
udostępnia usługi realizowane w systemie MES takie jak: zarządzanie zleceniami (ZZ), które
obejmuje uzgodnienie parametrów zlecenia i śledzenie postępu jego realizacji; zarządzenie
jakością (ZJ), które obejmuje analizę wpływu parametrów produkcji i wybranej technologii na
jakość produktu i błędy w czasie realizacji produkcji; zarządzanie wydajnością produkcji (ZW),
które pozwala na analizę zależności pomiędzy wybranym wariantem technologii produkcyjnej
a wydajnością i inne. Ze względu fakt, że system wykorzystywany jest przez wielu
użytkowników znajdujących się w oddalonych od siebie oddziałach firmy Continental, warstwa
Rafał Cupek - zał. 2 autoreferat w języku polskim 20
zewnętrzna została zrealizowana w technologii Microsoft / MVC i dzięki temu komunikacja
użytkowników z systemem może być realizowana za pomocą przeglądarki internetowej
z dowolnego komputera zlokalizowanego w domenie przedsiębiorstwa. Dostępne interfejsy
pozwalają użytkownikom systemu na składanie nowych zleceń, komunikację z opiekunem
produktu, analizę wydajności produkcji czy kontrolę jakości.
Warstwa wewnętrzna systemu stanowi interfejs pozwalający na komunikację z systemem
sterowania i personelem produkcyjnym. Wymieniane są informacje dotyczące zużywanych
i produkowanych materiałów, wykorzystywanych stanowisk i linii produkcyjnych ze
szczegółową identyfikacją planowanych i zrealizowanych parametrów produkcji oraz
informacje na temat realizującego te zadania personelu. Warstwa wewnętrzna pozwala na
połączenie pomiędzy systemem informatycznym, a rzeczywistymi zasobami produkcyjnymi
przedsiębiorstwa. Zaproponowany model bazuje na idei holonów zaprezentowanej po raz
pierwszy przez Jamesa Christensena w pracy [34]. Holony pozwalają na tworzenie w sposób
dynamiczny reprezentacji logicznej zasobów fizycznych poprzez grupowanie i udostępnianie
informacji na temat: materiałów (HM), urządzeń (HU), personelu (HP) czy tworzonych poprzez
połączenie tych zasobów segmentów (HS). Reprezentacja za pomocą holonów pozwala na
opisywanie zależności o charakterze dynamicznym, które powstają na etapie planowania
produkcji poprzez grupowanie lub rozdzielanie zasobów. Połączenia te mogą ulegać zmianie
w trakcie realizacji produkcji. Przyjęta architektura umożliwia ukrycie szczegółów, które są
nieistotne dla systemu realizacji produkcji.
Rys. 3. Model systemu realizacji produkcji
Rafał Cupek - zał. 2 autoreferat w języku polskim 21
Połączenie pomiędzy wewnętrzną i zewnętrzną warstwą systemu realizowane jest poprzez
niezależne usługi realizowane za pomocą agentów obsługujących takie zadania jak:
przygotowanie i realizacja zamówienia (AZ1, AZ2, AZ3), kontrola jakości produkcji na jej
kolejnych etapach (AJ1, AJ2) czy kontrola wydajności poszczególnych segmentów procesu
technologicznego oraz operacji realizowanych wewnątrz tych segmentów (AW). Informacje
wymieniane są za pomocą kanałów komunikacyjnych dopasowywanych do realizowanych
aktualnie zadań i wykorzystywanych obiektów biorących udział w dostarczaniu i przetwarzaniu
informacji. Środkowa warstwa systemu odpowiada także za konwersję pomiędzy modelem
prezentacji informacji wykorzystywanym na poziomie biznesowym a modelem
wykorzystywanym na poziomie fizycznej realizacji produkcji.
4b.4 Omówienie wkładu habilitanta w zakresie zastosowania pośredniczącej
warstwy komunikacyjnej do prezentacji struktury i wzajemnych relacji pomiędzy
danymi wykorzystywanymi w systemach realizacji produkcji
Konwersja modeli informacyjnych i dynamiczne budowanie kanałów komunikacyjnych
wymaga zastosowania warstwy komunikacji pośredniej (ang. communication middleware),
która dostarczy usług pozwalających na transformację danych do postaci właściwej dla
wybranego kontekstu ich wykorzystania [34]. W pracy [RC2] przedstawiłem porównanie
klasycznych mechanizmów komunikacji pionowej wykorzystujących cykliczny odczyt danych
procesowych z koncepcją bazującą na podejściu obiektowym, w której źródło informacji
udostępnia klientom możliwość subskrypcji potrzebnych informacji. Klienci wybierają
zarówno subskrybowane dane, jak i parametry związane ze śledzeniem i przekazywaniem
informacji na temat zmian ich wartości. Informacje opisywane są przez oparty o hierarchię
typów metamodel, który pozwala na prawidłową interpretację treści informacji oraz na
wyszukiwanie zależności pomiędzy danymi prezentowanymi z wykorzystaniem mechanizmu
referencji. Jednym z powszechnie akceptowanych w przemyśle standardów wymiany
i modelowania informacji jest OPC Unified Architecture [36]. Standard ten jest rozwijany przez
OPC Foundation7 i wskazany w referencyjnej architekturze systemów informatyki
przemysłowej RAMI 4.08.
W pracy [RC3] przedstawiłem zastosowanie serwera OPC UA jako bramy pomiędzy siecią
CAN i systemami cyberfizycznymi. Istotnymi ograniczeniami związanym z wykorzystaniem
sieci CAN w otwartych systemach komunikacyjnych są: fizyczne ograniczenia dotyczące
rozmiaru segmentu sieci CAN oraz brak informacji na temat znaczenia zmiennych
7 https://opcfoundation.org
8 Reference Architecture Model Industrie 4.0; https://www.plattform-i40.de
Rafał Cupek - zał. 2 autoreferat w języku polskim 22
transmitowanych tą siecią. Standard OPC UA pozwala na pokonanie obu tych ograniczeń.
Standard OPC UA umożliwia komunikację bazującą na rodzinie protokołów TCP/IP oraz na
protokołach SOAP/HTTP. Oba te rozwiązania mogą być stosowane w systemach
cyberfizycznych. Do prezentacji metainformacji wspomagających interpretację
transmitowanych siecią CAN danych, wykorzystałem opisy gromadzone w bazie danych
środowiska wspomagającego uruchamianie systemów bazujących na sieci CAN. W trakcie
opisanego w publikacji eksperymentu korzystałem ze środowiska CANoe. Architekturę
zaproponowanego rozwiązania przedstawiłem na rys. 4.
Rys. 4. Architektura systemu łączącego sieć CAN z OPC UA
System wykorzystuje informacje dostępne w środowisku uruchomieniowym CANoe, które
importowane są z bazy DB++. Na tej podstawie Moduł A tworzy metainformacje na temat
poszczególnych obiektów, które są dostępne w przestrzeni adresowej serwera OPC UA jako
obiekty typu CANAddressType. Struktura informacji zawartych w obiektach CANAdressType
odpowiada sposobom adresacji wykorzystywanym w sieci CAN i pozwala na rozkodowanie
dabych transmitowanych tą siecią. Tworzone przez Moduł B obiekty typu CANoeAddressType
wykorzystują dodatkowe informacje dostępne w środowisku uruchomieniowym CANoe. Są
one prezentowane za pomocą serwera OPC UA. Klienci OPC UA mogą przeglądać zawartość
przestrzeni adresowej tego serwera i dokonywać subskrypcji istotnych dla nich informacji.
Rafał Cupek - zał. 2 autoreferat w języku polskim 23
Moduł C jest odpowiedzialny za śledzenie datagramów przesyłanych magistralą CAN oraz za
wydobywanie na podstawie opisów zawartych w obiektach typu CANAddressType aktualnych
wartości transmitowanych zmiennych. Mechanizm subskrypcji zapewnia, że informacja
pomiędzy klientem i serwerem wymieniana jest jedynie w przypadku zmian wartości
parametrów transmitowanych siecią CAN, co powoduje minimalizację przepływu danych w
sieci zewnętrznej. Mechanizm VTQ (Value Time Quality) łączy wartość zmiennych z czasem
zarejestrowania nowej wartości po stronie magistrali CAN. Wyniki przeprowadzonych przeze
mnie testów efektywności zaproponowanego mechanizmu komunikacyjnego przedstawiłem w
pracy [37].
W pracy [RC4] zaprezentowałem model prezentacji metainformacji opisującej zależności
pomiędzy zmiennymi udostępnianymi w przestrzeni adresowej serwera OPC UA
dedykowanego dla autonomicznej platformy mobilnej. Rys. 5 przedstawia przestrzeń adresową
serwera OPC UA, która zbudowana jest z węzłów zawierających informacje i metainformacje
oraz z referencji łączących poszczególne węzły. Zarówno węzły, jak i referencje
reprezentowane są w oparciu o podejście obiektowe. Są one instancjami odpowiednich typów
definiowanych w przestrzeni adresowej OPC UA. Węzły ObjectType definiują przyjętą
strukturę danych. W przedstawionym przykładzie informacje te wiążą zarówno dane opisujące
położenie i jak ruch platformy mobilnej - Typ AMPType zawiera informacje na temat
położenia (Position) i ruchu platformy (Movement), parametry łącza wykorzystywanego do
komunikacji w systemie informatycznym (Address), jak również informacje związane z
aktualnie realizowanymi przez platformę zadaniami transportu materiałów (Task). Metody
zgrupowane w obiekcie Manual Control pozwalają na ręczne sterowanie ruchem platformy,
metody zgrupowane w obiekcie Automatic Services umożliwiają sterowanie automatyczne
poprzez przekazywanie parametrów trasy za pomocą skryptów języka Python lub plików CSV.
AMPType jest typem abstrakcyjnym, który definiuje przyjętą strukturę informacji.
Architektury platform mobilnych mogą różnić się między sobą, co wymaga uszczegółowienia
modelu informacyjnego AMP. Widoczna na rysunku definicja AMP_ADAS_Type prezentuje
szczegóły na temat czujników wykorzystywanych przez testowany rodzaj platformy mobilnej.
Przestrzeń adresowa serwera OPC UA reprezentuje także zależności pomiędzy
informacjami, które przedstawiane są za pomocą referencji. Referencje także mają postać
obiektów. Interpretacja powiązania za pomocą referencji jest określana przez jej typ, który
wskazuje na rodzaj zależności pomiędzy węzłami systemu. W prezentowanym przykładzie
występują referencje hierarchiczne wskazujące na strukturę obiektów złożnych
(HasComponent) oraz na zależność pomiędzy typem bazowym i pochodnym (HasSubType).
Rzeczywiste wartości zmiennych odzwierciedlających pracę platformy prezentowane są za
pomocą instancji odpowiednich typów. Zależność pomiędzy instancją typu a definicją
wyrażona jest za pomocą referencji HasTypeDefinition (ADAS1 i AMP_ADASType). W pracy
[RC5] przedstawiłem wykorzystanie dostępnego w OPC UA mechanizmu widoków, który
Rafał Cupek - zał. 2 autoreferat w języku polskim 24
pozwala na stworzenie podzbioru informacji prezentowanej w przestrzeni adresowej OPC UA,
która dostępna jest za pomocą określonego widoku. Koncepcję tę zilustrowałem na przykładzie
bazującego na OPC UA modelu informacyjnego dedykowanego dla systemu komunikacji
publicznej.
Rys. 5. Model informacyjny autonomicznej platformy mobilnej opisany poprzez hierarchię
typów zdefiniowanych w przestrzeni adresowej OPC UA
4b.5 Omówienie wkładu habilitanta w zakresie warstwy komunikacji pośredniej
wykorzystywanej w systemach realizacji produkcji
Rozproszone systemy informatyczne oparte o realizowaną centralnie logikę systemu
sterowania i rozproszone moduły wejść/wyjść są obecnie zastępowane przez współpracujące
ze sobą komponenty tworzone w architekturze bazującej na usługach SOA (ang. Service
Oriented Architecture) [38]. Klasyczne rozwiązania sieci przemysłowych definiowane w
ramach standardu IEC 61158 (Industrial communication networks - Fieldbus specifications) i
standard określającego profile komunikacyjne IEC 61784 (Industrial communication networks
- Profiles) są ograniczeniem dla tworzenia systemów przemysłowych o architekturze SOA [39].
OPC UA jest pierwszym standardem komunikacji opartym na usługach, który został
powszechnie zaakceptowany przez przemysł. Standard ten definiuje usługi komunikacyjne w
Rafał Cupek - zał. 2 autoreferat w języku polskim 25
sposób niezależny od ich implementacji. Dzięki temu może on być wykorzystywany do
łączenia ze sobą wielu typów systemów zlokalizowanych na różnych poziomach piramidy
automatyzacji i zrealizowanych przy pomocy odmiennych narzędzi informatycznych. W chwili
obecnej dostępne są implementacje OPC UA bazujące na rodzinie protokołów TCP / IP oraz
protokołach SOAP / HTTP. Obie implementacje zapewniają bezpieczeństwo wymiany
informacji poprzez zastosowanie infrastruktury klucza publicznego (PKI) z możliwością
szyfrowania transmisji oraz umożliwiają długotrwałe logiczne połączenia pomiędzy klientami
i serwerami OPC UA, które są realizowane za pomocą bezpiecznych kanałów
komunikacyjnych. Realizacja systemów komunikacyjnych bazujących na standzie OPC UA
jest obecnie możliwa dla środowisk programistycznych: C, Java i C#. Jedną z istotnych zalet
OPC UA jest jego skalowalność [40]. Wybór odpowiedniego profilu komunikacyjnego
pozwala na dopasowanie funkcjonalności serwera OPC UA tak do potrzeb związanych z daną
aplikacją, jak i do ograniczeń wynikających ze stosowanej bazy sprzętowej.
W pracy [RC6] zaproponowałem sposób realizacji oprogramowania serwera OPC UA
wbudowanego w układ FPGA. Dostarczane przez serwer usługi są zgodne ze specyfikacją
definiowanego przez OPC Foundation profilu „Nano Embedded Device Server”. Wybrany
zestaw usług OPC został zaimplementowany z wykorzystaniem stosu OPC UA udostępnionego
przez OPC Foundation w postaci kodu w języku C. Stos ten po niezbędnych adaptacjach został
zaimplementowany w procesorze MicroBlaze wbudowanym w układ FPGA. Przeprowadzone
testy serwera OPC UA w zakresie komunikacji sieciowej i uzyskane parametry kanału
komunikacyjnego potwierdziły możliwość wykorzystania przedstawionego rozwiązania
w systemach komunikacji typu soft real-time, w których wbudowany w układ FPGA serwer
OPC udostępniał kilkadziesiąt zmiennych procesowych przy opóźnieniu wnoszonym przez
kanał komunikacyjny na poziomie od 20 do 50 ms. Rozwinięciem opisanej koncepcji jest
specjalizowane rozwiązanie procesora komunikacyjnego dedykowanego dla sterowników PLC
i wbudowanego w układ FPGA. Zaproponowane rozwiązanie zostało zastrzeżone jako [Patent].
Akwizycja informacji z rozproszonych systemów sterowania do systemów MES może być
realizowana z wykorzystaniem istniejących sieci przemysłowych, jednak wprowadzenie
nowych abonentów sieci może zmienić zależności czasowe w systemach sterowania. W pracy
[RC7] przedstawiłem realizację i weryfikację eksperymentalną serwera OPC, który nie
wymaga wprowadzania dodatkowego abonenta sieci przemysłowej. Istotą pomysłu jest nasłuch
informacji wymienianych za pomocą sieci przemysłowej PROFINet I/O oraz wyodrębnianie
tych danych, które są subskrybowane przez klientów OPC. Na rys. 6 przedstawiłem przepływ
informacji w zaproponowanym systemie i podstawowe bloki oprogramowania pasywnego
serwera OPC.
Rafał Cupek - zał. 2 autoreferat w języku polskim 26
Rys. 6. Przepływ informacji w pasywnym serwerze OPC udostępniającym informacje
transmitowane siecią przemysłową PROFINet I/O
Biblioteka WinPcap została wykorzystywana jest do przechwytywania ramek przesyłanych
siecią PROFINet. W trakcie eksperymentu korzystałem z przełącznika sieciowego rodziny
SCALANCE/Siemens, który umożliwiał kopiowanie ramek przechodzących przez port, do
którego podłączony był sterownik PLC i przekazywanie ich do portu wykorzystywanego przez
serwer OPC. Ze względu na specyfikę sieci PROFINet I/O konieczny był nasłuch dwóch typów
wymienianych informacji. Komunikacja bazująca na protokole TCP/IP prowadzona jest w
trybie „non-realtime”. Za jej pomocą przesyłane są informacje opisujące konfigurację logiczną
połączeń w sieci, które są niezbędne do prawidłowej identyfikacji kanałów komunikacyjnych.
Informacje transmitowane za pomocą protokołu PROFINET RT w trybie „realtime” były
wymieniane cyklicznie z okresem transmisji 1 ms. Informacje te zawierały aktualne stany
modułów wejść oraz wartości modułów wyjść zadawane przez sterownik PLC. Ze względu na
cykliczną wymianę informacji serwer OPC przekazywał do klientów jedynie nowe wartości
zmiennych przechwytywanych z sieci PROFINet I/O. Dzięki temu zmierzone natężenie ruchu
generowane przez protokół OPC było wielokrotnie niższe od ruchu generowanego przez
protokół PROFINET RT.
Niezawodne mechanizmy komunikacyjne są bardzo istotne nie tylko w systemach
sterowania, ale także wskazywane są jako jeden z kluczowych aspektów integracji i uzyskania
Rafał Cupek - zał. 2 autoreferat w języku polskim 27
interoperacyjności w systemach realizacji produkcji [41]. W wielu przypadkach zbierane przez
systemy MES informacje mają kluczowe znaczenie dla potwierdzenia prawidłowej realizacji
technologii produkcyjnych czy wymaganej jakości produktów. Z tego powodu nawet
krótkotrwałe zakłócenia w komunikacji pomiędzy linią produkcyjną a systemem nadrzędnym
mogą skutkować zatrzymaniem linii produkcyjnej i wynikającymi z tego stratami. Klasyczne
technologie komunikacyjne nie są w stanie zapewnić niezawodnej i skutecznej komunikacji
pionowej [35]. W pracy [RC8] przedstawiłem wyniki badań związanych z wykorzystaniem
redundantnych kanałów komunikacyjnych celem zwiększenia niezawodności komunikacji
bazującej na standardzie OPC UA. Obok typowego dla schematu komunikacji klient - serwer
mechanizmu odczytu i zapisu zmiennych realizowanego w OPC UA przez usługi Read/Write
zawarte w grupie Atribute Service Set, OPC UA pozwala na bazującą na mechanizmie
subskrypcji komunikację za pomocą usług zdefiniowanych w grupie MonitoredItem Service
Set. Mechanizm subskrypcji umożliwia tworzenie logicznych kanałów wymiany informacji
w postaci sesji, które dzięki możliwości wprowadzania redundancji pozwalają na zwiększenie
niezawodności systemu komunikacyjnego.
Rozwiązania komunikacyjne bazujące na redundancji stosowane są w sieciach
przemysłowych, natomiast brak było takich badań dla systemów bazujących na protokole OPC
UA. Dla ich przeprowadzenia konieczne było stworzenie oprogramowania pośredniczącego
(ang. proxy) umieszczonego po stronie klienta OPC UA, które odpowiada za utrzymanie
i automatyczny wybór kanałów komunikacyjnych tworzonych z redundantnymi serwerami
OPC UA. Przełączenie kanałów jest niewidoczne dla klienta OPC UA i zapewnia ciągłość
kanału logicznego odpowiedzialnego za przepływ informacji. Analizowałem trzy możliwe do
zrealizowania w OPC UA tryby redundancji [42]: (i) tryb gorącej rezerwy, w którym moduł
proxy utrzymuje aktywne sesje zarówno w kanale podstawowym, jak i rezerwowym, (ii) tryb
ciepłej rezerwy, w którym sesje zapasowe są nawiązane, lecz nie są aktywne i nie następuje w
nich wymiana danych, ale jedynie kontrolowana jest poprawność łącza komunikacyjnego, (iii)
tryb zimnej rezerwy, w którym nawiązanie połączenia zapasowego następuje dopiero po utracie
połączenia w kanale podstawowym. Część eksperymentalna umożliwiła ocenę zakresu
stosowalności każdego z trybów redundancji poprzez weryfikację czasów przełączenia,
zajętości łącza komunikacyjnego i obciążenia procesora stacji pełniącej funkcję serwera OPC
UA w funkcji liczby zmiennych subskrybowanych przez pojedynczego klienta OPC oraz liczby
klientów subskrybujących ten sam zestaw zmiennych. Analiza wyników pozwoliła na
porównanie właściwości protokołu OPC UA w przypadku stosowania trzech analizowanych
trybów redundancji.
Rafał Cupek - zał. 2 autoreferat w języku polskim 28
4b.6 Omówienie wkładu habilitanta w zakresie metod tworzenia profili
energetycznych stanowisk produkcyjnych na podstawie danych śledzonych w systemach
sterowania
Systemy sterowania mają dostęp do ogromnej ilości szczegółowych informacji niezbędnych
do prawidłowej realizacji procesu technologicznego. Zastosowanie metod eksploracji danych
pozwala na przekształcanie surowych danych produkcyjnych w informacje, które pozwolą na
bardziej skuteczną i efektywną realizację produkcji. Wśród obszarów zastosowania metod
eksploracji danych w systemach informatyki przemysłowej wymieniane są [43]: kontrola
jakości, planowanie zadań produkcyjnych na poziomie operacyjnym, diagnostyka błędów,
analiza procesów i systemów produkcji, utrzymanie zdolności produkcyjnych, analiza błędów
i poprawa wydajności produkcji. Wśród stosowanych narzędzi informatycznych wymieniane
są metody klasteryzacji, predykcji i analizy asocjacji. Jednym z kluczowych elementów
związanych z zastosowaniem mechanizmów eksploracji danych w przemyśle są systemy MES,
które przetwarzają informacje pobierane z systemów sterowania oraz umożliwiają analizę
danych i wydobywanie wiedzy technologicznej na podstawie analizy informacji i opisujących
je modeli [44]. W pracy [RC9] zaproponowałem algorytm pozwalający na analizę wpływu
poszczególnych faz procesu technologicznego na efektywność energetyczną stacji
produkcyjnej. Metoda ta pozwala na identyfikację istotnych ze względu na efektywność
energetyczną kroków cyklu produkcyjnego, które określane są w sposób automatyczny przez
analizę sygnałów sterujących PLC w zestawieniu ze zmianami zużycia mediów. Opracowaną
metodę zweryfikowałem w badaniach prowadzonych wspólnie z firmą AIUT Sp. z o. o., które
prowadziłem w ramach projektu EMC2(FP7-2011-NMP-ICT-FoF, Project ID: 285363).
Tematykę systemów informatycznych umożliwiających kontrolę efektywności
energetycznej stacji produkcyjnych kontynuowałem także w ramach realizacji zadania WP2
„Energy Efficient Production Systems for Automotive Industry” objętego projektem
AutoUniMo (FP7-PEOPLE-2013-IAPP, grant no.: 612207). W pracy [RC10] przedstawiłem
metodę i wyniki badań laboratoryjnych systemu informatycznego pozwalającego na
wyznaczanie profili energetycznych dla wielowariantowej produkcji dyskretnej. Główne
elementy rozwiązania zaprezentowano na rys. 7. Przedstawiony z lewej strony rysunku system
sterowania ma klasyczną architekturę stosowaną w produkcji dyskretnej. Oparty o sterownik
PLC system identyfikuje przetwarzany przez stację produkt i dobiera odpowiedni wariant
algorytmu sterowania. Sam proces sterowania realizowany jest poprzez cykliczne wykonanie
algorytmu zaimplementowanego w PLC. Interfejs operatora wykorzystywany jest do
komunikacji z obsługą w celu wskazania czynności, które mają być wykonane lub
nieprawidłowości, jakie wystąpiły w czasie produkcji. Zagregowane informacje o przebiegu
produkcji przekazywane są do systemu sterowania nadrzędnego, który może wpływać na wybór
i parametryzację algorytmów sterowania.
Rafał Cupek - zał. 2 autoreferat w języku polskim 29
Rys. 7. Bloki funkcjonalne i przepływ informacji w systemie oceny efektywności
energetycznej dedykowanym dla wielowariantowej produkcji dyskretnej
Zaprezentowany po prawej stronie moduł analizy efektywności energetycznej składa się
z bloku śledzenia procesu produkcyjnego, umieszczonego w PLC oraz części analitycznej
wykorzystywanej do analizy śledzonych danych produkcyjnych. Umożliwia on automatyczną
adaptację systemu do nowych wariantów produkcji. System nie wymaga szczegółowych
informacji na temat realizowanego algorytmu sterowania a jedynie wykorzystuje obserwacje
sygnałów sterujących generowanych przez PLC. Analizowane są te sygnały, które sterują
urządzeniami będącymi istotnymi konsumentami energii. Określenie listy tych urządzeń
z rozbiciem na poszczególne media energetyczne jest dokonywane na podstawie projektu stacji
i listy wejść/wyjść sterownika PLC. Istotną informacją technologiczną jest sygnał informujący
o rozpoczęciu/ zakończeniu cyklu produkcyjnego, które w typowym przypadku wiązane są
z rozpoczęciem produkcji po identyfikacji profilu produkcyjnego i informacją o zakończeniu
Rafał Cupek - zał. 2 autoreferat w języku polskim 30
produkcji. Dla każdego ze śledzonych obwodów wykonawczych rejestrowany jest czas pracy
urządzeń w cyklu produkcyjnym identyfikowanym przez sygnał START_CYCLE.
Jednocześnie rejestrowane jest zużycie każdego z mediów.
Informacje zebrane w śledzonych cyklach produkcyjnych stanowią wektor danych
wejściowych, które przetwarzane są w procesie uczenia maszynowego celem uzyskania
informacji o profilach energetycznych odpowiadających różnym wariantom realizowanej
technologii produkcyjnej. Zbiór uczący tworzony jest podczas śledzenia standardowego
procesu produkcyjnego realizowanego w produkcji wielowariantowej. Na tej podstawie
powstaje zbiór referencyjnych profili energetycznych, które wykorzystywane są do kontroli
efektywności energetycznej produkcji. W trybie kontroli dane zebrane w czasie śledzenia
nieznanego wariantu produkcji porównywane są z danymi referencyjnymi. W przypadku
niemożliwości wskazania odpowiadającego profilu system ostrzega o wystąpieniu anomalii,
która może być spowodowana poprzez nieprawidłowe działania obsługi, zmianę właściwości
materiałów lub awarię stacji produkcyjnej.
Jednym z napotkanych problemów jest konieczność klasyfikacji technologicznych
wariantów produkcji. W wielu przypadkach liczba tych wariantów różni się od liczby
wariantów wynikających ze specyfikacji produktu. Ta sama operacja produkcyjna może być
realizowana w różnych wariantach technologii. Różne typy produktów mogą być na danym
stanowisku produkowane w taki sam sposób. Problematykę automatycznej detekcji liczby
wariantów produkcji na podstawie obserwacji przebiegu dyskretnej przedstawiłem w pracy
[RC11]. Macierz danych X zawiera pomiary zebrane w trakcie realizacji (m) cykli
produkcyjnych. Cykle te zostały zrealizowane zgodnie z nieznaną liczbą (k) wariantów
technologicznych. W skład wektora opisującego każdy cykl produkcyjny wchodzi zmierzony
parametr określający kluczowy wskaźnik efektywności KPI (Key Performance Indicator),
który jest znormalizowany za pomocą współczynnika b oraz suma czasów pracy (T) dla
poszczególnych przypadająca na dany cykl produkcyjny.
𝐗 =
b ∗ KPI𝟏 T11 T1j T1n
b ∗ KPI𝐤 Tk1 Tkj Tkn
b ∗ KPI𝐦 Tm1 Tmj Tmn
Proponowana metoda polega na poszukiwaniu nieznanej liczby wariantów produkcji k
poprzez znalezienie takiego podziału zarejestrowanych wektorów danych z cykli
produkcyjnych, w którym dane pomiarowe zlokalizowane są wokół jednego jądra
reprezentującego wartości średnie składowych wektora cech. Ideę tę przedstawiłem na rys. 8.
Rafał Cupek - zał. 2 autoreferat w języku polskim 31
Rys. 8. Wizualizacji danych pomiarowych dla klastra zawierającego jedno lub dwa jądra
Prawa strona rysunku przedstawia przypadek, w którym klaster zawiera dane zgromadzone
w trakcie realizacji pojedynczego wariantu technologicznego. Dane rozmieszczone są zgodnie
z rozkładem Gausa w n wymiarowej hiperkuli, której promień R określony jest przez
maksymalnie oddalony od centroidu klastra C wektor pomiarowy, a promień r przez średnią
odległość wektorów od centroidu w klastrze. W przypadku gdy wybrany podział danych
zawierałby dwa lub więcej wariantów, dane te byłyby rozłożone jak przedstawiono po lewej
stronie rys. 8. Ze względu na fakt, że algorytm K-Means zapewnia minimalizację błędu średnio
kwadratowego w każdym z klastrów [45], zaproponowany algorytm opiera się na wyznaczaniu
liczby wariantów k za pomocą analizy maksymalnego błędu w danym klastrze Ci, który
oznaczony jest jako Ri i wyliczony według formuły:
𝑅𝑖 = max1≤𝑗≤|𝑪𝑖|
(dist(𝒄𝑖 , 𝒙𝑗))
Średnia odległości wektorów Xj zawierających dane pomiarowe od centroidu i tego klastra
Ci oznaczona jako ri wyliczana jest według formuły:
ri =1
|𝐂i|∗ ∑ dist(𝒄𝑖 , 𝒙𝑗)
|𝐂i|
j=1
Funkcji jakości podziału Q(k) w zależności od wybranej liczby klastrów liczona jest zgodnie
z wzorem:
𝑄(𝑘) =1
k∗ ∑ (
𝑟𝑖
𝑅𝑖∗
𝑟𝑖
|𝑪𝑖|)
𝑘
𝑖=1
Poszukiwana liczba klastrów odpowiada wartości k dla której funkcja Q(k) przyjmuje
wartość k dla której funkcja Q(k) ma swoje minimum:
K = argmink
(Q(k))
Przedstawiona metoda została zweryfikowana zarówno dla danych symulacyjnych, które
zostały wygenerowane na bazie technologii typowej dla stanowisk wykorzystywanych
Rafał Cupek - zał. 2 autoreferat w języku polskim 32
w produkcji dyskretnej, jak i na danych pochodzących z rzeczywistych stanowisk realizujących
wielowariantową produkcję dyskretną [46].
LITERATURA
[1] Harrington, J. (1979). Computer integrated manufacturing. RE Krieger Publishing Company
[2] Schmidt, K., & Bannon, L. (1992). Taking CSCW seriously. Computer Supported Cooperative Work
(CSCW), 1(1-2), 7-40
[3] Cheng, F. T., Shen, E., Deng, J. Y., & Nguyen, K. (1999). Development of a system framework for
the computer-integrated manufacturing execution system: a distributed object-oriented approach.
International Journal of Computer Integrated Manufacturing, 12(5), 384-402.
[4] McClellan, M. (1997). Applying manufacturing execution systems. CRC Press
[5] Huang, C. Y. (2002). Distributed manufacturing execution systems: A workflow perspective. Journal
of Intelligent manufacturing, 13(6), 485-497
[6] Choi, B. K., & Kim, B. H. (2002). MES (manufacturing execution system) architecture for FMS
compatible to ERP (enterprise planning system). International Journal of Computer Integrated
Manufacturing, 15(3), 274-284.
[7] Monostori, L. (2014). Cyber-physical production systems: roots, expectations and R&D challenges.
Procedia Cirp, 17, 9-13.
[8] Jones, C. T.. Programmable logic controllers: the complete guide to the technology. 1-6 A Tour of
PLC Evolution; pp17-23; Patrick-Turner Publishing Company Atlanta Philadelphia 1996
[9] Franck, D. T. (1973). Programmable Controllers-Today and Tomorrow. IEEE Transactions on
Industrial Electronics and Control Instrumentation, (4), 195-196
[10] Peshek, C. J., & Mellish, M. T. (1993, May). Recent developments and future trends in PLC
programming languages and programming tools for real-time control. In Cement Industry Technical
Conference, 1993. Record of Conference Papers., 35th IEEE (pp. 219-230). IEEE
[11] Stout, T. M.; Williams, T. J. (1995). "Pioneering Work in the Field of Computer Process Control".
IEEE Annals of the History of Computing. 17 (1): 6–18.
[12] Samad, T., McLaughlin, P., & Lu, J. (2007). System architecture for process automation: Review
and trends. Journal of Process Control, 17(3), 191-201
[13] Jacobs, F. R. (2007). Enterprise resource planning (ERP)—A brief history. Journal of Operations
Management, 25(2), 357-363.
[14] Al-Mashari, M., Al-Mudimigh, A., & Zairi, M. (2003). Enterprise resource planning: A taxonomy
of critical factors. European journal of operational research, 146(2), 352-364.
[15] Sauter, T. (2007). The continuing evolution of integration in manufacturing automation. IEEE
Industrial Electronics Magazine, 1(1), 10-19
[16] Chemane, L. A., Nunes, A. F., & Hancke, G. P. (1997, July). Industrial information infrastructure
and intelligent instrumentation-the options. In Industrial Electronics, 1997. ISIE'97., Proceedings of the
IEEE International Symposium on (Vol. 1, pp. 44-48). IEEE.
[17] Sauter, T.;Integration aspects in automation - a technology survey; Emerging Technologies and
Factory Automation, 2005. ETFA 2005. Volume: 9 pp.255 – 263, Sept. 2005
[18] Tao, F., Cheng, Y., Zhang, L., & Nee, A. Y. (2017). Advanced manufacturing systems: socialization
characteristics and trends. Journal of Intelligent Manufacturing, 28(5), 1079-1094.
[19] Arvidsson, V., Holmström, J., & Lyytinen, K. (2014). Information systems use as strategy practice:
A multi-dimensional view of strategic information system implementation and use. The Journal of
Strategic Information Systems, 23(1), 45-61
Rafał Cupek - zał. 2 autoreferat w języku polskim 33
[20] Simão, J. M., Stadzisz, P. C., & Morel, G. (2006). Manufacturing execution systems for customized
production. Journal of Materials Processing Technology, 179(1), 268-275.
[21] Lemaignan, S., Siadat, A., Dantan, J. Y., & Semenenko, A. (2006, June). MASON: A proposal for
an ontology of manufacturing domain. In Distributed Intelligent Systems: Collective Intelligence and
Its Applications, 2006. DIS 2006. IEEE Workshop on (pp. 195-200). IEEE.
[22] Jardim-Goncalves, R., Grilo, A., & Steiger-Garcao, A. (2006). Challenging the interoperability
between computers in industry with MDA and SOA. Computers in Industry, 57(8-9), 679-689.
[23] Helo, P., Suorsa, M., Hao, Y., & Anussornnitisarn, P. (2014). Toward a cloud-based manufacturing
execution system for distributed manufacturing. Computers in Industry, 65(4), 646-656.
[24] Zhong, R. Y., Dai, Q. Y., Qu, T., Hu, G. J., & Huang, G. Q. (2013). RFID-enabled real-time
manufacturing execution system for mass-customization production. Robotics and Computer-Integrated
Manufacturing, 29(2), 283-292.
[25] Zhong, R. Y., Huang, G. Q., Lan, S., Dai, Q. Y., Chen, X., & Zhang, T. (2015). A big data approach
for logistics trajectory discovery from RFID-enabled production data. International Journal of
Production Economics, 165, 260-272.
[26] Zhang, Y., Zhang, G., Wang, J., Sun, S., Si, S., & Yang, T. (2015). Real-time information capturing
and integration framework of the internet of manufacturing things. International Journal of Computer
Integrated Manufacturing, 28(8), 811-822.
[27] Xu, X. (2012). From cloud computing to cloud manufacturing. Robotics and computer-integrated
manufacturing, 28(1), 75-86.
[28] Lee, J., Kao, H. A., & Yang, S. (2014). Service innovation and smart analytics for industry 4.0 and
big data environment. Procedia Cirp, 16, 3-8.
[29] Kang, H. S., Lee, J. Y., Choi, S., Kim, H., Park, J. H., Son, J. Y., ... & Do Noh, S. (2016). Smart
manufacturing: Past research, present findings, and future directions. International Journal of Precision
Engineering and Manufacturing-Green Technology, 3(1), 111-128.
[30] Rajkumar, R. R., Lee, I., Sha, L., & Stankovic, J. (2010, June). Cyber-physical systems: the next
computing revolution. In Proceedings of the 47th Design Automation Conference (pp. 731-736). ACM.
[31] Drath, R., & Horch, A. (2014). Industrie 4.0: Hit or hype? IEEE industrial electronics magazine,
8(2), 56-58.
[32] T.J. Williams, P. Bernus, J. Brosvic, D. Chen, G. Doumeingts, L. Nemes, J.L. Nevins, B. Vallespir,
J. Vlietstra, D. Zoetekouw, Architectures for integrating manufacturing activities and enterprises,
Computers in Industry. 24 (1994) 111–139
[33] The International Society of Automation, ANSI/ISA-95.00.04-2012 Enterprise-Control System
Integration − Part 4: Objects and attributes for manufacturing operations management integration,
(2012)
[34] J.H. Christensen, Holonic manufacturing systems: initial architecture and standards directions, Proc
1st Euro Wkshp Holonic Manuf. Syst. (1994)
[35] Wollschlaeger, M., Sauter, T., & Jasperneite, J. (2017). The future of industrial communication:
Automation networks in the era of the internet of things and industry 4.0. IEEE Industrial Electronics
Magazine, 11(1), 17-27.
[36] Müller, M., Wings, E., & Bergmann, L. (2017, July). Developing open source cyber-physical
systems for service-oriented architectures using OPC UA. In Industrial Informatics (INDIN), 2017 IEEE
15th International Conference on (pp. 83-88). IEEE.
[37] Cupek, R., Ziębiński, A., Drewniak, M., & Fojcik, M., 2017, Feasibility Study of the Application
of OPC UA Protocol for the Vehicle-to-Vehicle Communication, In Conference on Computational
Collective Intelligence Technologies and Applications, part of the Lecture Notes in Computer Science
book series LNCS, Springer, Cham, pp. 282-291.
[38] F. Jammes, H. Smit,” Service-Oriented Paradigms in Industrial Automation,” IEEE T. Ind. Inform.,
vol. 1, no. 1, pp. 62–70, Feb. 2005.
Rafał Cupek - zał. 2 autoreferat w języku polskim 34
[39] M. Felser, ”Real-Time Ethernet - Industry Prospective,” P. IEEE, vol. 93, no. 6, pp. 1118–1129,
June 2005.
[40] IMTIAZ, Jahanzaib; JASPERNEITE, Jürgen. Scalability of OPC-UA down to the chip level
enables “Internet of Things”. In: Industrial Informatics (INDIN), 2013 11th IEEE International
Conference on. IEEE, 2013. p. 500-505.
[41] Panetto, H., & Molina, A. (2008). Enterprise integration and interoperability in manufacturing
systems: Trends and issues. Computers in industry, 59(7), 641-646.
[42] J. Lange, F. Iwanitz, T. J. Burke, OPC - From Data Access to Unified Architecture, VDE Verlag,
2010, pp. 196-201
[43] Choudhary, A. K., Harding, J. A., & Tiwari, M. K. (2009). Data mining in manufacturing: a review
based on the kind of knowledge. Journal of Intelligent Manufacturing, 20(5), 501.
[44] Zhang, Y., Ren, S., Liu, Y., & Si, S. (2017). A big data analytics architecture for cleaner
manufacturing and maintenance processes of complex products. Journal of Cleaner Production, 142,
626-641.
[45] Steinley, D., Brusco, M.J.: Initializing K-means Batch Clustering: A Critical Evalua-tion of
Several Techniques. Journal of Classification. 24, 99–121 (2007)
[46] 1. Cupek R., Ziebinski A., Drewniak M., Fojcik M., 2018, Estimation of the Number of Energy
Consumption Profiles in the Case of Discreet Multi-Variant Production, In Intelligent Information and
Database Systems part of Lecture Notes in Artificial Intelligence book series LNAI, Springer, volume
10752, pp. 674-684.
Rafał Cupek - zał. 2 autoreferat w języku polskim 35
5. Omówienie pozostałych osiągnięć naukowo - badawczych
a) Publikacje
Wynikiem mojej pracy naukowej po uzyskaniu tytułu doktora nauk technicznych są łącznie
63 publikacje, z czego 7 publikacji zostało wydanych w czasopismach ujętych w bazie Journal
Citation Reports. Sumaryczny impact factor moich publikacji wynosi 7,16. Sumaryczna liczba
punktów MNSW to 531. W bazie Web of Science widocznych jest 26 publikacji, których byłem
współautorem. Liczba cytowań tych prac to 68, liczba cytowań z pominięciem autocytowań to
36. Mój Indeks Hirscha wg WoS wynosi 5(3). W bazie Scopus widocznych jest 38 publikacji,
liczba cytowań to 118, liczba cytowań z pominięciem autoocytowań to 53. Indeks Hirscha wg
Scopus wynosi 7(4). Poniżej przedstawiam wydruki indeksów z obu baz według stanu na dzień
29.03.2018
Rafał Cupek - zał. 2 autoreferat w języku polskim 36
b) Udział w projektach badawczych
Od października 2017 r. jestem jednym z kluczowych wykonawców realizowanego przez
firmę AIUT Sp. z o. o. projektu NCBiR POIR.01.02.00-00-0307/16-00 – INNOMOTO pt.:
„Knowledge integrating shop floor management system supporting preventive and
predictive maintenance services for automotive polymorphic production framework”.
W okresie 2013-2017 pełniłem w Politechnice Śląskiej funkcję koordynatora projektu FP7-
PEOPLE-2013-IAPP (Industry Academia Partnerships and Pathways) pt.” AutoUniMo
Automotive Production Engineering Unified Perspective based on Data Mining Methods
and Virtual Factory Model” - http://autounimo.aei.polsl.pl. Byłem także wykonawcą tego
projektu i uczestniczyłem w 24 miesięcznym oddelegowaniu do firmy Continental
Ingolstadt celem realizacji zadań w ramach pakietu “WP1 Manufacturing Execution System
for Short Series Production Support”
W okresie 2014 – 2016 pełniłem w Politechnice Śląskiej funkcję koordynatora projektu
Polish-Norwegian Research Programme, Norwegian Financial Mechanism 2009-2014
grant no. Pol-Nor/204256/16/2013 pt.: „MEDUSA - Automated Assessment of Joint
Synovitis Activity from Medical Ultrasound and Power Doppler Examinations Using
Image Processing and Machine Learning Methods” - http://medusa.aei.polsl.pl.
W okresie 2012-2014 pełniłem funkcję kierownika i wykonawcy realizowanego przez
firmę AIUT Sp. z o. o. projektu FP7-2011-NMP-ICT-FoF – (Information and
Communication Technologies/ Factories of the Future) pt.: „EMC2 The Eco-Factory:
cleaner and more resource-efficient production in manufacturing”,
https://cordis.europa.eu/project/rcn/101388_en.html
W okresie 2009-2013 pełniłem funkcję zastępcy kierownika realizowanego w Politechnice
Śląskiej projektu EkDan (grant POKL.04.01.01-00-106/09) „Utworzenie nowej
specjalności studiów doktoranckich w dyscyplinie Informatyka na Wydziale Automatyki,
Elektroniki i Informatyki pt. Eksploracja Danych (Data Mining). W ramach projektu
współuczestniczyłem w uzgadnianiu i przygotowaniu wykładów zapraszanych, w których
brali udział krajowi i zagraniczni naukowcy oraz eksperci z przemysłu.
W okresie 2008-2009 pełniłem w Politechnice Śląskiej funkcję kierownika projektu
Norway Grants, seminar project grant no.: PNRF164-AII-1/07 „Geology and Information
Technology”.
c) Omówienie działalności dydaktycznej i organizacyjnej
Rezultaty przedstawionych w osiągnięciu prac badawczych wykorzystałem do
przygotowania wykładów, zajęć laboratoryjnych i tematów prac magisterskich. Poniżej
przedstawiam najważniejsze osiągnięcia związane z moim udziałem w studiach doktoranckich,
magisterskich i w działalności organizacyjnej Wydziału Automatyki, Elektroniki i Informatyki.
Rafał Cupek - zał. 2 autoreferat w języku polskim 37
5.c.1 Studia doktoranckie
Aktualnie pełnię funkcję promotora pomocniczego w doktoracie realizowanym przez mgr
inż. Marka Drewniaka pt. „Metody analizy efektywności i jakości procesów produkcji
dyskretnej wykorzystujące wybrane mechanizmy eksploracji danych”.
Występuję w roli opiekuna w realizowanym przez mgr inż. Łukasza Huczałę doktoracie pt.
„Modele wymiany informacji w elastycznych aplikacjach klasy B2M (Business-To-
Manufacturing)”.
Od r. 2012 r. prowadzę wykład dla studentów studiów doktoranckich pt. „Konstrukcja
i oprogramowanie systemów komputerowych”.
W okresie 2014 - 2017 sprawowałem opiekę naukowa nad doktorantami oddelegowanymi
do przemysłu w ramach projektu AutoUniMo: dwóch doktorantów oddelegowanych do
Continenetal Ingolstadt oraz jeden doktorant oddelegowany do AIUT Sp. z o. o.
W okresie 2009 - 2013 pełniłem funkcję zastępcy kierownika projektu EkDan, którego
celem była organizacja studiów doktoranckich o specjalności eksploracja danych.
W ramach projektu EkDan sprawowałem opiekę naukową nad pięcioma doktorantami oraz
przygotowałem i prowadziłem wykład w języku angielskim pt. „Data Mining in industrial
computer systems”.
5.c.2 Studia magisterskie
Byłem promotorem ponad 50 prac magisterskich.
Od 2003 r. prowadzę przedmiot w języku angielskim (wykład + laboratorium) dla
studentów Makrokierunku pt. „Distributed Computer Systems”.
Od 2003 r. prowadzę przedmiot (wykład + laboratorium) na specjalności Informatyczne
systemy przemysłowe pt.: „Wizualizacja procesów przemysłowych”.
W okresie 2000 – 2005 opracowałem i prowadziłem wykład i laboratoria dla studentów na
kierunku Informatyka pt.: „Rozproszone systemy komputerowe”.
W okresie 2009 – 2014 prowadziłem na specjalności Przemysłowe systemy komputerowe
przedmiot pt. „Systemy operacyjne czasu rzeczywistego”, a w okresie 2012 – 2016
przygotowałem i prowadziłem wykład dla specjalności Informatyka w lotnictwie pt. „Sieci
komputerowe w lotnictwie”.
5.c.3 Wykłady zagraniczne
W okresie 2008-2009 prowadziłem przedmiot „Industrial Computer Systems” (wykład,
laboratorium, projekt) w Technische Hochschule Ingolstadt, Niemcy, Wydział
Elektrotechniki i Informatyki o łącznym wymiarze zajęć: 120 godzin.
Rafal Cupek - zat.2 autoreferat w iEzyku polskinr 38
5.c.4 DzialalnoSd organizacyj na
'. W okresie 2008-2012 pelnilem funkcjE Prodziekana ds. Studenckich na Wydziale
Automatyki Elektroniki i Informatyki Politechniki Sl4skiej.'/ W okresie 2012-2013 funkcjg Prodziekana ds. Organizacji i Rozwoju na Wydziale
Automatyki E,l ektroniki i Informatyki Po I itechn iki S l4skie.i.
/"//**'
Dr in2. Rafal Cupek