Detail oboru

Konstrukční a procesní inženýrství

FSIZkratka: D-KPIAk. rok: 2020/2021Zaměření: Řízení strojů a procesů

Program: Stroje a zařízení

Délka studia: 4 roky

Akreditace od: 1.1.1999Akreditace do: 31.12.2024

Garant

Vypsaná témata doktorského studijního programu

  1. Analýza a predikce lokálních struktur DNA.

    Práce na daném tématu představuje analýzu DNA sekvencí se zaměřením na velké objemy dat, které budou zahrnovat požadované algoritmy pro predikci struktur jako jsou triplexy, kvadruplexy a pro analýzu proteinových motivů s reportovacími a vizualizačními nástroji. Navrhovaný software bude implementován jako webová služba a bude použit pro charakterizaci a vyhodnocování lokálních DNA struktur v sekvencích DNA se zaměřením na možnost analýzy celých genomů a různých lokálních DNA struktur.

    Školitel: Šťastný Jiří, prof. RNDr. Ing., CSc.

  2. Analýza lokálních struktur DNA

    Daný projekt předpokládá návrh a implementaci původních algoritmů pro analýzu lokálních struktur DNA. Navržené algoritmy budou implementovány jako webová služba a budou k dispozici online pro veřejné použití.

    Školitel: Šťastný Jiří, prof. RNDr. Ing., CSc.

  3. Autonomní mobilní platforma pro kooperativní průmyslové roboty

    Práce představuje komplexní vývoj autonomní všesměrové mobilní robotické platformy určené pro aplikace kooperujících průmyslových robotu. Autonomnost a semi-autonomnost platformy bude založena na implementaci strojového vidění, umělé inteligence a bezpečnostních protokolů. Primární zaměření bude pro kooperativní robot UR3 a ABB IRB YuMi.

    Školitel: Matoušek Radomil, doc. Ing., Ph.D.

  4. Distribuované optimalizační systémy

    Distribuovaný přístup je současným trendem v mnoha oblastech aplikací výpočetní techniky, např. v komunikacích, databázích, výpočtech, v řídicích aplikacích a v mnoha dalších. U všech těchto oblastí je optimalizace důležitou součástí jejich realizace. Distribuovaný přístup k optimalizacím umožňuje přizpůsobení struktury řešených optimalizačních úloh reálným podmínkám, kdy lze provádět na nižších úrovních dílčí optimalizace, které budou interagovat s ostatními dílčími optimalizacemi, a které se budou podílet na celkovém výsledku.

    Školitel: Roupec Jan, doc. Ing., Ph.D.

  5. Modelování evakuace obyvatelstva v rizikových zónách

    S rozvojem průmyslu a výstavbou velkých celků roste potenciální nebezpečí ohrožení obyvatelstva při haváriích. S tím souvisí nutnost vytvořit plány evakuace obyvatelstva v katastrofou postižených oblastech. Obecně se dají rozlišit dva případy, kdy pro evakuaci musí být k dispozici dostatečný počet přepravních prostředků k evakuaci všech obyvatel v co nejkratším čase, v méně kritickém případě je možné obyvatele odvážet postupně s menším počet prostředků. Cílem práce je modelovat operace přepravy při evakuaci a minimalizovat její dokončení při zohlednění všech omezujících podmínek ve vztahu k dané oblasti a míře rizika, např. hustoty obyvatelstva, počtů a kapacity přepravních prostředků, vzdáleností svozových míst apod.

    Školitel: Šeda Miloš, prof. RNDr. Ing., Ph.D.

  6. Multiparametrická diagnostika trakčních komponent

    Téma dizertační práce je zaměřeno na zavedení moderních metod multiparametrické diagnostiky (vibrodiagnostika, elektrodiagnostika, tribodiagnostika, termodiagnostika apod.) na zkušebnách trakčních komponent (podvozky, motory, generátory) pro dieselelektrické lokomotivy. Implementací metod multiparametrické diagnostiky a návrhem inteligentního vyhodnocení zkoušek trakčních zařízení s využitím strojového a hlubokého učení (umělá inteligence) v rámci průmyslového internetu věcí (IoT) bude získáno objektivní posouzení technického stavu jednotlivých trakčních komponent. Zavedení diagnostiky na zkušebnách bude přispívat k odhalení závad a posouzení stavu ještě před zabudováním komponent do lokomotivního celku a dále i využití uvedeného během doby života lokomotiv. Hlavním cílem je prodloužení životnosti a zvýšení spolehlivosti lokomotiv. Dizertační práce bude prakticky verifikována ve vybrané konkrétní firmě, která se zkoušením komponent a výrobou lokomotiv zaobírá.

    Školitel: Hammer Miloš, doc. Ing., CSc.

  7. Optimalizace obslužnosti v síťových aplikacích

    V aplikacích, které z obslužných míst rozmístěných v rozlehlé oblasti zajišťující určité služby zákazníků, je typickou úlohou minimalizace těchto míst tak, aby každý zákazník měl alespoň jedno ze středisek v dostupné vzdálenost. Problém pokrytí, na nějž tato úloha vede, má pro množinu složitost O(2^n), kde n je počet daných míst a je nutné jej řešit heuristickými metodami pro "velké" instance problému. Úloha má však ještě složitější formulace, kdy je třeba uvážit i kapacity obslužných míst a požadavky zákazníků. V disertační práce bude cílem aplikovat obecné řešení problému v úlohách komunikace 5G mobilních sítí a ukládání dat v NoSQL databázích.

    Školitel: Šeda Miloš, prof. RNDr. Ing., Ph.D.

  8. Optimalizční metaheuristiky a HPC implementace

    Mnoho optimalizačních úloh vázaných na reálné problémy vykazuje nelinearity, multimodálnost, složitosti a různá komplikovaná omezení. Metaheuristická optimalizace se zabývá problémy optimalizace pomocí vybranných algoritmů umělé inteligence. Cílem výzkumu je studium a návrh algoritmů vhodných pro řešení tzv. NP těžkých úloh, vč. HPC implementace.

    Školitel: Matoušek Radomil, doc. Ing., Ph.D.

  9. Plánování dráhy robotu ve scéně s překážkami

    Metody pro plánování dráhy robotu mají řadu aplikací, mohou se využít ve výrobních halách, kdy robotické zařízení se pohybuje po vyhrazené trase, ale i v situacích, kdy je nutné dráhu průběžně konstruovat, např. při prohledávání prostorů s nebezpečím výbuchu, hledání osob v havarijních situacích (např. závaly po zemětřesení). Tradiční přístupy zahrnují metody dekompozice scény, metodu potenciálového pole a metody silniční mapy. V rámci skupin lze vymezit řadu specifických metod, které se mohou lišit např. podle použitých geometrických struktur (grafy viditelnosti, rychle rostoucí stromy, Voroného diagramy). Úkolem je provést základní klasifikaci a srovnání metod a implementovat algoritmus, který zajistí, že trasa robotu bude hladká a bezpečná z pohledu hrozby kolize s překážkami.

    Školitel: Šeda Miloš, prof. RNDr. Ing., Ph.D.

  10. Plánování dráhy robotu ve scéně s překážkami

    Metody pro plánování dráhy robotu mají řadu aplikací, mohou se využít ve výrobních halách, kdy robotické zařízení se pohybuje po vyhrazené trase, ale i v situacích, kdy je nutné dráhu průběžně konstruovat, např. při prohledávání prostorů s nebezpečím výbuchu, hledání osob v havarijních situacích (např. závaly po zemětřesení). Tradiční přístupy zahrnují metody dekompozice scény, metodu potenciálového pole a metody silniční mapy. V rámci skupin lze vymezit řadu specifických metod, které se mohou lišit např. podle použitých geometrických struktur (grafy viditelnosti, rychle rostoucí stromy, Voroného diagramy). Úkolem je provést základní klasifikaci a srovnání metod a implementovat algoritmus, který zajistí, že trasa robotu bude hladká a bezpečná z pohledu hrozby kolize s překážkami.

    Školitel: Šeda Miloš, prof. RNDr. Ing., Ph.D.

  11. Robotika a Bin Picking - Hledání svatého grálu

    Existují tři hlavní typy bin pickingu: strukturovaný, polostrukturovaný a náhodný výběr. Každý z nich představuje rostoucí úroveň složitosti aplikací, nákladů a doby cyklu. Můžeme říci, že náhodný výběr se již blíží hlavnímu proudu současné robotiky (v trendu Industry 4.0). Náhodný výběr vyžaduje konvergenci technologií, zvláště pak tři hlavní komponenty, které zvyšují inteligenci robota: senzory, software a nástroje na konci - efektory. Rozvoj ve všech třech uvedených oblastech nás posunuje blíže k diskutovanému cíli.

    Školitel: Matoušek Radomil, doc. Ing., Ph.D.

  12. Simulace a řízení biologicky inspirovaných robotů

    Práce je zaměřena na komplexní řešení problematiky pokročilého řízení mobilních bio-inspirovaných robotů typu robotický had. Teoretiky i prakticky bude řešen pohyb a autonomie n-článkového hada. Teoreticky dosažené výsledky budou verifikovány a analyzovány simulačním modelováním (Unity Real-Time Dev platform, PhysX). Pro návrh řízení pohybu hada se předpokládá využití CPG řízení a metod umělé inteligence, resp. posilovaného učení.

    Školitel: Matoušek Radomil, doc. Ing., Ph.D.

  13. Totální produktivní údržba (TPM) v nesériové a malosériové výrobě

    V současné době existuje nebo je v zájmu u řady výrobních strojírenských firem dosáhnout moderní koncepce TPM napříč svou výrobou a dalšími útvary firmy. V běžné praxi lze nalézt řadu takto úspěšně zavedených příkladů, ale v sériové výrobě. U průmyslových firem s charakterem nesériové a malosériové výroby přichází s realizací TPM řada překážek, jejichž řešení si žádá nové a nestandardní přístupy. Řešení disertační práce se klade za cíl, kromě popsání běžných a rozšířených postupů, také najít, pojmenovat a vyřešit proces zavádění TPM v nesériové a malosériové výrobě. Předpokládá se, že získané výsledky budou verifikovány ve vybrané strojírenské firmě.

    Školitel: Hammer Miloš, doc. Ing., CSc.


Struktura předmětů s uvedením ECTS kreditů (studijní plán)

Studijní plán oboru není zatím pro tento rok vygenerován.