KOMPJUTERSKA SIMULACIJA

I VETAKA INTELIGENCIJA

08.
VETAKA INTELIGENCIJA
DEFINICIJE, OSNOVNI POJMOVI, PARADIGME
Prof. dr Zoran Miljkovi, prof. dr Bojan Babi

ta je inteligencija?

Inteligencija je sposobnost razmiljanja,

razumevanja i uenja korienjem instinkta,
a u 21. veku i automatskih sistema, sa
ciljem da se reavaju problemi i donose
odluke.
Da li kompjuteri mogu da budu inteligentni i
da li maine mogu da misle?

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

2/27

Kljuni
dogaaji
istorijskog
razvoja
vetake
inteligencije

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

3/27

Inteligentni sistemi i
vetaka inteligencija

Inteligentni sistemi su bazirani na primeni

vetake inteligencije (VI), odnosno
mainske inteligencije

sposobni da ue i da se adaptiraju u
neodreenom ili delimino poznatom okruenju,
odnosno da se ponaaju autonomno.

Mainska inteligencija - sposobnost

emuliranja ili dupliranja mogunosti
senzorskog procesiranja i donoenja odluka
unutar kompjuterskog sistema.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

4/27

Inteligentni tehnoloki sistemi

Inteligentni sistemi u proizvodnim tehnologijama

podrazumevaju autonomno uenje i mogunost
adaptacije na neodreenosti u radnom okruenju,
kako bi takav inteligentni tehnoloki sistem mogao
da odgovori na sve kompleksnije zadatke koji mu
se u industrijskim uslovima nameu.
Elementi inteligentnog tehnolokog sistema:

procesiranje senzorskih informacija,

ocenjivanje stanja sistema,
evolutivnost - empirijsko odluivanje i
generisanje autonomnog ponaanja.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

5/27

Primeri ITS i uslovi u kojima rade

Inteligentni tehnoloki sistemi orijentisani na:

tehnoloko prepoznavanje mainskih delova,

vizuelnu inspekciju i prepoznavanje objekata,
autonomne mobilne robote, itd.,

funkcioniu u:

dinamikim, nestacionarnim situacijama rasuivanja i

procesiranja senzorskih informacija,
najee u realnom vremenu.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

6/27

Inteligentne formalizovane
metodologije

Dananji trend razvoja inteligentnih sistema pomera teite

ka adaptivnom procesiranju informacija, kome
prevashodno pripadaju vetake neuronske mree.

U osnovi svih ovih inteligentnih formalizovanih metodologija

se nalazi manja ili vea sposobnost sistema da ui.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

7/27

Kljune oblasti razvoja i primene VI:

1.

predstavljanje znanja

2.

razumevanje govornih jezika

3.

UENJE inteligentni robot, tehnoloko prepoznavanje ...

4.

planiranje reavanje problema

5.

donoenje odluka zakljuivanje

6.

ISTRAIVANJE OKRUENJA autonomni mobilni robot

7.

SISTEMI PREPOZNAVANJA kamera i analiza slike

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

8/27

Klasifikacija strategija uenja

zasnovana je na stepenu zakljuivanja koji

se trai kod onog koji ui:
1.
2.
3.
4.

rutinsko uenje,
uenje na osnovu instrukcija,
deduktivno uenje,
induktivno uenje,

5.

uenje kroz primere,

uenje kroz eksperimentisanje,

uenje na osnovu analogije.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

9/27

Definicija robota

Definicija:

Robot je reprogamabilni multifunkcionalni manipulator projektovan

da pomera materijal, delove, alate ili specijalne ureaje
korienjem razliitih programa kretanja pri izvravanju zadataka.

Kljuno je: reprogamabilan i multifunkcionalan

(fleksibilan).
Klasino: Robot je maina koja moe da se reprogramira
u funkciji novog zadatka i u stanju je da fleksibilno prilagodi
svoju namenu novim zadacima.
Moderno: Robot je aktivan vetaki sistem, ije je
okruenje fiziki svet sa kojim je u stalnoj interakciji, s
obzirom da je inteligentan, a sve ee i autonoman.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

10/27

Autonomnost robota

Autonoman robot

moe da donosi samostalne odluke pri

realizaciji zadatka, u ogranienom domenu, na
osnovu upravljake strategije bazirane na
prethodnom uenju, korienjem povratnih
veza koje ostvaruje pomou signala od
senzora.

Analogija sa prirodnim sistemima:

svestan sebe i okruenja.

okruenja

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

11/27

Autonomnost robota i
svojstva realnog okruenja

Realno okruenje je izvan ili na granici dostupnosti senzora.

Realno okruenje je nedeterministiko.

Efekti u njemu menjaju se u toku vremena - robot mora da reava probleme

sekvencijalno i da ui.

Realno okruenje je dinamiko.

Robot mora da bude u stanju da radi u neureenoj sredini.

Realno okruenje nije epizodno.

Senzori nisu dovoljno savreni, tako da mogu izvriti merenje i/ili percepciju
u okruenju samo ako su dovoljno blizu.

Robot bi trebalo da zna kada je potrebno odloiti odluku o nekoj akciji, a

kada je bolje reagovati odmah.

Realno okruenje je kontinualno.

Zahteva razvoj posebnih upravljakih algoritama za uenje robota. Retke

su situacije u kojima je realno okruenje diskretno ili moe da se
diskretizuje.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

12/27

Evolucija sposobnosti autonomnog

robota u odnosu na realno okruenje

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

13/27

Uenje autonomnog robota.

Opti model uenja.

Uenje predstavlja rezultat interakcija izmeu onog ko ui i

spoljanjeg sveta-okruenja, a ostvaruje se na osnovu
procesa odluivanja o svakoj novoj akciji!!!

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

14/27

Autonomni mobilni robot.

Primer insekt robota.
Autonomni mobilni robot (AMR) je arhetipski primer inteligentnog
mehatronskog sistema, jer on organizuje sopstvenu internu strukturu i ui!

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

15/27

Autonomni mobilni robot.

Primer antropomorfnog robota.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

16/27

Primena vetake inteligencije

za projektovanje tehnolokih procesa
Koncept integralnog sistema za projektovanje tehnolokih
procesa i upravljanje proizvodnjom podrazumeva:

mogunost direktnog preuzimanja projektnih informacija iz CAD

sistema putem modula za tehnoloko prepoznavanje,
grubo i detaljno projektovanje tehnolokih procesa,
simulacioni sistem za modeliranje pogona i proveru generisanih
tehnolokih postupaka u odnosu na raspoloive resurse i trenutnu
situaciju u pogonu (FLEXY).
mogunost korekcije tehnolokih postupaka (na osnovu
rezultata simulacije) u smislu izbora alternativnih maina i promene
redosleda obrade.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

17/27

Primena VNM za PTP u okviru

predmeta KSiVI
implementacija ART-1 vetake neuronske
mree u analizi geometrijske slinosti
osnosimetrinih cilindrinih delova, koja je
neophodna u fazi grubog projektovanja
tehnolokih procesa grupne tehnologije;
implementacija vetakih neuronskih mrea
(BP, rekurentnih, itd.) pri tehnolokom
prepoznavanju tipskih formi.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

18/27

Arhitektura integralnog sistema za

PTP i upravljanje proizvodnjom

modul za tehnoloko
prepoznavanje,
modul za grubo
projektovanje tehnolokih
procesa,
modul za detaljno
projektovanje tehnolokih
procesa,
modul za upravljanje
bazom podataka,
modul za simulaciju.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

19/27

Modul za grubo projektovanje

tehnolokih procesa

Obuhvata:

sistem tehnolokog
prepoznavanja,
sistem planiranja
proizvodnje i
sistem vetakih
neuronskih mrea.

Zadatak:

korienjem vetake
inteligencije, odrediti za
svaku grupu (i svaki
mainski deo unutar
grupe), redosled
obrade.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

20/27

Modul za detaljno projektovanje

tehnolokih procesa

Vri izbor reima obrade (korak, broj obrta, broj prolaza i glavno vreme
obrade) za zahvate definisane u prethodnom modulu. Izbor reima se
vri iz tabela preporuenih reima preko modula za upravljanje bazom
podataka.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

21/27

Simulacioni sistem.
Primer: FLEXY

Simulacioni sistem FLEXY za

distribuiranu simulaciju
tehnolokih sistema:

omoguava generisanje
virtualnog pogona na osnovu
podataka iz pogona i na osnovu
generisanih tehnolokih
postupaka,
virtualno prihvata sve
upravljake varijante koje se
mogu pojaviti pri obradi,
daje analizu celokupnog
tehnolokog procesa,
daje osnove za optimizaciju
tehnolokih postupaka u skladu
sa raspoloivim resursima u
pogonu.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

22/27

Koristi primene VNM

za projektovanje tehnolokih procesa

Prikazana arhitektura sistema doprinosi unapreenju informacione

logistike u oblasti projektovanja tehnolokih procesa i upravljanja
proizvodnjom i zasniva se na integraciji projektovanja tehnolokih
procesa i upravljanja proizvodnjom kroz razvoj i primenu kooperativnih
agenata.
agenata

U ranim fazama projektovanja tehnolokih procesa uzimaju se u obzir

planovi proizvodnje, rokovi i podaci o kapacitetima, koji uz podrku
znanja o projektovanju tehnolokih procesa predstavljaju osnovu za
generisanje globalnog tehnolokog postupka (grubo projektovanje).

Fino planiranje i terminiranje zasniva se na akviziciji preporuenih

reima obrade, podacima iz pogona i rezultatima distribuirane
simulacije.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

23/27

Prepoznavanje tipske tehnoloke

forme primenom VNM primer 1

2D modeli tipskih formi - n m

matrice: 1 - ivice, 0 - sve ostalo
metoda konture detektovanje
prisutnosti ivice
obuavanje rekurentne VNM
korigovanje greke uenja

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

24/27

Prepoznavanje tipske tehnoloke

forme primenom VNM primer 2

2
3

Atribuirani
graf susednosti

4
5

Atribuirana matrica susednosti

FSV = (a1, a2, a3, a4, a5, a6, a7, a8, a9)

ULAZ U VETAKU NEURONSKU MREU

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

Vektor zbira strana

25/27

Prepoznavanje tipske tehnoloke

forme primenom VNM primer 2 (nastavak)

MatLab ANN Toolbox

Ulaz u VNM: devetodimenzionalni vektor FSV,

15 razliitih tipova VNM,

5 razliitih algoritama za obuavanje;

devet neurona u ulaznom sloju.

Broj izlaznih karakteristika odgovara broju

predvienih obrazaca tehnolokih formi.

Deo formiranog trening-skupa delova.

KSiVI 08 Vetaka inteligencija definicije, osnovni pojmovi, paradigme

26/27

KOMPJUTERSKA SIMULACIJA I VETAKA INTELIGENCIJA

Hvala na panji!
Pitanja ?