Role w zespole: lider, organizator, kreator, badacz zasobów, osoba motywująca, osoba oceniająca, pracownik
zespołu, osoba rozwiązująca, osoba realizująca prace wykańczające.
Wpływ organizacji na działanie lidera: procesy i kompetencje nie są określone, procesy i kompetencje nie są
sensownie określone, procesy i kompetencje nie są znane, procesy i kompetencje nie są przestrzegane.
Koncepcje pracy zespołowej: tradycyjny (sekwencyjny) model współpracy, kooperacyjny model współpracy
(szybszy czas realizacji, rzadsze zmiany w projekcie, mniejszy czas do wprowadzenia na rynek, większa jakość,
większa produktywność personelu).
Kooperacyjny model współpracy: projektant, menedżer, producent, klient - dzielona przestrzeń robocza.
Zagadnienia: architektury, aspekty reprezentacji, aspekty organizacyjne, aspekt negocjacji i zarządzania
ograniczeniami, aspekt interakcji, metody projektowe, techniki wizualizacji, design rationale aspekt, interfejsy,
protokół współpracy.
Sesje projektowe prowadzone na odległość przy wykorzystaniu środków komputerowych: Obserwacje z
pierwszych implementacji: trudna ocena jakości współpracy, badania a praktyka, wizualizacja za pomocą
narzędzi CAD, posługiwanie się tekstem, tworzenie związków pomiędzy tekstami, arkusze kalkulacyjne, multi-
media.
Funkcje narzędzi komunikacji: kontakt z innymi członkami zespołu, przekazywanie, nowych pomysłów i
dyskusja, wymiana i archiwizacja informacji, wymiana informacji z zamawiającym, utrwalanie przebiegu
procesu projektowania.
Tryby współpracy: synchroniczny (rozmowa, video konferencja), asynchroniczny (e-mail, serwery).
Dzielona reprezentacja: dynamiczna informacja (szybka wymiana nowo powstającej informacji), aktywne
media (przeciwieństwo do ołówka i papieru - można działać więcej), wspólne modele (modele specyficzne dla
określonych dziedzin i odpowiednie reprezentacje), czytelność treści, orientacja dziedzinowa, zgodność
dokumentacji, ewolucja utrwalonych rozwiązań, zgodność interfejsów.
Budowa koncepcji środowiska - aspekty: Metafory i modele - do komunikacji i współpracy, do organizacji,
strukturyzacji, dyskusji, elektronicznej publikacji reprezentacji projektowych i dokumentacji uzupełniającej, do
strukturalizacji, zarządzania i dzielenia się informacją w ramach środowiska.
Rodzaj komputerowego wspomagania informacje składowe i dzielone - umieszczenie i dostęp do dokumentacji
projektowe wejściowej i póz
niejszej, formaty plików do wymiany dokumentów, narzędzia do budowy modeli,
rysunków i dokumentów.
Wybór narzędzi komunikacji - narzędzia do spotkań i serwer do spotkań, narzędzi do ścisłej współpracy, zbiory
e-mailowych adresów, system do informowania grupowego.
Integracja - kompatybilność hardware'owo - software'owa, metafora interfejsu.
Architektura tablicowa - tablica: rozwiązania (obiekty, model konstrukcji), koordynacja (informacja
konieczna do koordynacji), negocjacje (historia negocjacji i argumentacji).
Tablica: sterowanie akcjami, prowadzenie negocjacji, reprezentacja obiektowa, modelowanie z cechami,
drzewo historii i produktu, notatki powiązane z obiektami, równoczesna wizualizacja, narzędzia do
wyszukiwania konfliktów, równoległa możliwość innych aktów komunikacji, dynamiczne zapisy stanu projektu
(nawet bez zamykania aplikacji), określone metody komunikacji (np. konflikt, kolejka), dużo różnych koncepcji
teoretycznych.
Komunikacja synchroniczna: akty komunikacji, biała tablica, wielu uczestników, wiele dokumentów,
sterowanie przez przewodniczącego, stosowanie techniki video.
Dzielona przestrzeń: Struktura - dostępnych wiele poziomów abstrakcji, dostępnych wiele poziomów
informacji geometrycznej, dostępnych wiele funkcyjnych sposobów wizualizacji, dostępne różne poziomy
ograniczeń, narzędzia do rozbudowy.
Design rationale: ewolucja informacji typu design rationale, ewolucja koncepcji projektu, negocjacje pomiędzy
wieloma projektantami, wyjaśnienia (różne formalizacje), utrwalanie aktów komunikacji, próby automatyzacji.
Tworzenie zespołów: członkowie zespołu posiadają wspólny cel, ilość członków zespołu powinna zapewniać
możliwość zarządzania nim, członkowie zespołu powinni uzupełniać się umiejętnościami.
Typy zespołów: zespół projektowy, zespół wyspecjalizowany w określonych zadaniach, równoległy zespół
(koordynacja udoskonalenia a nie właściwe projektowanie), zespół zarządzający.
Workflow i dekompozycja zadań: systemy do modelowania i monitorowania, różna skala stosowanych
modeli.
Zmiany w sposobie realizacji zadań projektowych w przemyśle: projektowanie bardziej intensywne,
skrócenie czasów realizacji zadań projektowych, wzrost stopnia kompleksowości produktów, bardziej
kompleksowe samo projektowanie, wielodziedzinowość.
Nowe zjawiska: daleko posunięta specjalizacja zawodowa projektujących, typowymi strukturami biur
projektowych - grupy bardzo zaawansowanych specjalistów o stosunkowo wąskich specjalnościach, specjaliści
używają swoich specjalistycznych metod i narzędzi, duża kompleksowość produktów - duża ilość powiązań
pomiędzy rozwiązywanymi zadaniami projektowymi, istotną rolę odgrywa wiedza.
Konsekwencje: konieczne zasoby wysoko kwalifikowanych projektujących wraz z odpowiednio
zaawansowanym warsztatem pracy, trudno w jednym miejscu zorganizować pracę wysoko kwalifikowanych
specjalistów, bardzo często ich obecność jest niezbędna wyłącznie okresowo, pojawia się sprzeczność -
rozwiązywanie wirtualna organizacja pracy biura projektowego, podział na producentów finalnych i
poddostawców usług projektowych.
Projektowanie w środowisku rozproszonym - jest zjawiskiem stosunkowo nowym, wymaga stosowania
specjalistycznych narzędzi komputerowych przeznaczonych do komunikacji pomiędzy projektującymi,
zarządzania projektem, zarządzania zasobami danych, koordynacją indywidualnych zadań projektowych.
Poza infrastrukturą konieczną do realizacji zadań projektowych ważne jest także doświadczenie w zakresie
realizacji projektowania w ten właśnie sposób. Jedną z dróg do zdobycia tego doświadczenia jest realizacja
zadań projektowych w środowisku rozproszonym już w okresie studiów, w trakcie zajęć dydaktycznych.
Przykłady modeli matematycznych konstrukcji: stosowanie modeli polioptymalizacji w praktyce, praktycy a
metody optymalizacji, polioptymalizacja wielo dyscyplinowa, narzędzia do szybkiej integracji.
Projekt: ewolucja wiedzy projektowej i modelowanie w procesie projektowym, decyzje w projektowaniu
inżynierskim, narzędzia wspomagające procesy decyzyjne, decyzje podejmowane "realnie", metody sztucznej
inteligencji i optymalizacji, "naturalna integracja".
Modele procesu projektowego: model liniowy, model labiryntowy.
Knowledge Based Engineering (KBE): wiedza formalna i nieformalna, podejścia oparte na ontologiach,
podejście obiektowe.
Case Based Reasoning (CBR): miara podobieństwa.
Optymalizacja wielokryterialna: mieszane problemy, rozwiązania hybrydowe.
Integracja (optymalizacja i sztuczna inteligencja) daje bardziej elastyczne podejście, widzenie problemów
decyzyjnych w szerszym kontekście.
Jednowymiarowa przestrzeń kryterialna - optymalizacja jednokryterialna.
Metody optymalizacji: metody analityczne optymalizacji statycznej, metody statyczne optymalizacji statycznej,
metody deterministyczne optymalizacji statycznej, dla zadań optymalizacji z ograniczeniem i bez ograniczeń,
dla zadań liniowych i nieliniowych, dla zdań o zmiennych decyzyjnych ciągłych, dyskretnych i mieszanych, inne
podziały.
Przykłady metod:
- metoda systematycznego przeszukiwania - tworzymy siatkę zmienności, dokonujemy dyskretyzacji kostki
zmienności, badamy kolejne punkty i sprawdzamy czy spełniają ograniczenia (jeśli tak to obliczamy wartość
funkcji kryterialnej); skuteczna i powolna, dobór parametrów dyskretyzacji.
- metoda Monte Carlo - tworzymy kostkę zmienności, dołączamy generatory liczb losowych, uruchamiamy
generatory liczb losowych.
- metody losowych przyrostów - jednostkowy wektor losowy, metoda losowego przeszukania, zmodyfikowana
metoda losowego przeszukania, metoda "losowego gradientu" Brooksa.
- metoda dychotomii - dzielimy w każdej iteracji przedział [a;b] na połowę, obliczamy gradient w połowie i
odrzucamy jedną z połówek w zależności od wartości gradientu.
Podstawowe trudności w stosowaniu podejścia opartego na metodach optymalizacji: ewolucja zadania
projektowego, brak skutecznych narzędzi, stan wiedzy projektujących, modele oparte na fizyce, podejście
hybrydowe.
Metody optymalizacji wielokryterialnej:
Metody optymalizacji wielocelowej (Multi-Objective Optimization):
metody generacyjne - metoda ograniczeń: jedno z kryteriów (np. O1) ustanawiamy kryterium a drugie staje się
ograniczeniem, określamy przedział zmienności kryterium Q2 i wybieramy szereg wartości z tego przedziału,
minimalizujemy Q1(x) przy ograniczeniu na Q2 - jedna z wartości dla przyjętego przedziału, powtarzamy
poprzedni krok dla różnych wartości z przyjętego przedziału uzyskując reprezentację zbioru rozwiązań
polioptymalnych.
metody preferencyjne - prowadzą do wyznaczenia zbioru rozwiązań lub jego reprezentacji np.
metoda systematycznego przeszukiwania: problem jest dość złożony dla dużej liczby kryteriów, metodę
Monte Casino można podobnie połączyć z definicją rozwiązania polioptymalnego, skalaryzację za pomocą
funkcji liniowej mozna również realizować podobnie, równolegle, jednocześnie optymalizując zbiór funkcji
skalarnych dla różnych wartości współczynników wagowych.
metoda szacowania funkcji wartości: wykonanie testu czy model addytywny jest akceptowalny, założona
postać funkcji W(Q(x)) = W1(Q1(x)) + W2(Q2(x)), interaktywne oszacowanie W1, oszacowanie drugiej funkcji
wartości i ewentualnie współczynników wagowych.
Ilość uzyskanych
koszt obliczeń: wysiłek decydenta:
informacji:
Metody z preferencjami
Duża Duży Mały
wyrażanymi aposteriori
Metody z progresywną
Mała Mały Duży
artykulacją preferencji
Metody z preferencjami
Mała Mały Duży
wyrażonymi a'priori
Koncepcje porządkowania przestrzeni kryterialnej: porządek hierarchiczny, skalaryzacja za pomocą funkcji
liniowej.
Procedura rozwiązania zadania decyzyjnego wielokryterialnego: 1 Etap - sformułowanie problemu, realizuje
osoba modelująca; 2 Etap - wyznaczenie zbioru rozwiązań polioptymalnych, realizuje osoba prowadząca
obliczenia; 3 Etap - wybór jednego ostatecznego rozwiązania, realizuje decydent; wszystkie etapy mogą być
realizowane przez tę samą lub różne osoby.
Możliwe strategie rozwiązania (przekładnia): dominacja jednego z problemów cząstkowych, wypracowanie
kompromisu na poziomie problemów cząstkowych i na poziomie między zadaniowym, preferencje na poziomie
zadań cząstkowych i na poziomie międzyzadaniowym.
Metody optymalizacji wieloatrybutowej (Multiattribute optimization)
Metody Optymalizacji wielodyscyplinowej: geneza: optymalizacja w praktyce - duże zadania, problemy w
praktyce, modele oparte na fizyce a modele empiryczne; duże zróżnicowanie skali problemów i stosowanych
modeli; przykłady - projektowanie maszyn i pojazdów, zadania symulacji w budowie maszyn; kojarzenie dużych
zadań z metodami optymalizacji wielokryterialnej; proces doskonalenia modelu w trakcie rozwiązywania
zadania optymalizacji wielokryterialnej; projektują biura projektowe złożone z działów - jeżeli działy połączą
swoje modele i będą je badać w sposób zintegrowany; lepsza współpraca; dużo etapów daje się zrealizować
wcześniej - prawie równolegle; idee Concurrent Engineering.
Koncepcje: optymalność w sensie Pareto, porządek hierarchiczny, liniowa kombinacja kryteriów.
Kontekst procesu projektowego w dzisiejszym przemyśle: projektowanie kompleksowych produktów
realizowane zespołowo, podejście sekwencyjne (klienci, marketing, projektowanie, produkcja),
podejście współbieżne (lata 90-te) - w miarę jednoczesne prowadzenie prac projektowych i przygotowywanie
procesów produkcyjnych, mieszane zespoły, osoby odpowiedzialne za rozwój określonego produktu, bardzo
duża rola wymiany informacji pomiędzy wszystkimi uczestnikami procesów inżynierskich, odpowiednie
momenty (tworzona i dystrybuowana odpowiednia informacja), szerokie posługiwanie się informacja wizualną
(informacje o wymaganiach, koncepcjach, planach procesów - schematy i szkice), narzędzia i techniki poprzez
wymianę informacji stają się środkiem do integracji zespołów,
Concurrent Engineering (80% czynniki kulturowe a 20% techniki komputerowe) - innego projektowania już
prawie nie ma - uwzględnienie całego życia produktu, praca zespołowa, uwzględnienie faktu że proces jest tak
samo ważny jak produkt, duża uwaga skoncentrowana na zadaniach polegających na przetwarzaniu informacji,
staranne rozwijanie wymagań w stosunku do produktu, próby tworzenia wielu koncepcji produktu jak i jego
rozwoju, świadomość istnienia i roli procesów podejmowania decyzji, dążenie do projektowania z dbałością o
jakość na każdym etapie, współbieżny rozwój produktu i procesu wytwarzania, duża dbałość o to aby właściwa
informacja była dostarczana właściwym osobom we właściwym czasie.
Życie produktu: identyfikacja potrzeby, plan procesu projektowego, rozwój wymagań inżynierskich w stosunku
do produktu, rozwój koncepcji i rozwój produktu, wytwarzanie i montaż, dystrybucja, instalacja, użytkowanie,
usunięcie, demontaż, re-użycie lub re-cycling.
Aspekt wiedzy w procesie projektowania: w trakcie procesu projektowego następuje proces uczenia się
projektujących, w trakcie procesu projektowego im więcej projektujący się nauczy tym wraz z postępami
procesu ma mniejszą swobodę projektową.
Uwagi odnośnie projektowania: wiele potrzeb pojawia się stopniowo w miarę uszczegółowiania informacji o
projekcie, planowanie procesu projektowego (zwykle póz
niej plany są aktualizowane i modyfikowane), nowe
problemy pojawiają się cały czas, generalnie występują dwie fazy - generowanie koncepcji i generowanie
produktu, permanentne ocenianie powyższych etapów, dużo decyzji jest podejmowanych przy niepewnej
informacji, komunikowanie decyzji innym członkom zespołu czy też innym zespołom jest bardzo ważne.
Koncepcja porządkowania przestrzeni kryterialnej:
porządek hierarchiczny - koncepcja realistyczna: ustalamy porządek hierarchiczny kryteriów np. Q2 i Q1,
minimalizujemy Q2(x) i uzyskujemy Q1(x), minimalizujemy Q1(x) pod warunkiem nie pogorszenia Q2(x)
uzyskanego w poprzednim punkcie i uzyskujemy Q(x2).
skalaryzacja za pomocą funkcji liniowej: Budujemy funkcję będącą kombinacją liniową funkcji Q1 i Q2 - Q(x) =
k1Q1(x) + k2Q2(x), minimalizujemy funkcję Q(x) ze względu na x przy ustalonych wartościach k1 i k2,
powtarzamy drugi krok dla różnych wartości k1 i k2.
Zastosowania optymalizacji wielodyscyplinowej: dawniej zastosowania w kontekście dekompozycji i
koordynacji wynikających z rozmiarów problemu (zadania optymalizacji wielopoziomowe, hierarchiczne),
dzisiaj w kontekście modelowania i integrowania różnych problemów a także podejmowania decyzji.
Kompleksowe produkty (samochód): zbiór złożonych układów, różne związki między różnymi problemami,
słabsze i głębsze powiązania (analiza powiązań), możliwości wizualizacyjne i percepcyjne, zadanie
wyodrębnione i zamodelowania różnych układów i powiązania ich ze sobą modelowo, ważne widzenie
wzajemnych oddziaływań różnych dyscyplin, jakościowo - ilościowe zależności, ludzie mają koncepcje
(jakościowe) które weryfikują modelowo (ilościowo), formułowanie problemu, dużo analiz dotyczy
projektowania wstępnego i poszukiwania oraz weryfikowania koncepcji, modele muszą być oparte na fizyce.
Tok postępowania: zdefiniowanie wymagań (np. opisowe), zdefiniowanie składników zadania optymalizacji,
modelowanie zjawisk fizycznych i testowanie modeli indywidualnie, weryfikacja i porównanie z innymi
wynikami, poszukiwanie zmiennych decyzyjnych które mają wpływ na kryteria, analiza postoptymalizacyjna.
Zadania wielodyscyplinowe są na ogół duże, mają bardzo skomplikowane postacie obrazu obszaru
dopuszczalnego w przestrzeni wielokryterialnej, dużą wagę przywiązuje się do "patologii" różnych przypadków,
duża rola narzędzi do analiz postoptymalizacyjnych.
Symulacja cyfrowa
problemy dynamiki maszyn (przed komputerami): budowa stosunkowo prostych modeli i ich badanie
metodami analitycznymi, uproszczony charakter analiz, duża rola badań prowadzonych na rzeczywistych
obiektach.
problemy dynamiki maszyn (początek komputerów): budowa modeli matematycznych i ich badanie, analizy,
stosowanie metod numerycznych zaimplementowanych komputerowo, powszechna architektura - procedura
biblioteczna i funkcja użytkowania.
rosnące rozmiary modeli, coraz większa liczba stopni swobody, uwzględnienie wielu oddziaływań, modelowanie
nieliniowości, wprowadzenie elementów losowości, obliczanie kryteriów pozwalających na ocenę uzyskanych
efektów, modelowanie kontaktu, uwzględnienie złożoności oddziaływań, rozwój wiedzy ekspertowej związanej
z modelowaniem i analizą określonych klas problemów.
Problem wiedzy na temat tworzenia modeli: wiedza eksperta i proces jej rozwoju, próby komputerowe zapisu
wiedzy ekspertów, rozwój wiedzy, autorski wymiar wiedzy z dynamiki maszyn, wiedza i jej skuteczność.
Cel analizy problemów dynamiki maszyn: poznanie i analiza zjawiska, dobór optymalnych wartości
parametrów realnych układów, przynajmniej częściowa rezygnacja z kosztownych badań stanowiskowych.
Optymalizacja w problemach dynamiki maszyn: tworzenie modeli, dobór zmiennych decyzyjnych i obszarów
dopuszczalnych i uwzględnienie starowania (aspekt energetyczny), stosowane kryteria jakości, stosowane
metody optymalizacji, problem wieloaspektowości.
granice modeli optymalizacyjnych i wniosków wyciąganych z ich analiz w dynamice maszyn, konsekwencje
wieloaspektowości, konsekwencje pracy zespołowej, człowiek i jego droga dochodzenia do nowych rozwiązań
w dynamice maszyn.
Automatyzacja oprogramowania do badania układów dynamicznych: rozwój metod numerycznych, budowa
generatorów równań ruchu, budowa pre i post procesorów opartych o grafikę, integracja modułów
optymalizacyjnych z oprogramowaniem do analiz.
pojawienie się na rynku szeregu systemów tej klasy, różnice w zastosowanych formalizacjach i efektywności
oraz różne przeznaczenie, wbudowanie dużej ilości elementów graficznych, integracja z innym
oprogramowaniem, ograniczenia w stosowalności, duży rynek, w praktyce rozważanie bardzo złożonych modeli
(setki stopni swobody), specyfikacja określonych testów (określone manewry i ich parametry), nawiązanie do
wyników badań na obiektach - problemy z identyfikacją parametrów, trudności w opisie zachowań człowieka,
duża wydajność narzędzi komputerowych, duża rola eksperta w ocenie jakości prowadzonych analiz, rola
parametrów domyślnych zastosowanych w oprogramowaniu, wiedza typu umiejętności, wersje dedykowane
oprogramowania.
Symulatory: problemy z modelowaniem cłowieka - jego reakcji i zachowań, różne klasy symulatorów,
symulowanie bezwładności i efektów wizualnych oraz akustycznych, próby wiązania symulatorów z
optymalizacją.
różne klasy symulatorów (edukacja, testy, badania).
rosnący stopień komplikacji budowanych i analizowanych modeli, rosnąca rola metod decyzyjnych
(optymalizacja i polioptymalizcaja), automatyzowanie czynności rutynowych związanych z budową modeli
układów dynamicznych, rosnąca rola animacji i narzędzi wirtualnych oraz symulatorów, coraz powszechniejsze
dostrzeganie problemów wielodyscyplinowości.