Faglig innhold

Introduksjon til matematisk modellering for regulering og optimalisering av industrielle systemer. Problemformulering og valg av modellering. Lineær, dynamisk, ikke-lineær og stokastisk programmering. Strømnings- og nettverksmodellering. Kømodeller og Markov-kjeder. Noen analyseresultater og bruk av simulering av diskrete hendelser. Monte Carlo simulering. Stokastiske inventarmodeller. Pålitelighet og vedlikehold av produksjonslinjen. Synkronisering av vedlikeholds- og driftsaktiviteter. Modeller og analyse av digitale teknologier for styring og optimalisering av cyberfysiske systemer. Digital tvilling og simulering av industrielle systemer. Grunnleggende reguleringsteknikk.

Læringsutbytte

Kunnskap:

Grunnleggende kunnskap om matematiske modeller av dynamiske industrielle systemer. Kjenne til viktige programmeringsteknikker for optimering, kø og Markovkjeder for styring av industrielle systemer, simuleringsmodellering og grunnleggende reguleringsteknikk. Vite hva som kjennetegner dynamikk i industrielle systemer, og metoder for å analysere deres oppførsel og kontrollere dem med digitale teknologier. Kunne designe/syntetisere enkle cyberfysiske systemer ved bruk av digitale tvillinger og simulering av industrielle systemer. Kjenne til de vanligste digitale teknologiene i industriell bruk.

Ferdigheter:

Kunne selvstendig gjennomføre mindre utviklingsprosjekter og bidra aktivt i større prosjekter. Kunne styre og optimalisere dynamiske industrielle systemer. Design enkle simuleringsmodeller og digitale tvillinger. Ha tilstrekkelig grunnleggende kunnskap for mer avanserte kurs i styring og kontroll.

Generell kompetanse:

Kommunisere om kontroll- og optimaliseringsrelevante problemstillinger både med spesialister og allmennheten. Ha bevisste holdninger til hvordan man styrer og optimaliserer industrielle systemer, både tekniske og ikke-tekniske systemer.

Læringsformer og aktiviteter

Forelesninger, dataøvinger og regneøvinger. Det er åtte regneøvinger, hvorav fire må være godkjent. Også tre obligatoriske dataøvinger i to-studentgrupper, ved hjelp av MATLAB, Anylogic og Phyton. Kursets hjemmeside vil bli oppdatert med sammendrag av forelesningens innhold. I tillegg referanser til valgfri litteratur og noen modeller og enkle programmer.

Obligatoriske aktiviteter

• Øvinger

Anbefalte forkunnskaper

Grunnleggende kunnskap i programmering, statistikk, sannsynlighetsregning og matematisk modellering.

Kursmateriell

Kurskompendium som kan lastes ned fra Blackboard. Kurset har en åpen hjemmeside.

Studiepoengreduksjon