Page 1

PAR P O M I A RY • A U T O M AT Y K A • R O B O T Y K A

3/2017 ISSN 1427-9126 Indeks 339512

Cena 25,00 zł w tym 5% VAT

Technical Sciences Quarterly |    '   /  

W numerze:

3 5 11

Od Redakcji      

                 !  "# $%&

            

27

'( ) &     *+ !  , (* "**- 

35

. ) !  ! /+ !  

45

  

   

    !!     "       #  $ %&'(') )(  0 1( +23  *

*    +      +  ! ,     %-).$  +  ! "" ' (

 * 4 Informacje dla Autorów – 81 | International Federation for the Promotion of Mechanism and Machine Science – 85 | Kalendarium – 89 | XXI Konferencja Automatyków Rytro 2017 – 90 |          94 | Mechatronics: Ideas for Industrial Applications – 96 | 14th International Conference Dynamical Systems Theory and Applications – 99 | Coordinate Measuring Technique CMT ’18 – 100 |  !" !  !" # $ %& '( &) 

101 | AutoCAD 2018/LT2018/360+ – 102 | Autodesk Inventor Professional 2018PL/2018+/Fusion 360 – 103 | * !"    $  104


Rada Naukowa

Rok 21 (2017) Nr 3(225) ISSN 1427-9126, Indeks 339512

Redaktor naczelny

1.2 '  !*  ,            G&* 1.   Y 1  Z  [  \

/ 2-)  C

1.  3 O     O       ]#

*  ,     

1.#4 5.6 1 . + Y 1    [' \

* D2( ! C

*!    * D2, 

C

/ 2   '(E  / 2!   

* D2( ! CE*     F  

( G* E* H  / 2+  E   (  / 2-)  C E  

( 0        

$744 Y 1  ,  [.  \ 1.(  8    O    

&O 1.9   '.84  . * Y 0  ! 1[Y \ 1.7.8  C D ) * ^ H

 1.2.     O     [ ( \ 1.2  

0 *Y 1 [ \

Druk )*'J  +K   /2 2 2 .*LMM(2

1.'   * O D 

 *     

Wydawca

5 .   Y 1  [' \

  O    P

&O 2  

 QMQMQ$TUL

Kontakt K*     $  ( 

 K   2  

 QMQMQ$TUL 2QQUVTMWTL X/2/ 2/2/

1.*       O       _  

1.2   &  * )#*    ,    1.  '.&44 O   -     [K \ 1.(  `01 1  a. Y 1 [Y \ 1.# /   * O D 

 )#* D   (



)#*   1.2 ("  - Y 1 [! *\

Pomiary Automatyka Robotyka  /      $     $      * WffV 2  WU     H  

 H  2   *            / #         P/  / *  /    $*       

          (

2

!    $   

   K   *  P ,)+-c' (   O."g-K.O-Y[O-3QMWh4hV2QW\DP      D  /    /      KO.+2  . /      U/[/ 2WQTT\2# #  H*      * . * H/  /     /   P    $   

 K  2 #/   #[  #\//  2 Y* H/  D/  HK"O'O+0EH  #* / ^ 2

1./(

 -* bY 1 [ , \ 1.:  ( * O D 

 *   0 (     /    ( 

+,EO   // * +  (,  ' c [.  \ 1.# ; < *    +  (     ]# 1. =4

 1 *    [  \ 1.8  1 < O O       K         1.:  :  KO+Y 1   [ \ 1.#.5  `! 1  a. Y 1 [Y \


"K"!-O

  



    *    ( /      

 K   ( 

 2K* * *(  

& # D/  

 { ^ *  * *  (  *  #D /  2   ( *   #  /     

  *  # /

&       *    *

  # /



2 *  /  &  / ^ H /

 /   ^  / # (J  /  // *     ^   &    2    * ^  / # ^  /     &  2 * /*  (*   # /     ^  /  C*         2!    D  *  #   * * ^ /

&// *  &D      2 - & H(#  ( * *  # *C 

    (& ^ *   &/ & / (    #   /      2   D H

 *   /       2  (& ^  /  /  & D{        /   &/        2  *  #    H/ & D/ ^ H  /      ^ D  &     / # /     # (    2  * /  /*  & D *    //    ( 2  (  */  /  { H*  ^   #D 

* ( 

 2 Y(H- && / / ^ H   E       #  ( H      2. (   D& { (H  H  & ##/   *  (  H/  ( 2 + ( *  H * &D  *   2%  

2

Redaktor naczelny kwartalnika Pomiary Automatyka Robotyka / 2* 2 D2-)  C

3


4

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7




 K  O.WTQV$fWQLK2QW.Â&#x2020;FQMWV

   3

Od Redakcji

5

     

          Mathematical Model of Traffic Flow in a Macroscopic Scale

 11 

       !  "# $%&              Architecture with Mechatronics â&#x20AC;&#x201C; Architectronics

27   

'( ) &     *+ !   , (* "**-    

    " /   ^       (

 / 

35    

. ) !  ! /+ !       !!     "        #  $ %&'(') "  ,  ' Y ( $/ -    / *  *   [.\

45     

)(  0 1( +23  * *    +      +  ! ,     %-).$  +  ! "" ' ( //   K  * 1     O      2Q2

     Y  K  Method Algorithm S

53  

  ! + 

 #/   0     (     

 *  **  * /    &  

59 

 -  *  " _ (   1    $ '2     (  Optimization      ^ D       ( /D (   rolowego





   

 

69    

"* !  

4           (      +          + - /  *  -  - Â&#x201E;Y    " (    *' / "O /    

75   

   (  * K  C *  5         +      !      *O K      "  *  

 

1


O+K]-O

81

70  ' !

9: 

$       O   _*          *   

9; 4   ;< 40 =1   ggO!   &K QMWV ;> 40 =1    /   ( & / $QMWV ;? 40 =1     4O* O * //   ;; 

40 =* @ WTthO   -  " 

 E+   *//  

B<< 40 =* @  - *  (+ Â&#x2021;-+Â&#x201E;WU 101 

Wydarzenia '*C/    cO

  - 

B<-  "D   -"QMWUF0+QMWUFÂ&#x2020;LMÂ&#x2C6;2  !/   /   (   /   ( Q" Â&#x2020;" B<E  "D   *O 1    QMWU0FQMWUÂ&#x2C6;F_ Â&#x2020;LM   */    B<>  "D  ] *  / (    &

Q

P

O

M

I

A

R

Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 21, Nr 3/2017, 5â&#x20AC;&#x201C;10, DOI: 10.14313/PAR_225/5

6" "  8  "   , -$ )&.  ! 5 !"  " #   98% 8$//&;$.$

Streszczenie: Modele matematyczne, bÄ&#x2122;dÄ&#x2026;ce uproszczonÄ&#x2026; reprezentacjÄ&#x2026; zachodzÄ&#x2026;cych zjawisk, pozwalajÄ&#x2026; na prognozowanie przyszĹ&#x201A;ych stanĂłw. Jest to szczegĂłlnie istotne w odniesieniu do problemu przeciÄ&#x2026;Ĺźonej infrastruktury drogowej w obszarach miejskich oraz moĹźliwoĹ&#x203A;ci poprawy tej sytuacji przez zastosowanie inteligentnych algorytmĂłw sterowania. Zaproponowany autorski, dyskretny, nieliniowy model matematyczny reprezentujÄ&#x2026;cy przepĹ&#x201A;yw ruchu ulicznego w skali makroskopowej umoĹźliwia przeprowadzenie testowania nowych rozwiÄ&#x2026;zaĹ&#x201E; sterowania przed ich wdroĹźeniem do realnego systemu. Badania symulacyjne, przeprowadzone z wykorzystaniem Ĺ&#x203A;rodowiska MATLAB, zostaĹ&#x201A;y wykonane w celu weryfikacji poprawnoĹ&#x203A;ci dziaĹ&#x201A;ania modelu. ObejmujÄ&#x2026; one scenariusze wolnego przepĹ&#x201A;ywu pojazdĂłw oraz blokowania siÄ&#x2122; drogi. Wskazana zostaĹ&#x201A;a rĂłwnieĹź moĹźliwoĹ&#x203A;Ä&#x2021; rozbudowy modelu o zĹ&#x201A;oĹźone ciÄ&#x2026;gi drĂłg oraz skrzyĹźowaĹ&#x201E;. (  H"" " " "      " 

1. Wprowadzenie Transport i motoryzacja stanowiÄ&#x2026; jednÄ&#x2026; z najszybciej rozwijajÄ&#x2026;cych siÄ&#x2122; gaĹ&#x201A;Ä&#x2122;zi gospodarki. CiÄ&#x2026;gle rosnÄ&#x2026;ca liczba pojazdĂłw na drogach oraz wzrastajÄ&#x2026;ce potrzeby komunikacyjne spoĹ&#x201A;eczeĹ&#x201E;stwa sprawiajÄ&#x2026;, Ĺźe istniejÄ&#x2026;ca infrastruktura drogowa staje siÄ&#x2122; przeciÄ&#x2026;Ĺźona. Jest to szczegĂłlnie widoczne w obszarach miejskich, gdzie w tak zwanych godzinach szczytu obserwuje siÄ&#x2122; powstawanie zatorĂłw drogowych, potocznie nazywanych korkami. Jednym z podstawowych, negatywnych skutkĂłw wystÄ&#x2122;powania zatorĂłw, bÄ&#x2026;dĹş zbyt duĹźego zagÄ&#x2122;szczenia pojazdĂłw, jest wydĹ&#x201A;uĹźenie czasu podróşy. WpĹ&#x201A;ywa to nie tylko na frustracjÄ&#x2122; kierowcĂłw czy pasaĹźerĂłw komunikacji miejskiej, ale takĹźe powoduje nadmierne zanieczyszczenie Ĺ&#x203A;rodowiska przez zwiÄ&#x2122;kszenie iloĹ&#x203A;ci spalin i haĹ&#x201A;asu [1â&#x20AC;&#x201C;4]. RozwiÄ&#x2026;zanie powyĹźszych problemĂłw moĹźe stanowiÄ&#x2021; rozbudowa istniejÄ&#x2026;cych ciÄ&#x2026;gĂłw komunikacyjnych o dodatkowe pasy ruchu lub ich caĹ&#x201A;kowita modyfikacja. Jednak jest to rozwiÄ&#x2026;zanie niezwykle kosztowne i bardzo czÄ&#x2122;sto nierealne do wykonania ze wzglÄ&#x2122;du na zagÄ&#x2122;szczenie urbanistyczne. AlternatywÄ&#x2122; stanowi rozwĂłj algorytmĂłw sterowania ruchem ulicznym [1â&#x20AC;&#x201C;3]. Podstawowym narzÄ&#x2122;dziem stosowanym do sterowania ruchem jest sygnalizacja Ĺ&#x203A;wietlna. WpĹ&#x201A;ywa ona na poprawÄ&#x2122; bezpieczeĹ&#x201E;stwa, uĹ&#x201A;atwia wjazd na skrzyĹźowanie pojazdom znajdujÄ&#x2026;cym siÄ&#x2122; na drogach podporzÄ&#x2026;dkowanych oraz pozwala na faworyzowanie

' " H ' ()  " )  "* % '        &+%&,%-&./% -0%&/%-&./%             !"" #     $%&

drĂłg o wiÄ&#x2122;kszym natÄ&#x2122;Ĺźeniu ruchu. Jednak Ĺşle skoordynowana sygnalizacja moĹźe znacznie pogarszaÄ&#x2021; pĹ&#x201A;ynnoĹ&#x203A;Ä&#x2021; ruchu przez powodowanie duĹźej liczby zatrzymaĹ&#x201E;, co moĹźe prowokowaÄ&#x2021; kierowcĂłw do Ĺ&#x201A;amania przepisĂłw ruchu drogowego, a w konsekwencji prowadziÄ&#x2021; do sytuacji niebezpiecznych [5, 3]. Dlatego coraz czÄ&#x2122;Ĺ&#x203A;ciej klasyczny, cykliczny system sterowania sygnalizacjÄ&#x2026; Ĺ&#x203A;wietlnÄ&#x2026; zastÄ&#x2122;puje siÄ&#x2122; systemem akomodacyjnym, wspĂłĹ&#x201A;pracujÄ&#x2026;cym z urzÄ&#x2026;dzeniami monitorowania natÄ&#x2122;Ĺźenia ruchu i/lub wykorzystujÄ&#x2026;cym inteligentne systemy zarzÄ&#x2026;dzajÄ&#x2026;ce. Inteligentne systemy transportowe ITS stanowiÄ&#x2026; rozwiÄ&#x2026;zania wykorzystujÄ&#x2026;ce w swojej strukturze zarĂłwno technologie informatyczne, telekomunikacyjne, jak i elektronikÄ&#x2122; pojazdowÄ&#x2026;. Celem stosowania ITS jest zwiÄ&#x2122;kszenie przepustowoĹ&#x203A;ci istniejÄ&#x2026;cej infrastruktury drogowej, poprawa bezpieczeĹ&#x201E;stwa oraz ograniczenie emisji spalin i haĹ&#x201A;asu [6, 7]. Do istniejÄ&#x2026;cych wykorzystywanych systemĂłw inteligentnego sterowania ruchem moĹźna zaliczyÄ&#x2021; m.in.: SCOOT, TRACS, SIGOP-U, RTOP [8]. NieodĹ&#x201A;Ä&#x2026;cznym elementem ITS jest system modelowania ruchu drogowego, ktĂłry umoĹźliwia przetestowanie nowych rozwiÄ&#x2026;zaĹ&#x201E;, sprawdzenie ich efektywnoĹ&#x203A;ci, niezawodnoĹ&#x203A;ci oraz rentownoĹ&#x203A;ci przed wdroĹźeniem do realnego systemu sterowania ruchem ulicznym. SymulacjÄ&#x2122; przepĹ&#x201A;ywu drogowego moĹźna przeprowadziÄ&#x2021; dla duĹźej liczby scenariuszy zdarzeĹ&#x201E; i okolicznoĹ&#x203A;ci, co pozwala na podjÄ&#x2122;cie pewnych decyzji. Celem dziaĹ&#x201A;ania systemu modelowania ruchu drogowego jest wytworzenie rzetelnej prognozy stanu ruchu ulicznego, przy zadanej geometrii drĂłg oraz wartoĹ&#x203A;ciach przepĹ&#x201A;ywu [2â&#x20AC;&#x201C;4, 9]. Modele przepĹ&#x201A;ywu moĹźna podzieliÄ&#x2021; ze wzglÄ&#x2122;du na skalÄ&#x2122; modelowania, gdzie gĹ&#x201A;Ăłwnie moĹźna wyróşniÄ&#x2021; podejĹ&#x203A;cie mikroi makroskopowe. Modelowanie mikroskopowe polega na identyfikowaniu poszczegĂłlnych pojazdĂłw, zachowania ich kierowcĂłw oraz interakcji pomiÄ&#x2122;dzy innymi uczestnikami ruchu [9]. PodejĹ&#x203A;cie makroskopowe, zaprezentowane w pracach [1, 2, 10â&#x20AC;&#x201C;12], nie wyróşnia poszczegĂłlnych pojazdĂłw, lecz traktuje je jako strumieĹ&#x201E; przepĹ&#x201A;ywu, opisywany za pomocÄ&#x2026; gÄ&#x2122;stoĹ&#x203A;ci, natÄ&#x2122;Ĺźenia

5


 *    //   (     / 

LiczbÄ&#x2122; pasĂłw ruchu kaĹźdej drogi okreĹ&#x203A;la wartoĹ&#x203A;Ä&#x2021; lm. Schemat poglÄ&#x2026;dowy tak okreĹ&#x203A;lonej drogi przedstawiony zostaĹ&#x201A; na rysunku 1. KaĹźdy z i segmentĂłw drogi m w dowolnej chwili k okreĹ&#x203A;lony jest przez dwie zmienne stanu: gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; rm,i(k) [poj./km/pas] oraz prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; vm,i(k) [km/h]. Ponadto na podstawie zmiennych stanu wyznaczana jest dodatkowa wielkoĹ&#x203A;Ä&#x2021; okreĹ&#x203A;lajÄ&#x2026;ca natÄ&#x2122;Ĺźenie ruchu pojazdĂłw qm,i(k) [poj./h] na danym odcinku drogi. NatÄ&#x2122;Ĺźenie te definiowane jest w postaci:

oraz prÄ&#x2122;dkoĹ&#x203A;ci. Zaburzenie pojedynczego parametru modelu makroskopowego ma wpĹ&#x201A;yw na caĹ&#x201A;y modelowany ukĹ&#x201A;ad. RosnÄ&#x2026;ce w siĹ&#x201A;Ä&#x2122; problemy transportowe przedstawione w pierwszej czÄ&#x2122;Ĺ&#x203A;ci wprowadzenia oraz stale zwiÄ&#x2122;kszajÄ&#x2026;ce siÄ&#x2122; zapotrzebowanie komunikacyjne spoĹ&#x201A;eczeĹ&#x201E;stwa stanowiÄ&#x2026; niewÄ&#x2026;tpliwÄ&#x2026; motywacjÄ&#x2122; autorĂłw do podjÄ&#x2122;cia siÄ&#x2122; pracy nad uefektywnionym makroskopowym systemem modelowania ruchu drogowego. Dotychczas prezentowane modele [1, 2, 10â&#x20AC;&#x201C;12] nie charakteryzujÄ&#x2026; siÄ&#x2122; w peĹ&#x201A;ni wiernym odtworzeniem rzeczywistoĹ&#x203A;ci. W modelach tych nie zostaĹ&#x201A;y uwzglÄ&#x2122;dnione ograniczenia wynikajÄ&#x2026;ce z fizycznych aspektĂłw drogi, tj. ograniczona gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; pojazdĂłw na skoĹ&#x201E;czonym odcinku lub maksymalna przepustowoĹ&#x203A;Ä&#x2021;. Brak hybrydowoĹ&#x203A;ci proponowanych modeli skutkowaĹ&#x201A;a uzyskiwaniem nierzeczywistych, w tym ujemnych, wartoĹ&#x203A;ci prÄ&#x2122;dkoĹ&#x203A;ci oraz gÄ&#x2122;stoĹ&#x203A;ci pojazdĂłw. Przedstawione modele nie realizowaĹ&#x201A;y takĹźe wstecznej propagacji pojazdĂłw w przypadku zablokowanej drogi. Celem niniejszej pracy jest opracowanie udoskonalonego modelu ruchu ulicznego w skali makroskopowej oraz przedstawienie stosowanego aparatu matematycznego. Stworzony przez autorĂłw model zostaĹ&#x201A; zainspirowany makroskopowym symulatorem METANET [2, 1]. Do tego modelu autorzy wprowadzili szereg modyfikacji omĂłwionych w podpunkcie drugim. W finalnej czÄ&#x2122;Ĺ&#x203A;ci pracy przedstawiono wyniki badaĹ&#x201E; symulacyjnych przeprowadzonych na podstawie stworzonego modelu.

q m .i (k ) = Ď m ,i (k )ν m ,i (k )Îťm

WartoĹ&#x203A;ci powyĹźszych zmiennych stanu mogÄ&#x2026; byÄ&#x2021; wyznaczone w kolejnych chwilach czasu na podstawie dyskretnych, nieliniowych rĂłwnaĹ&#x201E; stanu. W oryginalnym zaproponowanym w niniejszej pracy modelu uwzglÄ&#x2122;dniono dodatkowo ograniczenia i nasycenia sygnaĹ&#x201A;Ăłw. Dodane w zaleĹźnoĹ&#x203A;ci (3) warunki logiczne gwarantujÄ&#x2026;, Ĺźe wyznaczone gÄ&#x2122;stoĹ&#x203A;ci pojazdĂłw w poszczegĂłlnych segmentach drogi nie bÄ&#x2122;dÄ&#x2026; przyjmowaÄ&#x2021; wartoĹ&#x203A;ci ujemnych oraz wiÄ&#x2122;kszych od gÄ&#x2122;stoĹ&#x203A;ci maksymalnej, co prowadziĹ&#x201A;o do niepoprawnych wynikĂłw podczas symulacji. Zmienna stanu rm,i w dowolnej chwili k + 1 wyznaczana jest wedĹ&#x201A;ug nastÄ&#x2122;pujÄ&#x2026;cego schematu: â&#x17D;§ Ď m ,i (k + 1) â&#x17D;Ş â&#x17D;Ş Ď m ,i (k + 1) = â&#x17D;¨0 â&#x17D;Ş â&#x17D;Şâ&#x17D;Š Ď m ,i

-.   Zaproponowany poniĹźej deterministyczny, dyskretny model matematyczny o parametrach rozĹ&#x201A;oĹźonych bazuje na podstawowych prawach fizyki: zachowania masy i zachowania pÄ&#x2122;du zaadaptowanych na potrzeby symulacji ruchu drogowego. Do stworzenia poniĹźszego modelu wykorzystano wybrane zaleĹźnoĹ&#x203A;ci opublikowane wczeĹ&#x203A;niej dla modelu METANET [1, 2, 12]. Przedstawiony przez autorĂłw analityczny makroskopowy model moĹźe byÄ&#x2021; uĹźyty do opisu sieci drogowych. Ponadto zapewnia on rzetelnÄ&#x2026; prognozÄ&#x2122; stanu ruchu ulicznego przy zachowaniu relatywnie niewielkich nakĹ&#x201A;adĂłw obliczeniowych. W modelu zakĹ&#x201A;ada siÄ&#x2122;, Ĺźe sieÄ&#x2021; drogowa skĹ&#x201A;ada siÄ&#x2122; z M drĂłg. KaĹźda z drĂłg m podzielona jest na Nm odcinkĂłw o dĹ&#x201A;ugoĹ&#x203A;ci Lm speĹ&#x201A;niajÄ&#x2026;cej nastÄ&#x2122;pujÄ&#x2026;cÄ&#x2026; zaleĹźnoĹ&#x203A;Ä&#x2021;:

dla 0 â&#x2030;¤ Ď m ,i (k + 1) < Ď m ,i dla Ď m ,i (k + 1) < 0

(3)

dla Ď m ,i (k + 1) > Ď m ,i

gdzie:

Ď m,i â&#x20AC;&#x201C; maksymalna gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; na i-tym segmencie drogi m, Ď m ,i (k + 1) â&#x20AC;&#x201C; pomocnicza wartoĹ&#x203A;Ä&#x2021; gÄ&#x2122;stoĹ&#x203A;ci pojazdĂłw wyzna-

czona zgodnie z zasadÄ&#x2026; przepĹ&#x201A;ywu bez uwzglÄ&#x2122;dnienia ograniczeĹ&#x201E;, okreĹ&#x203A;lona zaleĹźnoĹ&#x203A;ciÄ&#x2026;:

Ď m ,i (k + 1) = Ď m ,i (k ) +

[

]

T q m ,i â&#x2C6;&#x2019; 1 (k ) â&#x2C6;&#x2019; q m ,i (k ) + q m ,i + 1 (k ) (4) Lm Îťm

q m,i (k ) â&#x20AC;&#x201C; wielkoĹ&#x203A;Ä&#x2021; nadwyĹźki w bilansie przepĹ&#x201A;ywu, pojawiajÄ&#x2026;ca siÄ&#x2122; po osiÄ&#x2026;gniÄ&#x2122;ciu maksymalnej gÄ&#x2122;stoĹ&#x203A;ci pojazdĂłw. W dowolnym segmencie drogi przyjmuje ona nastÄ&#x2122;pujÄ&#x2026;cÄ&#x2026; postaÄ&#x2021;: q m ,i (k ) =

Lm > ν free, mT

(2)

(1)

[

]

Lm Îťm Ď m ,i (k + 1) â&#x2C6;&#x2019; Ď m ,i (k + 1) T

(5)

Z rĂłwnania (4) wynika, Ĺźe wartoĹ&#x203A;Ä&#x2021; gÄ&#x2122;stoĹ&#x203A;ci dowolnego i-tego segmentu m-tej drogi w kolejnym kroku czasowym jest aktualizowana z uwzglÄ&#x2122;dnieniem pojazdĂłw wjeĹźdĹźajÄ&#x2026;cych z segmentu poprzedniego qm,iâ&#x20AC;&#x201C;1(k), pojazdĂłw wyjeĹźdĹźajÄ&#x2026;cych do segmentu nastÄ&#x2122;pnego qm,i(k), okresu dyskretyzacji T, parametrĂłw drogi: Lm i lm oraz nadwyĹźki pojazdĂłw qm ,i +1 (k ) pojawiajÄ&#x2026;cej siÄ&#x2122; w wyniku osiÄ&#x2026;gniÄ&#x2122;cia maksymalnej gÄ&#x2122;stoĹ&#x203A;ci w segmencie nastÄ&#x2122;pnym. Zastosowanie autorskich zmiennych oraz zaleĹźnoĹ&#x203A;ci (4), (5) wprowadza do modelu mechanizm wstecznej propagacji nadwyĹźki pojazdĂłw, ktĂłry wykorzystany zostaje m.in. w przypadku powstawania zatoru drogowego. Innowacje te zapobiegajÄ&#x2026; powstawaniu nierealizowalnych fizycznie wartoĹ&#x203A;ci zmiennych stanu na danym skoĹ&#x201E;czonym odcinku drogi. Druga zmienna stanu okreĹ&#x203A;lajÄ&#x2026;ca Ĺ&#x203A;redniÄ&#x2026; prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; pojazdĂłw na odcinku i drogi m w dowolnej chwili k+1 bazuje na prÄ&#x2122;dkoĹ&#x203A;ciach i gÄ&#x2122;stoĹ&#x203A;ciach uzyskiwanych w poprzednim kroku czasowym oraz na wartoĹ&#x203A;ci prÄ&#x2122;dkoĹ&#x203A;ci oczekiwanej, a wyraĹźana jest na podstawie wzoru:

gdzie: m â&#x20AC;&#x201C; numer analizowanej drogi, vfree,m â&#x20AC;&#x201C; Ĺ&#x203A;rednia prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; wolnego przepĹ&#x201A;ywu drogi m [km/h], T â&#x20AC;&#x201C; okres dyskretyzacji [h].

â&#x17D;§â&#x17D;ŞÎ˝ m ,i (k + 1) ν m ,i (k + 1) = â&#x17D;¨ â&#x17D;Şâ&#x17D;Š0

Rys. 1. Schemat drogi zdyskretyzowanej Fig. 1. Schematic diagram of discretized motorway link

dla q m ,i (k + 1) = 0 dla q m ,i (k + 1) > 0 â&#x2C6;¨ ν m ,i (k + 1) < 0 (6)

6

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


     

gdzie: ν m ,i (k + 1) â&#x20AC;&#x201C; pomocnicza wartoĹ&#x203A;Ä&#x2021; prÄ&#x2122;dkoĹ&#x203A;ci grupy pojazdĂłw wyznaczona bez uwzglÄ&#x2122;dnienia ograniczeĹ&#x201E; w nastÄ&#x2122;pujÄ&#x2026;cy sposĂłb:

ν m ,i (k + 1) = ν m ,i (k ) +

T

Ď&#x201E;

[Ď&#x2018;

m ,i

(k ) â&#x2C6;&#x2019; ν m ,i (k )] +

T ÎłT Ď m ,i +1 (k ) â&#x2C6;&#x2019; Ď m ,i (k ) ν m ,i (k )ν m ,i â&#x2C6;&#x2019;1 (k ) â&#x2C6;&#x2019; ν m ,i (k ) â&#x2C6;&#x2019; + Lm Ď&#x201E;Lm Ď m ,i (k ) + Îş

[

]

(7)

gdzie g [km2/h], k [poj./km/pas] oraz t [h] stanowiÄ&#x2026; parametry modelu. W rĂłwnaniu (7) wyróşniÄ&#x2021; moĹźna trzy podstawowe bloki skĹ&#x201A;adowe: Ď m ,i +1 (k ) â&#x2C6;&#x2019; Ď m ,i (k )

Ď m ,i (k ) + Îş

â&#x20AC;&#x201C; czĹ&#x201A;on korygujÄ&#x2026;cy prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; uzyskiwanÄ&#x2026; w segmencie i w chwili k+1 w zaleĹźnoĹ&#x203A;ci od róşnicy gÄ&#x2122;stoĹ&#x203A;ci wystÄ&#x2122;pujÄ&#x2026;cej miÄ&#x2122;dzy i-tym oraz kolejnym i+1 odcinkiem drogi w chwili k,

[

]

ν m ,i (k )ν m ,i â&#x2C6;&#x2019;1 (k ) â&#x2C6;&#x2019; ν m ,i (k )

â&#x20AC;&#x201C; czĹ&#x201A;on realizujÄ&#x2026;cy aktualizacjÄ&#x2122; prÄ&#x2122;dkoĹ&#x203A;ci w kolejnym momencie na podstawie róşnicy prÄ&#x2122;dkoĹ&#x203A;ci w chwili k miÄ&#x2122;dzy poprzednim iâ&#x20AC;&#x201C;1 oraz i-tym segmentem drogi,

Ď&#x2018;m ,i (k ) â&#x2C6;&#x2019; ν m ,i (k ) â&#x20AC;&#x201C; czĹ&#x201A;on korygujÄ&#x2026;cy prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; vm,i (k + 1) proporcjonalnie do róşnicy miÄ&#x2122;dzy wartoĹ&#x203A;ciÄ&#x2026; teoretycznÄ&#x2026; prÄ&#x2122;dkoĹ&#x203A;ci Ď&#x2018;m,i (k ) pojazdĂłw, a prÄ&#x2122;dkoĹ&#x203A;ciÄ&#x2026; rzeczywistÄ&#x2026; uzyskiwanÄ&#x2026; na danym odcinku drogi w chwili k. PrÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; Ď&#x2018;m,i (k ) jest prÄ&#x2122;dkoĹ&#x203A;ciÄ&#x2026; zaleĹźnÄ&#x2026; od aktualnej wartoĹ&#x203A;ci gÄ&#x2122;stoĹ&#x203A;ci na i-tym segmencie i analogicznie do zaleĹźnoĹ&#x203A;ci (3) wyraĹźa siÄ&#x2122; wzorem: â&#x17D;§ â&#x17D;&#x203A; â&#x17D;&#x153; 1 â&#x17D;Şâ&#x17D;ŞÎ˝ exp â&#x17D;&#x153;â&#x2C6;&#x2019; a Ď&#x2018;m ,i (k ) = â&#x17D;¨ free,m â&#x17D;&#x153; m â&#x17D;? â&#x17D;Ş â&#x17D;Šâ&#x17D;Ş0

â&#x17D;&#x203A; Ď m ,i (k ) â&#x17D;&#x17E; â&#x17D;&#x153; â&#x17D;&#x; â&#x17D;&#x153; Ď crit ,m â&#x17D;&#x; â&#x17D;? â&#x17D;

am

â&#x17D;&#x17E; â&#x17D;&#x; â&#x17D;&#x; â&#x17D;&#x; â&#x17D;

dla Ď m ,i < Ď m ,i dla Ď m ,i â&#x2030;Ľ Ď m ,i

(8)

W powyĹźszym wyraĹźeniu am jest parametrem wykresu fundamentalnego, za to rcrit,m okreĹ&#x203A;la gÄ&#x2122;stoĹ&#x203A;Ä&#x2021;, dla ktĂłrej osiÄ&#x2026;gany przepĹ&#x201A;yw jest najwiÄ&#x2122;kszy. Wykres fundamentalny zaprezentowany zostaĹ&#x201A; na rysunku 2. WzĂłr (6) zapewnia zerowanie wartoĹ&#x203A;ci prÄ&#x2122;dkoĹ&#x203A;ci vm,i w kolejnym kroku czasowym po wykryciu wystÄ&#x2026;pienia dodatniej wartoĹ&#x203A;ci nadwyĹźki q m,i (k ) na odcinku i+1, bÄ&#x2026;dĹş wystÄ&#x2026;pienia negatywnych wartoĹ&#x203A;ci prÄ&#x2122;dkoĹ&#x203A;ci pomocniczej. Ponadto wyznaczona wartoĹ&#x203A;Ä&#x2021; nadwyĹźki q m ,i +1 (k ) wpĹ&#x201A;ywa na zwiÄ&#x2122;kszenie wartoĹ&#x203A;ci zmiennej q m ,i (k + 1) , zgodnie ze wzorem (4). Podobnie jak w przypadku zaleĹźnoĹ&#x203A;ci (3), nowatorskie warunki logiczne widoczne we wzorze (6) oraz nowe zmienne reprezentowane przez wzory (7), (8) wpĹ&#x201A;ywajÄ&#x2026; na uzyskiwanie realnych wynikowych wartoĹ&#x203A;ci prÄ&#x2122;dkoĹ&#x203A;ci pojazdĂłw. Ukazany na rysunku 2 wykres fundamentalny prezentuje zaleĹźnoĹ&#x203A;Ä&#x2021; natÄ&#x2122;Ĺźenia przepĹ&#x201A;ywu pojazdĂłw od ich gÄ&#x2122;stoĹ&#x203A;ci na danej drodze. W zaleĹźnoĹ&#x203A;ci od parametru am charakterystyka przyjmuje róşny ksztaĹ&#x201A;t, jednak niezaleĹźnie od tego parametru kaĹźdy wykres charakteryzuje zbiĂłr takich samych cech. Dla maĹ&#x201A;ych gÄ&#x2122;stoĹ&#x203A;ci pojazdy poruszajÄ&#x2026; siÄ&#x2122; z prawie maksymalnÄ&#x2026; prÄ&#x2122;dkoĹ&#x203A;ciÄ&#x2026;, ktĂłra zmniejsza siÄ&#x2122; wraz ze wzrostem zagÄ&#x2122;szczenia. ZaleĹźnoĹ&#x203A;Ä&#x2021; ta nie wpĹ&#x201A;ywa jednak na zmniejszenie przepĹ&#x201A;ywu pojazdĂłw. Dopiero po przekroczeniu wartoĹ&#x203A;ci gÄ&#x2122;stoĹ&#x203A;ci krytycznej rcrit,m dalszy spadek prÄ&#x2122;dkoĹ&#x203A;ci powoduje redukcjÄ&#x2122; natÄ&#x2122;Ĺźenia przepĹ&#x201A;ywu, co w konsekwencji skutkuje caĹ&#x201A;kowitym zablokowaniem drogi.

Rys. 2. Wykresy fundamentalne Fig. 2. Fundamental diagrams

Zastosowanie powyĹźszego autorskiego modelu pozwala zapobiegaÄ&#x2021; zjawisku nadmiernego gromadzenia siÄ&#x2122; pojazdĂłw na danym odcinku drogi oraz powstawania nierzeczywistych przepustowoĹ&#x203A;ci, co miaĹ&#x201A;o miejsce w przypadku stosowania bazowego symulatora zgodnie z opisem w pracach [2, 12].

I.J      Celem badaĹ&#x201E; jest przeprowadzenie symulacji numerycznej przepĹ&#x201A;ywu, co umoĹźliwi weryfikacjÄ&#x2122; poprawnoĹ&#x203A;ci dziaĹ&#x201A;ania zaproponowanego modelu. Badania zostaĹ&#x201A;y przeprowadzone w Ĺ&#x203A;rodowisku obliczeniowym MATLAB na podstawie modelu matematycznego opisanego rĂłwnaniami (2)â&#x20AC;&#x201C;(8). Przedmiotem analizy jest dwupasmowa droga jednokierunkowa (m = 1, l1 = 2) zgodna ze schematem przedstawionym na rysunku 1. Droga ta podzielona zostaĹ&#x201A;a na 29 odcinkĂłw o dĹ&#x201A;ugoĹ&#x203A;ci L1 = 0,5 km. Na potrzeby symulacji przyjÄ&#x2122;to nastÄ&#x2122;pujÄ&#x2026;ce wartoĹ&#x203A;ci parametrĂłw modelu: a1 = 9, t = 0,05, g = 17, k = 25, dla gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; krytyczna rcrit,1 = 50, gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; maksymalna i = 1, 2, â&#x20AC;Ś, 29 prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; wolnego przepĹ&#x201A;ywu nfree,1 = 70, okres prĂłbkowania T = 0,003. Do badaĹ&#x201E; przyjÄ&#x2122;te zostaĹ&#x201A;y dwa scenariusze: scenariusz pierwszy zakĹ&#x201A;ada wolny przepĹ&#x201A;yw drogi, natomiast drugi symuluje brak wypĹ&#x201A;ywu z koĹ&#x201E;cowego odcinka drogi. Dla obu scenariuszy przyjÄ&#x2122;to, Ĺźe gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; oraz prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; pierwszego odcinka drogi wynoszÄ&#x2026; 40. Odpowiada to nieustajÄ&#x2026;cemu zewnÄ&#x2122;trznemu napĹ&#x201A;ywowi pojazdĂłw do analizowanej drogi. Dla kroku czasowego k = 1, dla wszystkich pozostaĹ&#x201A;ych segmentĂłw drogi i = 2, â&#x20AC;Ś, 29 przyjÄ&#x2122;to gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; pojazdĂłw wynoszÄ&#x2026;cÄ&#x2026; r1,i(1) = 5, natomiast ich prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; rĂłwnÄ&#x2026; n1,i(1) = 30. Na rysunkach 3â&#x20AC;&#x201C;5 przedstawiono wartoĹ&#x203A;ci gÄ&#x2122;stoĹ&#x203A;ci, prÄ&#x2122;dkoĹ&#x203A;ci oraz natÄ&#x2122;Ĺźenia przepĹ&#x201A;ywu pojazdĂłw dla kaĹźdego segmentu drogi i w wybranych chwilach czasu k uzyskane podczas symulacji pierwszego scenariusza badaĹ&#x201E;. Analiza rysunku 3 pozwala zauwaĹźyÄ&#x2021; stopniowÄ&#x2026; propagacjÄ&#x2122; gÄ&#x2122;stoĹ&#x203A;ci pojazdĂłw na kolejne odcinki drogi m. W chwili k = 200, dla odcinkĂłw o numerze porzÄ&#x2026;dkowym wiÄ&#x2122;kszym niĹź i = 10, przy staĹ&#x201A;ym napĹ&#x201A;ywie pojazdĂłw, gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; rozkĹ&#x201A;ada siÄ&#x2122; rĂłwnomiernie, aĹź do koĹ&#x201E;cowego odcinka drogi. Na rysunku 4 przedstawiajÄ&#x2026;cym prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; grupy pojazdĂłw moĹźna zaobserwowaÄ&#x2021; ciÄ&#x2026;gĹ&#x201A;y przyrost prÄ&#x2122;dkoĹ&#x203A;ci na kaĹźdym odcinku drogi m. W ostatnim kroku czasowym k =Â 200 pojazdy znajdujÄ&#x2026;ce siÄ&#x2122; w koĹ&#x201E;cowych segmentach drogi uzyskujÄ&#x2026; prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; zbliĹźonÄ&#x2026; do prÄ&#x2122;dkoĹ&#x203A;ci wolnego przepĹ&#x201A;ywu, ktĂłry dla analizowanego przypadku wynosi 70 km/h. Rysunek 5 prezentujÄ&#x2026;cy natÄ&#x2122;Ĺźenie przepĹ&#x201A;ywu pojazdĂłw, zgodnie ze wzorem (2), Ĺ&#x201A;Ä&#x2026;czy ze sobÄ&#x2026; zaleĹźnoĹ&#x203A;ci ukazane na rysunkach 3 i 4. Widoczna jest na nim propagacja pojazdĂłw na kolejne odcinki drogi, co wraz ze wzrostem prÄ&#x2122;dkoĹ&#x203A;ci pojazdĂłw powoduje wzrost natÄ&#x2122;Ĺźenia przepĹ&#x201A;ywu, ktĂłry dla k = 200 rĂłwny jest maksymalnej

7


 *    //   (     / 

Rys. 3. GÄ&#x2122;stoĹ&#x203A;ci pojazdĂłw w poszczegĂłlnych i segmentach drogi wygenerowane dla scenariusza wolnego przepĹ&#x201A;ywu Fig. 3. Density of each segment i generated for a free flow case

Rys. 6. GÄ&#x2122;stoĹ&#x203A;ci pojazdĂłw w poszczegĂłlnych i segmentach drogi wygenerowane dla scenariusza braku wypĹ&#x201A;ywu Fig. 6. Density of each segment i generated for a blocked road case

Rys. 4. PrÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; grupy pojazdĂłw w poszczegĂłlnych i segmentach drogi wygenerowane dla scenariusza wolnego przepĹ&#x201A;ywu Fig. 4. Speed of the vehicles group included in each segment i generated for a free flow case

Rys. 7. PrÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; grupy pojazdĂłw w poszczegĂłlnych i segmentach drogi wygenerowane dla scenariusza braku wypĹ&#x201A;ywu Fig. 7. Speed of the vehicles group included in each segment i generated for a blocked road case

Rys. 5. NatÄ&#x2122;Ĺźenie przepĹ&#x201A;ywu pojazdĂłw w poszczegĂłlnych i segmentach drogi wygenerowane dla scenariusza wolnego przepĹ&#x201A;ywu Fig. 5. Traffic volume of flow for each segment i generated for a free flow case

Rys. 8. NatÄ&#x2122;Ĺźenie przepĹ&#x201A;ywu pojazdĂłw w poszczegĂłlnych i segmentach drogi wygenerowane dla scenariusza braku wypĹ&#x201A;ywu Fig. 8. Traffic volume of flow for each segment i generated for a blocked road case

pojemnoĹ&#x203A;ci przepĹ&#x201A;ywu wynikajÄ&#x2026;cej z przebiegu wykresu fundamentalnego dla am = 9. Na rysunkach 6â&#x20AC;&#x201C;8 zaprezentowane zostaĹ&#x201A;y wyniki symulacji uzyskane dla drugiego analizowanego scenariusza realizujÄ&#x2026;cego blokowanie drogi poprzez brak wypĹ&#x201A;ywu pojazdĂłw z koĹ&#x201E;cowego segmentu i = 29. Na rysunku 6 widoczna jest propagacja gÄ&#x2122;stoĹ&#x203A;ci pojazdĂłw na kolejne odcinki drogi wraz ze wzrostem czasu. Od chwili k = 10 zauwaĹźyÄ&#x2021; moĹźna nasycenie

siÄ&#x2122; liczby pojazdĂłw w koĹ&#x201E;cowych odcinkach drogi. W kolejnych momentach czasu w segmentach o coraz mniejszych numerach porzÄ&#x2026;dkowych i gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; osiÄ&#x2026;ga wartoĹ&#x203A;Ä&#x2021; maksymalnÄ&#x2026; . Analiza rysunku 7, prezentujÄ&#x2026;cego prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; osiÄ&#x2026;ganÄ&#x2026; przez grupÄ&#x2122; pojazdĂłw na kaĹźdym odcinku drogi w wybranych chwilach czasu k, pozwala zauwaĹźyÄ&#x2021; przyrost prÄ&#x2122;dkoĹ&#x203A;ci w segmentach i = 1, 2, â&#x20AC;Ś, 28 dla k d 60. Pojazdy znajdujÄ&#x2026;ce siÄ&#x2122; na koĹ&#x201E;cowych odcinkach drogi, ze wzglÄ&#x2122;du na brak moĹźliwoĹ&#x203A;ci

8

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


     

wypĹ&#x201A;ywu, osiÄ&#x2026;gajÄ&#x2026; zerowÄ&#x2026; Ĺ&#x203A;redniÄ&#x2026; prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; grupowÄ&#x2026; przemieszczenia. Zjawisko to, wraz ze wzrostem czasu, propaguje siÄ&#x2122; wstecznie na pozostaĹ&#x201A;e odcinki drogi prowadzÄ&#x2026;c do powstania caĹ&#x201A;kowitego zatoru. Opisane zjawiska potwierdza rysunek 8 reprezentujÄ&#x2026;cy natÄ&#x2122;Ĺźenie przepĹ&#x201A;ywu pojazdĂłw. W kaĹźdej chwili czasu koĹ&#x201E;cowe odcinki drogi sÄ&#x2026; blokowane, natÄ&#x2122;Ĺźenie przepĹ&#x201A;ywu tych odcinkĂłw wynosi 0, a fenomen ten rozprzestrzenia siÄ&#x2122; wstecznie wraz ze wzrostem wartoĹ&#x203A;ci k.

L.  Zaprezentowany w pracy dyskretny, nieliniowy model matematyczny umoĹźliwia przeprowadzenie symulacji ruchu drogowego w skali makroskopowej. Przeprowadzona analiza literaturowa pozwoliĹ&#x201A;a zidentyfikowaÄ&#x2021; sĹ&#x201A;abe strony istniejÄ&#x2026;cych juĹź modeli, co z kolei przyczyniĹ&#x201A;o siÄ&#x2122; do wprowadzenia szeregu ulepszeĹ&#x201E;, m.in. do zapobiegania uzyskiwania abstrakcyjnych wartoĹ&#x203A;ci przepustowoĹ&#x203A;ci drĂłg przy duĹźych gÄ&#x2122;stoĹ&#x203A;ciach pojazdĂłw. Wyniki przeprowadzonych badaĹ&#x201E; symulacyjnych potwierdzajÄ&#x2026; poprawnoĹ&#x203A;Ä&#x2021; dziaĹ&#x201A;ania modelu zarĂłwno w warunkach swobodnego przepĹ&#x201A;ywu, jak i blokowania siÄ&#x2122; drĂłg. W sytuacji wolnego przejazdu pojazdĂłw zauwaĹźalna jest ich propagacja do kolejnych odcinkĂłw drogi oraz zwiÄ&#x2122;kszanie gÄ&#x2122;stoĹ&#x203A;ci na poszczegĂłlnych segmentach pod wpĹ&#x201A;ywem ciÄ&#x2026;gĹ&#x201A;ego zewnÄ&#x2122;trznego napĹ&#x201A;ywu pojazdĂłw. Wraz z upĹ&#x201A;ywem czasu pojazdy te zwiÄ&#x2122;kszajÄ&#x2026; swojÄ&#x2026; prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021;, aĹź do uzyskania ustalonej prÄ&#x2122;dkoĹ&#x203A;ci maksymalnej. W warunkach braku ujĹ&#x203A;cia pojazdĂłw z koĹ&#x201E;cowego odcinka drogi widoczne jest tworzenie siÄ&#x2122; zatoru ulicznego propagujÄ&#x2026;cego wstecznie od odcinkĂłw o najwyĹźszych numerach porzÄ&#x2026;dkowych. Zablokowanie drogi powoduje wyzerowanie prÄ&#x2122;dkoĹ&#x203A;ci przemieszczania oraz natÄ&#x2122;Ĺźenia przepĹ&#x201A;ywu pojazdĂłw. Uzyskane wyniki pokrywajÄ&#x2026; siÄ&#x2122; z zaĹ&#x201A;oĹźeniami przedstawionego wykresu fundamentalnego. W kolejnych pracach planowana jest rozbudowa modelu o kolejne drogi i skrzyĹźowania. Ponadto zamiarem autorĂłw jest symulacja sygnalizatorĂłw Ĺ&#x203A;wietlnych oraz identyfikacja parametrĂłw modelu na podstawie rzeczywistego przepĹ&#x201A;ywu wybranej drogi.

J 1 1. Hegyi A., Model predictive control for integrating traffic control measures. PhD thesis, TRAIL Thesis Series

T2004/2. Delft University of Technology, Netherlands, 2004. 2. Kotsialos A., Papageorgiou M., Diakaki C., Pavlis Y., Middelham F., Traffic flow modeling of large-scale motorway networks using the macroscopic modeling tool METANET. â&#x20AC;&#x153;IEEE Transactions on intelligent transportation systemsâ&#x20AC;?, Vol. 3, No. 4, 2002, 282â&#x20AC;&#x201C;292, DOI: 10.1109/TITS.2002.806804. 3. Ziemska M., Cele stosowania inteligentnych systemĂłw transportowych i koordynowania sygnalizacji Ĺ&#x203A;wietlnej. â&#x20AC;&#x17E;Prace WydziaĹ&#x201A;u Nawigacyjnego Akademii Morskiej w Gdyniâ&#x20AC;?, Z. 29, 2014, 107â&#x20AC;&#x201C;112, DOI: 10.12716/1002.29.10. 4. Oskarbski J., Kuprewicz G., Priorytety dla transportu zbiorowego z wykorzystaniem systemu sterowania ruchem. â&#x20AC;&#x17E;Logistykaâ&#x20AC;?, Nr 3, 2014, 4878â&#x20AC;&#x201C;4887. 5. Topolska K., Topolski M., BĹ&#x201A;achut B., Haber M., Piekarz A., Zastosowanie fuzji klasyfikatorĂłw rozmytych i genetycznych w zadaniu sterowania sygnalizacjÄ&#x2026; Ĺ&#x203A;wietlnÄ&#x2026;. â&#x20AC;&#x17E;Biuletyn Naukowy WrocĹ&#x201A;awskiej WyĹźszej SzkoĹ&#x201A;y Informatyki Stosowanej. Informatykaâ&#x20AC;?, Vol. 2, 2012, 30â&#x20AC;&#x201C;33. 6. Krawiec S., CeliĹ&#x201E;ski I., Alternatywny rozwĂłj systemĂłw obszarowego sterowania ruchem drogowym. â&#x20AC;&#x17E;Prace Naukowe Politechniki Warszawskiej. Transportâ&#x20AC;?, Z. 73, 2010, 45â&#x20AC;&#x201C;60. 7. Marczak M., KozĹ&#x201A;owski R., Budowa inteligentnych systemĂłw transportowych jako szansa dla zrĂłwnowaĹźonego rozwoju regionĂłw. â&#x20AC;&#x17E;Ekonomia i ZarzÄ&#x2026;dzanieâ&#x20AC;?, Nr 2, 2014, 34â&#x20AC;&#x201C;42, DOI: 10.12846/j.em.2014.02.03. 8. Gaca S., Suchorzewski W., Tracz M., InĹźynieria ruchu drogowego. Teoria i praktyka, Wydawnictwa Komunikacji i Ĺ Ä&#x2026;cznoĹ&#x203A;ci WKĹ , Warszawa 2011. 9. Benaich H., Pruyt E., Exploring Traffic and Congestion Policies. An entity-based SD Approach. 33rd International Conference of the SD Society, Cambridge 2015. 10. Payne H., Models of freeway traffic and control. Simulation Council Proc., Vol. 1, 1971, 51â&#x20AC;&#x201C;61. 11. Papageorgiou M., Dynamic modelling assignment, and route guidance in traffic networks. Transportation Research. Part B: Methodologicalâ&#x20AC;?, Vol. 24, Iss. 6, 1990, 471â&#x20AC;&#x201C;495, DOI: 10.1016/0191-2615(90)90041-V. 12. Messemer A., Papargeorgiou M., METANET: A macroscopic simulation program for motorway networks. Traffic Engineering & Control., Vol. 31, Iss. 9, 1990, 466â&#x20AC;&#x201C;470.

6 "  6<9 => 6    Abstract: Mathematical models, which are a simplified representation of the phenomena, allow to predict future states. This is particularly important with regard to the problem of congested road infrastructure in urban areas and the possibility of improving this situation through the use of intelligent control algorithms. The proposed discrete, nonlinear mathematical model representing traffic flow on a macroscopic scale enables the testing of new control solutions prior to implementation to the real system. MATLAB simulations are performed to validate the model. These include scenarios of a free flow of vehicles and road blockages. KeywordsH" "  ""  "8  =?  ; "  " " 

9


 *    //   (     / 

;9 , -$ )&



)$9 ;9  ! 5 !".  (9 <=>

 )  "* %

"  % * %%

    A " 8     ; ( "  C)   D  ' " " 8#;    988% E     " 6   F    DG 8     ) "C  #9      A%(     ;    )"H        8%

<      @   ;   " A " 8 #   988 ; % BA  )              A     8A          %

10

P

O

M

I

A

R

Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 21, Nr 3/2017, 11â&#x20AC;&#x201C;25, DOI: 10.14313/PAR_225/11

6     N   

Mariusz Olszewski   D     D 6 L   ( " C) %%( M)J&-;+-+D   

?  &.  (  . @ B EG$ !"H"

  D     D (  @      (  8%@  &&;,+KD    

Streszczenie: W artykule autorzy omawiajÄ&#x2026; nowe realia wynikajÄ&#x2026;ce z procesu integrowania architektury i mechatroniki, w tym przede wszystkim automatyki i robotyki. StajÄ&#x2026; siÄ&#x2122; one narzÄ&#x2122;dziami twĂłrczymi w procesach projektowania, modelowania i budowania architektury spoĹ&#x201A;eczeĹ&#x201E;stwa wiedzy. Omawiane w artykule przykĹ&#x201A;ady rozwiÄ&#x2026;zaĹ&#x201E; architektonicznych Ĺ&#x203A;wiadczÄ&#x2026; o tym, Ĺźe automatyzacja i robotyzacja fabrykacji i montaĹźu struktur i elementĂłw budowlanych sÄ&#x2026; przedsiÄ&#x2122;wziÄ&#x2122;ciami i waĹźnymi, i oczekiwanymi. Zmechatronizowana, kinetyczna architektura staje siÄ&#x2122; takĹźe doskonaĹ&#x201A;ym sposobem uwzglÄ&#x2122;dnienia zmieniajÄ&#x2026;cych siÄ&#x2122; warunkĂłw Ĺ&#x203A;rodowiska oraz wymagaĹ&#x201E; uĹźytkownikĂłw (ang. Form of Interface). Te zmieniajÄ&#x2026;ce siÄ&#x2122; warunki i wymagania stawiane produktom wspĂłĹ&#x201A;czesnej architektury sÄ&#x2026; bezpoĹ&#x203A;rednimi analogiami zmieniajÄ&#x2026;cych siÄ&#x2122; wymagaĹ&#x201E; i ich realizacji takĹźe w odniesieniu do produktĂłw i produkcji przemysĹ&#x201A;owej, objÄ&#x2122;tych zaakceptowanym juĹź pojÄ&#x2122;ciem (r)ewolucji przemysĹ&#x201A;owej 4.0. (  H"        "   )   )       

1. Wprowadzenie Projektowanie architektoniczne wspomagane komputerowo pozwala na tworzenie form, czÄ&#x2122;sto inspirowanych bionikÄ&#x2026; i matematykÄ&#x2026;, odbiegajÄ&#x2026;cych od klasycznie stosowanych w budownictwie form prostopadĹ&#x201A;oĹ&#x203A;ciennych [36]. Nowe geometrie wymagajÄ&#x2026; nowych narzÄ&#x2122;dzi, a te, w tym szczegĂłlnie narzÄ&#x2122;dzia mechatroniczne, pozwalajÄ&#x2026; na fabrykacjÄ&#x2122; i montaĹź projektĂłw architektonicznych powstajÄ&#x2026;cych w Ĺ&#x203A;rodowisku cyfrowym. RozwĂłj metod komputerowych daĹ&#x201A; poczÄ&#x2026;tek zapotrzebowaniu na mechatroniczne urzÄ&#x2026;dzenia, maszyny i systemy [34], sterowane cyfrowo, umoĹźliwiajÄ&#x2026;ce realizacjÄ&#x2122; wspomnianych wizji wspĂłĹ&#x201A;czesnych architektĂłw. Mechatronika â&#x20AC;&#x201C; najogĂłlniej â&#x20AC;&#x201C; jest synergicznym poĹ&#x201A;Ä&#x2026;czeniem mechaniki, elektronicznego sterowania i systemowego myĹ&#x203A;lenia w obszarze projektowania i wytwarzania wszelkich produktĂłw [31, 33], w tym takĹźe produktĂłw architektonicznych. Mechatronizacja produktu architektonicznego, musi obejmowaÄ&#x2021; cztery dziaĹ&#x201A;ania: â&#x2C6;&#x2019; zastÄ&#x2026;pienie statycznej realizacji form stosowanych w budownictwie klasycznym realizacjÄ&#x2026; kinetycznÄ&#x2026; wybranych elementĂłw i struktur tworzÄ&#x2026;cych niekonwencjonalne formy architektoniczne, wprowadzane do nowoczesnego budownictwa

' " H ID * % ! % '        -0%&J%-&./% -&%&K%-&./%             !"" #     $%&

Rys. 1. Schemat warstw dziaĹ&#x201A;aĹ&#x201E; sterujÄ&#x2026;cych, regulacyjnych i przepĹ&#x201A;ywu informacji w produkcie mechatronicznym na przykĹ&#x201A;adzie pneumotronicznego urzÄ&#x2026;dzenia wykonawczego [35] Fig. 1. Scheme of control and regulation layers and the flow of information in the mechatronic product on the example of pneumotronic actuator

[19]. Wprowadzenie ruchu, kinetyki [45], jest warunkiem tego zastÄ&#x2026;pienia â&#x20AC;&#x201C; ten ruch ma byÄ&#x2021; realizowany przez elektryczne, pneumotroniczne lub hydrotroniczne urzÄ&#x2026;dzenia wykonawcze (rys. 1). SÄ&#x2026; to urzÄ&#x2026;dzenia kosztowne, wymagajÄ&#x2026;ce nadzoru, konserwacji i obsĹ&#x201A;ugi, zarĂłwno w trakcie uruchomienia, jak i podczas normalnej eksploatacji wspomnianych form architektonicznych â&#x20AC;&#x201C; racjonalnÄ&#x2026; istotÄ&#x2026; tej zamiany jest wiÄ&#x2122;c zmniejszenie ich liczby i zakresu dziaĹ&#x201A;ania, takĹźe poszukiwania innych rozwiÄ&#x2026;zaĹ&#x201E; wykonawczych, np. materiaĹ&#x201A;owych lub bionicznych [28, 36, 38];

11


Mechatronika w architekturze – architektronika

Rys. 2. Dom Spakowany zaprojektowany przez Wachsmanna i Gropiusa w 1942 r. [18] Fig. 2. Packaged House designed through Wachsmann and Gropius in 1942

− wprowadzenie do produktu architektonicznego mikroprocesorowego układu automatycznego sterowania i regulacji parametrów rozwiązujących problemy prowadzenia, koordynacji, nadzoru i diagnostyki procesów realizowanych przez produkt oraz komunikacji sieciowej produktu; − wykorzystanie w produkcie architektonicznym w możliwie największym zakresie niematerialnych możliwości kształtowania jego właściwości. Pozostawienie zespołów materialnych kształtujących jego właściwości ogranicza ich zmiany, wymianę na inne zespoły oraz diagnostykę i optymalizację działania w konkretnych warunkach środowiskowych i użytkowych. Programowanie, będące właśnie niematerialnym składnikiem zmechatronizowanego produktu architektonicznego, w połączeniu z konsekwentnym zastosowaniem mikroprocesorowego lub komputerowego sterowania (np. klasy IPC&Chip) do pobierania, przetwarzania, przesyłania i udostępniania informacji procesowych, zapewnia działanie produktu bez potrzeby ingerencji w jego działania sensoryczne i aktuacyjne [44]; − sprawdzenie możliwości wykorzystania w produkcie architektonicznym elementów i zespołów o różnych zasadach działania i budowy, pochodzących z różnych dziedzin techniki. Podejście systemowe, dzięki niekonwencjonalnemu ujęciu problemów doboru oraz integracji elementów i zespołów, pozwala na uzy-

skanie bądź nowych, bądź bardziej korzystnych charakterystyk i właściwości, niżby to miało miejsce w przypadku ograniczenia się do jednorodnych rozwiązań architektonicznych. We współczesnym rozumieniu istoty mechatronicznego produktu architektonicznego mogą nim być dowolne formy techniczne, zaopatrzone w urządzenia i systemy przetwarzające informację lub energię na inną jej postać i użyteczną pracę, pożyteczną zarówno dla użytkowników tych form, jak i technologicznego, maszynowego wyposażenia ich fabrykacji i montażu w budownictwie. To, co łączy te tak różne użytkowo produkty, to zestawienie zespołów elektrycznych, elektronicznych i procesorowych z elementami i strukturami architektonicznymi w nowy, powiązany sprzętowo i informatycznie system (rys. 1). W przeszłości przedmechatronicznej dokonywano takich prób przemysłowej prefabrykacji ruchomych, niepowiązanych trwale, form architektonicznych, np. domów składanych z dających się przemieszczać elementów i struktur – dobrym przykładem, ale tylko jednym z wielu, takiego wczesnego technicznie rozwiązania, jest Dom Spakowany (ang. Packaged House) zaproponowany w 1942 r. przez Konrada Wachsmanna i Waltera Gropiusa (rys. 2) [18]. Tu wzorów należy szukać w niedalekiej do tych lat przeszłości, a mianowicie odnieść je do początku XX stulecia i wprowadzenia przez Siemensa w 1901 r. i Forda w 1911 r.

Rys. 3. Rekonstrukcja Location Orientation Manipulator, dedykowanego realizacjom architektonicznym, wg projektu Wachsmanna z 1953 r. [12] Fig. 3. Reconstruction of Location Orientation Manipulator, dedicated architectural redemptions, according to the Wachsmanna’s project, 1953

12

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


       !  "# $%&

Rys. 4. PrĂłby zautomatyzowanego przez robotyzacjÄ&#x2122; montaĹźu konstrukcji noĹ&#x203A;nych w budownictwie [11] Fig. 4. Attempts of the automated assembly by the robotization of loadbearing structures in the building

podziaĹ&#x201A;u procesĂłw przemysĹ&#x201A;owego wytwarzania na elementarne zadania technologiczne pozwalajÄ&#x2026;ce zwiÄ&#x2122;kszyÄ&#x2021; produktywnoĹ&#x203A;Ä&#x2021;, zmniejszyÄ&#x2021; wymagania kwalifikacji zatrudnionych w tych procesach robotnikĂłw i stopniowo, przez umaszynowienie, automatyzowaÄ&#x2021; i robotyzowaÄ&#x2021; procesy produkcyjne [34]. Walter Gropius postrzegaĹ&#x201A; jeszcze, zresztÄ&#x2026; jak wiÄ&#x2122;kszoĹ&#x203A;Ä&#x2021; jego rĂłwieĹ&#x203A;nikĂłw, kaĹźdÄ&#x2026; maszynÄ&#x2122; jako potencjalnie dehumanizujÄ&#x2026;cÄ&#x2026; siĹ&#x201A;Ä&#x2122;, ktĂłrÄ&#x2026; powinien kontrolowaÄ&#x2021; czĹ&#x201A;owiek. Ĺ&#x161;wietnym przykĹ&#x201A;adem takiego Ăłwczesnego postrzegania uwikĹ&#x201A;ania czĹ&#x201A;owieka w Ĺ&#x203A;wiat maszyn jest film Charlie Chaplina Modern Time (WspĂłĹ&#x201A;czesne czasy) z 1936 r., na marginesie ostatni jego niemy film â&#x20AC;&#x201C; a wiÄ&#x2122;c symptomatyczny Ĺ&#x203A;wiadek odchodzÄ&#x2026;cej epoki. JuĹź Konrad Wachsmann zwykĹ&#x201A; mawiaÄ&#x2021; Tomorrow is everything (Jutro jest wszystkim) i postrzegaĹ&#x201A; umaszynowienie procesĂłw jako siĹ&#x201A;Ä&#x2122; zdolnÄ&#x2026; w przyszĹ&#x201A;oĹ&#x203A;ci wyzwoliÄ&#x2021; architekturÄ&#x2122; i budownictwo od mozolnej i nieefektywnej pracy rÄ&#x2122;cznej. Dwa dziesiÄ&#x2122;ciolecia później opracowaĹ&#x201A; zresztÄ&#x2026; sam maszynÄ&#x2122; manipulacyjnÄ&#x2026; (ang. Location Orientation Manipulator) o siedmiu stopniach ruchliwoĹ&#x203A;ci, dedykowanÄ&#x2026; do zautomatyzowanego, a wĹ&#x201A;aĹ&#x203A;ciwie zrobotyzowanego montaĹźu elementĂłw budowlanych (rys. 3). Thomas Bock [12] opisaĹ&#x201A; w 2010 r. to podejĹ&#x203A;cie Wachsmanna jako pierwszÄ&#x2026; aplikacjÄ&#x2122; sygnalizujÄ&#x2026;cÄ&#x2026; epokÄ&#x2122; caĹ&#x201A;kowicie zautomatyzowanych systemĂłw budowlanych: To podejĹ&#x203A;cie byĹ&#x201A;o oznakÄ&#x2026; cennego spojrzenia na wspĂłĹ&#x201A;zaleĹźnoĹ&#x203A;ci miÄ&#x2122;dzy systemami produkcji, montaĹźu i skĹ&#x201A;adania elementĂłw a systemami projektowania i budowania. Ten rodzaj holistycznego podejĹ&#x203A;cia do technicznych i technologicznych potrzeb i wymagaĹ&#x201E; systemĂłw budowlanych, produkcyjnych i montaĹźowych jest obecnie nazywany jako Robot Oriented Design (projektowanie (architektoniczne) ukierunkowane na robotyzacjÄ&#x2122; (jego realizacji)).

-. / ! 1              Dziedzina okreĹ&#x203A;lana dziĹ&#x203A; mianem grafiki komputerowej narodziĹ&#x201A;a siÄ&#x2122; w 1964 r. Jej istotÄ&#x2122;, jako pierwszy, opisaĹ&#x201A; Ivan Southerland w 1964 r. w swojej rozprawie doktorskiej [41]. Zaledwie cztery lata później student architektury i przyszĹ&#x201A;y dyrektor MIT Media Lab, Nicolas Negroponte opublikowaĹ&#x201A; artykuĹ&#x201A; Toward a Theory of Architecture Machines, ktĂłrego tezy rozwinÄ&#x2026;Ĺ&#x201A; w opublikowanej w 1970 r. ksiÄ&#x2026;Ĺźce [30]. Negroponte pisaĹ&#x201A; w niej o interakcji i projektowaniu wspomaganym komputerowo, okreĹ&#x203A;liĹ&#x201A; miÄ&#x2122;dzy innymi trzy warunki koniecznie wymagane, aby maszyny cyfrowe mogĹ&#x201A;y pomagaÄ&#x2021; architektowi w procesie projektowania:

â&#x2C6;&#x2019; algorytmy i procedury projektowania muszÄ&#x2026; poddawaÄ&#x2021; siÄ&#x2122; automatyzacji, â&#x2C6;&#x2019; istniejÄ&#x2026;ce metody projektowania mogÄ&#x2026; podlegaÄ&#x2021; zmianom odpowiednio do specyfikacji i konstrukcji maszyn cyfrowych, ale do zmian tych metod poddawane sÄ&#x2026; tylko ich cechy kompatybilne z dziaĹ&#x201A;aniami maszyn, â&#x2C6;&#x2019; proces projektowania, uwaĹźany za ewolucyjny, moĹźe byÄ&#x2021; udostÄ&#x2122;pniony maszynie cyfrowej, rĂłwnieĹź uwaĹźanej za twĂłr ewolucyjny. W 1982 r. w pracowniach architektĂłw pojawia siÄ&#x2122; AutoCAD. Ten wczesny program CAD (ang. Computer Aided Design), przeznaczony pierwotnie do dwuwymiarowego (2D), pĹ&#x201A;askiego projektowania schematĂłw i ukĹ&#x201A;adĂłw elektronicznych, zostaĹ&#x201A; szybko zaakceptowany takĹźe przez architektĂłw. PoczÄ&#x2026;tkowo wdraĹźany byĹ&#x201A; na komputerach i drukarkach IBM PC, ktĂłre w tamtym latach trafiaĹ&#x201A;y coraz czÄ&#x2122;Ĺ&#x203A;ciej do pracowni architektonicznych, przeznaczone do wykonywania i przede wszystkim drukowania rysunkĂłw roboczych. WkrĂłtce poĹ&#x201A;Ä&#x2026;czono z nimi kolejne mechatroniczne urzÄ&#x2026;dzenia peryferyjne: plotery, piĂłra grafiki wektorowej, a po kolejnych kilku latach: frezarki laserowe, drukarki 3D i routery 3-osiowe CNC (ang. Computer Numerical Control). UrzÄ&#x2026;dzenia te przeksztaĹ&#x201A;caĹ&#x201A;y instrukcje cyfrowe na format analogowy, dziÄ&#x2122;ki czemu moĹźliwe staĹ&#x201A;o siÄ&#x2122; wprowadzenie szybkiego prototypowania i wykorzystanie komputerowo wspomaganego projektowania architektury. PostÄ&#x2122;pujÄ&#x2026;ce szybko w latach 90. XX stulecia zastosowanie cyfrowych urzÄ&#x2026;dzeĹ&#x201E; peryferyjnych, a przede wszystkim akceptacja komputerĂłw osobistych i rozwĂłj wspĂłĹ&#x201A;pracy w zakresie dystrybucji rozwiÄ&#x2026;zaĹ&#x201E; sieciowych, radykalnie zmieniĹ&#x201A;y praktykÄ&#x2122; pracy architekta. Skomputeryzowany proces projektowania otworzyĹ&#x201A; drogÄ&#x2122; postÄ&#x2122;powania nie tylko profesjonalistom, ale takĹźe ich klientom i opinii publicznej. Znaczenie cyfrowo opracowanego projektu architektonicznego zostaĹ&#x201A;o podkreĹ&#x203A;lone przez Billa Mitchella, ktĂłry przewidywaĹ&#x201A; juĹź w 1990 r. powstanie BIM (ang. Building Information Modeling): Design today could be seen as report from the current state of the project database (Dzisiaj projekt moĹźe byÄ&#x2021; traktowany jako raport z aktualnego zaawansowania stanu projektu) [29]. Wizja Negroponte, zawarta w jego pierwszych publikacjach [30], zapowiadaĹ&#x201A;a nowÄ&#x2026; erÄ&#x2122; w praktyce projektowania architektonicznego oraz pojawienie siÄ&#x2122; maszyny cyfrowej-projektanta w tym procesie oraz robota-robotnika w jego realizacji. Negroponte zwrĂłciĹ&#x201A; uwagÄ&#x2122; na to, Ĺźe techniki grafiki komputerowej staĹ&#x201A;y siÄ&#x2122; paradygmatem systemĂłw wspomaganych komputerowo, a maszyny cyfrowe w architekturze muszÄ&#x2026; mieÄ&#x2021; oczy i uszy. W Ăłwczesnej kulturze ta myĹ&#x203A;l wydaje siÄ&#x2122; jeszcze dziwna, twierdziĹ&#x201A; Negroponte na przeĹ&#x201A;omie lat 60. i 70. XX stulecia, ale dla przyszĹ&#x201A;ych pokoleĹ&#x201E; bÄ&#x2122;dzie to juĹź zwykĹ&#x201A;a, normalna codziennoĹ&#x203A;Ä&#x2021;. Jakkolwiek automatyka i robotyka przemysĹ&#x201A;owa lat 70. i 80. XX stulecia [32] byĹ&#x201A;y bardzo odlegĹ&#x201A;e od praktyki projektowania architektonicznego i jego realizacji, to jednak prefabrykacja i seryjna produkcja elementĂłw budowlanych stawaĹ&#x201A;a siÄ&#x2122; juĹź wtedy waĹźnÄ&#x2026; czÄ&#x2122;Ĺ&#x203A;ciÄ&#x2026; etosu modernizacji i racjonalizacji przemysĹ&#x201A;u budowlanego (rys. 4). Obecnie, na styku dwĂłch etapĂłw ewolucji przemysĹ&#x201A;owych, przemysĹ&#x201A;u zmechanizowanego, zautomatyzowanego i zrobotyzowanego (nazywanych PrzemysĹ&#x201A;ami 1.0, 2.0 i 3.0) oraz przemysĹ&#x201A;u zmechatronizowanego, zinformatyzowanego i zinternetyzowanego (nazywanego PrzemysĹ&#x201A;em 4.0) [24, 34, 35], mechatronika, w niej automatyka i robotyka, oraz architektura nie sÄ&#x2026; juĹź obcymi sobie dziedzinami. Prototypowanie na maszynach sterowanych numerycznie i budowanie cyfrowych koncepcji architektonicznych prowadzi do stosowania automatyki i robotyki w modelowaniu, wytwarzaniu i montaĹźu konstrukcji architektonicznych (rys. 5). W przemyĹ&#x203A;le motoryzacyjnym, elektromaszynowym i elektronicznym stosowanie automatyzacji i robotyzacji wytwarzania jest juĹź przyjÄ&#x2122;tym powszechnie standardem. Automatyza-

13


Mechatronika w architekturze â&#x20AC;&#x201C; architektronika

Ĺ&#x203A;wiadkami drugiej epoki cyfrowej w architekturze. Teraz jest juĹź moĹźliwe traktowanie programowania komputera i projektowania formy architektonicznej jako procesĂłw wspĂłĹ&#x201A;zaleĹźnych, a takĹźe ich wzajemnoĹ&#x203A;ci jako zwiÄ&#x2026;zku fundamentalnego w epoce cyfrowej. Aby architekci mogli tworzyÄ&#x2021; i robotyzowaÄ&#x2021; wykonywanie budynkĂłw, baza danych projektowych musi byÄ&#x2021; dostÄ&#x2122;pna w postaci cyfrowej. Gdy dane te sÄ&#x2026; uĹźywane w czasie rzeczywistym, podczas projektowania rĂłwnolegĹ&#x201A;ego i rekurencyjnego, prototypowania i implementacji, stosowanie robotyzacji daje szansÄ&#x2122; na zrewolucjonizowanie pracy architekta. Po oddaleniu siÄ&#x2122; architekta w ostatnich stuleciach od Ĺ&#x203A;wiata budowy, projektant moĹźe powrĂłciÄ&#x2021; do bezpoĹ&#x203A;redniego kontaktu z placem budowy. WspĂłĹ&#x201A;czesne narzÄ&#x2122;dzia projektowania i wykonywania budynkĂłw oraz narzÄ&#x2122;dzia przewidywane w przyszĹ&#x201A;oĹ&#x203A;ci dajÄ&#x2026; szansÄ&#x2122; na dynamiczne dopasowanie projektu do zmieniajÄ&#x2026;cych siÄ&#x2122; warunkĂłw nawet podczas samego procesu budowy. Zmiana cyfrowego zapisu informacji o projekcie umoĹźliwi dynamicznÄ&#x2026; zmianÄ&#x2122; realizowanego projektu, bez koniecznoĹ&#x203A;ci zmiany narzÄ&#x2122;dzi wykonawczych. Architekt staje siÄ&#x2122; swego rodzaju cyfrowym rzemieĹ&#x203A;lnikiem. W systemie BIM (ang. Building Information Modeling) modelowanie informacji o budynku odgrywa waĹźnÄ&#x2026; rolÄ&#x2122; w tym procesie. W przeciwieĹ&#x201E;stwie do tradycyjnych programĂłw CAD jest to nie tylko proces generowania, ale rĂłwnieĹź zarzÄ&#x2026;dzania cyfrowymi obrazami fizycznych i funkcjonalnych parametrĂłw architektury budynku przez caĹ&#x201A;y czas jego Ĺźycia. BIM w poĹ&#x201A;Ä&#x2026;czeniu z mechatronikÄ&#x2026;, w tym przede wszystkim z robotykÄ&#x2026;, juĹź wchodzi do branĹźy budowlanej. Maszyny manipulacyjne zintegrowane z BIM sÄ&#x2026; coraz czÄ&#x2122;Ĺ&#x203A;ciej stosowane np. przez koncern Skanska Norway na jej placach budowy (rys. 5) [43]. Konstrukcja parametryczna staje siÄ&#x2122; coraz bardziej powszechna w architekturze. Pozwala ona na wersjonowanie, optymalizowanie generowanych struktur i tworzenie zróşnicowanych geometrycznie obiektĂłw, generujÄ&#x2026;c jednoczeĹ&#x203A;nie informacje umoĹźliwiajÄ&#x2026;ce ich wytworzenie z wykorzystaniem obrabiarek CNC lub druku 3D [2, 3]. Model parametryczny moĹźe byÄ&#x2021; zmieniany, optymalizowany i wykonywany we fragmentach. Jednym z przykĹ&#x201A;adĂłw wygenerowania trĂłjwymiarowej struktury i podziaĹ&#x201A;u jej na elementy umoĹźliwiajÄ&#x2026;ce prefabrykacjÄ&#x2122; (panele elewacyjne), jest Dongdaemun Design Plaza w Seulu (rys. 6), projektu Zaha Hadid Architects. W produkcji form paneli zastosowane zostaĹ&#x201A;y maszyny manipulacyjne, jednak sam montaĹź byĹ&#x201A; jeszcze wykonywany konwencjonalnymi metodami niekorzystnie wpĹ&#x201A;ywajÄ&#x2026;cymi na podniesienie kosztĂłw projektu i wydĹ&#x201A;uĹźenie czasu realizacji wzglÄ&#x2122;dem potencjalnie moĹźliwego montaĹźu robotycznego. Aby architektura osiÄ&#x2026;gnÄ&#x2122;Ĺ&#x201A;a w peĹ&#x201A;ni poziom PrzemysĹ&#x201A;u 4.0, montaĹź musiaĹ&#x201A;by zostaÄ&#x2021; w peĹ&#x201A;ni zautomatyzowany z wykorzystaniem mechatronicznych narzÄ&#x2122;dzi robotycznych. W projekcie DIANA (ang. Dynamic Interactive robotic Assistant for Novel Applications) zaĹ&#x201A;oĹźono wykorzystywanie maszyny manipulacyjnej do montaĹźu nieregularnie ustawionych w przestrzeni elementĂłw drewnianych. ZaĹ&#x201A;oĹźona geometria i materiaĹ&#x201A; budowlany wymagaĹ&#x201A;y wykorzystania techniki montaĹźowej, umoĹźliwiajÄ&#x2026;cej dynamiczne wykrywanie i reagowanie narzÄ&#x2122;dzia na liczne odchylenia od zaĹ&#x201A;oĹźonego wymiaru. W procesie realizacji projektu zastosowano robota produkcji koncernu KUKA â&#x20AC;&#x201C; LBR-iiwa, o siedmiu stopniach ruchliwoĹ&#x203A;ci mechanizmu kinematycznego, ktĂłry wyróşnia siÄ&#x2122; tym, Ĺźe dla kaĹźdej z osi ruchu, podczas jej pracy, mierzony jest generowany przez niÄ&#x2026; moment obrotowy. Sensory momentu obrotowego zostaĹ&#x201A;y wprowadzone w celu umoĹźliwienia bezpiecznej wspĂłĹ&#x201A;pracy robota z czĹ&#x201A;owiekiem i ustÄ&#x2122;powania czĹ&#x201A;onĂłw mechanizmu robota przed napotkanÄ&#x2026; przeszkodÄ&#x2026; po osiÄ&#x2026;gniÄ&#x2122;ciu zadanego, bezpiecznego momentu oraz programowanie ruchu mechanizmu przez nauczanie, metodÄ&#x2026; obwiedzenia trajektorii ruchu przez rÄ&#x2122;czne prowadzenie narzÄ&#x2122;dzia robota przez operatora. W projekcie DIANA sensory te zostaĹ&#x201A;y uĹźyte w trakcie montaĹźu takĹźe do wykrywania niedokĹ&#x201A;adnoĹ&#x203A;ci wykonania elementĂłw i procesu ich Ĺ&#x201A;Ä&#x2026;cze-

Rys. 5. Robot mobilny wykonujÄ&#x2026;cy instalacjÄ&#x2122; sufitĂłw podwieszanych â&#x20AC;&#x201C; aplikacja pozwala na 1,5Ă&#x2014; szybszy montaĹź pĹ&#x201A;yt niĹź w przypadku dwuosobowej ekipy budowlanej, sterowanie zapewnia bieĹźÄ&#x2026;ce przesyĹ&#x201A;anie instrukcji ze Ĺ&#x203A;rodowiska BIM (ang. Building Information Modeling), wykorzystujÄ&#x2026;c dynamiczny model informacji budowlanych 3D, Skanska Norway 2016 Fig. 5. Mobile robot performing installation of utilities and ceilings â&#x20AC;&#x201C; the application allows for 1.5Ă&#x2014; faster mounting of boards than for a twoperson team, the control ensures that current instructions are sent from the Building Information Modeling environment (BIM), using dynamic 3D building information model, Skanska Norway 2016

cja i robotyzacja w budownictwie ma ciÄ&#x2026;gle jeszcze, na poczÄ&#x2026;tku XXI stulecia, bardziej wartoĹ&#x203A;Ä&#x2021; potencjalnÄ&#x2026; niĹź realnÄ&#x2026;. PrzyjÄ&#x2122;cie w praktyce budowlanej zaĹ&#x201A;oĹźeĹ&#x201E; PrzemysĹ&#x201A;u 4.0, a wiÄ&#x2122;c mechatronizacji, informatyzacji i internetyzacji, wpĹ&#x201A;ynie bez wÄ&#x2026;tpienia zarĂłwno na projekty architektoniczne i ich realizacjÄ&#x2122;, jak i edukacjÄ&#x2122; architektĂłw i inĹźynierĂłw budownictwa. W niedalekiej przyszĹ&#x201A;oĹ&#x203A;ci powinny pojawiÄ&#x2021; siÄ&#x2122; samodzielne, pracujÄ&#x2026;ce w sieci urzÄ&#x2026;dzenia, maszyny i systemy mechatroniczne, konstruujÄ&#x2026;ce i kontrolujÄ&#x2026;ce w czasie rzeczywistym produkty architektury zaprojektowane wedĹ&#x201A;ug indywidualnych specyficznych potrzeb uĹźytkownika, w tym takĹźe obsĹ&#x201A;ugi i serwisowania tych produktĂłw aĹź do czasu ich utylizacji lub recyklingu.

I.        1    M !       Mechatronizacja, rozumiana w sensie Platformy PrzemysĹ&#x201A;u 4.0, nie tylko wyĹ&#x201A;Ä&#x2026;cznie w odniesieniu do techniki i technologii, ale w znacznie szerszym ujÄ&#x2122;ciu uwzglÄ&#x2122;dniajÄ&#x2026;ca aspekty pozatechniczne, jako elastyczna integracja czynnoĹ&#x203A;ci produkcyjnych i zarzÄ&#x2026;dzania produkcjÄ&#x2026;, zarzÄ&#x2026;dzanie kadrami, informacjÄ&#x2026; i logistykÄ&#x2026; [1], jest najefektywniejszÄ&#x2026; drogÄ&#x2026; do ewolucyjnego rozwiÄ&#x2026;zania nie tylko problemu wzrostu produktywnoĹ&#x203A;ci i konkurencyjnoĹ&#x203A;ci konkretnych gaĹ&#x201A;Ä&#x2122;zi gospodarki, w tym architektury i budownictwa, ale rĂłwnieĹź drogÄ&#x2026; do zapewnienia tym branĹźom wykwalifikowanych pracownikĂłw zdolnych do sprostania nowoczesnym wymaganiom zawodowym i spoĹ&#x201A;ecznym. Integracja projektowania parametrycznego, oprogramowania oraz istniejÄ&#x2026;cych warunkĂłw Ĺ&#x203A;rodowiskowych ma zasadnicze znaczenie dla zastosowania mechatroniki w procesie budowlanym. Generowanie funkcji i formy jest konsekwencjÄ&#x2026; wykorzystania wspomnianych juĹź urzÄ&#x2026;dzeĹ&#x201E;, maszyn i systemĂłw mechatronicznych w architekturze. Kohler [20, 26] prezentujÄ&#x2026;c dokonania swojego laboratorium w ETH Zurich (niem. EidgenĂśssische Technische Hochschule), zwiÄ&#x2026;zane z cyfryzacjÄ&#x2026; projektowania i konstruowania architektonicznego, twierdzi, Ĺźe â&#x20AC;ŚjesteĹ&#x203A;my dziĹ&#x203A;

14

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


       !  "# $%&

Rys. 6. Panelizacja powĹ&#x201A;oki architektonicznej zaprojektowanej przez Zaha Hadid Architects, Dongdaemun Design Plaza, Seul 2015 Fig. 6. Panelization of Zaha Hadid Architects Dongdaemun Design Plaza, Seoul 2015

nia tak, aby rekompensowaÄ&#x2021; duĹźe niedokĹ&#x201A;adnoĹ&#x203A;ci wykonywania projektĂłw architektonicznych wystÄ&#x2122;pujÄ&#x2026;ce na placach budowy (rys. 7). Projekt DIANA staĹ&#x201A; siÄ&#x2122; waĹźnym krokiem do implementacji zaĹ&#x201A;oĹźeĹ&#x201E; PrzemysĹ&#x201A;u 4.0 w procesy montaĹźu elementĂłw architektonicznych na placach budowy [39]. Roboty jako narzÄ&#x2122;dzia do obrĂłbki materiaĹ&#x201A;Ăłw wykoĹ&#x201E;czeniowych, uĹźywanych przez architektĂłw, zostaĹ&#x201A;y wykorzystane w projekcie badawczym AROSU (ang. Artistic Robot Surface

Processing for Stone), prowadzonym przez Sigrid Brell-Cokcan, Thomasa Bocka i Andreasa MĂźllera [16], finansowanym ze Ĺ&#x203A;rodkĂłw Unii Europejskiej. Celem badaĹ&#x201E; byĹ&#x201A;o, miÄ&#x2122;dzy innymi, odtworzenie struktury kamienia obrabianego rÄ&#x2122;cznie, ale przy wykorzystaniu narzÄ&#x2122;dzia osadzonego na mechaniĹşmie maszyny manipulacyjnej. WspĂłĹ&#x201A;czeĹ&#x203A;nie brakuje fachowych rzemieĹ&#x203A;lnikĂłw, ktĂłrzy potrafiÄ&#x2026; obrobiÄ&#x2021; powierzchniÄ&#x2122; kamiennÄ&#x2026; zgodnie z historycznym wzorcem. WczeĹ&#x203A;niejsze prĂłby zautomatyzowania

Rys. 7. Robot wspĂłĹ&#x201A;pracujÄ&#x2026;cy (kolaboracyjny) LBR-iiwa uĹźyty w projekcie architektonicznym DIANA (ang. Dynamic Interactive robotic Assistant for Novel Applications), KUKA 2016 [39] Fig. 7. Collaboration robot LBR-iiwa used in the architectural project Dynamic Interactive robotic Assistant Novel Applications (DIANA), KUKA 2016

15


Mechatronika w architekturze – architektronika

Rys. 8. Powierzchnia kamienia po obróbce przy użyciu robota – wynik projektu badawczego AROSU (ang. Artistic Robot Surface Processing for Stone) [16] Fig. 8. Surface of the stone after processing with the robot – result of a research project Artistic Robot Surface Processing for Stone (AROSU)

Rys. 9. Ceglana winnica w Gartenbein zbudowana wg projektu wykonanego przez Gramazio & Kohler Research, ETH Zürich, 2006 [26] Fig. 9. Brick construction of winery at Gantenbein by Gramazio Kohler Research, ETH Zurich, 2006

procesu nie kończyły się uzyskaniem satysfakcjonujących i jednorodnych rezultatów, które przypominałyby rezultaty ręcznej obróbki. Badania projektu obejmowały szczegółową analizę ruchu dłuta podczas ręcznej obróbki oraz implementację uzyskanych reguł w pracy urządzenia wykonawczego (rys. 8). Jednym z pierwszych pomysłów na wykorzystanie maszyn manipulacyjnych do zautomatyzowanego wznoszenia ceglanych murów w budownictwie, w których forma i rozmieszczenie poszczególnych cegieł odbiegają od klasycznych, płaskich struktur był projekt ROCCO (ang. Robot Assembly System for Computer-Integrated Construction), opracowany i zrealizowany przez konsorcjum badawcze i partnerów przemysłowych z Niemiec, Hiszpanii i Belgii. Zaproponowany w 2002 r. system robotyczny miał 10 m zasięgu i udźwig do 500 kg. Cztery lata później zmodyfikowano tę metodę w ETH Zurich przez zespół badawczy Gramazio & Kohler [20, 26] i zastosowano do projektowania i budowy składów winnicy w Gantenbein. Przeszło 20 000 cegieł ustawiono zgodnie z założonym wzorem, generowanym w programie parametrycznym. Cegły ustawione w pożądanej pozycji zostały przygotowane w formie prefabrykowanych paneli i wykorzystane w takiej postaci do budowy ścian winnicy (rys. 9). Obok robotyzacji układania cegieł w realizacjach projektów architektonicznych, stosowane są rozwiązania ułatwiające i przyspieszające wznoszenie systemów stalowych, słupowych

16

P

O

M

I

A

R

Y

A

U

T

O

M

i słupowo-belkowych. Japoński robot mobilny WR służy do wykonywania spawów konstrukcji bezpośrednio na terenie budowy. Wykorzystywany jest do budowy słupów i belek o grubości do 100 mm i przekroju okrągłym, kwadratowym lub dwuteowym [21]. Automatyzacja i robotyzacja procesu wznoszenia budynku może budzić szczególne zainteresowanie w przypadku budynków wysokich. Liczne przykłady realizacji tą metodą wieżowców można znaleźć w Japonii. Jednym z najbardziej znanych i cennych przykładów jest SMART opracowany przez Shimizu (Miyatake, 1993). System składa się z mobilnej fabryki zlokalizowanej na powstającym budynku, umożliwiającej montaż pojedynczej kondygnacji. Po wykonaniu danego piętra, fabryka ta podnoszona jest ku górze, aby przystąpić do montażu kolejnej kondygnacji [37]. Przemysł budowlany należy do branż szczególnie narażonych na niebezpieczne dla zdrowia i życia wypadki pracowników. I tu także mechatronika dostarcza rozwiązań pomagających w ich unikaniu. Należą do nich serwooperatory z mechanizmami np. typu egzoszkielety, chroniącymi przed przeciążeniami masowymi i siłowymi pracowników w trakcie ręcznej realizacji zadań (rys. 10) oraz systemy GPS kontrolujące lokalizację pracowników w trakcie wykonywania tych zadań. Dla monitorowania niebezpiecznych sytuacji konfliktu człowiek-maszyna lub A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


       !  "# $%&

czĹ&#x201A;owiek-konstrukcja, zarĂłwno pracownicy, jak i wybrane elementy konstrukcyjne, mogÄ&#x2026; byÄ&#x2021; wyposaĹźone w kamery wizyjne i nadajniki GPS. Ten ostatni system pozwala teĹź na gromadzenie informacji i danych, umoĹźliwiajÄ&#x2026;c zautomatyzowanie wybranych procesĂłw przy jednoczesnym zapewnieniu bezpieczeĹ&#x201E;stwa zatrudnionych na budowie ludzi.

L.:         "    W krajach o zaawansowanym poziomie racjonalizacji technicznej procesĂłw wytwarzania w przemysĹ&#x201A;ach niebudowlanych, tzn. po ewolucyjnym przejĹ&#x203A;ciu od produkcji zmechanizowanej (PrzemysĹ&#x201A; 1.0), przez produkcjÄ&#x2122; zautomatyzowanÄ&#x2026; (PrzemysĹ&#x201A; 2.0) do produkcji wspĂłĹ&#x201A;czesnej, czÄ&#x2122;Ĺ&#x203A;ciowo zrobotyzowanej (PrzemysĹ&#x201A; 3.0) i osiÄ&#x2026;gniÄ&#x2122;ciu stanu tworzenia Platform PrzemysĹ&#x201A;u 4.0, przygotowanie podobnej ewolucji w przemyĹ&#x203A;le budowlanym staje siÄ&#x2122; przedmiotem zainteresowania licznych

instytutĂłw i wydziaĹ&#x201A;Ăłw architektury uczelni w Azji, Europie i Ameryce PĂłĹ&#x201A;nocnej [3â&#x20AC;&#x201C;10, 13â&#x20AC;&#x201C;15, 20, 23]. W Japonii wspomniane projekty badawcze staĹ&#x201A;y siÄ&#x2122; juĹź rzeczywistoĹ&#x203A;ciÄ&#x2026;. Na pytanie, czy Japonia jest budowana przez roboty, Ĺ&#x203A;miaĹ&#x201A;o moĹźna odpowiedzieÄ&#x2021;, Ĺźe tak. Zautomatyzowany proces wznoszenia budynkĂłw rozpoczÄ&#x2026;Ĺ&#x201A; siÄ&#x2122; tam juĹź w latach 80. XX stulecia. Powody byĹ&#x201A;y identyczne jak dopiero obecnie dostrzegane w Europie i Ameryce: niedobory siĹ&#x201A;y roboczej i starzejÄ&#x2026;ce siÄ&#x2122; spoĹ&#x201A;eczeĹ&#x201E;stwo wymusiĹ&#x201A;y zwiÄ&#x2122;kszenie wydajnoĹ&#x203A;ci pracy, co osiÄ&#x2026;gniÄ&#x2122;to dziÄ&#x2122;ki konsekwentnemu wdraĹźaniu systemĂłw mechatronicznych, w tym przede wszystkim robotycznych, wspierajÄ&#x2026;cych pracÄ&#x2122; operatorĂłw-ludzi [11, 21, 22, 42]. Aktuatoryka mechatroniczna i robotyka w laboratoriach badawczych uczelni technicznych jest dziĹ&#x203A; powszechna, nie wyĹ&#x201A;Ä&#x2026;czajÄ&#x2026;c pracowni architektonicznych. W szwajcarskiej ETH Zurich robotyzacja jest gĹ&#x201A;Ăłwnym elementem badaĹ&#x201E; i prototypowego rozwoju urzÄ&#x2026;dzeĹ&#x201E; i maszyn procesu budowlanego (rys. 11). PowstaĹ&#x201A;o tam nowe podejĹ&#x203A;cie do konstrukcji nieregularnych struktur przestrzennych, w ktĂłrym robot o szeĹ&#x203A;ciu

Rys. 10. Mechanizmy konwencjonalne oraz typu egzoszkielet serwooperatorĂłw mogÄ&#x2026; przejmowaÄ&#x2021; obciÄ&#x2026;Ĺźenia masowe i siĹ&#x201A;owe pracownikĂłw budowlanych Fig. 10. A wearable exoskeleton robot potentially can offer the assembly operator with more strength and allow to assist her in handling heavy tools during the construction

Rys. 11. Spektrometria konstrukcji przestrzennych w budownictwie, Gramazio Kohler Research, ETH ZĂźrich Fabricate, 2017 [20] Fig. 11. Spectrometry of spatial structures in the building, Gramazio Kohler Research, ETH Zurich Fabricate, 2017

17


Mechatronika w architekturze – architektronika

Rys. 12. Instalacja Water Spider Pavilion, projekt Achim Menges, TU Stuttgart 2016 [27] Fig. 12. Installation Water Spider Pavilion, project Achim Menges, TU Stuttgart

Rys. 13. Mobilna jednostka budowlana na platformie samojezdnej wykorzystująca druk 3D, jako addytywną technikę wytwarzania konstrukcji kopuły o średnicy 13 m. Po lewej cyfrowa platforma budowlana (ang. Digital Construction Platform – DCP), po prawej kopuła skonstruowana w technice druku 3D z wykorzystaniem DCP, MIT Robotics Groups, 2017 [23] Fig. 13. Robotic building platform on a self-propelled platform using additive printing in the construction of the 13 meter dome formwork. On the left – the digital construction platform – DCP, on the right 3D printed dome, MIT Robotics Groups, 2017

stopniach ruchliwości (6 DoF) potrafi z żądaną dokładnością ustawiać elementy oraz interpretować swoją pozycję w stosunku do środowiska roboczego [20]. Pozwala to osiągać precyzję wykonania konstrukcji budowlanych nieosiągalną podczas pracy ręcznej człowieka. W projekcie Water Spider Pavilion realizowanym w TU Stuttgart (niem. Technische Universität Stuttgart) konwencjonalny robot przemysłowy został zastosowany do nanoszenia włókna węglowego na wewnętrzną powierzchnię nadmuchanej konstrukcji membranowej (rys. 12). Robot rozprowadza materiał w momencie wykrycia powierzchni bazowej, co stało się możliwe dzięki dynamicznemu pomiarowi siły nacisku narzędzia na powłokę [27]. W opublikowanym w 2017 r. w „Science Robotics” artykule [23], opisany został opracowany w MIT Robotics Groups (ang. Massachussets Institute of Technology Robotics Groups) robot architektoniczny, zaprojektowany dla konkretnego zadania

18

P

O

M

I

A

R

Y

A

U

T

O

M

budowlanego, samodzielnie wytwarzanego na skalę architektoniczną. Robot, oprócz ruchów manipulacyjnych i orientacyjnych, realizuje dodatkowo ruchy lokomocyjne – może być wyposażony w platformę jezdną (rys. 13). Może wykonać technologicznie założone zadanie architektoniczne, np. za pomocą narzędzia drukarskiego 3D, także montować złożone układy konstrukcyjne, dostosowując się do specyficznych dla danego środowiska roboczego ograniczeń. Ten mechatroniczny system służyć ma do konstrukcji niekonwencjonalnych struktur architektonicznych, wykorzystując lokalne informacje środowiskowe do zarządzania procesem ich wytwarzania. Zdolności gromadzenia danych systemu mogą też bezpośrednio wspomagać szczegółowe obliczenia konstrukcyjne, generować pożyteczne zbiory danych i raportować aktualnie realizowane etapy zadania. W Japonii, w latach 80., w pierwszej fazie automatyzacji procesów budowlanych, zadaniem operatorów-ludzi było dostarczanie informacji sensorycznych, których pozyskanie przez ówczesne A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


       !  "# $%&

Rys. 14. Robotyzacja prac budowlanych w duĹźej skali w Japonii: Automated Building Control System (ABCS) korporacji Obayashi Corp. dla budownictwa wysokiego Fig. 14. Robotization of building works in the great scale in Japan: Automated Building Control System (ABCS) of Obayashi Corp. for the high buildings

urzÄ&#x2026;dzenia pomiarowe byĹ&#x201A;o trudne lub niemoĹźliwe. PozwalaĹ&#x201A;o to na automatyzowanie tych procesĂłw z ludzkim operatorem jako elementem pomiarowym ukĹ&#x201A;adu regulacji. O zasadach, na ktĂłrych obecnie opiera siÄ&#x2122; japoĹ&#x201E;ski system wspomagania wytwarzania i montaĹźu elementĂłw budowlanych, pisze Taylor [43], ktĂłry dzieli japoĹ&#x201E;skie systemy automatyki i robotyki budowlanej na cztery elementarne podsystemy mechatroniczne placu budowy (rys. 14): â&#x2C6;&#x2019; podsystem osĹ&#x201A;ony platformy roboczej, â&#x2C6;&#x2019; podsystem podnoĹ&#x203A;nikowy platformy roboczej, â&#x2C6;&#x2019; podsystem zautomatyzowanego dostarczania materiaĹ&#x201A;Ăłw i elementĂłw budowlanych na platformÄ&#x2122; roboczÄ&#x2026;, â&#x2C6;&#x2019; podsystem zintegrowanego centrum sterowania. Do powszechnie stosowanych w Japonii zintegrowanych systemĂłw automatyki i robotyki budowlanej naleĹźÄ&#x2026; dwa systemy: Automated Building Control System (ABCS) oraz Big-Canopy koncernu Obayashi Corp. (rys. 14). PowszechnoĹ&#x203A;Ä&#x2021; oraz 15 lat doĹ&#x203A;wiadczeĹ&#x201E; zebranych w trakcie stosowania zautomatyzowanych systemĂłw budowlanych skutkujÄ&#x2026; wyraĹşnÄ&#x2026; poprawÄ&#x2026; bezpieczeĹ&#x201E;stwa produkcji budowlanej i co moĹźe jeszcze waĹźniejsze, ogromnym spoĹ&#x201A;ecznym zaakceptowaniem dziaĹ&#x201A;aĹ&#x201E; automatyzacji i robotyzacji budownictwa (rys. 15).

Rys. 15. Robotyzacja prac budowlanych w maĹ&#x201A;ej skali w Japonii: serwooperator korporacji Shimizu Corp., sterowany przez jednego z pracownikĂłw, pomaga innym pracownikom budowlanym w ukĹ&#x201A;adaniu ciÄ&#x2122;Ĺźkich prÄ&#x2122;tĂłw stalowych Fig 15. Robotization of building works in the low scale in Japan: servooperator of Shimizu Corp., controlled by one of workers, is helping builder workers for arrange heavy steel rods

19


Mechatronika w architekturze â&#x20AC;&#x201C; architektronika

WedĹ&#x201A;ug ostatniego artykuĹ&#x201A;u w majowym wydaniu (2017) czasopisma â&#x20AC;&#x17E;Japan Timesâ&#x20AC;?, place budowy w Japonii czeka nowa fala automatyzacji. OkoĹ&#x201A;o 30% wszystkich japoĹ&#x201E;skich pracownikĂłw budowlanych osiÄ&#x2026;gnÄ&#x2122;Ĺ&#x201A;o lub przekroczyĹ&#x201A;o wiek 55 lat. Ze wzglÄ&#x2122;du na rosnÄ&#x2026;cy niedobĂłr robotnikĂłw i starzejÄ&#x2026;cych siÄ&#x2122; pracownikĂłw, coraz powszechniejsze staje siÄ&#x2122; wykorzystywanie robotĂłw i dronĂłw do podnoszenia i przenoszenia ciÄ&#x2122;Ĺźkich elementĂłw i narzÄ&#x2122;dzi budowlanych. Kajima, najwiÄ&#x2122;ksza firma budowlana w Japonii, wykorzystuje na placach budowy miÄ&#x2122;dzy innymi drony, bezzaĹ&#x201A;ogowe jednostki latajÄ&#x2026;ce, ktĂłre zbierajÄ&#x2026; dane wizyjne i korzystajÄ&#x2026; z lokalizacji GPS. WyposaĹźony w indywidualny tablet operator-robotnik kieruje programowo na podstawie dostarczonych z drona informacji wizyjnych ciÄ&#x2122;Ĺźkim sprzÄ&#x2122;tem budowlanym i zestawia sekwencjÄ&#x2122; zadaĹ&#x201E; wykonywanych przez kilka, nawet do piÄ&#x2122;ciu maszyn, np. formujÄ&#x2026;cych powierzchniÄ&#x2122; placu budowy. WedĹ&#x201A;ug Bocka [10â&#x20AC;&#x201C;15] w japoĹ&#x201E;skim przemyĹ&#x203A;le budowlanym prefabrykacja na placu budowy, takĹźe poza nim, stosowana jest juĹź na nieporĂłwnywalnie duĹźÄ&#x2026;, z europejskim i amerykaĹ&#x201E;skim budownictwem, skalÄ&#x2122;. Wielkoskalowa Prefabrykacja (ang. Large Scale Prefabrication), jest wĹ&#x201A;aĹ&#x203A;nie szczegĂłlnie skuteczna w Japonii, w sytuacji wysokiego poziomu automatyzacji i robotyzacji przemysĹ&#x201A;u budowlanego, ktĂłry wytwarza okoĹ&#x201A;o 150 000 prefabrykowanych mieszkaĹ&#x201E; w skali roku.

ktĂłre sÄ&#x2026; w stanie zmieniaÄ&#x2021; swoje parametry, funkcje i geometriÄ&#x2122;, porĂłwnania te sÄ&#x2026; juĹź nieaktualne. Statyczna przez wieki bryĹ&#x201A;a budowli moĹźe byÄ&#x2021; wprawiona w ruch przez nas, nawet przez nasze myĹ&#x203A;li lub przez zmieniajÄ&#x2026;ce siÄ&#x2122; parametry otoczenia bÄ&#x2026;dĹş nawet muzykÄ&#x2122;. DziÄ&#x2122;ki nowym technologiom bezwĹ&#x201A;adna dotychczas bryĹ&#x201A;a zostaje wzbogacona o sensory, procesory, aktuatory, roboty oraz systemy obliczeniowe dziaĹ&#x201A;ajÄ&#x2026;ce dynamicznie w czasie rzeczywistym oraz sieci komunikacyjne kontaktujÄ&#x2026;ce siÄ&#x2122; ze Ĺ&#x203A;wiatem zewnÄ&#x2122;trznym, stajÄ&#x2026;c siÄ&#x2122; systemem Ĺ&#x201A;Ä&#x2026;czÄ&#x2026;cym mechatronikÄ&#x2122; i architekturÄ&#x2122; w nowÄ&#x2026; caĹ&#x201A;kiem dyscyplinÄ&#x2122; techniki: architektronikÄ&#x2122;. W najprostszym wykonaniu tego systemu, w etapie przejĹ&#x203A;ciowym, jako elementy kinetyczne budynku, zmieniajÄ&#x2026;ce jego wyglÄ&#x2026;d, charakter lub funkcjonalnoĹ&#x203A;Ä&#x2021; (rys. 16). MogÄ&#x2026; one zmieniaÄ&#x2021; swoje poĹ&#x201A;oĹźenie, pozycjÄ&#x2122; lub orientacjÄ&#x2122; w odpowiedzi na sygnaĹ&#x201A; z sensorĂłw bÄ&#x2026;dĹş w wyniku implementacji zaprogramowanej lub wymuszonej sekwencji sygnaĹ&#x201A;Ăłw sterujÄ&#x2026;cych. WspĂłĹ&#x201A;czesna architektura musi juĹź byÄ&#x2021; postrzegana jako system dynamiczny, ktĂłry zmienia siÄ&#x2122; w odpowiedzi na jego otoczenie, a nawet jako organizm zdolny modyfikowaÄ&#x2021; sam siebie. PojÄ&#x2122;cie architektroniki lub ROBOarchitektroniki [43], okreĹ&#x203A;lajÄ&#x2026;ce dyscyplinÄ&#x2122; Ĺ&#x201A;Ä&#x2026;czÄ&#x2026;cÄ&#x2026; w sobie architekturÄ&#x2122; i mechatronikÄ&#x2122;, zostaĹ&#x201A;o stworzone w oczekiwaniu na sygnalizowany juĹź rozwĂłj integracji obu dziedzin. Razem z kontrolowanymi przez uĹźytkownika zmechatronizowanymi systemami kinetycznymi wykorzystujÄ&#x2026;cymi sensory, procesory i aktuatory, zasĹ&#x201A;uguje na szczegĂłĹ&#x201A;owÄ&#x2026; analizÄ&#x2122; i bÄ&#x2122;dzie przedmiotem badaĹ&#x201E; nazwanych ROBOmoves, prowadzonych w najbliĹźszym czasie przez autorĂłw artykuĹ&#x201A;u z WydziaĹ&#x201A;u Architektury i WydziaĹ&#x201A;u Mechatroniki Politechniki Warszawskiej. Dobrym przykĹ&#x201A;adem podobnych badaĹ&#x201E; byĹ&#x201A; niedawno zakoĹ&#x201E;czony projekt LISA Habitec [15], prowadzony w wyniku dwuletniej (2014â&#x20AC;&#x201C;2016) wspĂłĹ&#x201A;pracy multidyscyplinarnej grupy kierowanej przez Thomasa Bocka w Technische Universität MĂźnchen. Jego celem byĹ&#x201A;a niezwykle waĹźna kwestia spoĹ&#x201A;eczna, jakÄ&#x2026; jest mechatroniczne i architektoniczne wsparcie seniorĂłw, osĂłb niedoĹ&#x201A;Ä&#x2122;Ĺźnych, chorych i kalekich, wymagajÄ&#x2026;cych opieki. Celem projektu byĹ&#x201A;o Opracowanie techniki, ktĂłra moĹźe wspieraÄ&#x2021; ludzi i zagwarantowaÄ&#x2021; im samodzielne Ĺźycie dĹ&#x201A;uĹźej. LISA oferuje funkcjonalne, inteligentne meble, ktĂłre zapewniajÄ&#x2026; pomoc fizycznÄ&#x2026; i technicznÄ&#x2026;. Wszystkie funkcje sÄ&#x2026; modularne (umoĹźliwiajÄ&#x2026; zmiany), a zatem adaptowalne do indywidualnych potrzeb i ograniczeĹ&#x201E; (rys. 17). Ten przykĹ&#x201A;ad ilustruje wprost niewyobra-

P.'       Projektowanie, budowa i montaĹź wspomagany przez robotykÄ&#x2122; to istotny, ale nie jedyny przykĹ&#x201A;ad wykorzystywania systemĂłw mechatronicznych w architekturze. Zautomatyzowane i zrobotyzowane Ĺ&#x203A;rodowisko Ĺźycia umoĹźliwia wspieranie uĹźytkownikĂłw, w tym osĂłb starszych i niepeĹ&#x201A;nosprawnych, w wykonywaniu codziennych czynnoĹ&#x203A;ci. Pojawia siÄ&#x2122; teĹź moĹźliwoĹ&#x203A;Ä&#x2021; poprawy i dostosowania parametrĂłw Ĺ&#x203A;rodowiskowych do indywidualnych potrzeb tych osĂłb i warunkĂłw zewnÄ&#x2122;trznych. ChoÄ&#x2021; idea stosowania ruchomych elementĂłw w architekturze nie jest nowym pomysĹ&#x201A;em, czego przykĹ&#x201A;adem sÄ&#x2026; chociaĹźby mosty zwodzone, jej ukonstytuowanie nastÄ&#x2026;piĹ&#x201A;o dopiero na przeĹ&#x201A;omie lat 60. i 70. XX stulecia. PozwoliĹ&#x201A; na to rozwĂłj nowych technologii, w tym aktuatorĂłw i systemĂłw przetwarzania danych. Termin architektura kinetyczna odnosi siÄ&#x2122; do budynkĂłw zaprojektowanych z myĹ&#x203A;lÄ&#x2026; o moĹźliwoĹ&#x203A;ci wprawienia w ruch elementĂłw struktury obiektu. Jednym z prekursorĂłw architektury kinetycznej byĹ&#x201A; Buckminster Fuller (1895â&#x20AC;&#x201C;1983), amerykaĹ&#x201E;ski konstruktor, architekt i filozof, twĂłrca konstruktywizmu. W 1970 r., Zuk i Clark [45] w ksiÄ&#x2026;Ĺźce Kinetic Architecture pogĹ&#x201A;Ä&#x2122;biajÄ&#x2026; rozumienie pojÄ&#x2122;cia natury architektury kinetycznej. Autorzy wyznaczajÄ&#x2026; w niej warunki i kierunki rozwoju tej gaĹ&#x201A;Ä&#x2122;zi architektury, miÄ&#x2122;dzy innymi przez czerpanie inspiracji wĹ&#x201A;aĹ&#x203A;nie ze Ĺ&#x203A;wiata natury, roĹ&#x203A;lin, zwierzÄ&#x2026;t, mineraĹ&#x201A;Ăłw, tzn. przez bionikÄ&#x2122; [38]. PojÄ&#x2122;cie architektury responsywnej, odpowiadajÄ&#x2026;cej na zmieniajÄ&#x2026;ce siÄ&#x2122; potrzeby uĹźytkownikĂłw oraz zmiany warunkĂłw Ĺ&#x203A;rodowiskowych narodziĹ&#x201A;o siÄ&#x2122; w podobnym okresie i zostaĹ&#x201A;o opisane przez Nicholasa Negroponte, zaĹ&#x201A;oĹźyciela w 1967 r. MIT Architecture Machine Group. Negroponte przedstawiaĹ&#x201A; architekturÄ&#x2122; jako naturalny produkt wykorzystania techniki komputerowej [30]. PrzewidujÄ&#x2026;c juĹź w 1970 r. rolÄ&#x2122; sensorĂłw i aktuatorĂłw, zintegrowanych z budynkiem pisaĹ&#x201A;, Ĺźe nie tylko bÄ&#x2122;dzie moĹźliwe monitorowanie i regulowanie warunkĂłw Ĺ&#x203A;rodowiskowych, ale takĹźe uĹ&#x201A;atwienie zmian w aktywnoĹ&#x203A;ci uĹźytkownikĂłw przez alokacjÄ&#x2122; elementĂłw i wyposaĹźenia przestrzeni funkcjonalnych w tym budynku. W XIX stuleciu filozofowie i artyĹ&#x203A;ci nazywali architekturÄ&#x2122; muzykÄ&#x2026; zastygĹ&#x201A;Ä&#x2026; (Friedrich W.J. Schelling, 1803) lub oniemiaĹ&#x201A;Ä&#x2026; (Johan Wolfgang von Goethe, 1833, Die Baukunst ist eine verstummte Tonkunst) [17]. Wobec obiektĂłw architektonicznych,

20

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

Rys. 16. Interactive Wall, Hyperbody, TU Dresden, Festo 2009 â&#x20AC;&#x201C; kinetycznoĹ&#x203A;Ä&#x2021; architektury polega na ruchu fragmentĂłw budynku, odpowiadajÄ&#x2026;c na warunki Ĺ&#x203A;rodowiskowe i potrzeby uĹźytkownika, elementy interaktywne zmieniajÄ&#x2026; geometriÄ&#x2122; za sprawÄ&#x2026; wbudowanych sensorĂłw, procesorĂłw i aktuatorĂłw pneumotronicznych Fig. 16. Interactive Wall, Hyperbody, TU Dresden, Festo 2009 â&#x20AC;&#x201C; interactivity is addressed here at the level of building fragments that become dynamic, responding to environmental factors or user specific needs, the realtime interactive elements are activated via embedded sensor and pneumotronic actuators

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


       !  "# $%&

Rys. 17. LISA Habitec (ang. Habitat, Bits and Technology in an Ageing Society), skĹ&#x201A;ada siÄ&#x2122; z serii dedykowanych, interaktywnych, zmechatronizowanych mikropomieszczeĹ&#x201E; i ich wyposaĹźenia, zgromadzonych w istniejÄ&#x2026;cej przestrzeni jednostki mieszkalnej [15] Fig. 17. LISA Habitec (Habitat, Bits and Technology in an Ageing Society), consists of series of dedicated, interactive robotic micro-rooms situated within the existing space

Ĺźalny jeszcze dzisiaj potencjaĹ&#x201A; architektury wzbogaconej urzÄ&#x2026;dzeniami, maszynami i systemami mechatronicznymi.

Q.  W przypadku idei kinetycznej (ROBOmoves) architektura cierpi na zespĂłĹ&#x201A; deus ex machina1. To stan, ktĂłry pociÄ&#x2026;ga za sobÄ&#x2026; nagĹ&#x201A;e zmiany, a w naukowym znaczeniu wiÄ&#x2026;Ĺźe siÄ&#x2122; ze skokowym wprowadzeniem nowej hipotezy, ktĂłra ma rozwiÄ&#x2026;zaÄ&#x2021; zadany problem. Wykorzystywanie mechatroniki, a dziÄ&#x2122;ki niej aktuatorĂłw i robotĂłw, jako panaceum na wszystkie problemy architektury spotyka siÄ&#x2122; jeszcze ciÄ&#x2026;gle ze sprzeciwem i spoĹ&#x201A;ecznym, i samych architektĂłw. Warto jednak pamiÄ&#x2122;taÄ&#x2021;, Ĺźe, historycznie rzecz traktujÄ&#x2026;c, architektura byĹ&#x201A;a zawsze ewolucyjnie, silnie powiÄ&#x2026;zana z rozwojem technologii, a wykorzystywanie nowo pojawiajÄ&#x2026;cych siÄ&#x2122; narzÄ&#x2122;dzi i technologii byĹ&#x201A;o naturalnÄ&#x2026; praktykÄ&#x2026; projektowÄ&#x2026; [25, 40]. DziĹ&#x203A; zmiany wprowadzone przez rozwĂłj technologii informacyjnych i internetowych w poĹ&#x201A;Ä&#x2026;czeniu z narzÄ&#x2122;dziami dostarczanymi przez mechatronikÄ&#x2122;, muszÄ&#x2026; powodowaÄ&#x2021; szybkÄ&#x2026; transformacjÄ&#x2122; doĹ&#x203A;Ä&#x2021; przestarzaĹ&#x201A;ego w tym obszarze przemysĹ&#x201A;u budowlanego. Dla architektĂłw we wspĂłĹ&#x201A;czesnym spoĹ&#x201A;eczeĹ&#x201E;stwie wiedzy pojawiajÄ&#x2026; siÄ&#x2122; wiÄ&#x2122;c nowe wyzwania projektowe. Te nowe aspekty oferujÄ&#x2026; interesujÄ&#x2026;ce moĹźliwoĹ&#x203A;ci, poniewaĹź wdroĹźenie rozwiÄ&#x2026;zaĹ&#x201E; mechatronicznych wymaga systemowego i interdyscyplinarnego podejĹ&#x203A;cia do rozwiÄ&#x2026;zywania problemĂłw projektowych architektury gwarantujÄ&#x2026;c jednoczeĹ&#x203A;nie efekt synergii. We wspĂłĹ&#x201A;czesnej praktyce architektonicznej i edukacji w dziedzinie nauk stosowanych pojawia siÄ&#x2122; nowe podejĹ&#x203A;cie â&#x20AC;&#x153;badaĹ&#x201E; przez projektowanieâ&#x20AC;? (ang. Research by Design). Na Wydziale Architektury Politechniki Warszawskie, we wspĂłĹ&#x201A;pracy z WydziaĹ&#x201A;em Mechatroniki, badane sÄ&#x2026; te projektowe aspekty robotyki, techniki informacyjnej i inĹźynierii materiaĹ&#x201A;owej [44]. Projektowanie stanowi tu istotnÄ&#x2026; czÄ&#x2122;Ĺ&#x203A;Ä&#x2021; procesu badawczego. 1 okreĹ&#x203A;lenie to pochodzi z greckiej tragedii, gdzie ruchome platformy byĹ&#x201A;y stosowane do wynoszenia na scenÄ&#x2122; aktorĂłw grajÄ&#x2026;cych bogĂłw. W efekcie wykorzystania tych urzÄ&#x2026;dzeĹ&#x201E;, wĹ&#x203A;rĂłd zaskoczonych widzĂłw wywoĹ&#x201A;ywana byĹ&#x201A;a natychmiastowa reakcja emocjonalna â&#x20AC;Ś

WspĂłĹ&#x201A;praca tych dwĂłch wydziaĹ&#x201A;Ăłw w tej dziedzinie odbywa siÄ&#x2122; w trakcie regularnych zajÄ&#x2122;Ä&#x2021; programu ASK (ang. Architectural Society of Knowledge), z technicznym wsparciem ze strony firmy Festo Polska, reprezentujÄ&#x2026;cego wiodÄ&#x2026;cego w skali Ĺ&#x203A;wiatowej producenta sprzÄ&#x2122;tu mechatronicznego. Podczas zajÄ&#x2122;Ä&#x2021; w ROBOstudio wykorzystywane sÄ&#x2026; badania i metody oparte na projektowaniu, ktĂłre jest rekurencyjnym procesem pytaĹ&#x201E; i propozycji. W epoce spoĹ&#x201A;eczeĹ&#x201E;stwa wiedzy proces ten uwzglÄ&#x2122;dnia uczestnictwo spoĹ&#x201A;eczne, czyniÄ&#x2026;c projektowanie praktykÄ&#x2026; refleksyjnÄ&#x2026;. Krytyczna ocena, metody porĂłwnawcze i ewaluacja odbywajÄ&#x2026; siÄ&#x2122; poprzez wspĂłlne, multidyscyplinarne rozwiÄ&#x2026;zywanie problemĂłw. Kilka zrealizowanych projektĂłw studyjnych ROBOstudio przedstawiono na rys. 18 i 19. WĹ&#x203A;rĂłd realizowanych w projekcie tematĂłw wystÄ&#x2122;puje ROBOconstruct, badajÄ&#x2026;cy moĹźliwoĹ&#x203A;Ä&#x2021; integrowania architektury i mechatroniki w projektowaniu, prototypowaniu i realizacji budynkĂłw. Projekt stara siÄ&#x2122; realizowaÄ&#x2021; integracjÄ&#x2122; tych dwĂłch dziedzin przez cyfryzacjÄ&#x2122; procesu konstrukcyjnego i wykorzystywanie zaawansowanych materiaĹ&#x201A;Ăłw i technologii, w tym robotĂłw [44]. W temacie ROBOsenior projektowane jest takĹźe Ĺ&#x203A;rodowisko dla osĂłb starszych i niepeĹ&#x201A;nosprawnych. Jest to interaktywny i modularny system wspomagany nowymi technologiami, pozwalajÄ&#x2026;cymi na kontrolÄ&#x2122; Ĺ&#x203A;rodowiska domowego i stanu zdrowia mieszkaĹ&#x201E;cĂłw. Celem projektu jest opracowanie prototypowego systemu, przeznaczonego rĂłwnieĹź do zautomatyzowanego i zrobotyzowanego wsparcia osĂłb starszych, wymagajÄ&#x2026;cych opieki osĂłb trzecich. ZwiÄ&#x2122;kszajÄ&#x2026;ca siÄ&#x2122; dĹ&#x201A;ugoĹ&#x203A;Ä&#x2021; Ĺźycia i niski przyrost naturalny w krajach rozwiniÄ&#x2122;tych, takĹźe w Polsce, sprawiajÄ&#x2026;, Ĺźe zautomatyzowanie procesĂłw odpowiadajÄ&#x2026;cych za komfort i bezpieczeĹ&#x201E;stwo seniorĂłw moĹźe byÄ&#x2021; jedynym sposobem dla skutecznego zapewnienia wspomnianej opieki. Czynnikiem, ktĂłry musi byÄ&#x2021; uwzglÄ&#x2122;dniony jest chroniczny brak kadry pielÄ&#x2122;gniarskiej lub przynajmniej usprawnienie jej dziaĹ&#x201A;ania przez zmniejszenie wysiĹ&#x201A;ku fizycznego, np. w trakcie czynionych wspĂłlnie z pacjentem Ä&#x2021;wiczeĹ&#x201E; rehabilitacyjnych. W niedalekiej przyszĹ&#x201A;oĹ&#x203A;ci mechatronika w architekturze moĹźe byÄ&#x2021; wykorzystana nie tylko do projektowania, wytwarzania, montaĹźu budynkĂłw, ale takĹźe do uczynienia naszych domĂłw i miast przestrzeniÄ&#x2026; reagujÄ&#x2026;cÄ&#x2026; na zmieniajÄ&#x2026;ce siÄ&#x2122; warunki zewnÄ&#x2122;trzne i potrzeby uĹźytkownikĂłw [40].

21


Mechatronika w architekturze – architektronika

Rys. 18. Interaktywna instalacja z zastosowaniem pneumatycznych aktuatorów Festo, Noc Muzeów, ROBOstudio, Wydział Architektury Politechniki Warszawskiej, Festo 2016 Fig. 18. The interactive installation using Festo pneumatic actuators, Museums Night, ROBOstudio, Faculty of Architecture, Warsaw University of Technology, Festo 2016

Rys. 19. Prezentacja rozwiązań ROBOstudio, Interaktywne Atrium Wydziału Architektury Politechniki Warszawskiej, 2015 Fig. 19. Presentation of projects ROBOstudio, Interactive Atrium of the Faculty of Architecture, Warsaw Technical University, 2015

W Polsce szanse tej transformacji są znaczne z uwagi na obecny, bardzo niski poziom zautomatyzowania i zrobotyzowania i przemysłu, i życia społecznego i rodzinnego [34]. Ale wkrótce idee takie, jak Przemysł 4.0 będą miały istotny wpływ na budowanie, projektowanie i realizację projektów architektonicznych i urbanistycznych. Można już zaobserwować, że technologie zautomatyzowanej i zrobotyzowanej budowy, wykorzystanie

22

P

O

M

I

A

R

Y

A

U

T

O

M

maszyn budowlanych o charakterze robotycznym, systemy robotów serwisowych, technologie informacyjne i internetowe łączą się ze środowiskiem budowlanym, stając się nieodłącznymi elementami budynków, komponentów budynków, mieszkań, wbudowanych mebli... Automatyka i robotyka stają się wszechobecne i zaczynają wieść własne życie i tworzyć środowisko urbanistyczne [10, 43, 44]. A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


       !  "# $%&

Bibliografia 1. 2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

16.

Abele E.,, Reinhart G., Zukunft der Produktion. Carl Hanser Verlag, MĂźnchen 2011. Adriaenensens S., Gramazio F., Kohler M., Menges A., Pauly M. (eds.), Advances in Architectural Geometry. Proc. Advances in Architectural Geometry (AAG), ETH ZĂźrich, vdf Hochschulverlag AG, ZĂźrich 2016. Andreani S., Bechthold M., (R)evolving Brick: Geometry and Performance Innovation in Ceramic Building Systems Through Design Robotics. [in:] Gramazio, K. (ed.), Fabricate: Negotiating Design & Making, Gbt Verlag, ZĂźrich 2014. Bechthold M., Design Robotics: A New Paradigm in Process-Based Design. [in:] Oxman, R., Theories of the Digital in Architecture. Routledge/Taylor & Francis, Abingdon 2014. Bechthold M., Design Robotics: New Strategies for Material System Research. [in:] Peters B., Peters T. (eds.), Inside Smart Geometry. John Wiley & Sons, London 2013, 254â&#x20AC;&#x201C;267. Bechthold M., Griggs K., Coffee, Cake, CAD/CAM: Reinventing the Urban Diner. Cambridge-Harvard Design School: Technology Report Series 2003-3. Bechthold M., Griggs K. et al., New Technologies in Design I: Digital Design and Manufacturing Techniques I. Cambridge-Harvard Design School: Technology Report Series 2001-1. Bechthold M, Griggs K. et al., New Technologies in Design I: Digital Design and Manfuacturing Techniques II & III. Cambridge-Harvard Design School: Technology Report Series 2003-2. Bechthold M., Product and Process Approaches. [in:] Piroozfar P., Piller F. (eds.), Mass Customisation and Personalisation in Architecture and Construction. Routledge/Taylor & Francis, Abingdon 2013. Bock Th., Construction Robotics enabling Innovative Disruption and Social Supportability. [in:] Proc. of the Intern. Symp. on Automation and Robotics in Construction (ISARC). Vilnius Gediminas Technical University, Department of Construction Economics & Property, Vilnius 2015, 1-11. Bock Th., Evolution of Large Scale Industrialization and Service Innovation in Japanese Prefabrication Industry. â&#x20AC;&#x153;Construction Innovationâ&#x20AC;?, Vol. 12, Iss. 2, 2012, 156â&#x20AC;&#x201C;178, DOI: 10.1108/14714171211215921. Bock Th., Lauer W.V., Location Orientation Manipulator by Konrad Wachsmann, John Bollinger and Xavier Mendoz. [in:] International Symposium on Automation and Robotics in Construction, ISARC 2010. Bock Th., Linner Th., Robotic Industrialization, Automation and Robotic Technologies for Customized Component, Module, and Building Prefabrication. The Cambridge University Press, 2015. Bock Th., Linner Th., Robot-Oriented Design: Design and Management Tools for the Deployment of Automation and Robotics in Construction. The Cambridge Handbooks in Construction Robotics, 2015. Bock Th., Linner Th., The Cambridge Handbooks on Construction Robotics. Series focuses on the implementation of automation and robot technology to renew the construction industry. GSD Design Robotics Group, Material Processes and Systems Research, Ambient Integrated Robotics, Vol. 1â&#x20AC;&#x201C;5, Harvard 2017. BrĂźninghaus J., Stum S., Nelles J., Mertens A., Schlick Ch., Brell-Cockan S., Arbeitsorganisatorische und ergono-

17. 18

19.

20.

21. 22. 23.

24.

25. 26.

27.

28.

29. 30. 31.

32.

33.

34.

35. 36.

37.

mische Anforderungen an die Mensch-Roboter-Interaktion auf der Baustelle der Zukunft. Kongress der Gesellschaft fĂźr Arbeitswissenschaft e.v., RWTH Aachen 2016. Eckermann J.P., Die Baukunst ist eine erstarrte Musik â&#x20AC;&#x201C; Gespräche mit Goethe, 1829. Gilbert H., The Dream of the Factory-Made House: Walter Gropius and Konrad Wachsmann. The Amazon Book Review, 1984. Graham W., Miasta wyĹ&#x203A;nione. Siedem wizji urbanistycznych, ktĂłre ksztaĹ&#x201A;tujÄ&#x2026; nasz Ĺ&#x203A;wiat, Wyd. Karakter, KrakĂłw 2016. Gramazio F., Kohler M., Willmann J., The Robotic Touch: How Robots Change Architecture. Park Books, ZĂźrich 2017. Hasegawa Y., New Wave of Construction Automation and Robotics in Japan. Waseda University, 2000. Hartley J., Flexible Automation in Japan, Springer Verlag, 1984. Keating S.J., Leland J.C., Cai L., Oxman N., Toward Site-specific and Self-sufficient Robotic Fabrication on Architectural Scales. â&#x20AC;&#x153;Science Roboticsâ&#x20AC;?, Vol. 2, Iss. 5, 2017, DOI: 10.1126/scirobotics.aam8986. KaliczyĹ&#x201E;ska M., DÄ&#x2026;bek P., Value of the Internet of Things for the Industry â&#x20AC;&#x201C; An Overview. [in:] Mechatronics: Ideas for Industrial Applications, 2015, 51â&#x20AC;&#x201C;63, DOI: 10.1007/978-3-319-10990-9_6. Knothe J., Sztuka budowania. Wyd. Karakter, KrakĂłw 2015. Kohler M., Gramazio F., Willmann J., The Robotic Touch: How Robots Change Architecture: Gramazio & Kohler Research. ETH Zurich, Zurich Park Books 2005â&#x20AC;&#x201C;2017. Menges A., Material Performance â&#x20AC;&#x201C; Fibrous Tectonics & Architectural Morphology. Harvard University GSD, Cambridge 2016. Miodownik M., W rzeczy samej. Osobliwe historie wspĂłĹ&#x201A;czesnych materiaĹ&#x201A;Ăłw, ktĂłre nadajÄ&#x2026; ksztaĹ&#x201A;t naszemu Ĺ&#x203A;wiatu. Wyd. Karakter, KrakĂłw 2016. Mitchell W.J., The Logic of Architecture: Design, Computation, and Cognition. The MIT Press, 1990. Negroponte N., The Architecture Machine. MIT Press, 1970. Olszewski M., Barczyk J., BartyĹ&#x203A; M., Mednis W., Chojecki R., UrzÄ&#x2026;dzenia i systemy mechatroniczne. CzÄ&#x2122;Ĺ&#x203A;Ä&#x2021; 2, podrÄ&#x2122;cznik opracowany pod kierunkiem Olszewski M. REA, Warszawa 2009. Olszewski M., Barczyk J., Falkowski J.L., KoĹ&#x203A;cielny W.J., Manipulatory i roboty przemysĹ&#x201A;owe. Automatyczne maszyny manipulacyjne, praca napisana pod kierunkiem Olszewski M. Wyd. Naukowo-Techniczne, Warszawa, I wyd. 1985; II wyd. popr. i uzupeĹ&#x201A;. 1993. Olszewski M., KoĹ&#x203A;cielny W.J., Mednis W., SzaciĹ&#x201A;Ĺ&#x201A;o-Kosowski J., Wasiewicz P., UrzÄ&#x2026;dzenia i systemy mechatroniczne. CzÄ&#x2122;Ĺ&#x203A;Ä&#x2021; 1, podrÄ&#x2122;cznik opracowany pod kierunkiem Olszewski M. REA, Warszawa 2009. Olszewski M., Mechatronizacja produktu i produkcji â&#x20AC;&#x201C; przemysĹ&#x201A; 4.0. â&#x20AC;&#x153;Pomiary Automatyka Robotykaâ&#x20AC;?, R. 20, Nr 3, 2016, 6â&#x20AC;&#x201C;28, DOI: 10.14313/PAR_221/13. Olszewski M., Mechatronizacja produktu i produkcji â&#x20AC;&#x201C; PrzemysĹ&#x201A; 4.0. â&#x20AC;&#x153;NapÄ&#x2122;dy i Sterowanieâ&#x20AC;?, 6(19), 2017, 74â&#x20AC;&#x201C;90. Park D., Bechthold M., Designing Biologically Inspired Smart Building Systems: Processes and Guidelines. â&#x20AC;&#x153;International Journal of Architectural Computingâ&#x20AC;?, Vol. 11, No. 4, 2013, 437â&#x20AC;&#x201C;467. Smith I., Wamuziri S., Taylor M., Automated Construction in Japan. [in:] Proc. Inst. Civil Eng. 2003, 156, 34â&#x20AC;&#x201C;41.

23


Mechatronika w architekturze â&#x20AC;&#x201C; architektronika

38. Stoll W., Bionics. Inspiring technology. H. Schmidt University Printing Press Publishing House, Mainz 2012. 39. Stumm S., Braumann J., von Hilchen M., Brell-Cokcan S., On-Site Robotic Construction Assistance for Assembly Using A-Priori Knowledge and Human-Robot Collaboration. [in:] RodiÄ&#x2021; A., Boranglu T. (eds), Advances in Robot Design and Intelligent Control, Vol. 540, Springer 2017. 40. Sudjic D., JÄ&#x2122;zyk miast. Wyd. Karakter, KrakĂłw 2015. 41. Sutherland I., Sketchpad: A Man-Machine Graphical Communication System. Ph.D. thesis, MIT, 1964.

42. Taylor M. et al., Automated Construction in Japan. Proc. of ICE 2003, 34â&#x20AC;&#x201C;41, DOI: 10.1680/cien.2003.156.1.34. 43. Wojtowicz J., Johnson G., Meyboom A., Architectronics: Towards a Responsive Environment. â&#x20AC;&#x153;International Journal of Architectural Computingâ&#x20AC;?, 2011, Vol. 9, No. 1, 77â&#x20AC;&#x201C;98. 44. Wrona S., Wojtowicz J., Wykorzystanie sztucznej inteligencji i robotyki w architekturze i urbanistyce, manuskrypt 2017 (w przygotowaniu). 45. Zuk W., Clark R.H., Kinetic Architecture. Van Nostrand Reinhold, New York 1970.

(   6  N(    -$! &\ In the thesis authors are discussing the new reality resulting from the process of integrating architecture and mechatronics, in it above all automations and robotizations. They are becoming creative tools in processes of the design, modeling and building architecture for the society of the knowledge. The examples of architectural solutions discussed in this article demonstrate that the automation and the robotization of the both fabrication and assembly of structures and building elements are important and expected undertakings. Mechatronizated, kinetic architecture is becoming also an excellent way of considering changing conditions of the environment and user requirements becomes the new form of interface. These changing conditions and requirements for products of modern architecture are direct analogies of changing requirements and their realization also in relation to products and the industrial production, included within a generally accepted term of industrial (r)evolution 4.0. KeywordsH"       "  )  < )8    



)$9 ;9 [  ! 5B! !".

prof. Politechniki Warszawskiej

prof. dr mgr arch. Jerzy Wojtowicz, prof. zw. Politechniki Warszawskiej Professor Emeritus The University of British 'B $

"%  *" %%%    D     .K,+%  > (T   !%O")     /&%  .K/J % 8   H    <;  H  " ) ; " .KJ+%DF9  ;

H  8 "  H  H "8 U   "  "

 "    "" ;

   C'(   

8"     " ; VX6  YP-&&-QX   " YP-&&,Q  "X#H   "" Y P-&&KQ%     A   "

) A";

% L   ( " C)  D 6   D     .KK0;-&.-Z-&&$%C F  " 8L   ( "  " AZH@"  @    8  ;F"L) " NO %

24

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

* % ! % D           ;   (;   L   <M  ")  #!   C   B    L   C!M <(( >   (

 <"  ( 8(     O8 @8 B!"  ; ; G    8C   F  PCFQ% E )   "  )    8       A

       <"  A     A 8    A  G " @  O8@8I #(  ;    " 8 8" " A   ; " " RPR   8 Q%S)   D (    D     

  ""; A"  " ) A< ) " GH 

  %(     <"H8 8 "(@P(  < <@8Q   H8       A   %

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


       !  "# $%&

 (9 

)$9 ;9  &)9  (  .

prof. zw. Politechniki Warszawskiej



;9 @ B EG$ !"H"   %% )  *8" %"

 * %%%  D (   ;  D      .K/& %  .K,/% 

   ;   ) ;      " 8 8 ";  "    %   )    )                "    " 8ML6 PM8L<" 68Q  

   "   )     )  %D  .KJK;-&&J@      (  8D " ; 8 8@" " D (   .KK0N-&&- -&&JN-&.,@@     (  8-&.,% )   F"> #(F8%S  A;  D "6 U"H>     "  8;  A" 8  (@P(  < <@8Q%

()   A A ;  D    V D  6  P-&.+Q  D  (   P-&.,Q% S -&., % ;    A      D  (  %    ;       "   ; 8  "        " "          "%

25


Mechatronika w architekturze â&#x20AC;&#x201C; architektronika

26

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 21, Nr 3/2017, 27â&#x20AC;&#x201C;34, DOI: 10.14313/PAR_225/27

    )" 9"8      <"!".  & &". -   B". >! @ !". ] E$.

,  ')B $ ! D #!  < 98>  <6  '88 <(! 6 <  898 P(69;> Q [

 ++&;$/.D   

-$! &\ Industrial computed tomography (CT) supports quality inspection of manufactured technical objects and product development thanks to its possibility of non-destructive detection of porosity. Application of computed tomography to porosity detection permits not only qualitative evaluation of internal structure of objects, but also quantitative evaluation of material porosity with representation of three-dimensional shape of pores and their spatial distribution. The paper presents a brief characteristic of the factors influencing effectiveness of porosity detection by CT. A technical example illustrates influence of the applied magnification on the possibility to detect porosity and represent shapes of pores. Next, the results of porosity evaluation obtained by CT and by standard microscopic examinations are compared. It was demonstrated that result of porosity detection is influenced by magnification and resolution of CT measurements. 8 H  "  "8   <  \    

1. Introduction An industrial CT scanner is equipped with an X-ray tube generating a conical beam of radiation. It can be used for representing external and internal geometry of technical objects. After CT examination, structure of the object remains unchanged, so this technique is classified as a non-destructive testing [1â&#x20AC;&#x201C;4]. By CT it is possible to analyse internal structure of examined objects in a relatively short time, with no need of their expensive cutting into sections. Schematic presentation of obtaining three-dimensional data using CT is shown in Fig. 1.

During reconstruction, the object is placed on a turntable and screened with X-rays. The object is penetrated by radiation at various angular positions of the table and a series of X-ray images is recorded. Based of these digitally recorded images composed of individual pixels with various intensities, a 3D model of the scene is reconstructed. The object is separated from the background by segmentation using the thresholding technique and, finally, a 3D model of the object itself is created.

Fig. 1. Schematic presentation of obtaining data by technical CT Rys. 1. Schemat uzyskiwania danych z wykorzystaniem technicznej tomografii komputerowej

' " H  "  %% "*%% '        $&%&$%-&./% --%&+%-&./%             !"" #     $%&

A map representing 3D geometry, obtained by CT reconstruction, makes it possible to detect hidden material defects in form of pores, cracks, inclusions and other discontinuities inside the reconstructed objects [5â&#x20AC;&#x201C;7], see Fig. 2. An advantage of this measurement method is quantitative analysis of defects that makes it possible to evaluate total porosity with determination of shapes of pores and their spatial distribution. However, the possibility of detecting pores by CT depends on many

27


Porosity Detection by Computed Tomography

factors; the most important of them will be described below in more details. Detection of porosity using CT is limited by size of the reconstructed object that determines the attainable measurement resolution [8]. Maximum size of the object to be reconstructed dmax restricts possible magnifications, which results from geometrical relationships of the CT measuring system, see Fig. 3. Magnification m can be expressed by the formula: m =

SDD , SOD

(1)

where SDD is the source-to-detector distance and SOD is source-to-object distance. The possible magnification is also expressed by the ratio between the detector size D and maximum dimension of the reconstructed object dmax, according to the relationship: m = Fig. 2. Reconstruction of an aluminum part: a) result of reconstruction in form of 2D section recorded in grey scale; b) 3D view after segmentation of data, pores are marked with various colours Rys. 2. Rekonstrukcja aluminiowego detalu: a) wynik rekonstrukcji w postaci przekroju 2D zapisanego w skali szarości, b) widok 3D po segmentacji danych i zaznaczeniu porów różnymi kolorami

D . d max

(2)

Spatial resolution in computed tomography is directly linked to the idea of “voxel”, i.e. a three-dimensional cubic element corresponding to a pixel of the 2D system. The CT reconstruction is a three-dimensional matrix of such elements and each of them has a determined intensity in grey scale, corresponding to “density” (attenuation of X-rays) of the represented piece of material in the reconstructed object, see Fig. 4. Summarising, the size of a voxel VX is proportional to the largest dimension of the reconstructed object dmax and magnification m and depends on sizes of the detector D and the detector pixel P. So, size of a voxel can be expressed as follows: Vx =

P m

Vx =

d max ⋅ P . D

(3)

The relation (3) determines size of a voxel, limited by maximum dimension of the object. The smaller size of a voxel, the smaller defects can be recorded and, thus, porosity recorded for a smaller voxel by CT is more accurate (better resolution) [9]. Discretisation of an object in form of voxel data is not free of shortcomings, as schematically shown in Fig. 5. The partial volume effect (PVE) [10] occurs here, limiting or precluding

Fig. 3. Operating principle of a technical CT scanner with a conical X-ray beam Rys. 3. Schemat ideowy tomografu technicznego ze stożkową wiązką promieniowania

Fig. 4. Schematic presentation of a voxel as a three-dimensional element corresponding to a pixel from the 2D system Rys. 4. Schematyczne przedstawienie woksela jako trójwymiarowego elementu odpowiadającego pikselowi z układu 2D

28

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


'( ) &     *+ !  , (* "**- 

Fig. 5. Schematic presentation of PVE: a) real porosity shown in 2D; b) porosity recorded in form of voxels Rys. 5. Schematyczne przedstawienie PVE: a) porowatoĹ&#x203A;Ä&#x2021; rzeczywista pokazana w 2D; b) zarejestrowana porowatoĹ&#x203A;Ä&#x2021; w formie wokseli

detection of small pores. The PVE effect results in incorrect recording of grey scale and this, in turn, causes that the recorded shape of pores depends on the relation of voxel size to the size of the represented inhomogeneity. Porosity detection is also restricted by measurement artefacts, whose intensity increases with the density of the reconstructed object. Such artefacts include beam hardening [11] that is revealed in form of non-homogeneous grey scale recorded for a homogeneous material, or X-ray scattering resulting in significant quality reduction of reconstruction [12]. Additional factors significantly affecting possibility of porosity detection are related to segmentation of voxel data [13] or to the used detection algorithm [14].

2. Method In the examinations, a reference sample of titanium alloy Ti6Al7Nb (density 4.52 g/cm3) manufactured by selective laser melting (SLM) was used. The sample was composed of six cylinders stacked on one another, making a stepwise cone. Diameters of the cylinders ranged between 10 mm and 35 mm and total height of the sample was 15 mm, see Fig. 6a. The sample was reconstructed six times by a CT system Zeiss Metrotom 1500, equipped with an X-ray tube with minimum

focal spot 7 Îźm and maximum accelerating voltage 225 kV. The system contained a 16-bit amorphous silicon flat-panel detector with 1024 Ă&#x2014; 1024 pixel matrix (physical size of a pixel was 400 Îźm). The SDD value was 1501 mm. Reconstruction was carried-out with voltage of the X-ray tube equal to 225 kV, integration time of the detector 2Â s, copper filter 0.5 mm thick, and with 1050 projections. In order to demonstrate the influence of the applied magnification on porosity detection, reconstruction was limited to the first step of the sample (Fig. 6a), which made it possible to take measurements with voxel size from 15 Îźm to 65 Îźm, see Table 1. Table 1. Measurement parameters used in the experiment Tabela 1. Parametry pomiaru wykorzystane w eksperymencie No. of reconstruction

1

Magnification (m) 26.6Ă&#x2014;

Voxel size (Vx)

2

3

4

5

6

20Ă&#x2014;

13.3Ă&#x2014;

10Ă&#x2014;

8Ă&#x2014;

6.2Ă&#x2014;

15 Îźm 20 Îźm 30 Îźm 40 Îźm 50 Îźm 65 Îźm

Fig. 6. Sample made by SLM from titanium alloy Ti6Al7Nb. The smallest step of the sample (marked brown) was reconstructed: a) dimensions of the sample; b) view of the sample; c) object in the measurement chamber of the CT system Rys. 6. Wzorzec wytworzony w technologii SLM ze stopu tytanu Ti6Al7Nb. Rekonstrukcji poddano najmniejszy stopieĹ&#x201E; wzorca (zaznaczony kolorem): a) wymiary wzorca, b) wytworzony wzorzec, c) obiekt w komorze pomiarowej systemu CT

29


Porosity Detection by Computed Tomography

Fig. 7. Three-dimensional CT reconstructions of Ti sample made with various voxel sizes, showing internal shape and recorded porosity Rys. 7. Trójwymiarowe rekonstrukcje CT tytanowego wzorca wykonane z różną wielkością woksela, przedstawiające kształt zewnętrzny i zarejestrowaną porowatość wnętrza

After performing reconstructions with six magnification levels, volumetric porosity PV for each reconstruction was determined according to the relationship:

PV =

Vp

[%],

V p + Vm

S =

3. Results Exemplary visualisations of external geometry and porosity inside the object reconstructed with various voxel sizes are shown in Fig. 7. In the case of a reconstruction with the maximum magnification, external geometry of the object is visible in details (Fig. 7a) and the recorded porosity is the biggest because many small pores are detected, see Fig. 7d. For the magnification corresponding to 30 μm voxels, the outside surface is smoothed, with smaller number of registered details, see Figs. 7b and 7e. For the reconstruction with 65 μm voxels, details in form of unmelted powder grains (a feature of the additive technology SLM, where powder particles are stuck to the molten pool at the boundary of molten material) present on surface of the object are not completely represented, see Fig. 7c. Comparison of porosity values recorded at various magnifications is shown in Fig. 8. Porosity recorded for 15 μm voxels was 8.33%. When voxel size was increased to 30 μm, the recorded porosity slightly changed to about 8%. For reconstruction with 40 μm voxels, porosity was significantly lower at 7.02%. For reconstruction with 65 μm voxels, recorded porosity level was less than half of that reconstructed for 15 μm voxels, i.e. about 4%. In order to express porosities for reconstructions with various voxel sizes in qualitative way, a coefficient determining sphericity of pores, calculated as the ratio of a pore volume V to its surface area A, was calculated according to the formula:

P

O

M

I

A

R

Y

A

U

T

O

M

A

,

(5)

where S ∈ [0, 1]. For an ideal sphere, the sphericity coefficient S = 1 [15]. Results in form of histograms showing numbers of pores with various sphericity coefficients are given in Fig. 9. At larger voxel sizes, numbers of recorded pores are smaller, which can be clearly seen by comparison of the histograms obtained for 15 μm (blue) and 65 μm (red) voxels. For larger voxels, larger numbers of pores with higher sphericity coefficients were recorded. The histograms for larger voxels are located closer to the sphericity coefficient equal to 1, which means spherical shape of pores. This also means that pores recorded at lower magnifications (with larger voxels) are recorded with less exactly represented shape. Results of porosity measurements using CT were verified by comparison with results of standard microscopic observations on a polished cross-section, see Fig. 10. Comparison was carried out for the reconstruction with the highest magnification, since the expected results for this magnification would be closest to the real values. After all the reconstructions were completed, the first stage of the examined sample was cut horizontally and polished to visualise internal structure of the examined cross-section. The image of the metallographic section was recorded with a confocal microscope OLYMPUS 3D LEXT OLS4000 at magnification 140×. The so obtained image was subjected to binarization by the software ImageJ and surface porosity PA on a plane of the test piece was determined from the formula:

(4)

where Vp is volume of pores and Vm is volume of the material. Porosity was detected using the software Volume Graphics VG Studio 2.0. The “Enhanced” algorithm was used with the following parameters: pore size above 8 voxel, probability threshold 1.0.

30

π 1 / 3 (6V )2 / 3

PA =

Ap

[%],

Ap + Am

(5)

where Ap means the surface of pores and Am means the surface sample of the sample. In order to compare the results, the section of CT reconstruction, corresponding to the plane of the metallographic section, was determined. That section was also subjected to binarization and surface porosity was determined. This way, porosities determined on the same section for tomographic and

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


'( ) &     *+ !  , (* "**- 

Fig. 8. Volumetric porosity measured for the examined sample Rys. 8. Wyniki pomiarĂłw porowatoĹ&#x203A;ci objÄ&#x2122;toĹ&#x203A;ciowej dla badanego wzorca

Fig. 9. Histograms showing the numbers of pores with various sphericity coefficients for reconstructions with voxel sizes 15 Âľm, 30 Âľm and 65 Âľm Rys. 9. Histogram przedstawiajÄ&#x2026;cy liczbÄ&#x2122; porĂłw o okreĹ&#x203A;lonej sferycznoĹ&#x203A;ci dla rekonstrukcji z wielkoĹ&#x203A;ciÄ&#x2026; woksela 15 Âľm, 30 Âľm i 65 Âľm

Fig. 10. Comparison of porosities determined by CT and on a metallographic polished section Rys. 10. Schemat sposobu porĂłwnania przekrojĂłw uzyskanych na zgĹ&#x201A;adzie metalograficznym i na przekroju CT

Fig. 11. Corresponding sections obtained by: a) microscopic examination; b) computed tomography Rys 11. OdpowiadajÄ&#x2026;ce przekroje: a) badaniu mikroskopowemu; b) tomografii komputerowej

31


Porosity Detection by Computed Tomography microscopic measurements were compared. Porosity images after binarization, obtained for the metallographic section and CT section, are shown in Fig. 11. In magnified fragments of the images, shapes and positions of pores recorded for both compared methods are visible. Differences in geometry of both magnified fragments are small. Differences in recorded pores outside of the indicated area may be due to the displacement of the plane of the metallographic section relative to the Z axis and the incomplete coverage of the comparable section. High accuracy of the performed reconstruction is confirmed by results of the determined porosity recorded by CT analysis. Surface porosity of the sample determined by microscopic observation was 8.22% and surface porosity of the same section, determined by CT, was 8.77%. This difference results, among others, from the fact that surfaces of pores are different in subsequent section planes of the object. Figure 12a shows a diagram of surface porosity recorded for CT sections between the planes A and B indicated in Fig. 12b. The distance between the planes was 2.2 mm and porosity was recorded on tomographic sections every 50 μm, see Fig. 12c. It is visible on the sections that surface porosity depends on the location of the section between extreme planes A and B. For comparison, the value of surface porosity determined on one plane of the metallographic polished section is marked with red line. The differences in porosities recorded by microscopic examination and by CT result from cutting position and from

selection of a representative plane for microscopic observation. In fact, porosity can be different depending on a given plane because of anisotropic arrangement or local accumulations of pores resulting from the manufacturing process, which significantly affects the final result of measurements.

4. Conclusions The size of the sample determines the resolution of the measurement and the size of the voxel with which a CT reconstruction can be carried out, which significantly affects the sizes of recorded pores. Porosity recorded in the measurements taken with the highest (Vx = 15 μm) and the lowest (Vx = 65 μm) resolution was 8.33% and 4.02%, respectively. Images of pores recorded with larger voxels were more smoothed and closer to spherical shape. Comparative analysis recorded by microscopic observation and by CT (reconstruction with the highest resolution) showed similar values of surface porosity. Surface porosity determined by CT was 8.77%, but that determined in microscopic observation was 8.22%, so the difference did not exceed 1 percentage point. However, the most important benefit of CT measurements is the possibility of spatial representation of internal structure, which is a big advantage over traditional methods of porosity measurements, see Fig. 13.

Fig. 12. Comparison of surface porosity PA measurements by CT and by microscopic observations: a) diagram of porosity in function of the location (height) of measured cross-sections between A and B planes (porosity determined by microscopic observation is marked by the red line); b) planes between that surface porosity was analysed; c) distance between tomographic sections for that porosity was determined Rys. 12. Porównanie wyników pomiarów porowatości powierzchniowej PA metodą tomograficzną i mikroskopową: a) wykres przedstawiający zmiany porowatości w funkcji wysokości przekroju pomiędzy płaszczyznami A i B, (czerwoną linią zaznaczono porowatość zarejestrowaną za pomocą mikroskopu), b) płaszczyzny, pomiędzy którymi analizowano porowatość powierzchniową, c) odległość pomiędzy przekrojami tomograficznymi, dla których wyznaczono porowatość

Fig. 13. Representation of three-dimensional internal structure of the examined object: a) global porosity; b) magnified fragment with marked local porosity Rys. 13. Odwzorowanie trójwymiarowej struktury wewnętrznej badanego obiektu: a) porowatość globalna, b) powiększony fragment z zaznaczoną porowatością lokalną

32

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


'( ) &     *+ !  , (* "**-  Results of porosity recording with use of the CT technique for small-sized objects are comparable with those of standard microscopic examination. In case of larger objects, reconstruction with low resolution can be useful at identification of some characteristic areas, e.g. those with increased porosity. And for properly determined fragments of the object, exactness of reconstruction can be higher. Understanding the relations between the size of the object and the resolution of porosity measurement facilitates correct interpretation of results obtained by technical computed tomography.

References 1. Ratajczyk E., X-ray computed tomography (CT) for industrial tasks. â&#x20AC;&#x153;Pomiary Automatyka Robotykaâ&#x20AC;?. Vol. 16, No. 5, 2012, 104â&#x20AC;&#x201C;113 (in Polish â&#x20AC;&#x201C; Rentgenowska tomografia komputerowa (CT) do zadaĹ&#x201E; przemysĹ&#x201A;owych). 2. Wieczorowski M., GapiĹ&#x201E;ski B., X-ray CT in metrology of geometric feature, â&#x20AC;&#x153;Acta Tehnica Corviniensis â&#x20AC;&#x201C; Bulletin of Engineeringâ&#x20AC;?, Vol. 7, Iss. 1, 2014, 95â&#x20AC;&#x201C;100. 3. GapiĹ&#x201E;ski B., Wieczorowski M., SzymaĹ&#x201E;ski M., SzymaĹ&#x201E;ski S., Grzelka M., RÄ&#x2122;kas A., Computed tomography in wall thickness measurements of profiles after bending. â&#x20AC;&#x153;Mechanikâ&#x20AC;?. No. 11, 2016, 1712â&#x20AC;&#x201C;1713, DOI: 10.17814/mechanik.2016.11.504 (in Polish â&#x20AC;&#x201C; Tomografia komputerowa w pomiarach gruboĹ&#x203A;ci Ĺ&#x203A;cianek profili uzyskiwanych po giÄ&#x2122;ciu). 4. De Chiffre L., Carmignato S., Kruth J.-P., Schmitt R., Weckenmann A., Industrial applications of computed tomography. â&#x20AC;&#x153;CIRP Annals â&#x20AC;&#x201C; Manufacturing Technologyâ&#x20AC;?. Vol. 63, Iss. 2, 2014, 655â&#x20AC;&#x201C;677, DOI: 10.1016/j.cirp.2014.05.011. 5. Probst G., Boeckmans B., Dewulf W., Kruth J.-P., Computed tomography: a powerful imaging technique in the fields of dimensional metrology and quality control, [in:] Proc. SPIE 9868, Dimensional Optical Metrology and Inspection for Practical Applications V, 98680G (May 19, 2016); DOI: 10.1117/12.2227146. 6. KrĂłlikowski M., Burbelko A., KwaĹ&#x203A;niewska-KrĂłlikowska D., Application of computed tomography in defectoscopy of nodular iron castings. â&#x20AC;&#x153;Archives of Foundry Engineeringâ&#x20AC;?, Vol. 14, Iss. 4, 2014, 71â&#x20AC;&#x201C;76 (in Polish â&#x20AC;&#x201C; Wyko-

7.

8.

9.

10. 11.

12.

13.

14.

15.

rzystanie tomografii komputerowej w defektoskopii odlewĂłw z Ĺźeliwa sferoidalnego). DybaĹ&#x201A;a B., BÄ&#x2122;dza T., ZiĂłĹ&#x201A;kowski G., Technical computed tomography in metrology of geometrical quantities and quality inspection. â&#x20AC;&#x153;Mechanikâ&#x20AC;?. Vol. 86, No. 7, 2013, 526â&#x20AC;&#x201C;530 (in Polish â&#x20AC;&#x201C; Techniczna tomografia komputerowa w metrologii wielkoĹ&#x203A;ci geometrycznych i kontroli jakoĹ&#x203A;ci). Chlebus E., ZiĂłĹ&#x201A;kowski G., DybaĹ&#x201A;a B., Application of industrial computed tomography in assembly analysis. â&#x20AC;&#x153;Mechanikâ&#x20AC;?. Vol. 86, No. 5â&#x20AC;&#x201C;6, 2013, 422â&#x20AC;&#x201C;424, 426 (in Polish â&#x20AC;&#x201C; Zastosowanie przemysĹ&#x201A;owej tomografii komputerowej w analizie zĹ&#x201A;oĹźeĹ&#x201E;). Kumar J., Abulrub A.G., Attridge A., Williams M.A., Effect of X-Ray Computed Tomography Scanning Parameters on the Estimated Porosity of Foam Specimens. 2nd International Conference on Mechanical, Industrial, and Manufacturing Technologies (MIMT 2011). Stock S R., Microcomputed Tomography â&#x20AC;&#x201C; Methodology and Application. CRC Press, Boca Raton 2009. Ketcham R.A., Hanna R.D., Beam hardening correction for X-ray computed tomography of heterogeneous natural materials, â&#x20AC;&#x153;Computers & Geosciencesâ&#x20AC;?. Vol. 67, 2014, 49â&#x20AC;&#x201C;61, DOI: 10.1016/j.cageo.2014.03.003. SchĂśrner K., Goldammer M., Stephan J., Comparison between beam-stop and beam-hole array scatter correction, â&#x20AC;&#x153;Nuclear Instruments and Methods in Physics Research Bâ&#x20AC;?. Vol. 269, Iss. 3, 2011, 292â&#x20AC;&#x201C;299, DOI: 10.1016/j.nimb.2010.11.053. Iassonov P., Gebrenegus T., Tuller M., Segmentation of X-ray computed tomography images of porous materials: A crucial step for characterization and quantitative analysis of pore structures. â&#x20AC;&#x153;Water Resources Researchâ&#x20AC;?, Vol. 45, Iss. 9, 2009, DOI: 10.1029/2009WR008087. Wu J., Li X., Wang Y., Zhang B., An Improved Algorithm in Porosity Characteristics Analysis for Rock and Soil Aggregate, â&#x20AC;&#x153;Discrete Dynamics in Nature and Societyâ&#x20AC;?. Vol. 2014, DOI: 10.1155/2014/798235. ZiĂłĹ&#x201A;kowski G., Chlebus E., Szymczyk P., Kurzac J., Application of X-ray CT method for discontinuity and porosity detection in 316L stainless steel parts produced with SLM technology. â&#x20AC;&#x153;Archives of Civil and Mechanical Engineeringâ&#x20AC;?. Vol. 14, Iss. 4, 2014, 608â&#x20AC;&#x201C;614, DOI: 10.1016/j.acme.2014.02.003.

    "  "8 U "   !&  \ Techniczna tomografia komputerowa CT (ang. Computed Tomography) wspomaga kontrolÄ&#x2122; jakoĹ&#x203A;ci wytwarzanych obiektĂłw technicznych i rozwĂłj produktu dziÄ&#x2122;ki moĹźliwoĹ&#x203A;ci nieniszczÄ&#x2026;cej detekcji porowatoĹ&#x203A;ci. Wykorzystanie tomografii komputerowej w defektoskopii pozwala nie tylko na jakoĹ&#x203A;ciowÄ&#x2026; ocenÄ&#x2122; struktury wewnÄ&#x2122;trznej obiektĂłw, ale i na iloĹ&#x203A;ciowÄ&#x2026; ocenÄ&#x2122; porowatoĹ&#x203A;ci ich materiaĹ&#x201A;u z odwzorowaniem trĂłjwymiarowego ksztaĹ&#x201A;tu porĂłw i ich rozkĹ&#x201A;adu przestrzennego. W pracy przedstawiono krĂłtkÄ&#x2026; charakterystykÄ&#x2122; czynnikĂłw wpĹ&#x201A;ywajÄ&#x2026;cych na skutecznoĹ&#x203A;Ä&#x2021; detekcji porowatoĹ&#x203A;ci z wykorzystaniem metody CT. Na przykĹ&#x201A;adzie obiektu technicznego przedstawiono wpĹ&#x201A;yw zastosowanego powiÄ&#x2122;kszenia na moĹźliwoĹ&#x203A;ci detekcji porowatoĹ&#x203A;ci i odwzorowania ksztaĹ&#x201A;tu porĂłw. NastÄ&#x2122;pnie porĂłwnano wyniki porowatoĹ&#x203A;ci uzyskanej z wykorzystaniem metody CT i standardowych badaĹ&#x201E; mikroskopowych. Wykazano wpĹ&#x201A;yw powiÄ&#x2122;kszenia i rozdzielczoĹ&#x203A;ci pomiaru na moĹźliwoĹ&#x203A;Ä&#x2021; detekcji porĂłw z wykorzystaniem metody CT. (  H   "8 U "   ]<      

33


Porosity Detection by Computed Tomography

    <"!". )E

 & &". )E

88% *%%

  %% "*%%

C!  P-&.,Q8<"  D #!  < 9; 8%O  

  <

  >  <6  '88 <D#9%O       ;  !  8 ;   "  "8  \    <  )  ! 8! 88(  8 >'6    %

C! P-&.+Q8<" D #!  <  98%    

   ; <

  >  <6  '8; 8<D#9%O      "   88 "     8   !" < ; 8 8 PE6^6E'M6 >6 $ Q    < )" 

  %

-   B". [&

>! @ !". )E

%%  *%%

"

% *%%

C!   6 P-&..Q 8 <" D  #!   <   98%O     ;    >  <6  '8; 8<D#9%D           "

 < ; 

   "   < " 8 "   " <   8  ! 

" 8" %

C!    P-&..Q 8 <" D #!  <  98%O 

  <

  >  <6  '88 <D#9%O         ! " <  8 ; 8   8"  <<;   " 8   < 88   ;  <     %

] E$. )E E&

( !!

,  ')B $ !. )E E&

)8 %)  *%%

 %) *%%

C!    P )  -&.0Q 8<" D #!  <  98%O   



  <

   >   <6  '88<D#9% O      

 ! " <  8 8 

 !  88    <  )"    %

C!  P.K/-Q P.KK$Q 8 <" D #!   < 98%-&&.    <

<    % O      <    < (! 6 <  898 

 > <   < E

L 8 6 <  8P(69; ;> Q  >  <6  '8; 8<D#9%O       V 8(T \  N 8" 8

     "

 " ;  88 !"    !" <  8%

34

P

O

M

I

A

R

Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 21, Nr 3/2017, 35â&#x20AC;&#x201C;44, DOI: 10.14313/PAR_225/35

  )" AA   8  "H "      " '  S) PF((Q Natalia Zalewska1, 2, Jan Kotlarz1, Mariusz Kacprzak1, Tomasz Korniluk1 .

L   E     9 (%@   ..&^..0&-;-+,D      "M  @ " (F%M   .J(&&;&&.D   

-

Streszczenie: W publikacji podjÄ&#x2122;to siÄ&#x2122; prĂłby odpowiedzi na pytanie o moĹźliwoĹ&#x203A;Ä&#x2021; analizy skĹ&#x201A;adu chemicznego piĂłropuszy, wykorzystujÄ&#x2026;c ich wielospektralne zobrazowania wykonane za pomocÄ&#x2026; projektowanych dla nowej misji ukĹ&#x201A;adĂłw optycznych. StosujÄ&#x2026;c teoretycznÄ&#x2026; analizÄ&#x2122; transmitancji warstw gazowych zĹ&#x201A;oĹźonych z H2O i CO2 oraz na podstawie przyjÄ&#x2122;tego fizycznego modelu transmitancji promieniowania przez warstwÄ&#x2122; gazu widocznego na tle o ustalonej reflektancji wybrano pasmo optyczne 0,73 Âľm pozwalajÄ&#x2026;ce na najlepsze rozróşnienie tych dwĂłch substancji. W celu walidacji otrzymanego wyniku przeprowadzono eksperyment fotografujÄ&#x2026;c za pomocÄ&#x2026; kamery wielospektralnej Quercus.6 strumienie gazowe zĹ&#x201A;oĹźone z obu biomarkerĂłw na tĹ&#x201A;ach o wysokiej (> 0,95) oraz niskiej (< 0,05) reflektancji w paĹ&#x203A;mie Ĺ&#x203A;wiatĹ&#x201A;a widzialnego i NIR. Pozyskane dane potwierdziĹ&#x201A;y wynik analizy sygnatur spektralnych transmitancji obu biomarkerĂłw. Na podstawie otrzymanego w doĹ&#x203A;wiadczeniu wyniku ustalono brzegowe parametry sensora i ukĹ&#x201A;adu optycznego dla projektowanej dla orbitera kamery wielospektralnej pozwalajÄ&#x2026;ce na oszacowanie wzglÄ&#x2122;dnej zawartoĹ&#x203A;ci H2O i CO2 w piĂłropuszach fotografowanych na tle przestrzeni kosmicznej z dokĹ&#x201A;adnoĹ&#x203A;ciÄ&#x2026; 2%: kanaĹ&#x201A; optyczny Îť = 0,730 Âą0,020 Âľm, prÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; wzglÄ&#x2122;dna miÄ&#x2122;dzy orbiterem a ksiÄ&#x2122;Ĺźycem v < 200 m/s, czas ekspozycji tEXP < 12 ms, iloczyn wspĂłĹ&#x201A;czynnika efektywnoĹ&#x203A;ci kwantowej caĹ&#x201A;ego ukĹ&#x201A;adu optycznego i wzglÄ&#x2122;dnych róşnic reflektancji rejestrowanych obiektĂłw w wybranym kanale â&#x2030;Ľ 2,5%, wielkoĹ&#x203A;Ä&#x2021; pojedynczego piksela na detektorze CCD â&#x2030;Ľ (3,75 Č&#x160; 3,75) Âľm2, gĹ&#x201A;Ä&#x2122;bokoĹ&#x203A;Ä&#x2021; studni potencjaĹ&#x201A;u piksela CCD â&#x2030;Ľ 12 400 eâ&#x20AC;&#x201C;, zapis danych RAW co najmniej 8-bitowy. Otrzymany optymalny kanaĹ&#x201A; nie byĹ&#x201A; rejestrowany za pomocÄ&#x2026; stosowanych w poprzednich misjach sensorĂłw optycznych MVIC. Stosowanie opisanej metodyki rozróşniania biomarkerĂłw jest moĹźliwe pod warunkiem, Ĺźe jeden z czterech kanaĹ&#x201A;Ăłw optycznych projektowanej kamery MAC bÄ&#x2122;dzie zawieraÄ&#x2021; kanaĹ&#x201A; 0,73 Âľm. 8 H'  )"          

1. Wprowadzenie Poszukiwanie znakĂłw przeszĹ&#x201A;ego lub teraĹşniejszego Ĺźycia w UkĹ&#x201A;adzie SĹ&#x201A;onecznym jest jednym z najwiÄ&#x2122;kszych przedsiÄ&#x2122;wziÄ&#x2122;Ä&#x2021; naukowych w dziedzinie nauk o kosmosie [15]. Metody detekcji biomarkerĂłw wystÄ&#x2122;pujÄ&#x2026;cych w postaci lotnej stosowane dotÄ&#x2026;d w misjach na Marsa oraz ksiÄ&#x2122;Ĺźyce Jowisza i Saturna

' " H I @   %  *%% '        &+%&,%-&./% .0%&/%-&./%

            !"" #     $%&

sÄ&#x2026; niezwykle zróşnicowane. Analizatory kwadrupolowe sĹ&#x201A;uĹźÄ&#x2026; do detekcji skĹ&#x201A;adu chemicznego gazĂłw atmosferycznych, np. dwutlenku wÄ&#x2122;gla (CO2) i metanu (CH4) w atmosferze Marsa [12]. Oparty na zjawisku elektroforezy kapilarnej Mars Organic Analyzer zostaĹ&#x201A; zaprojektowany do detekcji dwĂłch utlenionych postaci wÄ&#x2122;gla: aldehydĂłw i ketonĂłw [20]. Detekcja biomarkerĂłw prowadziĹ&#x201A;a zawsze do analizy lokalnych warunkĂłw geologicznych i fizykochemicznych w celu wykluczenia innego ĹşrĂłdĹ&#x201A;a biomarkera niĹź ĹşrĂłdĹ&#x201A;o biogeniczne. Jednym z najnowszych przykĹ&#x201A;adĂłw takiej analizy prowadzonej w Ĺ&#x203A;rodowisku planetologĂłw jest aktywnoĹ&#x203A;Ä&#x2021; kriowulkaniczna i zwiÄ&#x2026;zane z niÄ&#x2026; biomarkery wykryte w piĂłropuszach gazowych, wystÄ&#x2122;pujÄ&#x2026;ce na poĹ&#x201A;udniowej pĂłĹ&#x201A;kuli Enceladusa, lodowym ksiÄ&#x2122;Ĺźycu Saturna. Przyczyna wystÄ&#x2122;powania na poĹ&#x201A;udniowej pĂłĹ&#x201A;kuli Enceladusa aktywnoĹ&#x203A;ci kriowulkanicznej i zwiÄ&#x2026;zanych z niÄ&#x2026; gazowych piĂłropuszy jest jednÄ&#x2026; z najwiÄ&#x2122;kszych zagadek zwiÄ&#x2026;zanych z badaniami licznych ksiÄ&#x2122;ĹźycĂłw zewnÄ&#x2122;trznych planet UkĹ&#x201A;adu SĹ&#x201A;onecznego.

35


"  &/ & / (  / #   / /   

  *222

Mechanizm, ktĂłry powoduje takie wyrzuty wodne nie jest jeszcze zbadany, ale tĹ&#x201A;umaczy siÄ&#x2122; go m.in. pĹ&#x201A;ywami od Saturna i istnieniem rezonansu miÄ&#x2122;dzy ksiÄ&#x2122;Ĺźycami Enceladus â&#x20AC;&#x201C; Dione [17]. W wyniku tej interakcji zachodzÄ&#x2026; zĹ&#x201A;oĹźone zjawiska tektoniczne charakteryzujÄ&#x2026;ce siÄ&#x2122; powstaniem spreadingu, a w konsekwencji wulkanĂłw wodnych lub gejzerĂłw. Na podstawie ostatnich wyliczeĹ&#x201E; [21] szacuje siÄ&#x2122;, Ĺźe skorupa lodowa Enceladusa ma gruboĹ&#x203A;Ä&#x2021; ponad 30 km w okolicy rĂłwnika, a tylko 5 km w okolicy bieguna poĹ&#x201A;udniowego, natomiast woda wydobywajÄ&#x2026;ca siÄ&#x2122; z wnÄ&#x2122;trza pochodzi z gĹ&#x201A;Ä&#x2122;bokoĹ&#x203A;ci 75 km. Aparatura Cassini Composite Infrared Spectrometer (CIRS) zmierzyĹ&#x201A;a temperaturÄ&#x2122; w pobliĹźu bieguna poĹ&#x201A;udniowego, ktĂłra wynosiĹ&#x201A;a okoĹ&#x201A;o 157 K, co sugeruje, Ĺźe maĹ&#x201A;e obszary Enceladusa sÄ&#x2026; w jakiĹ&#x203A; sposĂłb podgrzewane [18] w stosunku do pozostaĹ&#x201A;ych obszarĂłw o temperaturze 85â&#x20AC;&#x201C;90 K. Istnieje kilka modeli, za pomocÄ&#x2026; ktĂłrych prĂłbuje siÄ&#x2122; opisywaÄ&#x2021; obserwowane zjawiska, np. model podgrzewania pĹ&#x201A;ywowego, podgrzewania w wyniku rozpadu promieniotwĂłrczego lub chemicznego w wyniku rozpuszczania amoniaku. Najbardziej prawdopodobny jest model, ktĂłry tĹ&#x201A;umaczy podgrzewanie obecnoĹ&#x203A;ciÄ&#x2026; oddziaĹ&#x201A;ywania ze sobÄ&#x2026; energii rotacyjnej, orbitalnej i masy Saturna [8]. Podczas przelotu w lipcu 2005 r. 168,2 km nad powierzchniÄ&#x2026; Enceladusa, sonda Cassini za pomocÄ&#x2026; INMS (ang. Ion and Neutral Mass Spectrometer) wykonaĹ&#x201A;a pomiar skĹ&#x201A;adu procentowego jednego z piĂłropuszy, otrzymujÄ&#x2026;c wynik 91,0 Âą3,0% H2O, 3,2 Âą0,6% CO2, 4,0 Âą1,0% N2 lub CO i 1,6 Âą0,4% CH4 [23]. ObecnoĹ&#x203A;Ä&#x2021; N2 zostaĹ&#x201A;a potwierdzona w 2007 r. podczas zakrycia SĹ&#x201A;oĹ&#x201E;ca za pomocÄ&#x2026; analizy danych zainstalowanego na sondzie Cassini spektrografu. W paĹşdzierniku 2011 r. nowo zaobserwowane piĂłropusze zakryĹ&#x201A;y kolejno gwiazdy e oraz z Orionis, pozwalajÄ&#x2026;c na potwierdzenie obecnoĹ&#x203A;ci wody jako dominujÄ&#x2026;cego ich skĹ&#x201A;adnika za pomocÄ&#x2026; analizy wielospektralnej. Nie zaobserwowano natomiast obecnoĹ&#x203A;ci w piĂłropuszach wodoru i tlenu [5]. Na podstawie wszystkich obserwacji i zebranych danych moĹźna przypuszczaÄ&#x2021;, Ĺźe skĹ&#x201A;adnikiem piĂłropuszy sÄ&#x2026; co najmniej dwa gazy naleĹźÄ&#x2026;ce do grupy biomarkerĂłw: woda i dwutlenek wÄ&#x2122;gla. Ich reflektancja rejestrowana przez sensor zmienia siÄ&#x2122; w czasie i jest zaleĹźna od kÄ&#x2026;ta widzenia spektrometrĂłw [6, 9]. Na podstawie pomiarĂłw przeprowadzonych w ciÄ&#x2026;gu szeĹ&#x203A;ciu przelotĂłw w latach 2008â&#x20AC;&#x201C;2013 potwierdzono rĂłwnieĹź zmiennÄ&#x2026; gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; strumienia czÄ&#x2026;steczek [14]. ZmiennoĹ&#x203A;Ä&#x2021; parametrĂłw chemicznych i fizycznych piĂłropuszy oraz moĹźliwoĹ&#x203A;Ä&#x2021; wnioskowania na ich podstawie o naturze aktywnoĹ&#x203A;ci kriowulkanicznej i biotycznych przyczynach obecnoĹ&#x203A;ci biomarkerĂłw sÄ&#x2026; waĹźnymi

Rys. 1. PiĂłropusze Enceladusa widoczne na tle przestrzeni kosmicznej (a) oraz na tle powierzchni ksiÄ&#x2122;Ĺźyca (b), fot. sonda Cassini Fig. 1. Enceladus plumes visible on the dark space background (a) and the moonâ&#x20AC;&#x2122;s surface (b), photo: Cassini mission

MoĹźliwoĹ&#x203A;Ä&#x2021; istnienia pod lodowÄ&#x2026; skorupÄ&#x2026; Enceladusa oceanu potwierdzona zostaĹ&#x201A;a m.in. przez bezpoĹ&#x203A;redni pomiar skĹ&#x201A;adu chemicznego piĂłropuszy w trakcie przelotu sondy Cassini 168,2 km nad jego powierzchniÄ&#x2026;. SpoĹ&#x203A;rĂłd czterech gĹ&#x201A;Ăłwnych skĹ&#x201A;adnikĂłw badanego piĂłropusza aĹź trzy zaliczane sÄ&#x2026; do standardowych biomarkerĂłw (H2O, CO2 i CH4). Zaobserwowana rĂłwnieĹź przez sondÄ&#x2122; Cassini zmiennoĹ&#x203A;Ä&#x2021; parametrĂłw fizycznych piĂłropuszy oraz moĹźliwoĹ&#x203A;Ä&#x2021; wnioskowania na ich podstawie o naturze aktywnoĹ&#x203A;ci kriowulkanicznej i biotycznych przyczynach obecnoĹ&#x203A;ci biomarkerĂłw sÄ&#x2026; waĹźnymi przyczynami prac nad nowÄ&#x2026; misjÄ&#x2026; NASA dedykowanÄ&#x2026; obserwacji Enceladusa. Dyskusja dotyczÄ&#x2026;ca istnienia i warunkĂłw panujÄ&#x2026;cych w ewentualnym oceanie pod lodowÄ&#x2026; warstwÄ&#x2026; zewnÄ&#x2122;trznÄ&#x2026; na Enceladusie [2, 11, 13, 24, 25], zwrĂłciĹ&#x201A;a uwagÄ&#x2122; na wydobywajÄ&#x2026;ce siÄ&#x2122; przez obecne na poĹ&#x201A;udniowej pĂłĹ&#x201A;kuli ksiÄ&#x2122;Ĺźyca szczeliny piĂłropusze gazĂłw (rys. 1) i wypracowanie metodyki poĹ&#x203A;rednich pomiarĂłw skĹ&#x201A;adu chemicznego oceanu, jego pH i temperatury, dostÄ&#x2122;pnej do wykorzystania energii oraz zachodzÄ&#x2026;cych w jego wnÄ&#x2122;trzu procesĂłw geologicznych za pomocÄ&#x2026; oceny parametrĂłw piĂłropuszy [4]. Enceladus porusza siÄ&#x2122; wewnÄ&#x2026;trz sĹ&#x201A;abego, rozmytego pierĹ&#x203A;cienia E, rozciÄ&#x2026;gajÄ&#x2026;cego siÄ&#x2122; na obszarze miÄ&#x2122;dzy 180 000 km a 480 000 km od Ĺ&#x203A;rodka Saturna. Jest siedem razy mniejszy od ksiÄ&#x2122;Ĺźyca Ziemi a jego gÄ&#x2122;stoĹ&#x203A;Ä&#x2021; wynosi 1,61 g Č&#x160; cm-3, niewiele powyĹźej gÄ&#x2122;stoĹ&#x203A;ci wody. Sonda Cassini, przelatujÄ&#x2026;c w 2005 r. w odlegĹ&#x201A;oĹ&#x203A;ci 500 km nad ksiÄ&#x2122;Ĺźycem, sfotografowaĹ&#x201A;a jego powierzchniÄ&#x2122;, na ktĂłrej zauwaĹźono charakterystyczne linijne szczeliny i grzbiety przypominajÄ&#x2026;ce ziemskie ryfty, z ktĂłrych wydobywajÄ&#x2026; siÄ&#x2122; piĂłropusze pary wodnej i krysztaĹ&#x201A;kĂłw lodu.

Tabela 1. Parametry kamery ze standardowÄ&#x2026; optykÄ&#x2026; MAC proponowanej w ramach misji Enceladus Orbiter [19] Table 1. Proposed for Enceladus Orbiter mission Medium-Angle Camera (MAC) parameters [19]

36

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


. ) !  ! /+ !  

czynnikami zachÄ&#x2122;cajÄ&#x2026;cymi do prac nad nowÄ&#x2026; misjÄ&#x2026; NASA dedykowanÄ&#x2026; obserwacji Enceladusa. ZwaĹźajÄ&#x2026;c na to, Ĺźe na Europie â&#x20AC;&#x201C; ksiÄ&#x2122;Ĺźycu Jowisza â&#x20AC;&#x201C; przewiduje siÄ&#x2122; istnienie kominĂłw hydrotermalnych, czyli szczelin na dnie oceanu, przez ktĂłre wydobywa siÄ&#x2122; podgrzana woda, to nie wyklucza siÄ&#x2122; wystÄ&#x2122;powania podobnego zjawiska na Enceladusie. Takie kominy na Ziemi potrafiÄ&#x2026; byÄ&#x2021; miejscami z ekosystemami o szeroko rozwiniÄ&#x2122;tej bioróşnorodnoĹ&#x203A;ci. UwaĹźa siÄ&#x2122; ponadto, Ĺźe synteza aminokwasĂłw mogĹ&#x201A;a pojawiÄ&#x2021; siÄ&#x2122; gĹ&#x201A;Ä&#x2122;boko w skorupie ziemskiej i wytworzone tam zwiÄ&#x2026;zki byĹ&#x201A;y nastÄ&#x2122;pnie wyrzucane wraz z cieczÄ&#x2026; hydrotermalnÄ&#x2026; do chĹ&#x201A;odniejszej wody, gdzie niĹźsza temperatura i obecnoĹ&#x203A;Ä&#x2021; mineraĹ&#x201A;Ăłw ilastych wsparĹ&#x201A;y tworzenie siÄ&#x2122; peptydĂłw i protokomĂłrek [22]. Zasugerowano, Ĺźe Ĺźycie powstaĹ&#x201A;o na zewnÄ&#x2026;trz stref najgorÄ&#x2122;tszych. Jest to atrakcyjna hipoteza z uwagi na obfitoĹ&#x203A;Ä&#x2021; metanu i amoniaku w regionach kominĂłw hydrotermalnych i moĹźe bezpoĹ&#x203A;rednio Ĺ&#x201A;Ä&#x2026;czyÄ&#x2021; siÄ&#x2122; z detekcjÄ&#x2026; tych zwiÄ&#x2026;zkĂłw na ksiÄ&#x2122;Ĺźycu Saturna. PoniewaĹź dotychczasowe poĹ&#x203A;rednie badania prowadzone nad skĹ&#x201A;adem chemicznym piĂłropuszy prowadzone byĹ&#x201A;y gĹ&#x201A;Ăłwnie za pomocÄ&#x2026; spektrometrĂłw, naleĹźy zadaÄ&#x2021; sobie pytanie, czy jest moĹźliwe oszacowanie (wzglÄ&#x2122;dnej) gÄ&#x2122;stoĹ&#x203A;ci obu biomarkerĂłw w piĂłropuszach w oparciu o bardziej atrakcyjne pod wzglÄ&#x2122;dem dostÄ&#x2122;pnoĹ&#x203A;ci zwykĹ&#x201A;e zdjÄ&#x2122;cia wielospektralne. Obiekty te byĹ&#x201A;y juĹź obrazowane za pomocÄ&#x2026; kamer wielospektralnych na pokĹ&#x201A;adzie sondy Cassini [16] za pomocÄ&#x2026; umieszczonych na pokĹ&#x201A;adzie dwĂłch instrumentĂłw: Wide Angle Camera (kamera szerokokÄ&#x2026;tna o zdolnoĹ&#x203A;ci rozdzielczej 59,749 rad/px wyposaĹźona w 18 filtrĂłw barwnych w zakresie dĹ&#x201A;ugoĹ&#x203A;ci fal 0,38â&#x20AC;&#x201C;1,05 Îźm) oraz Narrow Angle Camera (kamera wÄ&#x2026;skokÄ&#x2026;tna o zdolnoĹ&#x203A;ci rozdzielczej 5,9907 Îźrad/px wyposaĹźona w 24 filtry barwne w zakresie dĹ&#x201A;ugoĹ&#x203A;ci fal 0,20â&#x20AC;&#x201C;1,05 Îźm). Pod wzglÄ&#x2122;dem analizy spektralnej w zakresie od 0,5 Îźm do 1,0 Îźm gĹ&#x201A;Ăłwnymi skĹ&#x201A;adnikami odpowiadajÄ&#x2026;cymi za absorpcjÄ&#x2122; promieniowania elektromagnetycznego sÄ&#x2026;: tlen, ozon oraz para wodna. Natomiast dwutlenek wÄ&#x2122;gla moĹźe byÄ&#x2021; traktowany jako materiaĹ&#x201A; przepuszczalny dla promieniowania elektromagnetycznego w tym zakresie, z wyjÄ&#x2026;tkiem wyraĹşnych minimĂłw transmitancji w okolicy 0,68 Îźm i 0,76 Îźm (rys. 2b). W projektowanej misji Enceladus Orbiter przewidziano specjalne fazy misji, podczas ktĂłrych zaplanowano przeloty w okolicach piĂłropuszy (orbita o inklinacji 62°) w celu dokonania pomiarĂłw ich parametrĂłw [19]. Niestety, ze wzglÄ&#x2122;du na ograniczony udĹşwig (ang. payload) wiele z instrumentĂłw uĹźywanych jako standard w badaniach skĹ&#x201A;adu aerozoli nie znajdzie siÄ&#x2122; na pokĹ&#x201A;adzie lub ich obecnoĹ&#x203A;Ä&#x2021; jest podawana w wÄ&#x2026;tpliwoĹ&#x203A;Ä&#x2021;. Na przykĹ&#x201A;ad spektrometr bliskiej podczerwieni pozwoliĹ&#x201A;by na zdalnÄ&#x2026; detekcjÄ&#x2122; wielkoĹ&#x203A;ci czÄ&#x2026;stek wchodzÄ&#x2026;cych w skĹ&#x201A;ad piĂłropuszy, ale na Enceladusie dominujÄ&#x2026; klasy pokrycia terenu róşnicujÄ&#x2026;ce siÄ&#x2122; w NIR, takie jak lĂłd i kilka dodatkowych skĹ&#x201A;adnikĂłw, ktĂłre byĹ&#x201A;y rozróşniane przez sondÄ&#x2122; Cassini w zakresie promieniowania widzialnego oraz w podczerwieni przez spektrometr VIMS (ang. Visible and Infrared Mapping Spectrometer). Ponadto badania, ktĂłre mogĹ&#x201A;yby byÄ&#x2021; prowadzone za pomocÄ&#x2026; spektrometru bliskiej podczerwieni mogÄ&#x2026; byÄ&#x2021; prowadzone bezpoĹ&#x203A;rednio za pomocÄ&#x2026; Dust Analyzer. W pracy staramy siÄ&#x2122; odpowiedzieÄ&#x2021; na pytanie, czy obserwacje wykonywane przez projektowanÄ&#x2026; w ramach misji wielospektralnÄ&#x2026; kamerÄ&#x2026; ze standardowÄ&#x2026; optykÄ&#x2026; (tabela 1) mogÄ&#x2026; w praktyczny sposĂłb wspomĂłc badania wzglÄ&#x2122;dnych proporcji biomarkerĂłw: H2O i CO2 w piĂłropuszach. WedĹ&#x201A;ug koncepcji projektowanej misji [19] wielospektralna kamera ze standardowÄ&#x2026; optykÄ&#x2026; (MAC) bÄ&#x2122;dzie rejestrowaÄ&#x2021; promieniowanie w trzech lub czterech zakresach spektralnych. PrzyjÄ&#x2122;te w poprzednich misjach w analogicznym systemie sensorĂłw MVIC zakresy obejmujÄ&#x2026; Ĺ&#x203A;wiatĹ&#x201A;o widzialne (0,400â&#x20AC;&#x201C;0,550 Îźm i 0,540â&#x20AC;&#x201C;0,700 Îźm) oraz bliskÄ&#x2026; podczerwieĹ&#x201E; (0,780â&#x20AC;&#x201C;0,975 Îźm i 0,860â&#x20AC;&#x201C;0,910 Îźm). NaleĹźy zwrĂłciÄ&#x2021; uwagÄ&#x2122; na pomijane w dotychczasowych konfiguracjach pasmo 0,700â&#x20AC;&#x201C;0,780 Îźm [7].

Rys. 2. Transmitancja pary wodnej (kolor niebieski) w atmosferze Ziemi, bardzo duĹźe nasycenie pary wodnej = 10000 [atm-cm]) oraz dwutlenku wÄ&#x2122;gla (czerwony) w atmosferze Ziemi (duĹźe nasycenie dwutlenku wÄ&#x2122;gla = 1000 [ppmv]) [1]. RóşnicÄ&#x2122; zaznaczono kolorem şóĹ&#x201A;tym. W badanym zakresie 0,46â&#x20AC;&#x201C;0,88 Âľm widoczne sÄ&#x2026; dwa optymalne zakresy róşnicujÄ&#x2026;ce oba biomarkery 0,72â&#x20AC;&#x201C;0,74 Âľm i 0,81â&#x20AC;&#x201C;0,83 Âľm, przy czym ten pierwszy posiada lepszÄ&#x2026; sumarycznÄ&#x2026; efektywnoĹ&#x203A;Ä&#x2021; kwantowÄ&#x2026; ukĹ&#x201A;adu optycznego kamery Fig. 2. Water vapor transmittance (blue) in Earth atmosphere, 10000 [atm-cm]) and carbon dioxide (red) (1000 [ppmv]) [1]. Difference shown as yellow plot. In wavelengths 0.46â&#x20AC;&#x201C;0.88 Âľm there are two optical bands separating those two biomarkers: 0.72â&#x20AC;&#x201C;0.74 Âľm and 0.81â&#x20AC;&#x201C;0.83 Âľm, but the first one has better quantum efficiency of the camera optical system

-.  Na podstawie (a) sygnatur spektralnych transmitancji obu biomarkerĂłw, (b) przyjÄ&#x2122;tego modelu reflektancji warstw gazowych na tle o staĹ&#x201A;ej reflektancji, (c) parametrĂłw ukĹ&#x201A;adu optycznego i sensorĂłw CCD kamery wielospektralnej Quercus.6 oszacowano teoretyczne róşnice w sygnale rejestrowanym przez kamerÄ&#x2122; wielospektralnÄ&#x2026; w zakresie 0,46â&#x20AC;&#x201C;0,88 Îźm miÄ&#x2122;dzy piĂłropuszami zĹ&#x201A;oĹźonymi w 100% z H20 lub w 100% z CO2. NastÄ&#x2122;pnie na Stanowisku Laboratoryjnym Pozyskiwania Sygnatur Spektralnych wyposaĹźonym w ĹşrĂłdĹ&#x201A;a Ĺ&#x203A;wiatĹ&#x201A;a o spektrum emisyjnym odpowiadajÄ&#x2026;cym sĹ&#x201A;onecznemu wykonano doĹ&#x203A;wiadczenie z uĹźyciem kamery wielospektralnej Quercus.6 polegajÄ&#x2026;ce na obrazowaniu strumieni gazowych o zmiennej gÄ&#x2122;stoĹ&#x203A;ci zĹ&#x201A;oĹźonych z obu biomarkerĂłw na tĹ&#x201A;ach o wysokiej (> 0,95) oraz niskiej (< 0,05) reflektancji w paĹ&#x203A;mie Ĺ&#x203A;wiatĹ&#x201A;a widzialnego i NIR.

-.V.1          1   W modelu opisujÄ&#x2026;cym natÄ&#x2122;Ĺźenie promieniowania pochodzÄ&#x2026;cego od piĂłropusza zakĹ&#x201A;ada siÄ&#x2122;, Ĺźe jest on mieszaninÄ&#x2026; dwĂłch gazĂłw H2O i CO2 o róşnej gÄ&#x2122;stoĹ&#x203A;ci rH O oraz rCO2. Warstwa zawierajÄ&#x2026;ca 2 tÄ&#x2122; mieszaninÄ&#x2122; widoczna jest na tle materiaĹ&#x201A;u o znanej reflektancji. W tym badaniu przyjmujemy, Ĺźe tĹ&#x201A;em moĹźe byÄ&#x2021; lodowa powierzchnia ksiÄ&#x2122;Ĺźyca lub przestrzeĹ&#x201E; kosmiczna (rys. 1). SygnaĹ&#x201A; I rejestrowany przez detektor kamery w obszarze piĂłropusza jest sumÄ&#x2026; sygnaĹ&#x201A;Ăłw pochodzÄ&#x2026;cych od odbicia promieniowania sĹ&#x201A;onecznego samego piĂłropusza oraz od tĹ&#x201A;a (rys. 3). W modelu przyjmujemy, Ĺźe dla kaĹźdego kanaĹ&#x201A;u optycznego gaz piĂłropusza ma zdefiniowanÄ&#x2026; reflektancjÄ&#x2122; r oraz transmitancjÄ&#x2122; t. Do obliczenia r przyjÄ&#x2122;to wartoĹ&#x203A;ci reflektancji dla obu gazĂłw wygenerowane na podstawie wykresĂłw transmitancji pozyskanych z serwisu MODTRAN ([1], rys. 2a i b). W modelu tym przyjÄ&#x2122;to temperaturÄ&#x2122; tĹ&#x201A;a kosmicznego 3 K, maksymalnÄ&#x2026; widocznoĹ&#x203A;Ä&#x2021; na drodze: sensor â&#x20AC;&#x201C; obiekt rejestrowany oraz maksymalne (uwzglÄ&#x2122;dnione w modelowaniu) nasycenie gazem. Odpowiednio dla pary wodnej (rys. 2a): 10000 (atm-cm) oraz dla CO2: 1000 (ppmv).

37


"  &/ & / (  / #   / /   

  *222 ZauwaĹźmy, Ĺźe dla dowolnego typowego wskaĹşnika bÄ&#x2122;dÄ&#x2026;cego ilorazem sygnaĹ&#x201A;Ăłw rejestrowanych w dwĂłch kanaĹ&#x201A;ach W = S1/S2, otrzymujemy dla modelu wartoĹ&#x203A;Ä&#x2021; zaleĹźnÄ&#x2026; od iloczynu gÄ&#x2122;stoĹ&#x203A;ci piĂłropusza i reflektancji tĹ&#x201A;a w obu kanaĹ&#x201A;ach optycznych rb1 oraz rb2. Nie jest to poĹźÄ&#x2026;dana wĹ&#x201A;aĹ&#x203A;ciwoĹ&#x203A;Ä&#x2021;, poniewaĹź musimy zaĹ&#x201A;oĹźyÄ&#x2021;, Ĺźe w warunkach realizacji misji Enceladus Orbiter nie znamy gÄ&#x2122;stoĹ&#x203A;ci fotografowanych piĂłropuszy. JedynÄ&#x2026; moĹźliwoĹ&#x203A;ciÄ&#x2026; eliminacji tego problemu jest sytuacja, gdy wartoĹ&#x203A;ci b1 i b2 sÄ&#x2026; bliskie zeru. Ma to miejsce dla bardzo ciemnego tĹ&#x201A;a, co oznacza, Ĺźe dla wskaĹşnikĂłw ilorazowych naleĹźy braÄ&#x2021; pod uwagÄ&#x2122; wyĹ&#x201A;Ä&#x2026;cznie obszary piĂłropuszy wykonane na tle pustej przestrzeni kosmicznej. WzĂłr (2) redukuje siÄ&#x2122; wtedy do prostej zaleĹźnoĹ&#x203A;ci S ~ rr, a wskaĹşnik przyjmie postaÄ&#x2021; W = r1/r2. Tego typu wskaĹşniki przyjÄ&#x2122;to w dalszych rozwaĹźaniach jako niezaleĹźne od nieznanej gÄ&#x2122;stoĹ&#x203A;ci piĂłropuszy:

Ξ A, B =

Rys. 3. Model natÄ&#x2122;Ĺźenia promieniowania rejestrowanego w obszarze piĂłropusza o reflektancji r, transmitancji t na tle materiaĹ&#x201A;u o reflektancji b Fig. 3. Plume radiation intensity model with plume reflectance r, transmittance t visible in front of the material with reflectance b

S (ÎťA ) S (ÎťB )

(3)

-.-.:    +   "  !           

Przyjmujemy, Ĺźe reflektancja tĹ&#x201A;a jest staĹ&#x201A;a w caĹ&#x201A;ym obszarze zobrazowanego piĂłropusza i wynosi b. Podczas przejĹ&#x203A;cia przez piĂłropusz promieniowanie sĹ&#x201A;oneczne o natÄ&#x2122;Ĺźeniu IS dzieli siÄ&#x2122; na czÄ&#x2122;Ĺ&#x203A;Ä&#x2021; odbitÄ&#x2026; oraz podlegajÄ&#x2026;cÄ&#x2026; transmitancji. WspĂłĹ&#x201A;czynniki odbicia R i transmitancji T zaleĹźÄ&#x2026; zarĂłwno od samej reflektancji i transmitancji gazu, jak i od jego gÄ&#x2122;stoĹ&#x203A;ci. W modelu zakĹ&#x201A;adamy, Ĺźe R + T = IS, zatem r + t = 1. Wtedy R ~ rl r i T ~ tl r. Po n odbiciach miÄ&#x2122;dzy piĂłropuszem a tĹ&#x201A;em (powierzchniÄ&#x2026; Enceladusa) otrzymujemy wzĂłr na natÄ&#x2122;Ĺźenie Ĺ&#x203A;wiatĹ&#x201A;a pochodzÄ&#x2026;cego z rejonu, w ktĂłrym obserwujemy piĂłropusz:

Dla wybranych zakresĂłw spektralnych, na podstawie krzywej efektywnoĹ&#x203A;ci kwantowej matrycy CCD oraz szczegĂłĹ&#x201A;owych charakterystyk filtrĂłw wyznaczono parametr sumarycznej efektywnoĹ&#x203A;ci kwantowej (QEeff) ukĹ&#x201A;adu: sensor, obiektyw, filtr w wybranych zakresach spektralnych. W tym celu obliczono iloczyn z transmitancji filtru optycznego T(l), czuĹ&#x201A;oĹ&#x203A;ci matrycy QE(l), wartoĹ&#x203A;ci przysĹ&#x201A;ony dla kanaĹ&#x201A;u optycznego f(l) i transmitancji obiektywu L(l): QEEFF(Îť) = f(Îť) QE(Îť) T(Îť) L(Îť).

(4)

(1) Zgodnie z tym modelem oraz parametrami ukĹ&#x201A;adu optycznego, wpĹ&#x201A;yw na liczbÄ&#x2122; fotoelektronĂłw zarejestrowanych przez sensor CCD w kanale optycznym l majÄ&#x2026; przede wszystkim: a) natÄ&#x2122;Ĺźenie I promieniowania o dĹ&#x201A;ugoĹ&#x203A;ci fali l padajÄ&#x2026;cego na obiekt, b) reflektancja tĹ&#x201A;a b w tym kanale, c) reflektancja war-

Dla bardzo duĹźej liczby odbiÄ&#x2021; miÄ&#x2122;dzy piĂłropuszem a tĹ&#x201A;em otrzymujemy: S (n â&#x2020;&#x2019; â&#x2C6;&#x17E; ) = lim S (n ) â&#x2030;&#x2C6; rĎ + n â&#x2020;&#x2019;â&#x2C6;&#x17E;

(Ď t )2 b 1 â&#x2C6;&#x2019; bĎ r

(2)

.

Rys. 4. Stanowisko laboratoryjne pozyskiwania sygnatur spektralnych z szeĹ&#x203A;ciokanaĹ&#x201A;owÄ&#x2026; kamerÄ&#x2026; wielospektralnÄ&#x2026; Quercus.6, oĹ&#x203A;mioma ĹşrĂłdĹ&#x201A;ami Ĺ&#x203A;wiatĹ&#x201A;a o emisyjnoĹ&#x203A;ci odpowiadajÄ&#x2026;cej w zakresie VIS i NIR Ĺ&#x203A;wiatĹ&#x201A;u sĹ&#x201A;onecznemu oraz znacznikami terenowymi o reflektancji powyĹźej 0,95 i poniĹźej 0,05 w caĹ&#x201A;ym badanym zakresie spektralnym Fig. 4. Spectral Signatures Measurement Laboratory with six-channel multispectrallcamera Quercus.6, eight Sun emission spectrum (VIS and NIR) light sources and high (> 0.95) and low (< 0.05) reflectance surfaces

38

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


. ) !  ! /+ !   stwy gazu, d) efektywna wydajnoĹ&#x203A;Ä&#x2021; kwantowa ukĹ&#x201A;adu rejestrujÄ&#x2026;cego oraz e) fizyczna wielkoĹ&#x203A;Ä&#x2021; detektora CCD wraz z gĹ&#x201A;Ä&#x2122;bokoĹ&#x203A;ciÄ&#x2026; studni potencjaĹ&#x201A;u. W przypadku jednolitej, niskiej reflektancji tĹ&#x201A;a (b = 0, we wskazanym przypadku jest to tĹ&#x201A;o przestrzeni kosmicznej) drugi skĹ&#x201A;adnik sumy we wzorze drugim zeruje siÄ&#x2122; i przyjmujÄ&#x2026;c, iĹź S(Îť) ~ r(l) wartoĹ&#x203A;Ä&#x2021; piksela DU w kanale optycznym l wynosi: (5) gdzie: K â&#x20AC;&#x201C; ogĂłlny wspĂłĹ&#x201A;czynnik konwersji [eâ&#x20AC;&#x201C;], n â&#x20AC;&#x201C; liczba skĹ&#x201A;adnikĂłw wchodzÄ&#x2026;cych w skĹ&#x201A;ad warstwy gazu [â&#x20AC;&#x201C;], tEXP â&#x20AC;&#x201C; czas ekspozycji [s], G â&#x20AC;&#x201C; wzmocnienie elektroniczne na matrycy CCD (gain) [â&#x20AC;&#x201C;], B â&#x20AC;&#x201C; liczba bitĂłw przypadajÄ&#x2026;ca na jeden piksel [â&#x20AC;&#x201C;], D â&#x20AC;&#x201C; gĹ&#x201A;Ä&#x2122;bokoĹ&#x203A;Ä&#x2021; studni potencjaĹ&#x201A;u pojedynczego piksela na matrycy CCD [eâ&#x20AC;&#x201C;], SRCCD â&#x20AC;&#x201C; powierzchnia pojedynczego piksela na matrycy CCD [m2], E(Îť) â&#x20AC;&#x201C; energia pojedynczego fotonu o dĹ&#x201A;ugoĹ&#x203A;ci fali Îť [J], wi â&#x20AC;&#x201C; udziaĹ&#x201A; procentowy gazu i w piĂłropuszu [â&#x20AC;&#x201C;], I(Îť) â&#x20AC;&#x201C; moc promieniowania sĹ&#x201A;onecznego w kanale Îť na jednostkÄ&#x2122; powierzchni [W/m2], ri(Îť) â&#x20AC;&#x201C; reflektancja gazu i [â&#x20AC;&#x201C;].

1. oĹ&#x203A;wietlone znaczniki (jasny i ciemny), seria kontrolna, 2. oĹ&#x203A;wietlone znaczniki (jasny i ciemny) ustawione za strumieniem aerozolu H2O, 3. oĹ&#x203A;wietlone znaczniki (jasny i ciemny) ustawione za strumieniem aerozolu CO2, Na obszarach zdjÄ&#x2122;cia z widocznymi jasnym i ciemnym znacznikiem wyznaczono dziewiÄ&#x2122;Ä&#x2021; obszarĂłw pomiarowych o wielkoĹ&#x203A;ci 10 px Ă&#x2014; 10 px. OdpowiedĹş spektralnÄ&#x2026; dla kaĹźdej z czterech serii dla kaĹźdego zdjÄ&#x2122;cia obliczono jako Ĺ&#x203A;redni sygnaĹ&#x201A; rejestrowany z 900 px dla biaĹ&#x201A;ego i 900 px dla czarnego znacznika. W ten sposĂłb otrzymano szeĹ&#x203A;Ä&#x2021; serii czasowych. PoniewaĹź dla znacznika ciemnego zakĹ&#x201A;adamy, Ĺźe reflektancja wynosi 0, a w rzeczywistoĹ&#x203A;ci jest < 0,05, do oszacowania rzeczywistego wpĹ&#x201A;ywu strumienia aerozolu na rejestrowanÄ&#x2026; wartoĹ&#x203A;Ä&#x2021; naleĹźy odjÄ&#x2026;Ä&#x2021; od wartoĹ&#x203A;ci serii z aerozolem Ĺ&#x203A;redniÄ&#x2026; wartoĹ&#x203A;Ä&#x2021; z serii kontrolnej. Po uzyskaniu Ĺ&#x203A;rednich wartoĹ&#x203A;ci piksela dla H2O i CO2 oraz ich odchyleĹ&#x201E; standardowych obliczono testem 3s czy otrzymano wartoĹ&#x203A;ci DU róşne, czy podobne dla obu biomarkerĂłw korzystajÄ&#x2026;c z wzoru:

-.I. :    +  X   

(6)

Na podstawie wartoĹ&#x203A;ci DU, dla kaĹźdego pasma optycznego, obliczany jest wskaĹşnik ilorazowy zgodnie ze wzorem (3). W liczniku umieszczamy DU dla kanaĹ&#x201A;u optycznego o najwiÄ&#x2122;kszym zróşnicowaniu miÄ&#x2122;dzy wartoĹ&#x203A;ciÄ&#x2026; dla H2O a CO2, w mianowniku â&#x20AC;&#x201C; o porĂłwnywalnej wielkoĹ&#x203A;ci dla obu biomarkerĂłw.

Dla T > 3 przyjmowano, Ĺźe oba strumienie aerozoli byĹ&#x201A;y w danym kanale optycznym rozróşnialne.

I.: 

-.L.          "  Eksperyment zostaĹ&#x201A; przeprowadzony na specjalnie przygotowanym stanowisku laboratoryjnym (rys. 4) wyposaĹźonym w: â&#x2C6;&#x2019; dwa ĹşrĂłdĹ&#x201A;a aerozoli zĹ&#x201A;oĹźonych z a) H2O oraz b) CO2. â&#x2C6;&#x2019; osiem ĹşrĂłdeĹ&#x201A; Ĺ&#x203A;wiatĹ&#x201A;a o spektrum emisyjnym w zakresie VIS i NIR odpowiadajÄ&#x2026;cym promieniowaniu sĹ&#x201A;onecznemu o sumarycznym natÄ&#x2122;Ĺźeniu w punkcie pomiarowym 500 W/m2, â&#x2C6;&#x2019; dwa znaczniki: biaĹ&#x201A;y o reflektancji > 0,95 w zakresie VIS i NIR i czarny o reflektancji < 0,05 w zakresie VIS i NIR, â&#x2C6;&#x2019; kamerÄ&#x2122; wielospektralnÄ&#x2026; Quercus [3] wyposaĹźonÄ&#x2026; w szeĹ&#x203A;Ä&#x2021; sensorĂłw z filtrami optycznymi o szerokoĹ&#x203A;ci poĹ&#x201A;Ăłwkowej: FWHM (ang. full width at half maximum) 10 nm i Ĺ&#x203A;rodkach pasm transmitancji: 0,46 Îźm, 0,55 Îźm, 0,64 Îźm, 0,73 Îźm, 0,82 Îźm i 0,88 Îźm. W ramach eksperymentu przeprowadzono trzy serie pomiarowe po 60 s. Podczas kaĹźdej serii fotografowano z czÄ&#x2122;stotliwoĹ&#x203A;ciÄ&#x2026; 1 Hz i jednakowymi parametrami sensorĂłw:

I.V. !M          ,  " ,   62O i CO2

Dla obliczenia sumarycznej efektywnoĹ&#x203A;ci kwantowej QEEFF przyjÄ&#x2122;to parametry z Tab. 1, a dla parametrĂłw niezdefiniowanych w projektowanej misji przyjÄ&#x2122;to parametry platformy Quercus: K = 1/1,8; B = 8; D = 6,900; SRCCD = 10,2 Îźm2. WartoĹ&#x203A;ci QEFF dla poszczegĂłlnych kanaĹ&#x201A;Ăłw optycznych przedstawiono w tabeli 2.

3.1.1. Wynik teoretyczny dla orbity Enceladusa o inklinacji 62° W fotografii lotniczej oraz w astrofotografii stosowana jest zasada, zgodnie z ktĂłrÄ&#x2026;, dla uzyskania nierozmazanego zdjÄ&#x2122;cia przesuniÄ&#x2122;cie liniowe ukĹ&#x201A;adu kamera i obiekt fotografowany w czasie trwania akwizycji nie moĹźe byÄ&#x2021; wiÄ&#x2122;ksze niĹź 0,5 wielkoĹ&#x203A;ci piksela terenowego [10]. Optymalnie, gdy wartoĹ&#x203A;Ä&#x2021; ta nie

Tabela 2. Ĺ Ä&#x2026;czna efektywnoĹ&#x203A;Ä&#x2021; kwantowa QEEFF kamery dedykowanej do obrazowania w zakresie pasm VIS i NIR (Quercus.6) Table 2. Total quantum efficiency QEEFF of camera dedicated to VIS and NIR imaging (Quercus.6).

Filtr [nm]

Transmitancja filtra [%]

CzuĹ&#x201A;oĹ&#x203A;Ä&#x2021; matrycy [%]

Transmitancja obiektywu [%]

Ĺ Ä&#x2026;czna efektywnoĹ&#x203A;Ä&#x2021; kwantowa: QEEFF [%]

460

49,50

51,72

93,00

23,81

550

50,70

54,78

95,00

26,38

640

60,70

38,59

99,00

23,19

730

61,10

25,64

94,00

14,73

820

52,50

14,19

78,67

5,86

880

61,90

8,09

64,33

3,22

39


"  &/ & / (  / #   / /   

  *222

Tabela 3. Teoretyczne wartoĹ&#x203A;ci pikseli zarejestrowane przez kamerÄ&#x2122; wielospektralnÄ&#x2026; dla a) orbity Enceladusa i b) eksperymetu z uĹźyciem kamery Quercus.6 przy fotografowaniu piĂłropuszy na ciemnym tle (b ~ 0) Table 3. Theoretical pixel values registered by multispectral camera for a) Enceladus orbit and b) experiment with Quercus.6. camera with dark background (b ~ 0) in both cases

b) Eksperyment z uĹźyciem kamery Quercus.6

a) Projektowana kamera dla misji Enceladus Orbiter

ZawartoĹ&#x203A;Ä&#x2021; procentowa [%]

Zakres spektralny [nm]

H2O

CO2

460

550

570

640

670

700

730

760

820

850

880

940

1000

100

0

14

11

14

12

6

28

60

19

24

1

1

20

1

0

100

35

23

23

14

9

55

4

9

1

1

0

0

0

21

12

9

2

3

27

56

10

23

0

1

20

1

Maksymalne róşnice odczytĂłw wartoĹ&#x203A;ci w poszczegĂłlnych zakresach spektralnych dla obserwacji piĂłropusza gazowego 100

0

18

14

18

15

8

37

79

24

32

7

5

26

1

0

100

46

30

30

19

12

72

5

12

1

3

3

0

0

28

16

12

4

4

35

74

12

31

4

2

26

1

Maksymalne róşnice odczytĂłw wartoĹ&#x203A;ci w poszczegĂłlnych zakresach spektralnych dla obserwacji piĂłropusza gazowego

przekracza 0,1 wielkoĹ&#x203A;ci piksela. Dla parametrĂłw misji planowanej na 01/28/2023 wielkoĹ&#x203A;Ä&#x2021; piksela terenowego wynosiĹ&#x201A;aby przy wykorzystaniu kamery Quercus odpowiednio: 53 m (dla Ĺ&#x203A;redniej wysokoĹ&#x203A;ci orbity rĂłwnej 184 km), 29 m (orbita minimalna 101 km) oraz 76 m (orbita maksymalna rĂłwna 267 km). PrÄ&#x2122;dkoĹ&#x203A;Ä&#x2021; liniowa (z uwzglÄ&#x2122;dnieniem obrotĂłw kÄ&#x2026;towych kamery) ukĹ&#x201A;adu Sonda â&#x20AC;&#x201C; Enceladus wynosi maksymalnie (dla operacyjnej fazy pozyskiwania zdjÄ&#x2122;Ä&#x2021;) ~200 m/s. Maksymalny czas akwizycji powinien wynosiÄ&#x2021; zatem nie wiÄ&#x2122;cej niĹź tEXP = 14 ms. Na podstawie rozkĹ&#x201A;adu promieniowania elektromagnetycznego emitowanego przez ciaĹ&#x201A;o doskonale czarne o temperaturze fotosfery SĹ&#x201A;oĹ&#x201E;ca (5773 K) moĹźna wyznaczyÄ&#x2021; energiÄ&#x2122; i liczbÄ&#x2122; fotonĂłw emitowanych w wybranych zakresach spektralnych przez SĹ&#x201A;oĹ&#x201E;ce w ciÄ&#x2026;gu sekundy. Energia pojedynczego fotonu dla fali elektromagnetycznej w przedziale 400â&#x20AC;&#x201C;1000 nm wynosi od 3,09 eV do 1,24 eV. W odlegĹ&#x201A;oĹ&#x203A;ci 9,5 jednostek astronomicznych natÄ&#x2122;Ĺźenie promieniowania SĹ&#x201A;oĹ&#x201E;ca wynosi okoĹ&#x201A;o I = 15,078 W/m2. Na podstawie wzoru (5), po uwzglÄ&#x2122;dnieniu maksymalnego dopuszczalnego czasu otwarcia migawki (14 ms) obliczono oczekiwane wartoĹ&#x203A;ci DU, ktĂłre zarejestruje kamera na orbicie Enceladusa (dla przetwornika 8-bitĂłw) dla obu typĂłw strumieni. Wyniki zaprezentowano w tabeli 3 (a). KanaĹ&#x201A;em optycznym, w ktĂłrym oba typy piĂłropuszy róşniÄ&#x2026; siÄ&#x2122; najbardziej jest kanaĹ&#x201A; 730 nm, traktowany jako przedziaĹ&#x201A; od 725 nm do 735 nm. Róşnica wartoĹ&#x203A;ci DU miÄ&#x2122;dzy biomarkerami wynosi okoĹ&#x201A;o 56 (DU). SpoĹ&#x203A;rĂłd kanaĹ&#x201A;Ăłw o najmniejszej róşnicy wartoĹ&#x203A;ci DU wyróşnia siÄ&#x2122; kanaĹ&#x201A; 640 nm, poniewaĹź dla obu biomarkerĂłw ma on wartoĹ&#x203A;ci powyĹźej 10. PozostaĹ&#x201A;e kanaĹ&#x201A;y optyczne o porĂłwnywalnej róşnicy charakteryzujÄ&#x2026; siÄ&#x2122; niskimi wartoĹ&#x203A;ciami DU. Dla kanaĹ&#x201A;Ăłw optycznych 730 nm i 640 nm tworzymy wskaĹşnik ilorazowy Ξ730 nm, 640 nm, otrzymujÄ&#x2026;c dla H2O przewidywanÄ&#x2026; wartoĹ&#x203A;Ä&#x2021; 5,000 dla CO2 0,286.

Rys. 5. Ĺ&#x161;rednia wartoĹ&#x203A;Ä&#x2021; piksela [DU] rejestrowana podczas eksperymentu w szeĹ&#x203A;ciu kanaĹ&#x201A;ach spektralnych: 0,46 Âľm (niebieski), 0,55 Âľm (zielony), 0,64 Âľm (czerwony), 0,73 Âľm (bordowy), 0,82 Âľm (fioletowy) i 0,88 Âľm (szary) dla warstwy H2O (wykres gĂłrny) lub CO2 (wykres dolny) na ciemnym (b < 0,05) tle Fig. 5. Average pixel values [DU] registered during experiment in six optical channels: 0.46 Âľm (blue), 0.55 Âľm (green), 0.64 Âľm (red), 0.73 Âľm (granate), 0.82 Âľm (violet) and 0.88 Âľm (grey) for H2O layer (up) and CO2 (down) on dark (b < 0.05) background

3.1.2. Wynik teoretyczny dla eksperymentu walidacyjnego AnalogicznÄ&#x2026; analizÄ&#x2122; przeprowadzono dla eksperymentu, w ktĂłrym przyjÄ&#x2122;to tEXP = 5 ms, i GAIN = 300. Wyniki przedstawiono w tabeli 3 (b). Najbardziej odpowiednim zakresem (spoĹ&#x203A;rĂłd analizowanych filtrĂłw) do prowadzenia detekcji skĹ&#x201A;adu piĂłropuszy

40

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


. ) !  ! /+ !  

gazowych jest rĂłwnieĹź zakres 730 nm rozumiany jako przedziaĹ&#x201A; od 725 nm do 735 nm. Róşnice odczytĂłw wynikajÄ&#x2026;ce z odbicia promieniowania oĹ&#x203A;wietlenia od piĂłropusza gazowego skĹ&#x201A;adajÄ&#x2026;cego siÄ&#x2122; z dwutlenku wÄ&#x2122;gla (100% skĹ&#x201A;adu) lub pary wodnej (100% skĹ&#x201A;adu) wynoszÄ&#x2026; 74 (DU). Dla kanaĹ&#x201A;Ăłw optycznych 730 nm i 640 nm tworzymy wskaĹşnik ilorazowy Ξ730nm, 640nm otrzymujÄ&#x2026;c dla H2O przewidywanÄ&#x2026; wartoĹ&#x203A;Ä&#x2021; 5,267, a dla CO2 â&#x20AC;&#x201C; wartoĹ&#x203A;Ä&#x2021; 0,263.

I.-.:      Na rysunku 5 przedstawiono róşnice odczytĂłw zaobserwowane podczas eksperymentu w poszczegĂłlnych zakresach spektralnych wybranych do eksperymentu dla obserwacji piĂłropuszy gazowych zĹ&#x201A;oĹźonych z dwutlenku wÄ&#x2122;gla (100% skĹ&#x201A;adu) lub pary wodnej (100% skĹ&#x201A;adu) dla ciemnego tĹ&#x201A;a (b < 0,05). Ĺ&#x161;rednie zarejestrowane wartoĹ&#x203A;ci DU dla obu biomarkerĂłw z ich odchyleniami standardowymi przedstawiono w tabeli 4. W ostatnim wierszu tabeli 4 podano wartoĹ&#x203A;Ä&#x2021; testu 3s dla Ĺ&#x203A;rednich wartoĹ&#x203A;ci z i ich odchyleĹ&#x201E; wg wzoru 6.

L.$! !  L.V.*+Y !   1   PorĂłwnujÄ&#x2026;c wyniki obliczeĹ&#x201E; teoretycznych (tab. 3b) z wynikami eksperymentu (tab. 4) moĹźna przyjÄ&#x2026;Ä&#x2021; nastÄ&#x2122;pujÄ&#x2026;ce obserwacje. â&#x2C6;&#x2019; Dla strumienia pary wodnej Ĺ&#x203A;rednie wartoĹ&#x203A;ci DU dla wszystkich kanaĹ&#x201A;Ăłw, oprĂłcz 0,73 Îźm, sÄ&#x2026; niĹźsze niĹź w przewidywaniach teoretycznych, jednak sÄ&#x2026; ze sobÄ&#x2026; zgodne, jeĹ&#x203A;li zostanÄ&#x2026; uwzglÄ&#x2122;dnione obliczone odchylenia standardowe dla eksperymentu poza kanaĹ&#x201A;ami 0,73 Îźm i 0,82 Îźm. Dla kanaĹ&#x201A;u 0,73 Îźm teoretyczna wartoĹ&#x203A;Ä&#x2021; piksela (79 DU) jest o 1 DU mniejsza niĹź uzyskana Ĺ&#x203A;rednia minus 1s. Dla kanaĹ&#x201A;u 0,82 Îźm rozbieĹźnoĹ&#x203A;Ä&#x2021; jest bliska 2s. Zarejestrowana wartoĹ&#x203A;Ä&#x2021; nie odzwierciedla przewidywanej w modelu wyĹźszej reflektancji w zakresie 0,81â&#x20AC;&#x201C;0,83 Îźm (rys. 2, trzecie minimum transmitancji dla H2O). PrawdopodobnÄ&#x2026; przyczynÄ&#x2026; tej rozbieĹźnoĹ&#x203A;ci jest bardzo niska wartoĹ&#x203A;Ä&#x2021;

sumarycznej efektywnoĹ&#x203A;ci kwantowej ukĹ&#x201A;adu optycznego dla tego kanaĹ&#x201A;u (~ 5%). â&#x2C6;&#x2019; Dla strumienia dwutlenku wÄ&#x2122;gla zarejestrowane wartoĹ&#x203A;ci sÄ&#x2026; niĹźsze niĹź wynikajÄ&#x2026;ce z obliczeĹ&#x201E; teoretycznych, jednak moĹźna zauwaĹźyÄ&#x2021;, Ĺźe dla zakresu 0,46â&#x20AC;&#x201C;0,73 Îźm sÄ&#x2026; ze sobÄ&#x2026; silnie skorelowane (+99,7%). Ĺ&#x161;wiadczy to o uĹźyciu w eksperymencie innej gÄ&#x2122;stoĹ&#x203A;ci dwutlenku wÄ&#x2122;gla w strumieniu niĹź w modelowaniu, jednak wystÄ&#x2122;pujÄ&#x2026;ce w modelu rozpraszanie Rayleigha w krĂłtkich falach zostaĹ&#x201A;o odzwierciedlone w danych doĹ&#x203A;wiadczalnych. W zwiÄ&#x2026;zku z brakiem filtra optycznego 0,76â&#x20AC;&#x201C;0,78 Îźm w danych nie moĹźna zauwaĹźyÄ&#x2021; najwiÄ&#x2122;kszego z minimĂłw transmitancji w badanym zakresie. Podobnie jak w przypadku pary wodnej wartoĹ&#x203A;ci kanaĹ&#x201A;Ăłw > 0,8 Îźm odbiegajÄ&#x2026; od modelu. PrawdopodobnÄ&#x2026; przyczynÄ&#x2026; tej róşnicy jest niska sumaryczna efektywnoĹ&#x203A;Ä&#x2021; kwantowa. Dane doĹ&#x203A;wiadczalne potwierdziĹ&#x201A;y innÄ&#x2026; odpowiedĹş spektralnÄ&#x2026; strumieni H2O i CO2 w kanale 0,73 Îźm. SpoĹ&#x203A;rĂłd szeĹ&#x203A;ciu kanaĹ&#x201A;Ăłw badanych w eksperymencie jest to jedyny kanaĹ&#x201A;, dla ktĂłrego test 3s zarejestrowanych wartoĹ&#x203A;ci DU dla pary wodnej i dwutlenku wÄ&#x2122;gla wypadĹ&#x201A; pomyĹ&#x203A;lnie. Wynik ten jest zbieĹźny z przewidywaniami teoretycznymi. MoĹźliwoĹ&#x203A;Ä&#x2021; spektralnej separacji strumieni za pomocÄ&#x2026; kanaĹ&#x201A;u 0,82 Îźm nie mogĹ&#x201A;a byÄ&#x2021; potwierdzona w tym eksperymencie ze wzglÄ&#x2122;du na niskÄ&#x2026; sumarycznÄ&#x2026; efektywnoĹ&#x203A;Ä&#x2021; kwantowÄ&#x2026; stosowanego sensora.

L.-. :  +     ! M       wielospektralnej Na podstawie przeprowadzonej kalibracji radiometrycznej kamery wielospektralnej wyznaczono zestaw parametrĂłw granicznych dla obserwacji gazĂłw z dokĹ&#x201A;adnoĹ&#x203A;ciÄ&#x2026; 2% na orbicie Enceladusa: â&#x2C6;&#x2019; V = < 200 m/s, â&#x2C6;&#x2019; tEXP = 12 ms, â&#x2C6;&#x2019; szerokoĹ&#x203A;Ä&#x2021; spektralna filtrĂłw optycznych = 20 nm, â&#x2C6;&#x2019; iloczyn czuĹ&#x201A;oĹ&#x203A;ci ukĹ&#x201A;adu optycznego i wzglÄ&#x2122;dnych róşnic reflektancji rejestrowanych obiektĂłw t 2,5%, â&#x2C6;&#x2019; fizyczna powierzchnia pojedynczego piksela t 3,75â&#x2039;&#x2026;3,75 Îźm2, â&#x2C6;&#x2019; moĹźliwoĹ&#x203A;ci absorpcyjne pojedynczego piksela t 12 400PHOTON, â&#x2C6;&#x2019; zapis danych: co najmniej 8-bitowy.

Tabela 4. Ĺ&#x161;rednie wartoĹ&#x203A;ci DU i Ξ730nm, Îť dla obu typĂłw strumieni fotografowanych na ciemnym tle w szeĹ&#x203A;ciu kanaĹ&#x201A;ach optycznych, ich odchylenia standardowe, róşnica w odczycie i wartoĹ&#x203A;Ä&#x2021; testu 3Ď&#x192; Table 4. Average pixel values DU and Ξ730nm, Îť for both types of gas layers photographed on dark background in six optical channels, standard deviations, differences between water and carbon dioxide and 3Ď&#x192; test values

Biomarker

H2O

CO2

Zakres spektralny

0,46 Îźm

0,55 Îźm

0,64 Îźm

0,73 Îźm

0,82 Îźm

0,88 Îźm

DU

14,59

12,86

12,75

86,74

12,79

13,11

Std. Dev.

1,21

1,33

1,38

0,84

1,28

1,25

z

5,95

6,74

6,80

â&#x20AC;&#x201C;

6,78

6,62

Std. Dev.

0,50

0,70

0,74

â&#x20AC;&#x201C;

0,68

0,63

DU

22,85

17,30

12,26

7,87

18,62

21,63

Std. Dev.

1,01

0,83

0,44

0,85

0,51

0,24

z

0,34

0,45

0,64

â&#x20AC;&#x201C;

0,42

0,36

Std. Dev.

0,04

0,05

0,07

â&#x20AC;&#x201C;

0,05

0,04

|zH2O â&#x20AC;&#x201C; zCO2|

5,60

6,29

6,16

â&#x20AC;&#x201C;

6,36

6,25

Test 3s

11,25

8,95

8,29

â&#x20AC;&#x201C;

9,30

9,84

41


"  &/ & / (  / #   / /   

  *222

Parametry mogÄ&#x2026; byÄ&#x2021; dowolnie modyfikowane, naleĹźy jednak pamiÄ&#x2122;taÄ&#x2021; o zachowaniu odpowiednich relacji miÄ&#x2122;dzy nimi. Przeprowadzony eksperyment potwierdziĹ&#x201A;, Ĺźe optyczne obserwacje wielospektralne juĹź teraz mogÄ&#x2026; byÄ&#x2021; z powodzeniem stosowane do operacyjnej detekcji skĹ&#x201A;adu mieszanek gazowych.

4.

5. Wnioski

5.

Detekcja udziaĹ&#x201A;u poszczegĂłlnych biomarkerĂłw w piĂłropuszach gazowych jest moĹźliwa za pomocÄ&#x2026; kamery wielospektralnej o parametrach przewidzianych w projektowanej misji Enceladus Orbiter. MoĹźliwoĹ&#x203A;Ä&#x2021; rozróşnienia gÄ&#x2122;stoĹ&#x203A;ci skĹ&#x201A;adnikĂłw jest zaleĹźna przede wszystkim od parametrĂłw kamery oraz obliczonych róşnic reflektancji gazĂłw w wybranych zakresach spektralnych. Podczas prac eksperymentalnych wyznaczono zakres 0,73 Îźm jako optymalny do rozróşnienia udziaĹ&#x201A;u procentowego mieszanki gazowej, w skĹ&#x201A;ad ktĂłrej wchodzi dwutlenek wÄ&#x2122;gla oraz para wodna. NaleĹźy zauwaĹźyÄ&#x2021;, Ĺźe wyznaczony zakres nie byĹ&#x201A; dotychczas rejestrowany w obrazowaniach kamerami typu MVIC (ang. Multispectral Visible Imaging Camera). W celu zaaplikowania proponowanej metodyki naleĹźaĹ&#x201A;oby uwzglÄ&#x2122;dniÄ&#x2021; ten kanaĹ&#x201A; optyczny w konfiguracji kamery ze standardowÄ&#x2026; optykÄ&#x2026; MAC (ang. Medium-Angle Camera). Ze wzglÄ&#x2122;du na to, Ĺźe w badaniach laboratoryjnych przyjÄ&#x2122;to bardzo wÄ&#x2026;skie kanaĹ&#x201A;y optyczne i w zwiÄ&#x2026;zku z tym wynikowy kanaĹ&#x201A; optyczny jest rĂłwnieĹź kanaĹ&#x201A;em wÄ&#x2026;skim, aplikacja wypracowanej metody w szerokich kanaĹ&#x201A;ach optycznych moĹźe okazaÄ&#x2021; siÄ&#x2122; problematyczna. W zwiÄ&#x2026;zku z tym naleĹźaĹ&#x201A;oby zwrĂłciÄ&#x2021; uwagÄ&#x2122; na moĹźliwoĹ&#x203A;Ä&#x2021; konfiguracji kamery MAC w misji Enceladus Orbiter z uwzglÄ&#x2122;dnieniem wÄ&#x2122;Ĺźszych spektralnie filtrĂłw optycznych niĹź stosowane dotychczas w kamerach MVIC. Nawet przy zastosowaniu filtrĂłw optycznych o szerokoĹ&#x203A;ci zaledwie 20 nm, zapis wartoĹ&#x203A;ci DU na 8 bitach przy gĹ&#x201A;Ä&#x2122;bokoĹ&#x203A;ci studni potencjaĹ&#x201A;u sensora wynoszÄ&#x2026;cej 6900 eâ&#x20AC;&#x201C; moĹźliwa jest detekcja skĹ&#x201A;adu piĂłropuszy z dokĹ&#x201A;adnoĹ&#x203A;ciÄ&#x2026; okoĹ&#x201A;o 2%. Przy zapisie 10-bitowym moĹźliwa jest detekcja z dokĹ&#x201A;adnoĹ&#x203A;ciÄ&#x2026; wzglÄ&#x2122;dnÄ&#x2026; okoĹ&#x201A;o 0,5%. Przeprowadzone w ten sposĂłb oszacowanie skĹ&#x201A;adu piĂłropuszy moĹźe istotnie zwiÄ&#x2122;kszyÄ&#x2021; wiedzÄ&#x2122; o ich zmiennoĹ&#x203A;ci chemicznej i fizycznej i w ten sposĂłb pomĂłc odpowiedzieÄ&#x2021; na pytanie o przyczyny ich wystÄ&#x2122;powania.

6.

7.

8.

9.

10. 11.

12.

13.

 ,  Autorzy dziÄ&#x2122;kujÄ&#x2026; Instytutowi Lotnictwa za pomoc w przeprowadzeniu badaĹ&#x201E; oraz dr. Arvind Singh z Banaras Hindu University za konsultacje dotyczÄ&#x2026;ce sygnatur spektralnych reflektancji biomarkerĂłw.

14.

15.

J 1 1.

2.

3.

42

Berk A., Conforti P., Kennett R., Perkins T., Hawes F., van den Bosch J., MODTRAN6: a major upgrade of the MODTRAN radiative transfer code. [w:] Proceedings SPIE 9088, Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery XX, 90880H (June 13, 2014); DOI: 10.1117/12.2050433. Bouquet A., Mousis O., Waite J.H., Picaud S., Possible evidence for a methane source in Enceladusâ&#x20AC;&#x2122; ocean. â&#x20AC;&#x17E;Geophysical Research Lettersâ&#x20AC;?, Vol. 42, Iss. 5, 2015, 1334â&#x20AC;&#x201C; 1339, DOI: 10.1002/2014GL063013. Czapski P., Kacprzyk M., Korniluk T., Kotlarz J., Kubiak K., Mazur A., Mrowiec K., Oszako T., PieniÄ&#x2026;Ĺźek J., PoĹ&#x203A;pieszczyk A., Tkaczyk M., WodziĹ&#x201E;ski K., Zalewska N., Budowa i zastosowanie platformy wielosensoro-

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

16.

17.

18.

A

T

wej w badaniu wybranych parametrĂłw Ĺ&#x203A;rodowiska. â&#x20AC;&#x17E;Prace Instytutu Lotnictwaâ&#x20AC;?, Nr 1 (234) March 2014, 126â&#x20AC;&#x201C;142. Fujishima K., Dziomba S., Takahagi W., Shibuya T., Takano Y., Guerrouache M., Carbonnier B., Takai K., Rothschild L., Yano H., A Fly-Through Mission Strategy Targeting Peptide as a Signature of Chemical Evolution and Possible Life in Enceladus Plumes. 2016. Hansen C., Esposito L., Colwell J., Hendrix A., Portyankina G., Shemansky D., West R., Deriving the Structure and Composition of Enceladusâ&#x20AC;&#x2122; Plume from Cassini UVIS Observations. â&#x20AC;&#x17E;AAS/Division for Planetary Sciences Meeting Abstractsâ&#x20AC;?. Vol. 47, 2015. Hedman M.M., Gosmeyer C.M., Nicholson P.D., Sotin C., Brown R.H., Clark R.N., Baines K.H., Buratti B.J., Showalter M.R., An observed correlation between plume activity and tidal stresses on Enceladus. â&#x20AC;&#x17E;Natureâ&#x20AC;?, 500.7461, 2013, 182â&#x20AC;&#x201C;184, DOI: 10.1038/nature12371. Howett C.J.A., Parker A.H., Olkin C.B., Reuter D.C., Ennico K., Grundy W.M., Lovering J.R., Inflight Radiometric Calibration of New Horizonsâ&#x20AC;&#x2122; Multispectral Visible Imaging Camera (MVIC). arXiv preprint arXiv:1603.08940, 2016. Hurford T., Bruce B., Helfenstein P., Greenberg R., Hoppa G., Hamilton D., DPS meeting #40, id.8.06; â&#x20AC;&#x17E;Bulletin of the American Astronomical Societyâ&#x20AC;?, Vol. 40, 399, 09/2008. Ingersoll A.P., Shawn P.E., Decadal timescale variability of the Enceladus plumes inferred from Cassini images. â&#x20AC;&#x17E;Icarusâ&#x20AC;?, Vol. 282, 2017, 260â&#x20AC;&#x201C;275, DOI: 10.1016/j.icarus.2016.09.018. KurczyĹ&#x201E;ski Z., Fotogrametria, PWN, Warszawa 2014. Lefevre, A., Tobie G., Choblet G., Cadek O., Mitri G., MassĂŠ M., Behounkova M. Enceladusâ&#x20AC;&#x2122; internal ocean constrained from Cassini gravity and topography data. European Planetary Science Congress 2015, held 27 September-2 October, 2015 w Nantes, Francja, On-line: http://meetingorganizer.copernicus.org/EPSC2015, id. EPSC2015-803. Vol. 10. 2015. Mahaffy, Paul R., et al. The sample analysis at Mars investigation and instrument suite. â&#x20AC;&#x17E;Space Science Reviewsâ&#x20AC;?, Vol. 170, Iss. 1â&#x20AC;&#x201C;4, 2012, 401â&#x20AC;&#x201C;478. Patthoff D.A., Kattenhorn S.A., A fracture history on Enceladus provides evidence for a global ocean. â&#x20AC;&#x17E; Geophysical Research Lettersâ&#x20AC;?, Vol. 38, Iss. 18, 2011, DOI: 10.1029/2011GL048387. Perry M.E., et al. Cassini INMS measurements of Enceladus plume density. â&#x20AC;&#x17E;Icarusâ&#x20AC;?, Vol. 257, 2015, 139â&#x20AC;&#x201C;162, DOI: 10.1016/j.icarus.2015.04.037. Poinot P., Geffroy-Rodier C., Searching for organic compounds in the Universe. â&#x20AC;&#x17E;TrAC Trends in Analytical Chemistryâ&#x20AC;?, Vol. 65, 2015, 1â&#x20AC;&#x201C;12, DOI: 10.1016/j.trac.2014.09.009. Porco, Carolyn C., et al. Cassini imaging science: Instrument characteristics and anticipated scientific investigations at Saturn. â&#x20AC;&#x17E;Space Science Reviewsâ&#x20AC;?, Vol. 115, Iss. 1â&#x20AC;&#x201C;4, 2004, 363â&#x20AC;&#x201C;497. Porco C. C. et al. (2006) Cassini Observes the Active South Pole of Enceladus, â&#x20AC;&#x17E;Scienceâ&#x20AC;?, 311, Iss. 5766, 1393â&#x20AC;&#x201C; 1401. DOI: 10.1126/science.1123013 Spencer J.R., Pearl J.C., Segura M., Flasar F.M., Mamoutkine A., Romani P., Buratti B.J., Hendrix A.R., Spilker L.J., Lopes R.M.C., Cassini Encounters Enceladus: Background and the Discovery of a South Polar Hot Spot. â&#x20AC;&#x17E;Scienceâ&#x20AC;?. Vol. 311, Iss. 5766, 2006, 1401â&#x20AC;&#x201C;1405, DOI: 10.1126/science.1121661.

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


. ) !  ! /+ !  

19. Spencer J.R., Planetary Science Decadal Survey Enceladus Orbiter, Mission Concept Study, http://sites.nationalacademies.org/cs/groups/ssbsite/documents/webpage/ ssb_059320.pdf 20. Stockton, Amanda M., Tjin C.C., Huang G.L., Benhabib M., Chiesl T.N., Mathies R.A., Analysis of carbonaceous biomarkers with the Mars Organic Analyzer microchip capillary electrophoresis system: aldehydes and ketones. â&#x20AC;&#x17E;Electrophoresisâ&#x20AC;? 31.22, 2010, 3642â&#x20AC;&#x201C;3649, DOI: 10.1002/elps.201000424. 21. Thomas P.C. et al. Enceladusâ&#x20AC;&#x2122;s measured physical libration requires a global subsurface ocean, â&#x20AC;&#x17E;Icarusâ&#x20AC;?, Vol. 264, 15 January 2016, 37â&#x20AC;&#x201C;47. DOI: 10.1016/j.icarus.2015.08.037. 22. Tunnicliffe V., The Biology of Hydrothermal Vents: Ecology and Evolution. â&#x20AC;&#x17E;Oceanography and Marine Biology an Annual Reviewâ&#x20AC;?. 29, 1991, 319â&#x20AC;&#x201C;408.

23. Waite J.H. Jr, et al. Cassini ion and neutral mass spectrometer: Enceladus plume composition and structure. â&#x20AC;&#x17E;Scienceâ&#x20AC;?, 311.5766, 2006, 1419â&#x20AC;&#x201C;1422, DOI: 10.1126/science.1121290. 24. Waite J.H. Jr, et al. Liquid water on Enceladus from observations of ammonia and 40Ar in the plume. â&#x20AC;&#x17E;Natureâ&#x20AC;?, 460.7254, 2009, 487â&#x20AC;&#x201C;490. 25. Zolotov Mikhail Y. An oceanic composition on early and todayâ&#x20AC;&#x2122;s Enceladus. â&#x20AC;&#x17E;Geophysical Research Lettersâ&#x20AC;?, Vol. 34, Iss. 23, 2007, DOI: 10.1029/2007GL031234.

  <M"  B

 " # 8 6 ;    "    '  S) 6

PF((Q Abstract: The cause of the cryovolcanic activity on the Enceladus south hemisphere and related to this activity gas plumes are one of the biggest mysteries of the outer solar system moons. The possibility of the existence of the ocean under Enceladus icy outer layer was confirmed through direct chemical plumes composition measurement during Cassini close flyby 168.2 km over moonâ&#x20AC;&#x2122;s surface. Three out of the four main plumes components are standard biomarkers (H2O, CO2 and CH4). Physical plumes parameters variability observed also by Cassini, possibility of drawing conclusions about cryovolcanic activity reasons and biotic causes of biomarkers presence in plumes are important reasons of new, dedicated to Enceladus observation, NASAâ&#x20AC;&#x2122;s mission development. In this paper we are asking about possibility of Enceladus plumes chemical components analysis using multispectral imaging by projected for this new mission sensors. We chose band 0.73 Âľm for H2O and CO2 distinguish using theoretical transmittance gas layers analysis and physical radiation transmittance through gas layer visible on the background material with defined constant reflectance model. In order to validate this result an experiment was conducted. Using multispectral camera Quercus.6 we photographed H2O and CO2 gas layers visible on the high (> 0.95) and low (< 0.05) visible light and NIR reflectance backgrounds. The results confirmed theoretical spectral transmittance analysis of those two biomarkers. Based on this result we established boundary parameters of the sensor and optical system projected for the orbiter allowing relative content of the biomarkers estimation with precision up to 2%: optical band Îť = 0.730 (Âą 0.020) Âľm, relative velocity between orbiter and moon v < 200 m/s, exposition time tEXP < 12 ms, quantum efficiency of the whole optical system and two biomarkers in selected wavelength reflectance difference product â&#x2030;Ľ 2,5%, single CCD pixel physical size â&#x2030;Ľ (3,75 Č&#x160; 3,75) Âľm2, potential well depth for one CCD pixel â&#x2030;Ľ 12 400 eâ&#x20AC;&#x201C;, RAW data record at least 8-bit. Optimal result waveband wasnâ&#x20AC;&#x2122;t recorded before using MVIC optical systems during past missions. If we want to apply proposed in this paper biomarkers distinguish methodology one out of four optical channels of the MAC camera projected for the new mission should cover also selected wavelength. KeywordsH'  )"  "          

43


"  &/ & / (  / #   / /   

  *222

dr Natalia Zalewska

Jan Kotlarz

  %   * %%

 %  *%%

   L   E       "M  @ "   ( " F      H    )   88 6 

        

 A6  'T

6CS% D -&&+-&./)     ; 8"    8 ;  6    A );    ) "       # %S) "  8  "     6 

%I 

8 G     "   A " "%

 

" D >#;    D    8%D -&.-N -&./        9  L    E    H  " O'S>>% D -&&K % ) "    89 !F  B8 ;  8  H8    8 "8H8 A; " "6 

      8%S-&./%  ">9  (F"<%MG  " < " H   A     ]    (E9%



;9 [  ! @& "



;9 >! @ B "

"  %  * %%

"

%* %%

()     D   ;

  

 "           #;

  9"  D P9# DQ%S-&.$% L   E    8  "   ;  "     " ]  ; % I8          H   8 ;        A   PC ( #(RQ%

#      D  '  9L<"   D ;

  %  "  " ; 8 "    "A ) % S -&.- %    L   E ;   %        ; " "   _ ,%

44

P

O

M

I

A

R

Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 21, Nr 3/2017, 45â&#x20AC;&#x201C;51, DOI: 10.14313/PAR_225/45



  "     " A " ) P-Q 5&    x&    G  G

Algorytm S Zygmunt Lech Warsza " L   ( "  " A(%I" -&-&-;0J,D     E

Evgeniy T. Volodarsky F 9#   # X   @  Y&$&+,@A(% )$/#(

Streszczenie: W artykule omĂłwiono iteracyjnÄ&#x2026; metodÄ&#x2122; odpornÄ&#x2026; Algorytm S. Stosuje siÄ&#x2122; jÄ&#x2026; do oszacowania precyzji okreĹ&#x203A;lonej metody pomiarowej na podstawie wynikĂłw badaĹ&#x201E; jednorodnych obiektĂłw w wielu akredytowanych laboratoriach, gdy oceny dokĹ&#x201A;adnoĹ&#x203A;ci pomiarĂłw w niektĂłrych z nich sÄ&#x2026; odstajÄ&#x2026;ce. WypadkowÄ&#x2026; odpornÄ&#x2026; ocenÄ&#x2122; dokĹ&#x201A;adnoĹ&#x203A;ci badanej metody znajduje siÄ&#x2122; na podstawie oszacowania niepewnoĹ&#x203A;ci lub rozstÄ&#x2122;pu wynikĂłw pomiarĂłw tÄ&#x2026; metodÄ&#x2026; w kaĹźdym z laboratoriĂłw, bez odrzucania danych odstajÄ&#x2026;cych. RozwaĹźania zilustrowano przykĹ&#x201A;adem liczbowym. (  H     H ]"  A "

1. Wprowadzenie W czÄ&#x2122;Ĺ&#x203A;ci pierwszej artykuĹ&#x201A;u [15] omĂłwiono dwie metody odporne: przeskalowanego odchylenia medianowego MADS i iteracyjnÄ&#x2026; Hubera nazwanÄ&#x2026; w normach PN-ISO 5725-5 i PN-ISO 13528 [2, 3] jako Algorytm-A oraz podano przykĹ&#x201A;ady liczbowe ich wykorzystania do analizy porĂłwnaĹ&#x201E; miÄ&#x2122;dzylaboratoryjnych. W czÄ&#x2122;Ĺ&#x203A;ci drugiej omĂłwione zostanÄ&#x2026; podstawowe zaleĹźnoĹ&#x203A;ci drugiej z metod odpornych (podanych w tych normach) o nazwie Algorytm S. Metoda ta jest stosowana do wyznaczania wypadkowej odpornej oceny niepewnoĹ&#x203A;ci dla zbioru niezaleĹźnych wynikĂłw badaĹ&#x201E;, na postawie standardowych niepewnoĹ&#x203A;ci lub zakresĂłw (rozstÄ&#x2122;pĂłw, bĹ&#x201A;Ä&#x2122;dĂłw granicznych) rozrzutu danych pomiarowych dla poszczegĂłlnych badaĹ&#x201E;. Dotyczy to gĹ&#x201A;Ăłwnie tych przypadkĂłw, gdy liczba badaĹ&#x201E; nie jest duĹźa a dla czÄ&#x2122;Ĺ&#x203A;ci z nich otrzymano wartoĹ&#x203A;ci odstajÄ&#x2026;ce, tzw. outliery. Do ilustracji dziaĹ&#x201A;ania metody Algorytm S zostanie wykorzystany przykĹ&#x201A;ad liczbowy inny niĹź w czÄ&#x2122;Ĺ&#x203A;ci 1 dla metody

' " H 8" ED   .K$,*8" %" '        $&%&$%-&./% &.%&,%-&./%             !"" #     $%&

Algorytm A [10â&#x20AC;&#x201C;15]. PrecyzjÄ&#x2122; metody pomiarowej oceniono na podstawie niepewnoĹ&#x203A;ci wynikĂłw pomiaru otrzymanych badanÄ&#x2026; metodÄ&#x2026; na podstawie tej samej procedury, w kilku akredytowanych laboratoriach uczestniczÄ&#x2026;cych we wspĂłlnym eksperymencie. Badania sÄ&#x2026; realizowane dla tego samego obiektu fizycznego lub dla obiektĂłw jednorodnych. W przypadku odstajÄ&#x2026;cych wartoĹ&#x203A;ci niektĂłrych niepewnoĹ&#x203A;ci, prowadzÄ&#x2026;c tradycyjne obliczenia na podstawie danych wszystkich laboratoriĂłw, otrzymane zostanie wypadkowe wiÄ&#x2122;ksze wspĂłlne odchylenie standardowe, a po odrzuceniu wartoĹ&#x203A;ci odstajÄ&#x2026;cych â&#x20AC;&#x201C; mniejsze, ale i o mniejszej wiarygodnoĹ&#x203A;ci (mniejsza liczba danych). Obie wartoĹ&#x203A;ci zwykle sÄ&#x2026; dalekie od odchylenia standardowego s hipotetycznej populacji wartoĹ&#x203A;ci niepewnoĹ&#x203A;ci laboratoriĂłw. Natomiast za pomocÄ&#x2026; metody odpornej Algorytm S moĹźna uzyskaÄ&#x2021; wartoĹ&#x203A;Ä&#x2021; poĹ&#x203A;redniÄ&#x2026;, ktĂłra jest bardziej zbliĹźona do s i jej wiarygodnoĹ&#x203A;Ä&#x2021; jest wiÄ&#x2122;ksza, gdyĹź odpowiada liczbie wszystkich laboratoriĂłw uczestniczÄ&#x2026;cych w miÄ&#x2122;dzylaboratoryjnym eksperymencie porĂłwnywania.

-. J    +     !  ,      JakoĹ&#x203A;Ä&#x2021; produktĂłw oceniana jest na podstawie wiarygodnych wynikĂłw badaĹ&#x201E; ich parametrĂłw w upowaĹźnionych, czyli akredytowanych laboratoriach. MogÄ&#x2026; one znajdowaÄ&#x2021; siÄ&#x2122; w róşnych, nawet bardzo odlegĹ&#x201A;ych od siebie miejscach. Aby uniknÄ&#x2026;Ä&#x2021;

45


)     * */  ^     * * ^ /

&

H*    [Q\ niespĂłjnych wynikĂłw tworzy siÄ&#x2122; jednolite systemowe ujÄ&#x2122;cie w postaci przepisĂłw miÄ&#x2122;dzynarodowo akceptowanych, ktĂłre normujÄ&#x2026; metody oraz procedur badaĹ&#x201E; w takich laboratoriach [2, 3]. DziÄ&#x2122;ki prowadzeniu badaĹ&#x201E; tÄ&#x2026; samÄ&#x2026; metodÄ&#x2026;, wedĹ&#x201A;ug identycznej procedury o oszacowanej dokĹ&#x201A;adnoĹ&#x203A;ci i w okreĹ&#x203A;lonych warunkach, uzyskuje siÄ&#x2122; porĂłwnywalnoĹ&#x203A;Ä&#x2021; wynikĂłw pomiarĂłw w tych laboratoriach. Ustalenia obejmujÄ&#x2026; teĹź wielostopniowe przygotowanie obiektu badaĹ&#x201E; [9]. W procesach certyfikacji i weryfikacji metody badaĹ&#x201E; uwzglÄ&#x2122;dnia siÄ&#x2122; zaleĹźnoĹ&#x203A;Ä&#x2021; dokĹ&#x201A;adnoĹ&#x203A;ci od zmian warunkĂłw pomiaru i od specyfiki organizacji eksperymentu w danym laboratorium. Tego zadania zwykle nie moĹźna rozwiÄ&#x2026;zaÄ&#x2021; analitycznie, gdyĹź nie jest znany model matematyczny opisujÄ&#x2026;cy zaleĹźnoĹ&#x203A;ci wielkoĹ&#x203A;ci mierzonych od wĹ&#x201A;aĹ&#x203A;ciwoĹ&#x203A;ci badanego obiektu, warunkĂłw i sposobu jego pomiarĂłw. RozwiÄ&#x2026;zaniem stosowanym w praktyce jest wykonanie wspĂłlnego eksperymentu (ang. interlaboratory comparison) w szeregu akredytowanych laboratoriach o zbliĹźonym poziomie merytorycznym i specjalizujÄ&#x2026;cych siÄ&#x2122; w danego rodzaju badaniach oraz uĹ&#x203A;rednienie wynikĂłw tych badaĹ&#x201E;. Jest to eksperymentalna realizacja modelu statystycznego dla badaĹ&#x201E; danÄ&#x2026; metodÄ&#x2026; o okreĹ&#x203A;lonej procedurze i w okreĹ&#x203A;lonych warunkach. OrganizacjÄ&#x2122; badaĹ&#x201E; miÄ&#x2122;dzylaboratoryjnych przedstawiono na rysunku 1.

s L2 =

(

1 n â&#x2C6;&#x2018; yi â&#x2C6;&#x2019; y n â&#x2C6;&#x2019; 1 i =1

)

2

.

(5)

W przepisach miÄ&#x2122;dzynarodowych dotyczÄ&#x2026;cych badaĹ&#x201E; laboratoryjnych [2â&#x20AC;&#x201C;4], do opisu dokĹ&#x201A;adnoĹ&#x203A;ci metod i wynikĂłw pomiarĂłw stosuje siÄ&#x2122; terminologiÄ&#x2122; wywodzÄ&#x2026;cÄ&#x2026; siÄ&#x2122; z analizy chemicznej. UwzglÄ&#x2122;dnia ona podstawowe ĹşrĂłdĹ&#x201A;a powstawania niepewnoĹ&#x203A;ci wyniku pomiaru. Przedstawiono to w postaci schematu na rys. 2. DokĹ&#x201A;adnoĹ&#x203A;Ä&#x2021; Accuracy

PoprawnoĹ&#x203A;Ä&#x2021; Trueness

Systematyczny bĹ&#x201A;Ä&#x2026;d laboratorium Laboratory bias

Precyzja Precision

Systematyczny bĹ&#x201A;Ä&#x2026;d metody Bias of the measurement method

PowtarzalnoĹ&#x203A;Ä&#x2021; Repeatability

PoĹ&#x203A;rednie miary precyzji Intermediate measures of the precision

OdtwarzalnoĹ&#x203A;Ä&#x2021; Reproducibility

Rys. 2. Miary dokĹ&#x201A;adnoĹ&#x203A;ci metod pomiarowych Fig. 2. Measures of the accuracy of measurement methods

UĹźywana tu jest inna terminologia niĹź powszechnie stosowana obecnie w pomiarach wedĹ&#x201A;ug Przewodnika GUM [1]. I tak, na przykĹ&#x201A;ad poprawnoĹ&#x203A;Ä&#x2021; (ang. trueness) to heurystyczne oszacowanie szerokoĹ&#x203A;ci przedziaĹ&#x201A;u, w ktĂłrym moĹźe znajdowaÄ&#x2021; siÄ&#x2122; wartoĹ&#x203A;Ä&#x2021; Ĺ&#x203A;rednia wyniku pomiarĂłw wskutek oddziaĹ&#x201A;ywaĹ&#x201E; systematycznych o nieznanych wartoĹ&#x203A;ciach, a wiÄ&#x2122;c i nieusuwalnych przez poprawki. WedĹ&#x201A;ug Przewodnika GUM, jest to niepewnoĹ&#x203A;Ä&#x2021; typu B. Natomiast precyzja (ang. precision) i niepewnoĹ&#x203A;Ä&#x2021; typu A, wg Przewodnika GUM, jako wyznaczane metodami statystycznymi, sÄ&#x2026; swoimi odpowiednikami. W zaleĹźnoĹ&#x203A;ci od rodzaju badaĹ&#x201E; stosuje siÄ&#x2122; odpowiedni model opisu ocen wartoĹ&#x203A;ci menzurandu i jego parametrĂłw dokĹ&#x201A;adnoĹ&#x203A;ci. Wynik wspĂłlnych pomiarĂłw ze wszystkich laboratoriĂłw wyraĹźa zaleĹźnoĹ&#x203A;Ä&#x2021; [5, 16] y = my + B + e (6)

Rys. 1. Schemat organizacji eksperymentu miÄ&#x2122;dzylaboraoryjnego Fig. 1. Diagram of the organization of the interlaboratory experiment

Do eksperymentu miÄ&#x2122;dzylaboratoryjnego zwykle wybiera siÄ&#x2122; laboratoria o zbliĹźonej powtarzalnoĹ&#x203A;ci wynikĂłw badaĹ&#x201E;. JednakĹźe z powodĂłw obiektywnych, w niektĂłrych z nich powtarzalnoĹ&#x203A;Ä&#x2021; moĹźe byÄ&#x2021; gorsza. Dotyczy to w szczegĂłlnoĹ&#x203A;ci nowych metod, gdy nie wszystkie laboratoria majÄ&#x2026; wystarczajÄ&#x2026;ce doĹ&#x203A;wiadczenie w jej realizacji. Oblicza siÄ&#x2122; wartoĹ&#x203A;ci Ĺ&#x203A;rednie yi wynikĂłw badaĹ&#x201E; w kaĹźdym z laboratoriĂłw i ogĂłlnÄ&#x2026; wartoĹ&#x203A;Ä&#x2021; Ĺ&#x203A;redniÄ&#x2026; y . WynoszÄ&#x2026; one odpowiednio: yi =

y =

gdzie: m y = Îź + δ â&#x20AC;&#x201C; wartoĹ&#x203A;Ä&#x2021; Ĺ&#x203A;rednia wynikĂłw pomiarĂłw ze wszystkich laboratoriĂłw;  â&#x20AC;&#x201C; skĹ&#x201A;adowa poprawnoĹ&#x203A;ci wyniku, tj. przesuniÄ&#x2122;cie wartoĹ&#x203A;ci Ĺ&#x203A;redniej wskutek niedoskonaĹ&#x201A;oĹ&#x203A;ci procedury badaĹ&#x201E;; B â&#x20AC;&#x201C; skĹ&#x201A;adnik poprawnoĹ&#x203A;ci wyniku pomiaru w warunkach odtwarzalnoĹ&#x203A;ci; e â&#x20AC;&#x201C; losowa skĹ&#x201A;adowa bĹ&#x201A;Ä&#x2122;du pomiarĂłw w warunkach powtarzalnoĹ&#x203A;ci. ZwiÄ&#x2026;zek parametrĂłw tego modelu statystycznego przedstawiono na rys. 3.

m

1 m

â&#x2C6;&#x2018; y ij

1 n

â&#x2C6;&#x2018; yi

(1)

j =1

n

(2)

i =1

Dla wynikĂłw kaĹźdego z laboratoriĂłw oblicza siÄ&#x2122; teĹź wariancjÄ&#x2122; sw2 i s w2 i =

(

)

1 m â&#x2C6;&#x2018; y ij â&#x2C6;&#x2019; y i . m â&#x2C6;&#x2019; 1 j =1

Ń&#x20AC;(Đ&#x2019;) Ď&#x192;L

(3) a

OcenÄ&#x2122; rozrzutu wszystkich wynikĂłw charakteryzuje wariancja ich powtarzalnoĹ&#x203A;ci sr2 s r2 =

1 n

i =1

.

i

(4)

W kaĹźdym z laboratoriĂłw bada siÄ&#x2122; obiekty jednorodne i stosuje siÄ&#x2122; tÄ&#x2122; samÄ&#x2026; procedurÄ&#x2122; pomiarowÄ&#x2026;. Rozrzut wartoĹ&#x203A;ci wynikĂłw pomiarĂłw miÄ&#x2122;dzy laboratoriami ocenia siÄ&#x2122; przez estymatÄ&#x2122; sL2 wariancji jako

46

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

Ń&#x20AC;(Đľ) Ď&#x192;R

Rys. 3. Podstawowy model statystyczny opisujÄ&#x2026;cy wynik pomiaru w badaniach laboratoryjnych Fig. 3. Basic statistical model of the measurement result used in interlaboratory experiments

n

â&#x2C6;&#x2018; sw2

B

A

T

Y

K

A

â&#x20AC;˘

R

b

Ń&#x192;

e B+e Ń&#x201A;

O

B

O

T

Y

K

A

Ń&#x192;

y

NR 3/ 20 1 7


)(  0 1( +23  * Model utworzony na podstawie wynikĂłw pomiarĂłw we wszystkich laboratoriach formalizuje precyzjÄ&#x2122; metody i jej procedurÄ&#x2122;. Wyniki badaĹ&#x201E; w laboratoriach tworzÄ&#x2026; wspĂłlnÄ&#x2026; prĂłbkÄ&#x2122; danych o wariancji Ď&#x192; R2 . Jest ona sumÄ&#x2026; geometrycznÄ&#x2026; skĹ&#x201A;adowych okreĹ&#x203A;lajÄ&#x2026;cych powtarzalnoĹ&#x203A;Ä&#x2021;, tj.

Ď&#x192; R2 = Ď&#x192; L2 + Ď&#x192; r2

(7)

SkĹ&#x201A;adnik Ď&#x192; L2 to wariancja dla rozrzutu wynikĂłw pomiaru obiektĂłw jednorodnych w poszczegĂłlnych laboratoriach przy stosowaniu tej samej procedury dla danej metody. Rozrzuty te wynikajÄ&#x2026; z dopuszczalnych róşnic w organizacji procesu badaĹ&#x201E;. SkĹ&#x201A;adnik Ď&#x192; r2 jest zaĹ&#x203A; wariancjÄ&#x2026; opisujÄ&#x2026;cÄ&#x2026; Ĺ&#x203A;redni rozrzut wynikĂłw badaĹ&#x201E; pod wpĹ&#x201A;ywem zmian wielkoĹ&#x203A;ci oddziaĹ&#x201A;ujÄ&#x2026;cych losowo w granicach dopuszczalnych przez obowiÄ&#x2026;zujÄ&#x2026;ce normy.

I.(         !  +     < Celem omawianych dalej porĂłwnaĹ&#x201E; miÄ&#x2122;dzylaboratoryjnych jest oszacowanie i standaryzacja wariancji opisujÄ&#x2026;cej powtarzalnoĹ&#x203A;Ä&#x2021; wynikĂłw uzyskiwanych badanÄ&#x2026; metodÄ&#x2026; pomiarowÄ&#x2026; w róşnych laboratoriach akredytowanych. Konieczne jest wyznaczenie Ĺ&#x201A;Ä&#x2026;cznego rozkĹ&#x201A;adu wariancji uzyskanych przez poszczegĂłlne laboratoria uczestniczÄ&#x2026;ce we wspĂłlnym eksperymencie. PozwalajÄ&#x2026; one uwzglÄ&#x2122;dniÄ&#x2021; wpĹ&#x201A;yw moĹźliwych kombinacji zmian warunkĂłw w granicach dopuszczalnych dla badaĹ&#x201E; tÄ&#x2026; metodÄ&#x2026;. W wielu przypadkach w praktyce trzeba wykonaÄ&#x2021; oddzielne szacunki dla róşnych ograniczeĹ&#x201E; (np. koszt lub czas trwania eksperymentu, badania niszczÄ&#x2026;ce) jedynie na podstawie maĹ&#x201A;ej liczby obserwacji pomiarowych. Otrzymane ich wartoĹ&#x203A;ci zwykle sÄ&#x2026; rozĹ&#x201A;oĹźone asymetrycznie i mogÄ&#x2026; znacznie odbiegaÄ&#x2021; od rozkĹ&#x201A;adu Gaussa. WedĹ&#x201A;ug testu C Cochrana, niektĂłre z tych obserwacji moĹźna uznaÄ&#x2021; za dane odstajÄ&#x2026;ce, czyli outliery. Takie dane naleĹźy usunÄ&#x2026;Ä&#x2021; z przetwarzania statystycznego. PodejĹ&#x203A;cie takie moĹźna zaakceptowaÄ&#x2021;, gdy poszukuje siÄ&#x2122; wartoĹ&#x203A;ci Ĺ&#x203A;redniej [5â&#x20AC;&#x201C;8]. Jednak celem omawianego eksperymentu jest ocena dopuszczalnego rozproszenia (niepewnoĹ&#x203A;ci) wynikĂłw z laboratoriĂłw na podstawie otrzymanych danych doĹ&#x203A;wiadczalnych. OcenÄ&#x2122; te wykorzystuje siÄ&#x2122; do standaryzacji powtarzalnoĹ&#x203A;ci procedury badaĹ&#x201E; wykonywanych kontrolowanÄ&#x2026; w tym eksperymencie metodÄ&#x2026;. Zastosowanie metod odpornych, jako opartych na wszystkich dostÄ&#x2122;pnych danych doĹ&#x203A;wiadczalnych, daje bardziej wiarygodne oszacowanie statystyczne rzeczywistego rozproszenia wynikĂłw. Do uzyskania stabilnego oszacowania wariancji powtarzalnoĹ&#x203A;ci tych wynikĂłw (czyli ich precyzji) bardziej odpowiednia jest metoda odporna Algorytm S [2]. Warunkiem jej * realizacji jest rĂłwne zeru przesuniÄ&#x2122;cie oceny Ĺ&#x203A;redniej S j wariancji wynikĂłw z laboratoriĂłw, czyli poprawnoĹ&#x203A;ci otrzymanej metodÄ&#x2026; odpornÄ&#x2026;. Ocena ta, w kaĹźdym j-tym kroku iteracji, zbliĹźa siÄ&#x2122; do standardowego odchylenia  rozkĹ&#x201A;adu normalnego dla rzeczywistych danych doĹ&#x203A;wiadczalnych. Do oszacowania przesuniÄ&#x2122;cia wariancji prĂłbki wprowadza siÄ&#x2122; wspĂłĹ&#x201A;czynnik dopasowania x, dla ktĂłrego powinien zachodziÄ&#x2021; warunek

E

{ (Ξ s ) } = Ď&#x192; â&#x2C6;&#x2014; 2

2 1

(8)

Odporna ocena odchylenia standardowego s* powinna byÄ&#x2021; stabilna z pewnym prawdopodobieĹ&#x201E;stwem, tj. zawieraÄ&#x2021; siÄ&#x2122; w okreĹ&#x203A;lonych granicach. Wprowadza siÄ&#x2122; wiÄ&#x2122;c ograniczenie hs maksymalnego odchylenia s* od  rozkĹ&#x201A;adu preferowanego

1

W tekĹ&#x203A;cie gwiazdkÄ&#x2026; * oznacza siÄ&#x2122; oszacowania odporne.

(9) gdzie: s â&#x20AC;&#x201C; odchylenie standardowe populacji o rozkĹ&#x201A;adzie normalnym, ktĂłra odpowiadaĹ&#x201A;aby danym doĹ&#x203A;wiadczalnym przy zaĹ&#x201A;oĹźeniu ich czystego rozkĹ&#x201A;adu normalnego; h â&#x20AC;&#x201C; wspĂłĹ&#x201A;czynnik ograniczajÄ&#x2026;cy, zaleĹźny od liczby danych w prĂłbce; P1 = (1â&#x20AC;&#x201C; a) â&#x20AC;&#x201C; prawdopodobieĹ&#x201E;stwo speĹ&#x201A;nienia warunku ograniczenia dopuszczalnego oszacowania odchylenia standardowego S* dla oczekiwanego rozkĹ&#x201A;adu normalnego. WartoĹ&#x203A;ci wspĂłĹ&#x201A;czynnikĂłw, dopasowujÄ&#x2026;cego x i ograniczajÄ&#x2026;cego Ρ, wyznacza siÄ&#x2122; zwykle dla  = 0,1. Wykorzystuje siÄ&#x2122; tu przecinanie siÄ&#x2122; skumulowanych krzywych rozkĹ&#x201A;adĂłw jednomodalnych w pobliĹźu punktu o prawdopodobieĹ&#x201E;stwie 0,9. NaleĹźy zbadaÄ&#x2021; analitycznie to podejĹ&#x203A;cie i oceniÄ&#x2021; jego skutecznoĹ&#x203A;Ä&#x2021;. WspĂłĹ&#x201A;czynnikowi h odpowiada gĂłrna wartoĹ&#x203A;Ä&#x2021; (1â&#x20AC;&#x201C; a)Č&#x160; 100% rozkĹ&#x201A;adu opisujÄ&#x2026;cego rozrzut odchylenia standardowego s*. OcenÄ&#x2026; rozrzutu moĹźe byÄ&#x2021; odchylenie standardowe tego rozkĹ&#x201A;adu. Dla liczby elementĂłw n w prĂłbce zaleĹźy ono od liczby stopni swobody n = n â&#x20AC;&#x201C; 1. UwzglÄ&#x2122;dnia siÄ&#x2122; to, mnoĹźÄ&#x2026;c obie strony rĂłwnania (3) przez n i uzyskuje â&#x17D;§ â&#x17D;&#x203A; s * â&#x17D;&#x17E;2 â&#x17D;Ť ν â&#x17D;Ş â&#x17D;Ş (10) E â&#x17D;¨Î˝ â&#x17D;&#x153;â&#x17D;&#x153; â&#x17D;&#x;â&#x17D;&#x; â&#x17D;Ź = 2 Ď&#x192; Ξ â&#x17D;Şâ&#x17D;Š â&#x17D;? â&#x17D;  â&#x17D;Şâ&#x17D;­ lub

{

}

E Ď&#x2021;ν2 robast =

ν Ξ2

(11)

WedĹ&#x201A;ug (9) zastÄ&#x2122;pcze prawdopodobieĹ&#x201E;stwo gĂłrnego ograniczenia zmiennej c2 rĂłwna siÄ&#x2122;

{

}

P Ď&#x2021;ν2 robast > ν â&#x2039;&#x2026; Ρ 2 = Îą

(12)

Ogon rozkĹ&#x201A;adu Ď&#x2021;2, zawierajÄ&#x2026;cy a Č&#x160;ŕąś100% wartoĹ&#x203A;ci danej zmiennej losowej, moĹźna aproksymowaÄ&#x2021; rozkĹ&#x201A;adem rĂłwnomiernym o gÄ&#x2122;stoĹ&#x203A;ci n Ă&#x2014; h2 (rzÄ&#x2122;dna poczÄ&#x2026;tkowa). StÄ&#x2026;d (13)

, Z tablic rozkĹ&#x201A;adu Pearsona [16] znajduje siÄ&#x2122; wartoĹ&#x203A;Ä&#x2021; a nastÄ&#x2122;pnie wspĂłĹ&#x201A;czynnik ograniczajÄ&#x2026;cy h, dla ktĂłrego zachodzi warunek (4). StÄ&#x2026;d ,

(14)

WychodzÄ&#x2026;c z zaleĹźnoĹ&#x203A;ci , dla gĹ&#x201A;Ăłwnej czÄ&#x2122;Ĺ&#x203A;ci rozkĹ&#x201A;adu znajduje siÄ&#x2122; w tablicach wartoĹ&#x203A;Ä&#x2021; z odpowiadajÄ&#x2026;cÄ&#x2026; danemu prawdopodobieĹ&#x201E;stwu. StÄ&#x2026;d (15)

Jest to wspĂłĹ&#x201A;czynnik dopasowania, przy ktĂłrym dla wybranego wspĂłĹ&#x201A;czynnika ograniczajÄ&#x2026;cego , odporna ocena odchylenia standardowego nie bÄ&#x2122;dzie przesuniÄ&#x2122;ta. W realizacji algorytmu iteracyjnego dla oszacowania odpornego odchylenia standardowego, wartoĹ&#x203A;ci k ustalajÄ&#x2026;cej odchylenie lokalne odpowiada

Ď&#x2C6; j = Ρ s*j (16) gdzie: s *j â&#x20AC;&#x201C; odporne oszacowanie odchylenia standardowego dla j-tego kroku iteracji. Z uporzÄ&#x2026;dkowanego szeregu ocen wariancji wynikĂłw pomiarĂłw w laboratoriach uczestniczÄ&#x2026;cych w eksperymencie, jako

47


)     * */  ^     * * ^ /

&

H*    [Q\ ocenÄ&#x2122; poczÄ&#x2026;tkowÄ&#x2026; odchylenia standardowego przewidywanej populacji normalnej wybiera siÄ&#x2122; medianÄ&#x2122;, czyli

G(Q | H0) 1,00 0,88

(17)

N2>N1

0,75 Normal N1

gdzie i = 1, ..., n â&#x20AC;&#x201C; kolejny numer wyrazu w uporzÄ&#x2026;dkowanym szeregu badaĹ&#x201E; laboratoryjnych. Kolejnym krokiem jest obliczenie laboratoryjnego odchylenia standardowego zgodnie z zaleĹźnoĹ&#x203A;ciÄ&#x2026;

s ij*

â&#x17D;§â&#x17D;ŞĎ&#x2C6; j =â&#x17D;¨ â&#x17D;Şâ&#x17D;Š s i

0,63 Normal N2

0,50 Logistic (n = 17) N1

0,38 Logistic (n = 37) N2

gdy s i > Ď&#x2C6; j

0,25

j = 0, 1,

, w innych przypadkach

(18)

0,13

n

(s )

i =1

n

â&#x2C6;&#x2018;

s â&#x2C6;&#x2014;j + 1 = Ξ

â&#x2C6;&#x2014; 2 ij

Q

0,00

Na podstawie wartoĹ&#x203A;ci yj znalezionej w bieĹźÄ&#x2026;cym kroku, modyfikuje siÄ&#x2122; wartoĹ&#x203A;ci zbioru rozpatrywanych odchyleĹ&#x201E; , a nastÄ&#x2122;pnie uĹ&#x203A;ciĹ&#x203A;la oszacowanie odporne odchylenia standardowego powtarzalnoĹ&#x203A;ci

0,20

0,26

0,31

0,36

0,42

0,47

0,53

0,58

0,63

Rys. 5. Funkcje rozkĹ&#x201A;adu parametru G(20) â&#x20AC;&#x201C; obserwacje prĂłbki podlegajÄ&#x2026; róşnym rozkĹ&#x201A;adom normalnym i logistycznym [22] Fig. 5. The distribution functions of G(20) â&#x20AC;&#x201C; the sample observations belong to different distributions: normal and logistic [22]

(19)

L.    gdzie: sij* â&#x20AC;&#x201C; odporne oszacowanie odchylenia standardowego w j-tym kroku dla i-tego laboratorium uczestniczÄ&#x2026;cego w eksperymencie (n â&#x20AC;&#x201C; liczba laboratoriĂłw). ObliczonÄ&#x2026; wartoĹ&#x203A;Ä&#x2021; s *j +1 wykorzystuje siÄ&#x2122; do wyznaczenia nowej wartoĹ&#x203A;ci granicznej yj+1. Procedura iteracyjna trwa dotÄ&#x2026;d, aĹź wszystkie odchylenia standardowe dla pomiarĂłw w laboratoriach znajdÄ&#x2026; siÄ&#x2122; w granicach dopuszczalnych przedziaĹ&#x201A;Ăłw ograniczajÄ&#x2026;cych. Wariancje sw2 1 , sw2 i , ..., sw2 n wynikĂłw z poszczegĂłlnych laboratoriĂłw, ze wzoru (3), wykorzystuje siÄ&#x2122; w teĹ&#x203A;cie C Cochrana, za pomocÄ&#x2026; ktĂłrego ocenia siÄ&#x2122; stosunek Gp =

sw2 i max n

â&#x2C6;&#x2018; sw2 i

Do wspĂłlnego eksperymentu wybrano 9 laboratoriĂłw o duĹźym doĹ&#x203A;wiadczeniu w tego typu badaniach. W kaĹźdym z nich zbadano po dwa jednorodne obiekty fizyczne. BezwzglÄ&#x2122;dne róşnice wynikĂłw w i-tym laboratorium wynoszÄ&#x2026; w i = x i 1 â&#x2C6;&#x2019; x i 2 , i = 1, n ,

gdzie: xi1, xi2 â&#x20AC;&#x201C; wyniki dwu eksperymentĂłw w i-tym laboratorium. WartoĹ&#x203A;ci rozbieĹźnoĹ&#x203A;ci wi dla wszystkich laboratoriĂłw byĹ&#x201A;y nastÄ&#x2122;pujÄ&#x2026;ce:

â&#x2030;¤ Gkr (Îą , m, n )

(20) w1 = 0,28; w2 = 0,49; w3 = 0,40; w4 = 0,00; w5 = 0,35;

i =1

w6 =1,98; w7 = 0,80; w8 = 0,32; w9 = 0,95. EstymatÄ&#x2122; wariancji powtarzalnoĹ&#x203A;ci opisuje wzĂłr sr2 =

Wariancja róşnicy dwu wynikĂłw z i-tego laboratorium wynosi 2 si2 = 21 x i 1 â&#x2C6;&#x2019; x i 2 .

1 n â&#x2C6;&#x2019;1 2 â&#x2C6;&#x2018; sw . n â&#x2C6;&#x2019; 1 i =1 i

n

Ocena powtarzalnoĹ&#x203A;ci rozpatrywana jest dla

â&#x2C6;&#x2018; wi2 . i =1

Na podstawie otrzymanych danych Ĺ&#x203A;redniokwadratowa rozbieĹźnoĹ&#x203A;Ä&#x2021; w0 =

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

= 0,827 .

i =1

. Z tabeli rozkĹ&#x201A;adu typu G [15] (lub z tablic dostÄ&#x2122;pnych w Internecie), znajduje siÄ&#x2122; wartoĹ&#x203A;ci krytyczne: Gkr(5%)= 0,638 i Gkr(10%)= 0,754. Tak wiÄ&#x2122;c GP dla w6 leĹźy tuĹź poniĹźej dolnej granicy dopuszczalnego przedziaĹ&#x201A;u i w6 naleĹźy traktowaÄ&#x2021; jako quasi-outlier. WedĹ&#x201A;ug klasycznych reguĹ&#x201A; rozbieĹźnoĹ&#x203A;Ä&#x2021; w6 = 1,98 naleĹźaĹ&#x201A;oby pominÄ&#x2026;Ä&#x2021; w dalszym statystycznym przetwarzaniu danych. WĂłwczas dla n = 8 otrzyma siÄ&#x2122; pozornie â&#x20AC;&#x17E;bardziej precyzyjneâ&#x20AC;? odchylenie standardowe w 0â&#x20AC;˛ = 0,530 . Jest ono znacznie mniejsze ( ) niĹź wartoĹ&#x203A;Ä&#x2021; w0 obliczona ze

Zastosowanie testu C Cochrana pozwala stwierdziÄ&#x2021;, czy dane eksperymentalne naleĹźÄ&#x2026; do populacji generalnej o rozkĹ&#x201A;adzie normalnym. Jednak doĹ&#x203A;wiadczenie wykazaĹ&#x201A;o, Ĺźe zaĹ&#x201A;oĹźenie to nie zawsze jest speĹ&#x201A;nione. Ponadto zmniejszenie wielkoĹ&#x203A;ci prĂłby powoduje, Ĺźe statystyczna wiarygodnoĹ&#x203A;Ä&#x2021; tej hipotezy decyzyjnej jest zmniejszona. Rodzaj rozkĹ&#x201A;adu stosunku (20), jak pokazano na rys. 5, sugeruje, Ĺźe naleĹźy rozwaĹźyÄ&#x2021; teĹź odstÄ&#x2122;pstwo rozproszenia danych prĂłbki od rozkĹ&#x201A;adu normalnego. P

â&#x2C6;&#x2018; wi2

AnalizujÄ&#x2026;c wartoĹ&#x203A;ci bezwzglÄ&#x2122;dnych róşnic wi moĹźna zauwaĹźyÄ&#x2021;, Ĺźe wartoĹ&#x203A;Ä&#x2021; w6 = 1,98 znacznie róşni siÄ&#x2122; od pozostaĹ&#x201A;ych. HipotezÄ&#x2122; o statystycznie odstajÄ&#x2026;cym wyniku w laboratorium nr 6 (róşnica w6 = 1,98) sprawdza siÄ&#x2122; za pomocÄ&#x2026; testu C Cochrana. Z tablic [16] (lub z tablic dostÄ&#x2122;pnych w Internecie) otrzymuje siÄ&#x2122;

Rys. 4. PrawdopodobieĹ&#x201E;stwo p(G) obliczone z rozkĹ&#x201A;adu F, Gkr â&#x20AC;&#x201C; wartoĹ&#x203A;Ä&#x2021; krytyczna, Îą â&#x20AC;&#x201C; poziom istotnoĹ&#x203A;ci, n â&#x20AC;&#x201C; liczba zbadanych serii danych, m â&#x20AC;&#x201C; liczba danych w serii Fig. 4. Probability p(G) computed from the F-distribution, Gkr â&#x20AC;&#x201C; critical value, Îą â&#x20AC;&#x201C; significance level, n â&#x20AC;&#x201C; the number of considered data series, m â&#x20AC;&#x201C; the number of data points per data series

48

9

1 9

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


)(  0 1( +23  * Tabela 1. Zastosowanie odpornego Algorytmu S do oceny rozbieĹźnoĹ&#x203A;ci precyzji badanej metody pomiarowej w porĂłwnaniach miÄ&#x2122;dzylaboratoryjnych Table 1. Use of the robust Algorithm S to evaluate the discrepancy of the tested method on the basis of interlaboratory comparisons

Iteracja j

0

1

2

3

4

5

j

â&#x20AC;&#x201C;

0,66

0,86

1,00

1,09

1,12

* 1

w

0,00

w2*

0,28

w3*

0,32

w4*

0,35

w5*

0,40

w6*

0,49

w7*

0,80

0,66

* 8

0,95

0,66

0,86

1,98

0,66

0,86

1,00

1,09

1,12

Ĺ&#x161;redniokwadratowe odchylenie w

0,83

0,47

0,56

0,60

0,62

0,62

Nowe wartoĹ&#x203A;ci w*

0,40

0,52

0,61

0,66

0,68

0,68

w

w9* * j

wszystkich (n = 9) ĹşrĂłdĹ&#x201A;owych danych. Z tych dwu oszacowaĹ&#x201E; wynika, Ĺźe wykluczenie ze ĹşrĂłdĹ&#x201A;owych danych jednej tylko róşnicy, leĹźÄ&#x2026;cej na granicy oddzielajÄ&#x2026;cej outliery, ma istotny wpĹ&#x201A;yw na wynik analizy, tj. na ocenÄ&#x2122; odchylenia standardowego charakteryzujÄ&#x2026;cego rozrzut powtarzalnoĹ&#x203A;ci testowanej procedury pomiarowej. MoĹźna tu zastosowaÄ&#x2021; jednÄ&#x2026; z metod odpornych, ktĂłra wykorzystuje wszystkie eksperymentalne dane, a wiÄ&#x2122;c rĂłwnieĹź odstajÄ&#x2026;ce, ale modyfikujÄ&#x2026;c je. OcenÄ&#x2122; powtarzalnoĹ&#x203A;ci odchylenia standardowego badaĹ&#x201E; danÄ&#x2026; metodÄ&#x2026; pomiarowÄ&#x2026;, czyli oszacowanie jej precyzji w oparciu o wyniki uzyskane we wszystkich (n = 9) laboratoriach uczestniczÄ&#x2026;cych w porĂłwnaniach miÄ&#x2122;dzylaboratoryjnych umoĹźliwia opisana tu metoda odporna Algorytm S [1, 2]. W kolumnie j = 0 (tabela 1) umieszczono róşnice bezwzglÄ&#x2122;dne wi dwu wynikĂłw otrzymanych w kaĹźdym z laboratoriĂłw. SÄ&#x2026; one uporzÄ&#x2026;dkowane kolejno zgodnie z rosnÄ&#x2026;cymi wartoĹ&#x203A;ciami i oznaczone symbolem *. Liczba stopni swobody wynosi n = 1. WartoĹ&#x203A;ci obu wspĂłĹ&#x201A;czynnikĂłw, ograniczajÄ&#x2026;cego h i dopasowujÄ&#x2026;cego x wedĹ&#x201A;ug (14) i (15), wynoszÄ&#x2026; odpowiednio h = 1645 i x = 1097. Dane zmodyfikowane w kolejnych krokach procedury iteracyjnej podano w kolumnach j = (1, 2, ...) tabeli 1. W pierwszym kroku iteracji wyznacza siÄ&#x2122;

0,80 0,95

Dla danych z przykĹ&#x201A;adu otrzymano nastÄ&#x2122;pujÄ&#x2026;ce wartoĹ&#x203A;ci Ĺ&#x203A;rednie: â&#x2C6;&#x2019; z wynikĂłw we wszystkich 9 laboratoriach , â&#x2C6;&#x2019; po odrzuceniu surowego wyniku w6 jako outliera , â&#x2C6;&#x2019; za pomocÄ&#x2026; odpornej metody Algorytm S z 9 wynikĂłw . WartoĹ&#x203A;Ä&#x2021; w* znajduje siÄ&#x2122; miÄ&#x2122;dzy dwiema ocenami obliczonymi w sposĂłb tradycyjny, tj. wartoĹ&#x203A;ciÄ&#x2026; Ĺ&#x203A;redniÄ&#x2026; w0 = 0,827 wynikĂłw precyzji ze wszystkich 9 laboratoriĂłw i â&#x20AC;&#x201C; dla 8 wynikĂłw â&#x20AC;&#x201C; po odrzuceniu wartoĹ&#x203A;ci odstajÄ&#x2026;cej jako outliera. NaleĹźy ostatecznie przyjÄ&#x2026;Ä&#x2021; jako wspĂłlne odporne odchylenie standardowe . Odporne oszacowanie precyzji metody pomiarowej zbadanej w tym eksperymencie miÄ&#x2122;dzylaboratoryjnym jest bardziej wiarygodne statystycznie jako uzyskane z wynikĂłw we wszystkich 9 laboratoriach niĹź wyznaczone tradycyjnie po odrzuceniu jednego outliera z wynikĂłw tylko w 8 laboratoriach. Stosunek wzglÄ&#x2122;dnych odchyleĹ&#x201E; standardowych obu tych niepewnoĹ&#x203A;ci [1] â&#x20AC;&#x201C; dodatek E.1, wynosi â&#x2C6;&#x161;7/8 = 0,935. Ocena precyzji metodÄ&#x2026; odpornÄ&#x2026; Algorytm S jest o 6,5% dokĹ&#x201A;adniejsza.

P. 

. Jest to wartoĹ&#x203A;Ä&#x2021; ograniczajÄ&#x2026;ca dla tego kroku. SpoĹ&#x203A;rĂłd danych surowych naleĹźy zmodyfikowaÄ&#x2021; w 7* 0 , w 8* 0 , w 9* 0 , gdyĹź sÄ&#x2026; one wiÄ&#x2122;ksze niĹź y1. W ten sposĂłb otrzymano nowy zbiĂłr róşnic , zapisany w kolumnie 1. Na podstawie tych wartoĹ&#x203A;ci okreĹ&#x203A;la siÄ&#x2122; po kroku 1 iteracji nieprzesuniÄ&#x2122;tÄ&#x2026; odpornÄ&#x2026; ocenÄ&#x2122; odchylenia Ĺ&#x203A;redniokwadratowego .

Otrzymuje

siÄ&#x2122;

teĹź nowÄ&#x2026; wartoĹ&#x203A;Ä&#x2021; ograniczajÄ&#x2026;cÄ&#x2026; i tak dalej. JuĹź w czwartym kroku otrzymano odpornÄ&#x2026; wartoĹ&#x203A;Ä&#x2021; róşniÄ&#x2026;cÄ&#x2026; siÄ&#x2122; od o (0,02/0,66) Č&#x160; 100% Âť 3%. Jako wynik koĹ&#x201E;cowy moĹźna przyjÄ&#x2026;Ä&#x2021; .

W artykule omĂłwiono pokrĂłtce sposĂłb wyznaczania oceny precyzji badanej metody pomiarowej. JeĹ&#x203A;li peĹ&#x201A;ny opisujÄ&#x2026;cy jÄ&#x2026; model nie jest znany, to przeprowadza siÄ&#x2122; tÄ&#x2026; metodÄ&#x2026; badania obiektĂłw jednorodnych fizycznie na podstawie tej samej procedury w kilku laboratoriach o podobnych kompetencjach. MoĹźna wĂłwczas zaĹ&#x201A;oĹźyÄ&#x2021;, Ĺźe rozrzut wynikĂłw modeluje w przybliĹźeniu zmienna losowa o rozkĹ&#x201A;adzie normalnym. Na podstawie wynikĂłw tych badaĹ&#x201E; tworzy siÄ&#x2122; model statystyczny i wyznacza jego precyzjÄ&#x2122;. W pomiarach mogÄ&#x2026; wystÄ&#x2026;piÄ&#x2021; odstajÄ&#x2026;ce wyniki badaĹ&#x201E;, czyli outliery. Odrzucanie ich z dalszego przetwarzania dla maĹ&#x201A;ej liczby pozyskanych eksperymentalnie danych zmniejsza wiarygodnoĹ&#x203A;Ä&#x2021; oceny. WĂłwczas naleĹźy zastosowaÄ&#x2021; statystyczne metody odporne, w tym Algorytm A i Algorytm S podany w normach PN-ISO [2, 3]. W rozpatrzonym ilustrujÄ&#x2026;cym przykĹ&#x201A;adzie numerycznym wartoĹ&#x203A;Ä&#x2021; standardowego odchylenia wyniku badaĹ&#x201E; w jednym

49


)     * */  ^     * * ^ /

&

H*    [Q\

z 9 laboratoriĂłw odstawaĹ&#x201A;a od pozostaĹ&#x201A;ych, czyli byĹ&#x201A;a outlierem i stanowiĹ&#x201A;a zanieczyszczenie danych. Wykonano obliczenia precyzji badaĹ&#x201E; w sposĂłb tradycyjny z odrzucaniem wartoĹ&#x203A;ci odstajÄ&#x2026;cej oraz metodÄ&#x2026; odpornÄ&#x2026; Algorytm S z wykorzystaniem wszystkich danych doĹ&#x203A;wiadczalnych. Otrzymana odporna ocena odchylenia standardowego wspĂłlnego dla wszystkich wynikĂłw jest nieco wiÄ&#x2122;ksza od oceny tradycyjnej z odrzuceniem outliera, lecz bardziej wiarygodna statystycznie.

10.

11.

12. Wnioski koĹ&#x201E;cowe: OcenÄ&#x2122; powtarzalnoĹ&#x203A;ci wynikĂłw badaĹ&#x201E; prowadzonych zgodnie z okreĹ&#x203A;lonÄ&#x2026; procedurÄ&#x2026; metodÄ&#x2026; pomiarowÄ&#x2026; podlegajÄ&#x2026;cÄ&#x2026; weryfikacji, czyli ocenÄ&#x2122; precyzji (niepewnoĹ&#x203A;ci) tej metody uzyskuje siÄ&#x2122; na podstawie miÄ&#x2122;dzylaboratoryjnych badaĹ&#x201E; porĂłwnawczych. JeĹ&#x203A;li otrzyma siÄ&#x2122; w tych badaniach niejednorodne, tj. zanieczyszczone wartoĹ&#x203A;ciami odstajÄ&#x2026;cymi wyniki eksperymentalne, to ocenÄ&#x2122; precyzji badanej procedury pomiarowej naleĹźy szacowaÄ&#x2021; metodÄ&#x2026; odpornÄ&#x2026; Algorytm S, jako bardziej wiarygodnÄ&#x2026; niĹź metody tradycyjne. Zbadanie moĹźliwoĹ&#x203A;ci zastosowania wielu róşnych opracowanych dotychczas metod odpornych w pomiarach uĹźytkowych i w badaniach laboratoryjnych to zagadnienie obszerne i aktualne, wykraczajÄ&#x2026;ce poza ramy tego artykuĹ&#x201A;u. Zagadnienia zastosowania metod odpornych do oceny niepewnoĹ&#x203A;ci pomiarĂłw rozpatrywano w kilku anglojÄ&#x2122;zycznych i polskich publikacjach autora wspĂłlnych z Eugeniuszem VoĹ&#x201A;odarskim i LarysÄ&#x2026; KoshevÄ&#x2026; z Kijowa oraz innymi. Przytoczono je w sekcji poĹ&#x203A;wiÄ&#x2122;conej bibliografii na koĹ&#x201E;cu pierwszej pracy z tej tematyki [15] i kolejnych [9â&#x20AC;&#x201C;14, 17â&#x20AC;&#x201C;21]. Publikacje te zawierajÄ&#x2026; bogatszÄ&#x2026; bibliografiÄ&#x2122;. Przytoczeni autorzy opublikowali teĹź w jÄ&#x2122;zyku rosyjskim unikalnÄ&#x2026; monografiÄ&#x2122; o technicznych aspektach akredytacji laboratoriĂłw badawczych. WydaĹ&#x201A; jÄ&#x2026; Narodowy Uniwersytet Techniczny VNTU w Vinnicy na Ukrainie [23]. Przeznaczona jest dla wszystkich osĂłb zainteresowanych tÄ&#x2026; tematykÄ&#x2026;.

13.

14.

15.

16. 17.

18.

J 1 1.

2.

3. 4.

5.

6.

7.

8. 9.

50

19.

Guide to the Expression of Uncertainty in Measurement (GUM), revised and corrected version of GUM 1995, BIPM JCGM 100:2008. TĹ&#x201A;umaczenie polskie: WyraĹźanie NiepewnoĹ&#x203A;ci Pomiaru. Przewodnik. GUM 1995, z komentarzem J. Jaworskiego, Wydawnictwo GĹ&#x201A;Ăłwnego UrzÄ&#x2122;du Miar Alfavero, Warszawa 1999. PN-ISO 5725 1-5:2002. DokĹ&#x201A;adnoĹ&#x203A;Ä&#x2021; (poprawnoĹ&#x203A;Ä&#x2021; i precyzja) metod pomiarowych i wynikĂłw pomiarĂłw. CzÄ&#x2122;Ĺ&#x203A;Ä&#x2021; 5. Alternatywne metody wyznaczania precyzji standardowej metody pomiarowej. ISO 13528:2005. Statistical methods for use in proficiency testing by interlaboratory comparisons. ISO 21748:2010. Guidance for the use of repeatability, reproducibility and trueness estimates in measurement uncertainty estimation. Willinik R., What is robustness in data analysis? â&#x20AC;&#x153;Metrologiaâ&#x20AC;?, Vol. 45, Nr 4, 2008, 442â&#x20AC;&#x201C;447, DOI: 10.1088/0026-1394/45/4/010. Wilrich P.T., Robust estimates of the theoretical standard deviation to be used in interlaboratory precision experiments, â&#x20AC;&#x153;Accreditation and Quality Assuranceâ&#x20AC;?, Vol. 12, Iss. 5, 2007, 231â&#x20AC;&#x201C;240, DOI: 10.1007/s00769-006-0240-7. Piotrowski J., Kostyrko K., Wzorcowanie aparatury pomiarowej. Nowe wydanie. Wydawnictwo Naukowe PWN, Warszawa 2012. ZiÄ&#x2122;ba A., Analiza danych w naukach Ĺ&#x203A;cisĹ&#x201A;ych i technice. Wydawnictwo Naukowe PWN, Warszawa 2013. Volodarsky E.T., Koshevaya L.A., Warsza Z., NiepewnoĹ&#x203A;Ä&#x2021; jako miara poziomu zaufania do wynikĂłw niektĂłrych pro-

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

20.

21.

22.

23.

A

T

cedur doĹ&#x203A;wiadczalnych. â&#x20AC;&#x17E;Pomiary Automatyka Kontrolaâ&#x20AC;?, Vol. 57, Nr 5, 2011, 483â&#x20AC;&#x201C;486. Volodarsky E.T., Warsza Z.L., Koshevaya L.A., Odporna ocena dokĹ&#x201A;adnoĹ&#x203A;ci metod pomiarowych. â&#x20AC;&#x17E;Pomiary Automatyka Kontrolaâ&#x20AC;?, Vol. 58, Nr 4, 2012, 396â&#x20AC;&#x201C;401. Volodarski E.T., Warsza Z.L., Zastosowanie statystyki odpornoĹ&#x203A;ciowej na przykĹ&#x201A;adzie badaĹ&#x201E; miÄ&#x2122;dzylaboratoryjnych. â&#x20AC;&#x17E;PrzeglÄ&#x2026;d Elektrotechnicznyâ&#x20AC;?, R. 89, Nr 11, 2013, 260â&#x20AC;&#x201C;267. Volodarsky E.T., Warsza Z.L., Koshevaya L.A., System oceny i zapewnienia jakoĹ&#x203A;ci badaĹ&#x201E; biegĹ&#x201A;oĹ&#x203A;ci laboratoriĂłw przy akredytacji. â&#x20AC;&#x17E;PrzemysĹ&#x201A; Chemicznyâ&#x20AC;?, T. 93, Nr 8, 2014, 1252â&#x20AC;&#x201C;1254, DOI: 10.12916/przemchem.2014.1252. Volodarsky E.T., Warsza Z.L., Koshevaya L.A., System oceny statystycznej w badaniu biegĹ&#x201A;oĹ&#x203A;ci laboratoriĂłw badawczych. â&#x20AC;&#x17E;Pomiary Automatyka Kontrolaâ&#x20AC;?, R. 60, Nr 10, 2014, 816â&#x20AC;&#x201C;821. Warsza Z.L., Metody rozszerzenia analizy niepewnoĹ&#x203A;ci pomiarĂłw. Monografie â&#x20AC;˘ Studia â&#x20AC;˘ Rozprawy. Oficyna Wydawnicza PIAP, Warszawa 2016. Warsza Z.L., Volodarsky E.T., Zastosowanie metod odpornoĹ&#x203A;ciowych w analizie dokĹ&#x201A;adnoĹ&#x203A;ci pomiarĂłw miÄ&#x2122;dzylaboratoryjnych (1). Zasady statystyki odpornoĹ&#x203A;ciowej, metoda Hubera czyli Algorytm-A. â&#x20AC;&#x17E;Pomiary Automatyka Robotykaâ&#x20AC;?, R. 21, Nr 1, 2017 47â&#x20AC;&#x201C;55, DOI: 10.14313/PAR_224/47. ZieliĹ&#x201E;ski R., Tablice statystyczne, PWN, Warszawa 1972. Volodarsky E., Warsza Z.L., Kosheva L., Ocena precyzji procedury pomiarowej w badaniach miÄ&#x2122;dzylaboratoryjnych metodÄ&#x2026; odpornÄ&#x2026; z wykorzystaniem â&#x20AC;&#x17E;algorytmu Sâ&#x20AC;?, â&#x20AC;&#x17E;PrzemysĹ&#x201A; Chemicznyâ&#x20AC;?, T. 94, Nr 6, 2015, 1008â&#x20AC;&#x201C;1011, DOI: 10.15199/62.2015.6.30. Volodarsky E.T., Warsza Z.L., Ocena precyzji badaĹ&#x201E; miÄ&#x2122;dzylaboratoryjnych metodÄ&#x2026; odpornÄ&#x2026; â&#x20AC;&#x17E;S-algorytmâ&#x20AC;?, â&#x20AC;&#x17E;PrzeglÄ&#x2026;d Elektrotechnicznyâ&#x20AC;?, R. 91, Nr 10, 2015, 192â&#x20AC;&#x201C;196. Volodarsky E., Warsza Z., Kosheva L., IdĹşkowski A., Evaluation of the precision of interlaboratory measurements by robust Algorithm-S. [w:] Proceedings of Symposium AMSAâ&#x20AC;&#x2122;15 Applied Methods of Statistical Analysis. Nonparametric Approach, Novosibirsk & Bialokuriha, 14â&#x20AC;&#x201C;19 wrzeĹ&#x203A;nia 2015, NGTU, 113â&#x20AC;&#x201C;123. Volodarsky E., Warsza Z., Kosheva L., IdĹşkowski A., Robust Algorithm S to assess precision of interlaboratory measurements. â&#x20AC;&#x153;Measurements Automation Monitoringâ&#x20AC;?, Vol. 61, No. 4, 2015, 111â&#x20AC;&#x201C;114. Volodarsky E., Warsza Z.L., Kosheva L., IdĹşkowski A., Assessment of precision of the interlaboratory test data by using robust â&#x20AC;&#x153;Algorithm Sâ&#x20AC;? [w:] R. JabĹ&#x201A;oĹ&#x201E;ski T. Brezina (Editors) â&#x20AC;&#x153;Advanced Mechatronics Solutionsâ&#x20AC;? Vol. 393, Advances in Intelligent Systems and Computing. Springer 2016, 87â&#x20AC;&#x201C;96, DOI: 10.1007/978-3 319-23923-1_13. Lemeshko B.Yu., Lemeshko S.B., Gorbunova A.A., Application and power of criteria for testing the homogeneity of variances. Part I. Parametric criteria. Measurement Techniques, Vol. 53, Iss. 3, 2010, 237â&#x20AC;&#x201C;246, DOI: 10.1007/s11018-010-9489-7. Volodarski E., Kosheva L., Technicheskije Aspekty Akreditacii Ispytatelnykh Laboratorii. Winnicki Narodowy Uniwersytet Techniczny Ukrainy, Vinnica 2013 (w jÄ&#x2122;zyku rosyjskim).

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


)(  0 1( +23  *

( <C) 6  '!   (  <L  ) 6

"

 -%' " < 6

" #  )C) 6 (8 " Abstract: This two-part paper discusses the use of robust statistics to assess the value and uncertainty of measurand obtained from a sample of experimental data when some of these data differ significantly from the others, i.e. are outliers. The statistical parameters of the measurement result are determined by robust methods from all data, but influence of outliers is treated differently. For small sample sizes results are more reliable than obtained by classical methods with exclusions of outliers. This is illustrated by examples from the interlaboratory key comparisons. Part 1 discusses the basic principles of the robust statistics and the iterative robust method given by Huber, which is called Algorithm A in ISO 5725-5. As illustration in the simulated numerical example, the uncertainty of some measurement method was estimated based on measurements of homogeneous object in several accredited laboratories. The mean uncertainty of this experiment is estimated by classic method for all data and with exclusion of outliers and by two robust methods: rescaled median deviation and by Algorithm A. The result of last method is the most reliable. KeywordsH    <"

"   ! " ) " !  \  "; 8

&9 

;9 <  { &)  !

prof. dr nauk techn. Evgeniy T. Volodarsky

.K$,*8" %"

 ;.*%

#  D  '  ; D     .K+K    .K,/    .K/&%   V L    '  .K+JN.K,$.KK0N.KK+    D      .K,&N/&   `   .K/&N.K/J P8   D 9  ;    C "Q S8    ; VS (   "   L   6 8  B ;  D.K/JN.KJ-    ( "   " AL  " " .KJ$N.KK-%   6  ' F .KK-N.KK+   C "   .KJ$N-&&-%S)8A    " "L  ( ; "  " A L( %(  -+&) ,"8 <;   )   ..  A "  - A%    89   6 88% ;      (C ( "6 8# %

  VF 9#;

  # N   @   X@ LY @   ( "   M   ' " Z H " X6 8 Y  (8( # % "")<L'''%  #   ( "6 8%        V      "A "  "       %(   HG $&&) %

51


)     * */  ^     * * ^ /

&

H*    [Q\

52

P

O

M

I

A

R

Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 21, Nr 3/2017, 53â&#x20AC;&#x201C;62, DOI: 10.14313/PAR_225/53

 'T 8  <"   )   "

 !   B&". @ !( >& !" S#!  <98  " <'  '88( "   L<"   A   /,0+;/+JS  

-$! &\ The paper presents the concept of generic exchange data platform dedicated to distributed control systems. The platform can be used to control industrial facilities, to synchronize the work of industrial and mobile robots. The solution can also be applied to active prostheses. The article presents an example of information exchange subsystem structure as well as data flow between platform applications. 8 H )    " ""  <") " T  

1. Introduction The ability of control through providing proper methods of communication between the distributed automation system nodes gives a big opportunity to extend and to change robotic system configuration and also opens new opportunities up allowing expanding or limiting the functionality of the system. The basis of failure-free control distributed system is fast and reliable information exchange between the objects. The more complex system is, the greater amount of data is transferred. This is a big problem in complex automation systems. The protocol and the data transmission algorithm have a big impact on the data exchange efficiency. Master-slave architecture is the most commonly used in automation systems. In such systems, the master plays a key role setting information exchange scenario with slave units. This architecture most often enforces to define system construction structure in advance or to use static predefined network addresses. An additional problem is the lack of direct communication possibility between slave units. To enable communication between devices, one of the available communication protocols can be used, e.g. Modbus. Implementation of any protocol imposes the creation of application dependent on the operating system and hardware platform. In addition, data exchange rules implementation in control and monitor applications is a big problem. It makes core implementation of control algorithm complicated. This paper presents a communication platform proposal implementing selected communication mechanism and providing data exchange services between applications run in each nodes of distributed automation control system and separating

' " H "   "   *8" %" '        .-%&/%-&./% $&%&J%-&./%             !"" #     $%&

control applications from the operating system and hardware platforms. Described communication platform allows also defining any architectural: master-slave, multi-slave/master with the possibility of direct communication between all devices. Many companies and scientific centers around the world have been working on similar data exchange and modularity solutions for robotic systems. For example, NASA has been working on CLARAty platform, which has been designed for the development and maturation of various research technologies. CLARAty platform is currently used in the Mars Exploration Program and Rover Mission [9, 10]. The most popular open solutions are: Player, MIRO, ROS, OROCOS and RT-Middleware [9]. The main purpose of the above systems is to provide software genericness of higher-level applications and to provide communication primitives [12]. The architecture of currently available solutions requires major changes to existing software during the adaptation process. The proposed solution allows using the functionality at every stage of software evolution with relatively small effort compared to existing big systems. Communication platform carries such a task out should be characterized by generic construction [12]. The delimitation should be so effective that the possible change of the operating system does not have a direct impact on operation of application based on platform assumptions [11]. Further sections of the article contain information about platform genericness and current information exchange and synchronization mechanisms.

2. Platform Genericness Platform genericness is understood in such a way that the platform should differentiate the relationship between the operating system controlling the device and the application uses the API (Application programming interface) from the library provided by the platform [8]. The removal of relationships with operating system functions and specified operating system behaviors allows to keep a platform genericness. It means the possibility of executing application on different hardware platforms with different operating systems without applying changes [7]. The platform genericness was developed thanks to generic programming paradigm, which focuses on abstracting types to a narrow collection

53


Data Exchange Platform Dedicated to Distributed Control Systems

of functional requirements and on implementing algorithms in terms of these requirements. Most interfaces defined by the algorithms are strict and narrow to the types they operate on, the same algorithm can be used against a wide collection of types [8]. The platform is based on intermediary library and layers preparing the environment and executing queries coming from the library calls. However, the platform software responsible for this separation has to in some way be associated with selected operating system. The relationship level is dependent on communication mechanisms built into the operating system itself. The platform software will include eventually implementation of dependent snippets for the most popular operating systems. This will allow to build a software package based on properly designed shell script program automating compilation process (make file) on most commonly used operating systems without the need of additional platform functionality modification (cross compiling) [1]. A large relationship factor will be determined by the need of build mentioned mechanisms and direct links with the hardware. However, system selection without these elements would be inefficient in terms of time spent on platform adjustment as well as on complementary elements development and also in terms of performance. A potential area of use of such a solution may be mobile robots. The platform can provide the communication between robots, between the robot and the operator console, but also between the modules within a single robot. Exemplary application of data exchange platform in multi-robot system is shown in Fig. 2. Planned application of communication platform is data

Fig. 3. An example of the structure of the control system of the kinematic coupling Rys. 3. Przykład sprzężenia w układzie sterownia kinematycznego

exchange in scope of complex rehabilitation equipment such as: active artificial limbs, elements supporting the movement or exoskeletons for people partially paralyzed. In such complex systems, it is advisable to use distributed control systems, with nodes placed at critical points, such as hip, knee, ankle etc. The platform allows to drives control, sensors reading etc. These devices are complex robotic elements. There are close links between variables articulated values and behavior of the device in the global coordinate system. It is necessary to exchange information between the individual modules and the central control unit, e.g. in order to maintain equilibrium, a move and so on. An example structure of such a system is shown in Fig. 1. An exemplary structure of module located in the node is shown in Fig. 3. Platform software adjusts all the functionalities to the new equipment. If one of communication platform assumption concerning the availability of broadcast or multicast data transferring to application is present, the software platform will provide the functionality regardless of hardware or operating system changes through all further revisions.

3. Structure of the Distributed Control (   The communication platform allowing to exchange of information is not necessarily limited to one device. The main task of the presented concept is the ability to work in distributed systems. In addition to providing genericness, platform provides the ability to exchange data between distributed systems components. The data exchange in such systems should be done in a fast and reliable way, but with a high security level. Exchange of information in distributed systems is an issue that could cause a lot of problems [5, 6]. The need of transfer confirmation is the basic problem. In general, the distributed control system may have dynamically changing number of objects, so it is not possible to adopt a fixed number of nodes that exist in the system. Node of such a system is a module on which communication platform was launched along with control applications that use its functionality. An example would be a system composed of several mobile robots where some of them have lost communication with each other. The number of nodes in the system decreases when layer responsible for the information management concerning the platform points, notify the lack of response to previously recorded unit. If new node is detected by the platform, it will be immediately included in the system and allow applications installed on other network nodes communicate with the newly discovered object. The algorithm implemented in the control application will condition kind of interaction between these objects. Exemplary of the distributed control system structure is shown in Fig. 4. The example presented in Fig 4. assumes that Wi-Fi/Ethernet standard has been selected as transmission technology. The topic of this paper was not the creation of transmission technology but a platform allowing communication of higher-level applications. The transmission technology can be freely selected as long

Fig. 1. Sample structure of active prostheses Rys. 1. Przykładowa struktura aktywnej protezy

Fig. 2. Application of the platform in the mobile robot system Rys. 2. Zastosowanie platformy w systemie robotów mobilnych

54

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


  ! + 

size of data transferred, the recipient identifier and a pointer to the data. In case of success function returns a pointer to the memory, indicating the place where specially prepared message supplemented with all necessarily data is located to properly forward by the platform. The returned pointer will be passed to SendMessage function responsible for sending pre-prepared package. Communication within a single instance of the platform has been implemented using shared memory. (Linux domain sockets) Shared memory was selected because of the transfer performance during exchanging information between processes [2]. Fig. 4. An example of the distributed control system structure Rys. 4. PrzykĹ&#x201A;adowa struktura rozproszonego systemu sterowania

as the conditions that allow for the correct implementation of this platform are met (TCP/UDP support). The Wi-Fi/Ethernet router solution was chosen due to easy access to devices that support this technology and low configuration complexity. The Wi-Fi/Ethernet technology was chosen due to Linux built-in support. The author recommends using a technology, which allows avoiding the centralized distribution of information (ad-hoc solutions).

4. Data Exchange in the Single Node of the Platform Information exchange between applications within a single node is performed via an intermediate layer of the platform LNCL (Local Node Communication Layer). This layer is responsible for packet transport between applications within a single object. In the case of mobile robots, this kind of communication is responsible for data exchange between applications running within single robots. Multiprocessing and multithreading support are not common solutions in control systems mainly due to reliability requirements. This library provides the ability to use information exchange mechanisms also in multi-threaded and multi-processed control systems. Proper use of these mechanisms can lead to significant software performance improvements especially if hardware platform provides multi-core solutions. Using the supplied API library NodeAPI (RegisterTransportAddress function) each application can register itself in the system, and then obtain the unique identifier to allow the functioning in the entire system. If the operating system allows the use of multithreading, each thread running in the process will also have the opportunity to register at least one transport address. This allows the modular software design and the appropriate segregation of responsibilities. Providing dynamic registration opportunity to LNCL layer significantly extends the capabilities of the software running on the platform. Applications can send data packets to each other knowing only their TID (Transport ID). Layers such as LNCL have static addresses. Using of fixed addressing allows for communication within a single instance of the platform without the use of additional mechanisms to detect dynamic address of the individual layers. It means that, each application run has knowledge about address using to communicate in advance. Adopted data transfer mechanism allows to send a package without forward imposing its size. It was accomplished using a specially prepared header preceding each message. If there would be a need to send a data structure, transport system has to prepared to handle a message with defined size properly by calling CreateMessage function with all relevant information such as the

P.  #^  J    Objects According to the assumptions the platform has also functionality for data exchange between distributed nodes. Communication with other objects in each instance is implemented by means of GNCL layer (Global Node Communication Layer). GNCL has static address registered in LNCL. Its task is to transfer information using TCP/IP protocol to other distributed system modules. The choice of TCP/IP has been dictated by the need of packet delivery confirmation. Another criterion of selection was the order of packet delivery. TCP/IP protocol ensures the order of transmitted packets and their potential retransmission in case of error. The protocol has also been chosen because the complexity of the platform-based system can change dynamically in the runtime. The architecture should allow the creation of simple network as well as a very complex one. In order to send message, it is necessary to determine the recipient. Address of the addressee within the software platform is defined using the 64-bit TID. More significant 32 bits contain the address of the node to which information is addressed. The remaining 32 bits specify the address of an internal application to which the message is sent. After sending, the message goes to LNCL, where the transport address analysis is determined whether this information is local or external. In case of external message, it will be forwarded directly to GNCL layer. Next, local GNCL layer forwards the packet to recipient GNCL, which in turn passes it to the local LNCL then it further forwards the packet to target application.

Q.(   1 (   Operation One of the main problems during development of distributed systems is the synchronization of processes in local as well as global scope. Each of nodes has a number of layers required for correct requests handling connected with offered functionality. During platform software startup boot order of its individual components is extremely important because every booting layer is dependent on the functionality offered by other layers [3]. Wrong order or synchronization lack could lead to startup phase failure or race condition. The first launched and the most important layer in a scope of single node is LNCL. Other layers use possibility of data exchange between registered recipients, so queuing within a single node platform is extremely important. An example showing such an event in the global scope can be three platforms nodes layout. The first acts as a central control unit. The other two are responsible for determining the position and drive control in two kinematic connectors of active prostheses. Starting calculations at the positioning unit in a global scope before properly started unit responsible for measurement could lead to the designation of an erroneous initial position. Similarly, transferring information

55


Data Exchange Platform Dedicated to Distributed Control Systems

about calculated values of settings to control applications operating in kinematic joints before their starting would not lead to a move, which may also affect the further operation. It is therefore important to maintain sufficient start-up procedure.

ching their answers. Information about system structure change can be very important, and delivered in a short period of time allows for the correct response of the entire system.

8. Results of Tests Testing of described solution is complicated, mainly because of the distributed structure and the possibility to dynamically change of system structure. Dedicated environment consisting of several nodes equipped with communication platform software has been developed to test the platform assumptions. The test stand shown in Fig. 7 has been prepared specifically for the Raspberry Pi hardware modules because thanks to its low price and wide capabilities it has been chosen as the main hardware used during platform testing. The test stand consists of three Raspberry Pi devices connected via MikroTik Could Router Switch CRS125-24G-1S-2HnD-IN using Ethernet. The modules are equipped with the Raspbian operating system, installed and configured data exchange platform software. Two test scenarios were performed. The first scenario consisted of data exchange within local scope (using LNCL layer). Two applications dedicated for testing purposes had only been developed (using C++ language) and each of them was properly registered in the platform system. The first one performed as a sender and the second one as a receiver. The single package sent from application A to application B had a size of 1000 bytes of random data. The test has been carried out 1024 times (Table 1).

Fig. 5. Dependencies between communication platform layers Rys. 5. Zależności między warstwami komunikacyjnymi platformy

Fig. 6. Layer startup structure Rys. 6. Struktura uruchomieniowa warstwy

Communication between all nodes and their applications has to be activated as the first. The next step is to run the measurement and control applications. During startup, it is necessary to establish starting work conditions of each application. Table 1. The results of local exchange data test The implementation of local and global Tabela 1. Wyniki testu lokalnej wymiany danych synchronization manager provided by the communication platform solves the Transmission Packet No. Packet No. problem. Startup synchronization is not time [ms] limited to the processes only. Described communication platform has the ability 0 0.06992 8 to synchronize threads within a process. Thread synchronization plays a signifi1 0.043983 9 cant role during startup of individual layers e.g. LNCL. Each of layers has 2 0.023618 10 a number of subprograms supporting functionality offered by the layer. LNCL 3 0.022417 11 layer owns implemented server supporting any message transmission attempt 4 0.02229 12 in local scope. Creating a new thread starts the server. Layer cannot mark 5 0.021878 13 itself as started properly if all of its threads will not achieve the intended point of execution (in server case, the point is 6 0.021489 14 reached when it is ready to handle incoming connections). An exemplary layer 7 0.023894 15 startup flow is shown in Fig. 5.

Depending of the purpose, the structure of a distributed control system may vary. Sometimes there is a need to change the structure in already running system. This is important especially in systems supervising the mobile robots. In many cases, the structure of the platform may change dynamically. Thanks to a NDL (Node Discover Layer) it is possible to detect new appearing objects in the system and monitor the existence of previously recorded. Standard time in which layer searches the resources to find new nodes and confirm the existence of previously recorded ones is 500 ms. The NDL mechanism is based on UDP protocol and cyclical sending queries and matP

O

M

I

A

R

Y

A

U

T

O

M

Packet No.

Transmission time [ms]

0.021792

16

0.000427

0.021404

17

0.008648

0.021388

18

0.023158

0.021331

19

0.021553

0.021425

20

0.021509

0.021412

21

0.021364

0.059337

22

0.021401

0.057931

23

0.021306

The obtained data from first test were statistically analyzed with the following results: xmin = 0.00042 ms, xmax = 0.00042 ms, x1 = 0.04621 ms, σ1 = 0.07446. The second scenario consisted of data exchange using “everyone to everyone” principle. The test program that sends a 1000 byte packet to the indicated platform nodes and waits for acknowledge from the receiver side was run on each of the Raspberry Pi modules. The time measurement started when the data set was sent and finished when the acknowledgment was received. The acknowledgment had a form of a packet with the same content as the one sent. The confirmation from the recipient was necessary because the platform instances work on non time-synchronized operating systems. After the measurements are completed, the result is averaged (Table 2).

7. Automatic Node Detection Mechanism

56

Transmission time [ms]

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


  ! + 

v.( 

Table 2. The results of global exchange data test Tabela 2. Wyniki testu globalnej wymiany danych Packet No

Transmission time [ms]

Packet No.

Packet No.

Packet No.

Transmission time [ms]

0

0.5123

8

0.9277

16

0.7821

1

0.4453

9

0.4552

17

0.5242

2

0.7883

10

0.5611

18

0.3451

3

0.4763

11

0.6132

19

0.7481

4

0.4112

12

0.4252

20

0.8512

5

0.6211

13

0.5331

21

0.4625

6

0.8135

14

0.5932

22

0.5162

The structure of a platform providing data exchange options in distributed systems generates huge opportunities for expansion of control systems. It removes system constraints arising from the location of its elements. The proposed platform can be successfully used in the automation and robotics while performing the tasks associated with the need to collect and exchange information in remote points. Thanks to its genericness, the platform is largely universal, and applications based on it are fully cross-platform programs.

References 1.

Wojtczyk M., Knoll A., A Cross Platform Development Work7 0.7422 15 0.5793 23 0.6821 flow for C/C++ Applications, The third International Conference on Software Engineering Advances (ICSEA-2008), 2008, DOI: 10.1109/ICSEA.2008.41. 2. Shapley Gray J., Interprocess Communications in Linux, The obtained data from second test were statistically analyzed with the following results: xmin = 0.2344 ms, xmax = 0.9277 ms, ISBN: 0-13-046042-7, Prentice Hall Professional 2003. x 2 = 0.5526 ms, Ď&#x192;2 = 0.1574. 3. Itami Y., Ishigooka T., Yokoyama T., A Distributed ComThe results shown in Table 1. and Table 2. include delays cauputing Environment for Embedded Control Systems with sed by the operating system scheduler. The next communication Time-Triggered and Event-Triggered Processing, 14th platform releases the priority of the process will be changed. This IEEE International Conference on Embedded and Realprocedure will reduce the probability of expropriation. -Time Computing Systems and Applications, 2008, DOI: 10.1109/RTCSA.2008.38. 4. Wittenmark B., Nilsson J., Torngren M., Timing problems in real-time control systems, [in:] Proceedings of American Control Conference 1995, DOI: 10.1109/ACC.1995.531240. 5. Noriaki A., Takashi S., Kosei K., Tetsuo K, Woo-Keun Y., RT-Middleware: Distrbiuted Component Middleware for RT (Robot Technology), IEEE/RSJ International Conference on Intelligent Robots and Systems 2005, DOI: 10.1109/IROS.2005.1545521. 6. Volpe R., Nesnas I., Estlin T., Mutz D., Petras R., Das H., The CLARAty architecture for robotic autonomy, Proceedings of IEEE Aerospace Conf., Montana, March 2001, DOI: 10.1109/AERO.2001.931701. 7. Ceriani S., Migliavacca M., Middleware in robotics, Internal Report For â&#x20AC;&#x17E;Advanced Methods of Information Technology for Authonomous Roboticsâ&#x20AC;?, Politecnico di Milano. 8. Alexandrescu A., Modern C++ Design: Generic Programming and Design Patterns Applied, ISBN: 978-0201704310, Addison-Wesley 2011. 9. Elkady A., Sobh T., Robotics Middleware: A Comprehensive Literature Survey and Attribute-Based Bibliography, Hindawi Publishing Corporation, â&#x20AC;&#x153;Journal of Roboticsâ&#x20AC;?, Vol. 2012, DOI: 10.1155/2012/959013. 10. Nesnas I.A.D, Wright A., Bajracharya M., Simmons R., Estlin T., CLARAty and Challanges od Developing Interoperable Robotic Software, NASA Ames Research Center, Moffet Field, Sunnyvale, CA 95134 March 2003. 11. Schlegel Ch., Steck A., Brugali D., Knoll A., Design Abstraction and Processes in Robotics: From Code-Driven to Model-Driven Engineering, Technische Universtat Munchen, Munchen Germany. 12. Ch. Schlegel, Communication Patterns as Key Towards Component-Based Robotics, Software Engineering for Experimental Robotics, Springer Tracts in Advanced Robotics, Fig. 7. Test stand DOI: 10.5772/5759. Rys. 7. Stanowisko testowe

57


Data Exchange Platform Dedicated to Distributed Control Systems

 <" "      

 "A  

 !&  \ ArtykuĹ&#x201A; przedstawia koncepcje generycznej platformy wymiany danych dedykowanej dla rozproszonych systemĂłw sterowania. Platforma moĹźe zostaÄ&#x2021; wykorzystana do sterowania obiektami przemysĹ&#x201A;owymi a takĹźe do synchronizacji pracy przemysĹ&#x201A;owych oraz mobilnych robotĂłw. RozwiÄ&#x2026;zanie moĹźe byÄ&#x2021; rĂłwnieĹź zastosowane w aktywnych protezach. ArtykuĹ&#x201A; prezentuje strukturÄ&#x2122; podsystemu wymiany danych oraz opisuje przepĹ&#x201A;yw informacji pomiÄ&#x2122;dzy aplikacjami bazujÄ&#x2026;cymi na oprogramowaniu platformy. (  H   "    <" "  8 " H8 

 !   B&". [& ,9

@ !( >& !". )E E&

"   *8" %"

% " *%%

   S#!  < 98>  <'  '8; 8( "   "  << N( "   C)  %

S#!  <98>   < '   '88 ( " ;    "   L    <  "  C)  O  <   " <'  !   8   L  '  %

58

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 21, Nr 3/2017, 59â&#x20AC;&#x201C;68, DOI: 10.14313/PAR_225/59

6)C)    8 S)  (!  8   "S "  , B ')&. E B | !"  " #   98D ' % 8$//&;$.$

-$! &\ This paper presents a constrained Particle Swarm Optimization (PSO) algorithm for mobile robot path planning with obstacle avoidance. The optimization problem is analyzed in static and dynamic environments. A smooth path based on cubic splines is generated by the interpolation of optimization solution; the fitness function takes into consideration the path length and obstaclegenerated repulsive zones. World data transformation is introduced to reduce the optimization algorithm computational complexity. Different scenarios are used to test the algorithm in simulation and real-world experiments. In the latter case, a virtual robot following concept is exploited as part of the control strategy. The path generated by the algorithm is presented in results along with its execution by the mobile robot. 8 H"))   8)  !     " "  "!"

1. Introduction Mobile robots have been successfully applied in many areas such as medical and military applications, space exploration, public and domestic duties. They can perform difficult and hazardous tasks with complex requirements and often have to do so autonomously, without the aid of a human operator. To function in that manner they must be able to navigate the environment they are placed in. Collision-free path planning plays an important role in mobile robots navigation and is often a fundamental requirement for proper task execution. The main goal of such planning in an environment with static (stationary) and dynamic (moving) obstacles is to find a suitable movement path from a starting location to a destination, while avoiding the collision with any of these objects. This complex task poses many difficulties: computational complexity, adaptation to changing environment and determining a reasonable evaluation function for the generated path. Path planning is an active research area and many methods have been developed to deal with this problem. They can be classified into classical and heuristic based search algorithms [1], mainly discerned by the type of optimization techniques utilized. Recently some classical approaches, such as cell decomposition [2], potential field method [3â&#x20AC;&#x201C;5], road map [6] and

' " H  >8  %>8 * %% '        -.%&J%-&./% ..%&K%-&./%             !"" #     $%&

sub goal network have been presented in the field of mobile robotics. In a cell decomposition method a two-dimensional map is divided into several grids and the path is created in them. Another case of a classical approach is a potential field method in which the controlled robot is attracted by the destination while simultaneously being repelled by the obstacles. These path planning algorithms suffer from some drawbacks [1], e.g., a solution may not be optimal because the algorithm gets stuck in local minima or a new solution has to be generated again when the environment changes and therefore the original path can become infeasible. As a result, many heuristic based methods, such as fuzzy logic [7], artificial neural network [8], nature inspired algorithms [9â&#x20AC;&#x201C;12] and hybrid algorithms were created. These methods can overcome drawbacks of the classical ones, but they do not guarantee to find the best solution. Still, the result can be sufficiently close to the optimal one. In this paper the authors used one of those methods â&#x20AC;&#x201C; the Particle Swarm Optimization algorithm; it serves as a base solver for collision-free path planning problem. Particle Swarm Optimization (PSO) is a metaheuristic algorithm which is inspired by the social foraging behavior of some animals such as bird flocking and fish schooling. It was developed by Kennedy and Eberhart in 1995 and its description is presented in [13]. Since then, many approaches have been suggested by the researches to solve the collision-free path planning problem using the PSO algorithm [11, 14â&#x20AC;&#x201C;17]. Further sections of this paper are arranged as follows: Section 2 describes the goal of this article, overall concept of the designed algorithm, workspace definition and world data preprocessing. Section 3 presents simulation results. Section 4 contains hardware information, control system description and real-world experiment results. Conclusions are presented in the last section (Section 5).

59


Mobile Robot Path Planning with Obstacle Avoidance using Particle Swarm Optimization

2. Problem Description

obstacles. The evaluation of the world state is based on the collected data, which is earlier preprocessed and transformed (Fig. 3). A â&#x20AC;&#x153;state changeâ&#x20AC;? event in the environment occurs when a change in position of any object is greater than dSC. If this condition is met the program checks whether the straight path is not obstructed by the obstacles. If it is not, it becomes the new path. In the opposite case, the transformed data is used as an optimization data for the Particle Swarm Optimization algorithm. The PSO routine searches for an optimal solution minimizing a fitness function and generates a reference

In this article the following problem is considered: in a two-dimensional workspace the shortest collision-free path is to be found. The path should display a smooth curvature to ensure its realizability. The controlled robot, circular in shape, is to traverse this workspace from its initial position to an arbitrary destination point (Fig. 1). The environment is populated by static and dynamic obstacles (also circular). While full information about the positions of all objects in the workspace is available, the kinodynamic properties of the dynamic obstacles are unknown and no attempt is made to identify them. The task of finding this collision-free path is the responsibility of a path-generating algorithm, development of which is the focal point of this article.

Fig. 3. World transformation Rys. 3. PrzeksztaĹ&#x201A;cenie Ĺ&#x203A;wiata

path Sref. Points from that path are used to calculate error signal for a PID controller. Finally, the control data is dispatched to the controlled robot. Program runs with parameters presented in Table 1. Table 1. World parameters Tabela 1. Parametry Ĺ&#x203A;wiata

Fig. 1. Problem presentation Rys. 1. Przedstawienie problemu

Symbol

Description

Value

Wsize

Workspace size

2mĂ&#x2014;2m

dr, do

Robot and obstacle diameter

0.1 m

ts

Program cycle time

varying | 0.1 s

nPgen

Number of cubic spline points

10

dSC

Minimal obstacle distance triggering State Changed event

0.01 m

2.1. Solution Outline The program workflow (Fig. 2) begins with the acquisition of the robotâ&#x20AC;&#x2122;s current position, its destination and positions of

The obstacles have the same diameter as the controlled robot. In order to ensure that the path is not too close to the obstacles, the boundaries of obstacles have been extended by two robot radii. This expanded region is called a critical area. Program cycle time ts is varying because a nondeterministic operating system and wireless communication utilizing TCP protocol were used. Preprocessing of the world data is used to speed up the calculation of the Particle Swarm Optimization algorithm. It transforms the coordinate system from global (workspace) to local one (between robot and its destination point), with use of translation and rotation operations. That conversion allows to simplify the complexity of optimization process by reducing the dimensionality of search space. Similar approach can be found in [10, 17].

-.-.$  '  The problem of robot path planning is treated as a minimization problem and considered on the transformed search space limited by constraints. Each iteration of the PSO algorithm

Fig. 2. Overall program flow chart Rys. 2. OgĂłlny schemat blokowy programu

60

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


 -  *  " _ ( 

generates a set of m points Pg1, Pg2, â&#x20AC;Ś, Pgm, where m is the number of obstacles present in the workspace. This set of points Pgen = {Pg1, Pg2, â&#x20AC;Ś, Pgm} is then interpolated by a cubic spline function. The interpolated path consists of nPgen points forming Sref set. The fitness function to be minimized by the Particle Swarm Optimization algorithm consists of two parts. The first one evaluates the length of the path and the second part ensures the safety of the path, monitoring whether the obstacles are in an acceptable distance from the controlled robot. The following set of equations describes the optimization algorithm. The fitness function f is given in the following form and minimized: (1)

(

min f S ref , 0

)

(2)

where: Sref â&#x20AC;&#x201C; reference path points, O â&#x20AC;&#x201C; obstacles positions, slen â&#x20AC;&#x201C; total path length function, violfa â&#x20AC;&#x201C; obstacle zone violation factor, viol â&#x20AC;&#x201C; violation function. As mentioned before the fitness function f is split in two parts: path length and zone violation. The former is defined as following: n â&#x2C6;&#x2019;1

( ) â&#x2C6;&#x2018; dist [Sref (i + 1), Sref (i )]

slen S ref =

(3)

i =1

where: n = nPgen, dist â&#x20AC;&#x201C; Euclidean distance function. While the latter one (zone violation):

(4)

where: m â&#x20AC;&#x201C; number of obstacles, n = nPgen. It can be observed that the behavior of zone violation function is similar to a repulsive potential field. The set of transformed points Pgen is given as following:

(5) Each single value Pi of the set Pgen is subjected to constraints (Fig. 4). It must be placed in the search space sp and cannot lie within any of the obstaclesâ&#x20AC;&#x2122; boundaries Bnd low, Bndup. The search space sp equates to robot diameter plus half the distance between the robot and its destination.

Fig. 4. Search space boundaries Rys. 4. Ograniczenia przestrzeni poszukiwaĹ&#x201E; rozwiÄ&#x2026;zania

The following set of parameters in Table 2 was used during simulation and real-world experiments. The meaning of these parameters is discussed in [18]. Table 2. PSO algorithm parameters Tabela 2. Parametry algorytmu PSO

Symbol

Description

Value

nPSOiter

Number of iterations

50

swsize

Swarm size

20

velfa

Search velocity factor

10%

veldamp

Velocity damping factor

0.898

fslocal

Local fitness significance factor

1.5

fsglobal

Global fitness significance factor

1.5

violfa

Obstacle zone violation factor

100

-.I.  ( (  As mentioned before, many researchers are concerned with the problem of path planning, and thus numerous solutions were developed. In this subsection a brief comparison with other approaches is provided in which the problem description is similar (albeit not identical) to the one presented in this paper. Two solutions based on PSO [15, 17] and one on Genetic Algorithm (GA) [10] are discussed in relation to the proposed method. A brief summary of all the methods is given in Table 3; the discussion will be focused on differences between them and consequences thereof. First, however, it is useful to establish the common factors shared by all of the presented solutions: â&#x2C6;&#x2019; Workspace is two-dimensional, â&#x2C6;&#x2019; Both dynamic and static obstacles may be present, â&#x2C6;&#x2019; Underlying algorithms are heuristic in nature, â&#x2C6;&#x2019; Generated paths are evaluated by a fitness function. The accuracy in the spatial description of the environment affects the quality of obtained solutions. Less precise methods rely on encompassing workspace objects in primitive shapes, thus the area occupied by such element is artificially extended. Better, more aggressive paths (i.e. nearer the obstacleâ&#x20AC;&#x2122;s real boundary) may not be discovered with this approach. However, the more accurate environment description comes at the expense of computational complexity. When the environment is populated by well-defined classes of objects (i.e. their shape is known) it is unnecessary to strive for a more complex description. This approach, adopted in the proposed method, is also present in [10] and [17]. Several shape classes are recognized in the latter solution. While polygons are considered in [15], they are ultimately encompassed in rectangular areas. Additionally, an algorithm may also be supplied with dynamic obstaclesâ&#x20AC;&#x2122; kinematics. While the spatial description describes only the current configuration space, kinematics offers a mean to predict the outcome of future time frames. This prediction allows the path generator to plan accordingly and thus results in safer paths overall. Some rudimentary kinematics information may also be inferred by comparing successive time frames. This would require the algorithm to memorize previous environment states and track the behavior of all objects. Additional information about the dynamic obstaclesâ&#x20AC;&#x2122; kinematics is exploited in [15, 17]. Intersections of the controlled robotâ&#x20AC;&#x2122;s and obstaclesâ&#x20AC;&#x2122; paths

61


Mobile Robot Path Planning with Obstacle Avoidance using Particle Swarm Optimization Table 3. Solutions comparison Tabela 3. Porównanie rozwiązań

Solution

Algorithm

Environment

Workspace Transformation

Fitness Function Objectives

Path Smoothness

Proposed

PSO

2D workspace with circular static and dynamic obstacles, no information about kinematics of dynamic obstacles

yes (1D) varied spacing

path length distance to obstacles

cubic splines

[10]

GA

2D workspace with circular static and dynamic obstacles, no information about kinematics of dynamic obstacles

yes (1D) equal spacing

path length distance to obstacles smoothing

angle deviation minimization, smoothing operator

[15]

PSO

2D workspace with rectangle-enclosed static and dynamic obstacles, kinematics of dynamic obstacles is known

no

path length travel time

no

[17]

PSO

2D workspace with varied static and dynamic obstacles, kinematics of dynamic obstacles is known

yes (1D) equal spacing

path length distance to obstacles

parabolic function

are considered as points of potential collision and the algorithm checks whether one occurs in the future, if so, an alternative path is sought. If the algorithm does not employ any mechanism to utilize the objects’ kinematics, then the dynamic obstacles are treated as if they were static. Each time frame is treated independently from the other and path must be recalculated. This is the approach presented both in [10] and the proposed method. In several of the solutions a workspace transformation is applied in order to further reduce the computational complexity; two-dimensional search space is converted to a single dimension. One of the algorithms’ discerning features is the method for choosing points where the transformation is conducted. In the presented method, a nonuniform distribution is used, the selected points are tied to the obstacles’ positions and number. This is contrary to other solutions in which a uniform distribution is utilized and the number of points is one of the algorithm’s parameters. Another important distinction is the definition of the path evaluation function. While all the solutions agree upon the minimization of the path length as one of the criteria, there are notable differences how other factors are evaluated, if at all. Method

[15] is the only one that does not take into account the distance to the obstacles (path safety criterion); instead, any solution with a collision is simply discarded. Also, information about the obstacles’ kinematics may be used to optimize the path in terms of time, and not only length. In [17] the path safety criterion is included in the evaluation function; however, its binary nature leads to the same behavior as in [15]. Beside the length, the Genetic Algorithm [10] optimization procedure takes into account the path’s linearity – with the goal of minimizing the curvature. This further reinforces the smoothing effect, potentially elongating the path itself. The costs of violating the safe distance from each obstacle are aggregated and constitute the path safety criterion. Complete evaluation function is a sum of these three components. In the proposed solution, a similar approach to the GA algorithm was taken in terms of path safety criterion. One major difference being that the obstacle distance penalization function is normalized and its value is scaled with the path’s length. This ensures the correlation between the optimization parameters and results in only one user-defined parameter – the safety zone violation coefficient.

Fig. 5. Optimization result for scenario a) Rys. 5. Wynik optymalizacji dla scenariusza a)

Fig. 6. Optimization process for scenario a) Rys. 6. Proces optymalizacji dla scenariusza a)

62

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


 -  *  " _ ( 

In most of the solutions, methods for smoothing the generated paths were applied in order to improve the pathsâ&#x20AC;&#x2122; traversability. Authors of [17] employed a parabolic function calculated with the use of optimized pathâ&#x20AC;&#x2122;s points as well as obstaclesâ&#x20AC;&#x2122; positions and velocities. This approach assumes that the velocity of dynamic obstacles is constant. The algorithm presented in [10] utilizes two methods of path smoothing: one as an optimization criterion and the other as a genetic operator. The latter operates on the principle of replacing a curve node by additional three points. In the proposed solution, cubic spline functions were used which, in contrast to ordinary polynomials, avoid the problem of oscillations.

I.(  This section presents results of simulation experiments conducted to validate the feasibility of the proposed method. The controlled robot is stationary and the path is only generated for its initial points. The following scenarios were tested: a) one static obstacle, b) three static obstacles, c) one static and two dynamic obstacles. The optimization result figures in this section depict the generated reference path between the starting and destination points. In addition a set of Pgen points used in interpolation method is shown. The areas occupied physically by the robot and obstacles are marked as well as the obstaclesâ&#x20AC;&#x2122; critical areas. X and Y axes represent the 2D workspace. Current optimization iteration, fitness function value and reference path length are all presented in a figureâ&#x20AC;&#x2122;s label. An optimization process figure presents the fitness function valuesâ&#x20AC;&#x2122; evolution in subsequent iterations of the PSO algorithm. For every iteration, fitness of each particle is shown and the best solution is highlighted. In addition, fitness value and reference path length of first and last iteration are annotated. It can be seen that with the rising number of obstacles (Fig. 7) optimization problem becomes more complex and not all particles converge to the best solution (Fig. 8). Still, the generated path is smooth and realizable. The problem is solved around 10th iteration of the PSO algorithm with an acceptable fitness value. Last set of optimization results (Fig. 9) depicts a scenario with two moving obstacles. The velocity value for each one is anno-

Fig. 7. Optimization result for scenario b) Rys. 7. Wynik optymalizacji dla scenariusza b)

Fig. 8. Optimization process for scenario b) Rys. 8. Proces optymalizacji dla scenariusza b)

63


Mobile Robot Path Planning with Obstacle Avoidance using Particle Swarm Optimization

Fig. 9. Optimization result for scenario c) Rys. 9. Wynik optymalizacji dla scenariusza c)

tated. Also paths of these obstacles with their corresponding starting points and destinations are presented. Current program iteration, time and reference path length are shown in the label. While the stationary nature of the controlled robot remains the same, the algorithm must deal with a dynamic workspace. The presence of the two moving obstacles enforces the algorithm to reevaluate the planned path as changes in the environment state are detected. The PSO itself is not concerned with the kinematics of the obstacles, it treats each environmental setup as one with all obstacles static. With the evolution of the environment (i.e. the obstacles are moving) the generated path also changes (Fig. 9). It can be seen that the more straightforward solution achieved at the end of the simulation is earlier denied by the dynamic obstaclesâ&#x20AC;&#x2122; critical areas. While this leads to different path lengths, the curves of proposed solutions are relatively smooth and should be achievable by a real robot.

64

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

L./ :#^

In a real-world experiment, a mobile robot navigates in a dynamic environment. The information about the mobile robot and obstacles in the workspace is provided by the visual feedback. A detailed description of the laboratory stand used to test the presented algorithm can be found in [19].

L.V. (   Calculation of setpoint values for control algorithm is based on the idea of following a virtual robot (Fig. 10) [20]. The virtual robotâ&#x20AC;&#x2122;s center point is responsible for obtaining the velocity and orientation of the controlled robot; it is determined by the position of the controlled robot in relation to the reference path.

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


 -  *  " _ ( 

4.2. Results A set of real-world experiments with different environmental setups was performed to verify the effectiveness of the proposed algorithm. In contrast to the simulation section, the robot actually traversed the generated path. Newly generated paths in next iterations of the algorithm use robotâ&#x20AC;&#x2122;s observed position as their starting point. The following scenarios were tested: a) three static obstacles, b) two static and one dynamic obstacles. In the real-world experiment optimization figures the controlled robotâ&#x20AC;&#x2122;s actual movement path is shown to visualize the following of the reference path. Maximum and mean error values are presented in a figureâ&#x20AC;&#x2122;s label. It can be seen that the most problematic task for the controlled robot is driving over curves. The large overshoot in actual path traversed by the robot (Fig. 11) can be attributed to manually selected PID controller parameters. Despite this, the error is within an acceptable range.

Fig. 10. Concept of following the virtual robot Rys. 10. Idea podÄ&#x2026;Ĺźania za robotem wirtualnym

The algorithm searches for the nearest point on the reference path which has not yet been reached by the controlled robot and calculates the angle between the controlled robot and that point. Second part of the algorithm determines the velocity which is in turn converted to the distance between the controlled robot and the virtual one. This velocity depends on the algorithm settings, remaining path distance and takes into account braking distance. In order to perform the path following, a proportional-integral-derivative (PID) controller is implemented in a broader control structure with parameters given in Table 4. The controller equation is defined as follows: k

y (k ) = P â&#x2039;&#x2026; e (k ) + I â&#x2039;&#x2026; â&#x2C6;&#x2018; [e (i ) â&#x2039;&#x2026; ts (i â&#x2C6;&#x2019; 1)] + D i =0

[e(k ) â&#x2C6;&#x2019; e(k â&#x2C6;&#x2019; 1)] ts (k â&#x2C6;&#x2019; 1)

(6)

where: ts â&#x20AC;&#x201C; varying program cycle time. In fact, after experimenting with the parameters, a simpler P controller was found to be sufficient.

Table 4. Control system parameters Tabela 4. Parametry ukĹ&#x201A;adu sterowania Symbol

Description

Value

vset

Robot nominal velocity

0.3 m/s

aacc adec

Robot acceleration and deceleration

0.15 m/s2

dppoint

Minimal distance to the current path point to trigger next point selection

0.05 m

Pdist

Proportional factor of distance controller

2

Integral and derivative factors of distance controller

0

SOdist

Switch on level of distance controller

0.01 m

Pang

Proportional factor of angle controller

0.75

Iang Dang

Integral and derivative factors of angle controller

0

SOang

Switch on level of angle controller

10°

Idist Ddist

Fig. 11. Optimization result for scenario a) Rys. 11. Wynik optymalizacji dla scenariusza a)

In second scenario (Fig. 12) the dynamic case is presented. Controlled robot velocity is annotated and path driven from starting position to destination is shown. This result illustrates a real-world path adaptation to a moving obstacle. Similar to the simulation results, the generated reference paths are smooth and collision-free. The controlled robot was able to follow them easily while avoiding collision with any of the obstacles. An interesting situation arose between the first two snapshots of the robot movement (t = 0 s and t = 1.975 s). It is obvious that the initial path was ultimately ignored in later iterations (t = 1.975 s), even though the dynamic obstacle was not in a position to distort it. This can be attributed to errors caused by the practical nature of the experiment, e.g., robot dynamics, vision system inaccuracies. However the fitness values of these two paths must be very similar as they are mostly symmetrical. Another interesting feature of the presented approach is visible in the last snapshot. A straight line unobstructed by any obstacle is found between the robotâ&#x20AC;&#x2122;s actual position and the destination point. In this case the presented algorithm chooses it immediately ignoring the cubic spline interpolation.

65


Mobile Robot Path Planning with Obstacle Avoidance using Particle Swarm Optimization

Fig. 12. Optimization result for scenario b) Rys. 12. Wynik optymalizacji dla scenariusza b)

66

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


 -  *  " _ ( 

5. Conclusions Overall, the implemented Particle Swam Optimization algorithm was successful at generating paths in an environment with static and dynamic obstacles. Simulation results show that the proposed method is feasible and real-world experiment confirms its efficiency; the generated paths are smooth and achievable by the robot. The results prove that the presented PSO-based algorithm is applicable to the field of mobile robotics for obtaining reasonable collision-free paths in a two-dimensional environment.

J  1. Mac T.T., Copot C., Tran D.T., Keyser R., Heuristic approaches in robot path planning: A survey, Robotics and Autonomous Systems, Vol. 86, 2016, 13â&#x20AC;&#x201C;28, DOI: 10.1016/j.robot.2016.08.001. 2. Kloetzer M., Mahulea C., Gonzalez R., Optimizing cell decomposition path planning for mobile robots using different metrics, Proceedings of 19th International Conference on System Theory, Control and Computing, Cheile Gradistei, 2015, 565â&#x20AC;&#x201C;570, DOI: 10.1109/ICSTCC.2015.7321353. 3. Zhang Y., Liu Z., Chang L., A new adaptive artificial potential field and rolling window method for mobile robot path planning, Proceedings of 29th Chinese Control And Decision Conference, Chongqing, 2017, 7144â&#x20AC;&#x201C;7148, DOI: 10.1109/CCDC.2017.7978472. 4. Oborski P., Fedorczyk T., Zmodyfikowana metoda pĂłl potencjaĹ&#x201A;owych do wyznaczania drogi robota mobilnego, â&#x20AC;&#x17E;Pomiary Automatyka Robotykaâ&#x20AC;?, R. 19, Nr 2, 2015, 57â&#x20AC;&#x201C;64, DOI: 10.14313/PAR_216/57. 5. SzulczyĹ&#x201E;ski P., Pazderski D., KozĹ&#x201A;owski K., Real-time obstacle avoidance using harmonic potential functions, â&#x20AC;&#x153;Journal of Automation Mobile Robotics and Intelligent Systemsâ&#x20AC;?, Vol. 5, No. 3, 2011, 59â&#x20AC;&#x201C;66. 6. Velagic J., Delimustafic D., Osmankovic D., Mobile robot navigation system based on Probabilistic Road Map (PRM) with Halton sampling of configuration space, Proceedings of IEEE 23rd International Symposium on Industrial Electronics, Istanbul, 2014, 1227â&#x20AC;&#x201C;1232, DOI: 10.1109/ISIE.2014.6864789. 7. Hong C., Park C.W., Kim J.-H., Evolutionary dual rule-based fuzzy path planner for omnidirectional mobile robot, IEEE International Conference on Fuzzy Systems, Vancouver, 2016, 767â&#x20AC;&#x201C;774, DOI: 10.1109/FUZZ-IEEE.2016.7737765. 8. Hendzel Z., Szuster M., Neural sensor-based navigation of wheeled mobile robot in unknown environment, â&#x20AC;&#x153;Pomiary Automatyka Robotykaâ&#x20AC;?, R. 17, Nr 1, 2013, 114â&#x20AC;&#x201C;120. 9. Palmieri L., Arras K., A novel RRT extend function for gefficient and smooth mobile robot motion planning , IEEE/ RSJ International Conference on Intelligent Robots and Systems, Chicago, 2014, 205â&#x20AC;&#x201C;211, DOI: 10.1109/IROS.2014.6942562. 10. Shi P., Cui Y., Dynamic path planning for mobile robot based on genetic algorithm in unknown environment, Chinese Control and Decision Conference, Xuzhou, 2010, 4325â&#x20AC;&#x201C; 4329, DOI: 10.1109/CCDC.2010.5498349. 11. Mac T., Copot C., Tran D., De Keyser R., A hierarchical global path planning approach for mobile robots based on multi-objective particle swarm optimization, â&#x20AC;&#x153;Applied Soft Computingâ&#x20AC;?, Vol. 59, 2017, 68â&#x20AC;&#x201C;76, DOI: 10.1016/j.asoc.2017.05.012.

12. Contreras-Cruz M., Ayala-Ramirez V., Hernandez-Belmonte U., Mobile robot path planning using artificial bee colony and evolutionary programming, â&#x20AC;&#x153;Applied Soft Computingâ&#x20AC;?, Vol. 30, 2015, 319â&#x20AC;&#x201C;328, DOI: 10.1016/j.asoc.2015.01.067. 13. Kennedy J., Eberhart R., Particle swarm optimization, IEEE International Conference on Neural Networks, Perth, Vol. 4, 1995, 1942â&#x20AC;&#x201C;1948. 14. Arana-Daniel N., Gallegos A., LĂłpez-Franco C., Alanis A., Smooth global and local path planning for mobile robot using particle swarm optimization, radial basis functions, splines and BĂŠzier curves, IEEE Congress on Evolutionary Computation, Beijing, 2014, 175â&#x20AC;&#x201C;182, DOI: 10.1109/CEC.2014.6900244. 15. Raja P., Pugazhenthi S., Path Planning for Mobile Robots in Dynamic Environments Using Particle Swarm Optimization, International Conference on Advances in Recent Technologies in Communication and Computing, Kottayam, 2009, 401â&#x20AC;&#x201C;405, DOI: 10.1109/ARTCom.2009.24. 16. Saska M., Macas M., Preucil L., Lhotska L., Robot Path Planning using Particle Swarm Optimization of Ferguson Splines, IEEE Conference on Emerging Technologies and Factory Automation, Prague, 2006, 833â&#x20AC;&#x201C;839. 17. Wang L., Liu Y., Deng H., Xu Y., Obstacle-avoidance Path Planning for Soccer Robots Using Particle Swarm Optimization, IEEE International Conference on Robotics and Biomimetics, Kunming, 2006, 1233â&#x20AC;&#x201C;1238. 18. Shi Y., Eberhart R., Parameter selection in particle swarm optimization, Evolutionary Programming VII, 1998, 591â&#x20AC;&#x201C; 600. 19. Figurowski D., Brasel M., Kubicki M., Stanowisko laboratoryjne do badaĹ&#x201E; algorytmĂłw sterowania robotami mobilnymi z wizyjnym sprzÄ&#x2122;Ĺźeniem zwrotnym, â&#x20AC;&#x17E;Pomiary Automatyka Robotykaâ&#x20AC;?, R. 20, Nr 3, 2016, 71â&#x20AC;&#x201C;76, DOI: 10.14313/PAR_221/71. 20. Bak M., Poulsen N., Ravn O., Receding horizon approach to path following mobile robot in the presence of velocity constraints, European Control Conference, Porto, 2001, 1151â&#x20AC;&#x201C;1156.

67


Mobile Robot Path Planning with Obstacle Avoidance using Particle Swarm Optimization

  )G) ")8G

8 "8  !&  \ W artykule przedstawiono algorytm rojowy z ograniczeniami realizujÄ&#x2026;cy planowanie bezkolizyjnej Ĺ&#x203A;cieĹźki ruchu robota mobilnego. Problem optymalizacyjny zostaĹ&#x201A; przeanalizowany dla Ĺ&#x203A;rodowiska statycznego i dynamicznego. Do stworzenia gĹ&#x201A;adkiej Ĺ&#x203A;cieĹźki ruchu wykorzystano interpolacjÄ&#x2122; rozwiÄ&#x2026;zania optymalizacji przy uĹźyciu szeĹ&#x203A;ciennych funkcji sklejanych. Funkcja kosztu uwzglÄ&#x2122;dnia dĹ&#x201A;ugoĹ&#x203A;Ä&#x2021; Ĺ&#x203A;cieĹźki ruchu oraz penalizacjÄ&#x2122; za naruszenie przestrzeni przeszkĂłd. Wprowadzono transformacjÄ&#x2122; Ĺ&#x203A;wiata w celu redukcji zĹ&#x201A;oĹźonoĹ&#x203A;ci obliczeniowej algorytmu optymalizacji. Przeprowadzono zróşnicowane scenariusze badawcze testujÄ&#x2026;ce algorytm w eksperymentach symulacyjnych i rzeczywistych. W przypadku tych ostatnich wykorzystano ideÄ&#x2122; podÄ&#x2026;Ĺźania za wirtualnym robotem. Zaprezentowano wyniki obrazujÄ&#x2026;ce wygenerowanÄ&#x2026; Ĺ&#x203A;cieĹźkÄ&#x2122; ruchu oraz ocenÄ&#x2122; jej realizacji przez robota mobilnego. (  H) ")  G  A 8 " " 

, B ')&

E B | !". [!&. ,9

% *8" %"

 %>8 * %%

     >   < '   '8; 8 D  "  #!  < 98%D< 6 <   <    <   NaL aLR %D< 6  < O8'      -&.+^-&., -&.,^-&./%C      "8 "  <  "  "  " 8    "))  %

68

P

O

M

I

A

    " <L;

 ( "  C)   D  "  #!  <98 %O     !; !   <<"));   <   <8; )" V      <  ;  !

T   8; " ")   " 8 

8%

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 21, Nr 3/2017, 69â&#x20AC;&#x201C;74, DOI: 10.14313/PAR_225/69

@   )       8 8 " 8  , E  ". [&) @!"   D     D 9   %@  /+&&;,,-D   

 !&  \ ArtykuĹ&#x201A; stanowi kontynuacjÄ&#x2122; prac autorĂłw nad sposobem zapewnienia jakoĹ&#x203A;ci i bezpieczeĹ&#x201E;stwa danych oraz informacji lotniczych w caĹ&#x201A;ym procesie ich tworzenia, gromadzenia, przetwarzania i publikacji. W jego treĹ&#x203A;ci krĂłtko scharakteryzowano dane geoprzestrzenne i podkreĹ&#x203A;lono potrzebÄ&#x2122; ich regularnego pomiaru. Przedstawiono ogĂłlnÄ&#x2026; charakterystykÄ&#x2122; kart kontrolnych (Shewharta) i dokonano wyboru takiej karty dla mierzonych danych geoprzestrzennych, stosowanych w lotnictwie cywilnym. NastÄ&#x2122;pnie opracowano koncepcjÄ&#x2122; wykorzystania wybranej karty kontrolnej Shewharta do diagnostyki niezgodnoĹ&#x203A;ci mierzonych danych geoprzestrzennych, zaĹ&#x201A;Ä&#x2026;czajÄ&#x2026;c algorytm postÄ&#x2122;powania oraz przykĹ&#x201A;ad liczbowy. W podsumowaniu odniesiono siÄ&#x2122; do uzyskanych wynikĂłw i zaproponowano dalsze kierunki prac badawczych, obejmujÄ&#x2026;ce w szczegĂłlnoĹ&#x203A;ci nawiÄ&#x2026;zanie do wyznaczonych granic kontrolnych do wymagaĹ&#x201E; i specyfikacji, zawartych w obowiÄ&#x2026;zujÄ&#x2026;cych przepisach prawa lotniczego, z uwagÄ&#x2026;, Ĺźe sÄ&#x2026; one adekwatne do wymagaĹ&#x201E; i specyfikacji oraz celu zastosowania w transporcie morskim. (  H     8 "  8  8

1. Wprowadzenie Wykonywanie operacji i zarzÄ&#x2026;dzanie ruchem w zakresie Ĺźeglugi morskiej i Ĺźeglugi powietrznej charakteryzuje siÄ&#x2122; wieloma podobieĹ&#x201E;stwami i analogiami w dziedzinie nawigacji, Ĺ&#x201A;Ä&#x2026;cznoĹ&#x203A;ci oraz dozorowania i pozycjonowania statkĂłw morskich i powietrznych. PodobieĹ&#x201E;stwa te, przy stale zwiÄ&#x2122;kszajÄ&#x2026;cym siÄ&#x2122; natÄ&#x2122;Ĺźeniu i prÄ&#x2122;dkoĹ&#x203A;ci ruchu statkĂłw w Ĺźegludze morskiej, powodujÄ&#x2026;, Ĺźe w coraz wiÄ&#x2122;kszym stopniu i zakresie, techniki i praktyki nawigacji lotniczej przyjmowane sÄ&#x2026; do stosowania w nawigacji morskiej [10]. Analogie formalne i praktyczne zachodzÄ&#x2026; w aspektach: â&#x2C6;&#x2019; nomenklatury i nazewnictwa, np. â&#x20AC;&#x17E;informacje nautyczneâ&#x20AC;? vs. â&#x20AC;&#x17E;dane i informacje lotniczeâ&#x20AC;?; â&#x2C6;&#x2019; zakresu przedmiotowego danych i informacji nautycznych i lotniczych (np.: dane geoprzestrzenne, informacje operacyjne, informacje meteorologiczne) [2, 11]; â&#x2C6;&#x2019; procedur gromadzenia, tworzenia, publikowania i wykorzystania danych i informacji nautycznych i lotniczych [3, 11, 18, 22];

' " H ' * %%% '        ..%&J%-&./% --%&K%-&./%             !"" #     $%&

â&#x2C6;&#x2019; integracji zasobĂłw i uczestnikĂłw procesĂłw tworzenia danych i informacji nautycznych i lotniczych [1, 4, 8, 11]; a w szczegĂłlnoĹ&#x203A;ci w aspekcie wspĂłlnego celu, jakim jest zapewnienie bezpieczeĹ&#x201E;stwa Ĺźeglugi morskiej [5] i powietrznej [3, 9], co jest wprost determinowane jakoĹ&#x203A;ciÄ&#x2026; danych i informacji nautycznych i lotniczych, ktĂłrÄ&#x2026; to jakoĹ&#x203A;Ä&#x2021;, rozumianÄ&#x2026; jako stopieĹ&#x201E; speĹ&#x201A;nienia wymagaĹ&#x201E; [3], autorzy rozpatrujÄ&#x2026; przede wszystkim w odniesieniu do nastÄ&#x2122;pujÄ&#x2026;cych atrybutĂłw [16, 17, 20]: â&#x2C6;&#x2019; dokĹ&#x201A;adnoĹ&#x203A;Ä&#x2021;, â&#x2C6;&#x2019; spĂłjnoĹ&#x203A;Ä&#x2021;/integralnoĹ&#x203A;Ä&#x2021;, â&#x2C6;&#x2019; dostÄ&#x2122;pnoĹ&#x203A;Ä&#x2021;, â&#x2C6;&#x2019; terminowoĹ&#x203A;Ä&#x2021;/aktualnoĹ&#x203A;Ä&#x2021;, â&#x2C6;&#x2019; ciÄ&#x2026;gĹ&#x201A;oĹ&#x203A;Ä&#x2021;, â&#x2C6;&#x2019; kompletnoĹ&#x203A;Ä&#x2021;, â&#x2C6;&#x2019; wiarygodnoĹ&#x203A;Ä&#x2021;, czyli, co do zasady, w sposĂłb toĹźsamy, jak to okreĹ&#x203A;lono w [5]. W kontekĹ&#x203A;cie zapewnienia bezpieczeĹ&#x201E;stwa [3, 5, 11] naleĹźy zwrĂłciÄ&#x2021; szczegĂłlnÄ&#x2026; uwagÄ&#x2122; na wspĂłlne dla Ĺźeglugi morskiej i powietrznej przedsiÄ&#x2122;wziÄ&#x2122;cia organizacyjne i operacyjne w dziedzinie Poszukiwania i Ratownictwa (ang. Search and Rescue), w tym holistyczne wykorzystywanie danych i informacji nautycznych i lotniczych przez PoĹ&#x201A;Ä&#x2026;czony OĹ&#x203A;rodek Koordynacji Poszukiwania i Ratownictwa (ang. Joint Rescue Coordination Centre) w zintegrowanym zakresie koordynacji morskich i lotniczych dziaĹ&#x201A;aĹ&#x201E; poszukiwawczo-ratowniczych [7, 21]. Ze stwierdzonych i przedstawionych powyĹźej analogii i toĹźsamego celu wynika podjÄ&#x2122;ta przez autorĂłw praca nad koncepcjÄ&#x2026; dokonania wyboru i jednolitego zastosowania jednego

69


! /      * * (   ( * ^ 

  *  ( /

z typĂłw karty kontrolnej Shewharta do zapewnienia jakoĹ&#x203A;ci danych i informacji nautycznych i lotniczych, przez diagnostykÄ&#x2122; niezgodnoĹ&#x203A;ci mierzonych danych geoprzestrzennych.

DLA CECH OCENIANYCH LICZBOWO

-.8   (  Karty kontrolne procesu sÄ&#x2026; jednym z najstarszych narzÄ&#x2122;dzi, sĹ&#x201A;uĹźÄ&#x2026;cych do sterowania jakoĹ&#x203A;ciÄ&#x2026; [12]. Ich zastosowanie w Stanach Zjednoczonych zaproponowaĹ&#x201A; w 1924 r. Walter A. Shewhart w celu dostarczenia (dostosowanej do Ăłwczesnych moĹźliwoĹ&#x203A;ci obliczeniowych) prostej i przejrzystej graficznie informacji o tym, czy proces jest stabilny czy teĹź w jego obrÄ&#x2122;bie wystÄ&#x2122;pujÄ&#x2026; zakĹ&#x201A;Ăłcenia, wymagajÄ&#x2026;ce szybkiego wykrycia i eliminacji. Za pomocÄ&#x2026; kart kontrolnych prowadzi siÄ&#x2122; Ĺ&#x203A;ledzenie stanu wybranych cech procesu, na podstawie prĂłbek pobieranych w regularnych odstÄ&#x2122;pach czasu, zaĹ&#x203A; nadmierne odchylenia wartoĹ&#x203A;ci kontrolowanych cech, sygnalizujÄ&#x2026; wystÄ&#x2122;powanie zakĹ&#x201A;ĂłceĹ&#x201E; specjalnych, wymagajÄ&#x2026;cych eliminacji i podjÄ&#x2122;cia dziaĹ&#x201A;aĹ&#x201E; korygujÄ&#x2026;cych.

O

M

I

A

R

Y

â&#x20AC;˘

A

LICZEBNOĹ&#x161;Ä&#x2020; PRĂ&#x201C;BEK n=1?

LICZEBNOĹ&#x161;Ä&#x2020; PRĂ&#x201C;BEK nâ&#x2030;Ľ10?

TAK

TAK

Karta wartoĹ&#x203A;ci Ĺ&#x203A;redniej i odchylenia standardowego

Karta wartoĹ&#x203A;ci Ĺ&#x203A;redniej i rozstÄ&#x2122;pu

Karty pojedynczych wartoĹ&#x203A;ci

Rys. 2. Karty kontrolne dla cech ocenianych liczbowo (opracowanie wĹ&#x201A;asne na podstawie [14]) Fig. 2. Variables control charts (own study based on [14])

Marynarki Wojennej RP, dotyczÄ&#x2026;cych np. portĂłw morskich â&#x20AC;&#x201C; gĹ&#x201A;Ä&#x2122;bokoĹ&#x203A;Ä&#x2021;, gĹ&#x201A;Ăłwki portu, sytuacji wrakowej itp. Najpopularniejszymi dwoma kartami przy ocenie liczbowej sÄ&#x2026; karty: wartoĹ&#x203A;ci Ĺ&#x203A;redniej i rozstÄ&#x2122;pu oraz wartoĹ&#x203A;ci Ĺ&#x203A;redniej i odchylenia standardowego . Ich stosowanie, zgodnie ze standardem ISO 7870 [14], zaleĹźne jest od licznoĹ&#x203A;ci wykonanych pomiarĂłw. KartÄ&#x2122; zaleca siÄ&#x2122; stosowaÄ&#x2021;, gdy liczebnoĹ&#x203A;Ä&#x2021; prĂłbek jest maĹ&#x201A;a lub umiarkowanie maĹ&#x201A;a, zazwyczaj n < 10. W przypadku wiÄ&#x2122;kszej liczebnoĹ&#x203A;ci prĂłbek (n t 10) preferowane jest stosowanie karty wartoĹ&#x203A;ci Ĺ&#x203A;redniej i odchylenia standardowego â&#x20AC;&#x201C; rys. 2, gdyĹź wĂłwczas odchylenie standardowe jest lepszÄ&#x2026; miarÄ&#x2026; rozproszenia niĹź rozstÄ&#x2122;p.

PoniewaĹź jednak w kaĹźdym rzeczywistym procesie wystÄ&#x2122;pujÄ&#x2026; pewne odchylenia, konieczne jest ustalenie dopuszczalnego zakresu tolerancji, czyli dolnej i gĂłrnej granicy kontrolnej, ktĂłre w postaci linii nanoszone sÄ&#x2026; na karty kontrolne. JeĹźeli wartoĹ&#x203A;ci cech kolejnych prĂłbek, pobranych do badania ze strumienia produktu mieszczÄ&#x2026; siÄ&#x2122; miÄ&#x2122;dzy okreĹ&#x203A;lonymi liniami kontrolnymi (rys. 1), to proces uznaje siÄ&#x2122; za stabilny i przebiegajÄ&#x2026;cy prawidĹ&#x201A;owo [12, 13]. Rozregulowanie procesu natomiast wystÄ&#x2122;puje, gdy przekroczona zostaĹ&#x201A;a ktĂłraĹ&#x203A; z linii granicznych. Wyróşnia siÄ&#x2122; dwa typy kart Shewharta [6]: 1. dla cech ocenianych liczbowo (mierzalne) â&#x20AC;&#x201C; jest to klasyczne zastosowanie kart kontrolnych do monitorowania mierzalnych czynnikĂłw jakoĹ&#x203A;ci produktu procesu; 2. dla cech ocenianych alternatywnie (niemierzalne). W niniejszej publikacji skupiono siÄ&#x2122; na analizie mierzonych lub deklarowanych danych geoprzestrzennych, wychodzÄ&#x2026;c od lotnictwa, gdzie m.in. dokonuje siÄ&#x2122; pomiarĂłw przeszkĂłd lotniczych w otoczeniu portĂłw lotniczych, wspĂłĹ&#x201A;rzÄ&#x2122;dnych geograficznych posadowienia urzÄ&#x2026;dzeĹ&#x201E; nawigacyjnych i elementĂłw infrastruktury oraz deklaruje wspĂłĹ&#x201A;rzÄ&#x2122;dne punktĂłw nawigacyjnych i granicznych elementĂłw przestrzeni powietrznej, przeznaczonej dla Ĺźeglugi powietrznej. Wskazane przykĹ&#x201A;adowe geoprzestrzenne dane lotnicze i zwiÄ&#x2026;zane z nimi metadane [15] majÄ&#x2026; postaÄ&#x2021; liczbowÄ&#x2026; i sens obliczeniowy, a w zwiÄ&#x2026;zku z tym moĹźliwe jest, w celu diagnostyki niezgodnoĹ&#x203A;ci, prowadzenie i wykreĹ&#x203A;lanie kart kontrolnych z pierwszej wyróşnionej powyĹźej grupy, ktĂłrÄ&#x2026; szerzej przedstawiono na rys. 2. Na podstawie wykazanych powyĹźej analogii, autorzy wyraĹźajÄ&#x2026; przekonanie, iĹź podobnÄ&#x2026; analizÄ&#x2122; moĹźna przeprowadziÄ&#x2021; dla morskich informacji geoprzestrzennych/informacji nautycznych [4], zapewnianych np. przez Biuro Hydrograficzne P

NIE

NIE

Rys. 1. PrzykĹ&#x201A;ad karty kontrolnej [opracowanie wĹ&#x201A;asne] Fig. 1. Control chartâ&#x20AC;&#x2122;s example [own study]

70



U

T

O

M

I. *                   I.V.: !    Karty kontrolne dla zmiennych ocenianych liczbowo opisujÄ&#x2026; dane procesowe zarĂłwno pod kÄ&#x2026;tem rozrzutu (zmiennoĹ&#x203A;ci procesu), jak i poĹ&#x201A;oĹźenia (wartoĹ&#x203A;ci Ĺ&#x203A;redniej). Z tego powodu karty kontrolne tego typu sÄ&#x2026; prawie zawsze przygotowywane i analizowane w parach [14] â&#x20AC;&#x201C; jeden wykres dla poĹ&#x201A;oĹźenia, a drugi dla rozrzutu. W przypadku kart dla omawianych danych geoprzestrzennych naleĹźy przygotowaÄ&#x2021; dwa wykresy, zgodnie z zasadami przedstawionymi poniĹźej: â&#x2C6;&#x2019; za pomocÄ&#x2026; jednej karty moĹźna nadzorowaÄ&#x2021; jeden parametr ( albo R lub s), â&#x2C6;&#x2019; prĂłbki powinny mieÄ&#x2021; staĹ&#x201A;Ä&#x2026; liczebnoĹ&#x203A;Ä&#x2021;, â&#x2C6;&#x2019; rozkĹ&#x201A;ad danych powinien byÄ&#x2021; normalny albo co najmniej zbliĹźony do normalnego. WaĹźnym elementem jest rĂłwnieĹź wyznaczenie granic kontrolnych (gĂłrnej â&#x20AC;&#x201C; GLK oraz dolnej â&#x20AC;&#x201C; DLK) i linii centralnej karty (LC). Granice kontrolne powinny byÄ&#x2021; umieszczone symetrycznie po obu stronach linii centralnej, zazwyczaj w odlegĹ&#x201A;oĹ&#x203A;ci 3s od wartoĹ&#x203A;ci Ĺ&#x203A;redniej. SzczegĂłĹ&#x201A;owy sposĂłb wyznaczania granic kontrolnych zaleĹźy od rodzaju stosowanej karty, a ich obliczenia moĹźna dokonaÄ&#x2021; np. na bazie wzorĂłw, zamieszczonych w tabeli 1. LiniÄ&#x2122; centralnÄ&#x2026; natomiast wyznacza wartoĹ&#x203A;Ä&#x2021; Ĺ&#x203A;rednia ze wszystkich umieszczonych na karcie pomiarĂłw/wynikĂłw, a sposĂłb obliczenia rĂłwnieĹź zaleĹźy od rodzaju zastosowanej karty (tabela 1). A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


"* !  

Tabela 1. Wzory wyznaczania linii kontrolnych kart (na podstawie [14]) Table 1. Formulas allowing determination of chartsâ&#x20AC;&#x2122; control limits (based on [14]) Wykres

nych, a jednoczeĹ&#x203A;nie mierzonych danych i informacji lotniczych jest publikowana w Zbiorze Informacji Lotniczych AIP (ang. Aeronautical Information Publication) zgodnie z terminarzem AIRAC; ponadto przyjÄ&#x2122;cie takiego niezbyt dĹ&#x201A;ugiego okresu czasowego (a nie na przykĹ&#x201A;ad kwartalnego, pĂłĹ&#x201A;rocznego czy rocznego) umoĹźliwi bieĹźÄ&#x2026;ce wprowadzanie dziaĹ&#x201A;aĹ&#x201E; korygujÄ&#x2026;cych i naprawczych, â&#x2C6;&#x2019; zgodnie z zasadami okreĹ&#x203A;lonymi w [14] przy n = 2 do analizy danych naleĹźy przyjÄ&#x2026;Ä&#x2021; kartÄ&#x2122; wartoĹ&#x203A;ci Ĺ&#x203A;redniej oraz rozstÄ&#x2122;pu . Dla przyjÄ&#x2122;tej karty wspĂłĹ&#x201A;czynniki do obliczenia granic kontrolnych przedstawiono w tabeli 2.

oraz and

Wyznaczone granice kontrolne

Linia centralna (LC)

GĂłrna i dolna granica kontrolna lub

R s

gdzie:

I.-.$     

â&#x20AC;&#x201C; wartoĹ&#x203A;Ä&#x2021; Ĺ&#x203A;rednia ze wszystkich pomiarĂłw,

W opracowanym rozwiÄ&#x2026;zaniu na wybranej karcie kontrolnej Shewharta wartoĹ&#x203A;ci Ĺ&#x203A;redniej i rozstÄ&#x2122;pu zaznaczane bÄ&#x2122;dÄ&#x2026; bĹ&#x201A;Ä&#x2122;dy bezwzglÄ&#x2122;dne zmierzonych/obliczonych wartoĹ&#x203A;ci. Umieszczanie na karcie bĹ&#x201A;Ä&#x2122;du bezwzglÄ&#x2122;dnego zamiast samej wartoĹ&#x203A;ci zmierzonej wynika z nastÄ&#x2122;pujÄ&#x2026;cych przesĹ&#x201A;anek. Po pierwsze w procesie zapewniania jakoĹ&#x203A;ci interesujÄ&#x2026;cymi zmiennymi sÄ&#x2026; jej atrybuty, np. dokĹ&#x201A;adnoĹ&#x203A;Ä&#x2021; lub wystÄ&#x2122;powanie niezgodnoĹ&#x203A;ci procesowych, a nie konkretne wartoĹ&#x203A;ci bezwzglÄ&#x2122;dne zmierzonych/obliczonych punktĂłw. Ponadto czÄ&#x2122;sto w danej serii zbiorĂłw danych [22] (np. przeszkody lotnicze) mierzone sÄ&#x2026; róşne

k â&#x20AC;&#x201C; liczba prĂłbek, liczba mierzonych obiektĂłw/punktĂłw, â&#x20AC;&#x201C; wartoĹ&#x203A;Ä&#x2021; Ĺ&#x203A;rednia z wartoĹ&#x203A;ci Ĺ&#x203A;rednich, â&#x20AC;&#x201C; rozstÄ&#x2122;p Ĺ&#x203A;redni, â&#x20AC;&#x201C; wartoĹ&#x203A;Ä&#x2021; Ĺ&#x203A;rednia z odchyleĹ&#x201E; standardowych w poszczegĂłlnych prĂłbkach, A2, A3, B4, B3, D3, D4 â&#x20AC;&#x201C; wspĂłĹ&#x201A;czynniki, dobierane w zaleĹźnoĹ&#x203A;ci od liczebnoĹ&#x203A;ci kolejnych prĂłbek na podstawie specjalnych tabel (np. z tabeli 2 oraz [14]).

Tabela 2. WspĂłĹ&#x201A;czynniki sĹ&#x201A;uĹźÄ&#x2026;ce do wyznaczania linii kontrolnych karty lines (based on [14]) Table 2. Factors for computing control chartâ&#x20AC;&#x2122;s

LiczebnoĹ&#x203A;Ä&#x2021; prĂłbek w podgrupie n

(na podstawie [14])

WspĂłĹ&#x201A;czynnik linii centralnej

Wykres R

Wykres

A

A2

A3

D1

D2

D3

D4

d2

2

2,121

1,880

2,659

0

3,686

0

3,267

1,128

3

1,732

1,023

1,954

0

4,358

0

2,575

1,693

4

1,500

0,729

1,628

0

4,698

0

2,282

2,059

5

1,342

0,577

1,427

0

4,918

0

2,115

2,326

6

1,225

0,483

1,287

0

5,078

0

2,004

2,534

7

1,134

0,419

1,182

0,205

5,203

0,076

1,924

2,704

8

1,061

0,373

1,099

0,387

5,307

0,136

1,864

2,847

9

1,000

0,337

1,032

0,546

5,394

0,184

1,816

2,970

10

0,949

0,308

0,975

0,687

5,469

0,223

1,777

3,078

W odniesieniu do bÄ&#x2122;dÄ&#x2026;cych przedmiotem rozwaĹźaĹ&#x201E; danych geoprzestrzennych oraz uwzglÄ&#x2122;dniajÄ&#x2026;c specyfikÄ&#x2122; tych danych, Autorzy uznali, iĹź naleĹźy przyjÄ&#x2026;Ä&#x2021;, Ĺźe: â&#x2C6;&#x2019; liczebnoĹ&#x203A;Ä&#x2021; prĂłbek, czyli de facto liczba pomiarĂłw jednego obiektu/punktu/wartoĹ&#x203A;ci bÄ&#x2122;dzie staĹ&#x201A;a i wynosiÄ&#x2021; bÄ&#x2122;dzie n = 2; wynika to z potrzeby weryfikacji otrzymanego wyniku przez dwie niezaleĹźne osoby, wykonujÄ&#x2026;ce terenowe i kameralne prace geodezyjne; â&#x2C6;&#x2019; liczbÄ&#x2122; prĂłbek, czyli liczbÄ&#x2122; mierzonych punktĂłw/obiektĂłw/ wartoĹ&#x203A;ci, na poziomie kilkunastu do kilkudziesiÄ&#x2122;ciu z zaĹ&#x201A;oĹźeniem, iĹź liczba ta moĹźe siÄ&#x2122; zmieniaÄ&#x2021; w kolejnych okresach (np. w zaleĹźnoĹ&#x203A;ci od pory roku, potrzeb itp.); â&#x2C6;&#x2019; za okres tworzenia kolejnych kart przyjmuje siÄ&#x2122; kolejne cykle publikacyjne AIRAC [22], poniewaĹź wiÄ&#x2122;kszoĹ&#x203A;Ä&#x2021; zidentyfikowa-

obiekty, o róşnych wartoĹ&#x203A;ciach nominalnych, a technika ich pomiaru jest zbliĹźona. Wykorzystanie bĹ&#x201A;Ä&#x2122;du bezwzglÄ&#x2122;dnego na karcie Shewharta umoĹźliwi umieszczenie róşnych obiektĂłw ze wspĂłlnej grupy danych na jednej karcie. Opracowano i przyjÄ&#x2122;to nastÄ&#x2122;pujÄ&#x2026;cy algorytm postÄ&#x2122;powania przy tworzeniu takiej karty: a) wybierz k obiektĂłw/punktĂłw z danej grupy danych, b) dokonaj n = 2 pomiarĂłw kaĹźdego z k obiektĂłw/punktĂłw, c) oblicz bĹ&#x201A;Ä&#x2026;d bezwzglÄ&#x2122;dny bnk dla kaĹźdego z k zidentyfikowanych obiektĂłw/punktĂłw, przyjmujÄ&#x2026;c zgodnie z definicjÄ&#x2026;, iĹź bĹ&#x201A;Ä&#x2026;d bezwzglÄ&#x2122;dny to róşnica miÄ&#x2122;dzy wartoĹ&#x203A;ciÄ&#x2026; zmierzonÄ&#x2026;/ obliczonÄ&#x2026; a wartoĹ&#x203A;ciÄ&#x2026; nominalnÄ&#x2026;/rzeczywistÄ&#x2026; (b = xmâ&#x20AC;&#x201C; xn) â&#x20AC;&#x201C; tabela 3,

71


! /      * * (   ( * ^ 

  *  ( /

Obliczenia:

BĹ&#x201A;Ä&#x2026;d bezwzglÄ&#x2122;dny pomiaru n = 2

Ĺ&#x161;redni bĹ&#x201A;Ä&#x2026;d z pomiarĂłw n = 1 oraz n = 2

b1i

b2i

~ b i , gdzie i = 1, 2, â&#x20AC;Ś, k

1

b11

b21

~ b1

2

b12

b22

~ b2

3

b13

b23

~ b3

â&#x20AC;Ś

â&#x20AC;Ś

â&#x20AC;Ś

â&#x20AC;Ś

k

b1k

b2k

~ bk

Numer prĂłbki/numer punktu/obiektu

BĹ&#x201A;Ä&#x2026;d bezwzglÄ&#x2122;dny pomiaru n = 1

Tabela 3. Obliczenie bĹ&#x201A;Ä&#x2122;du bezwzglÄ&#x2122;dnego dla k obiektĂłw/punktĂłw przy n = 2 [opracowanie wĹ&#x201A;asne] Table 3. Calculation of the absolute error for k objects/points assuming n = 2 [own study]

gĂłrna i dolna wartoĹ&#x203A;Ä&#x2021; graniczna dla R:

gĂłrna i dolna wartoĹ&#x203A;Ä&#x2021; graniczna dla b :

~ d) oblicz wartoĹ&#x203A;Ä&#x2021; Ĺ&#x203A;redniÄ&#x2026; z wartoĹ&#x203A;ci Ĺ&#x203A;rednich b i gdzie i = 1, 2, â&#x20AC;Ś, k, rĂłwnÄ&#x2026; LC na karcie Shewharta dla wartoĹ&#x203A;ci Ĺ&#x203A;rednich, e) oblicz pozostaĹ&#x201A;e potrzebne wartoĹ&#x203A;ci do przygotowania karty Shewharta, czyli Ĺ&#x203A;redni rozstÄ&#x2122;p i granice kontrolne, zgodnie ze wzorami z tabeli 1 oraz wykorzystujÄ&#x2026;c wskaĹşniki z tabeli 2, f) przygotuj karty Shewharta dla rozstÄ&#x2122;pu i wartoĹ&#x203A;ci Ĺ&#x203A;rednich, nanoszÄ&#x2026;c na nie wszystkie k zidentyfikowanych obiektĂłw/ punktĂłw, g) dokonaj analizy wynikĂłw, odnieĹ&#x203A; uzyskane wyniki do wymagaĹ&#x201E; i specyfikacji, zawartych w obowiÄ&#x2026;zujÄ&#x2026;cych przepisach prawnych.

Uzyskane karty przedstawiono na rysunkach 3 i 4.

Karta kontrolna rozst pu - przykĹ&#x201A;ad Obliczone GLK = 0,84 [m]

LC = 0,257 [m]

I.I.   

Obliczone DLK = 0 [m]

W pewnym cyklu AIRAC zmierzono 7 przeszkĂłd lotniczych, uzyskujÄ&#x2026;c nastÄ&#x2122;pujÄ&#x2026;ce wyniki pomiarĂłw (tabela 4):

xm1i

xm2i

b1i

b2i

Ri

1

15

15,3

15,1

0,3

0,1

0,2

0,2

2

29

29,8

29,3

0,8

0,3

0,55

0,5

3

6

5,5

5,7

â&#x20AC;&#x201C;0,5

â&#x20AC;&#x201C;0,3

â&#x20AC;&#x201C;0,4

0,2

4

18

17,8

18,1

â&#x20AC;&#x201C;0,2

0,1

â&#x20AC;&#x201C;0,05

0,3

5

27

27,5

27,2

0,5

0,2

0,35

0,3

6

9,6

9,6

9,8

0

0,2

0,1

0,2

7

72

xn

17

16,8

16,7

P

O

M

â&#x20AC;&#x201C;0,2

I

A

â&#x20AC;&#x201C;0,3

R

Y

â&#x20AC;˘

â&#x20AC;&#x201C;0,25

A

U

O

2

3

4

5

6

7

nr prĂłbki, k

Karta kontrolna wartoĹ&#x203A;ci Ĺ&#x203A;redniej - przykĹ&#x201A;ad Obliczone GLK = 0,554 [m]

LC = 0,071 [m]

Obliczone DLK = -0,412 [m]

1

2

3

4

5

6

7

nr prĂłbki, k

Rys. 4. PrzykĹ&#x201A;adowa karta wartoĹ&#x203A;ci Ĺ&#x203A;rednich dla danych z przykĹ&#x201A;adu [opracowanie wĹ&#x201A;asne] Fig. 4. Exemplary mean chart based on the data from the example [own study]

0,1

T

1

Rys. 3. PrzykĹ&#x201A;adowa karta rozstÄ&#x2122;pu dla danych z przykĹ&#x201A;adu [opracowanie wĹ&#x201A;asne] Fig. 3. Exemplary range (R) chart based on data from the example [own study]

Tabela 4. Wyniki pomiarĂłw 7 przeszkĂłd lotniczych â&#x20AC;&#x201C; dane przykĹ&#x201A;adowe [opracowanie wĹ&#x201A;asne] Table 4. Measurement results of 7 aeronautical obstacles â&#x20AC;&#x201C; exemplary data [own study]

k [m]



M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


"* !  

L.  BieĹźÄ&#x2026;ce stosowanie kart kontrolnych Shewharta do mierzonych danych geoprzestrzennych uĹ&#x201A;atwi diagnostykÄ&#x2122; niezgodnoĹ&#x203A;ci w odniesieniu do wybranych atrybutĂłw jakoĹ&#x203A;ci, wynikajÄ&#x2026;cych wprost z wymagaĹ&#x201E; okreĹ&#x203A;lonych w specyfikacjach prawnych. Odpowiednio ustalony zakres wybranych danych i metadanych oraz wymagaĹ&#x201E; i kryteriĂłw zgodnoĹ&#x203A;ci umoĹźliwi bieĹźÄ&#x2026;ce diagnozowanie niezgodnoĹ&#x203A;ci i potencjalnych niezgodnoĹ&#x203A;ci w procesie tworzenia mierzonych danych geoprzestrzennych, a tym samym adekwatne okreĹ&#x203A;lanie i realizacjÄ&#x2122; dziaĹ&#x201A;aĹ&#x201E; korygujÄ&#x2026;cych i zapobiegawczych. Cykliczne prowadzenie karty kontrolnej umoĹźliwi rĂłwnieĹź ocenÄ&#x2122; skutecznoĹ&#x203A;ci tych dziaĹ&#x201A;aĹ&#x201E; w kolejnych iteracjach procesu, a tym samym jego ciÄ&#x2026;gĹ&#x201A;e doskonalenie i zmniejszanie prawdopodobieĹ&#x201E;stwa wystÄ&#x2026;pienia zdarzenia lotniczego lub innej sytuacji zagroĹźenia w ruchu lotniczym. W odniesieniu do danych geoprzestrzennych, stosowanych w lotnictwie cywilnym, w celu praktycznej implementacji opracowanej koncepcji celowym wydaje siÄ&#x2122; odniesienie wyznaczonych granic GLK i DLK do wymagaĹ&#x201E; i specyfikacji, zawartych w obowiÄ&#x2026;zujÄ&#x2026;cych przepisach prawnych. Dla najliczniejszej rozwaĹźanej grupy danych lotniczych, jakÄ&#x2026; sÄ&#x2026; dane geograficzne i geoprzestrzenne, wymagania jakoĹ&#x203A;ci danych lotniczych w postaci konkretnych wartoĹ&#x203A;ci rozdzielczoĹ&#x203A;ci, dokĹ&#x201A;adnoĹ&#x203A;ci oraz klasyfikacji spĂłjnoĹ&#x203A;ci specyfikuje Zharmonizowana Lista [19]. Podana w Zharmonizowanej LiĹ&#x203A;cie np. w metrach czy stopniach dokĹ&#x201A;adnoĹ&#x203A;Ä&#x2021; konkretnej danej powinna wiÄ&#x2122;c zostaÄ&#x2021; odniesiona do obliczonych granic kontrolnych kart Shewharta â&#x20AC;&#x201C; GLK i DLK. Zagadnienie to bÄ&#x2122;dzie przedmiotem dalszych prac AutorĂłw.

J 1 1. Dudek E., KozĹ&#x201A;owski M., Koncepcja zarzÄ&#x2026;dzania jakoĹ&#x203A;ciÄ&#x2026; danych lotniczych, â&#x20AC;&#x17E;Prace Naukowe Politechniki Warszawskiej. Transportâ&#x20AC;?, Z. 113, 2016, 141â&#x20AC;&#x201C;150, ISSN: 1230-9265. 2. Dudek E., KozĹ&#x201A;owski M., Koncepcja zastosowania metodyki DMAIC do zapewnienia jakoĹ&#x203A;ci danych lotniczych, [w:] Kwasiborska A. (red.) Transport lotniczy i jego otoczenie, WydziaĹ&#x201A; Transportu Politechniki Warszawskiej, 2016, 67â&#x20AC;&#x201C;78, ISBN: 978-83-7814-548-6. 3. Dudek E., KozĹ&#x201A;owski M., The concept of a method ensuring aeronautical data quality, â&#x20AC;&#x153;Journal of KONBiNâ&#x20AC;?, No. 1(37), 2016, 319â&#x20AC;&#x201C;340, DOI: 10.1515/jok-2016-0015. 4. Dyrcz Cz., Koncepcja bazy danych nawigacyjno-hydrograficznego zabezpieczenia (NHZ) na polskich obszarach morskich, â&#x20AC;&#x17E;Zeszyty Naukowe Akademii Marynarki Wojennejâ&#x20AC;?, R. 52, Nr 3 (186), 2011, 7â&#x20AC;&#x201C;13. 5. Dyrcz Cz., WpĹ&#x201A;yw informacji nautycznej na bezpieczeĹ&#x201E;stwo morskie, â&#x20AC;&#x17E;Zeszyty Naukowe Akademii Marynarki Wojennejâ&#x20AC;?, R. 51, Nr 4 (183), 2010, 51â&#x20AC;&#x201C;76. 6. Hamrol A., Mantura W., ZarzÄ&#x2026;dzanie jakoĹ&#x203A;ciÄ&#x2026;: teoria i praktyka, Wydawnictwo Naukowe PWN, Warszawa 2013. 7. International Aeronautical and Maritime Search and Rescue Manual; International Civil Aviation Organization (ICAO Doc 9731) / International Maritime Organization (IMO IAMSAR Manual), 2013. 8. Klinger G., Enabling INSPIRE for Aeronautical Information Management; MSc thesis, VDE Verlag, 2009, 121â&#x20AC;&#x201C;129. 9. KozĹ&#x201A;owski M., Dudek E., NOTAM jako bariera bezpieczeĹ&#x201E;stwa informacji lotniczych, artykuĹ&#x201A; zĹ&#x201A;oĹźony do druku w ramach VI MiÄ&#x2122;dzynarodowej Konferencji Naukowej BezpieczeĹ&#x201E;stwo w portach lotniczych i morskich, DÄ&#x2122;blin, wrzesieĹ&#x201E; 2016. 10. Krata P., Eliptyczne funkcje trygonometryczne w transporcie morskim â&#x20AC;&#x201C; koncepcja implementacji wybranych elemen-

tĂłw z lotnictwa, â&#x20AC;&#x17E;Prace WydziaĹ&#x201A;u Nawigacyjnego Akademii Morskiej w Gdyniâ&#x20AC;?, Nr 19, 2006, 85-99. 11. Kubicki K., Rola morskiej informacji geoprzestrzennej dla zabezpieczenia dziaĹ&#x201A;aĹ&#x201E; morskich, â&#x20AC;&#x17E;PrzeglÄ&#x2026;d Hydrograficznyâ&#x20AC;?, Nr 3, Biuro Hydrograficzne Marynarki Wojennej RP, Gdynia 2007. 12. Mazur A., GoĹ&#x201A;aĹ&#x203A;. H., Zasady, metody i techniki wykorzystywane w zarzÄ&#x2026;dzaniu jakoĹ&#x203A;ciÄ&#x2026;, Wydawnictwo Politechniki PoznaĹ&#x201E;skiej, PoznaĹ&#x201E; 2010. 13. Myszewski J., Po prostu jakoĹ&#x203A;Ä&#x2021;: podrÄ&#x2122;cznik zarzÄ&#x2026;dzania jakoĹ&#x203A;ciÄ&#x2026;, Wydawnictwa Akademickie i Profesjonalne, Warszawa 2009. 14. Norma ISO 7870-2:2013 Control charts â&#x20AC;&#x201C; Part 2: Shewhart control charts. 15. Norma PN-EN ISO 19115-1:2014 Informacja geograficzna â&#x20AC;&#x201C; Metadane â&#x20AC;&#x201C; CzÄ&#x2122;Ĺ&#x203A;Ä&#x2021; 1: Podstawy. 16. Norma PN-EN ISO 19157:2014:04 Informacja Geograficzna â&#x20AC;&#x201C; JakoĹ&#x203A;Ä&#x2021; danych (wersja angielska), Polski Komitet Normalizacyjny, Warszawa 2014. 17. Norma PN-ISO/IEC 27001:2007 Technika informatyczna â&#x20AC;&#x201C; Techniki bezpieczeĹ&#x201E;stwa â&#x20AC;&#x201C; Systemy zarzÄ&#x2026;dzania bezpieczeĹ&#x201E;stwem informacji, Polski Komitet Normalizacyjny, Warszawa 2007. 18. Schroth W.R., Aeronautical Data Quality â&#x20AC;&#x201C; A New Challenge for Surveyors; FIG Congress 2014 Engaging the Challenges â&#x20AC;&#x201C; Enhancing the Relevance Kuala Lumpur, Malaysia, 16â&#x20AC;&#x201C;21 June 2014. 19. Specyfikacja EUROCONTROL â&#x20AC;&#x201C; Wymagania jakoĹ&#x203A;ci danych lotniczych, Nr referencyjny dokumentu: EUROCONTROL-SPEC-152. 20. Wenguang X., Means for Avionics Manufacturers to Define the Aeronautical Data Quality Requirements, [in:] Proceedings of International Conference on Systems and Informatics (ICSAI 2012), 2383â&#x20AC;&#x201C;2387, DOI: 10.1109/ICSAI.2012.6223533. 21. ZaĹ&#x201A;Ä&#x2026;cznik 12 do Konwencji o MiÄ&#x2122;dzynarodowym Lotnictwie Cywilnym: Poszukiwanie i Ratownictwo; Aneks 12 ICAO, lipiec 2004. 22. ZaĹ&#x201A;Ä&#x2026;cznik 15 do Konwencji o MiÄ&#x2122;dzynarodowym Lotnictwie Cywilnym: SĹ&#x201A;uĹźby Informacji Lotniczej; Aneks 15 ICAO, lipiec 2013.

73


! /      * * (   ( * ^ 

  *  ( /



9 <      b #  <  8  <6

B    L" ) 

-$! &\ This article is a continuation of the Authorsâ&#x20AC;&#x2122; study on the ways to ensure the quality and safety of aeronautical data and information in the entire process of those data and information creation, collection, processing and publication. In its content a brief characteristic of geospatial data was placed and the necessity of their regular measurements was stressed. The general description of Shewhart control charts was presented and chartâ&#x20AC;&#x2122;s selection for the measured geospatial data used in civil aviation was made. Then the concept of selected Shewhart control chartâ&#x20AC;&#x2122;s utilization for diagnostics of measured geospatial data incompatibilities was developed, and operation algorithm as well as an example were attached. In the summary, references to the obtained results were made and further research directions were proposed, including, in particular, the reference of designated control limits to the requirements and specifications contained in the valid aeronautical law regulations, with a note that they are adequate to requirements and specifications as well as the purpose of use in maritime transport. KeywordsH   8    "

" " )   8 



;9 , E  "



;9 [&) @!"

* %%%

"% * %%%

     

      9"   9  ;    D  9    ; D    %        )"H "    ;    8   "A  8 ;   H   "  "    "   A H8%

(   LG9    E 8D 9     ; D    %M8      H   " "           )   " E    D   %( ;  )   )   G  "%%     "A H   " ) "  H%

74

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 21, Nr 3/2017, 75â&#x20AC;&#x201C;80, DOI: 10.14313/PAR_225/75

D)  8         "A  " [ !   &". - }!!"   D     D 9     9" 9  %@  /+&&;,,-D   

B 

 B& DG   6G  D   D 6G F 9%@   $,&$;//-D   

 !&  \ Systemy sygnalizacji wĹ&#x201A;amania i napadu wchodzÄ&#x2026; w skĹ&#x201A;ad elektronicznych systemĂłw alarmowych. SÄ&#x2026; instalowane w wielu obiektach infrastruktury krytycznej paĹ&#x201E;stwa. JednÄ&#x2026; z grup obiektĂłw wymagajÄ&#x2026;cych szczegĂłlnej ochrony sÄ&#x2026; obiekty transportowe, zarĂłwno stacjonarne jak i ruchome. Wytyczne zawarte w normie PN-EN 50131-1:2009 okreĹ&#x203A;lajÄ&#x2026; wymagania funkcjonalne. Do obowiÄ&#x2026;zkĂłw producenta urzÄ&#x2026;dzeĹ&#x201E; i projektanta naleĹźy takie zaprojektowanie systemu alarmowego, by realizowaĹ&#x201A; cele, dla ktĂłrych zostaĹ&#x201A; zainstalowany. JednoczeĹ&#x203A;nie eksploatowany system powinien charakteryzowaÄ&#x2021; siÄ&#x2122; wskaĹşnikami niezawodnoĹ&#x203A;ciowo-eksploatacyjnymi o odpowiednich wartoĹ&#x203A;ciach. W artykule przedstawiono rozwaĹźania z tego zakresu, przy czym szczegĂłlnÄ&#x2026; uwagÄ&#x2122; zwrĂłcono na prawdopodobieĹ&#x201E;stwa przebywania systemu w wyróşnionych stanach. 8 H ]     ")    " 8   "     F;'F+&.$.;.V-&&K<

   

1. Wprowadzenie WymĂłg zapewnienia odpowiedniego poziomu bezpieczeĹ&#x201E;stwa w obiektach publicznych jest bardzo istotny. Z tego wzglÄ&#x2122;du RzÄ&#x2026;dowe Centrum BezpieczeĹ&#x201E;stwa opracowaĹ&#x201A;o dokument Narodowy Program Ochrony Infrastruktury Krytycznej obowiÄ&#x2026;zujÄ&#x2026;cy w Rzeczypospolitej Polskiej. Wymieniono w nim 11 systemĂłw, ktĂłre sÄ&#x2026; zaliczane do infrastruktury krytycznej paĹ&#x201E;stwa [11]: â&#x2C6;&#x2019; zaopatrzenia w energiÄ&#x2122;, surowce energetyczne i paliwa, â&#x2C6;&#x2019; Ĺ&#x201A;Ä&#x2026;cznoĹ&#x203A;ci, â&#x2C6;&#x2019; sieci teleinformatycznych, â&#x2C6;&#x2019; finansowe, â&#x2C6;&#x2019; zaopatrzenia w ĹźywnoĹ&#x203A;Ä&#x2021;, â&#x2C6;&#x2019; zaopatrzenia w wodÄ&#x2122;, â&#x2C6;&#x2019; ochrony zdrowia, â&#x2C6;&#x2019; transportowe, â&#x2C6;&#x2019; ratownicze, â&#x2C6;&#x2019; zapewniajÄ&#x2026;ce ciÄ&#x2026;gĹ&#x201A;oĹ&#x203A;Ä&#x2021; dziaĹ&#x201A;ania administracji publicznej, â&#x2C6;&#x2019; produkcji, skĹ&#x201A;adowania, przechowywania i stosowania substancji chemicznych i promieniotwĂłrczych, w tym rurociÄ&#x2026;gi substancji niebezpiecznych.

' " H ( "C   * %%% '        ..%&J%-&./% --%&K%-&./%             !"" #     $%&

PrawidĹ&#x201A;owe funkcjonowanie wymienionych systemĂłw jest niezbÄ&#x2122;dne dla zapewnienia ciÄ&#x2026;gĹ&#x201A;oĹ&#x203A;ci funkcjonowania struktur administracyjnych kraju. Takie podejĹ&#x203A;cie umoĹźliwia zapewnienie okreĹ&#x203A;lonego poziomu bezpieczeĹ&#x201E;stwa obywateli. WĹ&#x203A;rĂłd wymienionych systemĂłw jednym z istotniejszych jest transport. W skĹ&#x201A;ad niego zaliczono [11]: â&#x2C6;&#x2019; transport kolejowy, â&#x2C6;&#x2019; transport samochodowy, â&#x2C6;&#x2019; transport lotniczy, â&#x2C6;&#x2019; transport rurociÄ&#x2026;gowy, â&#x2C6;&#x2019; ĹźeglugÄ&#x2122; Ĺ&#x203A;rĂłdlÄ&#x2026;dowÄ&#x2026;, â&#x2C6;&#x2019; ĹźeglugÄ&#x2122; morskÄ&#x2026;. Aby zapewniÄ&#x2021; bezpieczeĹ&#x201E;stwo osobom korzystajÄ&#x2026;cym ze Ĺ&#x203A;rodkĂłw transportowych i przewoĹźonym towarom, wymaga siÄ&#x2122; zagwarantowania odpowiedniego poziomu bezpieczeĹ&#x201E;stwa obiektom transportowym. Z tego teĹź wzglÄ&#x2122;du stosuje siÄ&#x2122; w transportowych obiektach (zarĂłwno stacjonarnych [4, 16, 22] jak i ruchomych [5]) systemy ochrony elektronicznej. ZwiÄ&#x2122;kszajÄ&#x2026; one poziom bezpieczeĹ&#x201E;stwa w chronionych obszarach. W skĹ&#x201A;ad tych systemĂłw zaliczamy: â&#x2C6;&#x2019; system sygnalizacji wĹ&#x201A;amania i napadu (SSWiN), â&#x2C6;&#x2019; system sygnalizacji poĹźaru, â&#x2C6;&#x2019; system kontroli dostÄ&#x2122;pu, â&#x2C6;&#x2019; system monitoringu wizyjnego, â&#x2C6;&#x2019; system ochrony terenĂłw zewnÄ&#x2122;trznych. Ochrona wynikajÄ&#x2026;ca z funkcjonowania tych systemĂłw, doĹ&#x203A;Ä&#x2021; czÄ&#x2122;sto jest uzupeĹ&#x201A;niana przez systemy: â&#x2C6;&#x2019; sygnalizacji stanu zdrowia lub zagroĹźenia osobistego, â&#x2C6;&#x2019; sygnalizacji zagroĹźeĹ&#x201E; Ĺ&#x203A;rodowiska, â&#x2C6;&#x2019; przeciwkradzieĹźowe, â&#x2C6;&#x2019; dĹşwiÄ&#x2122;kowe systemy ostrzegawcze, â&#x2C6;&#x2019; zabezpieczenia samochodĂłw przed wĹ&#x201A;amaniem i uprowadzeniem.

75


 (*      * ^  /    & 

Odpowiedni poziom bezpieczeĹ&#x201E;stwa, jaki majÄ&#x2026; zapewniÄ&#x2021; obiektom transportowym systemy ochrony elektronicznej, zaleĹźy nie tylko od skutecznoĹ&#x203A;ci zastosowanych poszczegĂłlnych systemĂłw [18], ale takĹźe od prawidĹ&#x201A;owego ich zaprojektowania i uwzglÄ&#x2122;dnienia wytycznych zawartych w odpowiednich normach. Jednym z waĹźniejszych dokumentĂłw jest norma PN-EN 50131-1:2009 Systemy alarmowe â&#x20AC;&#x201C; Systemy sygnalizacji wĹ&#x201A;amania i napadu â&#x20AC;&#x201C; CzÄ&#x2122;Ĺ&#x203A;Ä&#x2021; 1: Wymagania systemowe. Zawiera one szczegĂłĹ&#x201A;owe wytyczne dotyczÄ&#x2026;ce wymagaĹ&#x201E; SSWiN. W dokumencie tym nie uwzglÄ&#x2122;dniono bezpoĹ&#x203A;rednio wytycznych z zakresu niezawodnoĹ&#x203A;ci i eksploatacji, ale sÄ&#x2026; one czÄ&#x2122;Ĺ&#x203A;ciowo opisane przy poszczegĂłlnych aspektach projektowania (np. wymagania odnoĹ&#x203A;nie zasilania podstawowego i rezerwowego). Systemy sygnalizacji wĹ&#x201A;amania i napadu stosowane w obiektach infrastruktury krytycznej, a w szczegĂłlnoĹ&#x203A;ci w obiektach transportowych, powinny cechowaÄ&#x2021; siÄ&#x2122; speĹ&#x201A;nieniem wielu specyficznych wymagaĹ&#x201E;. Do najwaĹźniejszych z nich moĹźna zaliczyÄ&#x2021; m.in. duĹźÄ&#x2026; efektywnoĹ&#x203A;Ä&#x2021; funkcjonowania i wykrycia zagroĹźeĹ&#x201E; (w szczegĂłlnoĹ&#x203A;ci zwiÄ&#x2026;zanych z aktami terrorystycznymi), miniaturyzacjÄ&#x2122;, odpowiednie wartoĹ&#x203A;ci wskaĹşnikĂłw niezawodnoĹ&#x203A;ciowo-eksploatacyjnych [12, 15], moĹźliwoĹ&#x203A;Ä&#x2021; diagnozowania podsystemĂłw z uwzglÄ&#x2122;dnieniem jakoĹ&#x203A;ci informacji [17], odpornoĹ&#x203A;Ä&#x2021; na zakĹ&#x201A;Ăłcenia elektromagnetyczne [6, 13, 14] i wibracje [2]. SpeĹ&#x201A;nienie tych oczekiwaĹ&#x201E; wymaga opracowania wiarygodnych modeli niezawodnoĹ&#x203A;ciowo-eksploatacyjnych tych systemĂłw. Z tego wzglÄ&#x2122;du w artykule zaprezentowano rozwaĹźania z tego obszaru.

doĹ&#x201A;Ä&#x2026;czone sÄ&#x2026; poszczegĂłlne linie dozorowe, na ktĂłrych sÄ&#x2026; umieszczone czujki wykrywajÄ&#x2026;ce zagroĹźenia. Do CA doĹ&#x201A;Ä&#x2026;czone sÄ&#x2026; takĹźe linie wyjĹ&#x203A;ciowe, na ktĂłrych sÄ&#x2026; umieszczone sygnalizatory i/lub systemy transmisji alarmu. Komunikacja miÄ&#x2122;dzy SSWiN a uĹźytkowaniem (wczeĹ&#x203A;niej instalatorem) odbywa siÄ&#x2122; przez interfejsy czĹ&#x201A;owiek-system (np. klawiatury, piloty bezprzewodowe, aplikacje zainstalowane w komputerze lub smartfonie). Takie rozwiÄ&#x2026;zania SSWiN majÄ&#x2026; w maĹ&#x201A;ych obiektach strukturÄ&#x2122; skupionÄ&#x2026;, czyli wszystkie urzÄ&#x2026;dzenia koĹ&#x201E;cowe sÄ&#x2026; podĹ&#x201A;Ä&#x2026;czone bezpoĹ&#x203A;rednio do pĹ&#x201A;yty gĹ&#x201A;Ăłwnej centrali alarmowej [18] (rys. 1).

-.            SSWiN

W obiektach transportowych system sygnalizacji wĹ&#x201A;amania i napadu o strukturze skupionej nie jest popularny ze wzglÄ&#x2122;du na fakt, iĹź liczba linii dozorowych nie przekracza najczÄ&#x2122;Ĺ&#x203A;ciej 16. PoniewaĹź obiekty transportowe charakteryzujÄ&#x2026; siÄ&#x2122; duĹźÄ&#x2026; rozlegĹ&#x201A;oĹ&#x203A;ciÄ&#x2026; terytorialnÄ&#x2026;, to wymagajÄ&#x2026; SSWiN o strukturze rozproszonej. W tego rodzaju systemach stosuje siÄ&#x2122; cyfrowe magistrale transmisyjne, do ktĂłrych sÄ&#x2026; podĹ&#x201A;Ä&#x2026;czone moduĹ&#x201A;y realizujÄ&#x2026;ce okreĹ&#x203A;lone funkcje (np. rozszerzeniowe wejĹ&#x203A;Ä&#x2021;, rozszerzeniowe wyjĹ&#x203A;Ä&#x2021;, podcentrale, konwertery interfejsĂłw). Obecnie dane miÄ&#x2122;dzy centralÄ&#x2026; alarmowÄ&#x2026; a poszczegĂłlnymi moduĹ&#x201A;ami sÄ&#x2026; najczÄ&#x2122;Ĺ&#x203A;ciej przesyĹ&#x201A;ane z zastosowaniem zmodyfikowanego formatu transmisji RS-485 lub zbliĹźonego, ktĂłry jest opracowany przez producenta. Przedstawiony na rys. 2 schemat systemu sygnalizacji wĹ&#x201A;amania i napadu w wersji rozproszonej, jest stosowany najczÄ&#x2122;Ĺ&#x203A;ciej do obiektĂłw transportowych, ktĂłre wymagajÄ&#x2026; duĹźej liczby linii dozorowych (przewaĹźnie powyĹźej 32). Zazwyczaj kilka linii dozorowych (4â&#x20AC;&#x201C;16) doprowadza siÄ&#x2122; bezpoĹ&#x203A;rednio do listwy Ĺ&#x201A;Ä&#x2026;czeniowej pĹ&#x201A;yty gĹ&#x201A;Ăłwnej centrali alarmowej. SÄ&#x2026; na nich umieszczone czujki usytuowane najbliĹźej centrali alarmowej. PozostaĹ&#x201A;e czujki sÄ&#x2026; doĹ&#x201A;Ä&#x2026;czone do moduĹ&#x201A;Ăłw rozszerzeniowych wejĹ&#x203A;ciowych (przewaĹźnie 8-wejĹ&#x203A;ciowych). DuĹźa róşnorodnoĹ&#x203A;Ä&#x2021; central alarmowych i ich konfiguracji powoduje, iĹź projektanci realizujÄ&#x2026; SSWiN z zastosowaniem róşnych struktur niezawodnoĹ&#x203A;ciowych (szeregowe, szeregowo-rĂłwnolegĹ&#x201A;e, rĂłwnolegĹ&#x201A;e) [1, 21]. Konieczna jest analiza porĂłwnawcza tego typu rozwiÄ&#x2026;zaĹ&#x201E;, ktĂłra umoĹźliwi stosowanie racjonalnych wariantĂłw dla zaĹ&#x201A;oĹźonych kryteriĂłw wyboru.

Rys. 1. System sygnalizacji wĹ&#x201A;amania i napadu o strukturze skupionej Fig. 1. Compact Intrusion Alarm System

Zaprojektowanie oraz realizacja systemu sygnalizacji wĹ&#x201A;amania i napadu dla duĹźego i rozlegĹ&#x201A;ego obiektu transportowego wymaga wiedzy technicznej oraz znacznego doĹ&#x203A;wiadczenia. Jednym z gĹ&#x201A;Ăłwnych kryteriĂłw uwzglÄ&#x2122;dnianych na poczÄ&#x2026;tku procesu projektowania SSWiN jest okreĹ&#x203A;lenie stopnia zabezpieczenia, ktĂłry ma wpĹ&#x201A;yw na dobĂłr struktur systemu i urzÄ&#x2026;dzeĹ&#x201E;. W normie PN-EN 50131-1:2009 (jest to wprowadzenie normy EN 50131-1:2006 Alarm systems â&#x20AC;&#x201C; Intrusion and hold-up systems â&#x20AC;&#x201C; Part 1: System requirements opracowanej przez European Committee for Electrotechnical Standardization CENELEC) wyróşniono nastÄ&#x2122;pujÄ&#x2026;ce cztery stopnie zabezpieczenia [8]: â&#x2C6;&#x2019; stopieĹ&#x201E; 1: Ryzyko maĹ&#x201A;e (zakĹ&#x201A;ada siÄ&#x2122;, Ĺźe intruz bÄ&#x2122;dzie miaĹ&#x201A; niewielkÄ&#x2026; wiedzÄ&#x2122; na temat systemu alarmowego i posiadaĹ&#x201A; Ĺ&#x201A;atwo dostÄ&#x2122;pne narzÄ&#x2122;dzia w ograniczonym wyborze), â&#x2C6;&#x2019; stopieĹ&#x201E; 2: Ryzyko maĹ&#x201A;e do Ĺ&#x203A;redniego (zakĹ&#x201A;ada siÄ&#x2122;, Ĺźe intruz bÄ&#x2122;dzie miaĹ&#x201A; niewielkÄ&#x2026; wiedzÄ&#x2122; na temat systemu alarmowego i posiadaĹ&#x201A; ogĂłlnodostÄ&#x2122;pne narzÄ&#x2122;dzia i przenoĹ&#x203A;ne urzÄ&#x2026;dzenia, np. pomiarowe), â&#x2C6;&#x2019; stopieĹ&#x201E; 3: Ryzyko Ĺ&#x203A;rednie do wysokiego (zakĹ&#x201A;ada siÄ&#x2122;, Ĺźe intruz bÄ&#x2122;dzie znaĹ&#x201A; biegle system alarmowy i posiadaĹ&#x201A; zestawy zaawansowanych narzÄ&#x2122;dzi i przenoĹ&#x203A;nego sprzÄ&#x2122;tu elektronicznego), â&#x2C6;&#x2019; stopieĹ&#x201E; 4: Ryzyko wysokie (ma zastosowanie, gdy bezpieczeĹ&#x201E;stwo ma priorytet nad wszystkimi innymi czynnikami; zakĹ&#x201A;ada siÄ&#x2122;, Ĺźe intruz bÄ&#x2122;dzie posiadaĹ&#x201A; zdolnoĹ&#x203A;ci i/lub Ĺ&#x203A;rodki by szczegĂłĹ&#x201A;owo zaplanowaÄ&#x2021; wĹ&#x201A;amanie i posiadaĹ&#x201A; zestaw dowolnego sprzÄ&#x2122;tu, Ĺ&#x201A;Ä&#x2026;cznie ze Ĺ&#x203A;rodkami do zastÄ&#x2026;pienia kluczowych elementĂłw elektronicznego systemu alarmowego). Po przyjÄ&#x2122;ciu przez projektanta okreĹ&#x203A;lonego stopnia zabezpieczenia, jaki SSWiN ma speĹ&#x201A;niaÄ&#x2021;, dobierane sÄ&#x2026; urzÄ&#x2026;dzenia, ktĂłre umoĹźliwiajÄ&#x2026; realizacjÄ&#x2122; przyjÄ&#x2122;tych wymagĹ&#x201E;. NajwaĹźniejszym elementem systemu sygnalizacji wĹ&#x201A;amania i napadu jest pĹ&#x201A;yta gĹ&#x201A;Ăłwna centrali alarmowej. Ona decyduje o moĹźliwoĹ&#x203A;ciach funkcjonalnych caĹ&#x201A;ego projektowanego systemu. Obecnie jest to najczÄ&#x2122;Ĺ&#x203A;ciej mikroprocesorowa centrala alarmowa (CA). Do niej

76

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

I.'   +  ((:& w wersji rozproszonej AnalizujÄ&#x2026;c strukturÄ&#x2122; i funkcjonowanie systemu sygnalizacji wĹ&#x201A;amania i napadu (rys. 2) moĹźna stwierdziÄ&#x2021;, iĹź ma on strukturÄ&#x2122; niezawodnoĹ&#x203A;ciowÄ&#x2026; typu szeregowo-rĂłwnolegĹ&#x201A;ego [3, 7, 10] (rys. 3). Uszkodzenie centrali alarmowej skutkuje niezdatnoĹ&#x203A;ciÄ&#x2026; systemu. Uszkodzenie jednej z magistral transmisyjnych skutkuje stanem niezdatnoĹ&#x203A;ci czÄ&#x2122;Ĺ&#x203A;ci systemu, a dokĹ&#x201A;adniej moduĹ&#x201A;Ăłw znajdujÄ&#x2026;cych siÄ&#x2122; na danej magistrali.

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


   (  * K  C * 

16

LEGENDA: Czujka pasywnej podczerwieni C57 C58 C59 C60 C61 C62 C63 C64 C49 C50 C51 C52 C53 C54 C55 C56 C41 C42 C43 C44 C45 C46 C47 C48 C33 C34 C35 C36 C37 C38 C39 C40 C25 C26 C27 C28 C29 C30 C31 C32

AKUMULATOR 17Ah / 12V

L1 L2 . . .

15

Czujka pasywnej podczerwieni kurtyna Przycisk napadowy radiowy

6

AKUMULATOR 17Ah / 12V

Przycisk napadowy stacjonarny

. . L8

14 AKUMULATOR 17Ah / 12V

L1 L2 . . .

5 13

. . L8

SYGN. wewn .

AKUMULATOR 17Ah / 12V

L1 L2 . . .

4

12

parter

. . L8 11

L1 L2 . . .

3

AKUMULATOR 17Ah / 12V

parter

. . L8 L1

10 parter

L2 . . . . . L8

Komputer nadzoru umieszczony w pom. ochrony

2 parter

9 parter

SYGN. zewn .

Manipulator S2 OK

C17

L1

C18 C19 C20 C21 C22 C23 C24

L2

SYGN. wewn .

OK

AKUMULATOR 17Ah / 12V

Manipulator S1

.

1

. . .

8 piwnica

parter OK

AKUMULATOR 17Ah / 12V

L8

Manipulator S3

Magistrale transmisyjne SSWiN

7 piwnica

Drukarka

AKUMULATOR 17Ah / 12V

C10 C11 C12 C13

L10 L11 L12 L13

Dialer wewn.

Jednostka centralna SSWiN

Linia telefoniczna

AKUMULATOR

SYGN. Wewn.

zgodna z wymaganiami 18V/AC

Rys. 2. System sygnalizacji wÅ&#x201A;amania i napadu o strukturze rozproszonej Fig. 2. Distributed Intrusion Alarm System

77


 (*      * ^  /    & 

   KorzystajÄ&#x2026;c z zaleĹźnoĹ&#x203A;ci (1â&#x20AC;&#x201C;3) dokonano symulacji obliczeniowej dla nastÄ&#x2122;pujÄ&#x2026;cych wartoĹ&#x203A;ci wejĹ&#x203A;ciowych: â&#x2C6;&#x2019; czas obserwacji systemu â&#x20AC;&#x201C; 1 rok = 8760 godz., â&#x2C6;&#x2019; liczba badanych systemĂłw: 100 (o strukturze z rys. 3), â&#x2C6;&#x2019; podczas obserwacji stwierdzono, Ĺźe uszkodzeniu ulegĹ&#x201A;y: â&#x2C6;&#x2019; centrala â&#x20AC;&#x201C; 1 szt., â&#x2C6;&#x2019; moduĹ&#x201A;y rozszerzajÄ&#x2026;ce magistrali A â&#x20AC;&#x201C; 3 szt., â&#x2C6;&#x2019; moduĹ&#x201A;y rozszerzajÄ&#x2026;ce magistrali B â&#x20AC;&#x201C; 2 szt. PoniewaĹź stosowane sÄ&#x2026; urzÄ&#x2026;dzenia elektroniczne [19, 20], to zaĹ&#x201A;oĹźono wykĹ&#x201A;adniczy rozkĹ&#x201A;ad czasu zdatnoĹ&#x203A;ci. Otrzymano nastÄ&#x2122;pujÄ&#x2026;ce wartoĹ&#x203A;ci prawdopodobieĹ&#x201E;stw przebywania systemu w: â&#x2C6;&#x2019; stanie peĹ&#x201A;nej zdatnoĹ&#x203A;ci RO: 0,9603 â&#x2C6;&#x2019; stanie zagroĹźenia bezpieczeĹ&#x201E;stwa QZB1: 0,02955 â&#x2C6;&#x2019; stanie zawodnoĹ&#x203A;ci bezpieczeĹ&#x201E;stwa QB: 0,01015 PowyĹźsze wartoĹ&#x203A;ci zostaĹ&#x201A;y obliczone na podstawie rĂłwnaĹ&#x201E; (1â&#x20AC;&#x201C;3) z wykorzystaniem autorskiego programu komputerowego Wspomaganie Decyzji NiezawodnoĹ&#x203A;ciowo-Eksploatacyjnych Transportowych SystemĂłw Nadzoru.

Rys. 3. Struktura niezawodnoĹ&#x203A;ciowa SSWiN z dwoma magistralami transmisyjnymi Fig. 3. Reliability structure of SSWiN with two transmission lines

W wyniku analizy rzeczywistych systemĂłw sygnalizacji wĹ&#x201A;amania i napadu i ich struktury niezawodnoĹ&#x203A;ciowej (rys. 3), autorzy zaproponowali graf relacji zachodzÄ&#x2026;cych w rozproszonym systemie alarmowym. Relacje zachodzÄ&#x2026;ce w systemie dla rzeczywistego obiektu zostaĹ&#x201A;y przedstawione na rys. 4. B

4. Podsumowanie i wnioski ZB1

W artykule zaprezentowano zagadnienia dotyczÄ&#x2026;ce analizy niezawodnoĹ&#x203A;ciowej systemĂłw sygnalizacji wĹ&#x201A;amania i napadu. Scharakteryzowano SSWiN o strukturze skupionej i rozproszonej, przy czym uwzglÄ&#x2122;dniono zarĂłwno wymagania zawarte w normie PN-EN 50131-1:2009, jak i doĹ&#x203A;wiadczenia autorĂłw zwiÄ&#x2026;zane z projektowaniem i eksploatacjÄ&#x2026; systemĂłw alarmowych. SzczegĂłlnÄ&#x2026; uwagÄ&#x2122; zwrĂłcono na system o strukturze rozproszonej z dwoma magistralami transmisyjnymi. Tego typu rozwiÄ&#x2026;zanie jest bardzo czÄ&#x2122;sto stosowane w zabezpieczeniu rozproszonych obiektĂłw transportowych. Przeprowadzone rozwaĹźania niezawodnoĹ&#x203A;ciowe pozwoliĹ&#x201A;y na otrzymanie zaleĹźnoĹ&#x203A;ci umoĹźliwiajÄ&#x2026;cych wyznaczenie wartoĹ&#x203A;ci prawdopodobieĹ&#x201E;stw przebywania rozwaĹźanego SSWiN odpowiednio w stanach: peĹ&#x201A;nej zdatnoĹ&#x203A;ci, zagroĹźenia bezpieczeĹ&#x201E;stwa i zawodnoĹ&#x203A;ci bezpieczeĹ&#x201E;stwa. Praktyczne zastosowanie otrzymanych rozwiÄ&#x2026;zaĹ&#x201E; umoĹźliwia porĂłwnanie systemĂłw juĹź na etapie projektowania i wybĂłr okreĹ&#x203A;lonego (przy przyjÄ&#x2122;tych kryteriach wyboru). W dalszych rozwaĹźaniach planuje siÄ&#x2122; uwzglÄ&#x2122;dnienie czynnoĹ&#x203A;ci obsĹ&#x201A;ugowych przywracajÄ&#x2026;cych zdatnoĹ&#x203A;Ä&#x2021; systemu.

ZB2

RO(t)

QZB1(t)

QB(t)

RO(t)

â&#x20AC;&#x201C; funkcja prawdopodobieĹ&#x201E;stwa przebywania systemu w stanie peĹ&#x201A;nej zdatnoĹ&#x203A;ci SPZ QZB(t) â&#x20AC;&#x201C; funkcja prawdopodobieĹ&#x201E;stwa przebywania systemu w stanie zagroĹźenia bezpieczeĹ&#x201E;stwa SZB QB(t) â&#x20AC;&#x201C; funkcja prawdopodobieĹ&#x201E;stwa przebywania systemu w stanie zawodnoĹ&#x203A;ci bezpieczeĹ&#x201E;stwa SB ÎťB â&#x20AC;&#x201C; intensywnoĹ&#x203A;Ä&#x2021; przejĹ&#x203A;cia centrali alarmowej ÎťZB1, ÎťZB2 â&#x20AC;&#x201C; intensywnoĹ&#x203A;Ä&#x2021; przejĹ&#x203A;Ä&#x2021; magistrali (odpowiednio A i B) Rys. 4. Relacje zachodzÄ&#x2026;ce w SSWiN Fig. 4. Relations in SSWiN

StosujÄ&#x2026;c przeksztaĹ&#x201A;cenia matematyczne [9] otrzymuje siÄ&#x2122; zaleĹźnoĹ&#x203A;ci, ktĂłre umoĹźliwiajÄ&#x2026; wyznaczenie wartoĹ&#x203A;ci prawdopodobieĹ&#x201E;stw przebywania rozwaĹźanego systemu sygnalizacji wĹ&#x201A;amania i napadu w wyróşnionych stanach: â&#x2C6;&#x2019; stan peĹ&#x201A;nej zdatnoĹ&#x203A;ci SPZ

J 1 1.

(1) â&#x2C6;&#x2019; stan zagroĹźenia bezpieczeĹ&#x201E;stwa SZB

2.

(2) 3. â&#x2C6;&#x2019; stan zawodnoĹ&#x203A;ci bezpieczeĹ&#x201E;stwa SB 4.

5.

BÄ&#x2122;dkowski L., DÄ&#x2026;browski T., Podstawy eksploatacji, cz. II Podstawy niezawodnoĹ&#x203A;ci eksploatacyjnej. Wojskowa Akademia Techniczna, Warszawa 2006. Burdzik R., Konieczny Ĺ ., Research on structure, propagation and exposure to general vibration in passenger car for different damping parameters. â&#x20AC;&#x153;Journal of Vibroengineeringâ&#x20AC;?, Vol. 15, Iss. 4, 2013, 1680â&#x20AC;&#x201C;1688. Dyduch J., PaĹ&#x203A; J., RosiĹ&#x201E;ski A., Podstawy eksploatacji transportowych systemĂłw elektronicznych. Wydawnictwo Politechniki Radomskiej, Radom 2011. Kierzkowski A., Kisiel T., Airport security screeners reliability analysis. [in:] â&#x20AC;&#x153;Proceedings of the IEEE International Conference on Industrial Engineering and Engineering Management IEEM 2015â&#x20AC;?, Singapore 2015, 1158â&#x20AC;&#x201C;1163, DOI: 10.1109/IEEM.2015.7385830. Ĺ ubkowski P, Laskowski D., Selected issues of reliable identification of object in transport systems using video monitoring services. [in:] â&#x20AC;&#x17E;Communication in Computer

(3)

78

P

O

M

I

A

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


   (  * K  C * 

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

and Information Scienceâ&#x20AC;?, editor: J. Mikulski, Springer, 2015, Vol. 471, 59â&#x20AC;&#x201C;68, DOI: 10.1007/978-3-662-45317-9_7. PaĹ&#x203A; J., Siergiejczyk M., Interference impact on the electronic safety system with a parallel structure. â&#x20AC;&#x153;Diagnostykaâ&#x20AC;?, Vol. 17, No. 1, 2016, 49â&#x20AC;&#x201C;55. PaĹ&#x203A; J., Eksploatacja elektronicznych systemĂłw transportowych. Uniwersytet Technologiczno-Humanistyczny, Radom 2015. PN-EN 50131-1:2009 â&#x20AC;&#x201C; Systemy alarmowe â&#x20AC;&#x201C; Systemy sygnalizacji wĹ&#x201A;amania i napadu â&#x20AC;&#x201C; CzÄ&#x2122;Ĺ&#x203A;Ä&#x2021; 1: Wymagania systemowe. RosiĹ&#x201E;ski A., Metoda wyboru strategii eksploatacji w transportowych systemach nadzoru. Rozprawa doktorska, Politechnika Warszawska, Warszawa 2006. RosiĹ&#x201E;ski A., Modelowanie procesu eksploatacji systemĂłw telematyki transportu. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2015. RzÄ&#x2026;dowe Centrum BezpieczeĹ&#x201E;stwa, Narodowy program ochrony infrastruktury krytycznej. ZaĹ&#x201A;Ä&#x2026;cznik 1: Charakterystyka systemĂłw infrastruktury krytycznej, Warszawa 2013. Siergiejczyk M., Krzykowska K., RosiĹ&#x201E;ski A., Reliability assessment of integrated airport surface surveillance system. [in:] â&#x20AC;&#x17E;Proceedings of the Tenth International Conference on Dependability and Complex Systems DepCoS-RELCOMEXâ&#x20AC;?, â&#x20AC;&#x17E;Advances in intelligent systems and computingâ&#x20AC;?, Vol. 365. Springer 2015, 435â&#x20AC;&#x201C;443, DOI: 10.1007/978-3-319-19216-1_41. Siergiejczyk M., PaĹ&#x203A; J., RosiĹ&#x201E;ski A., Issue of reliabilityâ&#x20AC;&#x201C; exploitation evaluation of electronic transport systems used in the railway environment with consideration of electromagnetic interference. â&#x20AC;&#x153;IET Intelligent Transport Systemsâ&#x20AC;?, Vol. 10, Iss. 9, 2016, 587â&#x20AC;&#x201C;593, DOI: 10.1049/iet-its.2015.0183. Siergiejczyk M., RosiĹ&#x201E;ski A., Reliability analysis of electronic protection systems using optical links. [in:] Zamojski W., Kacprzyk J., Mazurkiewicz J., Sugier J., Walkowiak T. (eds), â&#x20AC;&#x17E;Dependable Computer Systemsâ&#x20AC;?, â&#x20AC;&#x17E;Advances in intelligent and soft computingâ&#x20AC;?, Vol. 97. Springer-Verlag, Berlin Heidelberg 2011, DOI: 10.1007/978-3-642-21393-9_15. Siergiejczyk M., RosiĹ&#x201E;ski A., Krzykowska K., Reliability assessment of supporting satellite system EGNOS. [in:] Zamojski W., Mazurkiewicz J., Sugier J., Walko-

16.

17.

18.

19.

20.

21.

22.

wiak T., Kacprzyk J. (eds), â&#x20AC;&#x153;New results in dependability and computer systemsâ&#x20AC;?, â&#x20AC;&#x17E;Advances in intelligent and soft computingâ&#x20AC;?, Vol. 224. Springer, 2013. 353â&#x20AC;&#x201C;364, DOI: 10.1007/978-3-319-00945-2_32. Skorupski J., UchroĹ&#x201E;ski P., A fuzzy reasoning system for evaluating the efficiency of cabin luggage screening at airports. â&#x20AC;&#x153;Transportation Research Part C â&#x20AC;&#x201C; Emerging Technologiesâ&#x20AC;?, Vol. 54, 2015, 157â&#x20AC;&#x201C;175, DOI: 10.1016/j.trc.2015.03.017. Stawowy M., Dziula P., Comparison of uncertainty multilayer models of impact of teleinformation devices reliability on information quality. [in:] â&#x20AC;&#x153;Proceedings of the European Safety and Reliability Conference ESREL 2015â&#x20AC;?, Podofillini L., Sudret B., Stojadinovic B., Zio E., KrĂśger W. (eds), CRC Press/Balkema, 2015, 2685â&#x20AC;&#x201C;2691, DOI: 10.1201/b19094-351. Szulc W., RosiĹ&#x201E;ski A., Systemy sygnalizacji wĹ&#x201A;amania. CzÄ&#x2122;Ĺ&#x203A;Ä&#x2021; 1 â&#x20AC;&#x201C; Konfiguracje central alarmowych. Zabezpieczenia, Nr 2(66)/2009, wyd. AAT, Warszawa 2009. Szulc W., RosiĹ&#x201E;ski A., Wybrane zagadnienia z elektroniki cyfrowej dla informatykĂłw (czÄ&#x2122;Ĺ&#x203A;Ä&#x2021; II â&#x20AC;&#x201C; cyfrowa). Wydawnictwo WyĹźszej SzkoĹ&#x201A;y MenedĹźerskiej w Warszawie, Warszawa 2012. Szulc W., RosiĹ&#x201E;ski A., Wybrane zagadnienia z miernictwa i elektroniki dla informatykĂłw (czÄ&#x2122;Ĺ&#x203A;Ä&#x2021; I â&#x20AC;&#x201C; analogowa). Oficyna Wydawnicza WSM, Warszawa 2012. Szulc W., Struktura niezawodnoĹ&#x203A;ciowo-eksploatacyjna elektronicznego systemu bezpieczeĹ&#x201E;stwa. â&#x20AC;&#x17E;Pomiary Automatyka Robotykaâ&#x20AC;?, R. 19, Nr 1, 2015, 65-70, DOI: 10.14313/PAR_215/65. WiĹ&#x203A;nios M., DÄ&#x2026;browski T., Bednarek M., Metoda zwiÄ&#x2122;kszania poziomu bezpieczeĹ&#x201E;stwa zapewnianego przez system biometrycznej kontroli dostÄ&#x2122;pu. â&#x20AC;&#x17E;PrzeglÄ&#x2026;d Elektrotechnicznyâ&#x20AC;?, R. 91, Nr 10, 2015, 229â&#x20AC;&#x201C;232.

 L

 <C ) (   < ) ( " "

-$! &\ Intruder Alarm Systems are part of electronic alarm systems. They are currently installed in many important state infrastructure facilities. One such group of objects requiring special protection are transport objects, both stationary and mobile. The guidelines included in the standard PN-EN 50131-1: 2009 â&#x20AC;&#x153;Alarm systems â&#x20AC;&#x201C; Intruder alarm systems â&#x20AC;&#x201C; System requirementsâ&#x20AC;? define the functional requirements. As far as the device manufacturer and designer are concerned, the alarm system should be designed to meet the objectives for which it was installed. At the same time the exploited system should have appropriate values of reliability and operational indicators. This article is a review of the distributed alarm systems, with particular attention paid to the probability of staying in particular states. 4 H ) T     "    ;  "  F;'F+&.$.;.V-&&K  <

 

79


 (*      * ^  /    & 

 (9 9 

)$9 ;9 [ !   &"

&9 

;9 B 

 B&

" * %%%

 " % *" %%

        )"H "%% )"      8

 "A   " ;   8A" 8; " "G             ;    "A   <; "  "   ;    8       "A <"     %

        )"H ;   8H<H  ;   ")  ) A% I   " )  A  "   .&   A    " )  A;

 " +- G  H   ; % D )  "       .+& ) % I   " )  A  "    ; H    )   ) A       "%

 (9 9 

)$9 ;9 - }!!"

* %%%         ); "H    ; ;  H  "A ; "       8 

 "A       ;   "A ) ;

  P"%%  " 8   ; "      "" 8 8  "  Q% D )  "     ;   H  )   %

80

P

O

M

I

A

R

Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7




 K  O.WTQV$fWQLK2QW.ย†FQMWV

Informacje dla Autorรณw )  E( *  !    . 

  D( * Qf  QMWย†2/  &     /     E D 

{ / #    (    *C   /                   # /      

 &  J  # /* #      *  *H*C/ ( / * ( (       /        [  (JH\2" &     HD /      /       /     (J    / 

  /(#*   & D(   / 2

Wskazรณwki dla Autorรณw   "          (  *  /       $    Pomiary Automatyka Robotyka/  / { H/#      4 E [ / #  UM &\H/ 

  ( 

 E

H     F &* $  J  [  /     */ *\ E   [  H ^  WhMEQMM&\H/ 

  ( 

 E    [hEU \H / 

 H  ( 

 ( 

 E *  H^{EH / 

[2 ( 

\ E / */ / * 

H / 

 H ( 

 E H/    H ( 

 E  F(JF*H      /     2/2 *2/(2 b  *   ^ 

2ย†MM*/ 

2 WMMM/    ^  /   ( *    #(J ^ 2

/   

{ H ^{& #   ML* ( 

/   / { H ^  W* ( [TMMMM & / 

ย†MMM Q     &\ * 2U  D (  2//*& / #  H H ^{(   / *   H^ 2 Nie drukujemy komunikatรณw! "  #{* #     (J    & [H\  H ^  hMMEVhM &      (J2 K* (  /  *   && H 

    

  

 (   2 */  #  /#  C #/ {2

(     '/ /     "      | +   

 | !      }   2  / #   # */  *  ^{^{2    & *  *  /   # */  *   /( /  ( 2 )& ^{/   

 *H   #  { *    /      #{ /  ( *  *

   /     H ย”&* 2 $ +   ' ! /   !(  /    &(   H2 / *& ^/   2#  *     D #{    #  / *  E*  & J  H   (J  2 " /  /     / /  (   /K   &     ( *  /H

*

2//* D  /  &/ 

  K* #2

Kwartalnik naukowotechniczny Pomiary Automatyka Robotyka jest indeksowany w bazach BAZTECH, Google Scholar oraz INDEX COPERNICUS PLR-&.+V+/%-.Q  G w bazie naukowych ) G  

 "  ARIANTA. Punktacja MNiSW  )    J P%.--0Q% H H

  S    F   " )       )  w kwartalniku naukowotechnicznym Pomiary Automatyka Robotyka.

UW


O._K-"0Y+KÂ&#x2013;

$+   "   + 1      " ,     K*     $   ( Pomiary Automatyka Robotyka *D# /  H . 

  D(  * # #  H* *       (  *   & ( *  F && / */  /*/H   * **   ^ *   # ( 4 1. 1 ,       M wymieniowego Autora     E    //*& 2`(  /a2 * /  *   & /      &&  * /  /        (& 



 2 2. 1 , ,     !|  !        jej powstanieE  4 E /  * D    # *  /  /   (H*    /&      &  F * H# / / /  /    E /  * D H/ //*`(   (a 2

H/ &   #    * /     

  /&  



    / * H    

 //        &     (  * /  /   Â&#x2022;

UQ

P

O

M

I

A

K*   *     

/ *      / #* 

 * H/   *   # # D   #  / *   /   ( *   

  

*  

2

3. 1 ,X!  }     <| !   "    E//* J    /   /

    $*     / *

  ( / *       Â&#x201D;&*^ *&/  HD  2 `J  *   aE 

     (      *    

     C /   

    / * H   J    *C2

*    !  

  

 /  & D  

  #    *       *       / D     /     E   

  D

 {  ( {^ *     2)/ *     F /       ^    #D   2

~   przeniesienie praw  "   !  "       J )  #/H *  /    H//   

#  /    * H2Y / */   /*/  *     2//* (        *    (  # 2

Redakcja kwartalnika Pomiary Automatyka Robotyka   * %

*       *    &/        $    

 K  / 

 / *     & / # H  /     "O /24

' ()  " "  S 6" "  8  "  X "  ( "  C)  YLF.0-/;K.-,C%-.F$^-&./+N.& SLV.&%.0$.$^ (CÂ?--+^+%

R

Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

O

B

O

T

Y

K

A

NR 2/ 20 1 7


czasopisma

pomiary

www sprawdzian

miara

POLSPAR

eksperyment

 

automatyka PIAP



seminarium

kalendarium

szkolenie

kwartalnik



federacja

nauka

publikacje

automatyka

stowarzyszenie

HORIZON 2020  #D innowacje organizacja projekt konkurs

konferencje

relacja

POLSPAR

POLSA

publikacje

AutoCAD streszczenie

agencja kosmiczna

dr h.c.

innowacje

IFAC

ZPSA

/  *Â&#x201D;

profesura

recenzje

relacja

szkolenie

doktorat

robotyka  seminarium

sterowanie

H

esa

szkolenie


84

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


K'.O)-ž+K)Ÿ).O

L   > <  " < 6  " 6 

Historia Qf^ WfLf2/ * OO]  (  ! ( + 

       & & * H) /  / /    

H*  * *     &  D &2-    *    

  

H*  *  /&/       /  /  2'& 



 

/  *  O_+  4 *

O1 O1    1 [)KK\

/ 2 _2K2- [Y\2/  *   

/ 2 /  !   [,( \ / 2 **[ \2 O_+  / H*  ^{/ # W† 

&    & /  

 4 — *

O1 O2  1 [WfMhEWfVV\ )KK — / 2 _K- [WfWhEQMWV\Y — / 2 2!   1[WfQWEWffW\ ,(  — *+  [*  \K/ _* . 

  — / 2 ,22 ,(  [ *  \ [O * \ — / 2 !   c2 c  [WfQMEQMMQ\   — / 2 **[WfMUEQMWM\  — / 2   /[WfQ†EQMMU\  — / 2 ' ( K 1 [ *  \ ,(  — / 2  ( ( Kš  [ *  \ . 

 K/ "    — / 2    -/  [ *  \.  

— / 2)› œ+/ [*  EQMMQ\ H( — / 2

2K [Wf†fE\O *  — / 2 ' 1  ,   [WfQTEQMM†\   — / 2*    [WfQfEQMMW\  — / 2 .  O2    [WfMVEWff†\ K   — / 2 0 *  * [WfQ†E\   ,  — / 2" ([*  \Y — / 2 O  ,  [ *  \ (  2 "  ^{O_+      /    W†  & D  *    H*    TV

&    2 & D   *C    2   *  D  /     &/   ^ O_+ 2   O_+     (D    /  C   &2   /    [WfLMEWfVh\ (    & D  

 /”     &2  

  *  (  ]  (  ! (O_+ . / +  &



 WfVh2 D{    & D/*       D   O_+   *     (    /  /  D *  2 "((  [WfVLEWffh\ (     &/    D  2    (  D H *  #( ]  ( ! (*  

L>966 8  H  H A" H  "    "   A  A GA "H 

" HGH " H%I   )8 ]   %  ]L>966     " )   )  

 "  H H)  )"  )8   "

)  %

L>966

 O66-&&&

PDQV PQV <%B! M  <%( M

! (reprezentuje <%( )! 8Q <%M C  <%I8(8  <%@ D  <%E 6  <%( "6  <%6  

Uh


ORGANIZACJE | STOWARZYSZENIA

  Wffh2+ (  [WffLEQMWW\      /      & / *#    &     O_+ (   *          

H C    (  / * H QMWWE  * ( ]  ( ! (O_  '  2-(   [ *QMWW2\     * # D ^   D /HD  * #   *    / *#      &    O_+ 2 *#  #O_+ K*   E   1-   D   &   (&  )( *  ['   \ /*    &    O_+ 2 .    1-   *  3 $/*  '    J   *   2    1 -   #  WW &2 !*  D*(       1 -    T  [ (    *  *& *  \2'  /   H T  ]  ( ! ( O_+    1-  *&  /   *  ^  // *  #   /*#   * 2!D*      # H # &H O_+ '  /   / * # (   (  -      (  2  * #    H  /*     2

 *     (   O_+  (# {  



H*  *   !

&+     !

  O_+ 2 "   H   /

   ( *# -      (    /   *  /    1-  2 )**  O_+  ^  2  /        /   D

# O_+   /   #      

  

2 *    '   *(#  # # H       O_+ 2 O     ^  #D /  *  */   ^ O_+ 2 !*    /* &O_+ 4 ¡O O   [WfLfEWfVW WfVQEWfVh\[)KK\ ¡0 * *[WfVLEWfVf\[  , \ ¡, *K  [WfUMEWfU†\[Y\ ¡' 1 ,  [WfUTEWfUV WfUU$WffW\ [ \ ¡*    [WffQEWffh\[ \ ¡ ( ([WffLEWfff\[! *\ ¡!  2* [QMMMEQMM† QMMTEQMMV\[Y\ ¡ -  [QMMUEQMWW\[ \ ¡Ÿ   . [QMWQEQMWh\ [/ \ ¡ -  [QMWLE *\[ \2 _  H(  ( /  4   2 !   1 [,( \ 

  1[,( \*    [ \    _   [H(\ 0* 1  [- \+0  [_  * \  -   [ \2     (   *( *  + )  C[ \2

(   !  +  IFToMM    O_+   *   ( & *     *J      2  (&  *   4 ¡)( * (& ['   E'\E D  (  _*  & *(  #/  H

 /   * 2 *  H   TV/  &TV&    / *#      &K*   /( 2 ¡K*  [   1-  E -\E#*/

_*  

H* 

 )( *  (& ( 2     T2K*   /  H  /  * 2 + D !

)( *  (& (  [-

    '   E'-\   #*    / *     #& # * 

)( * (& ( 2

UL

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


K'.O)-Â&#x17E;+K)Â&#x;).O

UV


ORGANIZACJE | STOWARZYSZENIA

O 

# 2 2

  /*     )( * (&(  **&   &Â   1 -  

  *  &D C

 (&*/ /  

    2  *      O_+  *  WÂ&#x2020;

&   [+ -

E+-\4 â&#x20AC;&#x201D; +- ,    (  ( â&#x20AC;&#x201D; +- - / !    â&#x20AC;&#x201D; +- ' ( *+ 

  â&#x20AC;&#x201D; +- 0 ( *  -   â&#x20AC;&#x201D; +-     â&#x20AC;&#x201D; +-  $ *" 

 â&#x20AC;&#x201D; +- K    â&#x20AC;&#x201D; +- K    *   â&#x20AC;&#x201D; +- K  * 

 â&#x20AC;&#x201D; +-   (  â&#x20AC;&#x201D; +- + /    â&#x20AC;&#x201D; +- +   ( â&#x20AC;&#x201D; +-3  2 T

[   -

 E-\44 ¡-   -

       * 1 ( ¡- *   ¡-     c         *     ¡-   **   +

 (2

   Â&#x2022; +- -

#   /  Â&#x2022; â&#x20AC;&#x201D;   /     #    /    /O_+  D*  (J   / *H    â&#x20AC;&#x201D;   *   /&D  *         /  /& ^ *  

 * 



/  

 (   

 & /(       â&#x20AC;&#x201D; / * /&/ &    *   - +-D/   

  

2 /   /  Â&#x;  ("( ( */ 

 *    2

!D*

[-\ 

[+-\* H  * # (  * ( / Â   1 -      &     #/ * {& D#  * O_+ 2  * #   D/ {      /  H  D *     * 2'&  / - +-#    /  * *      4 â&#x20AC;&#x201D; *J      &*C

   * *      â&#x20AC;&#x201D;  #  &

H*  $  

 D 

       H   â&#x20AC;&#x201D;     /* H H{/   *  ^  _*    

 

     â&#x20AC;&#x201D; (      

H*  *   / &   & 

/ C2

O

M

I

A

R

C      " ( "  C) 

 A   "B "L>966 <%9 H H

J  

  /  

O_+ #4 â&#x20AC;&#x201D;        * +   â&#x20AC;&#x201D; / $      â&#x20AC;&#x201D; -       (  (2

'& *  _*   4 â&#x20AC;&#x201D;      (    &    /&/ 

H*  *   (     &    Â&#x2022;D*+- -

 # # H       Â&#x2022; â&#x20AC;&#x201D; (   / C ( &O_+   /  * C -

P

'   *  ^  D $

 & D* (  ( O_+   2

 * #   # O_+   ]  ! ( (    T2    ! (& 4 [WfLh\ ) / [WfLf\!/ [WfVW\.  / + [WfVh\ [WfVf\."  [WfUÂ&#x2020;\ [WfUV\([WffW\*   [Wffh\[Wfff\+  [QMMÂ&#x2020;\, ¦  [QMMV\ '   [QMWW\ +/ [QMWh\2 !  / H D! ( *H*  H *  Â&#x2020;M  ET / QMWf2!  2,H*  /     *

hM2   /  O_+ 2

   +N7Q

UU

( 2 &D    O_+   # *  ^{ / *  QÂ&#x2020;/*      &!

&!

  !

  ( 2  * #  /  (   -   [\/ 2&    2

 7Q !

,*   (   -   [\ /   H O_+  *   /  _*  

   */  *  / /(   *C  & _*     

Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7




 K  O.WTQV$fWQLK2QW.Â&#x2020;FQMWV

Kalendarium wybranych imprez Data konferencji +

( C

  

Informacje dodatkowe

20â&#x20AC;&#x201C;23 /10 / 2017 â&#x20AC;&#x201C;

Larnaka Cypr

www: /4FF2 $ 2 ( mail:X $ *2 

11â&#x20AC;&#x201C;14 / 12 / 2017 QFWMFQMWVE   Â&#x2020;MFWMFQMWVE

G&*Â&#x201D; 

www: /4FF2*$2  mail:   QMWVX*$2

9th Vienna International Conference on Mathematical Modelling MATHMOD 2018

21â&#x20AC;&#x201C;23 / 02 / 2018 17 / 09 / 2017

 *C  

www: http://www.mathmod.at mail:  X  *2

XXII Konferencja .  $+     E.  ^ 

/ Automation 2018

21â&#x20AC;&#x201C;23 / 03 / 2018 10 / 10 / 2017

  

www: http://automation.piap.pl/ mail:   X/ /2/

gOOOO      J  Conference Coordinate  (+ Â&#x2021;-+¬WU

11â&#x20AC;&#x201C;13 / 04 / 2018 15 / 01 / 2018

,  $,   

3rd IFAC Conference on *1   /  $ O ($" 1 1 -  O"QMWU

9â&#x20AC;&#x201C;11 / 05 / 2018 20 / 12 / 2017

Gandawa Belgia

www: http://www.pid18.ugent.be

16thO_-FO /     O    -     in Manufacturing INCOM 2018

11â&#x20AC;&#x201C;13 / 06 / 2018 31 / 11 / 2017

Bergamo  

www: http://www.incom2018.org mail: X QMWU2 (

18thO_-FO /      O*  J   SYSID 2018

9â&#x20AC;&#x201C;11 / 07 / 2018 8 / 12 / 2017

Sztokholm Szwecja

www:22 2F *QMWU mail:  2  Â&#x2021;1 X2 2

10thO_- /    _ "  /1   *  +   _K-QMWU

29â&#x20AC;&#x201C;31 / 08 / 2018 6 / 11 / 2017

  

www: /4FF/ WU22( 2/ mail:/ WUX2( 2/

XXII IMEKO World - (QMWU

3â&#x20AC;&#x201C;7 / 09 / 2018 31 / 01 / 2018

, Wielka Brytania

10thO_- /     O  (   3 O3QMWf

3â&#x20AC;&#x201C;5 / 06 / 2019 19 / 11/ 2018

'*C  

www: /4FF2  (2(*2/F 1QMWf mail: 1QMWfX  (2(*2/

30 / 06 â&#x20AC;&#x201C; 4 / 07 / 2019 15 / 01 / 2019

!&  

www: /4FF ®

QMWf2  mail: (X ®

QMWf2

Nazwa konferencji IEEE 21 Jubilee International Conference on Intelligent  (  (  INES 2017 14th International Conference " 

 +    *//  "+QMWV

15th IFToMM World - (QMWf

www: http://wtp.pl/ mail: /X/2/

www: http://www.imeko2018.org/

89


KONFERENCJE | RELACJA

aaL@< ( " A C -&./ XXI Konferencja Automatykรณw w Rytrze w sposรณb perfekcyjny integruje automatykรณw  &D   ^ *  2 + *   

  *  ( ^ /*  &D ^ *   #   #E *     *

   /C / J / *#   *  ^{*  $   # ( & /  D 2     /       **  / 2 * 2 D2K*+*  / #  H /     ( 2    * *   # &* _ *  ] *   ' / *  *-

W dniach 15โ€“17 maja 2017 r. )   <   A   H<"   <" H " "%BA" 8  "<)  <" @(6'CN( "   6

"  9  %

90

P

O

M

I

A

R

Y

โ€ข

A

U

T

O

M

A

T

Y

K

A

โ€ข

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


!._K.-Â&#x17E;K0-

  !  2     * *   H4 *

 '&  $c 

2  !

     K       *

 .       K 

2O(  ( G       ]#2 ) D / (  &        2(   /    4 â&#x20AC;&#x201D; /*    *       /

&    â&#x20AC;&#x201D; / H    &/ *  &#*C/

&   

â&#x20AC;&#x201D;  /     ( H^ *   &[ E/  E / *  ED  \2 

    ( *     / *

 ggO     '   # S&    H ^ #/ C2 +*  /  H^ /  (  /*     '& ( YH*   &* (  _ *    ] *    ' / *  * / #  *   / #  H/ *      4

 2* 2 D2K*+*   *

'&  $c !  

91


KONFERENCJE | RELACJA

 2* 2 D20+    K 

 2* 2 D2  ! ^      

â&#x20AC;&#x201D; / 2* 2 D2K*+*  E 7       ,            + V â&#x20AC;&#x201D; / 2* 2 D20+E4X       ,             V â&#x20AC;&#x201D; / 2* 2 D2  ! ^  E (    Y "          V â&#x20AC;&#x201D; / 2* 2 D2+* EMoto           Y  Y0 Y   Z 

 V â&#x20AC;&#x201D; / 2* 2 D2O   C E& 

          ,D   V â&#x20AC;&#x201D; * D2 *O  EX    ! [\1 ]  +N   V â&#x20AC;&#x201D; /2   "#   E ^!     V â&#x20AC;&#x201D; ( D2 & ! E X    _ +!5! Q  $   S   ^ 54 -<B`.

'[[ '  (  ( ] 0      ! ,  V â&#x20AC;&#x201D; Y0!E'f']#   _    V â&#x20AC;&#x201D; ,-!c__Y++O.E7  >.< ]    + "                V â&#x20AC;&#x201D; "._ 0! E 5  +   ]X   Y D Y    oraz 1 "       , V â&#x20AC;&#x201D; K.K-.'.+E #]Q  V â&#x20AC;&#x201D; Y E      D 

!      X D  hqf$5   #/\  1$&V â&#x20AC;&#x201D; 0O+cK  E        +    V â&#x20AC;&#x201D; K0Â&#x2C6;_Y-cEf "    0#/ â&#x20AC;&#x201D; !K$-E( ']  -<B?V â&#x20AC;&#x201D; +-c.!,0 E 1  "         %1) ]        !V â&#x20AC;&#x201D; +YK-! E $      , ]   "      _     â&#x20AC;&#x201D; O"¯00KE*        ! 5v    + !V

*( (/   *         /   / #   ^  / *  #  /    D *  &  /*   *#  J    4 â&#x20AC;&#x201D; ,,E4 +   "        ! ,  +     +    oraz

92

P

O

M

I

A

R

Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

 2* 2 D2O( 2!  C D ) *  ^ H

0O+cK   O

B

O

T

Y

K

A

NR 3/ 20 1 7


!._K.-Â&#x17E;K0-

 2* 2 D2+*     ]# K* .  !

 2* 2 D2O   C  *

'&  $c !    /  $ */  !- (

â&#x20AC;&#x201D; O!0!E#0 +N2  _       ]      " _  X 574'.  /    #* / * (     2K& D/ *  /   *   (& 

  

     &   #*  ( # ^ *    E*

/   /C /  &  /*     J 2 .  * */  *  /  D   Â&#x201D;{       /(   J  E /        / *

/(       /  2 ^&* /     & H 

&           (

       /    #  2,* D   / tywnym efektem konferencji jest transfer  *

H* #   2  

     /   /    *  *      C D ) *  .  # 2 !    & *  H /  D   *    K     *  D# ( *  -  K   / E* (   H   *    ( /

 &, * #* 

2/   H *    QTM & 2 24 â&#x20AC;&#x201D; /*   *

'&  $c              K         ]#  â&#x20AC;&#x201D; /* *&/   

 /    â&#x20AC;&#x201D; /*  /   /  

   4

 H    D  Y++Â&#x;!

 H  ./H*   

 H  

  !   

  K  

 H   -    (  (/  2/   0 2/ â&#x20AC;&#x201D; /*  (   4 &*  _ *  ] *   ' / *   * !   /  $ */  !- (

  &  2 !  ggOO !   & *H*  H 2_  !K$- (&  (  ( / / ( ^&*  &* D*  /  H/ /  2

G%6 8 @  

)*      // J    _] 'P!  

" D2 *O   *

'&  $c !  

93


KONFERENCJE | RELACJA

""      8 A ";-&./ D-&./% ) ""     8 A 8   A L    "A '    D     >  6< C   6L@SF%IGK%   <8"   I  .&+ A .J A%

!    /  [ ^  \   (  / * O$O  /     *1 *    * * EWQ2*  QMMÂ&#x2020;2/ *  &/ 2! !// *    `" (   (    (  * K*  (   (a2 *#   H   Q$

  /      **  

 *    *     $ *            $

 # #  ( /  ( &2   *  # $   /  H   (  ! 

 2      *  WQEWT ^ QMWV2 H * WMh  $ & TL &( 2*  H WM      * /   # (*   #   $  /  ( &*   #  

 * 

  /   ( &     *   2 " *   (   ^{*& /  4 â&#x20AC;&#x201D; " ( K*EK  "1 /   _ _cKE/ 2! c ( 

<%@  <@ <%  @ N        ";-&./

_Â&#x2021;    *K*+ Â&#x2021; _cK.  Â&#x2022; â&#x20AC;&#x201D;  ( 1- J   *0 (E / 2 2,Y  * YÂ&#x2022;


!._K.-Â&#x17E;K0-

<%> )M#    

â&#x20AC;&#x201D; / O*  J  E/ 2 3$ ( Y +  "® c  * Â&#x2022; â&#x20AC;&#x201D;  (     * //   E*   / 1. * Y  +  Y    !  Â&#x2022; â&#x20AC;&#x201D; O ( (*4 $ *2 2  E/ 2_  ,  Y $    Â&#x2022; â&#x20AC;&#x201D;  ( 1 c    *   (°/ 1, c E/ 2 !    0  O  K* J  O  . * *

. Y  * /  4 â&#x20AC;&#x201D;    K    *  (   (   (E/ 2 )    $    / 2 ,  C. * _ * .  YÂ&#x2022; â&#x20AC;&#x201D;   / 1OK

( ( 

 //  [O\E/ 2_ $  ,  Y   /2* D2 K G O / O /  $   O    +  (

 $  [OÂ&#x2020;+\  / 2± 

  Y  ²c $ / 2 ^&*   &/$     / *      $ (& # (H (# ( *      *  *    &  / $QMWVÂ&#x;  (   - 4 â&#x20AC;&#x201D; *1 *O (+  (//    (  *K //  [O1(  '  1 EO ( *\ â&#x20AC;&#x201D;  (    (   1    0     ®"  [Â&#x;1   - 1 EOO ( *\ â&#x20AC;&#x201D; , "    O /    _  K    $        ["   ,  E OOO ( *\ â&#x20AC;&#x201D;     " b   ($_$ Â&#x2021; ' $   ((   [$ *  . 

  E ( * /   . O     * /$ \2     / $QMWV   # /    *    $     Og/     E  (   O            * +

   [+\ O        1 *  +  ( 2 /  

   

      / $QMWV/ D ^ *   (   D 4O       *   ( [O\  ($

   O /  *     [\ O  (   ( [\2  / *^ {D*  (&   /       &      / /   /    $

  8<%  M

 <%I%M 

   "  ";-&./

*    &*   & * & /C  * ( [Y  ,  ^ '\    D  & ^   Y[+   2  2\2 "   /   

H*  *  / *  & (  /  {   /  /*$  { 

( /&$ &YYY   2  * Â&#x2020;$*     $

 (  {     / #   ^        

 ^ *     'Y    /  D   *) )(C

2  H            /4FF/ / 2 2/2*2/2

 )%G%   " 6  6  @"  S8   ";-&./

# < ";-&./NI  


KONFERENCJE | RELACJA

6  VL

<L  ( 

O ( # H^ #/ *#D     *  / /    D    &    (

 E E / 2  HD &/  *   * ^ *        /   2 !

 

  4 / (

  

         / 2     *       # #D  #/  #/ (# #  (  4        / *       D/  

 *D   & *   * #    H *        /  #* #* H   (

    / *  2 QMWW 2 /   /   (  c 

  D 

  G  <" A   8    D 6  98   `H   .$N.+ -&./%

`O * T2Ma2  D/ H `C    ^ a   #      / *^  *  /&  #(  /   `  (    a (*  / #    /      #   #

  #   ^{ /   / *  O  K  O     ^ *D  *    # (   H  ^   *  (*    2 D #  H    /   *(

     #  H* *  *&   /  / WfLf2/

  

   (                 (      (     * /  (  (  ^ //    /&    / *&

/ &/ *   2 D  * { D   *    & &     ^{/

  / *#  *  ( /   /  { / * /     /   H*# (^ *

 ( #{  `   /  a2 " (#    ( /   QMWQ2  (   / #

H*  * #  H`  4O* O * //  a2 *  * H*  WÂ&#x2020;EWh ^ QMWV2 *      +  (       ]#      ^  2!    (   / */ 

 !

,*    *

 .   ( +     +       2c  /  *  # #K     ]# / 2* HD2*      / 2

!  / * # !

(   ( 2  #/  

 D4/ 2*  HD        ]#  / 2"

 '# / *  *     (  +  (  ( 

#   <6VL<L(b-&./ZC <%(  6G

<% "  @   A8   `H 

fL

P

O

M

I

A

R

Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

O

B

O

T

Y

K

A

NR 3/ 20 1 7


!._K.-Â&#x17E;K0-

 " <  "' ;@8 8    "

D  A< "  D 6 "98"

fV


KONFERENCJE | RELACJA

    <6VL<L(b-&./ Z<%6   <% " BH  H  H

/ 2   / * #        !

 ,*    ./ 2     / * # !

. (     / 2] */ * #  K* .  $ (     2  /   #/  

 4 / 2   *  *   *  _  " *      / 2  ] * [D 

  *   *    ( +  (  (  / 2 +

J \2 O           #   ^{/*  /  J E/ &*    (  +  (  (  &   * *  *C /    /&    D &   &2, 

2 24OY+!K   +K,³K   ,b,  O D     )#    +   -   CO D  _ c* 

   O+'!'/   (  *^ *,*  $K    Y#*C      `,KYa K_!+-+  * 1 3Og  2 ^{J /       D       *     *   

H ^  (&   /      (     /  * ^ *  /  ( 2" H   -

fU

P

O

M

I

A

R

^   

#  2  J /        -  *  $! ( (     ]#  #   # /H    / #   D      E   / E/  

/         /  D  2  *  * H/ *           *            *      +  (      //  * /  

 + /'  J

+   #  

/ D /H          C D   2 2       

 

   2 )     -    #& D /      * *    ( +  (  ( 2 Y     /   H     / * &     ( 4     ]# / 2*  HD *   *     (  +  (  ( / 2 +

J  / 2   / 2   /0*  *  /  )#       2 / *^  *  # ( H/     / D # * /        2 Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

!  **         *[/ *fM#/ C\ /    /  2 )( * / *^ D         / ^ H /          &  

* ^ *  

  #( H 

 D/  

*    H/*  / 2 +D               J (*  /*   (    *     *   /  *2 (     * D      *( , * 

   D* -  (  /  H/ {(& 

 H^    /#   (  #   H/ *(

*  *2 !   / D *   

  ^* H*#  ^ /Â&#x201D;      * D/  &/ /     (     D# H&  *  2 "       / #     4O* O * //  QMWf& *H*  H*   ´ <%I`<% "@ @"  S8   O

B

O

T

Y

K

A

NR 3/ 20 1 7


!._K.-Â&#x17E;)O"Âľ

Dynamical Systems â&#x20AC;&#x201C; Theory and Applications DSTA 2017 W dniach 11â&#x20AC;&#x201C;14 grudnia -&./%)  [ 

  "  konferencji Dynamical Systems â&#x20AC;&#x201C; Theory and Applications DSTA 2017.

Konferencja DSTA jest organizowana co dwa 2 *  / /* * & D   *H*   H  G * 2 '&   (   !*  ,        *    (     G&* 2

 *#       

 New perspectives in analysis, simulation and optimization of dynamical systems. +       H/#  4

bifurcations and chaos in dynamical systems â&#x20AC;˘ asymptotic methods in nonlinear dynamics â&#x20AC;˘ dynamics in life sciences and bioengineering â&#x20AC;˘ original numerical methods of vibration analysis â&#x20AC;˘ control in dynamical systems â&#x20AC;˘ optimization problems in applied sciences â&#x20AC;˘ stability of dynamical systems â&#x20AC;˘ experimental/industrial studies â&#x20AC;˘ vibrations of lumped and continuous systems â&#x20AC;˘ non-smooth systems â&#x20AC;˘ engineering systems and Â&#x2021;   equations â&#x20AC;˘ mathematical approaches to dynamical systems â&#x20AC;˘ mechatronics

!  H^  #*   &   #  ^   *  4 â&#x20AC;&#x201D; .  * / (4 * ( *Â /

 E     ' Y 1  (Canada), â&#x20AC;&#x201D; 3          * (

*E *,  0 *Y 1  +  ([  *\ â&#x20AC;&#x201D;  * /    



   EÂ 32 ,   1 O 1 O   - /  [K \ â&#x20AC;&#x201D;  *1 /      - / " 

E 2-  Y 1   *[  *\ â&#x20AC;&#x201D;           ( 1b  1 E0 1 -1 { Y 1  . 1 *[ \ â&#x20AC;&#x201D; +   (       * b 

    E  0   /  Y 1  K [O\ â&#x20AC;&#x201D;       *      *

/  (   E*( / .  O *  O   O     +  ( " (   *    (OOO+"[O * \ â&#x20AC;&#x201D;  (  1     *  Ec .    * 1 Y 1  +  ([+ .  *\ â&#x20AC;&#x201D; ,    /4       Â /     * 

 E ( 2_2 ² Y 1 **K -  (Spain).  (&      *# H   /4FF2*$2 F2 -   

 K  

(# ({* Wh/Â&#x201D;*  QMWV2

@"  S8  9(-&./ secretariat2017@dys-ta.com

99


!._K.-ยž)O"ยต

 6

89\69b.J /&H* ^  /

    / *      /

 (    2. H  /&H* ^   &/

  / / ^     (& ^  *  2+  /&H* ^       & * * *  /

& H^  &  D    #/ { /    &[ /2   /         #*    \& D* /

/        /2  & 

 &D  / /   ( ( 2 +    D   & D /

 / J      &  H  &D (  *&H   H* #  2 *          /&H* ^ 



 / ^          /&         / ^       2  */ H  /&H* ^   &/

   

 H&D   #      &  /& #  #   D / ^*     /

 #/ {/&H*  / &  #  /   

   /*

&2  # H/ / / / (   / * /  ( * *D   E /    /

 (  & H     (J   #  

/ H2D ##/&H* ^     /

   D  ^{   *  / (/

   /

        * * ^   ^&* &    

&  (& 

   *# *  (   [ *     /  D   \2)* *    H ^{/&H* ^   & /

       -.-  /    /

&      2 K&D    #     /&H* ^   & /

    2 24 ยก    /

 &  / /

 # H   /  /*           *J  /2          *  *  /

  

  *  

       & /&  (   #/ D (  H /  #

W dniach 11โ€“13 kwietnia -&.J%)  M ;M  

  "  <Coordinate Measuring Technique CMT โ€™18.

WMM

P

O

M

I

A

R

Y

โ€ข

A

U

T

O

M

A

T

Y

K

A

โ€ข

R

ยก

/

  ยก   /     ยก$  ยก ( / 2 K & /&H* ^     / (& (     / (  / ( /   [-"\    /  &/ J   * * ^  (     & ['\2/&H* ^  /

 / *   /#*/

   (# *      ( /*       /  /& ^ /

  !  - *  (+ ย‡  (    / *

H +  $c    #, $, 2 +        H/#  4 ยก- *   (  [-\ ยก+    *   ( ย‡ ยก+    *- /   ยก- *     /   ยก*    *    ( ยก_           *  $     ยก'    ยก'  / * / J  ['\ ยกY 1  ย†"    ยก     (    *

  ( ยก  (     ยก.   (2 !

   .       / * #/ 2*     !    / 2      Y 1  ( $. (2  (&      *# H       /4FF/2/2  /  & D ({*  Wh  QMWU2  *  /  & #/ /    2

D   I )NH @"  S8  8  * %

O

B

O

T

Y

K

A

NR 3/ 20 1 7


Â&#x;"K).O

DB   " O) L <   cO   -  [Oc-\

^{*     T2M2( *   {^ *    /   (    /* H  /  / & E       / *    E  / *&  (  / #   (

   2  /  

  H/ #  H/& (  (  H * J    / &       cO-* D  /  (/  * #  /      J  (       ( cO   -  2 -   /  

 4 ¡O    /  

2 K  ( ./    / / 2 *2 2 D2   ! C ( Â&#x2022; ¡_ * O.+KO)./ */ / **      D  O "  ® E /#*    E /#*Â&#x2022; ¡-   O      +&

  *

     ! /  /  / 2* 2 D2     E /        '*C Â&#x2022; ¡c!   $. 

  O    $c * /   / *  H  #Â&#x2022; ¡,  !  (  /    / / 2 *2 2 D2  ! C ( Â&#x2022; ¡,   (   / -    /#*Â&#x2022;

¡,  /2 2 2/ */  D  'C E*  /  Â&#x2022; ¡-  +  H /    / ) (  !/ C ( /#*-+Â&#x2022; ¡ ( O     +  (  +  E/#*  K*  c    E  / #*Â&#x2022; ¡, - E+  Â&#x201D; 2

-J -&./% S! M 

  

"  H  G  " 8O) L <%I8   " HL    6

  "%C)   8  ( "F    " @

L9 LF9'CLSF%" 

8 S! )  .&<" 8    H  "%

* 

 

 / * (   ( O-+"Â&#x; (   (  1  , - /  !O-+ O    O  /   .2 *    *   2 2   * H    

    T2M2     /#     O +   O *     / &     *       2 Y  /  *  & D    /  C  J   O+  (* C   *          O+2     T2M  / #{*  ^{QMWU2_ *   / ({    H/  ( / E(   H    H2     *       / & (

  */  *  ( K  &( J  2 2 *   2    *        T2M #/  { H*    K / &      {        #D#  H  #  #/  #2      * #    /  (  / (  { 2 2 *  &   &  (

  ^ *  *     2*  H* 

    /     * 

H ^      **&     #*  &# *   *      *   T2ME/*

^&*   ^*  /* H  /  { - & ! /     D * *   

/     #  

     (

2

 H 4 /4FF2 2( 12/F F  F/  $/ $/  $/ $TM

WMW


0-.!OÂś%!O

AutoCAD 2018/LT2018/360+ Kurs projektowania parametrycznego i nieparametrycznego 2D i 3D F  c  + + \   / *   *Y 1  QMWÂ&#x2020;03(2 * # -"Â&#x2020;LM # H* H* -"4/ ( -" (  [1 \ D  # /& D #/ H/ /  &2 Y(   Â&#x2020;LM  D   /  2 &     H* /- *- / (   (& ^   */ / #     -"Â&#x2020;LM  * #*C/ ^  4 *       /    * * /2 .D/

H{D - *- / (& #     / D  /  / *(# #(

*J  2 -H^{3E         ' ' X0sional E ^  /& (

&       (/(* C2  / ^ H   *  /  /(  C  *  (

 J  ( 2 ! #D     / #  -    *  /  {    ^ * * (   2( *   

/ ( 

 & (

& J        / / *   / (   -"EJ H *2/ *    /  /       [0 (  \2-  * /*

 / ^ {   *     /   / *    ( * ^ *   &  **    *  / ^2 O ( # H^ # #D #/* -

 ~&" -   ?!" B!"  AutoCAD 2018/ Â&#x2021;-<B9Â&#x2C6;E?<\4            -E.   " & B&



9 "  &  "  .  

"B  " ! G&    

& ("&  - '-E ' (  ( !!B9

AutoCAD to program tworzony i rozpo  /J H *  * *

 ( [Q"\ &

 ( [Â&#x2020;"\ / ( / (  /   2       /   &*         *    H*  /  && D   D2 ,#   (    * * ^ *    / / *H  /   /   (   /   (  * Q" Â&#x2020;" *   *      &*    D   *     /  D ^ / # / ( &4 -"QMWU -"0+ QMWU[ Q"\      -"Â&#x2020;LM   /   (    H 2 ! #D *  H  / H  H^ 2 -H^{OENieparametryczne projektowanie 2D E    Â&#x2020;FT H ^ (  / * WMMM$ (  2 ) 

  &(  /    D   /(     *     /      /   *      /  D ^ 2 & / * ^ *   -"   H* *  / & /  J(    / & #*  

    /&H* Q"EC 

  ( 2 "      

*    &/ *  [ *  #( // /  \   & D  [/     #       /  

/2\2. C  E        **     2 -H^{OOEParametryczne projektowanie 2DE    D  ^ / (   -" * H/  / # *   QMWM2K  [ *Q"\#/    D # /  / #/ &&  *J /  *

 H  2

WMQ

P

O

M

I

A

R

Andrzej Jaskulski, AutoCAD 2018/LT2018/360+ Kurs projektowania parametrycznego i nieparametrycznego 2D i 3D, Wydawnictwo Naukowe PWN, 2017, ISBN 978-83-01-19381-2, str. 1084.

 #/   * H     H&

    (     & #/ {D ^  ( #     *H   &[ * #    2 /   *\2 -H^{OOOEPodstawy modelowania 3D E  */ / &

    ^    Â&#x2020;" D * /  / (   -"2  &     */   Â&#x2020;" E* /&H*   *    /     2 -H^{O3E    i systemu AutoCAD 360E    H      -QQTW$0  -TWQV$0[ *Â&#x2020;LM   -"Â&#x2020;LM Y

â&#x20AC;˘

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;˘

R

â&#x20AC;&#x17E;Gruntowne opanowanie "       HH zdania egzaminu i uzyskania certyfikatu.â&#x20AC;? * & D   */ / {     * .2  *H  H* *  #/ #* * &D * &    & D & /  &       2 O

B

O

T

Y

K

A

NR 3/ 20 1 7




 K  O.WTQV$fWQLK2QW.Â&#x2020;FQMWV

Autodesk Inventor Professional 2018PL/2018+/Fusion 360 Metodyka projektowania @B   ~&" -   ?!" B!"  Autodesk 72 0 -<B9Â&#x2021;Â&#x2C6;-<B9\Â&#x2C6;QE?<. Metodyka projektowania.  " & !  

9

"  &  "  .   " !

;BG&     & ("& 

%Â 

' (  ( !!B9

Andrzej Jaskulski, Autodesk Inventor Professional 2018PL/2018+/Fusion 360. Metodyka projektowania, Wydawnictwo Naukowe PWN, 2017. ISBN 978-83-01-19540-3, str. 1208.

XD HG    jest autorska koncepcja metodyki nauczania podstaw komputerowo wspomaganego projektowania.â&#x20AC;?  *O 1   / (  / /-"   *Wfff2  /   /J H *2  / * ( D# *  *  /   ( #* /   *Â&#x2020;"2./ * (  *-

 D   &     D   / (#*  

  2 *O 1   /   * / / 

 H(# 

    H   &2  *    H*   D &/  &   &&D   D2 !  / *H  /   * ( #  (    *

 * ^ *   **       D   H/    & [  # ( D  H       *    \ #*  *    #/ #/ ( &4 *O 1    QMWV [ \  *_ Â&#x2020;LM2.H* * H/    #   *C/    (  /           #2    / *H  / *      / (   -" / * WMMM$  2(  ^ 

E  ^{ / *   Â&#x2020;f * &2 ^  * *      /     (J     ^ ^/  #  /  

   #D   *

 /     ^ 



 / (   #  * ^   & &-"  (H* #    *  / *H   /  2D  *    *      * 2 ) ^{/ ( / *H   ( *  (  H  

 J  



 

  

+'[ * ¡ + (' *\ /  

 * QMWW2Y*/ *H   D    H/   C[0 ( \2 )/      * * wania hierarchicznego opartego na cechach     _,[_$,* * (\   * ( _[  *_   -



)$9 ;9 -   ?!" B!".

 (9 =[ ()  D  "A6

 C)  D    %S)  D F 9 #  D " ;6  "S  %I   HG A A@"  "ALG    "

 A HG(  G A  "    " 8 "A(%I "     A  "   " 8   -$%   G     88 "" -&.,%" 

 (  ( ( %I    6'P) 6 'T Q)     8 "( (% F  

A  od 1993 r. szkolenia w kierowanym przez siebie Autoryzowanym Centrum Szkolenia Autodesk. F    ")8P V^^  %)8  %"^Q i kanale YouTube zamieszcza regularnie liczne wide  "(%

* (\   (      *#  E- *- / (2)  &    &  (     # - /  H   H    / *   / (   0 ( D * # / /   /   H^  / &E" (   2-  *# &   H*      E*      ^   2 )  # & D /    / *

  *_ Â&#x2020;LM2  *H    /    / ^ 

{  

 * 

   

&#      (  * ^ *   & **  $* (  * ( / ^2.* #  *  #D / -"   /**     J(  & H/#  (   / (

2 ! #D  *  #/ #* * &D * &    & D & /  &       2

WMÂ&#x2020;


0-.!O¶%!O

`  8 "  ) A @!G;"S     !   ! &      

&  "  !  }5]5>Â&#x201A;@-9 -   !G     && !" 

-"  > &)&    ! \ & &) @& ". ? ! ! "   ] !9

    #D/ # / 

  *  /  #  # # * *  / (     &   (&  (H*         & *# H/      *

+  2'&    #D  / *    H^ 2  H^ / Wprowadzenie do +    !      Â&#x2C6;Â&#x2030;   &     H*   D  #     / (     && D// * /    Â&#x2020;"(H*      /      &2/&  ^ *   D  #/ H /  #  D# * H/* *  /    /   H* *  H*& D  / /    /  /   /     2-H^{ ^ *   *   H*  /     * (   2  ^ *   (#{   2 2*  /    

       &     /  /  (&   /  &     /

 C       &   / ( &#   /     

  ( *        D           ^{F^{ /&/   &/  (&  ( * 2  D ^ *      / *  & 2 2K  * [,,\K  ( *[_.Y-\!K [! \0_ K![     \!Y!2

  [!Y!\ . K-Â&#x2C6; V2M [.\  K  

 [- K   \2  H^  *(  $ +       !    Â&#x2C6;   } /*       ^ *  * / (    &2Y(H* 

  ^ / * J 4 ,,        _.Y- !Y!  D ^ *    -OOK [_$K    ' c\  3  - /  2 (&   &  /  (&  ^ *  E / * /   J(   / (     */&H*  

D@ " I    

" M S     ! D   DF-&./LMFK/J;J$;&.;.K$K+;K

%-J0%

X#      HG  CSMS9¡@(  A    A)     

 )       8 "  ) A " %Y

WMT

P

O

M

I

A

R

Y

â&#x20AC;¢

A

U

T

O

M

A

T

Y

K

A

â&#x20AC;¢

R

      (     / ( 2    //*  / D / &/&/       D  * *  * H/  / &2 +  H^{  #D  '   !     +     !    H      ^ *  2Y(H* 

  

#4 E  / (   /    *   E  /  ^{E # *      H*   H*  [   * -"* H     &   / (     & // *      

/    /  /    *       (   \ E D  ^{

/ / & / (  -" E * * ^{ *  *    ^ / * // *     E  *  / ( &**    H  D  ^{ 

*J   E   ^{ *  *  /     E /              2 ! C :/ # * & ^ *  D ^  */ E * *   / /       *      H /    2    #D   (J    /      J   *      2   (H* /  ^{ / &/   * * &   &       #*   D  / *  

  /  & D*  /&E/ (

&  & ( &   D &/  & D    / D 

   2

6 8 @  

O

B

O

T

Y

K

A

NR 3/ 20 1 7


  

NOWOCZESNE LABORATORIUM ROBOTYKI Opisy    

   

ABB FANUC KUKA MITSUBISHI ELECTRIC   www.ksiegarnia.pwn.pl

premiera w grudniu


53

  ! + 

59

 -  *  " _ (  

69

"* !  

75

Data Exchange Platform Dedicated to Distributed Control Systems

Mobile Robot Path Planning with Obstacle Avoidance using Particle Swarm Optimization

Koncepcja wykorzystania wybranej karty Shewharta do diagnostyki  +             (  * K  C * 

:         +      ! alarmowych

PAR nr 3/2017  

Kwartalnik naukowo-techniczny "Pomiary Automatyka Robotyka"