Инновационные технологии в автомобильной промышленности

Муздыбаев Мурат Сеитович

*InstructorProfile(zh-CN)*

内容描述: Дисциплина изучает инновационные технологии «Индустрия 4.0» в автомобильной промышленности. Рассматриваются технологии «коботов» (Collaborative Robots) для частичного облегчения физического труда, технологии полной роботизации процессов изготовления деталей и сборки узлов, технологии «Интернет вещей» в автомобильной отрасли. Обучающиеся анализируют резервы повышения эффективности в автомобильной индустрии, приобретают навыки управления и оптимизации производственных процессов

贷款数: 5

Пререквизиты:

  • Современные конструкции агрегатов и узлов транспортной техники

*СomplexityDiscipline(zh-CN)*:

*TypesOfClasses(zh-CN)* *hours(zh-CN)*
*Lectures(zh-CN)* 15
*PracticalWork(zh-CN)* 30
*LaboratoryWork(zh-CN)*
*srop(zh-CN)* 75
*sro(zh-CN)* 30
*FormOfFinalControl(zh-CN)* экзамен
*FinalAssessment(zh-CN)* экзамен

零件: Компонент по выбору

循环次数: Профилирующие дисциплины

Цель
  • Дать представление о внедрении киберфизических систем, роботизации и использовании инструментов искусственного интеллекта в автомобильной промышленности, средств автоматизации всех процессов на производстве в рамках "Индустрии 4.0"
Задача
  • Изучить инновационные технологии «Индустрия 4.0» в автомобильной промышленности
  • Освоить технологии полной роботизации процессов изготовления деталей и сборки узлов
  • Уметь анализировать резервы повышения эффективности в автомобильной индустрии
  • Приобрести навыки управления и оптимизации производственных процессов
Результат обучения: знание и понимание
  • знания об основных инструментах инновационных технологий «Индустрия 4.0»: большие данные, интернет вещей, виртуальная и дополненная реальность, 3D-печать, квантовые вычисления, блокчейн и роботизация.
Результат обучения: применение знаний и пониманий
  • применение знаний для реализации процессов изготовления автомобилей, деталей и сборки узлов
Результат обучения: формирование суждений
  • анализируют резервы повышения эффективности в автомобильной индустрии
Результат обучения: коммуникативные способности
  • умение принимать технические, экономические и управленческие решения; применить свои знания в реальной жизни.
Результат обучения: навыки обучения или способности к учебе
  • приобретают навыки управления и оптимизации производственных процессов
*TeachingMethods(zh-CN)*

При проведении учебных занятий предусматривается использование следующих образовательных технологий: - Инновационные технологии и аналитические методы в подготовке квалифицированных специалистов в сфере автомобильной промышленности

*AssessmentKnowledge(zh-CN)*

Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.

*Period2(zh-CN)* *TypeOfTask(zh-CN)* *Total(zh-CN)*
1  *Rating(zh-CN)* Задание 1 0-100
Задание 2
Тестирование
2  *Rating(zh-CN)* Задание 3 0-100
Задание 4
Тестирование
*TotalControl(zh-CN)* экзамен 0-100
*PolicyAssignmentTask(zh-CN)*
*TypeOfTask(zh-CN)* 90-100 70-89 50-69 0-49
Excellent *Grade4(zh-CN)* *Grade3(zh-CN)* *Grade2(zh-CN)*
*EvaluationForm(zh-CN)*

Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:

  • 40% результата, полученного на экзамене;
  • 60% результатов текущей успеваемости.

Формула подсчета итоговой оценки:

И= 0,6 Р1+Р2 +0,4Э
2

 

где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.

Итоговая буквенная оценка и ее цифровой эквивалент в баллах:

Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:

Оценка по буквенной системе Цифровой эквивалент Баллы (%-ное содержание) Оценка по традиционной системе
A 4.0 95-100 Отлично
A- 3.67 90-94
B+ 3.33 85-89 Хорошо
B 3.0 80-84
B- 2.67 75-79
C+ 2.33 70-74
C 2.0 65-69 Удовлетворительно
C- 1.67 60-64
D+ 1.33 55-59
D 1.0 50-54
FX 0.5 25-49 Неудовлетворительно
F 0 0-24
Темы лекционных занятий
  • Индустрия 4.0. Четвертая промышленная революция основные принципы
  • Промышленные платформы IoT - интернет вещей
  • Большие данные и аналитика
  • Облачные вычисления
  • Аддитивное производство
  • Дополненная реальность
  • Цифровое клонирование
  • Машинное обучение
  • Умный завод. Концепция "Смарт-продакшн"
  • Предиктивное техническое обслуживание
Основная литература
  • 1. Баймухамедов, М. Ф. Mechatronics / М. Ф. Баймухамедов . - Алматы : Бастау , 2019 - . Volume. 2 Мехатроника : textbook / Қ. Қ. Джаманбалин, М. К. Акгул ; Мин-во образования и науки РК. - Алматы : Бастау , 2019. - 256 p. - Библиогр.: 132 р. . - ISBN 978-601-7275-98-3 : 6272 2. Логический подход к искусственному интеллекту: От классич. логики к логическому программир. / пер. с фр. П. П. Пермяков ; ред. Г. П. Гаврилов. - М. : Мир, 1990. - 432 с 3. Искусственный интеллект. В 3-х книгах. - М. : Радио и связь. Кн.2 : Модели и методы : справочное издание / Ред. Д.А. Поспелов. - М. : Радио и связь, 1990. - 304 с.
Дополнительная литература
  • 4. Акмаев, К. Х. Роботизация разборочных работ при ремонте машин. Вопросы нормирования [Текст] : учебное пособие / К.Х. Акмаев, Л.Е. Буздыганова, В.А. Тимошкин; Под ред. Л.В. Дехтеринского ; МАДИ. - М. : [б. и.], 1986. - 105 с.