Michal Blaho (Humusoft)
MATLAB pomáha výskumníkom, vývojárom a inžinierom pri tvorbe nových algoritmov a zariadení. Vychádza dva krát do roka s množstvom noviniek v základom module a jednotlivých nadstavbách. Počas prezentácie uvidíte nové možnosti pre modelovanie, simuláciu a zdieľanie návrhov, ako aj nové nástroje pre zvýšenie vašej produktivity a tvorby lepšieho kódu a modelov. Novinky budú zamerané na oblasti ako sú:
Marco Rossi (MathWorks)
MATLAB, Simulink, and RoadRunner help engineers to build automated driving systems with increasing levels of automation. In this session, you will discover new features and examples that will allow you to:
Jaroslav Jirkovský (Humusoft)
Virtuální vozidlo (virtual vehicle) je termín užívaný pro virtualizaci vývojového cyklu vozidla, opírající se o simulace chování vozidla na systémové úrovni. Simulace s virtuálním vozidlem umožňují rychle získat vhled do chování vozidla v reálném světě, provádět virtuální testování různých scénářů a ověřovat funkčnost vestavěného softwaru (embedded sw). Využití virtuálního vozidla pomáhá urychlit posouzení variant, bezpečně studovat mezní případy a zlepšit celkovou kvalitu vyvíjeného systému. Typické kroky při tvorbě virtuálního vozidla zahrnují modelování vozidla, integraci vestavěného softwaru, vymezení testovacích scénářů, simulace a analýzy výsledků.
V oblasti elektromobility se simulační modely mohou využít k návrhu a optimalizaci systémů typických pro elektrická vozidla. Může se jednat o modelování baterií a vývoj BMS (battery management system), modelování palivových článků, modelování trakčních pohonů a jejich řídicích jednotek, integrace a testování řídicích algoritmů nebo využití datově orientovaných přístupů a umělé inteligence.
Michal Blaho (Humusoft)
Údaje z časových radov sú všade okolo nás. Či už ide o senzory na automatizovaných vozidlách a výrobných linkách, meteorologické údaje alebo finančné údaje z akciového trhu, pomáhajú nám pochopiť správanie systému v priebehu času. Údaje z časových radov v reálnom svete však môžu mať veľa problémov, ako sú chýbajúce údaje, odľahlé hodnoty alebo šum. Údaje je potrebné najskôr vyčistiť a pripraviť, až potom ich možno analyzovať alebo použiť na vývoj modelu. Proces je iteratívny a môže byť veľmi časovo náročný. MATLAB poskytuje viacero nástrojov pre prípravu a predspracovanie dát ako sú Live Editor Tasks, aplikácie Data Cleaner a Signal Analyzer, ktoré predstavíme.
Jaroslav Jirkovský (Humusoft)
Každá aplikace využívající algoritmy umělé inteligence potřebuje dostatečné množství reprezentativních dat, dobrý model pro machine/deep learning a vhodné funkce pro úpravu dat, které přemění surová dat na zdroj informace vhodný k automatickému učení.
Datově orientovaný přístup k umělé inteligenci se opírá o odborné znalosti konkrétní domény, kdy vhodná příprava dat vede ke zlepšení výsledků poskytovaných AI algoritmem a umožní nasazení umělé inteligence v reálných aplikacích. Ukážeme si aktuální možnosti přípravy dat ke zlepšení jejich kvality, snížení rozptylu a dimenze, výběr optimalizované reprezentace dat pomocí příznaků nebo určení vhodné transformace.
Ve výsledných aplikacích jsou pak modely umělé inteligence často využívány společně s dalšími algoritmy. Pro optimalizaci chování celého systému je vhodné prověřit nejen chování samotných AI modelů, ale také jejich interakci s dalšími prvky a vnějšími systémy. Metoda Model-Based Design, využívaná k vývoji algoritmů na základě simulačních modelů, umožní společný vývoj a testování modelů umělé inteligence se zbytkem systému, optimalizovat jejich vzájemné působení, odhalit včas případné problémy s integrací a dovést návrh až do podoby cílového nasazení.
Martin Kožíšek (Humusoft)
V přednášce budou na konkrétní úloze představeny simulační nástroje COMSOL Multiphysics, COMSOL Server a COMSOL Compiler. Důraz bude kladený na ukázku pracovního postupu tvorby simulace od zadání parametrů po zpracování výsledků. Jakým způsobem může simulačnímu inženýrovi software usnadnit práci?
Jaroslav Jirkovský (Humusoft)
Prediktivní analytika, detekce anomálií a visuální inspekce představují tři oblasti průmyslového nasazení moderních výpočetních metod založených na systematickém sběru provozních dat, matematickém modelování a umělé inteligenci.
Prediktivní analytika využívá historická data k předpovídání budoucích událostí. Historická data se používají k sestavení matematického modelu, který zachycuje důležité trendy. Model se pak aplikuje na aktuální data k předpovědi, co se bude dít dále, nebo k navržení opatření, která je třeba podniknout pro dosažení optimálních výsledků. Prediktivní analytika nachází uplatnění v tak různorodých odvětvích, jako jsou automobilový průmysl, letecký průmysl, výroba, energetika, finance, a další. Typickou úlohou pro prediktivní analytiku v průmyslových aplikacích je prediktivní údržba systémů a odhad zbývající doby do poruchy, umožňující efektivní plánování údržby a načasování odstávek výroby s minimálními náklady.
Druhou oblastí průmyslového nasazení datově analytických metod je monitorování a klasifikace stavu technických zařízení. Součástí takového systému mohou být nástroje pro detekci anomálií. Jedná se z principu též o klasifikační úlohu, ale lze ji využít i v případě, že o systému máme pouze data z „normálního“ provozu bez dopředu známých údajů z poruchových stavů.
Třetí průmyslovou aplikací je automatizovaná detekce defektů, která je zásadní pro výkonnou kontrolu kvality ve výrobních systémech. Visuální inspekce jsou široce používány v mnoha průmyslových odvětvích pro detekci vad na různých typech vyrobených povrchů, jako jsou kovové součásti, polovodičové destičky, kontaktní čočky a tak dále. Nedávný vývoj v oblasti hlubokého učení přinesl nové nástroje pro automatizaci úkolů vizuální kontroly s nebývalou přesností a robustností. Nové metody umožňují najít libovolné defekty bez potřeby využití „defektních“ dat během učení detekčního algoritmu.
Martina Mudrová (Humusoft), Martin Foltin (Humusoft)
Stručný přehled aktuálních možností, které MATLAB a jeho doplňující služby nabízí pro výuku a vzdělávaní na vysokých školách, i pro začínající firmy.
Mauro Fusco (MathWorks)
As systems become more complex, engineers are being challenged to do more despite shrinking development timelines and budgets. Learn why engineers working in aerospace, automotive, robotics, medical devices, and industrial automation machinery and more rely on a suite of interconnected platforms from MathWorks to design, build, test, and deploy the systems of tomorrow. Model-Based System Engineering and Design incorporates verification and validation into the software development workflow. As a result engineers use intuitive programs to simulate and analyze architecture, algorithmically compare trade studies, and create a digital thread that spans the entire system.
By joining this talk, you will learn the best practices for improving software quality while reducing development time and costs.
Highlights
Tomáš Fridrich (Humusoft)
Real-Time testing se stal nedílnou součástí vývojového cyklu. Společnost dSPACE nabízí velkou škálu hardwarových a softwarových řešení. Prezentace nastíní základní postupy vytváření aplikací pro Real-time testování. Ukážeme si zajímavé oblasti užití real-time platforem nejenom v automotive, ale také z jiných průmyslových oblastí. Na závěr vám povím novinky.
Anna Tocháčková (Humusoft)
Seznámíte se různými možnostmi vizualizace dat pomocí grafů v prostředí MATLAB. V MATLABu můžete vykreslovat grafy pro „všeobecné využití“, jakou jsou grafy čárové, sloupcové, výsečové, plošné či objemové. Navíc však můžete využívat grafy speciálně připravené pro konkrétní účely, jako jsou grafy pro statistickou vizualizaci, orientované grafy, mapové podklady a další. Některé z nich poskytují i dodatečnou výpočetní výbavu. V ukázkách uvidíte několik různých typů grafů, které můžete využít jako inspiraci pro vizualizace a prezentace vašich dat.
Jakub Zábojník, Radek Papoušek (Continental Barum s.r.o.)
Pro potřeby našeho oddělení a kolegů ze zahraničí jsme vytvořili sérii nástrojů v MATLAB AppDesigneru, které nám ulehčují každodenní práci. Stručně představíme jednotlivé nástroje a jejich účel a použití. Všechny aplikace vychází z našich konkrétních potřeb. V některých případech nahradily zastaralý software, někde vznikly nové požadavky, jindy jsme zase nahradili Excel. Jako neprogramátoři se stále učíme a díky snadnému ovládání a srozumitelnosti AppDesigneru jsme schopni tvořit vlastní aplikace snadno a relativně rychle.
Filip Šroubek (ÚTIA AV ČR)
Dekonvoluční metody, které odstraňují rozmazání v obraze, používají kvůli vyšší efektivitě rychlou Fourierovu transformaci (FFT). Metody v Matlabu jako jsou „deconvwnr“, „deconvreg“ a „deconvlucy“ nejsou výjimkou. FFT předpokládá, že obraz je periodický, což však v praxi není většinou splněno a v takovém případě vznikají na okraji obrazu rušivé artefakty. Navrhli jsme metodu spektrální adaptace (SPA), která upraví rozmazaný obraz, aby se přiblížil předpokladu periodicity, a při dekonvoluci pak nevzniknou artefakty. Metoda SPA nejen dává lepší výsledky než standardní funkce v Matlabu „edgetaper“, ale je také obecnější. Například umožňuje zvyšování rozlišení obrazu nebo kompenzuje problémy spojené s nepřesně určeným konvolučním jádrem.
Martin Šiler (Ústav přístrojové techniky AVČR, v.v.i.)
Strojové učení v MATLABu můžeme využít i identifikaci (klasifikaci) desítek druhů bakterií v krvi, které způsobují různé nemoci. Pro rychlou analýzu používáme světelnou Ramanovskou spektroskopii, tj. rozptyl světla na bakteriálních kulturách, při kterém se mění vlnová délka světla získáme tak „unikátní otisk prstu“ bakterie. Data vstupující do analýzy ale trpí velkým množstvím neduhů: šum, jsou smíchána s dalším neužitečným signálem, málo dat, nerovnoměrně zastoupené třídy atd. V přednášce ukážeme, jak různé postupy předzpracování a výběru příznaků ovlivní kvalitu výsledné klasifikace.
Josef Souček (ČVUT FBMI a Hasselt University (Belgie))
Bodový defekt na bázi páru dusíku a vakance (Nitrogen-vacancy, NV) patří mezi intenzivně zkoumané spinové systémy v krystalové mříži diamantu. Pro vývoj kvantových cipu pro optimální excitaci, je třeba přesná charakteristika kvantové odezvy tohoto centra. Práce je zaměřena na modelování krystalového prostředí diamantové mřížky a komplexních jevů přenosu energie a náboje jako je emise elektronu a fotonu nebo drift nosičů náboje z NV centra při laserové a mikrovlnné excitaci.
Patrik Kováčik (Žilinská univerzita v Žiline)
Využitie umelej inteligencie v strojárskom odvetví je pomerne novou, rýchlo rozvíjajúcou sa problematikou. V tejto prezentácií zistíte, ako sa pozerať na klasický strojársky problém novým spôsobom – prejdeme si spolu hlavné funkcie MATLABu, ktoré umožňujú optimalizovať strojárske konštrukcie, a taktiež potenciál umelej inteligencie zlepšiť daný proces v strojárskom svete. Náš projekt je zameraný na optimalizovanie dronov určených na doručovanie zásielok tak, aby na svoje „telesné proporcie“ dokázali uniesť čo najťažšie zásielky.