TIP PROJEKTA: 

• Znanstveno-istraživački projekt

RAZDOBLJE PROVEDBE PROJEKTA:

• 1.10.2025. – 30.09.2029.

VODITELJ I SURADNICI NA PROJEKTU:

• Voditelj: doc. dr. sc. Karlo Griparić (UNIPU, Tehnički fakultet) 
• Suradnici: izv. prof. dr. sc. Diego Sušanj (UNIPU, Tehnički fakultet)
• prof. dr. sc. Marin Žagar (Rochester Institute of Technology (RIT) Croatia)
• Dalibor Fonović, dipl.ing. (UNIPU, Tehnički fakultet)

KRATAK OPIS PROJEKTA:

U mnogim proizvodnim djelatnosti jedna od neizostavnih tehnika izrade mehaničkih komponenti je primjenom metode odvajanja čestica, odnosno strojne obrade uporabom računalno upravljanih alatnih strojeva različitih konstrukcijskih izvedbi. Iako je proizvodnja uporabom računalno upravljanih strojeva prisutna od sredine 20. stoljeća, izrada složenih proizvoda nezamisliva je bez učinkovitog i preciznog generiranja putanja alata. Optimizacija parametara obrade značajno utječe na kvalitetu i točnost strojne obrade, ali i na efikasnost, profitabilnost i potrošnju energije. S obzirom na utjecaj brojnih čimbenika na obradu materijala, često je potrebno značajno praktično iskustvo programera u podešavanju parametara obrade, što može dovesti do nedosljedne kvalitete obrade i smanjene učinkovitosti. Tradicionalni pristupi optimizacije parametara obrade oslanjaju se na geometrijske i heurističke metode, čija je primjena limitirana na tijela jednostavnije geometrije i konstantnih uvjeta rad. Glavni cilj projekta je istražiti upotrebu algoritama strojnog učenja za poboljšanje odabira parametara obrade i korekcija putanje alata učenjem iz povijesnih podataka simulacija i stvarne obrade. Projektom će predlaže hibridni pristup koji kombinira konvencionalne geometrijske algoritme s modelima strojnog učenja poput dubokog učenja i neuronskih mreža. Očekivani ishod projekta je predložiti strategiju za unaprjeđenje inteligentne proizvodnje demonstrirajući da napredne metode obrade podataka mogu poboljšati proizvodni proces u postojećim industrijskim okruženjima.

CILJEVI projekta:

Projekt ima za cilj provesti sveobuhvatnu analizu postojećih postupaka za određivanje parametara strojne obrade. Temeljem te analize, ključni korak je implementacija baze podataka CNC programa. Nadalje, istraživat će se mogućnosti primjene algoritama strojnog učenja (ML) za određivanje operacija i parametara strojne obrade iz prikupljenih podataka. Kroz učenje iz povijesnih podataka simulacija i stvarne obrade, razvit će se hibridni model koji spaja konvencionalne geometrijske algoritme s naprednim tehnikama, poput dubokog učenja i neuronskih mreža. Ovaj pristup ključan je jer tradicionalne metode optimizacije često zahtijevaju opsežno praktično iskustvo programera, što dovodi do nedosljedne kvalitete obrade i smanjene učinkovitosti. Krajnji cilj je predložiti strategiju za inteligentnu proizvodnju, čime će se poboljšati efikasnost, točnost i smanjiti potrošnja energije po jedinici proizvoda u postojećim industrijskim okruženjima. Dodatni cilj projekta je jačanje ljudskih potencijala, odnosno povećanje kompetencija istraživača i koncentriranje znanja u područjima CNC obrade, analize podataka i strojnog učenja.

NOSITELJ PROJEKTA: Sveučilište Jurja Dobrile u Puli