Domača stran FERI

Grozd Kompetenčni center za sodobne tehnologije vodenja (KC STV) razpisuje nagrade Tehnološke mreže Tehnologija vodenja procesov (TM TVP) za najboljša diplomska in magistrska dela na področju tehnologije vodenja. Tehnološka mreža Tehnologija vodenja procesov je konzorcij, ki od leta 2003 povezuje javne raziskovalne institucije in podjetja na področju avtomatizacije, informatizacije in kibernetizacije sistemov v Sloveniji. Aktivnosti mreže so usmerjene v spodbujanje prenosa znanja in tehnologij v industrijsko prakso ter razvoj produktov in storitev za prodajo na trgu.

S podeljevanjem nagrad Tehnološka mreža TVP vzpodbuja kvalitetno delo in odličnost mladih, ki začenjajo s svojim raziskovalnim in strokovnim delom. Nagrade razpisuje na širših področjih delovanja mreže, in sicer:

• avtomatizacija strojev in naprav,
• vodenje kompleksnih sistemov in tehnoloških procesov,
• inteligentni sistemi in procesi v pametnih tovarnah,
• diagnostika, prognostika in samovzdrževanje strojev in naprav,
• avtonomna vozila,
• podpora logističnim procesom v podjetjih,
• tehnologije vodenja za pametno upravljanje z energijo, večjo kakovost bivanja in manjše onesnaževanje okolja,
• sodobne IKT v sistemih vodenja, npr. internet stvari, umetna inteligenca, oblačne tehnologije, velepodatki,
• tehnologije in znanja za razvoj novih orodij in gradnikov za sisteme vodenja,
• druga področja, povezana s problematiko vodenja sistemov in procesov.

Podelitev nagrad in predstavitev nagrajenih del je potekala 22. aprila 2026 v okviru dogodka Dnevi avtomatike na Fakulteti za elektrotehniko Univerze v Ljubljani.

Nagrado za najboljše diplomsko delo je prejel Niki Zmazek za delo z naslovom Načrtovanje in implementacija regulacijskega sistema za dušenje nihanj mostnega žerjava, ki ga je opravil na Univerzi v Mariboru na Fakulteti za elektrotehniko, računalništvo in informatiko pod mentorstvom prof. dr. Jožefa Ritonje in somentorstvom asist. dr. Roberta Brezovnika.

Mostni žerjavi predstavljajo srce vsakega večjega industrijskega objekta. Vsako sekundo prenašajo tone materiala v vseh treh smereh. Njihova učinkovitost je v veliki meri definirana z izkušenostjo žerjavista. Breme med pospeševanjem, še posebej pri zaustavljanju močno niha, zaradi česar natančno pozicioniranje tovora postane loterija. Takšno nihanje pomeni resne izgube časa in produktivnosti, ki so v zahtevni sodobni industriji preprosto nedopustne. Namen diplomske naloge je sistematični pristop k izdelavi protinihajnega sistema mostnega žerjava. Naloga obsega teoretični del, numerični del in realizacijo na industrijskem desettonskem žerjavu. Rezultati niso le simulacije, ampak so odzivi realnega desettonskega mostnega žerjava, na katerega je bil protinihajni sistem implementiran. V nalogi je izpeljan nelinearni matematični model mostnega žerjava, izvedena je linearizacija tega modela in določitev lineariziranega modela odstopanj. Na podlagi lineariziranega modela je izvedena sinteza z regulatorjem stanj po metodi LQR. Realiziran protinihajni sistem je preizkušen na mostnem žerjavu. Rezultati potrjujejo pravilnost in uspešnost predstavljenega pristopa.

Priznanje za magistrsko delo je prejel David Hožič za delo z naslovom Razvoj strategij umetne inteligence za igranje namiznega nogometa v pravem okolju, ki ga je opravil na Univerzi v Ljubljani na Fakulteti za elektrotehniko pod mentorstvom doc. dr. Andreja Zdešarja in somentorstvom, asist. dr. Matevža Bošnaka.

Namizni nogomet je vsem dobro poznana igra, ki se jo včasih obravnava tudi kot šport. V igri navadno tekmujeta dve ekipi, ki upravljata palice z namenom manipulacije žoge v nasprotnikov gol. Včasih dveh ekip ni moč najti — na primer na javnem kraju ali za namen samostojne vadbe — zato je smiselno eno stran mize namiznega nogometa avtomatizirati s sistemom za zaznavo žoge in palic ter sistemom za vodenje palic preko motorjev. Magistrsko delo obravnava razvoj agentov umetne inteligence za igranje namiznega nogometa na avtomatizirani mizi proti človeškemu nasprotniku. Agenti so bili razviti z metodami spodbujevalnega učenja — zvrst strojnega učenja iz poskusov — v simuliranem okolju, ki je bilo pred učenjem usklajeno z dinamiko pravega sistema z identifikacijo dinamičnih parametrov sistema. Razvite so bile strategije za tri palice (vratar, obramba in napad), pri čemer je bila posebna pozornost namenjena prenosu naučenih strategij iz simulacije v pravo okolje. Slednje zaznamuje prisotnost šuma tipal, napak v kalibraciji, časovnih zamikov in drugih motenj. Vpliv časovnih zakasnitev je bil zmanjšan z napovednimi modeli za ocenjevanje stanj. Razvite strategije so bile preizkušene tako v simulaciji kot tudi v pravem okolju proti človeku.

Priznanje za magistrsko delo je prejel Urban Kolman za delo z naslovom Uporabniški vmesnik za robotski sistem pobiranja kosov v razsutem stanju iz zabojnika, ki ga je opravil Univerzi v Mariboru na Fakulteti za elektrotehniko, računalništvo in informatiko in Fakulteti za strojništvo pod mentorstvom izr. prof. dr. Uroša Župerla in izr. prof. dr. Aleša Haceta ter somentorstvom dr. Roka Pahiča.

Naloga obravnava razvoj modularnega spletnega grafičnega vmesnika za upravljanje robotskega sistema za pobiranje kosov iz zabojnika. Vmesnik, razvit v JavaScriptu, temelji na komunikaciji z ROS2 ter omogoča 3D vizualizacijo robota in oblaka točk zaznanih objektov. Uporabniku omogoča enostavno nastavljanje parametrov ter upravljanje projektov, shranjenih v podatkovni bazi. Z integracijo VNC odjemalca je omogočen dostop do aplikacije za parametrično modeliranje kosov in določanje pobiralnih točk. Sistem je bil uspešno implementiran v industriji, kjer izboljšuje učinkovitost in fleksibilnost procesa.

Nagrado za najboljše magistrsko delo je prejel Gregor Mlinarič za delo z naslovom Sistemi za podporo odločanju pri optimizaciji proizvodnje penicilina, ki ga je opravil na Univerzi v Ljubljani na Fakulteti za matematiko in fiziko in Fakulteti za računalništvo in informatiko pod mentorstvom izr. prof. dr. Lovra Šublja in somentorstvom dr. Miha Glavana.

V skladu s smernicami industrije 5.0 se razvoj tehnoloških rešitev usmerja v podporo zaposlenim v proizvodnem okolju. V zadnjem času je večji poudarek namenjen razvoju podpornih sistemov, ki operaterjem olajšajo vodenje procesa tako, da spremljajo njihove aktivnosti in jim v ključnih trenutkih predlagajo ustrezne korekcijske ukrepe. V nalogi so bili razviti različni sistemi za podporo odločanju, ki so bili testirani na primeru simulacijskega okolja IndPenSim za proizvodnjo penicilina. Ti sistemi ob vnaprej določenih časih (vsakih 24 ur) operaterjem predlagajo korekcijske ukrepe. Predstavljene so bile tri družine sistemov za podporo odločanju, ki temeljijo na optimizaciji napovednega modela, GNN priporočilnih sistemih in hibridnih metodah. Rezultati kažejo, da je mogoče z uporabo teh pristopov povečati končni izplen penicilina, pri čemer še zlasti izstopa hibridni pristop, ki združuje prednosti preostalih dveh metod. V primerjavi z obstoječo literaturo predlagane metode dosegajo izplene, primerljive z doslej najzmogljivejšimi modeli, obenem pa zahtevajo bistveno manj posegov v proces. Navedene ugotovitve potrjujejo primernost pristopov tudi za uporabo pri drugih procesih.