Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Uncertainty analysis in engineering
Tok studiów:
2019/2020
Kod:
RIME-2-221-WM-s
Wydział:
Inżynierii Mechanicznej i Robotyki
Poziom studiów:
Studia II stopnia
Specjalność:
Wytwarzanie mechatroniczne
Kierunek:
Inżynieria Mechatroniczna
Semestr:
2
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Prowadzący moduł:
dr hab. inż. Gallina Alberto (agallina@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

The course gives students insight into the problem of uncertainty explaining what tools can be adopted to work in a condition of limited knowledge by theoretical and practical work.

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Awareness of the importance of uncertainty analysis in engineering problems. Understanding of the most common non-deterministic methods and optimization methods used in engineering. IME2A_W07, IME2A_W03, IME2A_W04 Zaliczenie laboratorium,
Wykonanie projektu,
Wykonanie ćwiczeń laboratoryjnych
Umiejętności: potrafi
M_U001 Improving software programming skills and ability to integrate different simulation environments IME2A_U14, IME2A_U10, IME2A_U07, IME2A_U05, IME2A_U11 Wykonanie ćwiczeń laboratoryjnych
M_U002 Student is able to present his own work and justify his/her choices made in the execution of the work. IME2A_U03, IME2A_U05, IME2A_U04 Prezentacja
Kompetencje społeczne: jest gotów do
M_K001 Awareness of the responsibility for own work and readiness to comply with the rules of team work and accepting responsibility for tasks performed collectively IME2A_U02, IME2A_K02 Wykonanie ćwiczeń laboratoryjnych,
Zaangażowanie w pracę zespołu
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
45 15 0 15 15 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Awareness of the importance of uncertainty analysis in engineering problems. Understanding of the most common non-deterministic methods and optimization methods used in engineering. + - - - - - - - - - -
Umiejętności
M_U001 Improving software programming skills and ability to integrate different simulation environments - - + - - - - - - - -
M_U002 Student is able to present his own work and justify his/her choices made in the execution of the work. - - - + - - - - - - -
Kompetencje społeczne
M_K001 Awareness of the responsibility for own work and readiness to comply with the rules of team work and accepting responsibility for tasks performed collectively - - + + - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 135 godz
Punkty ECTS za moduł 5 ECTS
Udział w zajęciach dydaktycznych/praktyka 45 godz
Przygotowanie do zajęć 30 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 55 godz
Dodatkowe godziny kontaktowe 5 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (15h):
  1. Overview of uncertainty descriptors

    • random variables. fuzzy numbers, interval analysis
    • uncertainty analyses: uncertainty quantification, sensitivity analysis, reliability analysis, robustness analysis

  2. Sensitivity analysis

    • regression analysis
    • Morris’ method
    • Sobol method
    • other methods

  3. Optimization

    • local methods
    • global methods

  4. Regression models

    • linear regression
    • Bayesian linear regression
    • Gaussian process linear regression

  5. Reliability analysis

    • First order reliability method
    • Important sampling

  6. Propagation of uncertainty

    • analytical method
    • first order second moment
    • Monte Carlo method
    • sampling strategies

Ćwiczenia projektowe (15h):
Development of the project

  • selection of the model and analysis
  • implementation in MATLAB
  • presentation of results

Ćwiczenia laboratoryjne (15h):
  1. Calculus of probability

    • Basic concepts
    • Discrete and continuous random variables
    • Fundamental properties
    • Conditional properties
    • Important distributions
    • Maximum likelihood estimator

  2. MATLAB labs

    • description of specific MATLAB commands and toolboxes
    • creation of scripts for uncertainty propagation

  3. Introduction of Dakota software

    • Fundamentals of Dakota
    • Getting started
    • Interfacing with external softwares

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Ćwiczenia projektowe: Studenci wykonują zadany projekt samodzielnie, bez większej ingerencji prowadzącego. Ma to wykształcić poczucie odpowiedzialności za pracę w grupie oraz odpowiedzialności za podejmowane decyzje.
  • Ćwiczenia laboratoryjne: W trakcie zajęć laboratoryjnych studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia. Prowadzący stymuluje grupę do refleksji nad problemem, tak by otrzymane wyniki miały wysoką wartość merytoryczną.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Ćwiczenia projektowe:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują prace praktyczne mające na celu uzyskanie kompetencji zakładanych przez syllabus. Ocenie podlega sposób wykonania projektu oraz efekt końcowy.
  • Ćwiczenia laboratoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego. Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia, co może zostać zweryfikowane kolokwium w formie ustnej lub pisemnej. Zaliczenie zajęć odbywa się na podstawie zaprezentowania rozwiązania postawionego problemu. Zaliczenie modułu jest możliwe po zaliczeniu wszystkich zajęć laboratoryjnych.
Sposób obliczania oceny końcowej:
  • Preparation of laboratory tasks
  • Preparation and presentation of a project
  • Short colloquium
Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :
  • Fundamentals of MATLAB
  • Fundamentals of FEM
Zalecana literatura i pomoce naukowe:

Basic:

  • Notes provided by the lecturer:
    Additional:
  • Grinstead, Introduction to probability
  • Meyers and Montgomery, Applied statistics and probability for engineers
  • Bishop, Pattern recognition and machine learning.
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Subject web-site : http://home.agh.edu.pl/~agallina/?UNCERTAINTY_ANALYSIS_IN_ENGINEERING_%28UA%29