Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Multi scale numerical modelling in metallurgy and materials science
Tok studiów:
2019/2020
Kod:
RIME-2-203-SI-s
Wydział:
Inżynierii Mechanicznej i Robotyki
Poziom studiów:
Studia II stopnia
Specjalność:
Systemy inteligentne
Kierunek:
Inżynieria Mechatroniczna
Semestr:
2
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma studiów:
Stacjonarne
Prowadzący moduł:
Madej Łukasz (lmadej@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

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 Has general knowledge about the advantages and possibilities of application of multiscale modeling techniques in engineering. Egzamin,
Kolokwium
M_W002 Has general knowledge on selection of appropriate methods of macro, meso, micro and nano scale analysis to solve problem under consideration. Egzamin,
Kolokwium
Umiejętności: potrafi
M_U001 Has the ability to analyze and interpret obtained results from the implemented model. Sprawozdanie,
Udział w dyskusji
M_U002 Has the ability to develop and implement a model that is based on knowledge about analyzed physical phenomenon. Udział w dyskusji,
Wykonanie projektu
Kompetencje społeczne: jest gotów do
M_K001 Can appreciate the advantages of the use of multiscale modeling techniques to develop new technologies that can be useful for the society. Udział w dyskusji
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
56 28 0 28 0 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 Has general knowledge about the advantages and possibilities of application of multiscale modeling techniques in engineering. + - - - - - - - - - -
M_W002 Has general knowledge on selection of appropriate methods of macro, meso, micro and nano scale analysis to solve problem under consideration. + - - - - - - - - - -
Umiejętności
M_U001 Has the ability to analyze and interpret obtained results from the implemented model. - - + - - - - - - - -
M_U002 Has the ability to develop and implement a model that is based on knowledge about analyzed physical phenomenon. - - + - - - - - - - -
Kompetencje społeczne
M_K001 Can appreciate the advantages of the use of multiscale modeling techniques to develop new technologies that can be useful for the society. + - + - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 150 godz
Punkty ECTS za moduł 6 ECTS
Udział w zajęciach dydaktycznych/praktyka 56 godz
Przygotowanie do zajęć 70 godz
Samodzielne studiowanie tematyki zajęć 24 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (28h):
Computational material science – introduction

Multi scale modeling has recently become very popular in various disciplines. The number of applications of these models is increasing rapidly and the variety of approaches to multi scale problems is large. Industry is also paying a lot of attention to the multi scale modeling methods as they provide new possibilities in description of modeled systems that are in their nature of multi scale character. Therefore, there is a need for broad review and classification of the available methods and systematization of their applications.
The lecture will be focused on the role of multi scale numerical modeling in today’s science and manufacturing engineering. It will be divided into three parts.
The first one is focused on the basic definitions of the finite element method as one of the most commonly used tools in industry. Advantages and limitations of the FE models will be discussed. Modification to the FE methods e.g. Multi scale Extended Finite Element Method will be discussed as well. Basics of other macro scale modeling techniques (Finite Difference Method, Finite Volume Method, Boundary Element Method, Mesh Free Methods) and differences between them will be discussed.
The second one is focused on the description of micro scale modeling methods Cellular Automata (CA), Monte Carlo (MC), Molecular Dynamic/Static (MD). Basic definition of the CA, MC and MD methods (e.g. CA space, neighborhood, transition rules etc.) and its various applications are presented. Possibilities in application of mentioned methods to digital material representation (DMR) approach will be highlight. The DMR is particularly interested as it give the possibility to model specific structure of the metallic, ceramic or composite materials.
The third part is on combination of the micro and macro scale modeling techniques. Basis of the multi scale upscaling and concurrent method will be discussed. Examples of applications and possibility provided by these method in industrial applications will be presented.

Ćwiczenia laboratoryjne (28h):
  1. Basis of commercial finite element software 1
  2. Basis of commercial finite element software 2
  3. Development of a macro scale numerical model based on commercial finite element software 1
  4. Development of a macro scale numerical model based on commercial finite element software 2
  5. Development of a macro scale numerical model based on commercial finite element software 3
  6. Development of a macro scale numerical model based on commercial finite element software 4
  7. Basis of in-house cellular automata software 1
  8. Development of a micro scale numerical model based on in-house cellular automata software 1
  9. Development of a micro scale numerical model based on in-house cellular automata software 2
  10. Development of a micro scale numerical model based on in-house cellular automata software 3
  11. Basis of in-house Monte Carlo software 1
  12. Development of a micro scale numerical model based on in-house Monte Carlo software 1
  13. Development of a micro scale numerical model based on in-house Monte Carlo software 2
  14. Development of a micro scale numerical model based on in-house Monte Carlo software 3
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 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 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:

Weighted average: 0.5 * grade from classes + 0.5 * grade from exam

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

1. Basic knowledge of materials science

Zalecana literatura i pomoce naukowe:

1. O. C. Zienkiewicz, R. L. Taylor, The Finite Element Method Set, Butterworth-heinemann, 2005.
2. Fries T.P., Matthies H.G., Classification and overview of meshfree methods, Scientific Computing, Informatikbericht, 2003-3, Brunswick, 2004.
3. R. Wit, ,,Metody Monte Carlo – wykłady”, Wydawnictwo Politechniki Częstochowskiej, 2004.
4. Tao Pang, Metody obliczeniowe w fizyce, PWN, 2001.
5. S. Wolfram, A New kind of science, Wolfram Media, 2002.
6. K. Kułakowski, Automaty komórkowe, Ośrodek Edukacji Niestacjonarnej, Kraków, 2000.
7. Madej L., Hodgson P.D., M. Pietrzyk, Development of the Multi-scale Analysis Model to Simulate Strain Localization Occurring During Material Processing, Archive of Computer Methods in Engineering, 16, 2009, 287 – 318.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. Madej L., Wang J., Perzynski K., Hodgson P.D., Numerical modelling of dual phase microstructure behavior under deformation conditions on the basis of digital material representation, Computational Material Science, 95, 2014, 651–662.
2. Madej L., Sieradzki L., Sitko M.,Perzynski K., Radwański K., Kuziak R., Multi scale cellular automata and finite element based model for cold deformation and annealing of a ferritic-pearlitic microstructure, Computational Materials Science, 77, 2013, 172–181.
3. Halder C., Madej L., Pietrzyk M., Chakraborti N., Optimization of cellular automata model for the heating of Dual Phase steel by Genetic Algorithm and Genetic Programming, Materials and Manufacturing Processes, 30:4, 2015, 552-562.
4. Szyndler J., Madej L., Numerical analysis of the influence of number of grains, FE mesh density and friction coefficient on representativeness aspects of the polycrystalline Digital Material Representation – plane strain deformation case study, Computational Material Science, 96, 2015, 200–213.
5. Perzyński K., Madej L., Wang J., Kuziak R., Hodgson P.D., Numerical investigation of influence of the martensite volume fraction on DP steels fracture behavior on the basis of digital material representation model, Metallurgical and Materials Transactions A, 45, 2014, 5852-5865.

Informacje dodatkowe:

Brak