Intelligens gyártás: ZH felkészítő Jegyzet [Gemini 3.1 Pro (via AI Studio)]

2026. máj. 17. / 49 perc olvasás / Címkék: Intelligens gyártás, Egyetem, Jegyzet, Gemini 3.1 Pro (via AI Studio)

1. EA Minőségbiztosítás

Mik a teljeskörű minőségszabályozás (TQM) legfontosabb tulajdonságai?

• Eredet és filozófia: Az USA-ban indult rohamos fejlődésnek. Vezetői kezdeményezésű, átfogó irányítási filozófia.
• Folyamatos fejlesztés: Alapja az állandó tökéletesítés (PDCA ciklus).
• Módszertan: A “jutalmaz-büntet” elvre épül, nincs előírt és kötött adminisztráció.
• Célja: Hosszú távú sikerek elérése a vevői megelégedettség útján.
• Alapelemek: Vevőközpontúság, folyamatok állandó javítása és fejlesztése, alkalmazottak bevonása (teljes elkötelezettség).

Sorolja fel az ISO 9000 rendszer általános jellemzőit!

• Általános alapelveket tartalmaz, és elsősorban folyamatokra vonatkozik.
• Megvalósított minőségügyi rendszert jelent (műszaki és gazdasági intézkedések halmaza).
• Bizalomkeltés a fő feladata: a cég vezetésében, az alkalmazottakban, és a tanúsításon keresztül a megrendelőkben.
• A minőségügyi rendszer teljes kiépítése után van lehetőség a formális tanúsításra (auditáltatás).

Hogy zajlik a tanúsítási folyamat?

1. Tanúsítási kérelem benyújtása.
2. Minőségügyi dokumentumok átvizsgálása.
3. Hibák korrigálása (dokumentációs szinten).
4. Elő audit (nem kötelező lépés).
5. Tanúsító audit:

• Lehetőségek: nincs eltérés (ritka), kisebb eltérések (javítás után igazoló jelentés vagy újabb audit), súlyos eltérések (elutasítás).

6. Tanúsítvány átadása.
7. Évenkénti ellenőrzés (felülvizsgálat).
8. Belső auditok fenntartása.

Mi a belső audit?

A szervezet minőségi rendszerének önvizsgálata, amelyet előre megtervezett időszakonként tartanak. Belső, de munkakörétől független auditor végzi.

• Célja: A hiányosságok, gyenge pontok feltárása.
• Eredménye: Az „önjavító képesség” megteremtése a vállalaton belül.
• Viszonylag rövid, általában 2-3 napos felülvizsgálat.

Melyek a sikeres piaci jelenlét alapfeltételei?

A termék minőségének különböző fokozatait kell teljesíteni:

1. A termék lássa el az alapfunkcióját.
2. Feleljen meg a pontos specifikációnak.
3. Legyen a vevő elégedett az elvárások teljesülése miatt.
4. Jelenítse meg a vevő latens (ki nem mondott) igényeit is.

Melyek voltak a minőségügy legfontosabb történeti lépcsői?

1. Manufaktúra, kisipar (Quality Check): A munka végzője ellenőriz, ő dönt a javíthatóságról.
2. Ipari forradalom (Quality Control): Szalagszerű termelés, elkülönült szervezet jelenik meg (MEO - Minőségellenőrzési Osztály).
3. Nagy sorozatok gyártása (Quality Assurance): Megjelennek a statisztikai módszerek (SPC - Statistical Process Control).
4. Automatizált tömeggyártás (Total Quality Management - TQM): A szabályozás nélkülözhetetlenné válik, megjelenik a teljes körű minőségmenedzsment.

Mit jelent a latens igények kielégítése?

A vevői elvárások hierarchiájának legmagasabb (3.) szintje: olyan extra tulajdonságok biztosítása, amelyek a kimondott elvárások között nem szerepelnek, de meglétük a vevőből elragadtatást (katarzist) vált ki.

Melyek a minőség legfontosabb forrásai?

• A vevő és az eladó közötti „nyertes-nyertes” (win-win) helyzet kiindulási alapként való kezelése.
• Kompetencia, amely a jártasság és a motiváltság összege.
• Az általános és a műszaki kultúra szintje.
• A vezetői szándék és az ahhoz párosuló tudás.

Mi a minőséghurok lényege?

A minőséghurok azt szimbolizálja, hogy a minőségbiztosítás felöleli a termék teljes életciklusát. Egy folyamatos körforgás, amely a marketingtől és piackutatástól indul, a tervezésen, beszerzésen, gyártáson és ellenőrzésen át az eladásig, az üzemeltetésig, majd legvégül a leselejtezésig és újrahasznosításig tart, majd innen a visszacsatolások révén indul elölről.

Mi a TQM modell három alappillére, hogy értelmezzük a vevőközpontúságot?

A három alappillér (fő elv):

1. Vevőközpontúság
2. A folyamatok folyamatos javítása
3. Teljes elkötelezettség és felhatalmazás

Vevőközpontúság értelmezése: „A vevő nem zavaró tényezője a munkánknak, hanem éppenséggel annak célja és értelme. Nem mi teszünk neki szívességet a kiszolgálással, hanem ő ad lehetőséget erre.” Feladatai közé tartozik a vevő azonosítása, elvárásainak megértése, és az elégedettségüket elemző módszerek kidolgozása.

Mi a P-D-C-A ciklus?

A folyamatok folytonos javításának iteratív módszere (Deming-ciklus):

• P – Plan (Tervezz): A javítást célzó változás megtervezése.
• D – Do (Csináld): A változtatás elvégezése (kezdetben kisebb, kísérleti területen).
• C – Check (Ellenőrizd): A változtatás hatásának ellenőrzése, visszamérése.
• A – Act (Cselekedj): Ha sikeres volt az eredmény, el kell terjeszteni (szabványosítani) a változtatást.

Jellemezze a „Brain storming” és „Delphi” hibafeltárási módszereket!

Mindkettő az úgynevezett „puha” (szubjektív, logikai mérlegelésre épülő) módszerek közé tartozik.

• Brain storming (Ötletroham): Gyors, csoportos problémamegoldás váratlan helyzetekre. 5-15 fős csapat végzi 20-60 perc alatt, egy moderátorral. Fő szabályok: tömör, néhány szavas ötletek; tilos a kritika és az ellenvetés; a mennyiség (sok ötlet) a cél; az értékelés egy későbbi, külön fázisban történik.
• Delphi módszer: Hosszú idejű, elmélyült egyéni problémamegoldásra épül, de teamben. A legfontosabb szakembereket kérik fel. A probléma pontos megfogalmazását megkapják, majd átgondolt, részletes megoldásokat dolgoznak ki hetek-hónapok alatt. Több fordulós (3-5), a végén egy értékelő csoport hoz kompromisszumos döntést.

Jellemezze a „Pareto” hibafeltáró módszert!

„Kemény” (adatalapú) módszer, amely a lényegre koncentrál, a lényegtelen dolgokat elhanyagolja (általában a probléma okok 1/3-a okozza a selejtek 2/3-át).

• Célja: A probléma okok rangsorolása.
• Kinézete: A hibák mértéke (pl. selejtes darabok száma) csökkenő sorrendben van ábrázolva egy oszlopdiagramon.
• Az „Egyéb problémák” kategória mindig a diagram legvégére kerül, függetlenül az értékétől.

Mik az „FMEA” probléma feltáró módszer jellegzetességei?

FMEA = Failure Mode and Effect Analysis (Hibamód és Hibahatás Elemzés).

• Célja: A hibák folytonos javítása helyett a hibák megelőzése. Feltárja a potenciálisan gyenge pontokat és következményeiket lehetőleg már a tervezési fázisban.
• Adatalapú értékeléshez használja a Kockázati Tényezőt ($K$), amely 3 érték szorzata: $K = S \cdot A \cdot E$ Ahol: $S$ = súlyosság, $A$ = előfordulási valószínűség, $E$ = detektálhatóság (felfedezhetőség).
• Az értékek 1 (jó) és 10 (nagyon rossz) között mozognak, ezáltal a legmagasabb pontszámú elemekre kell fókuszálni a javításkor.

Quality 4.0 elemei

Az Ipar 4.0 adta digitális technológiák alkalmazása a minőségbiztosításban:

• Mesterséges intelligencia: Gépi látás, NLP, robotika, komplex döntéshozatal.
• Big data: Nagy adathalmazok kezelése és elemzése Hadoop, NoSQL rendszerekkel szuperszámítógép nélkül is.
• Blokklánc (Blockchain): Tranzakciók átláthatósága és ellenőrizhetősége a minőségi feltételek érvényesüléséhez.
• Mélytanulás (Deep learning): Képosztályozás, mintafelismerés, heurisztikák.
• Gépi tanulás (Machine learning): Szövegelemzés, csalásfelismerés, előrejelzések.
• Adattudomány (Data science): Adathalmazok összefogása modellépítéshez és szimulációkhoz.
• Továbbiak: IoT, 5G, Felhőalapú rendszerek, AR, VR, modern érzékelők.

2. EA Az információtechnológiákkal támogatott gyártóipar

Mi az elektronikai gyártástechnológia fogalma?

A technológia az anyag jellemzőinek tervezett, maradandó megváltoztatása. Az elektronikai gyártástechnológia egy interdiszciplináris és ipari-kereskedelmi ismeretekre épülő mérnöki szakterület, amely az elektronikus áramköri egységek (alkatrészek, hordozók, összeköttetések) tervezésével, megvalósításával és megbízhatóságával foglalkozik.

Mik az elektronikai gyártástechnológia fő hajtóerejei?

A funkciók folytonos integrációja az alábbi célok mentén:

• A méret csökkentése.
• Az energiafelhasználás optimalizálása.
• A költségek leszorítása.
• A környezeti terhelés minimalizálása.
• Mindez a tervezhető megbízhatóság fenntartása mellett.

Melyek voltak az Ipar 4.0-hoz vezető történelmi lépcsőfokok (ipari forradalmak)?

1. Ipar 1.0 (1784): Gépesítés, gőzerő és vízi energia megjelenése.
2. Ipar 2.0 (1870): Tömeggyártás (futószalag) és az elektromos energia elterjedése.
3. Ipar 3.0 (1969): Automatizálás, a számítógépek, elektronika és IT hálózatok gyártásba vonása.
4. Ipar 4.0 (Napjaink): Kiber-fizikai rendszerek, Internet of Things (IoT), összekapcsolt hálózatok és Big Data alapú autonóm folyamatok.

Milyen részekből épül fel egy modern integrált vállalati rendszer?

Ezek az IT rendszerek együttesen támogatják a gyártást és menedzsmentet:

• ERP (Enterprise Resource Planning): Vállalatirányítási információs rendszer (gazdaság, pénzügy, logisztika).
• PLM (Product Lifecycle Management): Termékéletciklus-kezelő rendszer (tervezéstől a visszavonásig).
• MOM (Manufacturing Operations Management): Gyártásirányítási és végrehajtási rendszer (a valós idejű termelési folyamatok követésére).

Milyen szerelési technológiájú elektronikus részegységeket különböztetünk meg?

• Furatszerelt (THM) nyomtatott huzalozású lemezek.
• Felületszerelt (SMD) nyomtatott huzalozású lemezek.
• Vegyes (furat- és felületszerelt) áramkörök.
• Vékony- és vastagréteg áramkörök.

Mit jelent a fenntartható fejlődés (sustainability) a modern gyártásban?

Azt vizsgálja, hogy a fejlődés megtartásával hogyan lehet a jelen szükségleteit kielégíteni úgy, hogy közben ne éljük fel a jövő generációk lehetőségeit. Ennek része az ökodizájn, az alacsony szén-dioxid kibocsátás, az ólom- és konfliktusmentes anyaghasználat (RoHS), anélkül, hogy lemondanánk a gazdasági fejlődés és esélyegyenlőség igényeiről.

Mivel foglalkozik a hibaanalitika és milyen eszközöket használ?

Fő feladata a tönkrement elektronikai eszközök hibásodási okainak (hibaképek) feltárása, leírása és megmagyarázása. Feltárja, hogy mik a minőség és megbízhatóság alapkövei. Munkája során olyan speciális eszközöket használ, mint például az elektronmikroszkóp (akár a chipek tokjának felnyitásával is).

Mit jelent a “Digitális Iker” (Digital Twin) koncepció a gyártásban?

A digitális iker egy fizikai folyamat (például forrasztópaszta-nyomtatás) virtuális leképezése, amely: Valós szenzoradatok + Tanuló algoritmusok = Optimális paraméterek Segítségével a gépeken anélkül végezhető optimalizáció, hibaelemzés vagy beállítási teszt, hogy a valós gyártósoron selejtet termelnénk.

Mire használható a gépi tanulás (Machine Learning) az intelligens gyártásban?

Segítségével egy folyamat (pl. furatkitöltöttség a forrasztásnál) múltbeli adataiból és kimeneti paramétereiből egy mesterséges neurális háló tanítható be. Ez a modell képes optimalizálni a folyamatot, minimalizálni a becslési hibát, és valós időben meghatározni a legjobb beállításokat (pl. a nyomtatási sebességet), csökkentve a selejtarányt.

Mi a “szenzorfúzió” az Ipar 4.0 környezetben és mi a célja?

A szenzorfúzió során több különböző szenzor (például nyomás-, gáz-, hőmérséklet- és áramlásszenzorok) adatait egyesítik és dolgozzák fel együttesen egy mikrokontrolleren. Célja: egy-egy gép (pl. okos reflow kemence gőzterének) sokkal pontosabb karakterizálása és vezérlése, amivel olyan összefüggéseket (állapotokat) is detektálni lehet, amihez egyetlen szenzor adata önmagában kevés lenne.

3. EA Additív gyártástechnológiák

1. Mi tette lehetővé a 3D nyomtatás széles körű elterjedését? Válaszát indokolja!

A 3D nyomtatás elterjedését az 1980-as évektől induló sikeres szabadalmaztatások (pl. Charles Hull – sztereolitográfia, majd a 3D Systems megalapítása), valamint a technológia egyre költséghatékonyabbá válása tette lehetővé. Széles körű alkalmazását az a rugalmasság indokolja, hogy a hagyományos, drága szerszámkészítést igénylő gyártással szemben a digitális 3D modellek alapján egyből készíthetők tárgyak, lehetővé téve a gyors prototípusgyártást (Rapid Prototyping), az egyedi vagy kis darabszámú sorozatok költséghatékony legyártását, és a tervek (design) gyors, minimális költségű módosítását.

2. Milyen előnyökkel járhat a 3D nyomtatott eszközök alkalmazása a gyártástechnológiai környezetben?

• Gazdaságosság kis szériáknál: Nincs szerszámozási és átállási költség, kis darabszámnál (vagy egyedi gyártásnál) kimondottan költséghatékony.
• Gyorsaság: A “Rapid Prototyping” felgyorsítja a fejlesztési iterációkat; a design pillanatok alatt módosítható és újragyártható.
• Szerteágazó ipari felhasználás: Gyártósori szerszámok, rögzítők, mesterdarabok, másolási sablonok készítése.
• Funkcionális ellenőrzés: Lehetőséget biztosít a termék arányosságainak szemléltetésére, szerelhetőségi vizsgálatokra, ergonómiai tesztekre, valamint feszültség- és áramlástani vizsgálatokhoz szükséges modellek elkészítésére.

3. Mutassa be az FDM 3D nyomtatási technológiát!

Az FDM (Fused Deposition Modeling) egy anyag extrúzión alapuló eljárás.

• Működése: Kiindulási anyaga egy hőre lágyuló műanyagszál (filament). A gép extruder feje a kívánt hőmérsékletre melegíti a szálat, majd egy apró fúvókán (nozzle) keresztül a tárgyasztalra adagolja, és rétegről rétegre alakítja ki a megadott keresztmetszeteket.
• Jellemzői: A fúvóka keresztmetszete határozza meg a minimális rétegvastagságot (kisebb vastagság = nagyobb felbontás, de hosszabb nyomtatási idő). Megvalósítható az ún. koextrúzió is (több anyag/szín egyidejű nyomtatása).
• Alapanyagok: Széleskörű filament választék áll rendelkezésre (PLA, ABS, PET, TPU, PC, ASA, stb.).
• Hátránya: A felületi minőség nem mindig tökéletes (a rétegek gyakran szabad szemmel is látszanak), így esetenként utómunkálatokat igényelhet.

4. Mutassa be az SLA 3D nyomtatási technológiát!

Az SLA (Stereolithography) a kádas fotopolimerizációs eljárások közé tartozik.

• Működése: Alapanyaga valamilyen folyékony fotopolimer gyanta (resin), amely UV vagy megadott hullámhosszú fény hatására térhálósodik, azaz megszilárdul. A gép a munkatérben (kádban) lévő folyadékot rétegről rétegre szilárdítja meg.
• Típusai:
• Lézer SLA: Egy UV lézersugár pontról pontra pásztázva rajzolja fel a keresztmetszetet.
• DLP (Digital Light Processing): Egy projektor segítségével egy teljes réteget világítanak meg egyszerre.
• LCD: Egy LCD kijelző működik “maszkként”, melyen keresztül LED-ek világítják meg az adott réteget egyszerre.
• Jellemzői: A nyomtatási idő leginkább a modell Z-irányú magasságától (és nem a kitöltöttségtől) függ. Precíz, részletes és nagyon szép felületű modellek készíthetők vele, de a horizontális rétegződés minimálisan itt is látható (“Voxel effekt”).

5. Mutassa be az SLS 3D nyomtatási technológiát!

Az SLS (Selective Laser Sintering) egy porágyas fúziós eljárás (polimerekre, míg a hasonló fémnyomtatást SLM/DMLS-nek hívják).

• Működése: Az alapanyag finom por formájában kerül a munkatérbe. Egy fókuszált lézersugár rétegről rétegre haladva lokálisan felhevíti a port, amíg a szemcsék össze nem olvadnak (szinterelés – olvadáspont alatti hőkezelés vagy teljes átolvasztás).
• Jellemzői: Nincs szükség külön támaszanyag nyomtatására, mivel a meg nem olvadt por a nyomtatás során fizikai támasztékot nyújt a készülő munkadarabnak. Lehetőség van akár több alkatrész (egymás feletti, térbeli) egyidejű nyomtatására is.
• Hátránya: Az alapanyag és maga a nyomtató is rendkívül drága. A por utólagos eltávolítása és tisztítása (“powder management”) sok odafigyelést és munkát igényel. A kapott felület szatén/porózus jellegű.

6. Mutassa be Polyjet/MultiJet 3D nyomtatási technológiát!

A Polyjet / MultiJet az anyagsugárzás (Material Jetting) kategóriájába tartozik.

• Működése: A technológia a hagyományos 2D tintasugaras nyomtatás elvét alkalmazza 3D-ben. A nyomtatófej UV fényre szilárduló, akrilbázisú fotopolimer cseppeket juttat a felületre, amit egy ráerősített UV lámpa rögtön, rétegenként térhálósít.
• Jellemzői: Mivel a fej több fúvókával rendelkezik, egyidejűleg többféle alapanyag is felvihető (pl. eltérő színű építőanyagok és vízben oldható támaszanyag).
• Előnyei: Kiemelkedően jó felületi minőség, pontosság, áttetsző/flexibilis formák és nagyon komplex geometriák könnyű megvalósítása.

4. EA Elektronikai gyártás ellenőrző eszközei

• Ismertesse az automatikus optikai ellenőrzés alapelvét, megvilágítási módjait, valamint a kamerarendszerek jellemzőit (felbontás, látótér)!

• Alapelv (AOI - Automated Optical Inspection): A rendszer nagy sebességgel képeket készít a gyártott áramköri lapról, szoftveresen binarizálja vagy szűri azokat, majd a rögzített képet összeveti egy betanított (ideális) modell értékével/szürkeárnyalatával. Gyors, rugalmas, és érintésmentes eljárás a tipikus gyártási hibák (pozícióhiba, hiányzó alkatrész, zárlat) kiszűrésére.
• Megvilágítási módok:
• Közvetlen (ortogonális) megvilágítás: A fény felülről, az áramkör felületére merőlegesen érkezik.
• Indirekt diffúz megvilágítás: Több irányból érkező, szórt fény a csillogások tompítására.
• Szög alatti diffúz megvilágítás: Adott (laposabb) szögből érkező megvilágítás az élkontúrok, magassági különbségek kiemelésére.
• Kamerarendszerek jellemzői: A rendszert a képérzékelő teljes pixelszáma (Mpixel) és a látótér (FoV - Field of View) határozza meg, amely függ a használt objektív gyújtótávolságától és a tárgytávolságtól.
• Áteresztőképesség vs. felbontás: Nagy látótér (FoV) esetén a vizsgálati sebesség gyors, azonban a felbontás csökken, ami korlátozza a kis méretű alakzatok felismerését.
• Követelmény: Egy alakzat megbízható vizsgálatához a legkisebb lineáris méretének legalább 10 pixelből kell állnia.

• Mutassa be a színtérképes ellenőrzést és a De-White algoritmust!

• Színtérképes ellenőrzés (2.5D AOI): A vizsgálat során a panelt három különböző színű fénnyel (RGB) világítják meg, de eltérő beesési szögekből (pl. piros: ortogonális/merőleges, zöld: 45°-os szög, kék: 22°-os szög). Felülnézetből a kamerába visszavert fény színe megegyezik annak a fénynek a színével, amely a forraszfelület meredekségének (normálisának) megfelelő irányból érkezett. A forrasz így egy „topográfiai színtérképként” fog látszani, rálátást adva az alakjára és a megömlés minőségére.
• De-White algoritmus: Az ólommentes forrasz felszíne sokkal egyenetlenebb az ólmosnál, így a beérkező fényt sokkal jobban szórja. A különböző színek intenzitásai átlapolódnak, így a kamera egy kontrasztszegény, pasztelles színezetű (“kifehéredett”) képet lát. A De-White algoritmus egy matematikai transzformáció, amelynek célja a rejtett színinformáció kinyerése és a kontraszt felerősítése, a színcsatornák minimumának levonásával és skálázásával: $C' = \frac{C - \min(C)}{\max(C')} \cdot 255$

• Ismertesse a transzmissziós röntgengép működési elvét (röntgencső felépítése, röntgensugár keletkezése, vizsgálat elve, nagyítás, OVHM technika)!

• Működési elv: A technológia az egyoldalas anyagvizsgálat során alkalmazza a röntgensugarak eltérő mértékű, az anyagsűrűségtől és vastagságtól függő elnyelődését.
• Röntgensugár keletkezése: A röntgencső belsejében egy izzó katódot gerjesztenek, amelyből nagy energiájú elektronsugár lép ki. Ez az elektronsugár a céltárgyba csapódva röntgensugárzást generál.
• Nagyítás: A kapott képen a fókusz (sugárforrás) és a minta, illetve a minta és a detektor közötti Z-irányú távolságok aránya adja a geometriai nagyítást. A minta pozíciójának Z-irányú változtatásával módosítható a nagyítás mértéke.
• OVHM technika (Oblique View at Highest Magnification): Ahhoz, hogy egy kötésről 3D (ferde) rálátású képet kapjunk magas felbontás mellett, a transzmissziós gépeknél a hagyományos technika (minta forgatása és forrástól való távolítása) helyett magát az érzékelőt (detektort) döntik/mozgatják (pl. 0–46° szögben). Ezzel a vizsgált minta és a forrás távolsága minimális maradhat, azaz megtartható a maximális nagyítás az oldalirányú vizsgálat során is.

• Milyen hibák detektálhatók transzmissziós röntgengéppel? Mire kell ügyelni a BGA tokozású alkatrész kötéseiben lévő zárványok ellenőrzésénél?

• Detektálható hibák: Optikailag nem látható (rejtett) kötések hibái, mint a furatfémezések állapota, belső vezető pályák szakadása, rövidzárlatok, forrasztási szakadások, BGA tokozások forraszgolyóinak hibái (pl. alkatrész alá/mellé folyó paszta), “Head in pillow” jelenség (a forraszpaszta és a golyó is megömlik, de villamos kapcsolat nélkül különálló cseppeket képez), valamint a zárványképződés (voidok).
• BGA zárványok ellenőrzése: A zárványok (a forrasztás során a megrekedt gázok, maradék folyasztószer miatt kialakult üregek) vizsgálatánál kritikusan ügyelni kell a kalibrációra. Nagyon fontos a röntgen paramétereinek (gyorsítófeszültség, pl. 50 kV vagy 60 kV) pontos felvétele és beállítása, mert a képen látható (mért) zárványméret csak megfelelő röntgenbeállítások mellett fogja reálisan mutatni a tényleges, fizikai zárványkráter méretét.

• Ismertesse az In Circuit és a Flying Probe villamos tesztelési eljárásokat!

Mindkettő érintkezéses villamos vizsgálati eljárás (ICT - In-Circuit Test), amelyekkel paraméterek (ellenállás, kapacitás, induktivitás) mérhetők, polaritás ellenőrizhető, valamint szakadások és rövidzárak detektálhatók az egyes alkatrészeken és vezetőpályákon.

• Tűágyas (Bed of Nails) tesztelés: A berendezés egy az adott áramköri kártyához egyedileg tervezett (és gyártott), sűrű tűkkel teli rögzített ágyra nyomja rá a panelt.
• Előny: Extrém gyors mérést biztosít, tömeggyártáshoz kiváló.
• Hátrány: Nagyon drága a tűágy elkészítése szériánként, és már a tervezési fázisban tesztelhetőre (Test pads megléte) kell tervezni az áramkört.
• Repülőszondás mérés (Flying Probe Tester - FP): Nincs merev befogó szerkezet vagy test-fixture. Ehelyett elektromechanikusan mozgatott, szoftverből vezérelt mérőtűk (szondák) “repülnek” oda pontról pontra a panel vizsgálandó felületeihez.
• Előny: Teljesen flexibilis, szoftveresen programozható (nincs szerszámköltség), képes döntött tűs pozícionálásra, sőt, akár kétoldalas vizsgálatot is végre tud hajtani.
• Hátrány: A mechanikus mozgatás miatt a tesztelés ciklusideje sokkal hosszabb, így elsősorban prototípusokhoz és kis szériás gyártáshoz használják.

5. EA Statisztika alapjai és grafikai reprezentáció

1. Mik a várható érték becslői? Definiálja őket! Hogyan javul a várhatóérték és a szórás becslése az „n” mintaszám növelésével?

A várható érték legjobb becslője a tapasztalati átlag. Definíciója: $\bar{x} = \frac{1}{N} \sum_{i=1}^N x_i$ (ahol $N$ a mérések száma, $x_i$ az egyes mérési eredmények).

A mintaszám ($n$) növelésével a becslések a következőképpen javulnak:

• A várható érték becslése az elemszámmal ($n$) arányosan javul: $M(\zeta_n) = \frac{M_1 + M_2 + \dots + M_n}{n}$
• A szórás becslése viszont csak gyök $n$-nel arányosan javul (a definícióból levezethetően): $D(\zeta_n) = \frac{D_n}{\sqrt{n}}$ Fontos megkötés, hogy a mintaszám növelése egy határon túl már nem hozza meg a kívánt javulást.

2. Mi a korrelációs együttható? Milyen következtetések tudunk levonni a segítségével két valószínűségi változó kapcsolatáról?

A korrelációs együttható két valószínűségi változó függőségéről ad „bizonyos” felvilágosítást. Kiszámítása: $R(\xi, \eta) = \frac{M[(\xi - M(\xi)) \cdot (\eta - M(\eta))]}{D(\xi)D(\eta)}$ Értékkészlete: $-1 \le R(\xi, \eta) \le 1$.

Levonható következtetések:

• Ha a valószínűségi változók függetlenek, akkor $R(\xi, \eta) = 0$. (Fontos: ez az állítás visszafelé nem igaz! A $0$ korreláció nem jelent feltétlenül függetlenséget).
• Ha az együttható abszolút értéke $1$ ($|R(\xi, \eta)| = 1$), akkor biztosan determinisztikus, lineáris kapcsolat van köztük: $\eta = a\xi + b$.

3. Ismertesse a nagyszámok erős és gyenge (sztohasztikus konvergencia) tételeit!

• Gyenge törvény (Sztohasztikus konvergencia): Független kísérletsorozatban az $A$ esemény relatív gyakorisága sztohasztikusan konvergál a $P(A)$ valószínűséghez, ha a kísérletek száma minden határon túl nő: $\lim_{n \to \infty} P(|\zeta_n - p| \ge \varepsilon) = 0$ Továbbá egy kísérletsorozat tapasztalati átlaga sztochasztikusan konvergál a kísérletsorozat várható értékéhez: $\lim_{n \to \infty} st \left( \frac{1}{n} \sum_{k=1}^n \xi_k \right) = M$
• Erős törvény: Valamely valószínűségi változók sorozata $1$ valószínűséggel $0$-hoz tart ($P(\lim_{n \to \infty} \eta_n = 0) = 1$). Teljesen független kísérletsorozat tapasztalati átlaga $1$ valószínűséggel konvergál a várható értékhez: $P \left[ \lim_{n \to \infty} \left( \frac{1}{n} \sum_{k=1}^n \xi_k \right) = M \right] = 1$

4. Milyen számunkra fontos következményei vannak a nagyszámok törvényeinek?

A matematikai statisztika alaptétele kimondja, hogy egy statisztikai sokaságból vett független minta tapasztalati eloszlásfüggvénye ($F_N(x)$) $1$ valószínűséggel (erősen) konvergál az elméleti eloszlásfüggvényhez ($F(x)$): $P \left[ \lim_{N \to \infty} |F_N(x) - F(x)| = 0 \right] = 1$ Következmény: Ez azt jelenti, hogy elég nagy mintából $1$ valószínűséggel kimerítő információt nyerhetünk a megfigyelt jelenség eloszlásfüggvényéről, és ezen keresztül az összes többi statisztikai paraméteréről is. A mintavétel nagyságának növelésével biztosítható, hogy a megfigyelések átlaga erősen konvergáljon a valós várható értékhez.

5. Mik az idősorok, mire alkalmazzuk őket a gyártásban?

Az idősorok olyan grafikai reprezentációk, ahol a mért értékeket vagy valamely statisztikai jellemzőjüket (pl. átlag, terjedelem, szórás) az idő függvényében ábrázoljuk. Alkalmazás a gyártásban: Ez az SPC (Statisztikai Folyamatszabályozás) legalapvetőbb ábrázolási módszere. Az időfüggés bevezetése miatt a rendszer dinamikája vizsgálhatóvá válik, ezáltal felismerhetők a folyamatingadozások, trendek, és a „jövő becsülhetővé válik”. (Gyakori típusok: I-MR, X-bar-R, X-bar-S diagramok).

6. Mutassa be a centrális határeloszlás tételét, milyen számunkra fontos következménye van?

Tétel: Sok független valószínűségi változó összege igen általános feltételek mellett közelítőleg normális eloszlású. Ha $\eta_n = \xi_1 + \xi_2 + \dots + \xi_n$, és ennek standardizáltja $\eta_n^* = \frac{\eta_n - M(\zeta_n)}{D(\zeta_n)}$, akkor: $\lim_{n \to \infty} P(\eta_n^* < x) = \Phi(x)$ Fontos következmény: A tétel rávilágít arra, hogy a műszaki és ipari életben miért találkozunk leginkább normális (vagy ahhoz közeli) eloszlásokkal. Megszorításokkal a tétel véges mintaszámra és gyengén összefüggő mintákra is érvényes, így a gyakorlatban széleskörűen alkalmazható a folyamatok modellezésére.

7. Hogyan közelíti az átlag és a tapasztalati szórás a várhatóértéket és a tényleges szórást a mintaszám növelésével?

(Lásd 1. kérdés is): A tapasztalati átlag a várható értéket a mintaszámmal ($n$) arányosan közelíti ($M(\zeta_n) = \frac{\sum M_k}{n}$), míg a tapasztalati szórás a tényleges szórást jóval lassabban, a mintaszám gyökével ($\sqrt{n}$-nel) arányosan közelíti ($D(\zeta_n) = \frac{D_n}{\sqrt{n}}$). Ezért a minta növelése egy idő után nem hoz már látványos javulást a szórás becslésében.

8. Mi az a mozgóátlag? Miért hasznos számunkra?

A mozgóátlag (gyakran az I-MR / X-bar diagramok részeként) az idősoros statisztikai folyamatszabályozásban (SPC) alkalmazott mutató. Míg egy adott pont (I) magát a mért értéket, a mozgó terjedelem (MR - Moving Range) pedig a jelenlegi és az előző érték különbségét mutatja, az átlagok (X-bar) folyamatos számítása segít kiszűrni a rövid távú ingadozásokat (zajt). Hasznossága: Segítségével felismerhetők a rendszer dinamikájának hosszú távú trendjei, a folyamat eltolódásai. Nagyon kevés minta esetén (pl. 1-es mintanagyság) a mozgó terjedelem és a mozgóátlag az egyetlen értelmezhető statisztikai paraméter a folyamat ingadozásának követésére.

9. Mi az a hisztogramanalízis? Mire használjuk?

A hisztogram egy oszlopdiagram, amely a mért értékek terjedelmét egyenlő nagyságú intervallumokra (osztályközökre) bontja, és ábrázolja az adott intervallumba eső mért értékek gyakoriságát (a tapasztalati sűrűségfüggvényt). Mire használjuk? Elsősorban normalitás-vizsgálatra. Mivel a Gauss-eloszlás sűrűségfüggvénye jellegzetes (haranggörbe) alakú, a hisztogram alakjából (pl. szimmetrikus, bimodális, aszimmetrikus, tűhegyes) nagy valószínűséggel becsülhető, hogy a vizsgált jelenség vagy paraméter normális eloszlású-e.

6. EA Mintavételezés és mintaértékelés

1. Mutassa be a különféle valószínűségi mintavételi módszereket!

• Egyszerű véletlen mintavételezés: A populáció (tétel) minden tagja ugyanakkora valószínűséggel ($P = n/N$) kerülhet kiválasztásra. Az elemeket listába rendezzük, és véletlenszerűen választunk ki $n$ darabot.
• Szisztematikus mintavételezés: Hasonló az egyszerűhöz, de az elkészült listát először véletlenszerűen rendezzük, majd szisztematikusan (szabályos időközönként/lépésközzel) választjuk ki a minta elemeit.
• Rétegzett mintavételezés: A populációt számos kisebb, homogén részcsoportra (rétegre) bontjuk előzetes feltételezések alapján, majd ezekből veszünk mintát. Célja a közel teljes reprezentativitás elérése.
• Többlépcsős csoportos mintavételezés: Az egyedek kiválasztása több lépcsőben történik valószínűségi alapon. (Az elsődleges mintavételi egységen belül újabb kialakítása történik, és így tovább). Ezt akkor alkalmazzuk, ha nem áll rendelkezésre a teljes populáció.

2. Mit jelent ha egy mintavételi módszer valószínűségi?

Azt jelenti, hogy a vizsgált populáció valamennyi egyedének lehetősége van (nullánál nagyobb a valószínűsége) arra, hogy bekerüljön a mintába. A kiválasztás valamilyen tekintetben magában foglalja a random (véletlen) faktort.

3. Jellemezze a mintavételezés egyes lépéseit!

A (elméleti) mintavételi eljárás lépései:

1. Definiáljuk a vizsgálandó populációt.
2. Meghatározzuk a mintavételi keretet (az elérhető egyedek összességét).
3. Meghatározzuk a mintavételi eljárást (pl. egyszerű véletlen, rétegzett stb.).
4. Meghatározzuk a minta nagyságát.
5. Létrehozzuk a mintavételi tervet.
6. Mintát veszünk, és végrehajtjuk a kiértékelést.
7. Felülvizsgáljuk a mintavételi eljárásunkat.

4. Mutassa be az AQL módszert! Mire alkalmazzuk?

Az AQL (Acceptable Quality Level - elfogadható selejtarány) a leggyakrabban alkalmazott „automatizált” statisztikai mintavételes ellenőrzés szabványosított módszere. Csak stabilizálódott gyártás esetén alkalmazható, ahol ismertek a paraméterek. Lépései:

1. Az AQL szint meghatározása a hiba súlyosságától függően (Kritikus, Súlyos, Enyhe).
2. A szigorúsági fok (I, II, III vagy S-1..S-4) meghatározása.
3. A tétel meghatározása.
4. A kulcsjel meghatározása a táblázatból (tételméret és szigorúsági fok alapján).
5. A mintaszám ($n$) és a megengedhető selejtek számának ($k$) megkeresése.
6. A mintavételezés és kiértékelés végrehajtása (ha a selejtek száma $\le k$, a tétel elfogadható).

5. Mit jelent a mintavételi keret és mikor alkalmazzuk?

A mintavételi keret a kiválasztásnál fizikailag figyelembe vehető (elérhető) egyedek összességét jelenti. Akkor alkalmazzuk (és különítjük el a teljes populációtól), amikor a populáció objektumai nem szükségszerűen férhetők hozzá teljes egészében (pl. összetett esetekben, ha a termékeket már elszállították, ekkor Populáció $\neq$ Mintavételi keret). A keretből vesszük a tényleges mintát.

6. Mit jelent az első és a másodfajú hiba a mintavétel során?

Az előadás anyaga alapján a mintavételes ellenőrzés fő problémái a következők:

• Elsőfajú hiba: A minta alapján fals pozitív döntést hozunk (rossz tételt jónak minősítünk). Igazi probléma az elsőfajú hiba esetén van (pl. selejtes termék jut el a vevőhöz).
• Másodfajú hiba: A minta alapján fals negatív döntést hozunk (jó tételt rossznak minősítünk). Ez leginkább csak gazdasági hátrányt okoz a gyártónak.

7. Mit jelent a torzítatlanság, konzisztencia és hatékonyság a becsléselméletben?

Ezek a becslők (statisztikai becslések eredményei) alapkövetelményei:

• Torzítatlanság: „Pontosság” – a becslés értéke valóban a tétel várható értéke körül ingadozzon (ne legyen szisztematikus eltolódása).
• Hatékonyság: A becslő standard hibája (szórása) minél kisebb legyen.
• Konzisztencia: Konzisztens becslés esetén a minta elemszámának növelésével a hatékonyság növekszik (vagyis egyre csökken a standard hiba).

8. Mutassa be az intervallum becslést! Milyen információkat szerezhetünk a segítségével?

Mivel egyetlen konkrét pontbecslés könnyen torzítottá válhat, helyette gyakran intervallumbecslést (konfidencia intervallumot) alkalmazunk. Lényege, hogy egy adott (előre megszabott) bizonytalansági/megbízhatósági szinten (pl. $95\%$, vagyis $\alpha = 0.05$) a becsült változó alsó és felső értékét határozzuk meg. A becsült paraméter $1-\alpha$ valószínűséggel fog a kiszámított intervallumba esni. Megszerezhető információk (három lehetséges alkalmazás):

1. Adott konfidencia szinthez és mintaszámhoz meghatározzuk a konfidencia intervallum nagyságát (hibahatár).
2. Adott intervallumhoz és mintaszámhoz meghatározzuk a konfidencia (biztonsági) szintet.
3. Megadott intervallumhoz és biztonsági szinthez megállapítjuk a szükséges mintaszámot.

9. Mutassa be a hipotézis vizsgálatok elméletét!

A hipotézis egy alapsokaság paramétereire vagy eloszlására tett feltételezés, amelyet minták alapján ellenőrzünk. Elmélete: Felállítunk egy nullhipotézist ($H_0$ – alapfeltevés) és vele szemben egy alternatív hipotézist ($H_1$). A $H_0$ hipotézist vetjük alá a statisztikai próbának. A gyakorlatban az észlelési adatokból kiszámolunk egy statisztikai paramétert (próbafüggvény $H_{sz\acute{a}m}$), amelyet összehasonlítunk egy elméleti úton meghatározott paraméterrel ($H_{elm}$). Egy előre meghatározott konfidenciaszint mellett a két érték relációja alapján döntünk $H_0$ elfogadásáról vagy elutasításáról (ezzel egyidejűleg $H_1$-re csak következtetünk).

10. Mutassa be az egy mintás t-próbát!

Célja: Annak megállapítása, hogy egyetlen minta átlaga szignifikánsan különbözik-e egy előre megadott $m$ (várható) értéktől. Feltételek: Normális eloszlású a minta, és nem ismert az alapsokasági szórás (csak a becsült $s$ szórás ismert). Próbafüggvény: $t = \frac{\bar{x} - m}{s} \sqrt{n}$ ahol a becsült szórás $s = \sqrt{\frac{\sum(x_i - \bar{x})^2}{n}}$. A kiszámított $t$ értéket a táblázatból kikeresett $t_p$ értékkel hasonlítjuk össze a döntéshozatalhoz.

11. Mutassa be a két mintás t-próbát!

Célja: Annak megállapítása, hogy két külön minta átlagai egymástól szignifikánsan különböznek-e. Feltételek: A minták normális eloszlásúak és függetlenek egymástól. Próbafüggvény: $t = \frac{\bar{x} - \bar{y}}{\sqrt{(n_1-1)s_x^{*2} + (n_2-1)s_y^{*2}}} \sqrt{\frac{n_1 n_2 (n_1 + n_2 - 2)}{n_1 + n_2}}$ Ahol $s^*$ a korrigált becsült szórás: $s^* = \sqrt{\frac{\sum(x_i - \bar{x})^2}{n-1}}$.

12. Mutassa be a f próbát!

Célja: Két független minta esetében annak vizsgálata, hogy a szórásaik egymástól szignifikánsan különböznek-e. Feltételek: Normális eloszlásúak a minták, és a minták függetlenek egymástól. Próbafüggvény: $f = \frac{s_x^2}{s_y^2}$ Itt a számításnál ügyelni kell rá, hogy mindig $s_x > s_y$ legyen (a nagyobb szórásnégyzetet osztjuk a kisebbel). A becsült szórás: $s = \sqrt{\frac{\sum(x_i - \bar{x})^2}{n}}$. A kapott $f$ értéket a megadott szabadságfokú ($f_1 = n_1-1$, $f_2 = n_2-1$) F-eloszlás táblázat értékével hasonlítjuk össze.

7. EA Szenzorika

1. Rendszertechnika: mutasson példát, egyszerű, közepes és nagyrendszerre. Röviden részletezze ezeket! Hova helyezné el egy szenzoros mérőrendszer (pl. vezeték nélküli háztartási hő- és páratartalom mérő) szintjét?

• Egyszerű rendszer: Játékok (pl. táncoló kaktusz). Nagysorozatban, olcsón gyártott termékek, amelyek egyszerű építőelemekből állnak: PCB, ASIC (vezérlő), LED-ek, motor, elemtartó.
• Közepes rendszer: Médialejátszó vagy okostelefon. Tartalmaz készülékházat, kijelzőt (touchscreen), kezelőszerveket, akkumulátort, és egy komplex vezérlő NYÁK-ot (mikrovezérlő, DAC, USB interfész, memóriák). Fejlettebb technológiákat és többrétegű szoftvert igényel.
• Nagyrendszer: Villamos energia elosztó hálózat vagy az Internet. Ezek a világot behálózó, rendkívül komplex, elosztott architektúrák, amelyek hardverek, szoftverek és protokollok (pl. TCP/IP) millióinak együttes, többszintű hierarchikus együttműködését igénylik.

A szenzoros mérőrendszer elhelyezkedése: A vezeték nélküli hő- és páratartalom mérő a hierarchia legalsó, végponti (edge) szintjén helyezkedik el (Szenzor $\rightarrow$ Mérőrendszer $\rightarrow$ Megfigyelő/Központ). Feladata a tisztán fizikai paraméter (hőfok) villamos (majd digitális) jellé alakítása és elküldése egy feldolgozó/gyűjtő központba (pl. okosotthon központ), amely már magasabb szintű hálózatokhoz (pl. Internet) csatlakozik.

2. Rendszertechnika: dekomponálja egy vagyonvédelmi riasztó rendszerét, ábrával.

Egy vagyonvédelmi riasztórendszer az alábbi építőelemekre (hardveres modulokra) bontható:

3. Szenzoros mérőrendszer bemutatása, kifejtve a mérőrendszer adott részeit, azokat 1-1 mondattal jellemezve.

A folyamat a Bemenettől (valós fizikai érték) a Kimenetig (mért érték) tart:

1. Szenzor elem: Az a fizikai, biológiai vagy kémiai komponens, amely a mérendő fizikai paramétert (pl. nyomást, hőt) egy azzal arányos villamos vivőjellé (feszültséggé, árammá, ellenállássá) alakítja.
2. Jel kondicionálás / átalakítás: Az az analóg áramköri fázis, amely a szenzorból érkező (gyakran nagyon gyenge, zajos) jelet felerősíti, szűri, majd egy A/D átalakító segítségével digitális jellé konvertálja.
3. Jelfeldolgozó elem: Rendszerint egy mikrovezérlő (MCU), amely az átalakított digitális jelet feldolgozza, lineáris interpolációt, kompenzációt végez vagy hibát javít.
4. Adatmegjelenítés: A már kalibrált és ember vagy gépi megfigyelő számára értelmezhető adat kiírása kijelzőre, vagy továbbítása más rendszerek felé.

4. Szabályzórendszer bemutatása az érzékelt paramétertől a vezérelt hatásig.

A szabályzórendszer egy zárt hurok, amely folyamatos visszacsatolással működik:

1. Szenzor érzékeli a külső jeleket (a rendszer aktuális állapotát).
2. Jelkondicionálás és A/D konverter segítségével az analóg fizikai értékből digitális, feszültség-/áramalapú bitsorozat lesz.
3. A digitális adatok a Processzorba és a szoftverbe kerülnek, ahol a vezérlő algoritmus (pl. PID) kiszámítja a beavatkozás mértékét.
4. A döntés egy D/A konverteren és újabb jelkondicionáláson (pl. teljesítményerősítésen) keresztül halad át.
5. Az Aktuátor (pl. motor, fűtőszál) a felerősített vezérlőjel hatására elvégzi a fizikai beavatkozást.
6. A beavatkozás eredményez egy Hatást, amely megváltoztatja a környezetet, amit a szenzor a következő ciklusban újra érzékel.

5. Jellemezze az RS232-es szavány rendszerét!

• Adatátvitel módja: Soros, aszinkron, Full-duplex (vagy Simplex) átvitel.
• Sebessége: A szabvány eredetileg nem definiálta, de ajánlottan max. 20 kbps. A modern gyakorlatban 115 kbps az általánosan használt maximum.
• Fizikai kialakítás: Tipikusan 3 vezeték: Tx (adás), Rx (vétel) és GND (föld). A mikrokontrollerek TTL szintjeit (0-5V) egy szintillesztő IC-vel (pl. MAX232, belső charge pumppal) át kell alakítani a szabványos $\pm8.5\text{V} \dots \pm12\text{V}$ tartományra. Max távolság kapacitáslimitált, kb. 15 méter.
• Kommunikációs hierarchia: Nincs dedikált Master-Slave hierarchia, klasszikusan egyirányú vagy kétirányú pont-pont (Point-to-Point) kapcsolat.
• Ábra (koncepció):

6. Jellemezze az I2C buszrendszert.

• Adatátvitel módja: Soros, szinkron (van külön órajel), félduplex átvitel.
• Sebessége: Általában 100 kbps (Standard), 400 kbps (Fast), de továbbfejlesztett verzióiban (I3C) 12.5 Mbps - 33 Mbps.
• Fizikai kialakítás: Mindössze 2 jelvezeték szükséges: SDA (Data) és SCL (Clock), plusz a GND. Felhúzó ellenállásokkal működik, hot-swap (futás közbeni csere) perifériákat is támogat.
• Kommunikációs hierarchia: Master-Slave, címezhető perifériákkal. A busz Multimaster, de egyszerre csak 1 aktív Master lehet a buszon, aki a forgalmazást és az SCL órajelet vezérli. Képes “Clock stretching”-re, ha a Slave-nek idő kell a feldolgozáshoz.
• Ábra:

7. Jellemezze az SPI buszrendszert.

• Adatátvitel módja: Soros, szinkron, Full-duplex átvitel (a bitek “körbe mennek” a shift regisztereken egy órajel alatt).
• Sebessége: Nagyon gyors, sokkal gyorsabb az I2C-nél. Rendszerint nincs szabványos maximális limitje, a használt MCU órajele határozza meg (több tíz Mbps).
• Fizikai kialakítás: Alapvetően 4 vezetéket igényel: MOSI (Master Out Slave In), MISO (Master In Slave Out), SCLK (Órajel), és SS/CS (Slave Select / Chip Select).
• Kommunikációs hierarchia: Szigorú Master-Slave. Az SS vonalak logikai szintjének lehúzásával a Master dönti el, melyik Slave-vel akar kommunikálni. Rendszerezhető független slave-ekként (több SS vonal kell), vagy “Daisy Chain” láncolt módon (Shift regiszterek sorbakötése).
• Ábra (Független Slave elrendezés):

8. Jellemezze a Bluetooth rendszert.

• Adatátvitel módja: Vezeték nélküli, csomagkapcsolt soros rádiós adatátvitel (2.45 GHz-es ISM sávban).
• Sebessége: Generációfüggő. v1.2: 1 Mbps, v2.0: 3 Mbps, v3.0: 24 Mbps, v5.0 (BLE): 2 Mbps, nyolcszoros adattovábbítási kapacitással.
• Fizikai kialakítás: Szabad frekvenciás ISM sávot használ rádiós adó-vevő antennákkal. Class 1 (~100m hatótáv, 100mW), Class 2 (~10m, 2.5mW), Class 3 (~1m, 1mW).
• Kommunikációs hierarchia: Master-Slave struktúra (ún. Piconet). Egy Master eszközhöz egyszerre több Slave csatlakozhat, a Master szinkronizálja az ugrófrekvenciás hálózatot.
• Ábra:

9. Mikrovezérlők. Mire jók? Milyen alapfelépítésük lehet? Cisc vs Risc architektúrák.

Mire jók? Adott dedikált feladatok (pl. szenzoradatok olvasása, motorok hajtása) valós idejű, megbízható és folyamatos végrehajtására, ezek időbeli sorrendjének vezérlésére. A mikrovezérlő ($\mu C$) gyakorlatilag egyetlen chipbe integrált, erőforrás-korlátozott, de teljes értékű mikroszámítógép.

Alapfelépítésük: Tartalmaznak egy processzormagot (CPU), programmemóriát (Flash/EEPROM), adatmemóriát (RAM, EEPROM), órajel generátort, megszakításkezelőt, valamint perifériákat: digitális I/O portokat, ADC/DAC konvertereket, időzítőket (Timer), és kommunikációs interfészeket (UART, I2C, SPI).

CISC vs. RISC:

• CISC (Complex Instruction Set Computer): Bővített, komplex utasításkészlet. Egy assembly utasítás nagyon bonyolult műveletekre is képes, de ehhez több órajelciklus is kellhet. Az utasításhossz változó, nehezebb dekódolni. Kevesebb kódsorral írható meg ugyanaz a program.
• RISC (Reduced Instruction Set Computer): Csökkentett, az adott feladatra optimalizált utasításkészlet. Egy utasítás hossza fix (könnyű dekódolás), és végrehajtása általában 1 órajelet vesz igénybe. A komplex műveletekhez sokkal több elemi RISC utasítás sorára van szükség.

10. Arduino vs. Raspberry Pi. Mire jók? Jellemezze őket összehasonlító elven.

• Arduino: Egy MCU (Mikrovezérlő) alapú egyszerű fejlesztőkártya.
• Erőforrások: Kisebb órajel ($\sim10 \dots 100$ MHz), kicsi belső RAM, korlátozott 8/16 bites szélesség.
• OS és futás: Nincs rajta operációs rendszer, a ráírt (C/C++ alapú) program egy végtelen ciklusban folyamatosan és azonnal fut. Strikt valós idejű (real-time) vezérlésekre alkalmas.
• Perifériák: Hardverközeli I/O lábakkal (GPIO) és beépített ADC-vel bír, azonnal illeszthető rengeteg analóg és digitális szenzorhoz.
• Raspberry Pi: Egy ARM alapú általános célú egylapos számítógép (SBC).
• Erőforrások: Nagy órajel (1+ GHz), sok külső memória (DDR3/4), dedikált GPU, HDMI kimenet (32/64 bit architektúra).
• OS és futás: Operációs rendszert igényel (pl. Linux/Raspberry OS). Mivel a taszkokat az OS ütemezi, nem dedikáltan valós idejű eszköz, de nagy számítási kapacitást és magas szintű szoftveres integrációt (pl. képfeldolgozás, weblap hosztolás, adatbázisok) tesz lehetővé.
• Perifériák: Bár vannak GPIO lábai (digitális), alapból nincs benne A/D konverter, így analóg szenzorok direkt fogadására egyből nem alkalmas.

8. EA Szenzorika 2

1. Hőtan: Magyarázza el az Arrhenius-összefüggés hőfokfüggését, és adjon egy példát arra, hogy milyen területen lehet jelentősége ennek ez az informatikai, villamosmérnöki praxisban!

Az Arrhenius-összefüggés a termékek/anyagok irreverzibilis élettartam-csökkenését írja le a termikus hatások következtében. A képlet alapján: $t = A_0 \cdot \exp\left(\frac{-B \cdot 1}{T}\right)$ Ahol $t$ az élettartam, $T$ pedig az abszolút hőmérséklet (Kelvin). A törvény kimondja, hogy az élettartam exponenciálisan arányos a hőmérséklet reciprokával (másképpen: a hőmérséklet növekedésével az élettartam exponenciálisan és drasztikusan csökken).

Példa a praxisban: Az elektronikai gyártásban és informatikában a nyomtatott áramkörökön lévő alkatrészek (kiváltképp az elektrolit kondenzátorok, vagy a CPU szilícium tokozása) élettartama szorosan kötődik a környezeti hőmérséklethez. Ha egy szerverterem hűtése nem megfelelő, vagy egy tápegység tervezésénél alulméretezik a hűtőbordát, az üzemi hőmérséklet tartós emelkedése (pl. $10^\circ C$-onkénti növekedése) az Arrhenius-törvény értelmében gyakran a felére-negyedére csökkenti a komponensek várható élettartamát, garantálva a korai rendszerhibát.

2. Hőmérséklet: Jellemezze a hőmérsékleti skálák közötti váltást pl. mikrovezérlős beágyazott szoftveres környezetben.

Kétféle skálatípust különböztetünk meg:

• Abszolút skálák (Termodinamikai): Ahol a nulla pont a létező legalacsonyabb hőmérséklet (zéró energiaállapot). Ilyen a Kelvin (K) és a Rankine ($^\circ R$).
• Relatív skálák: Gyakorlati referenciapontokhoz (pl. a víz hármaspontja) viszonyítanak. Ilyen a Celsius ($^\circ C$) és a Fahrenheit ($^\circ F$).

A skálák közötti váltást egyszerű elsőfokú, lineáris matematikai képletek végzik. Például: $T_K = 273.15 + t_C$ $t_F = 1.8 \cdot t_C + 32$

Mikrovezérlős beágyazott környezetben ezek az elméletileg egyszerű transzformációk problémát okozhatnak, mert a lebegőpontos (float) aritmetika a kis teljesítményű MCU-kon lassan hajtódik végre, és sok memóriát emészt fel. Ezért a programozás során a képleteket gyakran egészszámos (fixpontos) aritmetikára alakítják (pl. a fenti Fahrenheit egyenlet $t_F = \frac{9 \cdot t_C}{5} + 32$ formában, szorzással majd osztással sokkal gyorsabban lefut float típusok nélkül).

3. Seebeck-effektus: jellemezze formulával és diszkusszióval a hatást egy vezetéken, illetve két különböző fém vezeték szempontjából.

A Seebeck-effektus a termoelektromos hatás, mely szerint egy fémvezetőn feszültségkülönbség (potenciálkülönbség) mérhető, ha a vezető mentén hőmérsékleti gradiens alakul ki (azaz van egy melegített és egy hideg vége). A jelenség oka az elektronok termikus mozgása: a melegített végen ritkább az elektronsűrűség, a hideg végen pedig magasabb.

Egyetlen vezetéken mérhető feszültség: $U = \int_{T1}^{T2} S(T) dT$ Ahol $T1$ és $T2$ a két végpont hőmérséklete, $S$ pedig a Seebeck-koefficiens.

Két különböző fémvezeték (pl. A és B) esetén, ha azokat az egyik (meleg) végükön egyesítik, a közös melegpont és a szabad hideg végek között az elektronok anyagonkénti eltérő mozgékonysága miatt feszültség keletkezik: $U = \int_{T1}^{T2} (S_A(T) - S_B(T)) dT$ Mivel különböző vezetőknél (pl. NiAl és NiCr) eltérő sebességgel és mennyiségben áramlanak a töltéshordozók, a szabad (hideg) végeken mérhetővé válik egy nettó elektromos potenciálkülönbség, amely egyenesen arányos (kis tartományon) a két vég közötti hőmérséklet-különbséggel.

(Ábra megjegyzés): Az elrendezésben a két anyag Y alakban van összehegesztve: a csomópont a mérendő $T2$ környezetben van, míg a szabad végek a referenciát jelentő $T1$ hőmérsékleten, ahol feszültségmérő (voltmérő) hidalja át a $A$ és $B$ vezetékeket.

4. Szenzor: Milyen alapelven működnek a hőelemek. A fizikai hatást is adja meg, formulával.

A hőelemek a Seebeck-effektus (termoelektromos hatás) alapján működnek. Két különböző anyagú fémhuzalt az egyik végükön fémesen egyesítenek (ez a melegpont vagy mérőpont). Ha a melegpont és a huzalok szabadon hagyott végei (hidegpont vagy referenciapont) között hőmérséklet-különbség van, a nyitott végeken az anyagok eltérő Seebeck-együtthatói miatt feszültség indukálódik.

Fizikai hatás formulája (feszültség a hidegponton): $U_{kimenet} = \int_{T_{hideg}}^{T_{meleg}} (S_A(T) - S_B(T)) dT$ Ahol $S_A$ és $S_B$ a két fém Seebeck-koefficiense. Ez a feszültségkülönbség (jellemzően néhány $\mu V / ^\circ C$ nagyságrendű) a mérendő hőmérsékletből és a hidegpont (referencia) hőmérsékletéből adódik.

5. Szenzor: hogyan lehet feldolgozni a hőelemek nemlinearitását? Jellemezze a három módot digitális implementáció szempontjából.

Mivel a fémek Seebeck-koefficiense függ a hőmérséklettől, a generált feszültség görbéje nem tökéletesen egyenes vonalú. Ez szoftveresen, mikrokontrolleren az alábbi három megközelítéssel dolgozható fel:

1. Lineárisként való kezelés szűk tartományon: Gyakori típusoknál (pl. K vagy J) található olyan több száz fokos széles hőmérséklet-tartomány, ahol a görbe “közel lineárisnak mondható”. Digitálisan ez a legkevésbé erőforrásigényes: egy fix szorzóval leképezhető a bejövő feszültség, de a tartomány szélein jelentős mérési hiba keletkezik.
2. Táblázatos módszer (Look-up Table - LUT) lineáris interpolációval: A mikrovezérlő memóriájában (pl. a NIST szabványos adatbázisa alapján) feszültség-hőmérséklet értékpárokat tárolnak. Ha a mért feszültség nincs pontosan a táblázatban, a két legközelebbi rögzített érték között szoftveresen lineáris interpolációt végez a rendszer. A teljes tartományon használható és kiegyensúlyozottan gyors (RAM/Flash igényes, de CPU kímélő).
3. Magasabb fokú egyenletek (Polinomok): A legpontosabb megoldás. A hőmérséklet-feszültség viszonyt típustól függően 5., de akár 9. fokú polinomokkal modellezik le. Ez a módszer rendkívül számításigényes (a float szorzások és hatványozások miatt keményen terheli a mikrokontrollert), cserébe nem igényel memóriatáblákat és kiküszöböli a pontatlanságokat.

6. Szenzor: milyen hibákkal lehet találkozni hőelemes méréseknél?

• Melegpont hibás kialakítása: A kábelek puszta összesodrása vagy véletlen összeérése a hegesztés helyett galvanikus hibát, fals kötési pontot és hibás mérést okoz.
• Referencia (hidegpont) hibás meghatározása: Ha a hidegpont hőmérsékletét az algoritmus nem ismeri pontosan (vagy nem mérjük kompenzáló chippel), az közvetlenül meghamisítja az abszolút hőmérsékletszámítást.
• Hőkapacitásból eredő tehetetlenség: A vastag vezetékek, a túlzott szigetelés vagy a nagyméretű melegpont-golyó jelentős termikus tömeget ad, ami késlelteti (akár 100 ms-al) a felmelegedést, így a mérés “lemarad” a valóságtól.
• Nemlinearitás: Feldolgozási algoritmus vagy hibás típusú linearizáció miatti eltolódások (pl. Type J helyett Type K profil használata a vezérlőben).
• Környezeti behatások (gőzfázisú forrasztásnál): Nyílt (vágott) kábelvég esetén a kondenzátum felkúszhat a kábelszálak közé, és a kondenzációs energia fals melegedést ad a szenzornak, rontva az ismételhetőséget.

7. Szenzor: hőelem esetében milyen megfontolások vezetnek egy AD átalakítóig történő bekötés folyamatáig?

A hőelemek generálta Seebeck-feszültség rendkívül pici (pl. egy K-típusú hőelemnél mindössze $\sim 41 \mu V / ^\circ C$). Ezt a mikrokontrollerek hagyományos A/D átalakítói (melyeknek a felbontása általában millivoltos nagyságrendű) közvetlenül képtelenek értékelhető zajmentességgel beolvasni.

A megoldás folyamata: Direkt illesztés helyett egy dedikált műveleti jelerősítő IC-t (pl. AD849x család) kell alkalmazni az ADC és a hőelem között. Ez egyrészt a mikrovoltos jelet felerősíti az A/D konverter tartományába (pl. $5 mV / ^\circ C$ szintre), másrészt ezen chip elvégzi a hardveres hidegponti kompenzációt is (egy beépített belső hőmérőn keresztül ellenőrzi a csatlakozók környezeti hőmérsékletét, és hozzáadja a kompenzációs ofszetet a kimenethez). Fontos, hogy ez az erősítő a nyákon térben fizikailag minél közelebb helyezkedjen el a hőelem bemeneti kapcsaihoz (hidegpont) az izotermikus kompenzáció pontossága érdekében. A felerősített és kompenzált analóg jel már közvetlenül ráköthető a mikrokontroller ADC bemenetére.

8. Szenzor: egy munkatér vagy munkadarab hőelemes mérésénél milyen módon befolyásolhatja a szenzor a mérést?

A szenzor (hőelem) fizikai jelenléte önmagában is zavarja a mérendő termikus környezetet az anyagának hőkapacitása révén.

A “hőmérő mindig önmaga hőmérsékletét méri”. Ha egy apró munkadarab felületéhez egy indokolatlanul vastag, nehéz szigetelésű (pl. kapton, teflon vagy kerámia) vagy nagyméretű hegesztési golyóval (melegponttal) rendelkező hőelemet csatlakoztatunk, a szenzor jelentős hőmennyiséget von el magától a munkadarabtól, hogy a saját termikus tömege felmelegedjen.

• Ebből kifolyólag kis geometriai változtatások (pár száz mikron eltérés a drót átmérőjében) is drasztikusan módosítják a hőátadás folyamatát.
• Ez azt eredményezi, hogy a mérés dinamikája eltorzul, az olvadáspont (vagy beállási pont) elérésének észlelése akár száz milliszekundumokat is késik az időállandó (tehetetlenség) megnövekedése miatt.

9-13. Vállalati Információs Rendszerek

1. Standard és integrált vállalatirányítási rendszerek, moduláris felépítés és testreszabás

A vállalat informatikai modellje leírja az anyag, érték (pénz) és információ mozgását. Nem az összes vállalatot fedi le, hanem alkalmazóképes vállalatokat határoz meg egy adott célszegmensben.

• Standard rendszer: Előre definiált (predefinit) adatmodell és működési modell ötvözete, amelyet a bevezetés során az adott vállalatra kell szabni (Testreszabás).
• Integrált rendszer: Az egyes vállalati működési területeknek megfelelő VIR egységek (modulok) közös platformon, elkülönült funkcionalitással, de szorosan együttműködve, integráltan dolgoznak (pl. termelés, marketing, logisztika egyetlen adatbázison).
• Testreszabás lépései: Mivel a predefinit modell általános, a bevezetéskor konkretizálni kell. Ennek lépései:

1. Konfigurálás
2. Adatfeltöltés
3. Fejlesztés (ha szükséges)

2. A vállalatirányítási információs főfolyamat (bemenet, kimenet, fő lépések)

A termelési főfolyamat absztrakt modellje egyértelműen behatárolható inputokkal és outputokkal rendelkezik.

• Bemenetek (Inputok): Anyagok, eszközök, gépek, dolgozók.
• Kimenetek (Outputok): Kész termék.
• A VIR információs folyamat lépései:

1. Rendelésfeldolgozás: Vevői igények befogadása, ellenőrzése.
2. Szükségletszámítás és ütemezés: A gyártáshoz szükséges anyagok és kapacitások tervezése.
3. Beszerzés: Szükséges alapanyagok megrendelése a szállítóktól.
4. Gyártás: A fizikai termék-előállítás informatikai lekövetése.
5. Kibocsátás és számlázás: Termék kiszállítása és pénzügyi realizálása.

3. Rendelésfeldolgozás és szükségletszámítás (ütemezés) folyamata

• Rendelésfeldolgozási folyamat:
• Bemenet: Vevők adatai, Vevői rendelések, Ütemezési adatok (kapacitások).
• Folyamat (Rendeléselfogadás): Két fő vizsgálat történik: Teljesíthetőség-vizsgálat és Hitelképesség-vizsgálat.
• Kimenet: Elfogadott vevői megrendelés, Primer szükséglet. Emellett létezhet saját kockázatú megrendelés is (pl. raktárra termelés).
• Szükségletszámítás és ütemezés folyamat:
• Bemenet: Primer szükséglet (a rendelésfeldolgozásból), Cikktörzs, Ütemezési adatok, Anyagjegyzék.
• Folyamat: Bruttó és nettó szükségletek kiszámítása, Anyagjegyzék-feldolgozás (BOM felbontás), Határidőzítés.
• Kimenet: Beszerzési javaslat (vásárolt cikkekre) és Gyártási javaslat (saját gyártású cikkekre).

4. Beszerzés és kiszállítás folyamata

• Beszerzési folyamat:
• Bemenet: Beszerzési javaslat, Szállítói hálózat (anyagok és lehetséges szállítók), Korábbi szállítások adatai.
• Folyamat (Összerendelés): A beszerzési javaslatokhoz szállítók hozzárendelése (árajánlatok, szerződések alapján).
• Kimenet: Beszerzési rendelés a konkrét Szállítók felé.
• Kiszállítási folyamat:
• Lépései:

1. Vevői rendelések / Anyagrendelkezésre-állás jelentés alapján Szállítólevél elkészítése (Kimenet: Szállítólevél másolat).
2. Szállítás: Fizikai kiszállítás + Kiszállítás könyvelése a raktárban.
3. Kiszállítás könyvelése jelentés alapján Számla elkészítése (Kimenet: Számla másolat a vevőnek).

5. Terhelésmegosztási architektúrák (kétrétegű megközelítések)

Az architektúrák célja az adatbázis-kezelés, az alkalmazáslogika és a megjelenítés feladatainak fizikai eszközökön (kliens és szerver) való elosztása. Kétrétegű megoldások:

• Megosztott megjelenítés (Mainframe & X-Windows): Kliens = “buta” terminál. Minden (adatbázis + funkció) a központi nagygépen fut. Előny: robusztus, standard. Hátrány: gép túlterhelt, nem cserélhető könnyen az adatbázis.
• Leválasztott megjelenítés (Kliens - Szerver): A megjelenítés a kliensen, a funkció és az adatbázis a szerveren van. Csökken a túlterheltség, a kliens cserélhető.
• Megosztott adatbázis: Adatbázis-kezelő a kliensen is (pl. dBase, FoxPro). Hátrány: Kliens erősen túlterhelt, adatmozgatás, integráció és migráció problémás.
• Megosztott / Leválasztott Alkalmazáslogika: Az alkalmazás futtatása a kliensen is (Front) és szerveren is (Back) megoszlik, vagy teljesen a kliensre kerül (pl. MS Access $\rightarrow$ MS SQL Server). Előny: Cserélhető adatbázis, extra biztonság BI-ban. Hátrány: Túlterhelt kliens, hálózati adatmozgatás.

6. A háromrétegű architektúra (SAP R/3+ modell)

A feladatok (Megjelenítés, Alkalmazáslogika/Funkció, Adatbázis) három külön gépen (rétegen) futnak.

• Előnyök másokhoz képest: Skálázható, szabványos (pl. SQL), hibatűrő, 5 szinten biztonságos, az adatmozgatás/integráció/migráció könnyű, nagy a választható eszközkészlet. Nem terheli túl sem a klienst, sem a szervert egyoldalúan.
• Hátrányok: Építészete, telepítése és működtetése kiemelten bonyolult.

VIR 2. Előadás

1. ERP rendszerek adattípusai példákkal

• Tranzakciós adatok: Standard funkció végrehajtása során keletkeznek, tűnnek el vagy archiválódnak.
• Példa: Vevői rendelésfelvétel, beszerzési rendelés, szállítólevél.
• Törzsadatok: Ritkán változó alapadatok, amelyek nyilvántartás-jellegűek és a vállalatot vagy annak elemeit írják le. Relációs adatbázisokban tárolják őket azonosító kódokkal.
• Vállalati törzsadatok (külső partnerek felé azonosítanak): Cégadatok (név, adószám), Formátumok (számla külleme), Bércsoportok, Számlálók (pl. 2026/0001).
• Belső törzsadatok: Cikktörzs (késztermék, félkész termék, anyag), Kapacitások (gépek), Alkalmazottak.
• Konfigurációs adatok: A rendszer bevezetésénél és hangolásánál használt paraméterek.

2. Rendelkezésre álló munkaidő és számítása

Az ütemezéshez elengedhetetlen a naptári időintervallumok pontos meghatározása (cégre, telephelyre, üzemre, gépcsoportra, vagy egyedi gépre). Befolyásoló tényezők:

• Heti munkanapok: Mely napokon van munkavégzés (pl. H-P).
• Munkanapok változásai: Rendeletileg (pl. ünnepnapok) vagy vállalati döntés alapján áthelyezett munkanapok.
• Műszakszám: Napi hány munkával töltött szakasz van (pl. 1, 2 vagy 3 műszak).
• Műszak hasznos munkaórái: A tervezett megszakításokat (ebédidő, karbantartás, munkavédelmi pihenő) le kell vonni (ezek nem okoznak késést!).
• Kivételkezelés: Eseti munkaidő-változások (pl. rövidebb munkanap).
• (Nem tervezett megszakítások: géphiba, anyaghiány - ezeket nem lehet előre kalkulálni, ezek késést okoznak).

3. Gépek, berendezések elrendezési alapelvei

Az elrendezés meghatározza a gyártási folyamat térbeli elhelyezkedését, időbeli lefolyását és az anyagmozgatási igényt. Két fő megközelítés:

1. Gépelvű (technológiai): Az azonos vagy hasonló funkciót ellátó gépeket csoportosítják. Ide tartozik a Műhelyrendszerű gyártás.
2. Termékelvű (tárgyi): A termék elkészítéséhez szükséges technológiai sorrend határozza meg az elrendezést. Ide tartozik a Csoportrendszerű, a Zárt ciklusú és a Szalagrendszerű gyártás.

4. Műhelyrendszerű és zárt ciklusú gyártási rendszer

• Műhelyrendszerű gyártás (Job shop): Azonos technológiájú műveletek gépei egy helyre (műhelybe) kerülnek (pl. minden eszterga egy teremben).
• Alkalmazás: Egyedi és kissorozat gyártás.
• Előnyök: Rugalmas termékváltás, egyszerű gépkiszolgálás és zavarelhárítás.
• Hátrányok: Nehezen tervezhető folyamatos anyagáramlás, nagy anyagmozgatási költség, magas befejezetlen termelés (WIP).
• Zárt ciklusú gyártási rendszer: A gépek elhelyezkedése szigorúan megfelel a termék műveleti sorrendjének. A termékek a folyamat során nem hagyják el a ciklus területét, más műhelybeli művelet nem szakítja meg azt.
• Jellemzők: Kisléptékű szalagrendszer, csak a teljes ciklusra történik ütemezés.
• Előny/Hátrány: Nagy hatékonyság, rövid átfutási idő, de csak egy/néhány terméktípusra jó és költséges a kiépítése.

5. Csoporttechnológiai és szalagrendszerű gyártási rendszer

• Csoporttechnológiai rendszer: A gépek egy részét egy alkatrésztípus technológiai követelményei szerint csoportosítják (cellagyártás). A cellán belüli műveleteket nem kell külön ütemezni.
• Előnyök: Növeli a tervezés hatékonyságát, csökkenti a költséget, átfutási időt és a WIP-et. Előfeltétele a szabványosodás.
• Szalagrendszerű gyártási rendszer (Flow shop): A gépek a technológia által megkövetelt sorrendben, egymáshoz közel vannak elhelyezve, kapacitásuk kiegyenlített (ütemazonosság).
• Alkalmazás: Komplett késztermékek, tömeggyártás, automatizált gépsorok. Anyagtovábbítás: futószalag, görgős asztal.
• Előny/Hátrány: Gyors áramlás, kicsi WIP, de nehéz kiegyensúlyozni és nagyon drága az átállás.

6. Időigénytípusok definiálása és összefoglaló táblázat

1. Sorbanállási idő: A munkadarab a gép előtt, a munkába vételig várakozással töltött ideje.
2. Felkészítési idő: A művelet végrehajtásának előkészítésére, a gép beállítására szánt idő.
3. Műveleti idő: Az előírt művelet egy munkadarabon történő elvégzésének ideje.
4. Várakozási idő: Az elvégzett művelet utáni, természetes folyamatok (hűlés, száradás) ideje.
5. Anyagmozgatási idő: A következő munkahelyre/raktárba szállítás ideje.
6. Alvállalkozói idő: Más vállalat által átvállalt feladat végrehajtási ideje.

(Jelmagyarázat: I=Igen, N=Nem, S=Sarzsonként, T=Tételenként, G=Gépeknél, M=Műveleteknél)

VIR 3. Előadás

1. Hosszútávú termeléstervezés célja, jellemzői és fő lépései

• Cél/Időtartam: Egy évnél hosszabb időszakra szóló stratégiai iránymutatás. Arra keresi a választ: “Mit fogunk gyártani és kb. hogyan egy, kettő… tíz év múlva?”
• Jellemzők: A termelési igény előrebecslése nagyon nagyvonalú, és az idők során sokat változhat.
• Fő lépései (Feladatai):

1. Tervezés: Transzformációs folyamat meghatározása (iparág), Termelés pozicionálása, Kiemelt feladatok/prioritások (ár, minőség, rugalmasság), Stratégia elemeinek kiválasztása, Munkaerő/létesítmény/információáramlás megtervezése.
2. Végrehajtás: Új termék tervezése, Folyamatmódosítás (K+F, beruházás), Beszerzési források feltárása, Rendszermódosítás, Munkaerő biztosítása.

2. A termelés pozicionálása és szélsőséges esetei

A vállalatnak a piaci és marketing információk, technológiai lehetőségek alapján pozicionálnia kell a termelést (mit, milyen környezetben gyárt). Szélsőséges esetei:

• Folyamatorientált: SOKFÉLE (egyedi) termék előállítása viszonylag standard technológiával, széles termékválasztékra.
• Termékorientált: KEVÉS (szabványos) termék előállítása NAGY mennyiségben. A rendszernek rendkívül hatékonynak kell lennie, folyamatos (sima) anyagáramlással.

3. Középtávú tervezés feladatai és kapcsolata a kereslettervezéssel

• Jellemzők: Kb. egy évre szóló terv (havonta/dekádonként bontva). Angolul: Sales and Operation Planning (S&OP).
• Kapcsolata a kereslettervezéssel: A folyamat a kereslettervezéssel (előrejelzéssel) indul: miből, mikor, mennyire lesz szükség. Erre a várható keresletre alapozva kell kompromisszumos (nagyvonalú) kibocsátási tervet készíteni aggregált termékekre/családokra, összehangolva a marketing, pénzügy és gyártás érdekeit.
• Feladatai:

1. Kereslettervezés (előrejelzés).
2. Nagyvonalú termeléstervezés (kibocsátási tervek aggregált cikkekre).
3. Erőforrásigények (gépek, munkaerő, forgótőke) nagyvonalú meghatározása.
4. Összhang megteremtése a kibocsátási tervek és az erőforrások között.

4. Erőforrás-optimalizálási lehetőségek és költségvonzataik

Cél a termelési költségek minimalizálása, igazodva a változó kereslethez. A beavatkozás változói és költségeik:

1. Munkaerő: Alkalmazottak számának változtatása (felvétel / elbocsátás).

• Költség: Extra költségek (felvétel, betanítás, explicit elbocsátási végkielégítések).

2. Munkaidő: Rugalmas munkaidő, túlóra (alkalmazotti létszám állandó).

• Költség: Ha nincs munka, de a létszám marad, álláspénzt kell fizetni.

3. Készletszintek: A munkaerő és munkaidő állandó, a változó keresletet készletezéssel egyenlítik ki.

• Költség: Készletezési költségek (raktározás, tőkeköltség, romlás).

4. Rendelésállomány (Backlog): Szállítási határidő kitolása (ha nő a kereslet) vagy szűkítése (ha csökken).

• Költség: Hiányköltség (sürgős rendelés elvesztése, hírnév romlása - nehéz mérni).

5. Rövidtávú termeléstervezés részletesen

• Jellemzők: Valós, konkrét körülmények figyelembevétele, a rendelésállomány “fix”, azaz konkrétan rögzített.
• Időtartam: 1 naptól max. 1 hónapig terjedő időszak.
• Bemenetek (Igényforrások): Sajátkockázatú és vevői rendelések, telephelyközi DRP rendelések, biztonsági készlet pótlása, gyártási rendelések (beépülőkre).
• Módszer (Algoritmusok): MRP I (anyagszükséglet), CRP (kapacitásszükséglet), MRP II (gyártásierőforrás), DRP (elosztási erőforrás), gyártósorok ütemezése.
• Feladatok: Rendelésfeldolgozás (konkrét cikkekre, mennyiségekre, határidőkre), majd részletes erőforrás-szükséglet (anyag, kapacitás, munkaerő) számítása és ütemezése.
• Kimenetek (Ellátások): Határidőzött beszerzési és gyártási javaslatok (cikk, mennyiség, kezdési időpont), pontos kapacitásterv, sorozatgyártási ütemezett rendelések.

VIR 4. Előadás

1. Az anyagjegyzék (BOM) fogalma, felépítése és a strukturált BOM

• Fogalma és felépítése: Az anyagjegyzék (Bill of Materials) szerelési részegységenként, tételszám szerinti sorrendben tartalmazza egy termék összeállításához szükséges alkatrészek és felhasználandó anyagok megnevezését, mennyiségét, és méretét. Megadja a termék szerkezeti leírását.
• Strukturált anyagjegyzék: Teljes mélységű, többszintű gráfalapú megjelenítés, ami lépcsőzetesen ábrázolja, hogy a fődarab milyen részegységekből, azok pedig milyen alkatrészekből és alapanyagokból épülnek fel (Gyártmánycsaládfa / Termékstruktúra).
• Példa: Egy szerelt potenciométer (fődarab), amely alatt szerepel az “Alaplap” (részegység), amely tovább bontható “Műanyagra” és “Fém érintkezőre” (alapanyagok/vásárolt alkatrészek).

2. A műveletterv felépítése, használata és az elemi műveletek

• Műveletterv felépítése és használata: A saját gyártású elemek (részegységek, alkatrészek) technológiai-műszaki leírása. Tartalmazza az elkészítési mód leírását (sorrendet) és az elkészítési körülményeket meghatározó adatokat. Gyakorlatilag elemi műveletek listája, ami megadja a technológiai leírást, amit az előírt sorrendben kell végrehajtani.
• Elemi műveletek: Egy konkrét végrehajtási lépés, amely tartalmazza a művelet nevét, leírását, időnormákat, a munkához szükséges speciális szerszámokat/készülékeket, a kapcsolódási módot az előző/következő művelethez (pl. átlapolás), valamint hivatkozik a munkaerőre és a szükséges gép kapacitásra.
• Példa:
• Műveletterv: Egy fém alkatrész (csavarkulcs) műveletterve.
• Elemi műveletek a tervben: 1. Lyukasztás (Gép: Y1JAV-01, Műveleti idő: 0,01 óra). 2. Ellenőrzés (Nagyítóval, Műveleti idő: 0,17 óra).

3. Az előkalkuláció mint művelet (cél, módszer, bemenet, kimenet)

A norma szerinti előkalkuláció előre megadott anyag- és időnorma adatokra támaszkodik a számítógépes termelésirányításban.

• Célja: Egy termék tervezett önköltségének és átfutási idejének meghatározása a gyártás megkezdése előtt.
• Módszere: A művelettervek feldolgozása, és a darabjegyzékek (BOM) rekurzív lebontása.
• Bemenetei: Cikktörzs, Darabjegyzék, Műveletterv, Bérkategóriák, Általános költségkulcsok.
• Kimenetei (Költségnemek szerinti bontásban): Várható átfutási idő és Várható termelési költség.

4. A cikk előkalkulációja és a tervezett önköltség meghatározása

• Cikk előkalkulációja (Mennyiségek kezelése): Lehet Alapértelmezett (a cikk törzsadatban rögzített standard kiszerelés, pl. 1 db) vagy Kalkulációs mennyiség. Utóbbi lehet előre rögzített, felhasználó által választott (manuális), vagy számított (pl. raktárkészlet alapján az ERP által kikalkulált).
• Tervezett önköltség meghatározása: Csak a termék előállításával (raktárra kerülésig) kapcsolatba hozható költségek vehetők figyelembe.
• Tényleges anyagköltség: Vásárolt cikknél: beszerzési ár + általános beszerzési költség. Gyártott cikknél a fa struktúrában “fel kell göngyölni” az alkatrészek árát, a százalékos járulékokat, és az effektív selejtszázalékot.
• Negligált költségek: Általános igazgatás, marketing, értékesítés. Ezek az eladási ár számításakor kellenek (gyakran egy nem raktározható fantom cikkre terhelik őket).
• Terv vs. Tény (Utókalkuláció): A gyártás lefutása után a tényadatok (visszajelentések) alapján összevetik az előkalkulált normákat a valósággal. Nagy eltérés esetén az előkalkuláció adatait (idő- és költségnormákat) pontosítani kell.

5. Egygépes ütemezési algoritmusok és időalapú prioritási elvek

Egygépes modellt használunk, ha jól definiált, szűk keresztmetszet van a gyártásban, vagy az erőforrások jól aggregálhatók. Időalapú prioritási elvek (Ütemezési szabályok):

• Indítási idő alapján: Szigorú megmunkálás. $Inditasi\_ido = hatarido - megmunkalasi\_ido$. Készletszint minimalizálására jó.
• FCFS (First Come First Served) / FIFO: Az elsőként beérkező feladatot szolgálják ki először.
• LCFS (Last Come First Served) / LIFO: Az utolsóként beérkező feladatot szolgálják ki először.
• Véletlenszerű: Ha nincs sorszámozva, random választás.
• SPT (Shortest Processing Time): A legrövidebb műveleti idejű feladatot veszik először. Minimalizálja az átlagos átfutási időt, a várakozási időt és az átlagos késést.
• EDD (Earliest Due Date): A legszűkebb (legkorábbi) határidejű teljes feladatot indítja először. Minimalizálja a maximális késést.
• ODD (Operation Due Date): A legszűkebb határidejű egy műveletet indítja.
• STR (Slack Time Remaining / Tartalékidő): $Tartalekido = hatralevo\_ido - megmunkalasi\_ido$. A legkisebb tartalékidejű feladat kap prioritást. Létezik műveletre vetített verziója is (STR/OP).
• CR (Critical Ratio): $CR = \frac{hatralevo\_ido}{megmunkalasi\_ido}$. A legnagyobb feldolgozási időarány kap prioritást.
• QR (Queue Ratio / Sorbanállási ráta): $QR = \frac{STR}{tervezett\_sorbanallasi\_ido}$.