The possibilities of intelligent manufacturing methods

Authors

  • Péter Ficzere Budapest University of Technology and Economics, Department of Railway Vehicles and Vehicle System Analysis https://orcid.org/0000-0003-3207-5501
  • Norbert László Lukács Budapest University of Technology and Economics, Department of Railway Vehicles and Vehicle System Analysis

DOI:

https://doi.org/10.32972/dms.2020.002

Keywords:

Additive manufacturing, methodology, IoT, i4.0, Remote control for manufacturers

Abstract

Additive production technologies made the realization of individually designed, highly complicated geometric structures in practically all fields of industry and human therapy (implantation) possible. In order to minimalize the risk of failure originating from production technology the continuous development of measurements technologies provides the possibility to track the parameters of production and if necessary to ensure their modification. The great number of recorded production data (big data) at the same time can be used in the quality control of the product.

References

Ficzere P., Borbás L. (2019). Az ipar 4.0 hatása az egyénre szabható implantáció tervezési folyamatára. IV. Gépészeti Szakmakultúra Konferencia, Budapest, Gépipari Tudományos Egyesület, p4, ISBN 978-963-9058-41-5.

http://www.industry4.hu (letöltve 2019. 11. 13.)

Szabó I., Török Á. (2018). Autonóm közforgalmú közösségi közúti gépjárművek társadalmi elfogadtatásának vizsgálata. In: Péter, Tamás (szerk.) IFFK 2018: XII. Innováció és fenntartható felszíni közlekedés. Budapest, Magyar Mérnökakadémia (MMA), pp. 333–336, ISBN 978-963-88875-3-5.

Pauer, G., Török, Á. (2019). Static system optimum of linear traffic distribution problem assuming an intelligent and autonomous transportation system. Periodica Polytechnica Transportation Engineering, 47 (1), pp. 64–67.

Török, Á., Szalay, Z., Uti, G., Verebélyi, B. (2020). Modelling the effects of certain cyber-attack methods on urban autonomous transport systems, case study of Budapest. Journal of Ambient Intelligence and Humanized Computing, 11, pp. 1629–1643, https://doi.org/10.1007/s12652-019-01264-8.

Lekić, M., Rogić, K., Boldizsár, A., Zöldy, M., Török, Á. (2019). Big Data in logistics. Periodica Polytechnica Transportation Engineering, https://doi.org/10.3311/PPtr.14589.

Ficzere, P., Borbás, L., Török, Á. (2013). Economical investigation of rapid prototyping. International Journal for Traffic and Transport Engineering, 3 (3), pp. 344–350, https://doi.org/10.7708/ijtte.2013.3(3).09 .

Ficzere P. (2019). Alkatrészek munkatérben történő elhelyezésének a gyártási költségekre gyakorlolt hatása additív gyártástechnológiák esetén. GÉP, LXX. évf., 2019/3., pp 26–29.

Livio Dalloro, (head of research group, siemens corporation, corporate technology), Milánó, Italy (2014), https://www.21stcentech.com/spider-robotsbring-portability-autonomy-3d-printing/.

Győri, M., Ficzere, P. (2017). Use of Sections in the Engineering Practice. Periodica Polytechnica Transportation Engineering, 45 (1), pp. 21–24, https://doi.org/10.3311/PPtr.9144.

Broek, Johan J., Horváth, Imre, de Smit, Bram, Lennings, Alex F., Vergeest, Joris S.M. (1998). A Survey of the State of Art in Thick Layered Manufacturing of Large Objects and the Presentation of a Newly Developed System. University of Texas at Austin.

Falk Gy. (2019). Az asztali és az ipari fémnyomtatás közötti különbségek. Előadás. Ipar Napjai – Mach-Tech, Budapest, 2019. május 16.

What is Hadoop? https://www.sas.com/en_us/insights/big-data/hadoop.html (letöltve: 2019. 12. 17.).

https://plugins.octoprint.org/plugins/excluderegion (letöltve: 2020. 02. 15.).

Downloads

Published

2020-05-30

How to Cite

Ficzere, P., & Lukács, N. L. (2020). The possibilities of intelligent manufacturing methods. Design of Machines and Structures, 10(1), 13–19. https://doi.org/10.32972/dms.2020.002