Poniżej przedstawiono przykład zaproszenia na obronę pracy doktorskiej.

Inna wersja:

(nie więcej niż 30-50 linii; pełniejsza wersja tylko opcjonalnie w pliku .pdf)

mgr inż. Jakub Oleksiak

Promotor: prof. dr hab. inż. Antoni Ligęza (AGH) Dyscyplina: Informatyka

Diagnostyka nowoczesnych systemów technicznych jest zadaniem trudnym. Dzieje się tak głównie ze względu na rosnącą złożoność i rozmar systemów technicznych składających się z coraz większej liczby modułów i komponentów.

Podobnie jak i same systemy, tak i ich diagnostyka jest coraz bardziej złożonym procesem wnioskowania, wykorzystującym różnorodne paradygmaty rozumowania. Wiekszość metod diagnostycznych jest jednak jednopoziomowa; analizie podlegają wszystkie komponenty, przy czym badane są one na jednakowym poziomie szczegółowości. Takie podejście sprawia że niektóre złożone obliczeniowo metody diagnostyczne stają się nieefektywne ze względu na czas niezbędny do wygenerowania diagnozy.

Celowe wydaje się rozszerzenie tego podejścia dla umożliwienia hierarchicznej diagnostyki w przypadku systemów złożonych. Istotą proponowanego tutaj rozwiązania jest odpowiednie zamodelowanie hierarchicznej struktury diagnozowanego systemu, a następnie prowadzenie wnioskowania diagnostycznego na kolejnych poziomach szczegółowości reprezentacji.

– Teza rozprawy:– Jako tezę niniejszej rozprawy doktorskiej autor przedstawia następujące twierdzenie:

Diagnostyka hierarchiczna jest racjonalnym rozwiązaniem w przypadku złożonych systemów technicznych. Można zaprojektować efektywną hierarchiczną metodologię diagnostyczną, która będzie mogła wykorzystywać metody bazujące na niespójnościach w obserwowanym systemie jak i grafy przyczynowo-skutkowe AND/OR/NOT. Takie podejście pozwoli na nową jakościowo, elastyczną analizę błędów złożonych systemów technicznych i efektywne ich diagnozowanie.

Przedstawiane poniżej rozwiązanie umożliwia zredukowanie czasu niezbędnego do otrzymania diagnoz i ich ilości przez użycie podejścia hierarchicznego bazującego na metodach inżynierii wiedzy. Redukcja jest osiągnięta dzięki dwóm zasadniczym czynnikom:

• Pierwszym jest model hierarchiczny, pozwalający ograniczyć obszar poszukiwań potencjalnych diagnoz do poszczególnych poziomów modelu hierarchicznego i weryfikować poszczególne diagnozy na poziomach niższych od aktualnie analizowanego.
• Drugim jest możliwość użycia różnych rodzajów opisu diagnostycznego na różnych poziomach modelu hierarchicznego, co pozwala dopasować reprezentacje do systemu modelowanego na danym poziomie.

Ponadto do zalet wynikających z dwóch powyższych czynników można zaliczyć:

1. Możliwość wyboru poziomu szczegółowości diagnozy,
2. Lepszą możliwość dopasowania modelu do diagnozowanego systemu,
3. Analiza diagnostyczna skupia się na jednym podsystemie podczas gdy inne nie są brane pod uwagę,
4. Możliwość zastosowania innych mechanizmów sterujących i usprawniających wnioskowanie

np. informacja o częstości występowania uszkodzeń danego typu czy procedur weryfikacyjnych.

Referownan praca prezentuje elastyczną i łatwą metodologię hierarchicznego modelowania i diagnozowania złożonych systemów technicznych z możliwymi różnymi typami opisów diagnostycznych dla poszczególnych komponentów. Koszt obliczeniowy tej metody jest silnie zależny od kosztu obliczeniowego procedur diagnostycznych dla poszczególnych typów opisu, jednak dla większości typowych przypadków diagnostycznych jest on niższy od kosztu obliczeniowego dla modelu jednopoziomowego.

Dłuższa wersja autoreferatu (opcjonalnie) tutaj.

Praca udostępniona publicznie (opcjonalnie) tutaj

Ważniejsze publikacje dokotoranta (opcjonalnie):

1. Oleksiak J., Ligęza A.: RuleGraf - program wspomagający projektowanie i weryfikację poprawnosci reguł. MSK - Metody i Systemy Komputerowe w Badaniach Naukowych i Projektowaniu Inżynierskim, Kraków. (in Polish).
2. Oleksiak J.: Hierarchical diagnosis in heterogenic environment. Seminarium: Przetwarzanie i analiza sygnałów w systemach wizji i sterowania, Słok. (in Polish).
3. Oleksiak J., Ligęza A.: Hierarchical diagnosis of technical systems on the basis of model and expert knowledge. Recent Developments in Artificial Intelligence methods (eds. T. Burczyński, W. Cholewa and W. Moczulski), AI-METH Series, Gliwice, Poland, 2004, pp. 199-203.
4. Oleksiak J., Ligęza A.: Hierarchiczna diagnostyka systemów. Model strukturalny i wnioskowanie diagnostyczne. Diagnostyka Procesów Przemysłowych, DPP'05. (in Polish).
5. Oleksiak J., Ligęza A.: Structural model and reasoning in hierarchical diagnosis. Journal Computer Assisted Mechanics and Engineering Sciences (CAMES)., 2005.

Jeżeli praca ma być wyróżniona, warto zamieścić krótkie i przekonywujące uzasadnienie wyróżnienia, np. poprzez:

• nowe, ważne twierdzenia sformułowane i udowodnione w pracy,
• rezultaty widoczne w skali światowej (np. 5 publikacji na LF),
• ważne, nowatorskie rozwiązania praktyczne (poparte patentami),
• nowe algorytmy gwarantujące lepsze własności od znanych.