Kursuse põhiülesanne on tutvustada üliõpilastele uurimistöö meetodeid ja vahendeid tootearenduse, tootmistehnika ja robootika valdkonnas. Kursus aitab kaasa teadlase kujunemisele läbi oskuse hinnata kriitiliselt tootearenduse, tootmistehnika ja robootika teadusartikleid, eristades nendes olulist, tugevaid ja nõrku külgi. Kursusel antakse sügavad ja ajakohased teadmised doktoritöö temaatikaga seotud uurimistöö kitsamais valdkondades. Kursuse raames õpetatakse originaalsete uuringute tegemist, arendades oskusi teadlastega suhtlemisel ja teadustöö tulemuste esitlemisel.

Kursus annab teadmisi ja oskusi uutest tootearenduse ning toodete simuleerimise vahenditest ja meetoditest ning inseneriülesannete lahendamisest uute modelleerimis-ja simulatsioonisüsteemidega; tootmistehnoloogiate ja tehnoloogiliste protsesside ning robottootmissüsteemide modelleerimisest, simuleerimisest ja strateegilisest planeerimisest ettevõttes ja ettevõtete koostöövõrgus, robotite ja tootmisprotsessi digitaalsete kaksikute loomisest, optimaalsete planeerimislahendite usaldatavuse hindamisest ning tootmise olukorra simuleerimisest.

The main objective of this course is to expose the advanced principles and techniques of product development, manufacturing engineering and robotics. At the same time the course is designed to contribute to professional growth as a researcher by:
- developing ability to read research papers critically, by recognizing main points and contributions, and identifying strengths and weaknesses;
- stimulating potential for original research in product development, manufacturing engineering and robotics, refining communication skills;
- giving profound and up-to-date knowledge in specific fields of research linked with doctoral thesis;
- in particular, developing the ability to present research work, and to discuss technical materials.

The course provides students with knowledge of the product development in product simulation techniques and methods solving industrial problems with simulation technologies, software tools and methods; modelling of the novel manufacturing technologies and robot systems and strategic planning of production for enterprise and supply chain. Also it provides knowledge in development of digital twins of robots and production process, verification and validation of the models, for examining the robustness of the solutions via sensitivity analysis of planning solutions, estimation the solutions using different simulation tools.

Õppeaine läbinud üliõpilane:
- on omandanud teadmised Tööstus 4.0 ja robottootmissüsteemide arengutest, digitaalsetest kaksikutest nende analüüsiks ja sünteesiks;
- on omandanud täiustatud teadmisi tehnoloogiate modelleerimise ja simulatsiooni alal ning rakendab neid tootmise planeerimise ülesannete lahendamisel;
- formuleerib ja hindab toote jätkusuutlikuse analüüsiks ülesanedeid korrektsete piirtingimustega;
- pakub välja alternatiivseid lahendusi jätkusuutlikkuse suurendamiseks;
- esitab optimeerimisülesanded korrektsete rajatingimustega;
- hindab kriitiliselt generatiivse projekteerimise tulemusi;
- analüüsib toote valmistatavust erinevatel seadmetel.

After completing this course the student:
- identifies the trends of Industry 4.0, digital twins of robot, robotized manufacturing developments and implements techniques of modelling of manufacturing technologies and robot systems;
- applies advanced methods of mathematical planning and simulation systems and techniques to solve problems of manufacturing process planning;
- formulates and evaluates the results of the calculations for product’s sustainability with correct boundary conditions;
- proposes alternative solutions to increase sustainability;
- sets up optimization exercises with suitable limitations and constraints;
- evaluates critically the generative design results;
- analyses the manufacturability of the product with different manufacturing technologies.

Kursus sisaldab järgmisi teemasid:
1) Tootearendus: Jätkusuutlik projekteerimine ja selle baasteooria. Toote jätkusuutlikuse ülesanded, nende püstitamine, lahendamine ja analüüs. Jätkusuutlikus toodetes ja protsessides. Generatiivse projekteerimise põhialused ja -lähenemised. Ülesannete rajatingimuste määramine. Alternatiivsete lahenduste genereerimine. Lahenduste hindamine, kontroll, analüüs ja valik. Lahenduse füüsiliselt valmistamine, selle piirangud ülesande rajatingimustes ja piirangud valmistamisel.
2) Tootmistehnika: Tööstus 4.0. Digitaalsed kaksikud tootmises. Tehnoloogiliste protsesside simuleerimine. Tootmissüsteemide simulatsioon. Simulatsiooni mudelite kontroll ja akrediteerimine. Andmete kogumine ja analüüs. Tootmise planeerimise ja tehnoloogiate modelleerimise meetodite kirjeldust eesmärgiga planeerida tootmist optimaalselt ettevõttes ja/või ettevõtete koostöövõrgus. Kursus kirjeldab meetodeid, kuidas leida kulutuste ja aja suhtes otstarbekaid lahendusi uute innovatiivsete tehnoloogiate evitamiseks tootmises. Kirjeldatakse meetodeid kuidas viia läbi uurimusi tootmissüsteemi parimate tingimuste leidmiseks integreerimaks tootmisvahendeid, inimressursse jt tootmistingimusi, et toota otstarbekalt ja nõutud kvaliteediga tooteid saavutamaks parimat võimalikku tootmissüsteemi tehnilis-majanduslikke näitajaid. Tutvustatakse tootmissüsteemi digitaalsete kaksikute abil simuleerimise ja juhtimise vahendite kasutamist.
3) Robootika: Robotsüsteemide arenduspõhimõtted tööstusele, robotiseerimise analüüs ja lahenduste süntees, robotmoodulit projekteerimispõhimõtted ja liidestamine. Isejuhtivad sõidukid erinevates keskkondades, ühendatud sõidukid, kommunikatsioon sõidukite ja taristu vahel, pilvepõhised juhtalgoritmid. Süvaõpe ja suurandmete analüüs, tehisintellekti õppimismeetodid, tehisintellekti rakenduste projekteerimine ja süntees.

The course covers the various topics of:
1) Product development: Design for sustainability i.e. design for environment and it’s base theory. Product’s sustainability exercises, setting suitable constrictions, solving the exercises and analyzing the results. Sustainability in products and processes.
Main theory and approaches of generative design. Setting suitable loads and constrictions. Generating alternative solutions. Evaluation, verification, analysis of the results and selection from the solutions. Manufacturing of the solution, it’s limitations in setting up the calculations and physical limitations during manufacturing. Using software to solve optimization exercises.
2) Manufacturing Engineering: Industry 4.0. Digital twins in production. Simulation of Manufacturing Systems. Parallel and Distributed Simulation. Verification, Validation and Accreditation of Simulation Models. Data Acquisition and Analysis. Technology modelling and production planning methods and modelling approaches in order to plan the optimal manufacturing, to integrate the facilities, people and equipment into a system that produces quality products efficiently to improve overall robot/manufacturing system performance. The course describes how to find cost and time efficient solutions for SMEs for implementing innovative emerging manufacturing and robotization technologies, methods and tools for verification and validation the models, for examining the robustness of the solutions via digital twins of production and robot systems are described.
3) Robotics: Development principles of robot systems for industry, analysis of robotic systems and solution synthesis, design principles and interfacing of robot-cells. Self-driving vehicles in various environments, connected vehicles, vehicle to infrastructure communication, cloud based control algorithms. Deep learning and big data analysis, learning methods of artificial intelligence, application design and synthesis based on AI.

Arvestus. Aine koondhinne kujuneb aineplokkide osas tehtud eksperimendi planeerimise ja mõõtetulemuste analüüsi alase testi ja erialase kodutöö põhjal. Aine on võimalik sooritada e-õppena.
Uute tootearenduse, tootmis- ja robottehnoloogiate test ja Tööstus 4.0 tehnikate rakendamise alane kodutöö annavad igaüks maksimaalselt 50 punkti (kokku õppeaine mõlema osa maksimaalne punktide arv on 100 punkti). Arvestuse saamise eeldus on vähemalt 25 punktile sooritatud nii test, kui ka kodutöö.

Pass/fail assessment. Final grade is formed based on the one test and one homework results. The course can be done via e-learning. General product development, production engineering and robotics research methods and experimental techniques course part ends with test and also Industry 4.0 specific topic homework should be submitted. Both are graded with maximum 50 points (total sum of the points for test and homework is 100 points). Test and homework minimum grade is 25 points for each and for Pass grade total sum of 50 points should be collected.

Iseseisva töö eesmärgid: kinnistada loengutes ja harjutustundides läbivõetud materjali iseseisva mõtestatud praktilise teadustegevuse, kodutööde koostamine, tööde aruannete vormistamise ja ettekannete esitamisega. Iseseisva töö sisu ja maht: praktilise teadusülesande lahendamine, eksperimendi planeerimine ning katsetulemuste analüüs. Erialase eksperimenditehnikate rakendamine, kodutöö aruande vormistamine.

Goal of independent work: composing plan of experiments, solution of practical scientific tasks, homework on planning of experiments and/or analysis (for example statistical analysis, risk assessment etc) of experimental results.

Lepitakse kokku vastavalt valitud süvaõppe suunitlusele.
Agreed according to the choosen depth of the study.

-