SCIENTIFIC PAPER Preglednica 1: Komunikacijski načrt.
Vhodna informacija (dokument)
PROJEKT P - 1 Sestavni del 1 Konstruiranje Poročilo FEM analize, Tolerirane mere na izdelku, Usklajen model izdelka Tehnologije Tehnološki načrt izdelka, sinoptika procesa
Montaža
Poročilo o preizkusu
Tehnologija, nabava, kakovost
TEHNOLOGIJA (CATIA, ABAQUS, ANSYS, Excel)
Komunikacijsko orodje
SMART TEAM, SAP
Razvoj, nabava, obdelava, montaža, kakovost, proizvodnja PROIZVODNJA Tehnologija, (risbe, kontrolni list, kakovost mersko poročilo o izdelavi)
SMART TEAM, SAP
MONTAŽA (risbe, kontrolni list, mersko poročilo o izdelavi)
SMART TEAM, SAP
Tehnologija
SMART TEAM, SAP
S L O V E N I J E
Poročilo o meritvi in tolerančni list, kontrolni list
RAZVOJ (CATIA, ABAQUS, ANSYS, Excel)
Prejemnik informacije dokumenta
I N Ž E N I R J E V
Izdelava
Pošiljatelj informacije – dokumenta (tip dokumenta)
S T R O J N I H
Plan kakovosti, tehnološki načrt izdelka, sestavna risba, Izdelan tehnološki postopek s predstavljeno teh. Izdelave posamezne operacije za znano tehnologijo Načrt montaže, sestavna risba
Izhodna informacija (dokument)
Z V E Z A
Določena geometrija izdelka, Max. dimenzije izdelka, Zahteve kupca za izdelek, Preračun kinematike in trdnosti Konstrukcijska dokumentacija, sestavna risba, delavniške risbe
Naziv – ime informacije dokumenta
Spremljanje projekta izvedemo v naslednjem zaporedju dveh korakov: 1. Zajemanje podatkov (pri izvajalcih aktivnosti) o terminih dejanskega začetka in zaključka aktivnosti, dejanskega časa trajanja aktivnosti, dejanskega števila opravljenih delovnih ur (po virih in aktivnostih), pri daljših aktivnostih lahko tudi odstotek zaključenosti aktivnosti (po času trajanja ali opravljenih urah), dejanske stroške aktivnosti. 2. Primerjava dejanskega stanja na projektu z osnovnim stanjem, ki pove koliko dejanski podatki (časovni, stroškovni) aktivnosti odstopajo od načrtovanih. Slika 7 prikazuje primerjavo načrtovanega in dejanskega stanja na projektu, slika 8 pa spremljanje načrtovanih in dejanskih stroškov projekta. Na sliki 7 in 8 v gantogramu siva črta predstavlja osnovno – bazično stanje, modra in rdeča trenutno načrtovano stanje, zelena pa dejansko realizacijo aktivnosti. Lomljena črta prikazuje zamujanje oz. prehitevanje izvedbe aktivnosti glede na izbrani termin. V primeru odstopanj dejanskega stanja časovnega poteka projekta od načrtovanega se sprejme potrebne ukrepe. Učinke sprejetih ukrepov lahko spremljamo in kontroliramo med procesom nadaljnjega izvajanja projekta (ponavljanje primerjave dejanskega stanja z osnovnim stanjem). V primeru izdelave načrtov obvladovanja tveganj, komunikacij, oskrbe in kakovosti, se prav tako izvede primerjava med načrtovanim in dejanskim stanjem ter na osnovi analize rezultatov sprejmejo potrebni ukrepi 9
W W W . Z V E Z A - Z S I S . S I
2.2 Spremljanje izvajanja projekta, kontroliranje in ukrepanje
Raziskava je pokazala, da se dinamični faktor obremenitve R, ki je določen z razmerjem med spodnjo in zgornjo ekvivalentno napetostjo, na kritičnem mestu meha s spreminjanjem obremenitvenega primera ne spremeni bistveno (Tabela 1). Zato je za določitev dobe trajanja potrebna le ena zdržljivostna krivulja. Za določitev zdržljivostne krivulje je treba opraviti meritve pri vsaj dveh različnih obremenitvenih primerih (Slika 2a), kjer se izkaže, da je najbolje opraviti testa z različnim tlakom na vgradni višini, saj to zagotavlja največjo razliko v amplitudi napetosti in posledično največjo razliko v številu ciklov do kritične poškodbe.
Priporočeno je, da se vsi testi izvajajo pri enaki geometriji obremenjevanja (Slika 2b). To sicer ni nujno, saj je doba trajanja zračne vzmeti odvisna od amplitude napetosti, ki je določena s pomočjo MKE analize, kjer se geometrija obremenjevanja upošteva (Slika 2c in d). V naslednjem koraku se v vsakem vozlišču meha izvede izračun amplitude napetosti (Slika 2e). Amplitude napetosti se določijo z uporabo metode kritične ravnine preko transformacije pridobljenih napetostnih tenzorjev (rezultat MKE analize) v enoosne ekvivalentne napetosti [9]. Z združitvijo eksperimentalnih (število ciklov do nastanka kritične poškodbe) in numeričnih (amplitude napetosti na kritičnem mestu) rezultatov se konstruira zdržljivostna krivulja (Slika 2f ). V drugem koraku metode se za posamezno vozlišče meha izračuna časovno odvisno spreminjanje napetosti med obratovanjem zračne vzmeti (Slika 3). V obravnavanem primeru je zračna vzmet obremenjena glede na standardni obremenitveni kolektiv (Slika 3a) za komercialna vozila [7, 10], ki mora biti najprej pretvorjen v obremenitvene cikle (Slika 3b). S pomočjo poznane dinamične karakteristike zračne vzmeti (Slika 3c) se pridobljene obremenitvene cikle F(t) lahko pretvori v obremenitvene cikle zunanje obremenitve H(t) (Slika 3d). Ti obremenitveni cikli se nato uporabijo pri definiranju obremenitvenega primera za MKE analizo (Slika 3e). Za konec drugega koraka se tenzorji iz MKE analize z uporabo metode kritične ravnine pretvorijo v ekvivalentni enoosni napetostni odziv (Slika 3f ).
Z V E Z A
S T R O J N I H
I N Ž E N I R J E V
S L O V E N I J E
W W W . Z V E Z A - Z S I S . S I
ZNANOST NA DLANI
Slika 3: Metoda za napoved dobe trajanja zračnih vzmeti – določitev ekvivalentnega enoosnega napetostnega cikla 16
Slika 4: Metoda za napoved dobe trajanja zračnih vzmeti – izračun poškodbe ali dobe trajanja
Z V E Z A
S T R O J N I H
I N Ž E N I R J E V
S L O V E N I J E
W W W . Z V E Z A - Z S I S . S I
ZNANOST NA DLANI obremenitvenem koraku je model obremenjen z dovolj velikim tlakom, da se zagotovi napihnjena oblika meha. V drugem koraku se zgornja plošča premakne na pozicijo vgradne višine. V tretjem obremenitvenem koraku se nastavi želeni tlak na vgradni višini. V četrtem in petem koraku se zgornjo ploščo premakne najprej do spodnje skrajne lege in nato še do zgornje skrajne lege zračne vzmeti. S takšnim obremenitvenim ciklom dobimo informacijo oz. spremembo napetostno-deformacijskega stanja za poljuben obremenitveni cikel.
4. Rezultati in diskusija 4.1 Rezultati MKE analize
Ker izkušnje iz prakse kažejo, da ojačitvena vlakna z vidika utrujanja niso kritična, smo se v raziskavi osredotočili na osnovni material (gumo) kompozita. Analize kažejo, da se nekoliko višje napetosti pojavijo na notranji strani meha, kar je v skladu z realnimi poškodbami, ki se v obliki razpok najprej pokažejo prav na notranji strani. Poleg tega je notranja gumena plast namenjena tesnjenju in lahko že najmanjša razpoka na tej plasti privede do kritične poškodbe zračne vzmeti. Nadaljnje raziskave so bile zato podrobneje usmerjene predvsem v spreminjanje napetostno-deformacijskega stanja po notranji gumeni plasti.
Za potrebe napovedi dobe trajanja zračne vzmeti so bili iz analize MKE pridobljeni napetostni tenzorji za notranjo gumeno plast meha izvoženi, izračunane so bile ekvivalentne enoosne napetosti. Za izračun ekvivalentnih enoosnih napetosti v vozliščih sta bili uporabljeni dve različni metodi. Kot prva je bila uporabljena določitev ekvivalentnih napetosti, izvedena z izračunom predznačene von Misesove [11] napetosti. Izkazalo se je, da predznačena von Misesova napetost ni ustrezen parameter za določevanje dobe trajanja zračne vzmeti. Razlog za to je v izmenjavanju predznaka von Misesove napetosti, ki izhaja iz dejstva, da sta prva in tretja glavna napetost po velikosti skoraj enaki, po predznaku pa nasprotni. V nekaterih točkah je tako absolutna vrednost prve glavne napetosti večja od tretje in nasprotno. To povzroči velike skoke ekvivalentne enoosne napetosti iz Slika 6: Model zračne vzmeti s končnimi elementi in robni pogoji analize negativne v pozitivno vrednost in nasprotno. Ozadje tega problema izhaja iz dejstva, da je Poissonovo število za gumo zelo blizu vrednosti 0.5. Kot druga metoda je bila za določitev ekvivalentne enoosne napetosti uporabljena metoda kritične ravnine [9], ki izkazuje bistveno boljše rezultate kot uporaba predznačene von Misesove napetosti. Ekvivalentna enoosna napetost je bila za vsako vozlišče izračunana na 128 različnih ravninah. Glede na največjo amplitudo ekvivalentne napetosti je bila za vsako vozlišče izbrana kritična ravnina. Vrednosti amplitud napetosti so za posamezne obremenitvene primere, ki sovpadajo z eksperimentalnimi, prikazane v tabeli (Tabela 1). V tabeli je izpisana tudi lokacija kritičnega vozlišča, ki pri popolnoma iztegnjenem mehu predstavlja razdaljo (v aksialni smeri zračne vzmeti) od zgornjega roba odvalnega valja do lokacije kritičnega vozlišča.
4.2 Eksperimentalni rezultati
Utrujenostni preskusi zračnih vzmeti so bili opravljeni na način, da je bila obremenitev čim bolj podobna realističnim obremenitvenim pogojem. Obremenitev je bila na zračne vzmeti aplicirana kot pulzirajoča dinamična obremenitev v obliki pomika zgornje plošče, pri čemer je bil pomik plošče simetričen na vgradno višino zračne vzmeti. Radij delovanja sile je bil pri vseh preskusih 900 mm, frekvenca pa 3.3 Hz. Edina parametra, ki sta se med posameznimi preskusi spr18
ZNANOST NA DLANI
Da
S L O V E N I J E
NN
a. .
W W W . Z V E Z A - Z S I S . S I
OperatThe study is based on natural gas consumption data and corresponding weather related parameters for the region of Ljubljana, for a period since 2007 till 2016. Data were provided by the natural gas distribution company Energetika Ljubljana. Figure 1 shows examples of normalized natural gas (NNG) demand data for a typical winter season in daily resolution (upper plot), and two weeks of NNG demand in hourly resolution (lower plot). While the fluctuations in the upper plot are mainly caused by weather related conditions, the oscillations in the lower plot are a consequence of patterns of population behavior.
a. . o r
NN
I N Ž E N I R J E V S T R O J N I H
Sun
Mon
Tue
Wed
Thu
ate
Fri da
Sat
Sun
Mon
Tue
Figure 2: Forecasting requirements for short-term natural gas forecasting
0.8 0.6 0.4
4. Data analysis
0.2
During the winter season, the outside temperature is the most influential factor affecting natural gas consumption. An online forecasting system requires temperature forecasts, which were in our case study provided by Slovenian Environment Agency (ARSO) in 6-hours intervals starting at 06:00 as follows: T6, T12, T18, …, T72. Solar radiation also influences natural gas consumption but is currently not available as a forecast. Other weather related parameters do not have significant influences on natural gas consumption. Due to autoregressive behavior of natural gas consumption, past consumption has to be included as influential input, either as daily mean values (Y), or as hourly values (y). An important influence is represented by population related patterns, such as workdays, weekends and holidays, therefore these should be appropriately taken into account by the forecasting models. We encoded the holidays according to several simple rules, such as defining holiday as Sunday, and then statistically calculating the normalized weekly and daily natural gas consumption cycles, as shown in Fig. 3.
Nov
Dec
Jan Date
Feb
Mar
Apr
1 0.8 0.6 0.4 0.2 2 Jan
0
Feb Date
12 Feb
Figure 1: Examples of normalized natural gas demand data in daily and hourly resolution
3. Forecasting requirements
Z V E Z A
de and ore a t
1
0 Oct
Forecasting requirements were defined for the winter seasons only, because natural gas consumption during the summer seasons is not complicated and doesn’t require a sophisticated forecasting support. The forecasting requirement was defined with respect to the so called “natural gas forecasting day” (NGFD), spanning from 08:00 till 08:00+1 the next day, and since 2014 for the NGFD spanning from 06:00 till 06:00+1. The initial forecasting horizon was defined from 25 hours to 48 hours ahead. In 2012 the forecasting horizon was extended into short-term 22
forecasts and thus comprised the full range from 1 to 48 hours ahead (in hourly resolution). Figure 2 illustrates the forecasting requirements, showing the forecasts generated for the next 48 hours ahead, and comparing past forecasts to the actual natural gas demand.
a u
2. Data
5. Forecasting model A forecasting model was developed as a combination of separate forecasting models for each hour of the forecasting horizon (h = 1, 2, …, 48 hours). Daily forecasts for the first NGFD, spanning over
SCIENTIFIC PAPER Weekly cycle
1.5 1 0.5 0
Mon
Tue
Wed
19 Hour
22
01
Sun
Daily cycle
2 1.5 1 0.5 0
07
10
13
16
04
Figure 3: Weekly and daily natural gas consumption cycles
S L O V E N I J E
h = 1, 2, …, 24 hours, and for the second NGFD, spanning over h = 25, 26, …, 48 hours, are composed as a sum of corresponding hourly forecasts. Figure 4 shows the forecasting solution that is generating hourly and daily forecasts based on selected input data.
I N Ž E N I R J E V
Sat
S T R O J N I H
Fri
Z V E Z A
Thu Day
Development of hourly forecasting models is based on a stepwise regression method which constructs the model by iteratively adding and removing regressors based on their statistical significance in a regression [16]. The method begins with an initial model and then compares the explanatory power of incrementally larger and smaller models. At each step, the p value of an F statistic is computed in order to test models both with and without a potential input. Tested inputs are iteratively added or removed from the model until the procedure converges to a locally optimal forecasting model with statistically significant input variables. Based on a wide pool of possible regressors, the stepwise regression method usually selects up to 20 different regressors for each hourly forecasting model. The advantage of using simple model structures is that such models are less prone to overfitting, compared to more complex models with hundreds of parameters (e.g. neural networks). The stepwise regression method also resolves the collinearity problem by reducing the available set of inputs to the relevant ones, and simultaneously defines relevant inputs and corresponding model parameters. Model development requires training of obtained model structures on several seasons of data,
W W W . Z V E Z A - Z S I S . S I
Figure 4: Structure of the forecasting model 23
Da
NN
a. .
1 0.8
con t on o eca t ab . e o
0.6 0.4 0.2 0 Oct
NN
a. .
1 0.8
Nov
Dec
Date
Jan
Feb
con t on o eca t ab . e o
0.6
o
0.4 0.2 0 12 Jan
1
Jan
Date
26 Jan
02 Feb
SCIENTIFIC PAPER models forecasting future natural gas demand. Due to a very high correlation between outside temperature and residential natural gas demand, inaccurate weather forecasts significantly influence the quality of natural gas demand forecasts. This can be partially compensated by developing natural gas forecasting models based on past weather forecasts, and not on past weather data. In this manner, the natural gas forecasting models already take into account and adapt accordingly to the statistical fluctuations of weather related forecasts.
[4] M. O. Olgun, G. Ozdemir, and E. Aydemir, Forecasting of Turkey’s natural gas demand using artificial neural networks and support vector machines, Energy Education Science and Technology Part A 30 (2012) 15-20.
7. Conclusion
[7] S. Gil, and J. Deferrari, Generalized model of prediction of natural gas consumption, Journal of Energy Resources Technology – ASME 126 (2004) 90-98.
[2] R. Gutierrez, A. Nafidi, and R. G. Sanchez, Forecasting total natural-gas consumption in Spain by using the stochastic Gompertz innovation diffusion model, Applied Energy 80 (2005) 115-124. [3] J. Li, X. Dong, J. Shangguan, and M. Hook, Forecasting the growth of China’s natural gas consumption, Energy 36 (2011) 1380-1385.
[10] V. S. Ediger, and S. Akar, ARIMA forecasting of primary energy demand by fuel in Turkey, Energy Policy 35 (2007) 1701-1708. [11] H. Liu, D. Liu, G. Zheng, and Y. Liang, Research on natural gas short-term load forecasting based on support vector regression, Chinese Journal of Chemical Engineering 12 (2004) 732-736. [12] R. Kizilaslan, B. Karlik, Combination of neural networks forecasters for monthly natural gas consumption prediction, Neural network world 19 (2009) 191-199. [13] A. Azadeh, S. M. Asadzadeh, and A. Ghanbari, An adaptive network-based fuzzy inference system for shortterm natural gas demand estimation: Uncertain and complex environments, Energy Policy 38 (2010) 1529-1536. [14] P. Potočnik, B. Soldo, G. Šimunović, T. Šarić, A. Jeromen, and E. Govekar, Comparison of static and adaptive models for short-term residential natural gas forecasting in Croatia, Applied Energy 129 (2014) 94-103. [15] B. Soldo, Forecasting natural gas consumption, Applied Energy 92 (2012) 26-37. [16] N. Draper and H. Smith, Applied Regression Analysis, Second Edition, New York: John Wiley & Sons, 1981. 25
W W W . Z V E Z A - Z S I S . S I
[1] A. Imam, R. A. Startzman, and M. A. Barrufet, Multicyclic Hubbert model shows global conventional gas output peaking in 2019, Oil & Gas Journal 102 (2004) 20-28.
[9] V. Bianco, F. Scarpa, and L. A. Tagliafico, Scenario analysis of nonresidential natural gas consumption in Italy, Applied Energy 113 (2014) 392-403.
S L O V E N I J E
References
[8] M. Aydinalp-Koksal, and V. I. Ugursal, Comparison of neural network, conditional demand analysis, and engineering approaches for modeling end-use energy consumption in the residential sector, Applied Energy 85 (2008) 271-296.
I N Ž E N I R J E V
This work was supported by ARRS – the Slovenian Research Agency, Research program P2 0241 “Synergetics of complex systems and processes”.
[6] H. Sarak, and A. Satman, The degree-day method to estimate the residential heating natural gas consumption in Turkey: a case study, Energy 28 (2003) 929-939.
S T R O J N I H
8. Acknowledgements
Z V E Z A
The paper summarizes various practical aspects of development of a forecasting application for the natural gas market and presents results of shortterm natural gas demand forecasting for the region of Ljubljana. The solution approach is based on data analysis and feature extraction, and application of stepwise regression method for the development of hourly forecasting models. Forecasting results of several years of online forecasting are summarized and expressed in daily resolution as mean absolute range normalized errors, namely 1.92 % for the first natural gas forecasting day, and 3.27 % for the second natural gas forecasting day. Obtained forecasting results are considered as very successful with respect to both, top-level forecasting requirements and also internal optimizing requirements, and thus beneficially contribute to the managing policy of the natural gas distribution company.
[5] M. Brabec, O. Konar, E. Pelikan, and M. Maly, A nonlinear mixed effects model for the prediction of natural gas consumption by individual customers, International Journal of Forecasting 24 (2008) 659-678.
Ste tudi direktor podjetja Festo na Hrvaškem? Tako je, podjetje Festo Hrvaška deluje na hrvaškem kot samostojno podjetje tudi od leta 1993, kot direktor pa sem v Zagrebu od leta 2006. Festo Hrvaška pa pokriva trg Hrvaške ter Bosne in Hercegovine. Ali je proizvodnja izdelkov tudi v Sloveniji?
Organizirate izobraževanja tudi za podjetja, ki uporabljajo vaše izdelke?
Festo je kontinuirano prisoten na slovenskem trgu. Slovenska podjetja, predvsem pa strojegraditelji so podjetja, s katerimi tudi največ delamo, jim svetujemo in pomagamo. Mi smo organsko rastli z našim trgom. Na začetku smo začeli z 3 zaposlenimi, sedaj nas je v Festu Sloveniji 12. Po letu 1993, nekaj let po osamosvojitvi, smo praktično začeli znova, takrat so bile velike spremembe, mi smo se jim prilagajali. Prilagajanje trgu in kontinuirana rast je tudi naša vizija za v prihodnje. Kam se bo usmeril razvoj novih izdelkov? Danes gre vse v smeri v avtomatizacije – komunikacija med strojem in človekom je prihodnost. Še posebej je ta trend izrazit v Nemčiji. Industrija 4.0 je prihodnost, ki zahteva vedno bolj izobražene ljudi, torej bo v prihodnje večja potreba po njih. Vizija vašega podjetja? Želimo biti najboljši! Kaj nam bo uspelo, je trenutno težko napovedati. Vemo pa, da je sprememba edina stalnica. Slika 1: Festo: dan odprtih vrat
Večinoma podjetjem svetujemo neposredno, naši zaposleni obiskujejo podjetja in svetujejo direktno pri kupcu. Sicer pa tudi organiziramo seminarje in različne prezentacije, kjer predstavimo naše izdelke in njihove lastnosti in dodano vrednost za podjetja. V ta namen organiziramo vsako leto Festo - dan odprtih vrat, kjer stranke seznanimo o novitetah in se z njimi istočasno osebno pogovorimo. Festo ima dobro razvit didaktični program, kjer lahko 29
W W W . Z V E Z A - Z S I S . S I
Vsi naši zaposleni se redno udeležujejo seminarjev v Nemčiji ali drugje, pogosto pa pridejo k nam tudi trenerji iz Nemčije, ki predstavijo novosti oz. izobražujejo zaposlene v Festu Slovenija in Hrvaška. Novi zaposleni pa morajo iti čez kompleten proces izobraževanja, tako na lokalni kot na internacionalni ravni, da poglobljeno spoznajo način dela in same produkte. Menim, da je izobraževanje zelo pomembno, saj s tem osebno rastemo in seveda raste tudi podjetje, v katerem delamo.
Čemu pripisujete ključ do uspeha?
S L O V E N I J E
Je dodatno izobraževanje zaposlenih pri vas stalnica?
Eden od zanimivejših projektov, ker smo bili udeleženi s svetovanjem pnevmatskega krmiljenja pri eni od naših strank za izdelavo vetrne zaščite skakalnice v Planici.
I N Ž E N I R J E V
V Sloveniji je 12 zaposlenih, na Hrvaškem pa 10. Večinoma so to po izobrazbeni strukturi strojni inženirji v zadnjem času pa se z razvojem novih izdelkov kaže tudi potreba po elektroinženirjih, predvsem po mehatronikih. Lahko rečem, da je trenutno kadra dovolj, pojavi se težava takrat, ko iščemo strokovnjake s specifičnimi znanji, takrat se nabor zelo skrči.
Podjetja naše izdelke seveda uporabljajo za izvedbo svojih projektov, mi jim svetujemo in pomagamo pri pripravi in realizaciji le teh.
S T R O J N I H
Kakšen kader zaposlujete?
Sodelujete tudi pri raznih projektih?
Z V E Z A
V glavnem proizvodnja izdelkov poteka v Nemčiji, nekateri proizvodni obrati so tudi v Švici, na Češkem, v Bolgariji in na Madžarskem. Ponekod lokalna podjetja Festo izdelujejo določene izdelke, ki pa so večinoma namenjena za lokalno prodajo. Razvoj novih inovativnih izdelkov pa poteka izključno v Nemčiji. Festo Slovenija in Festo Hrvaška ponujata izdelke domačemu lokalnemu trgu, predvsem pa nudita celovito svetovanje in pomoč.
uporabnikom ponudimo široko paleto seminarjev z namenom izobraževanja zaposlenih. Vsebina seminarjev se začne pri osnovah pa vse do najnovejših kot na primer Industrija 4.0 s katerim bomo začeli v letošnjem letu.
ALUMNI KLUB FS LJ
Z V E Z A
S T R O J N I H
I N Ž E N I R J E V
S L O V E N I J E
31
W W W . Z V E Z A - Z S I S . S I
Slika 1: Festo: dan odprtih vrat
V SREDIŠČU: AKADEMIJA STROJNIŠTVA 201 Nadaljevanje začete diskusije o povezljivosti in tesnejšem sodelovanju se je nadaljevalo v 2. preddverju Cankarejvega doma, kjer so si vsi obiskovalci ogledali sekcijo skoraj šestdesetih posterjev, ki so nastali kot plod sodelovanja akademske sfere z gospodarstvom na področju razvoja in inovacij. Vsi posterji so bili objavljeni tudi v reviji Svet strojništva, ki je izšla na dan dogodka, prav vsi udeleženci pa so prejeli tudi izvod revije. Skupno neformalno druženje se je nadaljevalo ob pogostitvi in vedrem razpoloženju, to je bila hkrati tudi odlična priložnost navezovanja novih poslovnih stikov in sodelovanj.
Z V E Z A
S T R O J N I H
I N Ž E N I R J E V
S L O V E N I J E
W W W . Z V E Z A - Z S I S . S I
SKUPNO DRUŽENJE
NAGRAJENCI AKADEMIJE STROJNIŠTVA 2016 NAGRADA ZA GLOBALNO PRODORNOST SLOVENSKEGA INŽENIRSTVA Aleksander Zalaznik, generalni direktor podjetja Danfoss Trata in višji podpredsednik Commercial Controls Aleksander Zalaznik, generalni direktor Danfoss Trate in višji podpredsednik Danfossove poslovnega področja Heating Commercial Controls, vodi družbo že od leta 1995. V času njegovega vodenja se je Danfoss Trata razvila v pomemben poslovni in tehnološki center za rešitve na področju regulacije prenosa toplote v ogrevalnih in hladilnih sistemih. Odlični poslovni rezultati, ki so rezultat zavzetih zaposlenih in zavezanosti vodstva k trajnostnemu razvoju poslovanja, kakovosti in inovativnosti, uvrščajo Danfoss Trato med vodilna podjetja v Evropi. Za svoje delo je prejel nagrado Časnika Finance za izjemne dosežke v gospodarstvu leta 2012 in nagrado Gospodarske zbornice Slovenije za izjemne gospodarske in podjetniške dosežke za leto 2007. Je tudi član Združenja Manager od leta 1998 in član upravnega odbora Združenja od 2008, aprila 2014 pa je bil izvoljen za predsednika Združenja. 36
16 NAGRADA ZA GLOBALNO PRODORNOST SLOVENSKEGA INŽENIRSTVA dr. Hubert Kosler, direktor podjetja Yaskawa Ristro in Yaskawa Slovenija
Z V E Z A
Dr. Hubert Kosler je že od samih začetkov zapisan vodenju. Že takoj po diplomi na Fakulteti za strojništvo je vodil projekte v ISKRI AVTOMATIKI TOZD AVN, od leta 1988 do leta 1990 je bil pomočnik stečajnega upravitelja in vodja oddelka za inženiring TOZDA AVN v stečaju, od leta 1990 je bil soustanovitelj in direktor podjetja MOTOMAN ROBOTEC Ribnica, ki jo danes poznamo pod imenom YASKAWA SLOVENIJA d. o. o. Svoje vodstvene sposobnosti je razširil in bil leta 1996 pobudnik ustanovitve proizvodnega podjetja YASKAWA RISTRO Ribnica in postal tudi njen direktor. Od leta 2009 je član upravnega odbora YASKAWA EUROPE GmbH, od leta 2010 direktor podjetja YASKAWA CZECH s.r.o. v Pragi. Za svoje delo je prejel številne nagrade: Nacionalno srebrno priznanje 2013 za inovacijo robotske varilne celice s sistemom strojnega vida MotoSENSE, nagrado GZS 2013 za izjemne gospodarske dosežke in bil je regijski finalist Gazela 2012 in 2013. Leta 2014 je bil izvoljen za izrednega člana Inženirske akademije Slovenije.
S T R O J N I H I N Ž E N I R J E V S L O V E N I J E
NAGRADA ZA ŽIVLJENJSKO DELO Zasl. prof. dr. Jože Vižintin
W W W . Z V E Z A - Z S I S . S I
Zasl. prof. dr. Jože Vižintin je že celo življenje zapisan strojništvu. Na Fakulteti za strojništvo je diplomiral leta 1972 in doktoriral leta 1978. V rednega profesorja je bil izvoljen leta 1995. Na Fakulteti za strojništvo je ustanovil Center za tribologijo in tehnično diagnostiko ter Katedro za tribologijo in sisteme vzdrževanja. Štiri leta je bil prorektor za raziskovalno delo Univerze v Ljubljani in ustanovitelj Inovacijsko razvojnega inštituta Univerze v Ljubljani. Ustanovil je društvo za Tribologijo Slovenije in bil njegov predsednik 28 let. Je soustanovitelj Inženirske Akademije Slovenije, kateri je dvakrat tudi predsedoval. Sedaj opravlja funkcijo glavnega tajnika Akademije. Za svoje delo je dobil več nagrad: Ziosovo priznanje in Zoisovo nagrado za vrhunske znanstvene dosežke na področju strojništva, zlato plaketo Univerze v Ljubljani, nagrado ameriškega združenja inženirjev ASME, Society of Tribologists and Lubrication Engineers-STLE mu je podelilo naziv Fellow. 3. decembra 2015 mu je rektor Univerze v Ljubljani dr. Ivan Svetlik podelil častni naziv - zaslužni profesor Univerze v Ljubljani. 37