| 開講学期／Course Start | 2021年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 金/Fri 1,金/Fri 2,金/Fri 3 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | 創造工学科機械ロボット工学コース |
| 対象学年／Year | 3年,4年 |
| 授業科目区分／Category | 教育課程 創造工学科 |
| 必修・選択／Mandatory or Elective | 必修 |
| 授業方法／Lecture or Seminar | 演習科目 |
| 授業科目名／Course Title | 機械ロボット工学演習 |
| 単位数／Number of Credits | 2.0 |
| 担当教員名／Lecturer | 松本大樹,風間俊治,水上雅人, |
| 時間割コード／Registration Code | J3143 |
| 連絡先／Contact |
松本大樹(（B207） h_matsu@mmm.muroran-it.ac.jp 0143-46-5334) 水上 雅人(B314，m-mizukami@mmm.muroran-it.ac.jp) 風間俊治(T. Kazama，46-5349，kazama@mmm.muroran-it.ac.jp) |
| オフィスアワー／Office hours |
松本大樹(火曜日 16:00-18:00)
水上 雅人(木曜日：16:30 - 17:30) 風間俊治(T. Kazama，B319，Mon.13:00-14:00 in 1st semester [1st & 2nd quarters] / Mon.10:30-11:30 i in 2nd semester [3rd & 4th quarters] in the 2021 academic year) |
| 実務経験／Work experience |
水上 雅人(通信事業を扱う企業でのロボット機構を含む光通信用自動化装置の開発経験を有する) |
| 更新日／Date of renewal | 2021/09/07 |
|---|---|
| 授業のねらい ／Learning Objectives |
力学に基づいたモデルを数学的または数値的に解析したり、機械システムを設計するためにはコンピュータを用いた演習は不可欠である。特に自動車やロボットなどの機械システムにおいては力学解析、計測、制御、設計が基礎となっており、これらの分野におけるデータ分析方法を身に着ける必要がある。 |
| 到達度目標 ／Outcomes Measured By: |
１．プログラミング言語の基礎を理解する． ２．機械システムにおいて重要な科学技術計算の基礎を理解する． ３．データの取り扱い方法について理解する． ４．3D-CADの操作と有限要素解析による基礎的なシミュレーションができる． |
| 授業計画 ／Course Schedule |
第1回 プログラミング導入，基本操作 第2回 変数，数値，コンテナ，リスト，辞書 第3回 比較演算子，制御フロー文（if,while,for） 第4回 関数定義（def） 第5回 まとめ 第6回 配列計算（numpy）基本操作 第7回 配列計算（numpy）基本計算 第8回 代数計算（sympy）基本操作 第9回 線形代数（scipy） 第10回 まとめ 第11回 データの可視化（matplotlib） 第12回 データ入出力，補間 第13回 微分積分 第14回 画像処理，統計量算出 第15回 3DCADとFEMによるシミュレーションの基礎 総授業時間数（実時間） ２単位（45分）x３時限x15回=33.75時間 各回の学修時間の目安は、事前・事後合わせて４時間必要です。 新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知のもと、授業計画・授業実施方法は変更する可能性があります。 |
| 教科書 ／Required Text |
現場で使える!Python科学技術計算入門 : NumPy/SymPy/SciPy/pandasによる数値計算・データ処理手法 かくあき著 翔泳社 2020(ISBN:4798163740) |
| 参考書等 ／Required Materials |
NumPy & SciPy数値計算実装ハンドブック : 数値シミュレーション入門者のための 松田康晴 [ほか] 著 秀和システム 2019(ISBN:4798055441)
科学技術計算のためのPython入門 : 開発基礎、必須ライブラリ、高速化 中久喜健司著 技術評論社 2016(ISBN:9784774183886) データサイエンス教本 : Pythonで学ぶ統計分析・パターン認識・深層学習・信号処理・時系列データ分析 橋本洋志, 牧野浩二共著 オーム社 2018(ISBN:9784274222900) |
| 成績評価方法 ／Grading Guidelines |
レポート課題を全て提出することが評価の条件である。各レポートは100点満点で評価され、60点以上を合格とする。最終成績はそれらの平均点で報告される。不合格の場合は再履修が必要である。出席率が授業実施回数の4/5に満たない学生は再履修となる。 各到達度目標の評価方法は以下の通り 目標１．開発環境に応じたの基本操作は課題の実施状況とレポートの提出で評価される。 目標２．数値解析演習に関わるレポートにより、達成度を評価する。 目標３．データの取り扱い方法について理解する。 目標4．３D-CADによる製図、解析プログラムの演習課題を課し、達成度を評価する。 新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知のもと、成績評価方法は変更する可能性があります。 |
| 履修上の注意 ／Notices |
・授業の変更や緊急時の連絡は、授業中または掲示板やmoodleで通知する。 ・合格点に達しない場合には課題の再提出を求めるが，期限までに提出されない場合には再履修となる。 ・演習を主とするので毎回の出席が原則である。止むを得ず欠席する際には必ず担当教員に連絡を入れること。 |
| 学習・教育目標との対応 ／Learning and Educational Policy |
学生便覧「学習目標と授業科目との関係表」参照 |
| 関連科目 ／Related course |
履修前の関連：１年生のプログラミング入門、２年生の材料の力学B、微分積分C、３年生の材料力学、機械力学、機械ロボット工学実験 履修後の関連：４年生の機械ロボット工学設計法、卒業研究 |
| No. | 回（日時） ／Time (date and time) |
主題と位置付け（担当） ／Subjects and instructor's position |
学習方法と内容 ／Methods and contents |
備考 ／Notes |
|---|---|---|---|---|
| 該当するデータはありません | ||||
|
Active learning 1-1 ／主体的学修（反転授業，小テスト，振り返り 等） |
・授業時間の関係で、ひとつひとつのプログラムの詳解などはできないので、自主的にプログラミングを行うこと。 ・本授業では、一部の単元で事前に資料を示して反転授業形式的な試行を予定しているので、その場合は事前配布（アップロード等を含む）資料で予習を行い講義に臨むこと。 |
|---|---|
|
Active learning 1-2 ／上記項目に係るALの度合い |
50%超 |
|
Active learning 2-1 ／対話的学修（グループ学習，協働，調査体験 等） |
・演習では数名グループを組むことにより、部分的に相互学習を取り入れる。その中では個人が十分に役割を担うように努め、集団に対する貢献を考えること。 |
|
Active learning 2-2 ／上記項目に係るALの度合い |
15%～50% |
|
Active learning 3-1 ／深い学修（複数科目の知識の総合化や問題解決型学修 等） |
・プログラミング入門などの３年前期までに学んだことを基礎とし、理論と解析のつながりをまとめる総合的な学習を行う。 |
|
Active learning 3-2 ／上記項目に係るALの度合い |
15%～50% |