Kutatási infrastruktúra azonosítója: 6-068-E
2020-ban meglévő ipari előzményekre és K+F+I pályázatokra alapozva az intézmény stratégiai célkitűzése lett az Ipar 4.0. A fejlesztéseket szisztematikusan és koordináltan hajtottuk végre, az intézmény kampuszain és karokon átívelő módon, amelynek alapját tématerületi kiválósági pályázat is támogatta. Ebbe az infrastruktúrába csatlakozott bele 2018-tól a Komplex rendszerek megfigyelése a negyedik ipari forradalomban Lendület kutatócsoport, amely 2022-től HUN-REN kutatócsoportként dolgozik tovább. Ezzel párhuzamosan fejlődött a nagykanizsai Ipar 4.0 labor és Fókusz labor, ill. önálló Ipar 5.0 labor a veszprémi telephelyen. Szerepvállalásunk nagyban hozzájárul a régió fejlődéséhez. Az Ipar 4.0 platform tagjai vagyunk, ahol az adattudomány és emberközpontúság terén egészítjük ki a nemzeti kutatás, fejlesztési szférát. Eredményeink és az infrastruktúra
integrálódott mind alap- és mesterszakokba, mind az újonnan létesült Ipar 4.0 posztgraduális képzéseinkbe.

Dr. Ruppert Tamás

Google Scholar

ResearchGate

Tanszék honlap

Vezető kutatók

Dr. Obermayer Nóra

Dr. Abonyi János

Dr. Gyurika István

Dr. Jaskó Szilárd

• Kormányzati Informatikai Fejlesztési Ügynökség
  
• ZalaZONE Autóipari Próbapálya Zala Kft., Zalaegerszeg
  
• ELKH Cloud, Budapest
  
• Közgazdaság- és Regionális Tudományi Kutatóközpont Adatbank, Budapest
  
• Wigner Tudományos Számítási Laboratórium, Budapest

• Ruppert, T., & Abonyi, J. (2020).Integration of real-time locating systems into digital twins. Journal of industrial information integration, 20, 100174., https://doi.org/10.1016/j.jii.2020.100174, (D1)
  
• Gladysz, B., Tran, T. A., Romero, D., van Erp, T., Abonyi, J., & Ruppert, T. (2023). Current development on the Operator 4.0 and transition towards the Operator 5.0: A systematic literature review in light of Industry 5.0. Journal of Manufacturing Systems, 70, 160-185., https://doi.org/10.1016/j.jmsy.2023.07.008, (D1)
  
• Tran, T. A., Ruppert, T., Eigner, G., & Abonyi, J. (2022). Retrofitting-based development of brownfield industry 4.0 and industry 5.0 solutions. IEEE Access, 10, 64348-64374., https://doi.org/10.1109/ACCESS.2022.3182491, (Q1)
  
• Czvetkó, T., Kummer, A., Ruppert, T., & Abonyi, J. (2022). Data-driven business process management-based development of Industry 4.0 solutions. CIRP journal of manufacturing science and technology, 36, 117-132., oldal 32 / 96 https://doi.org/10.1016/j.cirpj.2021.12.002, (Q1)
  
• Kulács E., Gyurika I. G., Csiszér T. (2022). Network-based – Quality Function Deployment (NB-QFD): The combination of traditional QFD with network science approach and techniques. COMPUTERS IN INDUSTRY 136, paper 103592. DOI: https://doi.org/10.1016/j.compind.2021.103592 (D1)
  
• Jaskó Szilárd, Skrop Adrienn, Holczinger Tibor, Chován Tibor, Abonyi, János (2020) Development of manufacturing execution systems in accordance with Industry 4.0 requirements: A review of standard- and ontology-based methodologies and tools, COMPUTERS IN INDUSTRY, DOI: https://doi.org/10.1016/j.compind.2020.103300 (D1)
  
• Kosztyán Zs. T., Csizmadia T., Katona A. I. (2021): SIMILAR – Systematic iterative multilayer literature review method. Journal of Informetrics, 15(1). p. 101111 IF (2021): 5.107 Applied Mathematics, https://doi.org/10.1016/j.joi.2020.101111 (D1)
  
• Obermayer N., Csizmadia T. & Hargitai D. (2022). Influence of Industry 4.0 technologies on corporate operation and performance management from human aspects. MEDITARI ACCOUNTANCY RESEARCH. 30(4). pp. 1027-1049. DOI_ https://doi.org/10.1108/MEDAR-02-2021-1214 (Q1)
  
• Gadár L., Kosztyán Zs. T., Telcs A., Abonyi J. (2020): A multilayer and spatial description of the Erasmus mobility network. Nature – Scientific Data. 7(41). pp. 1-11 https://doi.org/10.6084/m9.figshare.11 687310 (D1)
  
• Kegyes Tamás, Zoltán Süle, Abonyi János (2021) The Applicability of Reinforcement Learning Methods in the Development of Industry 4.0 Applications, Complexity, DOI: 10.1155/2021/7179374 (Q1)

Ipar 4.0, Ipar 5.0, Operátor 4.0, Ipari digitalizáció, folyamatfejlesztés