Expertise

Product

Courses

Team

Contact

Book a meeting

Explore our product: Bin picking solution

New

  • Explore our product: Bin picking vision solution

O mnie

Autonomous and
AI-based solutions for industry

Nazywam się Szymon Ligęza i specjalizuję się w zastosowaniach sztucznej inteligencji w przemyśle, szczególnie w takich branżach jak robotyka, przemysł naftowy i inżynieria symulacyjna. Moje doświadczenie obejmuje rozwijanie zaawansowanych rozwiązań opartych na uczeniu maszynowym, które wspierają automatyzację, optymalizację produkcji i monitorowanie procesów przemysłowych.

Unlock the full potential of your business with our data-driven, AI-engineered solutions, tailored to your industry's needs.

  • Computer Vision

  • Quality Inspection

  • Machine Learning

  • AI for Robotics

  • Predictive Maintenance

  • Numerical Computing

  • Software Development

Doświadczenie we wdrażaniu rozwiązań AI w przemyśle

Precision Automated with 6D Pose Estimation

Precision Automated with 6D Pose Estimation

Bin picking dla robotów przemysłowych

  • Współtworzyłem zaawansowane oprogramowanie, które umożliwia ramionom robotycznym pracę w sposób niedeterministyczny. System wykorzystuje kamery RGB oraz dane 3D, aby precyzyjnie rozpoznawać i manipulować obiektami o losowym położeniu. Dzięki zastosowaniu sieci neuronowych i danych syntetycznych, znacząco zwiększyliśmy precyzję oraz efektywność linii produkcyjnych.


Modelowanie surogatów symulacyjnych (grant badawczy z IdeaLogic)

  • Opracowałem modele surogatów, które przyspieszyły procesy symulacyjne aż 90-krotnie, integrując metody numeryczne (m.in. metoda elementów skończonych) z sieciami neuronowymi. Rozwiązania te mają zastosowanie w inżynierii strukturalnej oraz geologicznej, pozwalając na szybsze i bardziej efektywne projektowanie oraz analizę skomplikowanych struktur.


Halliburton

  • W Halliburton rozwijałem zaawansowane systemy analizy danych sejsmicznych, m.in. segmentację formacji solnych w 3D oraz modele prognozowania złóż węglowodorów. Wykorzystując metody przetwarzania języka naturalnego (NLP), opracowałem systemy do klasyfikacji aktywności na platformach wiertniczych.

ABB

  • W ABB byłem odpowiedzialny za tworzenie algorytmów monitorowania stanu maszyn przemysłowych. Wykorzystując techniki przetwarzania sygnałów i uczenia maszynowego, rozwijałem systemy predykcyjnej konserwacji, które zwiększały niezawodność i wydajność maszyn, minimalizując ich przestoje.

Jak mogę pomóc?

Jeśli Twoja firma szuka eksperta, który pomoże wdrożyć zaawansowane technologie sztucznej inteligencji oraz uczenia maszynowego w przemyśle, jestem gotów dostarczyć sprawdzone i innowacyjne rozwiązania dopasowane do potrzeb nowoczesnych przedsiębiorstw.

Book a meeting

Publikacje

Precision Automated with 6D Pose Estimation

Precision Automated with 6D Pose Estimation

  1. Jiang, F., Das, S., Ligęza, S., Osypov, K., Wrobel-Daveau, J.-C., Stathopoulou, A., & Pagoulatos, A. (2024, February).
    Deep learning for predicting evaporite salt in the Mediterranean: A case study
    Paper presented at the International Petroleum Technology Conference, Dhahran, Saudi Arabia.
    DOI: 10.2523/IPTC-23598-MS

  2. Urbański, A., Ligęza, S., & Przecherski, P. (2023).
    The modelling of layered rocks using a numerical homogenisation technique and an artificial neural network.
    Technical Transactions, 120(1), 179-197.
    DOI: Link (jeśli dostępny)

  3. Urbański, A., Ligęza, S., & Przecherski, P. (2019).
    Modelling of sedimentary rocks using numerical homogenization technique and artificial neural network.
    Proceedings of PCM-CMM: 4th Polish Congress of Mechanics, 23rd International Conference on Computer Methods in Mechanics, Cracow University of Technology, Kraków, Poland.

  4. Anielska, D., Urbański, A. J., & Ligęza, S. (2019).
    Modeling of COBIAX® plates using numerical homogenization technique and artificial neural network.
    Proceedings of PCM-CMM: 4th Polish Congress of Mechanics, 23rd International Conference on Computer Methods in Mechanics, Cracow University of Technology, Kraków, Poland.

  5. Urbański, A., Ligęza, S., & Drabczyk, M. (2022).
    Multi-scale modelling of brick masonry using a numerical homogenisation technique and an artificial neural network.
    Archives of Civil Engineering, 68(4), 179-197.
    DOI: Link (jeśli dostępny)