Institute of Information Science - University of Miskolc

*Példa: egy szenzor 22,5 °C hőmérsékletet mér → ez adat. * Információ: olyan közlés, amely csökkenti a bizonytalanságot, és döntést tesz lehetővé. Példa: „A gép túlhevült, mert a hőmérséklet 95 °C” → ez információ. * Claude Shannon (1939): az információ a bizonytalanság (entrópia) csökkentése. * Bit: a legkisebb információegység, amely két állapotot különböztet meg (0 vagy 1). === 1.2 Analóg és digitális jelek === * Analóg jel: folytonos, tetszőleges értéket vehet fel. Példa: higanyos hőmérő szintje. * Digitális jel: diszkrét, előre meghatározott értékeket vesz fel. Példa: digitális hőmérő kijelzője. * A számítógépek digitálisak, mert: - zajállóbbak, - könnyebben feldolgozhatóak, - egyszerűbb tárolás és továbbítás. <mermaid> graph LR A[Valós jelenség] –> B[Analóg jel] A –> C[Digitális jel] B –>|folytonos| D¹⁾ C –>|diszkrét| E²⁾ </mermaid> === 1.3 Neumann-elv === Neumann János (1946) öt alapelve: * Központi vezérlőegység (CPU) irányítja a működést. * Programok és adatok közös memóriában tárolódnak. * Bináris adatreprezentáció. * Utasítás-végrehajtási ciklus: beolvasás → értelmezés → végrehajtás. * Soros feldolgozás (egyszerre egy utasítás). <mermaid> flowchart TD CPU[CPU] –> MEM[Memória] CPU –> IO[I/O perifériák] MEM –> CPU IO –> CPU </mermaid> === 1.4 Turing-gép === Alan Turing (1936) megalkotta a Turing-gép modellt. Elemei: * Szalag (memória): adatok és program. * Olvasó/író fej: mozog a szalagon, adatot olvas vagy ír. * Vezérlőegység: meghatározza, milyen művelet történjen. A Turing-gép az algoritmusok elméleti alapja → minden mai számítógép működését leírja. <mermaid> flowchart LR S[Szalag memória] –> F[Olvasó/író fej] F –> V[Vezérlőegység] V –> F F –> S </mermaid> === Mérnöki alkalmazási példák === Adat: szenzor 0,01 mm eltérést mér a gyártás során. Információ: az eltérés nagyobb, mint a megengedett 0,005 mm → selejt. Digitális feldolgozás: a PLC a mérést kiértékeli és leállítja a gépet. Neumann-elv alkalmazása: a PLC is CPU + memória + I/O elven működik. ===== 2. Hardver alapjai ===== A számítógép hardvere a fizikai részegységekből áll, amelyek együtt biztosítják az adatok feldolgozását, tárolását és megjelenítését. === 2.1 Központi feldolgozó egység (CPU) === * Az utasítások végrehajtásáért felelős “agy”. * Fő részei: - ALU (Aritmetikai-logikai egység): számításokat és logikai műveleteket végez. - Regiszterek: a leggyorsabb tárolók, ideiglenes adatokhoz. - Vezérlőegység: irányítja a teljes működést. * Modern CPU-k többmagosak (quad-core, octa-core), párhuzamos feldolgozásra képesek. <mermaid> flowchart TD A[CPU] –> B[ALU] A –> C[Vezérlőegység] A –> D[Regiszterek] B –>|Számítások| A C –>|Irányítás| A D –>|Adatok| A </mermaid> === 2.2 Memóriahierarchia === * A CPU különböző sebességű és méretű memóriákat használ: - Regiszterek – leggyorsabb, nagyon kicsi. - Cache (L1, L2, L3) – gyorsítótár a CPU közelében. - RAM – központi memória, ideiglenes adatokhoz. - Háttértár (SSD, HDD, NVMe) – tartós tárolás. * Elv: minél közelebb van a CPU-hoz, annál gyorsabb, de kisebb a kapacitása. <mermaid> graph TD R[Regiszterek] –> C1[L1 Cache] –> C2[L2 Cache] –> C3[L3 Cache] –> M[RAM] –> H[Háttértár] </mermaid> === 2.3 Buszrendszerek === * A számítógép részegységei buszokon keresztül kommunikálnak. * Fő busztípusok: - Adatbusz – adatokat visz a komponensek között. - Címbusz – meghatározza, honnan hova kerül az adat. - Vezérlőbusz – irányító jeleket továbbít. * Modern buszok: PCI Express, USB-C, Thunderbolt, NVMe. <mermaid> flowchart LR CPU[CPU] –>|Adatbusz| MEM[Memória] CPU –>|Címbusz| MEM CPU –>|Vezérlőbusz| IO[I/O perifériák] </mermaid> === 2.4 Példa: Raspberry Pi felépítése === * SoC (System-on-Chip): CPU + GPU + memória vezérlő egyetlen chipben. * GPIO (General Purpose I/O): mérnökök által használt szenzor- és aktuátorvezérlés. * Beépített interfészek: HDMI, USB, Ethernet, kamera csatlakozó. <mermaid> flowchart TD SOC[System-on-Chip] –> CPU1[CPU magok] SOC –> GPU[Grafikus egység] SOC –> MEMV[Memóriavezérlő] SOC –> GPIO[GPIO csatlakozók] SOC –> USB[USB portok] SOC –> NET[Ethernet/WiFi] SOC –> HDMI[HDMI kimenet] </mermaid> ===== 3. Számítógépkategóriák és architektúrák ===== A számítógépek többféle kategóriába sorolhatók teljesítményük, méretük és felhasználási területük alapján. Emellett különböző architektúrák léteznek (x86, ARM, RISC-V, SoC), amelyek a mérnöki alkalmazások szempontjából is fontosak. === 3.1 Számítógépkategóriák === * Mikroszámítógép: egyszerű, beágyazott vezérlők (pl. mikrokontroller, Arduino). * Személyi számítógép (PC): általános felhasználásra, mérnöki tervezéshez, szimulációhoz. * Munkaállomás: nagy teljesítményű PC, gyakran erős GPU-val → CAD, FEM, szimuláció. * Szerver: adatfeldolgozás, hálózati szolgáltatások, felhő alapú számítás. * Szuperszámítógép: extrém számítási igényekhez (pl. időjárás-modellezés, molekuláris dinamika). <mermaid> graph TD A[Mikroszámítógép] –> B[PC] B –> C[Munkaállomás] C –> D[Szerver] D –> E[Szuperszámítógép] </mermaid> === 3.2 Architektúrák === * x86 – Intel és AMD processzorok, PC-k és szerverek alapja. * ARM – energiatakarékos, mobil eszközökben és beágyazott rendszerekben. * RISC-V – nyílt forrású architektúra, gyorsan fejlődő kutatási és ipari terület. * SoC (System-on-Chip) – CPU, GPU, memóriavezérlő, kommunikációs egységek egyetlen chipben. <mermaid> flowchart TD X[x86 - PC/Szerver] –>|Teljesítmény| P[Munkaállomás] A[ARM - Mobil/Beágyazott] –>|Energiatakarékosság| M[Okostelefonok, IoT] R[RISC-V - Nyílt ISA] –>|Kísérletezés| K[Kutatás, ipar] S[SoC - System on Chip] –>|Integráció| I[Mobil, Raspberry Pi, IoT] </mermaid> === 3.3 Példák mérnöki alkalmazásokban === * Mikrokontroller: egyszerű vezérlési feladatok (pl. motor szabályozás, szenzoradatok gyűjtése). * Munkaállomás: CAD tervezés, végeselemes szimuláció (FEM). * Szerver: ipari adatgyűjtés, gyártási adatok feldolgozása. * Szuperszámítógép: komplex mérnöki számítások (áramlástan, anyagszerkezet szimuláció). <mermaid> flowchart LR MC[Mikrokontroller] –>|Vezérlés| S1[Szenzor/aktuátor] WS[Munkaállomás] –>|Számítás| FEM[FEM szimuláció] SR[Szerver] –>|Adatfeldolgozás| DB[Gyártási adatok] SC[Szuperszámítógép] –>|Komplex szimuláció| CFD[Áramlástan, anyagtudomány] </mermaid> ===== 4. Perifériák és interfészek ===== A perifériák a számítógéphez csatlakozó eszközök, amelyek adatbevitelre, megjelenítésre, adattárolásra vagy kommunikációra szolgálnak. Az interfészek biztosítják az összeköttetést a központi egység és a perifériák között. === 4.1 Input (adatbevitel) === * Billentyűzet, egér, érintőképernyő. * Szenzorok (hőmérséklet, nyomás, kamera, mikrofon). * Vonalkód- és QR-olvasó, ipari mérőeszközök. <mermaid> graph TD IN1[Billentyűzet] –> CPU IN2[Egér] –> CPU IN3[Érintőképernyő] –> CPU IN4[Szenzorok] –> CPU IN5[Videokamera] –> CPU </mermaid> === 4.2 Output (eredménykivitel) === * Monitor, projektor, VR szemüveg. * Nyomtató, 3D nyomtató. * Hangszóró, ipari kijelzők. <mermaid> graph TD CPU –> OUT1[Monitor] CPU –> OUT2[Nyomtató] CPU –> OUT3[3D nyomtató] CPU –> OUT4[Hangszóró] </mermaid> === 4.3 Input/Output kombinált eszközök === * Hálózati kártya (Ethernet, WiFi). * Hangkártya (mikrofon + hangszóró). * Érintőképernyő (adatbevitel + megjelenítés). * USB eszközök (pendrive, külső HDD). <mermaid> flowchart LR CPU ←→ NET[Hálózati kártya] CPU ←→ SOUND[Hangkártya] CPU ←→ TOUCH[Érintőképernyő] CPU ←→ USB[USB eszköz] </mermaid> === 4.4 Modern interfészek === * USB-C / USB 3.2 / USB4 – univerzális, gyors adatátvitel és energiaellátás. * Thunderbolt – nagy sávszélesség, külső GPU és kijelzők támogatása. * HDMI / DisplayPort – digitális hang- és videóátvitel. * Ethernet / WiFi / Bluetooth – hálózati kapcsolatok. * I²C, SPI, CAN busz – ipari és beágyazott rendszerek szenzor- és vezérlőcsatolói. <mermaid> graph TD CPU –> USB[USB-C / USB4] CPU –> TB[Thunderbolt] CPU –> HDMI[HDMI / DisplayPort] CPU –> ETH[Ethernet] CPU –> WIFI[WiFi / Bluetooth] CPU –> I2C[I²C / SPI / CAN] </mermaid> ===== 5. Adattárolás és memória ===== A számítógép működéséhez szükség van gyors, átmeneti és tartós adattárolásra is. Az eltérő tárolók különböző sebességűek, kapacitásúak és feladatúak. === 5.1 Memóriahierarchia === * Regiszterek – leggyorsabb, közvetlenül a CPU-ban, nagyon kicsi méret. * Cache (L1, L2, L3) – gyorsítótár, a CPU közelében, kis méret, nagy sebesség. * RAM (Random Access Memory) – központi memória, ideiglenes adattárolás, áramtalanításkor törlődik. * Háttértár – tartós tárolás: SSD, HDD, NVMe. <mermaid> graph LR R[Regiszterek<br/>pár bájt] –> C1[L1 Cache<br/>~32-64 KB] C1 –> C2[L2 Cache<br/>~256 KB - 1 MB] C2 –> C3[L3 Cache<br/>~4-64 MB] C3 –> RAM[RAM<br/>~8-64 GB] RAM –> SSD[SSD/NVMe<br/>~256 GB - 4 TB] SSD –> HDD[HDD<br/>~1-20 TB] </mermaid> === 5.2 RAM típusai === * DRAM (Dynamic RAM) – olcsóbb, frissítést igényel → fő memória. * SRAM (Static RAM) – gyors, drága → cache. * SDRAM, DDR, DDR4, DDR5 – modern, szinkronizált RAM-típusok. === 5.3 Háttértárak === * HDD (merevlemez): mágneses elven működik, olcsó, nagy kapacitás, de lassú. * SSD (Solid State Drive): flash-alapú, gyorsabb, nincs mozgó alkatrész. * NVMe SSD: PCIe buszon keresztül → extrém sebesség (GB/s). * Optikai tárolók: CD, DVD, Blu-ray – ma inkább archiválásra. * Flash eszközök: pendrive, SD-kártya. <mermaid> flowchart LR HDD[HDD<br/>olcsó, lassú] –>|Kiváltja| SSD[SSD<br/>gyorsabb] SSD –> NVMe[NVMe SSD<br/>PCIe alapú] SSD –> Flash[Flash tárolók<br/>pendrive, SD-kártya] HDD -.→ Archive[Optikai lemezek<br/>CD/DVD/Blu-ray] </mermaid> === 5.4 Virtuális memória === * Az operációs rendszer a háttértár egy részét RAM kiegészítésére használja. * Lehetővé teszi, hogy több program fusson egyszerre, mint amennyi a fizikai RAM-ban elfér. * Hátránya: lassabb, mert a háttértár sebessége korlátozó tényező. <mermaid> flowchart TD CPU –> RAM RAM –>|Ha megtelik| VM[Virtuális memória SSD/HDD] </mermaid> === 5.5 Mérnöki alkalmazási példa === * FEM szimuláció: RAM korlátozhatja a futtatható modell méretét. * Nagy adatgyűjtés (pl. szenzorhálózat): SSD szükséges a gyors íráshoz. * Beágyazott rendszerek: kis méretű RAM és flash → optimalizált programozás kell. ===== 6. Párhuzamos feldolgozás és gyorsítók ===== A számítógépek teljesítményének növelését ma már nem elsősorban az órajel emelése, hanem a párhuzamos feldolgozás és a speciális gyorsítók biztosítják. === 6.1 Többmagos processzorok === * A CPU több maggal rendelkezik → egyszerre több utasítást hajthat végre. * Példák: - Dual-core, Quad-core, Octa-core CPU-k. - Mobil eszközökben: heterogén architektúrák (pl. ARM big.LITTLE). * Előny: több szál (thread) futtatható egyidőben. <mermaid> graph TD CPU[Processzor] –> C1[Mag 1] CPU –> C2[Mag 2] CPU –> C3[Mag 3] CPU –> C4[Mag 4] C1 & C2 & C3 & C4 –> OS[Operációs rendszer<br/>többszálúság] </mermaid> === 6.2 Párhuzamos feldolgozási technikák === * Pipeline (csővezetékes feldolgozás) – egy utasítás több részfeladatra oszlik, amelyek átfedésben hajthatók végre. * SIMD (Single Instruction, Multiple Data) – egy utasítással több adaton művelet (pl. vektorműveletek). * MIMD (Multiple Instruction, Multiple Data) – több mag különböző programrészeket futtat párhuzamosan. <mermaid> flowchart LR A[Pipeline] –>|lépések egymásra tolva| B[Gyorsabb végrehajtás] C[SIMD] –>|egy utasítás<br/>több adaton| B D[MIMD] –>|különböző utasítások<br/>különböző adatokon| B </mermaid> === 6.3 GPU-k (Grafikus processzorok) === * Eredetileg grafikai számításokra (3D, játékok). * Ma: általános célú számításokra is (GPGPU). * Több ezer feldolgozó egység → kiváló párhuzamosítás nagy adathalmazokon. * Használat: gépi tanulás, képfeldolgozás, FEM/CFD szimulációk gyorsítása. <mermaid> graph TD GPU[GPU] –> C1[1000+ mag] GPU –> AI[AI és ML számítások] GPU –> SIM[Szimulációk] GPU –> GFX[Grafika és 3D megjelenítés] </mermaid> === 6.4 Egyéb gyorsítók === * FPGA (Field Programmable Gate Array): újraprogramozható hardver, ipari alkalmazásokban gyors, testreszabott feldolgozásra. * TPU (Tensor Processing Unit): mesterséges intelligenciára optimalizált chip. * NPU (Neural Processing Unit): neurális hálók futtatására mobil eszközökben. <mermaid> flowchart TD FPGA –>|Rugalmasság| Ipari[Ipari vezérlés] TPU –>|AI felhő| Cloud[Felhőszolgáltatások] NPU –>|Mobil AI| Mobile[Okostelefonok, IoT] </mermaid> === 6.5 Mérnöki alkalmazási példák === * FEM szimuláció – CPU + GPU együttműködésével gyorsabb számítás. * Képfeldolgozás – GPU gyorsítással valós idejű hibadetektálás gyártásban. * FPGA – ipari robotvezérlés, valós idejű adatfeldolgozás. * TPU/NPU – prediktív karbantartás, IoT érzékelők adatfeldolgozása. ===== 7. Ipari és mérnöki alkalmazások ===== A számítástechnika nemcsak irodai környezetben, hanem ipari és mérnöki területeken is kulcsfontosságú. A mérnökök számára a legfontosabb alkalmazási területek: beágyazott rendszerek, ipari vezérlők, IoT, valamint nagy teljesítményű szimulációk. === 7.1 Beágyazott rendszerek === * Speciális célú, kisméretű számítógépek. * Tipikus eszközök: mikrokontroller, Arduino, ESP32, Raspberry Pi. * Alkalmazások: - Szenzoradatok gyűjtése és feldolgozása. - Motorok, aktuátorok vezérlése. - Egyszerű ipari automatizálási feladatok. <mermaid> flowchart TD S[Szenzorok] –> MCU[Mikrokontroller] MCU –> ACT[Motorok / aktuátorok] MCU –> NET[Kommunikáció pl. \(WiFi, Bluetooth\)] </mermaid> === 7.2 PLC-k és ipari vezérlőrendszerek === * PLC (Programmable Logic Controller): ipari gépek és folyamatok vezérlésére kifejlesztett számítógép. * Jellemzők: - Robusztus, megbízható, folyamatos üzemre tervezett. - I/O csatlakozások ipari szabvány szerint (pl. 24V, relékimenet). - Egyszerű logikai programozás (létra diagram). * Alkalmazások: gyártósorok, robotok, szállítószalagok. <mermaid> graph LR SENSOR[Szenzorok] –> PLC[PLC] PLC –> MOTOR[Motorvezérlés] PLC –> HMI[Kezelőpanel / HMI] PLC –> NET[Hálózati kommunikáció] </mermaid> === 7.3 IoT és edge computing === * IoT (Internet of Things): szenzorok hálózata, amely adatokat gyűjt és továbbít. * Edge computing: adatfeldolgozás a hálózat szélén, a szenzor közelében → csökkenti a késleltetést. * Példák: - Okosgyár (smart factory). - Prediktív karbantartás (hibák előrejelzése). - Energiagazdálkodás. <mermaid> flowchart LR S1[Szenzor] –> EDGE[Edge eszköz] EDGE –> CLOUD[Felhő] CLOUD –> USER[Felhasználó / Mérnök] </mermaid> === 7.4 Nagy teljesítményű számítások (HPC) === * Mérnöki tervezésben és kutatásban szükség van extrém számításokra: - FEM (végeselemes módszer) szilárdságtanhoz. - CFD (Computational Fluid Dynamics) áramlástanhoz. - Molekuláris szimulációk, anyagvizsgálatok. * Ezekhez munkaállomások és szuperszámítógépek szükségesek, gyakran GPU gyorsítással. <mermaid> flowchart LR MODEL[3D mérnöki modell] –> FEM[FEM szimuláció] MODEL –> CFD[CFD szimuláció] FEM –> HPC[Munkaállomás / Szuperszámítógép] CFD –> HPC </mermaid> === 7.5 Példák mérnöki gyakorlatból === * Gépészmérnökök: 3D CAD modellezés, végeselemes analízis. * Villamosmérnökök: vezérlőelektronika, PLC programozás, ipari kommunikációs hálózatok. * Anyagmérnökök: mikroszkópos képfeldolgozás, szimulációs modellek. * Mechatronikus mérnökök**: robotvezérlés, szenzorhálózatok, IoT integráció.