Corso di laurea

Digital Automation Engineering

Università degli Studi di Modena e Reggio Emilia · 21 materie · 0 file condivisi

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

Sfoglia il materiale didattico

Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!

Materie del corso

Advanced Electric Drives And Power Converters Systems 1° anno · 2° semestre · 12 CFU · IIND-08/A · 0 file

Il corso mira a fornire una conoscenza approfondita dell'architettura, dell'elettronica di potenza e del controllo di azionamenti elettrici e convertitori di potenza ad alte prestazioni. Verrà analizzato in dettaglio…

Scheda dell'insegnamento

Obiettivi formativi

Il corso mira a fornire una conoscenza approfondita dell'architettura, dell'elettronica di potenza e del controllo di azionamenti elettrici e convertitori di potenza ad alte prestazioni. Verrà analizzato in dettaglio il principio di funzionamento delle macchine elettriche e dei trasduttori, insieme alle topologie di convertitori di potenza, in grado di gestire flussi di potenza unidirezionali/bidirezionali e di accumulo di energia. I partecipanti impareranno come ottimizzare i principali schemi dell'architettura di controllo per il controllo di coppia/velocità/posizione, compresi i convertitori di elettronica di potenza, utilizzando moderni metodi di simulazione e schede di valutazione. Per una più completa comprensione degli obiettivi formativi, si rimanda alla lettura dei risultati di apprendimento attesi.

Programma

Legenda: 1 CFU corrisponde a 9 ore di lezione La suddivisione dei contenuti per CFU e il dettaglio degli argomenti trattati possono subire leggere modifiche nel corso dell’insegnamento, anche alla luce della risposta degli studenti e delle studentesse. L’insegnamento è suddiviso in un primo modulo Power Converters Systems (6 CFU) e un secondo modulo Electric Drives (6 CFU). 18 ore corrispondenti a 2 CFU sono dedicate ai seguenti argomenti: Azionamenti per macchine in corrente continua. Modello dinamico della macchina e analisi delle funzioni di risposta armonica di interesse. Controllo in retroazione di corrente e di velocità. Determinazione dei regolatori dei vari controlli in retroazione. Reiezione al disturbo di coppia resistente e fenomeno del windup. Simulazioni in ambiente Matlab/Simulink di differenti controlli in retroazione per la macchina in corrente continua. 31,5 ore corrispondenti a 3.5 CFU sono dedicate alle architetture di controllo e peciliarità di 2 tipologie di azionamenti per macchine brushless sincrone a magneti permanenti, comprensiva di elettronica di potenza e sensori. - Azionamenti per macchine brushless DC (trapezoidale): struttura della macchina e controllo. - Azionamento per macchine brushless AC con magneti superficiali e magneti interni. Teoria del controllo ad orientamento di campo e cenni di tecniche MTPA e MTPV. - Analisi dei vari sensori di corrente e di posizione usati negli azionamenti elettrici. -Simulazione di alcuni dei controlli proposti in ambiente Matlab/Simulink o Plecs. 4.5 ore corrispondenti a 0.5 CFU sono dedicate: - Controllo in catena aperta per macchine a induzione e introduzione al controllo ad orientamento di campo. - Azionamenti a moto incrementale con motori stepper. Controllo in catena aperta, microstepping. 18 ore corrispondenti a 2 CFU sono dedicate ai seguenti argomenti: Principi di conversione dell'energia. Confronto tra conversione/regolazione con architetture lineari e switching. Modulazione a larghezza di impulso (PWM). Condizione di regime permanente e metodologia di analisi dei convertitori Switching. Principio di funzionamento e criteri di progettazione di: 1. Convertitori elettronici di potenza DC-DC non isolati: 2. Convertitori DC/DC isolati e convertitore DC/DC full-bridge. 3. Introduzione all’ambiente Plecs per la simulazione numerica dei convertitori elettronici di potenza. 27 ore corrispondenti a 3 CFU sono dedicate ai seguenti argomenti: 1. Topologie a ponte. Modulazioni PWM per motori DC, singola e doppia modulante. 2. Modulazioni PWM per motori AC. Inverter (DC/AC) monofase e trifase. Indice di modulazione di ampiezza e di frequenza. 3. Tecniche di modulazione avanzate: space vector modulation SVM 9 ore corrispondenti a 1 CFU sono dedicate ai seguenti argomenti: 1. Introduzione alla determinazione delle perdite e modellazione termica dei convertitori 2. Introduzione alla regolazione e controllo di convertitori e strumenti simulativi per ricavare la funzione di trasferimento di un convertitore. 3. Effetti secondari della modulazione PWM e fenomeni di interferenza. Sono previste attività di applicazione pratica delle conoscenze acquisite che riguarderanno la simulazione al calcolatore e la sintesi del controllo di un azionamento elettrico con associato convertitore elettronico di potenza, andando a riportare i risultati in una relazione di progetto. Questi argomenti possono essere di supporto allo svolgimento di tirocini o tesi

nozioni di fisica ed elettrotecnica, nozioni di Controlli Automatici e diagrammi di Bode

L’insegnamento viene erogato in lingua inglese, mediante lezioni frontali in presenza. La frequenza non è obbligatoria, ma caldamente consigliata. Le lezioni comprendono una parte teorica e una parte di esercitazioni. Contestualmente all’introduzione dei nuovi concetti ne viene data subito l’applicazione tramite la soluzione di semplici esempi fino ad arrivare allo studio di sistemi complessi. Gli argomenti del corso vengono trattati con metodo analitico e/o euristico. La parte teorica consolida la comprensione e conoscenza degli argomenti esposti. Le esercitazioni hanno lo scopo di affinare le capacità applicative dello studente nella soluzione di esercizi numerici e applicazioni pratiche, facendo uso dei metodi teorici esposti. La risoluzione degli esercizi avviene mediante metodi analitici e con l’utilizzo di ipotesi semplificative del modello del sistema.

Modalità d'esame

  • Modalità di valutazione: Esame con prove intermedie, la valutazione è svolta in più fasi. 1) Power converter systems (50% del voto finale) a. Relazione di Progetto (12.5% del voto) di un convertitore DC/DC secondo specifiche assegnate e simulazione del funzionamento in open loop. b. Relazione di Simulazione (12.5% del voto) sul controllo in retroazione di un convertitore DC/DC. c. Orale di teoria (25% del voto): colloquio con domande su tutto il programma trattato a lezione e in laboratorio, di durata indicativa 30 minuti. 2) Advanced Electric Drives (50% del voto finale) a. Progetto di gruppo sulla simulazione di azionamento elettrico. Consegna del file di simulazione e di una relazione di gruppo sulla simulazione di un azionamento elettrico specifico per una data macchina elettrica. Il docente dopo l’analisi del file di simulazione e della relazione darà un voto comune a tutti i componenti del gruppo: 25% del voto finale. b. Esame orale con alcune domande sul lavoro di gruppo e domande su tutti gli argomenti della seconda parte dell’insegnamento relativa agli azionamenti elettrici: 25% del voto finale, di durata indicativa 30 minuti. Tutti gli esami si svolgeranno in presenza. Saranno stabilite almeno sei date di appello nel corso dell'anno accademico per lo svolgimento dell’esame orale. Gli studenti dovranno iscriversi agli appelli attraverso la piattaforma ESSE3. Per accedere alla prova orale, le relazioni devono essere state consegnate nei termini previsti, o comunque almeno 3 giorni prima della data d’appello. Gli studenti che non consegneranno le relazioni, o che riceveranno un voto insufficiente nelle relazioni non saranno ammessi all’orale.

Testi di riferimento

Reference/consultation books: Ned Mohan, Tore M. Undeland, William P. Robbins, "Power Electronics: Converters, Applications, and Design", Wiley; 3rd Bk&Cdr edition Shaahin Filizadeh. Electric Machines and Drives: Principles, control, modelling and simulation. CRC Press. A. E. Fitzgerald , C. Jr. Kingsley , A. Kusko: "Electric machinery", McGraw-Hill Education, 2012. I. Boldea, S. A. Nasar : ELECTRIC DRIVES, CRC Press, New York, 1999. A. E. Fitzgerald , C. Jr. Kingsley , A. Kusko: "Electric machinery", McGraw-Hill Education, 2012. The slides used during the course will be available on TEAMS platform (in compliance with copyright).

Codice insegnamento 27111

Advanced Probability And Statistical Methods For Engineering 1° anno · 2° semestre · 6 CFU · MATH-04/A · 0 file

Il corso si propone di fornire la conoscenza delle nozioni di probabilità e statistica utili per la comprensione dei sistemi stocasticamente evolutivi e per l'analisi di grandi insiemi di dati. Per una più completa…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire la conoscenza delle nozioni di probabilità e statistica utili per la comprensione dei sistemi stocasticamente evolutivi e per l'analisi di grandi insiemi di dati. Per una più completa comprensione degli obiettivi formativi del corso si rimanda alla sezione “Risultati di apprendimento attesi”.

Programma

La scansione dei contenuti in termini di CFU è da ritenersi puramente indicativa e potrà subire modifiche nel corso dell'insegnamento. Probabilità (3 CFU, 27 ore) 1. Concetti di base di probabilità 2. Variabili casuali, vettori aleatori e loro principali proprietà 3. Distribuzioni di probabilità 4. Elementi della teoria dei processi stocastici, processi di Markov, di Poisson, di Wiener Statistica (3 CFU, 27 ore) 5. Stimatori e loro proprietà 6. Intervalli di confidenza 7. Test delle ipotesi 8. Test non parametrici, test di adattamento 9. Analisi della varianza (ANOVA) 10. Metodi di regressione Pur rimanendo nel quadro generale qui indicato, è possibile che, sulla base di necessità contingenti, il programma subisca alcune variazioni e/o integrazioni.

Calcolo differenziale integrale per le funzioni di una e più variabili. Elementi di calcolo delle probabilità.

Il corso prevede lezioni teoriche sulla materia descritta nei punti 1-10 della sezione “Contenuti”. Il corso prevede anche esercitazioni dedicate alla soluzione di problemi che ammettono la modellizzazione probabilistica. Il docente potrà lasciare parti del programma allo studio individuale degli allievi e/o assegnare esercizi di natura teorica o computazionale. La frequenza è facoltativa ma fortemente consigliata. Il corso si eroga in presenza in lingua Inglese.

Modalità d'esame

L'esame si svolgerà al termine dell’insegnamento secondo il calendario ufficiale degli appelli d’esame e prevede una prova orale. La prova orale è un colloquio sugli argomenti 1-10 della sezione "Contenuti del corso", svolto con l'ausilio di lavagna e gesso o strumenti equivalenti e finalizzato a valutare le capacità indicate nella sezione "Risultati di apprendimento attesi". La prova dura indicativamente 45 minuti e si articola in 2 o 3 domande. Il voto sarà comunicato immediatamente al termine dell’esame. Saranno stabilite sei date di appello nel corso dell'anno accademico. Gli studenti dovranno iscriversi agli appelli attraverso la piattaforma ESSE3. Al termine della prima metà del semestre è prevista una prova in itinere. Questo esame si basa su un esame scritto contenente 4 domande: un esercizio (basato sugli esercizi in classe) e tre domande (a risposta aperta) sugli argomenti del corso. Il voto totale nella prova è 30. Per superare l'esame intermedio lo studente deve ottenere 15 o più. Per gli studenti che hanno superato la prova intermedia la valutazione finale (orale) sarà sulla seconda parte del corso. In caso contrario, la valutazione finale sarà sul programma completo. Le prove scritte saranno supervisionate a vista dal docente o dai suoi collaboratori.

Testi di riferimento

Introductory textbooks: - S. M. Ross, Introduction to Probability and Statistics for Engineers and Scientists, Academic Press, 2014; (Probability and statistics); reference text of the course. In the event that Ross's book be not available, the following texts can be used: - W. Navidi, Statistics for Egineers and Scientists, Mc Graw Hill, 2020; (Mainly on statistics) - A. Papoulis, Probability, Random Variables and Stochastic Processes, Mc Graw Hill, 1984; (Focus on stochastic processes) More advanced books: - G. Grimmett, D. Stirzaker, Probability and Random Processes, Oxford University Press, 2001; (This is a more advanced text, with a focus on stochastic processes and no statistics). -N. T. Kottegoda, R.Rosso, Applied Statistics for Civil and Enviromental Engineers, Blackwell Publishing, 2008 (More advanced text with a large introductory part on probability and random variables and an extensive discussion of engineering oriented statistical tools). The slides used during the course, and further bibliographic material, will be made available on the Moodle platform dedicated to the course. The slides will be posted after each class. Testi introduttivi in Italiano: - S. M. Ross, Probabilità e Statistica per l’Ingegneria e le Scienze, Apogeo Education, 2015; (Probabilità e statistica); testo di riferimento. Nel caso in cui il libro di Ross non sia disponibile, i testi seguenti possono essere usati: - W. Navidi, Probabilità e Statistica per l'Ingegneria e le Scienze, McGraw Hill, 2006; (Probabilità e introduzione alla statistica. Trattazione più avanzata della statistica si trova nel testo in inglese dello stesso Autore) - P. Erto, Probabilità e Statistica per le Scienze e l'Ingegneria, McGraw Hill, 2008; (Probabilità e statistica) - H.Hsu, Probabilità, variabili casuali e processi stocastici, McGraw-Hill, 2011; (Si segnala per i capitoli dedicati ai processi stocastici) - A. Papoulis, Probabilità, Variabili Aleatorie e Processi Stocastici, Bollati Boringhieri, 1977 (Si segnala per i capitoli dedicati ai processi stocastici)

Codice insegnamento 27107

Artificial Intelligence And Data Science 1° anno · 1° semestre · 12 CFU · IINF-05/A · 0 file

Il corso vuole fornire le conoscenze e le competenze necessarie per affrontare problemi nell’ambito dell’Intelligenza Artificiale e della Data Science. Uno degli obiettivi del corso consiste nel far apprendere agli…

Scheda dell'insegnamento

Obiettivi formativi

Il corso vuole fornire le conoscenze e le competenze necessarie per affrontare problemi nell’ambito dell’Intelligenza Artificiale e della Data Science. Uno degli obiettivi del corso consiste nel far apprendere agli studenti i concetti fondamentali legati ai vari aspetti dell’Intelligenza Artificiale, sia dal punto di vista teorico che pratico. Un altro obiettivo del corso è quello di introdurre gli argomenti legati alla Data Science e le principali tecniche usate in questo ambito.

Programma

La scansione dei contenuti per CFU è da intendersi come indicativa e può subire lievi variazioni nel corso dell’insegnamento, anche alla luce dei feedback degli studenti. Introduzione all’Intelligenza Artificiale (2 CFU, 18 ore) - Introduzione all'Intelligenza Artificiale. Introduzione agli agenti e ai sistemi multi-agente. Introduzione ai problemi di soddisfacimento di vincoli: risoluzione mediante backtracking; consistenza e algoritmi di arc-consistency; forward checking e algoritmi di mantenimento della consistenza locale. Problemi di ricerca, giochi, e soluzione di problemi con avversari (2 CFU, 18 ore) - Soluzione di problemi basata sulla ricerca nello spazio degli stati. Ricerca in ampiezza e ricerca in profondità. Metodi di ricerca informata: algoritmo A*. Metodi di ricerca locale: algoritmi genetici ed evolutivi. Risoluzione di giochi basata sulla ricerca: algoritmo minimax e potatura alfa-beta. - Elaborazione delle immagini (1 CFU, 9 ore) Rappresentazione di immagini e visione artificiale di basso livello. Filtri di smoothing e filtri di sharpening. - Teorie logiche e programmazione logica (1 CFU, 9 ore) Logica proposizionale, clausole e risoluzione. Logica del primo ordine e cenni alla risoluzione. Programmazione logica e Prolog. - Introduzione alla Data Science (1 CFU, 9 ore) Introduzione alla Data Science: obiettivi e concetti generali. Richiami di statistica. Data visualization: tipologie di grafici, metodologie, limiti e problematiche. - Apprendimento automatico (3 CFU, 27 ore) Apprendimento supervisionato e non supervisionato. Misura delle performance per problemi di classificazione e regressione. Alberi di decisione, macchine a vettori di supporto, reti neurali, clustering, tecniche di regressione. - Data science con Python (2 CFU, 18 ore) Librerie Python per l'analisi e la visualizzazione dei dati (pandas, numpy, scipy, matplotlib). Librerie Python per l'apprendimento automatico (scikit-learn, keras).

Conoscenze di programmazione e di matematica di base.

L’insegnamento viene erogato in presenza. I metodi didattici prevedono lezioni frontali. Nel corso delle lezioni frontali saranno affrontati gli aspetti teorici degli argomenti oggetto del corso e saranno inoltre mostrati opportuni esempi ed esercizi. Le lezioni frontali si svolgono con l’ausilio di presentazioni Power Point e/o PDF. Il materiale utilizzato durante tutto il corso (presentazioni, esercizi, programmi, …) sarà reso disponibile per gli studenti sulla piattaforma Moodle. L’insegnamento è erogato in lingua inglese e la frequenza non è obbligatoria, ma consigliata.

Modalità d'esame

Esame orale. Durante l'esame orale lo studente dovrà presentare e discutere una tesina svolta su uno degli argomenti del corso e concordata con il docente. La tesina potrà essere svolta anche in gruppi di 2-3 persone. Approssimativamente, il suo peso è circa del 50% sul voto complessivo dell'esame.

Testi di riferimento

Le slide mostrate a lezione e il materiale utilizzato durante le lezioni saranno condivisi con gli studenti sulla piattaforma Moodle. Gli studenti potranno approfondire i contenuti del corso attraverso i testi consigliati di seguito. - Russell, Stuart J. and Peter Norvig. Artificial Intelligence: A Modern Approach. Vol. 1. Pearson, 2010. - J. VanderPlas, Python Data Science Notebook: https://jakevdp.github.io/PythonDataScienceHandbook/ - D. Poole, A. Mackworth. Artificial Intelligence: Foundations of Computational Agents. Cambridge University Press, 2017 https://artint.info/2e/html/ArtInt2e.html

Codice insegnamento 27109

Industrial And Collaborative Robotics 1° anno · 2° semestre · 12 CFU · IINF-04/A · 0 file

Il corso fornisce conoscenze sulla modellistica e sulla pianificazione e sul controllo del moto di robot industriali e collaborativi e la loro applicazioni in contesti industriali e di servizio. Gli obiettivi formativi…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce conoscenze sulla modellistica e sulla pianificazione e sul controllo del moto di robot industriali e collaborativi e la loro applicazioni in contesti industriali e di servizio. Gli obiettivi formativi del corso, seguendo i descrittori di Dublino, sono i seguenti: (1) Conoscenza e capacità di comprensione. Attraverso le lezioni teoriche lo studente comprende i concetti e i metodi necessari per la modellistica e il controllo del moto di robot industriali e collaborative. Tali metodi includono modellistica tramite approccio di Eulero-Lagrange, modellistica cinematica, controllo del movimento e controllo di interazione. (2) Capacità di applicare conoscenza e comprensione. Attraverso le attività teoriche e di laboratorio lo studente apprende a modellare sistemi robotici e a progettare l’architettura di controllo di un manipolatore o di una piattaforma mobile. (3) Autonomia di giudizio. L’insegnamento fornisce agli studenti gli strumenti per valutare con spirito critico diverse tecniche di modellistica e di controllo di robot per implementare un’applicazione industriale o di servizio (4) Abilità comunicative. Gli studenti impareranno a presentare e a discutere sulla robotica e sulle sue principali tecniche di controllo. (5) Capacità di apprendimento. L’insegnamento fornisce le basi per l'applicazione della robotica in applicazioni industriali e di servizio.

Programma

  • Introduzione alla robotica e ai suoi problemi di controllo. (Teoria) (0,5 CFU - 4,5 ore) - Modellistica dei Robot. Strutture cinematiche dei manipolatori, Spazio di giunto e spazio di lavoro, cinematica di un manipolatore, modello di Eulero-Lagrange, tassonomia delle ruote utilizzate nei robot mobili, strutture meccaniche di un robot mobile, modelli di robot mobili. (Teoria e Esercitazioni) (1 CFU - 9 ore) - Architettura di controllo. Manipolatori controllati in posizione. Manipolatori controllati in coppia. Attuazione dei robot mobili. Architetture di controllo per i manipolatori industriali e collaborative e per i robot mobili. (Teoria e Esercitazioni) (1 CFU - 9 ore) - Pianificazione del movimento. Percorso e traiettoria. Pianificazione con teach pendant. Teach by demonstration. Pianificazione automatica. Pianificazione nello spazio delle configurazioni. Cell Decomposition. PRM. RRT. Pianificazione mediante potenziali artificiali. (Teoria e Esercitazioni) (2CFU - 18 ore) - Generazione della traiettoria. Il problema della generazione della traiettoria. Generazione della traiettoria nello spazio operativo e nello spazio di giunto. Traiettoria punto-punto. Traiettoria lungo una sequenza di via points. (Teoria e Esercitazioni) (1 CFU - 9 ore) - Controllo del moto. Controllo del moto per manipolatori cinematici nello spazio di giunto e nello spazio operativo. Controllo del moto per manipolatori dinamici nello spazio di giunto e nello spazio operativo. Controllo del moto per robot mobili. SLAM per robot mobili. (Teoria e Esercitazioni) (2CFU - 18 ore) - Controllo di interazione. Controllo di forza diretto e indiretto. Controllo di impedenza. Controllo di ammettenza. (Teoria e Esercitazioni) (2 CFU - 18 ore) - Sicurezza nella robotica collaborativa. Elementi normativi per la sicurezza nei robot collaborativi. Integrazione della sicurezza nella robotica collaborativa. (Teoria) (1,5 CFU - 13,5) - Visione nella robotica: cenni sulle telecamere; prospettiva; visual servoing. (Teoria) (1 CFU - 9 ore) Sono possibili piccole variazioni sui tempi e gli argomenti in base al contesto o al feedback ricevuto dagli studenti e dalle studentesse.

Conoscenza e capacità di utilizzare i principali risultati del calcolo differenziale e matriciale. Conoscenza e capacità di utilizzare i principali risultati del controllo in retroazione. Conoscenza di base di Matlab/Simulink.

Modalità d'esame

Valutazione: Voto Finale - Frequenza: Non obbligatoria

Testi di riferimento

- Slide of the course (available on the Teams page of the course before the corresponding lectures) - Sciavicco, Siciliano, Villani, Oriolo, Robotics: Modeling, Planning and Control, Springer, 2011 - Spong M., Hutchinson S., Vidyasagar M., Robot Modeling and Control, Wiley 2006 - Peter Corke, Robotics, Vision and Control: Fundamental Algorithms in MATLAB, Springer 2011 - Matlab/Simulink tutorial, https://it.mathworks.com/support/learn-with-matlab-tutorials.html

Codice insegnamento 27110

Multibody Simulation And Experimental Modal Analysis 1° anno · 1° semestre · 12 CFU · IIND-02/A · 0 file

Il Corso fornisce conoscenze avanzate di meccanica applicata alle macchine per la modellazione sia numerica che sperimentale di sistemi meccanici. Nello specifico, gli obiettivi formativi del Corso, seguendo i…

Scheda dell'insegnamento

Obiettivi formativi

Il Corso fornisce conoscenze avanzate di meccanica applicata alle macchine per la modellazione sia numerica che sperimentale di sistemi meccanici. Nello specifico, gli obiettivi formativi del Corso, seguendo i descrittori di Dublino, sono i seguenti: (1) Conoscenza e capacità di comprensione. Attraverso le lezioni teoriche lo studente comprende come modellare sistemi fisici con le metodologie proprie dell’analisi multibody, come identificare i principali parametri modali di un componente meccanico e come interpretare i risultati ottenuti. (2) Capacità di applicare conoscenza e comprensione. Attraverso le lezioni teoriche lo studente comprende come impostare un sistema di equazioni per l’analisi cinematica e dinamica di sistemi meccanici e come effettuare una prova di analisi modale sperimentale di un componente meccanico applicando le conoscenze acquisite. (3) Autonomia di giudizio. L’Insegnamento fornisce agli studenti gli strumenti per valutare con spirito critico diverse tecniche per modellare la dinamica di sistemi complessi, interpretando e confrontando le diverse soluzioni ottenute. (4) Abilità comunicative. Attraverso le lezioni teoriche lo studente imparerà ad esporre in modo chiaro e rigoroso le ipotesi e i risultati dell’analisi dinamica di un sistema meccanico. (5) Capacità di apprendimento. L’Insegnamento fornisce le basi per l'applicazione di tecniche di modellazione a sistemi meccanici reali.

Programma

Il programma è suddiviso in due parti distinte. La prima parte riguarda l'analisi modale sperimentale dei sistemi meccanici (6 CFU). La seconda parte riguarda l'analisi multibody dei sistemi meccanici (6 CFU). Per quanto riguarda la parte di analisi modale sperimentale, i contenuti del corso possono essere suddivisi in 4 argomenti principali: 1. Sistemi a un grado di libertà. Vibrazioni libere di sistemi smorzati. Oscillatore armonico smorzato. Vibrazioni forzate di sistemi smorzati. Forzante sinusoidale. Fattore di amplificazione. Eccitazione della massa sospesa. Eccitazione della base (1,3 CFU - 12 ore). 2. Sistemi a due gradi di libertà. Vibrazioni libere di sistemi non smorzati. Pulsazioni naturali e forme modali. Autovalori e autovettori. Proprietà di ortogonalità degli autovettori. Vibrazioni forzate di sistemi non smorzati. Coordinate modali. Vibrazioni forzate di sistemi smorzati. Smorzamento proporzionale. Smorzamento generale (1,7 CFU - 15 ore). 3. Sistemi a gradi di libertà finiti. Vibrazioni libere di sistemi non smorzati. Autovalori e autovettori. Proprietà di ortogonalità degli autovettori. Coordinate modali. Vibrazioni libere di sistemi smorzati. Vibrazioni forzate di sistemi smorzati (1,3 CFU - 12 ore). 4. Sistemi continui. Corda tesa. Integrale generale dell'equazione del moto. Proprietà di ortogonalità delle autofunzioni. Vibrazioni forzate e coordinate modali. Trave di Eulero. Integrale generale dell'equazione del moto. Condizioni al contorno. Equazioni caratteristiche e autofunzioni (1,7 CFU - 15 ore). Per quanto riguarda la parte di analisi multibody, i contenuti del Corso si possono dividere in 4 argomenti fondamentali: 1. Cinematica planare: Gradi di libertà e formula di Groubler. Principali giunti cinematici. Notazione polare complessa. Analisi di posizione, velocità e accelerazione: problema diretto e inverso. Teoria dei grafi. Coordinate relative. Coordinate dei punti di riferimento. Coordinate naturali (1,3 CFU – 12 ore). 2. Cinematica spaziale: parametrizzazione dell'orientamento: angoli di Eulero, formula di Eulero-Rodrigues, parametri di Eulero, parametri di Rodriguez. Matrice di trasformazione. Inversa della matrice di trasformazione. Notazione di Denavit-Hartemberg. Equazioni di chiusura. Matrice Jacobiana. Vincoli di giunto. Coordinate dei punti di riferimento nello spazio 3D. Partizionamento generalizzato delle coordinate (2,3 CFU – 21 ore). 3. Dinamica spaziale: Momento di quantità di moto e momento delle forze di inerzia per corpi rigidi. Tensore di inerzia. Energia cinetica. Equazioni di Eulero-Lagrange. Tecnica di incorporamento. Formulazione aumentata (moltiplicatori di Lagrange). Principio della potenza virtuale. Metodo Newton-Raphson (1,6 CFU – 14 ore). 4. Simulazione multibody: Introduzione al software multibody HEXAGON ADAMS(corpi rigidi, giunti, trasformazioni rigide, forze esterne). Esempio di applicazione (0,8 CFU – 7 ore).

Conoscenze di base di analisi matematica, fisica e meccanica razionale.

Il Corso prevede lezioni sia teoriche che numeriche per l’apprendimento della modellazione fisica di sistemi complessi. In dettaglio: - La frequenza dell’insegnamento è facoltativa, ma fortemente consigliata. - Le strategie didattiche prevedono l’uso di lezioni teoriche al fine di migliorare le conoscenze e le capacità di comprensione degli studenti, nonché esempi di applicazione delle conoscenze ottenute. - L’insegnamento è erogato in lingua Inglese. - I libri di testo consigliati sono in lingua Inglese. - Le lezioni saranno erogate solamente in presenza.

Modalità d'esame

L’esame è suddiviso in due parti, una riguardante l'analisi modale sperimentale, l'altra la modellazione multibody. Per ciascuna parte la prova è costituita da un esame orale su tutto il programma trattato a lezione. Di norma vengono poste tre domande per ciascuna parte. L’esame è superato solo se si riporta una votazione sufficiente in entrambe le parti. Il tempo previsto per ciascuna delle due prove orali è di 45 minuti, ossia 90 minuti in totale. Per gli studenti in corso è possibile usufruire di una prova orale intermedia, sulla prima parte del corso (analisi modale sperimentale) e con le stesse modalità descritte sopra (3 domande, 45 minuti). Il voto finale è dato dalla media aritmetica delle valutazioni delle singole domande. Saranno stabilite sei date di appello nel corso dell'anno accademico. Gli studenti dovranno iscriversi agli appelli attraverso la piattaforma ESSE3.

Testi di riferimento

  • A. A. Shabana, Dynamics of Multibody Systems, Cambridge University Press. (for the part related to Multibody Simulation) - A. Brandt, Noise and Vibration Analysis: Signal Analysis and Experimental Procedures, John Wiley & Sons (for the part related to Experimental Modal Analysis)

Codice insegnamento 27112

Optimization Methods For Data-Driven Engineering Processes 1° anno · 1° semestre · 6 CFU · MATH-06/A · 0 file

Il corso fornisce conoscenze avanzate di ricerca operativa per la risoluzione di problemi decisionali in sistemi ingegneristici guidati dai dati. Si occupa in particolare dello studio e dello sviluppo di metodi di…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce conoscenze avanzate di ricerca operativa per la risoluzione di problemi decisionali in sistemi ingegneristici guidati dai dati. Si occupa in particolare dello studio e dello sviluppo di metodi di ottimizzazione, sia esatta che euristica, per problemi caratterizzati da condizioni di incertezza dei dati e dinamicità. Fornisce inoltre le basi teoriche e pratiche per la modellazione dei sistemi attraverso la simulazione a eventi discreti. Il corso aggiunge alle necessarie basi teoriche un abbondante uso di software in laboratorio e la presentazione di casi di studio reali derivanti dal campo dell’automazione digitale. Gli obiettivi formativi del corso, seguendo i descrittori di Dublino, sono i seguenti: (1) Conoscenza e capacità di comprensione. Attraverso le lezioni teoriche lo studente comprende i concetti e i metodi necessari per la risoluzione di problemi decisionali di particolare complessità. Tali metodi comprendono sia tecniche di ottimizzazione (quali la programmazione lineare intera) che di simulazione (quali la simulazione a eventi discreti). (2) Capacità di applicare conoscenza e comprensione. Attraverso le attività teoriche e di laboratorio lo studente apprende a modellare problemi decisionali in modo matematico, ad applicare metodologie di risoluzione di problemi, e ad utilizzare e integrare strumenti software. (3) Autonomia di giudizio. L’insegnamento fornisce agli studenti gli strumenti per valutare con spirito critico diverse tecniche per affrontare sistemi complessi, interpretando e confrontando le diverse soluzioni ottenute. (4) Abilità comunicative. Il lavoro di gruppo richiesto nell'attività laboratoriale del corso permette agli studenti di migliorare le loro capacità comunicative e di interazione reciproca. (5) Capacità di apprendimento. L’insegnamento fornisce le basi per l'applicazione di tecniche di ottimizzazione, simulazione e supporto alle decisioni su problemi ingegneristici guidati dai dati.

Programma

Il programma procederà affrontando i temi della parte teorica e di laboratorio secondo il seguente ordine: Simulazione - Teoria (1.5 ECTS, 13.5 ore): 1. Introduzione alle tematiche del corso 2. Simulazione a eventi discreti Simulazione - Laboratorio (1.5 ECTS, 13.5 ore): 3. Uso del software Anylogic per la simulazione. Ottimizzazione - Teoria (1.5 ECTS, 13.5 ore): 4. Richiami di Ricerca Operativa 5. Modelli matematici ed algoritmi euristici per l’ottimizzazione Ottimizzazione - Laboratorio (1.5 ECTS, 13.5 ore): 6. Ottimizzazione in Python.

Conoscenze di base di Matematica Discreta e di Informatica.

Il corso prevede lezioni teoriche ed esercitazioni pratiche dedicate alla soluzione di problemi decisionali guidati dai dati. Le attività teoriche potranno prevedere la presenza di esperti del settore provenienti dall’industria o da università internazionali. Per le attività laboratoriali gli studenti saranno divisi in gruppi di lavoro. Più in dettaglio: - la modalità di erogazione del corso è in presenza. - la frequenza dell’insegnamento è facoltativa, ma fortemente consigliata, soprattutto per approfittare del supporto che verrà fornito per lo sviluppo delle attività laboratoriali di gruppo. - le strategie didattiche prevedono l’uso di lezioni teoriche al fine di migliorare le conoscenze e le capacità di comprensione degli studenti, nonché l’applicazione stessa delle conoscenze ottenute. Prevedono inoltre attività laboratoriali da affrontarsi in gruppo, assieme al docente e al suo team di ricerca, al fine di migliorare le abilità di giudizio e comunicative degli studenti, nonché le capacità di interazione reciproca. - è prevista una visita presso un’azienda di grande rilevanza per l’automazione industriale. - l'insegnamento è erogato in lingua inglese. I libri di studio, sia per la teoria che per il laboratorio, sono in lingua inglese.

Modalità d'esame

  • Modalità di valutazione. La valutazione è svolta in due fasi. a) Tesina (50% del voto): composta da uno o più progetti informatici da svolgersi in gruppo utilizzando il linguaggio di programmazione Python e/o il software Anylogic. La tesina è assegnata durante il corso, con una precisa data massima di riconsegna. Il risultato del lavoro svolto deve essere presentato da parte degli studenti in aula. È indispensabile ottenere un voto positivo per passare al successivo esame teorico. Gli studenti che non riescono a svolgere la tesina durante il corso, potranno richiederne una successivamente, ma dovranno svolgere il lavoro da soli e non in gruppo. b) Esame teorico scritto (50% del voto): Domande su tutto il programma trattato nelle ore di lezione e di laboratorio. - Tempi. Il tempo previsto per la presentazione della tesina è di 15 minuti, seguito da 5 minuti di domande orali da parte della commissione. Gli studenti di ogni gruppo si devono organizzare in autonomia per decidere chi e in che ordine effettuerà la presentazione. Il tempo previsto per l'esame teorico è di 90 minuti. - Modalità di attribuzione del punteggio per il voto finale. Saranno stabilite sei date di appello nel corso dell'anno accademico per la presentazione della tesina, ed altre sei date per l'esame teorico. Gli studenti dovranno iscriversi agli appelli attraverso la piattaforma ESSE3. Due giorni prima della presentazione della tesina, i gruppi dovranno consegnare via email le slide della presentazione e gli elaborati. Dopo la presentazione il docente valuterà gli elaborati e comunicherà i voti via ESSE3. Gli studenti che riceveranno un voto sufficiente saranno ammessi al successivo esame teorico. Il voto della tesina rimane valido fino all'inizio del successivo corso (quindi fino all'appello di settembre incluso). L'esame teorico scritto avverrà in presenza. Ogni studente dovrà consegnare l'elaborato scritto al termine della prova. Il docente valuterà l'elaborato e consegnerà i voti tramite ESSE3. In caso di una prima valutazione negativa (insufficiente oppure sufficiente ma rifiutata dallo studente) dell’esame teorico scritto, il voto della tesina resterà valido. Alla seconda valutazione negativa, il voto della tesina andrà perso. Il voto finale sarà dato dalla media aritmetica tra il voto della tesina e il voto dell’esame teorico. - Materiali utili per sostenere la prova e consentiti durante la stessa. La presentazione del lavoro di gruppo può essere fatta usando il proprio computer portatile. Durante l'esame teorico scritto non è ammesso l'uso di nessun materiale informativo (slide, testi o altro), ma solo carta e penna.

Testi di riferimento

Le slide utilizzate durante il corso, nonché gli esercizi svolti in laboratorio assieme alle loro soluzioni saranno resi disponibili sulla piattaforma Moodle dedicata al corso. In aggiunta, sulla piattaforma saranno resi presentazioni di applicazioni reali delle tecniche mostrate a lezione. Gli studenti potranno approfondire i contenuti del corso attraverso i seguenti testi di studio. - F.S. Hillier, G.J. Liebermann, “Introduction to Operations Research”, Mc Graw Hill. - S. Mitchell et al., “Optimization with PuLP”, available at https://coin-or.github.io/pulp/ - I. Grigoryev, "Anylogic in three days. A quick course in simulation modeling", available at https://www.anylogic.com/resources/books/

Codice insegnamento 27108

Advanced Design And Management Of Automated Plants 2° anno · 1° semestre · 6 CFU · IIND-05/A · 0 file

Scopo del Corso è l’applicazione di principi di design e management per la produzione e i magazzini. Ciascun principio sarà discusso da un punto di vista teorico e applicato ad un esempio poi simulato tramite un…

Scheda dell'insegnamento

Obiettivi formativi

Scopo del Corso è l’applicazione di principi di design e management per la produzione e i magazzini. Ciascun principio sarà discusso da un punto di vista teorico e applicato ad un esempio poi simulato tramite un simulatore ad eventi discreti.

Programma

Introduzione (0,6 CFU, 5 ore) Introduzione alla simulazione ad eventi discreti. Step alla base di un progetto di simulazione. Simulazione di un sistema semplice tramite AutoMod (1,1 CFU, 10 ore) Introduzione al simulatore a eventi discreti AutoMod. Processi, risorse, code e load in AutoMod. Analisi del report della simulazione in AutoMod. Lancio di simulazioni multiple tramite AutoStat. Linee di produzione (1,1 CFU, 10 ore) Dimensionamento di una linea di produzione. Gestione di guasti e riparazioni in AutoMod. Throughput, cycle time e work in process in AutoMod. Legge di Little. Leggi alla base dei sistemi di produzione (1,1 CFU, 10 ore) Utilizzazione, bottleneck rate, raw processing time, critical work in process. Equivalenza fra sistemi bilanciati e sbilanciati in assenza di variabilità. Best case. Worst case. Practical worst case. Benchmark di una linea di produzione simulata tramite AutoMod. Kanban (1,1 CFU, 10 ore) Kanban produzione. Kanban prelievo. Simulazione di un sistema a kanban tramite AutoMod. Linea di assemblaggio manuale e valutazione ergonomica (0,4 CFU, 4 ore) Metodo Kottas-Lau. Simulazione di una linea di assemblaggio manuale. Valutazione ergonomica automatizzata delle stazioni di montaggio. Sistemi di trasporto automatizzati (0,6 CFU, 5 ore) Bilanciamento del numero di Automated Guided Vehicle (AGV). Simulazione di un sistema con AGV. Conoscenze base di probabilità e statistica. Conoscenze base di design e management di impianti industriali. Il corso è svolto tramite lezioni frontali in presenza ed esercizi svolti in classe tramite AutoMod, AutoStat e Python. La presenza non è obbligatoria ma fortemente consigliata. L’insegnamento è erogato in lingua inglese. Le versioni per studenti di AutoMod e AutoStat sono scaricabili, tramite un singolo download, gratuitamente a: https://appliedsmartfactory.com/semiconductor/supply-chain-solutions/simulation-automod/for-students-and-academics/ Python può essere scaricato gratuitamente a: https://www.python.org/downloads/ I software sono anche disponibili precaricati nelle machine virtuali dell’università: https://mydesk.unimore.it/

Modalità d'esame

L’esame si svolge al termine dell’insegnamento. Durante la pausa didattica è prevista una prova parziale, della durata di 1,5 ore, relativa agli argomenti trattati nella prima parte del corso e che concorre per il 50% alla determinazione del voto finale. Gli studenti che avranno superato la prova parziale sosterranno, al termine dell’insegnamento, una prova relativa alla seconda parte del corso, anch’essa della durata di 1,5 ore. Gli studenti che non avessero sostenuto la prova parziale o non avessero conseguito una valutazione sufficiente sosterranno invece una prova sull’intero programma, della durata di 3 ore. Ciascuna prova consiste in uno o due esercizi in cui è richiesto di svolgere un’analisi teorica del problema presentato, creare una simulazione del sistema analizzato e proporre una soluzione impiantistica motivata. Sono inoltre disponibili fino a 3 punti aggiuntivi, da sommare al voto d’esame, per gli studenti che partecipino ad attività laboratoriali inerenti al monitoraggio e all’ottimizzazione di attività svolte con operatori.

Testi di riferimento

Getting Started with AutoMod – 2nd Edition. Jerry Banks. Disponibile gratuitamente con AutoMod versione studenti. Dispense su Microsoft Teams: Appunti delle lezioni. Soluzioni degli esercizi svolti in classe. Esercizi in preparazione all'esame.

Codice insegnamento 27113

Computational Thermo-Fluid Dynamics 2° anno · 1° semestre · 6 CFU · IIND-07/A · 0 file

Il corso ha l’obiettivo di fornire allo studente una profonda conoscenza di metodi numerici, tecniche di discretizzazione e strategie di implementazione per l’analisi computazionale di problemi di meccanica dei fluidi…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha l’obiettivo di fornire allo studente una profonda conoscenza di metodi numerici, tecniche di discretizzazione e strategie di implementazione per l’analisi computazionale di problemi di meccanica dei fluidi e scambio termico a diverse scale, e, in maniera più generale, di problemi generici di ingegneria computazionale.

Programma

Il programma sarà suddiviso in una parte teorica (27 ore, 3 CFU) e una di laboratorio (27 ore, 3 CFU), in parallelo, secondo il seguente ordine: 1. Richiami di calcolo differenziale su campi vettoriali: (Teoria, 2 ore, 1 CFU) 2. Equazioni di governo del moto dei fluidi e di conservazione dell’energia (Teoria, 9 ore, 1 CFU) 3. Metodi di discretizzazione, differenze e volumi finiti. Accoppiamento velocità-pressione per flussi incomprimibili. (Teoria, 16 ore, 1.8 CFU). 4. Introduzione all’utilizzo del software OpenFOAM e tutorials guidati (Laboratorio, 14 ore, 1.5 CFU) 5. Modellazione di problemi 0D/1D in linguaggio Python (Laboratorio, 9 ore, 1 CFU) 6. Applicazione a casi di interesse e impostazione del project work (Laboratorio, 4 ore, 0.5 CFU) La scansione dei contenuti per CFU e numero di ore dedicate è da intendersi come indicativa; potranno essere introdotte modifiche nel corso dell’insegnamento

Conoscenze di base di analisi matematica, fisica tecnica, programmazione.

Il corso verrà erogato in lingua inglese e in presenza. Il corso prevede lezioni teoriche ed esercitazioni pratiche dedicate alla soluzione di problemi di termofluidodinamica computazionale. Circa il 50% del corso è composto da lezioni teoriche in aula, mentre il restante 50% circa è composto da attività laboratoriale che lo studente dovrà svolgere tipicamente in gruppo. Più in dettaglio: - la frequenza dell’insegnamento è facoltativa, ma fortemente consigliata, soprattutto per approfittare del supporto che verrà fornito per lo sviluppo delle attività laboratoriali di gruppo. - le strategie didattiche prevedono l’uso di lezioni teoriche al fine di migliorare le conoscenze e le capacità di comprensione degli studenti, nonché l’applicazione stessa delle conoscenze ottenute. Prevedono inoltre attività laboratoriali da affrontarsi in gruppo, assieme al docente e al suo team di ricerca, al fine di migliorare le abilità di giudizio e comunicative degli studenti, nonché le capacità di interazione reciproca.

Modalità d'esame

  • Modalità di valutazione. La valutazione è svolta in due fasi: 1) Tesina (50% del voto): sviluppo di un project work di gruppo utilizzando il software OpenFOAM e/o lo sviluppo autonomo di codice in Python. La tesina è assegnata durante il corso, con una precisa data massima di riconsegna. Il risultato del lavoro svolto deve essere presentato da parte degli studenti (in aula o in modalità on-line a seconda dell'evoluzione della pandemia Covid-19). È indispensabile ottenere un voto positivo per passare al successivo esame teorico. Gli studenti che non riescono a svolgere la tesina durante il corso, potranno richiederne una successivamente, ma dovranno svolgere il lavoro da soli. 2) Esame teorico orale (50% del voto): Domande su tutto il programma trattato nelle ore di lezione e di laboratorio. - Tempi. Il tempo previsto per la presentazione della tesina è di 15 minuti. Gli studenti di ogni gruppo si devono organizzare in autonomia per decidere chi e in che ordine effettuerà la presentazione. - Modalità di attribuzione del punteggio per il voto finale. Saranno stabilite almeno sei date di appello nel corso dell'anno accademico per la presentazione della tesina e il contestuale esame orale Gli studenti dovranno iscriversi agli appelli attraverso la piattaforma ESSE3. Il giorno prima della presentazione della tesina, i gruppi dovranno consegnare via email le slide della presentazione. incluso). Il voto finale sarà dato dalla media aritmetica tra il voto della tesina e il voto dell’esame teorico. - Materiali utili per sostenere la prova e consentiti durante la stessa. La presentazione del lavoro di gruppo può essere fatta usando il proprio computer portatile. Non sono previste prove intermedie

Testi di riferimento

Le slide utilizzate durante il corso, le registrazioni video sia della parte teorica che di laboratorio, e gli esercizi svolti in laboratorio assieme alle loro soluzioni saranno resi disponibili sulla piattaforma Moodle e/o MS Teams dedicata al corso prima di ogni lezione. In aggiunta, sulla piattaforma saranno resi disponibili esempi di tesine di ottimo livello svolte nei precedenti anni accademici e presentazioni di applicazioni reali delle tecniche sviluppate. Gli studenti potranno approfondire i contenuti del corso attraverso i seguenti testi di studio consigliati: - C.A.. Fletcher, Computational Techniques for Fluid Dynamics vol. 1 & 2, Springer - R.B. Bird, W.E. Stewart, E.N. Lightfoot, Transport Phenomena, Wiley - C. Greenshields, H. Weller, Notes on Computational Fluid Dynamics: General Principles, CFD Direct LTD

Codice insegnamento 27119

Digital Multiphysics Simulation For Machine Design 2° anno · 1° semestre · 6 CFU · IIND-03/A · 0 file

Questo corso è un modulo specialistico e applicativo all’interno del Corso di Laurea in Digital Automation Engineering, incentrato sull’analisi agli elementi finiti (FEA) come componente fondamentale dei moderni flussi…

Scheda dell'insegnamento

Obiettivi formativi

Questo corso è un modulo specialistico e applicativo all’interno del Corso di Laurea in Digital Automation Engineering, incentrato sull’analisi agli elementi finiti (FEA) come componente fondamentale dei moderni flussi di simulazione digitale. Progettato per supportare lo sviluppo di digital twin e sistemi pronti per l’automazione, il corso introduce i concetti base del metodo degli elementi finiti e progredisce verso la modellazione di problemi complessi, es. non lineari, dinamici e termo-meccanici. Il corso si focalizza strategicamente su fenomeni accoppiati di natura termo-meccanica, area cruciale nella simulazione di sistemi meccanici automatizzati e intelligenti. Gli studenti acquisiranno esperienza pratica nella creazione di modelli digitali ad alta fedeltà, nella simulazione di comportamenti complessi e nell’integrazione degli strumenti di simulazione strutturale. Al termine del corso, gli studenti saranno in grado di: • Dimostrare conoscenza e comprensione: acquisire una solida padronanza dei metodi agli elementi finiti applicati all’analisi strutturale e termo-meccanica di sistemi meccanici. • Applicare conoscenza e comprensione: utilizzare strumenti FEA sia in contesti di fisica singola sia multifisica (principalmente accoppiamento termo-meccanico) per simulare scenari reali. Sviluppare e validare modelli digitali di sistemi meccanici/meccatronici integrando concetti teorici con la pratica della simulazione. • Formulare giudizi informati: valutare criticamente e confrontare diverse strategie di simulazione per l’analisi di distribuzioni di stress, deformazioni ed effetti termici. Selezionare approcci di modellazione adeguati in base a requisiti ingegneristici e vincoli di sistema. • Comunicare efficacemente: presentare chiaramente e professionalmente i risultati delle simulazioni. Partecipare a discussioni tecniche e lavori di gruppo durante le esercitazioni di laboratorio, migliorando le competenze comunicative indispensabili in gruppi multidisciplinari. • Perseguire l’apprendimento autonomo: identificare e integrare nuovi strumenti, risorse e metodi nella tecnologia della simulazione. Adattare le strategie di apprendimento alle evoluzioni tecnologiche, supportando la competenza a lungo termine nell’ingegneria dell’automazione digitale.

Programma

1 CFU = 9 ore 1. Principi base di progettazione meccanica, meccanica dei solidi e comportamento dei materiali (1,5 CFU) 2. Introduzione al metodo agli elementi finiti (1,5 CFU) 3. Applicazioni (3 CFU): 3.1) Analisi statica: problemi strutturali sotto carichi statici. 3.2) Analisi termica: simulazioni di stress termici e tensioni residue in condizioni stazionarie e/o transitorie. 3.3) Analisi dinamica: problemi strutturali sotto carichi dinamici. 3.4) Simulazioni multifisiche: esplorazione delle interazioni tra diverse fisiche nei problemi di progettazione. Le lezioni includono sessioni pratiche guidate dall’istruttore con strumenti di simulazione digitale (ABAQUS/Standard, MATLAB). L’assegnazione degli ECTS e i contenuti possono essere adattati in base all’andamento della classe, interessi, conoscenze pregresse o altre necessità, per garantire la coerenza con gli obiettivi formativi e le esigenze degli studenti.

È utile una conoscenza di base di algebra lineare, familiarità con il CAD e concetti fondamentali di meccanica dei materiali per seguire pienamente il corso. Tuttavia, sono incoraggiati ad iscriversi anche studenti motivati e desiderosi di apprendere, poiché i concetti essenziali saranno rivisitati quando necessario.

Il corso sarà svolto in inglese e includerà lezioni teoriche ed esercitazioni pratiche focalizzate sull’applicazione del metodo degli elementi finiti. L’insegnamento sarà in presenza tramite lezioni, esercizi e materiali didattici forniti dall’istruttore, oltre a software specializzati. La frequenza non è obbligatoria, ma fortemente consigliata. Materiali e comunicazioni saranno distribuiti via MS Teams. Uso degli strumenti di Intelligenza Artificiale Generativa (GenAI). Per il presente insegnamento si applicano integralmente le Linee guida dell’Università degli Studi di Modena e Reggio Emilia per l’utilizzo di strumenti di Intelligenza Artificiale, disponibili sul sito web di Ateneo, alle quali gli studenti sono tenuti ad attenersi. Per quanto non espressamente disciplinato nel presente syllabus, si applicano le disposizioni contenute nelle citate Linee guida di Ateneo.

Modalità d'esame

La valutazione finale comprenderà: 1. Compiti a casa (45%): tre esercitazioni principalmente di modellazione, valutate in trentesimi, ciascuna con peso del 15%. Utilizzo di strumenti di Intelligenza Artificiale Generativa nei compiti a casa: per ciascun compito, la relativa traccia specificherà le condizioni di utilizzo degli strumenti di Intelligenza Artificiale Generativa (GenAI), indicando in particolare gli usi consentiti, limitati e/o non consentiti e, ove richiesto, le modalità con cui tale utilizzo dovrà essere dichiarato o documentato. Gli studenti sono tenuti a rispettare le indicazioni riportate nella traccia del singolo compito e, in ogni caso, le Linee guida di Ateneo sull’utilizzo dell’Intelligenza Artificiale vigenti al momento dello svolgimento dell’attività. 2. Esame finale scritto (55%): valutato in trentesimi, composto da 5 domande a scelta multipla e 2 problemi aperti. È necessario aver completato i compiti a casa per poter sostenere l’esame. A meno di accordi diversi nella prima settimana, l’esame sarà diviso equamente: 15 punti per le domande a scelta multipla (una sola risposta ammessa) e 15 per i problemi aperti. Durante l’esame finale è consentito esclusivamente l’utilizzo di penna a inchiostro nero o blu, calcolatrice non programmabile, riga e compasso. Eventuali ulteriori materiali consentiti durante la prova saranno comunicati dal docente nel corso delle lezioni e pubblicati sulla piattaforma didattica dell’insegnamento con congruo anticipo rispetto alla data dell’esame. Non è consentito l’uso di dispositivi elettronici diversi dalla calcolatrice, quali, a titolo esemplificativo e non esaustivo, telefoni cellulari, smartphone, tablet, computer portatili e smartwatch, né di qualsiasi dispositivo che consenta l’accesso a strumenti di Intelligenza Artificiale Generativa o ad altre risorse digitali. Restano valide le disposizioni previste dalle Linee guida di Ateneo sull’utilizzo della GenAI. Ripartizione voti: • Compito 1: 15% • Compito 2: 15% • Compito 3: 15% • Esame finale: 55% Ogni componente è valutata in trentesimi; il voto finale sarà anch’esso in trentesimi. I risultati saranno pubblicati su ESSE3 entro due settimane dall’esame. Esempio di calcolo voto finale: Compito 1: 25/30 × 0.15 = 3,75 Compito 2: 27/30 × 0.15 = 4,05 Compito 3: 24/30 × 0.15 = 3,60 Esame finale: 21/30 × 0.55 = 11,55 Totale = 3,75 + 4,05 + 3,60 + 11,55 = 22,95 → arrotondato a 23/30 Adeguamenti delle modalità di verifica: In casi eccezionali possono essere modificati il numero degli esercizi o la ripartizione del peso tra prove scritte e compiti, sempre nel migliore interesse degli studenti e con comunicazione preventiva.

Testi di riferimento

Gli appunti e i materiali didattici forniti dal docente, insieme agli appunti presi durante le lezioni, costituiscono il principale materiale didattico del corso. Ulteriori riferimenti bibliografici consigliati per gli studenti interessati ad approfondire gli argomenti del corso sono riportati di seguito. Si segnala che, negli insegnamenti avanzati di ingegneria, non è generalmente possibile fare riferimento a un unico testo, data la natura altamente specialistica degli argomenti trattati. Il materiale pertinente è invece tipicamente distribuito tra diverse fonti. Di seguito sono riportati alcuni riferimenti consigliati relativi agli argomenti trattati nel corso. • A. Bower, Applied Mechanics of Solids, CRC Press, 2010. • K. J. Bathe, Finite Element Procedures, Prentice-Hall, Englewood Cliffs, 1996. • Getting Started with ABAQUS – Interactive Edition. • R. D. Cook, D. S. Malkus, M. E. Plesha, R. J. Witt, Concepts and Applications of Finite Element Analysis, 4ª ed., John Wiley & Sons, 2002. • A. C. Ugural, S. K. Fenster, Advanced Mechanics of Materials and Applied Elasticity, 6ª ed., Pearson, 2019.

Codice insegnamento 27120

Distributed And Internet Of Things Software Architectures 2° anno · 1° semestre · 6 CFU · IINF-05/A · 0 file

In termini di conoscenza e comprensione, gli obiettivi del corso sono i seguenti: - Fornire allo studente una conoscenza di base dei principali principi di funzionamento relativi alle architetture software distribuite…

Scheda dell'insegnamento

Obiettivi formativi

In termini di conoscenza e comprensione, gli obiettivi del corso sono i seguenti: - Fornire allo studente una conoscenza di base dei principali principi di funzionamento relativi alle architetture software distribuite con un focus specifico sui pattern di comunicazione, principi di design e pattern di sviluppo - Analizzare ed applicare i pattern studiati ai sistemi Cyber-Physical e di Internet of Things, con particolare attenzione al tema dell’interoperabilità, alla progettazione e alla sviluppo delle architetture end-to-end; - Fornire allo studente una conoscenza applicata basata sull'utilizzo delle principali tecniche di sviluppo software, piattaforme, architetture a microservizi attraverso l’utilizzo di scenari reali, un testbed per la sperimentazione ed il deployment, dispositivi IoT in laboratorio e service edge/cloud - Fornire una visione sui trend tecnologici e di ricerca che riguardano il mondo dei sistemi distribuiti intelligenti e dell’Internet of Things

Programma

Il corso è suddiviso in una parte di didattica frontale ed una parte di laboratori ed esercitazioni pratiche. La prima parte è dedicata all'introduzione dei sistemi distribuiti e del relativo sviluppo software con un focus specifico sui pattern di comunicazione e la loro integrazione all'Internet of Things (IoT). Le lezioni forniranno un’analisi dei principali protocolli di comunicazione da utilizzare in funzione del pattern di comunicazione e una descrizione dei principali approcci architetturali, tematiche legate al Web of Things e all’interoperabilità e argomenti relativi al rapporto tra IoT, Cloud ed Edge Computing. La seconda parte è invece dedicata al laboratorio e alla sperimentazione diretta delle tecnologie IoT ed architetture presentate. Gli studenti verranno introdotti ai principali protocolli, linguaggi, piattaforme e librerie di programmazione e ai tool ed approcci di sviluppo di livello applicativo allo stato dell’arte. La parte di laboratorio termina con l'assegnazione di un progetto (singolo o di gruppo), che consiste nel design e nello sviluppo di un'applicazione IoT completa (sfruttando anche i nodi e i device del laboratorio) e nella successiva stesura di una relazione di progetto. Il voto finale è un valore medio (pesato) dei voti di una prova scritta del progetto. Il corso è così strutturato (Totale: 6 ECTS, 54 ore): 1. Distributed System & Internet of Things Overview (1 ECTS – 9 ore) a. Software Development Patterns Overview b. Centralized, Decentralized and Distributed Systems c. Internet of Things & Cyber-Physical Systems 2. Protocols & Communication Patterns (2 ECTS – 18 ore) a. RESTful & Request/Response Communication Pattern b. HTTP & CoAP RESTful Protocols Overview c. Pub/Sub & Event Driven Communication Pattern d. Interoperability & Heterogeneity Management 3. Distributed Infrastructure (1 ECTS – 9 ore) a. Cloud Computing b. Edge Computing c. Cloud, Edge & IoT d. End-To-End Architecture Design 4. Building Distributed Software Architectures (2 ECTS – 18 ore) a. Monolithic & Microservice Architectures b. Microservices Patterns c. Event-Driven Microservices d. Microservice Technologies & Software Design

Le uniche conoscenze richieste sono delle basi di programmazione in uno dei linguaggi principali (tra Python, Java, C/C++)

Modalità d'esame

Valutazione: Voto Finale - Frequenza: Non obbligatoria

Testi di riferimento

Le slide utilizzate durante il corso sia della parte teorica che di laboratorio, e gli esercizi svolti in laboratorio assieme alle loro soluzioni saranno resi disponibili sulla piattaforma ufficiale dedicata al corso. Gli studenti potranno approfondire i contenuti del corso attraverso i seguenti testi di studio consigliati: - J. P. Vasseur and A. Dunkels, “Interconnecting Smart Objects with IP,” Morgan Kaufmann, 2010 - Monolith to Microservices: Evolutionary Patterns to Transform Your Monolith. Sam Newman. 2019 - Building Event-Driven Microservices: Leveraging Organizational Data at Scale. Adam Bellemare. 2020 - Architecture Patterns With Python: Enabling Test-Driven Development, Domain-Driven Design, and Event-Driven. Bob Gregory Harry J.W. Percival. 2020

Codice insegnamento 27115

Distributed Control Systems 2° anno · 1° semestre · 6 CFU · IINF-04/A · 0 file

Gli obiettivi formativi del corso consistono nel fornire conoscenze avanzate nell’ambito del controllo di sistemi distribuiti, che consistono nell’interconnessione di agenti eterogenei che interagiscono tra loro per…

Scheda dell'insegnamento

Obiettivi formativi

Gli obiettivi formativi del corso consistono nel fornire conoscenze avanzate nell’ambito del controllo di sistemi distribuiti, che consistono nell’interconnessione di agenti eterogenei che interagiscono tra loro per raggiungere un obiettivo comune. Tali sistemi possono coinvolgere diverse tipologie di agenti, come robot, macchine automatiche, sensori, e utenti umani. In particolare, il corso ha l’obiettivo di fornire le conoscenze necessarie per la modellazione, il controllo e la simulazione di tali sistemi. Il dettaglio degli obiettivi è disponibile nella sezione relativa ai risultati di apprendimento attesi.

Programma

1. Introduzione ai sistemi di controllo distribuiti (0.5 CFU) 2. Architetture di controllo centralizzate e decentralizzate (0.5 CFU) - definizioni - esempi di applicazione 3. Modellazione di un sistema di controllo distribuito mediante grafi (1 CFU) - metodologie di stima e decisioni distribuite - metodologie di controllo di sistemi robotici distribuiti (es. flotte di veicoli) 4. Sistemi distribuiti con ritardi di comunicazione (1 CFU) - modellazione e definizione - problemi causati dal ritardo (stabilità) - soluzione ai problemi di ritardo 5. Sistemi distribuiti che includono l’utente (1.5 CFU) - modellazione dell’utente (come l’utente percepisce l’interazione, caratterizzazione degli stati cognitivi, mentali, fisici durante l’interazione) - comunicazione tra utente e sistema di controllo (HMI, usabilità) - sistemi che si adattano alle esigenze dell’utente 6. Applicazioni e attività pratiche (1.5 CFU) - modellazione e controllo di sistemi distribuiti mediante Matlab, ROS e altri simulatori

Conoscenze di base di informatica, di teoria del controllo, di modellazione e controllo di robot, e di teoria dei grafi.

Il corso prevede lezioni teoriche in aula in cui verranno illustrati i contenuti teorici previsti nell’insegnamento. Alle lezioni teoriche si affiancano esercitazioni di laboratorio che illustrano metodi per modellazione, simulazione, analisi e controllo di sistemi distribuiti utilizzando software e sistemi di simulazione. La modalità di erogazione del corso è in presenza. L’insegnamento è erogato in lingua inglese. La frequenza è facoltativa ma fortemente consigliata.

Modalità d'esame

L’esame prevede la realizzazione e discussione di un progetto e una prova orale individuale sugli argomenti teorici del corso. Il progetto può essere svolto individualmente o in gruppo; la prova orale e la valutazione della preparazione teorica sono in ogni caso individuali. Studenti frequentanti - Il progetto viene sviluppato progressivamente durante il corso. Una parte delle ore di lezione è dedicata al lavoro progettuale, con il supporto dei docenti, in modo da applicare progressivamente gli argomenti teorici presentati durante il corso. - Il progetto deve affrontare i principali aspetti trattati nel corso. I diversi argomenti possono avere un peso differente a seconda dello specifico progetto; eventuali aspetti non inclusi devono essere adeguatamente motivati dal punto di vista tecnico. - Indicativamente a metà corso è prevista una presentazione intermedia, finalizzata a illustrare il problema affrontato, i requisiti, le principali scelte progettuali e lo stato di avanzamento del lavoro. - Al termine del corso è prevista una presentazione finale, nella quale vengono illustrati il sistema sviluppato, le soluzioni implementate e i principali risultati ottenuti. - La valutazione è completata da una prova orale individuale, che può prendere spunto dal progetto e riguarda la conoscenza e la comprensione di tutti gli argomenti teorici trattati durante il corso. Studenti non frequentanti - Il progetto può essere svolto individualmente o in gruppo. - Il tema del progetto deve essere preventivamente concordato con i docenti. Gli studenti devono inviare un documento descrittivo contenente lo scenario considerato, gli obiettivi, le principali funzionalità previste e una descrizione preliminare della soluzione proposta. Il progetto potrà essere sviluppato dopo la conferma della proposta da parte dei docenti. - Il progetto deve prevedere l’applicazione dei principali argomenti trattati durante il corso. Qualora uno o più argomenti non risultino applicabili allo specifico progetto, la loro esclusione deve essere esplicitamente indicata e adeguatamente motivata dal punto di vista tecnico. - Gli studenti devono inviare ai docenti un report dettagliato sul progetto almeno una settimana prima della data dell’esame. Il report deve descrivere il problema affrontato, le scelte progettuali e metodologiche, la soluzione implementata e i risultati ottenuti. - Il giorno dell’esame è prevista una presentazione del progetto, durante la quale devono essere illustrati gli obiettivi, l’architettura del sistema, le principali scelte progettuali e i risultati raggiunti. - La presentazione deve essere accompagnata da una dimostrazione dal vivo (live demo) del sistema sviluppato, finalizzata a verificarne il funzionamento. - Segue una prova orale individuale sugli argomenti teorici dell’intero corso. Nel caso di progetto svolto in gruppo, ciascuno studente deve essere in grado di discutere il progetto nel suo complesso, oltre a dimostrare individualmente la propria preparazione teorica.

Testi di riferimento

Slide e appunti dalle lezioni verranno caricati dai docenti sulla pagina Moodle del corso, con aggiornamenti settimanali. Textbook: Lectures on Network Systems, F. Bullo, Kindle Direct Publishing, 2022. http://motion.me.ucsb.edu/book-lns

Codice insegnamento 27114

Final Examination 2° anno · 15 CFU · 0 file
High Performance Computing For Advanced Physical Analysis 2° anno · 2° semestre · 6 CFU · PHYS-04/A · 0 file

Il corso intende fornire allo studente le conoscenze necessarie per comprendere il funzionamento di architetture HPC (High Performance Computing), nozioni di base di calcolo parallelo e conoscenze preliminari per la…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire allo studente le conoscenze necessarie per comprendere il funzionamento di architetture HPC (High Performance Computing), nozioni di base di calcolo parallelo e conoscenze preliminari per la gestione di calcoli scientifici su macchine ad alte prestazioni. Al termine dell’insegnamento lo studente dovrà essere in grado di: -Sottomettere simulazioni numeriche su piattaforme HPC. -Risolvere, attraverso le conoscenze acquisite, semplici esercizi di programmazione parallela scegliendo autonomamente le metodiche di analisi dei problemi. -Sviluppare la capacità di esporre in modo chiaro, rigoroso e conciso i concetti affrontati nel corso. -Sviluppare la capacità di approfondire in modo autonomo aspetti collaterali agli argomenti proposti durante il corso.

Programma

L’insegnamento si svolge nel secondo semestre del secondo anno, per un totale di 54 ore di lezioni teoriche più attività legate alle esercitazioni (per un totale di 6 CFU). I contenuti sotto riportati sono da considerarsi indicativi e potrebbero essere integrati o parzialmente modificati in funzione di situazioni contingenti o alla luce di feedback da parte degli studenti. La suddivisione in CFU è puramente indicativa. -- PARTE 1 (19 ore 2 CFU) INTRODUZIONE AL FORTRAN [10 ore] • Cenni storici • introduzione ai compilatori • Sintassi di base • Input/Output • Operatori Predefiniti • Costruttori condizionali ed interattivi • Procedure, funzioni intrinseche, vettori e matrici, arrays • Tipi derivati CALCOLO SCIENTIFICO CON PYTHON [9 ore] • Introduzione al Python • Jupyter Lab • Basic types e strutture dati • Controllo dei flussi, I/O • Funzioni e Classi • Errori ed eccezioni • Comprensione di elenchi e generatori • Numpy arrays, array slicing • Soluzione di problem di algebra lineare (Operazioni matrici-matrici, norma, traccia, calcolo del determinante, inversion di matrici, autovalori ed autovettori, sistemi di equazioni lineari), metodi statistici (ordinamento, media, varianza, correlazione, istogrammi, random sampling) • Trasformazioni discrete di Fourier • Integrazione numerica, soluzioni di ODEs and PDEs • Ottimizzazione ed interpolazione -- PARTE 2 (35 ORE, 4 CFU) INTRODUZIONE AL CALCOLO PARALLELO [17 ore] • Introduzione ai sistemi HPC • Introduzione al paradigma MPI • MPI point to Point • Collective MPI • Jacobi solver: parallelizzazione • Tipi derivati MPI • Comunicatori MPI e Topologie Virtuali • MPI avanzato • OpenMP: concetti di base CALCOLO PARALLELO CON PYTHON [4 ore] MPI con mpi4py • Comunicatori Point-to-point: send, recv, deadlock, sendrecv, halo exchange, comunicazioni non bloccanti. • Comunicazioni Collettive Analisi Fisica Avanzata [14 ore] • Accenni di dinamica Molecolare • Analisi delle traiettorie MD: calcolo della funzione di distribuzione radiale • Spettroscopia computazionale: simulazione di spettri vibrazionali (IR, Raman)

Conoscenze di base di python e Fortran

Modalità d'esame

Valutazione: Voto Finale - Frequenza: Non obbligatoria

Testi di riferimento

  • Modern Fortran explained, Michael Metcalf, John Reid, Malcolm Cohen - Introduction to High Performance Computing for Scientists and Engineers__Chapman, G. Hager and G. Wellein. - Dispense del Docente date a cadenza settimanale.

Codice insegnamento 27117

Material Design And Optimization In Digital Manufacturing 2° anno · 1° semestre · 6 CFU · IMAT-01/A · 0 file

L'industria manifatturiera del futuro deve essere sempre più competitiva e lo sviluppo del prodotto deve essere progettato per ogni specifica funzione con attenzione a sostenibilità, ambiente, energia, mobilità e…

Scheda dell'insegnamento

Obiettivi formativi

L'industria manifatturiera del futuro deve essere sempre più competitiva e lo sviluppo del prodotto deve essere progettato per ogni specifica funzione con attenzione a sostenibilità, ambiente, energia, mobilità e salute in un contesto generale principalmente guidato dalla digitalizzazione. L'analisi dei dati e la progettazione assistita da computer possono essere utilizzate per derivare soluzioni ad hoc nella scienza e nelle tecnologie dei materiali, nonché per spiegare le prestazioni finali e quali fattori direttamente influiscono su di esse per promuovere l'ottimizzazione. L'obiettivo del corso è quello di arricchire la conoscenza e la comprensione degli studenti nell’ambito di materiali e processi produttivi ad alte prestazioni attraverso l'impiego di metodi di progettazione e modellazione razionali. Questi approcci, basati sulla matematica, sono in grado di ottimizzare le proprietà finali dei materiali e i parametri di processo correlati alla loro progettazione, produzione e riciclaggio. Gli studenti miglioreranno la loro capacità di applicare la conoscenza e la comprensione attraverso attività teoriche e di laboratorio utilizzando strumenti software. Il corso fornisce agli studenti autonomia di giudizio valutando criticamente diversi materiali e soluzioni per migliorare la tecnologia e la produzione. Il lavoro di gruppo richiesto nell'attività progettuale del corso consente agli studenti di migliorare le proprie capacità comunicative e di interazione reciproca. Inoltre, il corso fornisce capacità di apprendimento per l'applicazione delle principali classi di materiali, dell’analisi dei dati e della simulazione nella produzione innovativa e digitale.

Programma

Il corso corrisponde a 6 CFU e quindi a 54 ore complessive di lezioni frontali, esercitazioni, sviluppo progettuale e discussione aperta. a. Fondamentali per i materiali ad alte prestazioni nella fabbrica digitale: struttura dei materiali, cristalli e amorfi, difetti e correlazione con le proprietà, i modelli e l'interpretazione dei materiali principali. Strutture intelligenti, nanomateriali e nanotecnologie. (18 ore 2 CFU) b. Tecnologia: tecnologia dei circuiti stampati e materiali per circuiti ad alto strato e circuiti a film sottile. Strategie bottom-up e top-down nei materiali nanostrutturati: tecnologie di processo. Stampa 3D. Design per il riciclaggio, lo smontaggio, la durata, l'aggiornamento. (13,5 ore 1,5 CFU) c. Materiali conduttori, semiconduttori e superconduttori: meccanismo e principali applicazioni, intrinseche e non, meccanismi di drogaggio e impurità, cristalli e relative strutture, elaborazioni tecnologiche. Interfacce, trattamenti di rivestimento e ingegneria delle superfici. Materiali funzionalmente classificati con diverse interfasi. Materiali per Energy harvesting, batterie allo stato solido. (13,5 ore 1,5 CFU) d. Materiali ottici, Materiali magnetici e piezoelettrici: ottica lineare e non lineare, materiali inorganici e organici per l'elettronica (LASER, OFET, OLED, OLET, Celle solari a base di materiali organici, Celle solari sensibilizzate con coloranti DSSC ecc.) (4 ore 0,5 CFU) e. Materiali e compositi intelligenti per condizioni ambientali estreme come alta temperatura (e/o pressione), rischio biologico e chimico. (4 ore 0,5 CFU) Il corso consisterà in lezioni frontali, esercitazioni mediante l'utilizzo di software dedicati, attività progettuali in collaborazioni con imprese locali e multinazionali e seminari di colleghi UE e USA.

nessuno

Il corso è erogato in lingua inglese e prevede lezioni teoriche e l'utilizzo di strumenti analitici per la progettazione dei materiali e l'ottimizzazione dei processi attraverso esercitazioni di laboratorio (software dedicato). Se possibile, possono essere organizzati seminari tematici e visite guidate. - la modalità di erogazione del corso è in presenza. In ogni caso, saranno messi a disposizione sulla piattaforma TEAMS le slide del corso prima di ogni lezione e i video sia delle lezioni che delle esercitazioni svolte settimanalmente. - la frequenza dell’insegnamento è facoltativa, ma fortemente consigliata, soprattutto per approfittare del supporto che verrà fornito per lo sviluppo delle attività laboratoriali di gruppo. E' obbligatorio svolgere un'attività progettuale da esporre in una giornata dedicata al termine del corso. Saranno attività di gruppo (massimo 4 persone) su argomenti di approfondimento degli argomenti del corso. La discussione del progetto e delle relative domande/chiarimenti si terrà in lingua inglese. Verrà dato riscontro a chi, durante questo progetto, coinvolgerà autonomamente le aziende del territorio. Il tempo previsto per la presentazione della tesina è di 15-20 minuti. Gli studenti di ogni gruppo si devono organizzare in autonomia per decidere chi e in che ordine effettuerà la presentazione. Chi non presenterà il progetto nella giornata dedicata dovrà presentarlo autonomamente su richiesta al docente nelle due date disponibili stabilite nella sessione di esami.

Modalità d'esame

L'esame sarà orale e sono previste 3 domande di cui una relativa all'attività progettuale svolta durante l'anno e altre due su argomenti del corso. Ogni domanda presenterà sotto-domande tematiche relative agli obiettivi di apprendimento e ai contenuti del corso precedentemente descritti. Non sono previste prove intermedie. Saranno stabilite minimo sei date di appello nel corso dell'anno accademico per l'esame orale . Gli studenti dovranno iscriversi agli appelli attraverso la piattaforma ESSE3.Il voto è il risultato della media ponderata delle valutazioni delle due componenti dell'esame con i seguenti pesi: - Attività di progetto: 2/30 - Esame orale: 28/30

Testi di riferimento

Le slide utilizzate durante il corso, le registrazioni video sia della parte teorica che di laboratorio, e gli esercizi svolti in laboratorio assieme alle loro soluzioni saranno resi disponibili sulla piattaforma TEAMS dedicata al corso. Gli studenti potranno approfondire i contenuti del corso attraverso i seguenti testi di studio consigliati: 1.Manuale dei Materiali per l'Ingegneria, a cura di AIMAT, McGraw-Hill, Milano 1996 2.W.F. Smith, Scienza e Tecnologia dei Materiali, McGraw-Hill, Milano1995 3. Comportamento meccanico dei materiali, P.Davoli, A. Bernasconi, M. Filippini, S. Foletti, McGraw-Hill, 2005 4. Progettazione e analisi degli esperimenti, D.C. Montgomery, McGraw-Hill, maggio 2005 5. Molecular Modeling: Principles and Applications 2nd Edition, A. Leach, Pearson Eds

Codice insegnamento 27124

Multi Physics Flow Modelling 2° anno · 2° semestre · 6 CFU · IIND-06/B · 0 file

Il corso si propone di introdurre allo studente le competenze di base necessarie per la modellazione del flusso dei fluidi e del trasferimento di calore in processi e componenti industriali. Il corso tiene conto delle…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di introdurre allo studente le competenze di base necessarie per la modellazione del flusso dei fluidi e del trasferimento di calore in processi e componenti industriali. Il corso tiene conto delle diverse applicazioni nell'industria di processo e nella progettazione di componenti e descrive la metodologia numerica richiesta per eseguire la simulazione del flusso di fluidi e dei fenomeni di scambio termico. Il corso fornisce conoscenze di base sulle tecniche di meshing, approccio alla turbolenza, flussi comprimibili e multifase e metodologie multi-fisiche per la soluzione di applicazioni industriali. (1) Conoscenza e capacità di comprensione. Conoscenza e comprensione delle principali metodologie per la simulazione numerica basata su un approccio a CFD per l'analisi dei sistemi idraulici industriali. Conoscenza e comprensione delle principali metodologie per la simulazione numerica basata su un approccio multidimensionale (multifase e multicomponente) per l'analisi di sistemi idraulici industriali. Conoscenza e comprensione delle procedure per la progettazione di sistemi idraulici industriali integrando le metodologie riesaminate a lezione. (2) Capacità di applicare conoscenza e comprensione. Utilizzo delle competenze apprese in fase di progettazione di componenti idraulici attraverso la simulazione fluidodinamica. (3) Autonomia di giudizio. Gli studenti saranno in grado di effettuare valutazioni autonome sui diversi approcci progettuali per lo sviluppo fluidodinamico di un componente o di un sistema e valutarne gli aspetti positivi e quelli da migliorare. (4) Abilità comunicative. La presentazione orale del progetto finale mira a migliorare le capacità comunicative, di sintesi e di presentazione del proprio lavoro. La presentazione orale del progetto finale mira a migliorare le capacità comunicative, di sintesi e di presentazione del proprio lavoro. (5) Capacità di apprendimento. Capacità di apprendimento permanente attraverso il confronto di diverse fonti e metodi ingegneristici e l'acquisizione di senso critico.

Programma

Il programma prevede sia una parte teorica che una parte pratica per lo sviluppo dei seguenti argomenti: 1. Meshing: Metodologie per la creazione di un dominio computazionale di geometrie complesse (0.5 ECTS) 2. Turbolenza: Approcci numerici per la modellazione di flussi turbolenti. (1 ECTS) 3. Flussi comprimibili: Approcci numerici per la simulazione di flussi comprimibili. (1 ECTS) 4. Flussi multifase: Descrizione di modelli numerici per la simulazione di flussi con presenza di più fasi (gassosi – liquida – solida). (1.5 ECTS) 5. Multi physics: Approcci numerici per l’integrazione nella simulazione termofluidodinamica di altri fenomeni fisici (flussi reattivi, interazione fluido-struttura, campi elettromagnetici). (2 ECTS)

Conoscenza di base di Termofluidodinamica

Il corso prevede lezioni teoriche ed esercitazioni pratiche dedicate alla soluzione di casi applicativi industriali. Circa il 50% del corso è composto da lezioni teoriche in aula, mentre il restante 50% circa è composto da attività di laboratorio. Più in dettaglio: - la modalità di erogazione del corso in presenza. - la frequenza dell’insegnamento è facoltativa, ma fortemente consigliata, soprattutto per approfittare del supporto che verrà fornito per lo sviluppo delle attività laboratoriali di gruppo. - le strategie didattiche prevedono l’uso di lezioni teoriche al fine di migliorare le conoscenze e le capacità di comprensione degli studenti, nonché l’applicazione stessa delle conoscenze ottenute. Prevedono inoltre attività laboratoriali da affrontarsi in gruppo, assieme al docente e al suo team di ricerca, al fine di migliorare le abilità di giudizio e comunicative degli studenti, nonché le capacità di interazione reciproca. - l'insegnamento è erogato in lingua inglese.

Modalità d'esame

  • Modalità di valutazione. La valutazione è svolta sulla base della discussione di una tesina in cui ogni candidato deve sviluppare autonomamente un progetto mediante il Software di simulazione CFD STAR-CCM+. La tesina è assegnata durante il corso e il risultato del lavoro svolto deve essere presentato da parte di ciascun studente durante l’esame. Non è prevista una prova intermedia. - Tempi. Il tempo previsto per la presentazione della tesina è di 30 minuti a cui segue un periodo per le domande sul lavoro svolto da parte del docente. - Modalità di attribuzione del punteggio per il voto finale: media aritmetica della valutazione della qualità del lavoro svolto per la tesina, della esposizione della tesina e delle risposte fornite. Il voto finale viene notificato direttamente alla fine della discussione del progetto. Saranno stabilite otto date di appello nel corso dell'anno accademico per la presentazione e discussione della tesina. Gli studenti dovranno iscriversi agli appelli attraverso la piattaforma ESSE3 Non sono previse prove intermedie. - Materiali utili per sostenere la prova e consentiti durante la stessa. La presentazione del lavoro svolto per la tesina può essere fatta usando il proprio computer portatile. Durante l'esame non è ammesso l'uso di nessun materiale informativo

Testi di riferimento

Le slide utilizzate durante il corso, le registrazioni video sia della parte teorica che di laboratorio, e gli esercizi svolti in laboratorio assieme alle loro soluzioni saranno resi disponibili sulla piattaforma dolly dedicata al corso. Gli studenti potranno approfondire i contenuti del corso attraverso i seguenti testi di studio consigliati: - H K Versteeg and W Malalasekera - An Introduction to Computational Fluid Dynamics: The Finite Volume Method – Ed. Pearson

Codice insegnamento 27118

Organizing For Digital Transformation 2° anno · 2° semestre · 6 CFU · IEGE-01/A · 0 file

Il corso indaga le opportunità e le sfide che la trasformazione digitale comporta per individui e organizzazioni e, in particolare, i fattori critici di natura tecnologica, istituzionale, organizzativa, strategica e…

Scheda dell'insegnamento

Obiettivi formativi

Il corso indaga le opportunità e le sfide che la trasformazione digitale comporta per individui e organizzazioni e, in particolare, i fattori critici di natura tecnologica, istituzionale, organizzativa, strategica e comportamentale che influiscono sull’abilità delle organizzazioni di adottare percorsi di trasformazione digitale di successo. Il corso affronterà il problema della trasformazione digitale sia dal punto di vista dei driver, indagando nuove tendenze come le politiche per la digitalizzazione e l'imprenditoria digitale, sia dal punto di vista della gestione del cambiamento, concentrandosi sulle strategie per gestire i cambiamenti del lavoro e dell'organizzazione aziendale, con particolare attenzione alla progettazione dell’organizzazione a progetto. I risultati formativi attesi alla fine del corso, seguendo i descrittori di Dublino, sono i seguenti: (1) Conoscenza e comprensione. Attraverso le lezioni teoriche, letture e discussioni approfondite lo studente acquisisce la comprensione dei meccanismi e dei vantaggi competitivi dei modelli di business digitali e delle organizzazioni progettuali in una varietà di settori. (2) Capacità di applicare conoscenza e comprensione. Attraverso lezioni teoriche, letture, casi di studio e discussioni approfondite, lo studente impara a trasformare le conoscenze in criteri decisionali quali i pro e i contro dei modelli di governance, le scelte del modello di business e le strategie di progettazione organizzativa nell'era della trasformazione digitale. (3) Autonomia di giudizio. Il corso fornisce agli studenti gli strumenti per valutare criticamente diverse tecniche per affrontare eventi complessi che si verificano in condizioni di incertezza e volatilità ambientale, interpretando e confrontando diversi percorsi di soluzione disponibili. (4) Abilità comunicative. Il lavoro di gruppo e le discussioni previste durante il corso consentono agli studenti di migliorare le proprie capacità comunicative e di interazione in condizioni complesse improntate all'interdisciplinarietà. (5) Capacità di apprendimento. Attraverso la presentazione di casi reali, applicazioni e testimonianze, il corso fornisce le competenze per valutare in modo autonomo i meccanismi alla base dei processi di innovazione digitale e per analizzare i vantaggi competitivi che ne derivano, valutando anche come contesti specifici condizionano l’efficacia dei singoli progetti di trasformazione digitale. Inoltre, gli studenti impareranno a "imparare in modo diverso" applicando l'approccio dell'organizzazione basata sul progetto.

Programma

1. Introduzione alla trasformazione digitale: 1 ECTS – 9h 1.1. Nuove tecnologie (AI, blockchain, big data, IoT) e digital disruption: nuove sfide per le organizzazioni e per la società (teoria e casi studio): 0,33 ECTS -3h 1.2. Molteplici prospettive sull’organizzazione e la trasformazione digitale (teoria) 0.27 ECTS – 2,5h 1.3. Una breve storia organizzativa delle rivoluzioni industriali per contestualizzazione la quarta rivoluzione industriale 0,23 ECTS - 2h 1.4. Verso una comprensione multidimensionale dell’organizzazione per la trasformazione digitale: 0,17 ECTS - 1,5h 2. Strategia e governance aziendale nell'era della trasformazione digitale: 1,5 ECTS -13,5h 2.1. Modelli che spiegano la trasformazione digitale nelle organizzazioni: antecedenti, processi e conseguenze della trasformazione digitale – verso una visione integrata 0,77 ECTS - 7h 2.2. Strategie di trasformazione digitale e digital business models: teoria, casi studio e testimonianze 0,73ECTS - 6,5h 3. Nuove forme di organizzazione nell’era della quarta rivoluzione industriale: 1,5 ECTS- 13,5h 3.1. Piattaforme digitali, ecosistemi digitali e partnership per l’innovazione: modelli di collaborazione, partecipazione, performance e creazione di valore: 1 ECTS -9h 3.2. Esempi e casi studio di nuove forme organizzative: ecosistemi blockchain e DAO, ecosistemi big data per la mobilità urbana integrata, metaverso (testimonianze e casi studio): 0,5 ECTS - 4,5h 4. Nuove tecnologie e organizzazione del lavoro 1,25 ECTS -11,25h 4.1 L'impatto dell'intelligenza artificiale in vari settori industriali e sul mercato del lavoro: 0,67 ECTS - 6h 4.2. Come cambia il lavoro: riprogettazione dei processi di lavoro, resistenza e adattamento al cambiamento (teoria, casi studio e testimonianze) 0,58 – 5,25h 5. Impatto sociale e istituzionale della trasformazione digitale: 0,75 ECTS -7h 5.1. Nuove tecnologie e la risoluzione dei problemi globali sistemici: dove siamo e quale potenziale per il futuro? 0,40 ECTS- 4h 5.2. Sfide etiche e normative della trasformazione digitale (teoria) 0,35 ECTS -3h

N/A

Il corso comprende lezioni teoriche, casi di studio, materiale multimediale, testimonianze aziendali e lavori di gruppo dedicati alla comprensione di problemi complessi del mondo reale relativi alla trasformazione digitale e alla progettazione, implementazione e valutazione di soluzioni per la trasformazione digitale. Circa il 40% del corso è composto da lezioni teoriche e il restante 60% da casi studio basati su lavori di gruppo, presentazioni di lavori di gruppo e individuali e testimonianze aziendali. Nei dettagli: - la didattica è in presenza - la frequenza è facoltativa, ma fortemente consigliata dato l'approccio fortemente interattivo e incentrato sui casi studio che caratterizza la maggior parte delle sessioni del corso. Per gli studenti frequentanti la partecipazione attiva in aula costituisce parte integrante del voto finale. - il corso si svolge in lingua inglese. Testi di studio, casi studio, materiale multimediale e testimonianze sono in lingua inglese.

Modalità d'esame

  • Modalità di valutazione La valutazione si baserà sul superamento di un esame finale. Non è prevista la prova intermedia ma la presentazione del progetto di gruppo potrebbe avvenire durante la pausa accademica dedicata alle prove intermedie. Il voto finale sarà articolato in tre parti: 1) Progetto individuale (40% del voto finale): Entro la fine del corso, lo studente dovrà consegnare una relazione individuale originale in cui applicare le nozioni apprese durante il corso all'analisi di un argomento prescelto (es. domanda di ricerca) all'interno di un elenco di possibili scelte fornito dall'istruttore all'inizio del corso. 2) Progetto di gruppo (20% del voto finale). Durante il corso, gli studenti saranno distribuiti in gruppi e riceveranno un caso studio sulla base di cui impostare un intervento progettuale utilizzando i contenuti del corso. Ogni gruppo presenta il risultato del lavoro e fornisce feedback sui progetti degli altri gruppi. 3) Prova scritta (40% del voto finale): Domande riguardanti l'intero programma affrontato durante il corso. Durante l’anno accademico ci saranno 6 appelli d’esame. 4) Presenza e partecipazione alla discussione in aula (bonus 10% del voto finale). - Tempi. Il tempo previsto per la presentazione del progetto di gruppo è di 20 minuti e di 15 per feedback e risposte. Il tempo previsto per la presentazione del progetto individuale è di 15 minuti + 5 per feedback e risposte. Le indicazioni per organizzare le presentazioni e il feedback verranno fornite a lezione. Il tempo previsto per la prova scritta è di 150 minuti. - Modalità di assegnazione del punteggio per il voto finale. Il voto finale sarà dato dalla media aritmetica tra la relazione individuale, il voto del progetto di gruppo e il voto dell'esame teorico. Gli studenti che non sono in grado di frequentare o completare il project work (2) durante il corso possono sostenere l'esame come solo esame scritto (3). I risultati delle valutazioni saranno resi disponibili sul Teams del corso e su Esse3 entro 10 giorni dalla fine del corso per le prove (1) e (2) ed entro 10 giorni dalla data dell’appello per la prova (3). - Materiali utili per sostenere la prova e consentiti durante la stessa. La presentazione del lavoro di gruppo può essere effettuata utilizzando il proprio laptop. La prova scritta è carta e penna e non consente l'utilizzo di materiale informativo (diapositive, testi o altro).

Testi di riferimento

Le slide utilizzate durante il corso, i casi studio e le letture saranno messi a disposizione sulla piattaforma Teams dedicata al corso. Le letture saranno rese disponibili a inizio del corso, le slide e i casi studio prima della lezione. Letture selezionate (attenzione, per la lista integrale consultare il Teams del corso): Tabrizi, B., Lam, E., Girard, K., & Irvin, V. (2019). Digital transformation is not about technology. Harvard business review, 13(March), 1-6. O Andriole, S. J. (2017). Five myths about digital transformation. MIT sloan management review, 58(3). O Puranam, P., Alexy, O., & Reitzig, M. (2014). What's “new” about new forms of organizing?. Academy of management Review, 39(2), 162-180. O Hanisch, M., Goldsby, C. M., Fabian, N. E., & Oehmichen, J. (2023). Digital governance: A conceptual framework and research agenda. Journal of Business Research, 162, 113777. O Faraj, S., Pachidi, S., & Sayegh, K. (2018). Working and organizing in the age of the learning algorithm. Information and Organization, 28(1), 62-70. O Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366-410. O Veen, A., Barratt, T., & Goods, C. (2020). Platform-capital’s ‘app-etite’for control: A labour process analysis of food-delivery work in Australia. Work, employment and society, 34(3), 388-406. O Bellesia, F., Mattarelli, E., & Bertolotti, F. (2023). Algorithms and their affordances: How crowdworkers manage algorithmic scores in online labour markets. Journal of Management Studies, 60(1), 1-37. O Von Krogh, G., Haefliger, S., Spaeth, S., & Wallin, M. W. (2012). Carrots and rainbows: Motivation and social practice in open source software development. MIS quarterly, 649-676. O

Codice insegnamento 27125

Product Design And Digital Development 2° anno · 1° semestre · 6 CFU · IIND-03/B · 0 file

Il corso mira a metodi e strumenti a supporto della progettazione e ingegnerizzazione di prodotti e processi industriali nella digital thread Industry 4.0. Gli obiettivi formativi del corso, seguendo i descrittori di…

Scheda dell'insegnamento

Obiettivi formativi

Il corso mira a metodi e strumenti a supporto della progettazione e ingegnerizzazione di prodotti e processi industriali nella digital thread Industry 4.0. Gli obiettivi formativi del corso, seguendo i descrittori di Dublino, sono i seguenti: (1) Conoscenza e capacità di comprensione. Attraverso lezioni teoriche lo studente acquisirà gli strumenti metodologici per la progettazione sistematica basata su Computer Aided Design e per la gestione dell’informazione tecnica estesa all'intero ciclo di vita del prodotto. (2) Capacità di applicare conoscenza e comprensione. Attraverso le attività teoriche e di laboratorio verranno illustrati esempi di progettazione e rappresentazione digitale di prodotti industriali nel rispetto delle esigenze funzionali, tecnologiche e di mercato. Lo studente imparerà ad utilizzare e integrare strumenti software. (3) Autonomia di giudizio. L’insegnamento fornisce agli studenti gli strumenti per valutare con spirito critico diverse tecniche per affrontare lo sviluppo prodotto, adottando gli approcci e gli strumenti più opportuni. (4) Abilità comunicative. Il lavoro progettuale richiesto nell'attività laboratoriale del corso permette agli studenti di migliorare le loro capacità comunicative e di interazione reciproca. (5) Capacità di apprendimento. L’insegnamento fornisce le basi per l'applicazione di alcuni strumenti software su situazioni progettuali reali.

Programma

Il programma procederà affrontando in parallelo i seguenti temi di teoria (3 CFU, 27 ore) e di laboratorio (3 CFU, 27 ore): 1. Ciclo di vita del prodotto e sviluppo prodotto (Teoria 4 ore) 2. Pianificazione prodotto (Teoria 4 ore) 3. Progettazione concettuale e realizzativa (Teoria e Laboratorio 6 ore) 4. Piattaforme prodotto e configurazione prodotto (Teoria 4 ore) 5. Rappresentazione geometrica e modellazione CAD/CAE (Laboratorio 16 ore) 6. Prototipazione virtuale di sistemi meccatronici (Teoria e Laboratorio 16 ore) 7. Gestione dell’informazione nello sviluppo prodotto (Teoria 4 ore)

Lettura di disegni secondo le norme del disegno tecnico industriale e modellazione CAD 3D.

Il corso prevede lezioni teoriche ed esercitazioni pratiche dedicate alla creazione di modelli virtuali di sistemi per la fabbrica digitale. Circa il 50% del corso è composto da lezioni teoriche in aula, mentre il restante 50% circa è composto da attività laboratoriale. Più in dettaglio: - la modalità di erogazione del corso è in presenza. Sarà messo a disposizione sulla piattaforma Moodle le slides delle lezioni e le esercitazioni svolte. - la frequenza dell’insegnamento è facoltativa, ma fortemente consigliata, soprattutto per approfittare del supporto che verrà fornito per lo sviluppo delle attività laboratoriali. - le strategie didattiche prevedono l’uso di lezioni teoriche al fine di migliorare le conoscenze e le capacità di comprensione degli studenti, nonché l’applicazione stessa delle conoscenze ottenute. Prevedono inoltre attività laboratoriali di esercitazione al calcolatore con software per la prototipazione virtuale di sistemi industriali. - l'insegnamento è erogato in lingua inglese. Slides e testi di studio, sia di teoria che di laboratorio, sono in lingua inglese.

Modalità d'esame

La prova è di tipo orale e si compone di due parti: 1) Tesina (50% del voto): un progetto sviluppato individualmente, a coppie o massimo in gruppi da tre. Il tema prevede la progettazione di un sistema meccatronico realizzandone un modello virtuale che ne dimostri il funzionamento. Il lavoro include la definizione della geometria 3D e 2D dei componenti impiegati e dovrà evidenziare obiettivi, ciclo e logica di funzionamento. Il risultato del lavoro svolto deve essere presentato da parte del gruppo di studenti in circa 40 minuti. 2) Esame teorico orale (50% del voto): Domande su tutto il programma trattato nelle ore di lezione e di laboratorio in un colloquio di circa 20 minuti. Saranno stabilite sei date di appello nel corso dell'anno accademico. Gli studenti dovranno iscriversi agli appelli attraverso la piattaforma ESSE3. Il lavoro svolto sarà descritto in un report tecnico a cui saranno allegati i files di progetto dei software impiegati e un video del funzionamento del sistema sviluppato. Il materiale prodotto va consegnato al docente tre giorni prima della data di esame. Nel voto finale pesa per un 50% la qualità, la completezza e la correttezza del lavoro progettuale svolto e per un 50% le domande sui contenuti del corso. L’esito del voto viene comunicato a fine colloquio. La presentazione del lavoro di gruppo può essere fatta usando il proprio computer portatile. Durante l'esame non è ammesso l'uso di nessun materiale informativo (slide, testi o altro). Il report del progetto finale va scritto in lingua inglese e l’esame finale è sostenuto in lingua inglese.

Testi di riferimento

The course material, including slides and video recordings of both the theoretical and exercise parts, will be made available on Moodle prior to each class. Reference/consultation books: - G. Pahl, W. Beitz “Engineering Design: a Systematic Approach”, Springer, ISBN 978-1-84628-318-5 - K. Ehrlenspiel, · A. Kiewert, · U. Lindemann, “Cost-Efficient Design”, Springer, ISBN 978-3-540-34647-0

Codice insegnamento 27122

Smart Systems For Data Acquisition 2° anno · 1° semestre · 6 CFU · IINF-03/A · 0 file

Per gli obiettivi formativi, fare riferimento alla sezione sui risultati attesi

Scheda dell'insegnamento

Obiettivi formativi

Per gli obiettivi formativi, fare riferimento alla sezione sui risultati attesi

Programma

Il corso (6 CFU, 54 ore) mira a sviluppare competenze specifiche nell'acquisizione di dati per scenari industriali reali. Il corso adotta un approccio bottom-up, partendo dalla trasduzione del sensore "sul campo" e arrivando all'acquisizione dei dati su un personal computer. In particolare, gli argomenti trattati nel corso sono i seguenti: 1. Sensori & Trasduttori: definizioni, principi di funzionamento dei principali sensori utilizzati in applicazioni industriali, calibrazione (0.33 CFU, 3 ore) 2. Convertitori Analogico-Digitale (ADC): Fondamenti di conversione A/D, topologie dei principali convertitori ADC e principi di funzionamento (0.22 CFU, 2 ore) 3. Protocolli di comunicazione on board e board-to-board: UART, SPI, I2C, CAN (0.45 CFU, 4 ore) 4. Teorema del campionamento e quantizzazione (0.33 CFU, 3 ore) 5. Trasformata Discreta di Fourier (0.33 CFU, 3 ore). 6. Filtri digitali a risposta impulsiva finita (0.33 CFU, 3 ore) 7. Attività di laboratorio finalizzate allo sviluppo del progetto d’esame (4 CFU, 36 ore) Sulla base del feedback degli studenti e/o di eventuali attività aggiuntive (es. seminari di approfondimento) potrebbero esserci variazioni sulle ore di lezione dedicate ai singoli contenuti, ma non sui contenuti. Questi argomenti possono essere di supporto allo svolgimento di tirocini o tesi.

Conoscenze di base nei campi della teoria dei circuiti, dell'elettronica analogica e digitale. Conoscenze di base nel campo dell'analisi matematica e della programmazione.

Il corso consiste sia in lezioni frontali che in attività di laboratorio dedicate a: 1) comprensione degli aspetti progettuali necessari per implementare un moderno sistema di acquisizione dati; 2) sviluppo del progetto d’esame. Durante il corso verranno utilizzate sia tecniche analitiche che software specifici come applicativi per la configurazione di dispositivi digitali programmabili. Il corso si tiene in lingua inglese. Le lezioni saranno in presenza. La frequenza non è obbligatoria, ma è consigliata. L’impiego dell’AI è ammesso come strumento di affiancamento, supporto alla riflessione, chiarimento concettuale, autovalutazione, brainstorming, generazione di codice, ma non deve mai sostituire l’elaborazione cognitiva individuale e il pensiero critico. È comunque sempre fatto obbligo allo studente di dichiarare esplicitamente nei propri elaborati se, in che misura e per quali scopi si sia avvalso di strumenti di AI.

Modalità d'esame

Viene lasciata allo studente la possibilità di scegliere tra 2 opzioni. OPZIONE 1 La verifica dell'apprendimento avviene attraverso la valutazione di 1) prova scritta intermedia (durata 2h, 4 domande aperte su sensori e trasduttori, convertitori Analogico-Digitale, protocolli di comunicazione, teorema del campionamento e quantizzazione, trasformata discreta di Fourier, filtri digitali a risposta impulsiva finita, da 0 a 8 p.ti per domanda, punteggio max 32 p.ti) 2) progetto individuale relativo a progettazione e realizzazione di un prototipo reale e funzionante di un semplice sistema di acquisizione dati. Il progetto è proposto dallo studente ispirandosi ad una applicazione reale a scelta. L’unico vincolo di progetto è l’utilizzo di almeno un sensore dotato di interfaccia digitale (es. UART/USART, SPI o I2C). Lo studente dovrà produrre un breve report riportante la descrizione del sistema, le scelte progettuali fatte e la descrizione dei test effettuati per verificare il corretto funzionamento del prototipo. Il progetto riceverà una votazione da 0 a 30 punti che terrà conto di: completezza del report, file di progetto e live demo relativa al corretto funzionamento del prototipo. Il progetto potrà essere presentato solo in una delle date ufficiali comunicate attraverso i normali canali. La prova intermedia E’ FACOLTATIVA, e può essere SOSTENUTA SOLO NEL PERIODO DI PAUSA DELLE LEZIONI DEL SEMESTRE IN CUI È EROGATO IL CORSO. In caso di NON partecipazione alla prova intermedia lo studente implicitamente opta per l’OPZIONE 2 OPZIONE 2 In questo caso la verifica dell'apprendimento avviene attraverso valutazione di 1) esame orale (durata tipica 30 min, 4 domande totali su sensori e trasduttori, convertitori Analogico-Digitale, protocolli di comunicazione, teorema del campionamento e quantizzazione, trasformata discreta di Fourier, filtri digitali a risposta impulsiva finita, da 0 a 8 p.ti per domanda, punteggio max 32 p.ti) 2) progetto individuale relativo a progettazione e realizzazione di un prototipo reale e funzionante di un semplice sistema di acquisizione dati (valgono le stesse modalità descritte per l’OPZIONE 1) Per ENTRAMBE LE OPZIONI il voto complessivo dell’esame è il risultato della media pesata delle valutazioni delle due componenti 1), 2) secondo il seguente schema: 1) Prova intermedia o prova orale: 40 % 2) Progetto: 60 %. Il voto finale sarà arrotondato all’intero più vicino. Esempio di calcolo per la determinazione del voto finale: Prova intermedia o prova orale: 28/32 Progetto: 25/30 Voto finale: 28*0.4 + 25*0.6 = 26.2 arrotondato a 26/30 Per ENTRAMBE LE OPZIONI l’esame è superato se il punteggio totale ottenuto è maggiore o uguale a 18 punti. Con voto superiore a 30/30 verrà attribuita la lode. Gli esami si terranno solo nelle date ufficiali, comunicate attraverso i normali canali. A seconda del numero di studenti iscritti, possono essere possibili più turni di esame per un determinato appello. L’iscrizione su esse3 è obbligatoria. Le iscrizioni chiuderanno una settimana prima dell’appello (termine ultimo anche per la consegna di report e file di progetto).

Testi di riferimento

Oltre alle dispense del corso, ai manuali di riferimento e alle schede tecniche dei dispositivi e a qualsiasi altro strumento di progettazione utilizzato durante il corso, vengono proposti i seguenti riferimenti bibliografici: • TI Precision Lab Video Series, https://www.ti.com/video/series/precision-labs.html • J.M. Fiore «Operational Amplifiers & Linear Integrated Circuits: Theory and Application / 3E», FREE DOWNLOAD https://www2.mvcc.edu//users/faculty/jfiore/freebooks.html • W. Voss «A Comprehensible Guide to Controller Area Network», ISBN-10: 0976511606 ISBN-13: 978-0976511601 ed. Copperhill Technologies Corp. • L. Tan, J. Jiang «Digital Signal Processing: Fundamentals and Applications» 3rd ed. Academic Press, 2018, ISBN: 9780128150719 Le dispense del corso e il materiale di approfondimento saranno disponibili nella pagina Moodle del corso.

Codice insegnamento 27116

Sustainability And Digital Transformation 2° anno · 1° semestre · 6 CFU · CHEM-06/A · 0 file

Il corso fornisce conoscenze avanzate sui metodi, gli strumenti e gli indicatori utili alla quantificazione della sostenibilità e della circolarità di prodotti e processi e di come questi possano essere integrati nella…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce conoscenze avanzate sui metodi, gli strumenti e gli indicatori utili alla quantificazione della sostenibilità e della circolarità di prodotti e processi e di come questi possano essere integrati nella trasformazione digitale dei processi produttivi. Gli obiettivi formativi del corso, seguendo i descrittori di Dublino, sono i seguenti: (1) Conoscenza e comprensione dei metodi principali di valutazione e quantificazione della sostenibilità (ambientale, economica e sociale). Conoscenza e comprensione dei principali indicatori di sostenibilità nonché dei più comuni indicatori di circolarità e dei Sustainable Development Goals (SDGs) dell’agenda 2030. (2) Capacità di condurre una valutazione quantitativa di sostenibilità di un processo di produzione digitale con gli strumenti di Life Cycle Assessment (LCA), Life Cycle Costing (LCC) e Social Life Cycle Assessment (S-LCA). Capacità di interpretazione dei risultati della valutazione quantitativa di sostenibilità. Costruzione di opportuni strumenti che mettano in relazione i risultati della valutazione quantitativa di sostenibilità con gli indicatori di circolarità e gli SDGs. (3) Capacità critica di giudizio del risultato della valutazione quantitativa di sostenibilità, in modo tale da evidenziare le maggiori criticità ambientali, economiche e sociali. Capacità di individuazione di interventi migliorativi atti ad incrementare la sostenibilità del prodotto/processo digitale. (4) Abilità comunicative. Gli studenti impareranno l’utilizzo della terminologia tecnico scientifica appropriata che permetterà loro di riportare in forma scritta e presentare in forma orale i risultati di un’accurata analisi di sostenibilità, così come di dettagliare gli strumenti di valutazione dinamica di sostenibilità da loro stessi messi a punto. (5) Capacità di apprendimento. Capacità di individuare in maniera autonoma i dati di inventario necessari a condurre un’accurata analisi di sostenibilità di un processo produttivo digitale. Capacità di consultare autonomamente la letteratura scientifica di settore per sopperire all’eventuale mancanza di dati primari. Capacità di apprendimento dei fondamenti di ulteriori metodologie di valutazione della sostenibilità o di ulteriori indicatori di sostenibilità e/o circolarità non specificatamente affrontati nel corso.

Programma

Il programma del corso affronterà sia i temi della parte teorica che esercitazioni pratiche, come dettagliato di seguito: 1.Strumenti di policy per lo sviluppo sostenibile (0.5 CFU, 4.5 h) 2. La sostenibilità ambientale, economica e sociale: i principali indicatori di sostenibilità (0.5 CFU, 4.5 h) 3. Strumenti metodologici di assessment ambientale, economico e sociale associati all’intero ciclo di vita di prodotti e processi: Life Cycle Assessment (LCA), Life Cycle Costing (LCC) e Social Life Cycle Assessment (SLCA) (1.5 CFU, 13.5 h) 4. Sistema di metriche eterogenee per una gestione e rappresentazione della circolarità nei processi produttivi (0.5 CFU, 4.5 h) 5. Gestione dei dati e sviluppo di indicatori compositi per la tracciabilità delle supply chain (1 CFU, 9h) 6. Esercitazioni pratiche all’uso del software Simapro e dei diversi metodi di calcolo di impatto ambientale, economico e sociale in esso integrati (2 CFU, 18h)

Nessuno

Il corso prevede lezioni teoriche ed esercitazioni pratiche. Circa il 50% del corso è composto da lezioni teoriche in aula, mentre il restante 50% circa è composto da attività laboratoriale che lo studente dovrà svolgere tipicamente in gruppo. Più in dettaglio: - la modalità di erogazione del corso è in presenza. - la frequenza dell’insegnamento è facoltativa, ma fortemente consigliata, soprattutto per approfittare del supporto che verrà fornito per lo sviluppo delle attività laboratoriali di gruppo. - le strategie didattiche prevedono l’uso di lezioni teoriche al fine di migliorare le conoscenze e le capacità di comprensione degli studenti, nonché l’applicazione stessa delle conoscenze ottenute. Prevedono inoltre attività laboratoriali da affrontarsi in gruppo, assieme al docente e al suo team di ricerca, al fine di migliorare le abilità di giudizio e comunicative degli studenti, nonché le capacità di interazione reciproca. - l'insegnamento è erogato in lingua inglese.

Modalità d'esame

  • Modalità di valutazione. La valutazione è svolta in due fasi: 1) Tesina (50% del voto): conduzione di un’analisi di sostenibilità di prodotto/processo e sviluppo di uno strumento informatico atto a monitorare in maniera dinamica gli effetti sui risultati quantitativi finali di sostenibilità di modifiche a quelle fasi di processo/prodotto caratterizzate dalle maggiori criticità ambientali, economiche e sociali. La tesina è assegnata durante il corso, con una precisa data massima di riconsegna . Il risultato del lavoro svolto deve essere presentato da parte degli studenti (in aula o in modalità on-line a seconda dell'evoluzione della pandemia Covid-19). È indispensabile ottenere un voto positivo per passare al successivo esame teorico. Il tempo di pubblicazioni degli esiti della tesina su ESSE3 è di un massimo di 10 giorni. Gli studenti che non riescono a svolgere la tesina durante il corso, potranno richiederne una successivamente, ma dovranno svolgere il lavoro da soli. 2) Esame teorico scritto (50% del voto): Domande su tutto il programma trattato nelle ore di lezione e di laboratorio. - Le prove si intendono superate se lo studente consegue una votazione minima di 18/30 sia nella tesina che nella prova scritta. Saranno stabilite sei date di appello nel corso dell'anno accademico per la presentazione della tesina, ed altre sei date per l'esame teorico scritto. Gli studenti dovranno iscriversi agli appelli attraverso la piattaforma ESSE3. L'esame scritto teorico avverrà in presenza (o in altra modalità da definirsi in base all'evoluzione della pandemia). Ogni studente dovrà consegnare l'elaborato scritto al termine della prova. Il docente valuterà l'elaborato e consegnerà i voti tramite ESSE3. In caso di una prima valutazione negativa (insufficiente oppure sufficiente ma rifiutata dallo studente) dell’esame teorico scritto, il voto della tesina resterà valido. Il voto finale sarà dato dalla media aritmetica tra il voto della tesina e il voto dell’esame teorico.

Testi di riferimento

Le slide utilizzate durante il corso verranno rese disponibili prima della lezione sulla piattaforma Moodle. Sulla stessa piattaforma verranno caricate settimanalmente le registrazioni video sia della parte teorica che di laboratorio. In aggiunta, sulla piattaforma saranno resi disponibili esempi di tesine di ottimo livello svolte nei precedenti anni accademici e presentazioni di applicazioni reali delle tecniche sviluppate, nonché articoli scientifici sulle tematiche teoriche e pratiche del corso.

Codice insegnamento 27126

Virtual Solutions For Smart Manufacturing 2° anno · 1° semestre · 6 CFU · IIND-04/A · 0 file

Lo scopo del corso è di acquisire conoscenze e competenze avanzate sui moderni sistemi virtuali per la progettazione dei processi di fabbricazione e la simulazione di processo, con particolare riferimento al processo…

Scheda dell'insegnamento

Obiettivi formativi

Lo scopo del corso è di acquisire conoscenze e competenze avanzate sui moderni sistemi virtuali per la progettazione dei processi di fabbricazione e la simulazione di processo, con particolare riferimento al processo di stampaggio ad iniezione. Al termine del corso lo studente sarà in grado di controllare il flusso dei dati, simulare e realizzare un digital twin del processo nelle sue fasi di: progettazione parte, simulazione del processo di stampaggio ad iniezione, progettazione dello stampo, fabbricazione delle cavità, validazione geometrica dei risultati. Il corso introdurrà inoltre lo studente alle tecniche di fabbricazione additiva per materiali polimerici. Per una più completa comprensione degli obiettivi formativi, si rimanda alla lettura dei risultati di apprendimento attesi.

Programma

INTRODUZIONE AL CORSO - 0.7 CFU (6 ore) - Il processo di stampaggio ad iniezione - Richiami di macchine utensili a controllo numerico - Il CNC e la sua programmazione diretta CAD/CAM - 1.8 CFU ( 16 ore) - Sistemi CAM e loro principi di funzionamento. - Simulazione del processo di asportazione. - Il postprocessing. - Esercitazione in ambiente Autodesk Fusion 360/Cimatron E. PROCESSO DI STAMPAGGIO AD INIEZIONE - 1.1 CFU (10 ore) - Progettazione del processo di stampaggio ad iniezione. - Effetto dei principali parametri di processo. - Principi di progettazione dello stampo. SIMULAZIONE DI PROCESSO AVANZATA - 1.3 CFU (12 ore) - Simulazione di processo ed esercitazioni pratiche mediante software Moldflow. FABBRICAZIONE ADDITIVA - 0.4 CFU (4 ore) - Generalità ed impiego - Tecniche di fotopolimerizzazione - Sinterizzazione laser selettiva - Stampa 3D - Deposizione a filo 3D SCANNING - 0.7 CFU (6 ore) - Generalità, tecniche di scansione - Sistemi di scansione 3D - Algoritmi di reverse engineering - Esercitazioni di laboratorio con sistemi di scansione 3D L’indicazione del tempo assegnato ad ogni macro argomento potrà subire delle variazioni in funzione di situazioni contingenti quali la possibilità di effettuare visite in azienda e/o seminari di approfondimento.

Oltre alle conoscenze scientifiche di base, fisica e chimica si richiede la conoscenza dei principi della simulazione numerica, principi di documentazione di prodotto mediante tecniche CAD ed il possesso delle conoscenze di base legate alle principali tecnologie di fabbricazione, in particolare il taglio alle macchine utensili.

L’insegnamento viene erogato mediante lezioni frontali in presenza (teoria ed esercitazioni numeriche) che vengono svolte con l’ausilio di mezzi audiovisivi (presentazioni e filmati) e materiale fornito sul canale Teams/Moodle del corso. Esercitazioni pratiche mediante l'utilizzo di software per la progettazione 3D, la generazione di percorsi utensili, la simulazione del processo di stampaggio e la scansione dimensionale. Il corso può essere integrato da seminari, visite in azienda e/o laboratori, presentazioni di casi industriali. La frequenza alle lezioni frontali ed alle esercitazioni in presenza non è obbligatoria anche se fortemente consigliata. L’insegnamento è erogato in lingua inglese

Modalità d'esame

L'esame si svolgerà al termine dell’insegnamento secondo il calendario ufficiale degli appelli d’esame. La prova è scritta più orale. La durata del questionario sarà di 30 minuti. Il questionario sarà costituito da un mix di 6 quesiti scelti casualmente tra: - Quesiti a scelta multipla. - Brevi esercizi numerici sulla falsariga di quanto proposto a lezione. - Domanda aperta con limite di spazio/caratteri da utilizzare. Per ogni quesito a scelta multipla la selezione delle risposte corrette (potenzialmente più d’una) corrisponde all’attribuzione di 5 punti. Alla risposta non data 0 punti, alle risposte errate fino a -2 punti. Gli esercizi numerici vengono valutati secondo gli obiettivi di apprendimento 1-9 e attribuiscono fino a 5 punti Le domande aperte vengono valutate secondo i punti 1-9, 11 e 12 degli obiettivi formativi e attribuiscono fino a 5 punti. Il questionario verrà valutato immediatamente al termine della prova. Il candidato che avrà totalizzato un minimo di 18/30 nel questionario scritto sosterrà la parte orale che valuterà gli obiettivi formativi da 1 a 12, con particolare riferimento alla capacità di utilizzo degli strumenti software utuilizzati a lezione. Il colloquio permetterà di aumentare il punteggio fino ad un massimo di 5 punti rispetto a quanto realizzato nel questionario. Il voto riportato nell’esame è dato dalla somma dei punti ottenuti con il questionario e con la parte orale. Gli esiti saranno comunicati entro e non oltre due settimane dalla prova scritta; la pubblicazione avverrà tramite ESSE3.

Testi di riferimento

Il materiale del corso sarà costituito da dispense fornite dal docente, dalle slide delle lezioni, esercitazione numeriche e manualistica dei software utilizzati Sul canale Teams/Moodle relativo all’insegnamento di Virtual Solutions for Smart Manufacturing sono disponibili, in anticipo rispetto all’esposizione dell’argomento (e nel rispetto dei diritti d’autore) - Le dispense utilizzate dal docente nel corso delle lezioni frontali e delle esercitazioni numeriche Testi integrativi suggeriti - X. Xu, Integrating advanced computer-aided design, manufacturing, and numerical control: Principles and implementations. IGI Global 2009.

Codice insegnamento 27123

Work Experience 2° anno · 3 CFU · 0 file

Recensioni del corso

Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.

★

Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.