Corso di laurea

Ingegneria gestionale e dell'automazione

Università degli Studi di Roma Tre · 28 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 CONTROL SYSTEMS 1° anno · 6 CFU · ING-INF/04 · 0 file

Il corso fornisce gli strumenti per il controllo avanzato di sistemi complessi che possono essere costituiti da più agenti, come ad esempio da più piattaforme robotiche. Si approfondiranno metodologie di controllo…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce gli strumenti per il controllo avanzato di sistemi complessi che possono essere costituiti da più agenti, come ad esempio da più piattaforme robotiche. Si approfondiranno metodologie di controllo distribuito per sistemi multi-agente, in cui ciascun robot definisce le azioni di controllo sulla base di informazioni locali. A tale scopo, si tratteranno fondamenti della teoria algebrica dei grafi e saranno applicati a problematiche di coordinamento, quali ad esempio consenso e controllo di formazione, ed ottimizzazione distribuita. Verrà affrontato il tema del controllo predittivo a partire dai fondamenti del controllo ottimo. Saranno fronte le basi per la formalizzazione e la risoluzione dei problemi di Model Predictive Control (MPC) applicati a processi dinamici complessi e multivariabili. Verranno inoltre approfondite le principali formulazioni di MPC, inclusi gli approcci centralizzato e distribuito, con particolare attenzione ai sistemi composti da più sottosistemi interagenti e soggetti a vincoli.

Programma

Introduzione ai sistemi multi-agente
Teoria dei grafi e teoria algebrica dei grafi
Protocolli di consenso con diversi grafi
Controllo di formazione
Controllo di sciami di robot e ulteriori problemi di coordinamento
Introduzione al Model Predictive Control (MPC) e fondamenti matematici
Formulazione del problema del MPC
Stabilità del MPC
MPC per sistemi multi-agente

Modalità d'esame

L’esame consta di una prova orale per approfondire gli aspetti teorici del corso e di una tesina per approfondire gli aspetti pratici del corso.
LIPPI MARTINA
scheda docente
|
materiale didattico

Frequenza: La frequenza in presenza delle lezioni, data la natura pratica del corso, è fortemente consigliata.

Testi di riferimento

  • F. Bullo, Lectures on Network Systems, CreateSpace Independent Publishing Platform, ISBN ‎978-1986425643, 2022
  • Camacho, E. F., & Bordons, C., Model Predictive control, Springer, ISBN: 978-1-85233-694-3, 2013.
  • Note e dispense del docente
  • Veysel Gazi and Kevin Passino. 2011. Swarm Stability and Optimization. Springer Publishing Company, Incorporated. ISBN 978-3642422706
  • F. Bullo, J. Cortes, and S. Martinez, Distributed Control of Robotic Networks: A Mathematical Approach to Motion Coordination Algorithms, Princeton University Press, Princeton, NJ, USA, 2009.
  • M. Mesbahi and M. Egerstedt, Graph Theoretic Methods for Multiagent Networks, Princeton University Press, Princeton, NJ, 2010.
  • Maciejowski, J., Predictive Control with Constraints, Pearson Education POD, 2002.
  • Rossiter, J. A., Model-Based Predictive Control: A Practical Approach, CRC Press, 2003.
  • Maestre, J. M., & Negenborn, R. R. (Eds.). (2014). Distributed model predictive control made easy (Vol. 69). Dordrecht, Netherlands: Springer.

Codice insegnamento 20810400

ADVANCED PROJECT MANAGEMENT 1° anno · 6 CFU · ING-INF/04 · 0 file

Fornire agli studenti conoscenze avanzate per la gestione e per la direzione di progetti complessi, anche con riferimento alla normativa di riferimento. Al termine del corso lo studente sarà in grado di gestire la…

Scheda dell'insegnamento

Obiettivi formativi

Fornire agli studenti conoscenze avanzate per la gestione e per la direzione di progetti complessi, anche con riferimento alla normativa di riferimento. Al termine del corso lo studente sarà in grado di gestire la documentazione tecnica e la configurazione di prodotto relativi a un progetto complesso, nonché gestire approvvigionamenti, appalti e contratti necessari al suo completamento.

Codice insegnamento 20810531

ANALISI DEI SISTEMI AD EVENTI 1° anno · 6 CFU · ING-INF/04 · 0 file

Fornire le conoscenze di base, sia metodologiche che operative, necessarie per valutare le procedure di controllo supervisore delle operazioni negli insiemi coordinati di macchine manifatturiere automatiche.

Scheda dell'insegnamento

Obiettivi formativi

Fornire le conoscenze di base, sia metodologiche che operative, necessarie per valutare le procedure di controllo supervisore delle operazioni negli insiemi coordinati di macchine manifatturiere automatiche.

Programma

La simulazione ad eventi discreti, metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di calcolo, di telecomunicazione, di traffico, ecc)
Gli argomenti trattati possono essere raggruppati nei seguenti tre fasi:

  • costruzione di un modello di un sistema reale:
  • "esecuzione" di un modello di simulazione
  • analisi dei risultati della simulazione:

Modalità d'esame

Sono previste prove in itinere (esoneri), Una prova scritta ( teorica e pratica) ed eventuale orale

Frequenza: In presenza e online

Testi di riferimento

Materiale del docente caricato sul teams

Codice insegnamento 20801782

BASI DI DATI 1° anno · 6 CFU · ING-INF/05 · 0 file

Presentare modelli, metodi e sistemi per la definizione, progettazione e realizzazione di sistemi software che gestiscano insiemi di dati di grandi dimensioni. Lo studente che abbia superato il corso dovrà essere in…

Scheda dell'insegnamento

Obiettivi formativi

Presentare modelli, metodi e sistemi per la definizione, progettazione e realizzazione di sistemi software che gestiscano insiemi di dati di grandi dimensioni. Lo studente che abbia superato il corso dovrà essere in grado di: realizzare applicazioni che utilizzino basi di dati anche di grande complessità, progettare e realizzare autonomamente basi di dati di media complessità, partecipare al progetto e alla realizzazione di basi di dati di grande complessità.

Programma

Modello relazionale Algebra relazionale SQL Progettazione basi di dati Progettazione concettuale Progettazione logica Normalizzazione

Modalità d'esame

Scrittura interrogazioni SQL (prova pratica in laboratorio). Progettazione concettuale Progettazione logica Normalizzazione (prova scritta)

Frequenza: Non obbligatoria ma consigliata

Testi di riferimento

Atzeni, Ceri, Fraternali, Paraboschi, Torlone: Basi di dati. McGraw-Hill

Codice insegnamento 20801686

Business Leadership and Intelligence 1° anno · 9 CFU · ING-IND/35 · 0 file

Fornire agli studenti nozioni di base e avanzate circa la direzione d’impresa, la leadership e la gestione dell’innovazione e del cambiamento. Apprendere metodi e strumenti analitici avanzati, utili a produrre…

Scheda dell'insegnamento

Obiettivi formativi

Fornire agli studenti nozioni di base e avanzate circa la direzione d’impresa, la leadership e la gestione dell’innovazione e del cambiamento. Apprendere metodi e strumenti analitici avanzati, utili a produrre risultati a supporto delle decisioni manageriali.

Programma

Gli studenti apprendono elementi metodologici della Social Network Analysis, in combinazione con altri strumenti di analisi, come il Text Mining, applicati a contesti economici e di business. Lo studio non è solamente teorico, ma anche incentrato sull’applicazione di queste tecniche, tramite l’apprendimento di specifici strumenti software.
In una seconda parte, il corso verte sull’apprendimento di conoscenze manageriali e strategiche, comprendendo lo studio di elementi di leadership, gestione dei gruppi di lavoro, comunicazione, problem solving e gestione del cambiamento attraverso il metodo OCEAN.
Segue un maggior dettaglio dei contenuti.
Parte I: Business Analytics

  • Introduzione alla Social Network Analysis e ai sistemi complessi
  • Tipologie di rete e raccolta dati
  • Misure di centralità
  • Reti random, small-world e a invarianza di scala
  • Clustering e structural holes
  • Communities
  • Ruoli chiave nelle reti di scambio conoscenza
  • Robustezza e resilienza
  • Cenni a modelli di diffusione
  • Cenni ai big data analytics
  • Studio dei segnali onesti
  • Semantic Brand Score
    Parte II: Direzione d’Impresa
  • Problem solving (metodo OCEAN)
  • Gestione del cambiamento (metodo OCEAN)
  • Leadership
  • Teambuilding
    Software:
  • Studio dei software SBS BI, Pajek e Gephi.
    Per entrambi i moduli sono previsti casi studio ed esercitazioni pratiche.
    Un programma ancor più di dettaglio viene fornito dal docente sulla piattaforma Moodle.

Modalità d'esame

Esame orale e valutazione progetto (lavoro di gruppo). Consultare la piattaforma Moodle per maggiori dettagli.

Frequenza: Si raccomanda agli studenti di seguire le lezioni, poiché la partecipazione in aula offre l’opportunità di approfondire i contenuti attraverso il confronto diretto con il docente e i colleghi. Lo studio dei materiali forniti e indicati dal docente è importante, così come la frequenza alle lezioni, che permette di acquisire prospettive e informazioni aggiuntive.
Per gli studenti impossibilitati a frequentare per validi motivi, secondo quanto previsto dai regolamenti dell’Università – ad esempio, studenti "lavoratori" – saranno forniti/indicati materiali integrativi per facilitare la comprensione degli argomenti e una preparazione adeguata all’esame, consentendo così l'apprendimento a distanza. Gli studenti che rientrano nelle casistiche previste dai regolamenti di ateneo sono invitati a contattare il docente per ricevere ulteriori indicazioni.

Testi di riferimento

Fronzetti Colladon, A., & Vestrelli, R. (2025). Social Network Analysis and Text Mining for Big Data: The Power of Words and Networks. Routledge.
Fronzetti Colladon, A., & Grippa, F. (2025). Leading Meaningful Change. Edward Elgar.
Tutti i materiali messi a disposizione dal docente sulla piattaforma Moodle costituiscono parte integrante del corso e sono oggetto delle prove d'esame. Vanno quindi considerati in aggiunta ai testi di riferimento elencati.

Altri libri consigliati:

  • Brown, T. Change by Design, Revised and Updated. ‎Harper Business
  • Verganti, R. Overcrowded: Il manifesto di un nuovo modo di guardare all'innovazione. Hoepli.

Codice insegnamento 20830086

CFU A SCELTA DELLO STUDENTE 1° anno · 6 CFU · 0 file
Cybersecurity for Industrial IoT and Critical Infrastructures 1° anno · 6 CFU · ING-INF/04 · 0 file

Modellazione di grandi infrastrutture industriali (reti di distribuzione, sistemi di telecomunicazioni e sistemi di trasporto) e studio delle interdipendenze tra le stesse. L'analisi di tali sistemi sarà finalizzata alla…

Scheda dell'insegnamento

Obiettivi formativi

Modellazione di grandi infrastrutture industriali (reti di distribuzione, sistemi di telecomunicazioni e sistemi di trasporto) e studio delle interdipendenze tra le stesse. L'analisi di tali sistemi sarà finalizzata alla progettazione di sistemi resilienti e alla valutazione di rischi in ambito distribuito. A valle del corso i risultati attesi sono la capacità, da parte dello studente, di: analizzare e modellare grandi sistemi distribuiti, progettare sistemi di supervisione e controllo per grandi infrastrutture distribuite, realizzare architetture Service Oriented 4. progettare sistemi per la valutazione del rischio in ambito distribuito e elaborare piani di business continuity.

Programma

Il corso affronta inizialmente i concetti di base della cybersecurity (RIA, malware, vulnerabilità, virus, words, RAT, spyware, botnet, ransomware, social engineering, crittografia) e analizza i concetti cardine della cyber threat intelligence (tipologie, mitre framework, kill chain, modeling, platforms). Il problema della cybersecurity viene contestualizzato ai sistemi OT, ovvero i sistemi di controllo industriali. Vengono quindi analizzate le grandi infrastrutture critiche (reti di distribuzione, sistemi di telecomunicazione e sistemi di trasporto) e vengono studiati i fenomeni di interdipendenza ed effetto a cascata. L'analisi di tali sistemi sarà finalizzata alla progettazione di sistemi resilienti e alla valutazione di rischi in ambito distribuito. Sarà condotta una approfondita analisi delle normative in vigore in Italia (NIS2, DORA, EU CRA, GDPR, Perimetro di Sicurezza Nazionale Cibernetica) e l’analisi della capacità nazionale cyber. Inoltre, verrà analizzata la direttiva IEC 62443 che stabilisce i criteri in materia di cybersecurity negli impianti industriali. Il corso comprende anche concetti relativi alla simulazione di sistemi interdipendenti e di fenomeni a cascata per i quali verrà presentato il simulatore CISIApro 2.0

Modalità d'esame

Prova orale, valutazione progetto.

Erogazione: Lezioni in presenza in aula. Saranno messe a disposizioni registrazioni relative agli anni precedenti.

Frequenza: Lezioni n aula

Testi di riferimento

Appunti del docente

Critical Infrastructure: Homeland Security and Emergency Preparedness, Fourth Edition. CRC Press; 4° edizione (31 marzo 2021)

Codice insegnamento 20810529

Decision Support Systems and Analytics 1° anno · 6 CFU · MAT/09 · 0 file

Obiettivo del corso è far acquisire i principali strumenti teorici e metodologici per la modellizzazione delle decisioni e per l’individuazione delle migliori strategie di supporto alle decisioni in considerazione…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

Obiettivo del corso è far acquisire i principali strumenti teorici e metodologici per la modellizzazione delle decisioni e per l’individuazione delle migliori strategie di supporto alle decisioni in considerazione degli obiettivi prefissati. Il corso mira anche a fornire abilità e competenze su come utilizzare i dati a disposizione per implementare modelli prescrittivi analitici a supporto delle decisioni, come leggere i risultati forniti dai modelli in uso e come interpretarli per proporre soluzioni opportune a problemi gestionali complessi

Programma

  • Panoramica sui sistemi di supporto alle decisioni (DSS). Model Driven DSS.
  • Richiami di modellazione (esempi di formulazioni PL, PLI e PNL). Cenni alla complessità computazionale.
  • Generalità su Business Analytics. Predictive analytics, alberi di classificazione ottimi, esempi. Prescriptive analytics.
  • Algoritmi euristici: Euristiche Costruttive, Ricerca Locale, Ricerca Locale a profondità variabile, Tabu Search, Simulated Annealing, Algoritmi Genetici, GRASP, Iterated Local Search, Variable Neighborhood Search, Guided Local Search, Ant Colony Optimization, PSO, Scatter Search, Path relinking...
  • Ottimizzazione robusta.
  • Studio di casi reali: (1) ottimizzazione dei flussi nella distribuzione di cibi surgelati dagli impianti di produzione ai rivenditori, (2) ottimizzazione dei turni del personale sanitario nei reparti ospedalieri, (3) ottimizzazione dei percorsi per la raccolta di materiale biologico per analisi di laboratorio, (4) gestione ottima del magazzino di un’azienda che si occupa di vendite online (5) processo di donazione di organi.

Modalità d'esame

La verifica dell’apprendimento avviene attraverso una prova scritta della durata di circa 2 ore. Lo scritto è organizzato attraverso un certo numero di domande, finalizzate a verificare il livello di comprensione effettiva dei concetti e la capacità degli studenti di applicarli in contesti reali.
La prova scritta sarà integrata o con una prova orale o con lo svolgimento di un progetto da svolgere sotto la guida del docente.

Erogazione: Lezioni principalmente di didattica frontale sia alla lavagna sia con slide proiettate. Analisi di alcuni casi di studio.

Frequenza: Preferibilmente in presenza. In ogni caso, il materiale didattico fornito offre la possibilità agli studenti non frequentanti di prepararsi per l'esame.

Testi di riferimento

1. Modelli e metodi decisionali in condizioni di incertezza e rischio, di G. Ghiani, R. Musmanno (a cura di), McGraw-Hill Education, 2009.
2. Slide e materiale didattico fornito dal docente

Codice insegnamento 20810208

ECONOMIA E STRATEGIA AZIENDALE 1° anno · 6 CFU · ING-IND/35 · 0 file

Fornire le conoscenze di base del linguaggio economico finanziario con il quale si esprimono le trasformazioni interne al sistema azienda e i suoi interscambi con l’ambiente esterno, sviluppare capacità di valutazione…

Scheda dell'insegnamento

Obiettivi formativi

Fornire le conoscenze di base del linguaggio economico finanziario con il quale si esprimono le trasformazioni interne al sistema azienda e i suoi interscambi con l’ambiente esterno, sviluppare capacità di valutazione economico e finanziaria delle operazioni aziendali a supporto delle decisioni, far comprendere le relazioni tra strutture dell’organizzazione, determinanti dei risultati economico finanziari e sistemi di programmazione e controllo della gestione.

Programma

PRIMA PARTE: Il bilancio aziendale
Il modello flussi-livelli per la rappresentazione della dinamica d’impresa.

  • I diritti residuali dei proprietari dell’impresa sulla ricchezza prodotta: il principio del duplice aspetto e l’analisi delle fonti e degli impieghi di risorse
    Gli obiettivi ed i limiti conoscitivi della contabilità:
  • i principi contabili;
  • i sistemi contabili e le modalità di contabilizzazione
    Lo Stato Patrimoniale e Il Conto Economico:
  • Attività immobilizzate e ammortamento, capitale circolante netto.
  • Rimanenze e costo del venduto
  • Il Rendiconto Finanziario e l’analisi dei flussi di cassa: la derivazione dei flussi di cassa.
  • Riclassificazioni del conto economico
    Analisi di bilancio: Indicatori di redditivita', profittabilità, efficienza e finanziari
    SECONDA PARTE: La gestione strategica d’impresa
    L’impresa come sistema complesso
  • Gestione strategica (con cenni alla sostenibilità): articolazione della strategia – valori - obiettivi – scelte risultanti da condizioni interne e di contesto – analisi SWOT;
  • Attività e relazioni per la definizione di una strategia – la catena del valore e la catena delle relazioni
    Il contesto rilevante per l’impresa - analisi di mercato e di settore
  • Descrizione del contesto competitivo: il modello delle cinque forze competitive di Porter
  • I raggruppamenti strategici
    La gestione strategica sostenibile
  • Vantaggio competitivo: concetto, determinanti e durabilità
  • Strategie competitive: leadership di costo, differenziazione, focalizzazione
  • Strategie di collaborazione: alleanze strategiche
  • Strategie di crescita: integrazione, diversificazione, internazionalizzazione

Modalità d'esame

E' prevista una prova scritta sull'analisi del Bilancio Aziendale ed una prova orale sull'ANalisi strategica

Frequenza: Due lezioni settimanali in presenza.
Le lezioni di DAD vengono registrate e rese disponibili per un tempo limitato. (max due settimane)

Testi di riferimento

R.Anthony, D. F. Hawkins, D. Macrì, K.A. Merchant. Il Bilancio. Analisi
economiche per le decisioni e la comunicazione della performance. McGraw-Hill – XVI edizione.
Matteo Caroli, Economia e gestione sostenibile delle imprese, McGraw-Hill –
2021

Codice insegnamento 20802137

GESTIONE DELLA PRODUZIONE INDUSTRIALE 1° anno · 6 CFU · ING-INF/04 · 0 file

Fornire gli elementi metodologici necessari ad effettuare la pianificazione, programmazione ed il controllo della produzione negli impianti industriali, con particolare riferimento ai sistemi produttivi manifatturieri,…

Scheda dell'insegnamento

Obiettivi formativi

Fornire gli elementi metodologici necessari ad effettuare la pianificazione, programmazione ed il controllo della produzione negli impianti industriali, con particolare riferimento ai sistemi produttivi manifatturieri, sia in caso di produzione a magazzino che su commessa, analizzando le differenze tra sistemi push e pull. Vengono inoltre discusse le problematiche di stima delle prestazioni dei sistemi produttivi in contesti reali e si illustrano i legami tra gestione della produzione, strategia aziendale, pianificazione della capacità produttiva, e gestione delle scorte.

Programma

Il sistema azienda: struttura, obiettivi, funzioni aziendali, le tipologie di struttura organizzativa. Classificazione dei sistemi di produzione. Le misure di prestazione dei sistemi di produzione. Rappresentazione e mappatura dei processi di produzione. Tecniche per la stima delle prestazioni dei sistemi produttivi. Legami tra WIP, Throughput e Tempo di attraversamento ed influenza della variabilità. Approcci alla diagnostica e miglioramento delle prestazioni dei sistemi manifatturieri.
Il dimensionamento dei lotti di produzione (lotto economico di produzione ed estensione al caso multiprodotto). La produzione per campagne (determinazione del numero ottimale di campagne e della loro durata ottimale). Effetto della dimensione dei lotti sul tempo di attraversamento.
La previsione della domanda
Gli elementi che caratterizzano la domanda e la sua variabilità (fluttuazioni random, trend, stagionalità e ciclicità). Tecniche previsionali qualitative e quantitative. Metodi causali basati su regressione lineare. Metodi basati su serie storiche (media mobile, media mobile pesata, media con smorzamento esponenziale con e senza trend). Metodi di stima della domanda stagionale. Criteri di stima degli errori di previsione (CFE, MAPE, MAD, TS). La previsione di domanda per i nuovi prodotto (stime della dimensione del mercato e modello di Bass).
Pianificazione, programmazione e controllo della produzione
Analisi P-Time e D-Time, la legge di Little. Logiche di gestione Push e Pull. Produzione a magazzino (Make to Stock) e produzione su commessa (Assemble to Order, Make to Order ed Engineering to Order). Gerarchia delle fasi di pianificazione, programmazione e controllo e le loro interazioni con le decisioni strategiche e la pianificazione della capacità produttiva.
Pianificazione aggregata
Criteri di adeguamento della capacità produttiva alla domanda. Metodi empirici (piani zero-inventory, piani level work force, piani misti) e modelli di ottimizzazione LP per la redazione del piano aggregato.
Il Piano Principale di Produzione
Criteri per la disaggregazione del piano aggregato e redazione del Piano principale di Produzione. La gestione della distinta base. Piano principale di produzione MTS E ATO.
Programmazione di medio periodo e pianificazione dei fabbisogni.
Il metodo MRPI e II. La verifica di capacità (Capacity Requirements Planning). Criteri di lottizzazione dei fabbisogni. Stima capacità Available to Promise. Limiti e vincoli del sistema MRP.
Programmazione operativa
I piani operativi di produzione ed il Final Assembly Schedule. Criteri operativi e tecniche euristiche per lo scheduling delle risorse e l’assegnazione delle priorità. Sequencing di linee di produzione multimodel e mixed model. Il controllo avanzamento della produzione.
Sistemi di produzione pull
Il sistema Kanban, il livellamento della produazione ed il sequencing di linee mixed model. Il sistema CONWIP. Confronto prestazionale tra sistemi push e pull.
Richiami di gestione delle scorte
Funzione e criteri di classificazione delle scorte. I costi rilevanti nella gestione delle scorte. I materiali a domanda dipendente e indipendente.
La gestione dei materiali a domanda indipendente: lotto economico con consegne istantanee e graduali, lotto economico con sconti quantità, la gestione a livello di riordino e a ciclo di riordino. La gestione degli articoli a forte movimentazione (copertura totale e copertura libera). Criteri per la determinazione della scorta di sicurezza (ricerca dell’ottimo economico e valutazione del livello di servizio). I benefici della centralizzazione delle scorte. La gestione a fabbisogno ,lot by lot e lotto economico dinamico. Decisioni di approvvigionamento sul singolo periodo (newsboy model). L’analisi ABC, le misure di prestazione dei magazzini (indice di rotazione, periodo di copertura, indici di efficienza del servizio).

Modalità d'esame

Prova orale eventualmente integrabile con applicazioni numeriche. Solitamente vengono poste tre domande su argomenti che coprono l'intero programma del corso.
La determinazione del voto finale terrà conto di alcuni elementi, come ad esempio: livello e la qualità della conoscenza degli argomenti; la capacità di applicare teorie e concetti ai contesti; l’utilizzo di un lessico appropriato alla disciplina oggetto di studio.

Frequenza: La frequenza è fortemente suggerita ma non è obbligatoria.

Testi di riferimento

Dispense distribuite dal docente caricate sul sito Moodle.
.

Testi di riferimento e consultazione (non obbligatori).
Sianesi, La Gestione del Sistema di Produzione, ETAS, 2011.
De Toni, Panizzolo, Sistemi di Gestione della Produzione, ISEDI, 2018

Codice insegnamento 20801966

Imprenditorialità digitale 1° anno · 6 CFU · ING-INF/05 · 0 file

Fornire agli studenti le competenze tecniche e metodologiche necessarie a concepire, sviluppare e realizzare un progetto imprenditoriale digitale. Il corso sarà articolato in tre parti. La prima parte ha l’obiettivo di…

Scheda dell'insegnamento

Obiettivi formativi

Fornire agli studenti le competenze tecniche e metodologiche
necessarie a concepire, sviluppare e realizzare un progetto imprenditoriale digitale.
Il corso sarà articolato in tre parti. La prima parte ha l’obiettivo di illustrare le motivazioni alla base del successo delle aziende digitali (in particolare, ma non solo, le startup) e le dinamiche dell’innovazione digitale. La seconda parte propone agli studenti gli strumenti
tecnici e metodologici per la realizzazione di un progetto imprenditoriale digitale. La terza parte consiste nella realizzazione di un progetto ed è caratterizzata da un approccio fortemente sperimentale.

Codice insegnamento 20810205

Intelligenza artificiale e machine learning 1° anno · 6 CFU · ING-INF/05 · 0 file

L’obiettivo è quello di presentare i modelli, i metodi e le tecniche fondamentali di alcune aree rilevanti dell'Intelligenza Artificiale, con particolare riferimento ai metodi di ricerca automatica di soluzioni nello…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026, ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

L’obiettivo è quello di presentare i modelli, i metodi e le tecniche fondamentali di alcune aree rilevanti dell'Intelligenza Artificiale, con particolare riferimento ai metodi di ricerca automatica di soluzioni nello spazio degli stati e all'Apprendimento Automatico (Machine Learning), e di utilizzarli come strumenti per lo sviluppo di tecnologie innovative. Per quanto riguarda il Machine Learning, il corso consentirà agli studenti di apprendere i principali metodi e algoritmi tipici della disciplina, ossia quelli supervisionati, non supervisionati e per rinforzo. Le lezioni e le esercitazioni pratiche svolte durante il corso consentiranno allo studente di acquisire capacità di analisi e di problem solving su vari domìni d’interesse per la disciplina.

Programma

1. Introduzione:

  • Gli Agenti Intelligenti.
  • L'IA come "Representation and Search".
    2. Risoluzione di Problemi:
  • Ricerca non informata (in ampiezza, guidata dal costo, in profondità, Iterative deepening).
  • Ricerca euristica (Best First, A*, Heuristic Functions).
  • Algoritmi approssimati (Hill Climbing, Simulated Annealing, ecc.)
  • Ricerca in presenza di avversari (MiniMax, Alfa-Beta Pruning).
  • Introduzione alla Evolutionary Computation.
    3. Introduzione al linguaggio Python:
  • Ambienti di sviluppo; Jupiter Notebook.
  • Python base. Strutture dati in Pyhton.
  • Librerie Python: NumPy, Pandas, matplotlib, ScikitLearn.
    4. Machine Learning:
  • Regressione (lineare semplice, multipla).
  • Classificazione (Logistic Regression, Decision Trees, Naïve Bayes).
  • Clustering.
  • Reti Neurali Artificiali.
  • Reinforcement Learning.
  • Introduzione al Deep Learning.
  • Casi di studio.

Modalità d'esame

Prova scritta e prova pratica di laboratorio.
SANSONETTI GIUSEPPE
scheda docente
|
materiale didattico
Mutuazione: 20810322 Intelligenza artificiale e machine learning in Ingegneria gestionale e dell'automazione LM-32 LIMONGELLI CARLA, SANSONETTI GIUSEPPE

Erogazione: Lezioni ed esercitazioni in aula.

Frequenza: La frequenza non è obbligatoria ma è fortemente consigliata.

Testi di riferimento

Lucidi delle lezioni.

Codice insegnamento 20810322

MACCHINE E AZIONAMENTI ELETTRICI 1° anno · 9 CFU · ING-IND/32 · 0 file

Conoscere le soluzioni costruttive e le caratteristiche funzionali delle principali macchine elettriche rotanti, inclusi i modelli utilizzati per lo studio del comportamento elettromeccanico in regime dinamico, al fine…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

Conoscere le soluzioni costruttive e le caratteristiche funzionali delle principali macchine elettriche rotanti, inclusi i modelli utilizzati per lo studio del comportamento elettromeccanico in regime dinamico, al fine di acquisire la capacità di scegliere e di saper utilizzare le varie macchine elettriche rotanti impiegate nelle applicazioni elettriche industriali o nei sistemi di produzione della potenza elettrica. Conoscere le configurazioni di base dei convertitori elettronici di potenza utilizzati per la regolazione delle grandezze elettriche di alimentazione delle macchine elettriche. Conoscere gli algoritmi di base utilizzati negli azionamenti elettrici per la regolazione ed il controllo delle prestazioni elettromeccaniche della macchina: posizione, velocità, coppia e flusso. Saper individuare le principali caratteristiche di dimensionamento di un azionamento elettrico in relazione alle specifiche tecniche della applicazione.

Programma

Modulo 1 Convertitori elettronici di potenza

  • Introduzione agli azionamenti elettrici: definizioni, classificazione, componenti, obiettivi, prestazioni e tipi di servizio.
  • Richiami sui componenti passivi reali e ideali e sui semiconduttori; giunzione PN, diodi di potenza, tiristori, MOSFET e IGBT.
  • Transitori di accensione e spegnimento; perdite di conduzione e di commutazione.
  • Fondamenti della conversione statica dell'energia: convertitori monofase e trifase AC/DC, convertitori DC/DC, inverter monofase e trifase DC/AC e inverter multilivello.
  • Tecniche PWM carrier-based, modulazione bipolare e unipolare, dead time e iniezione di terza armonica.
  • Modellazione e simulazione dei convertitori in MATLAB/Simulink; prove sperimentali su ponte a diodi, convertitore step-down e inverter trifase.
    Modulo 2 Sistemi di controllo e sensoristica
  • Sistemi lineari nel dominio del tempo; trasformata di Laplace e rappresentazione mediante funzioni di trasferimento.
  • Risposta in frequenza, diagrammi di Bode, stabilità dei sistemi LTI e criterio di stabilità di Bode.
  • Sistemi in anello aperto e in retroazione; regolatori industriali P, PI e PID nei domini continuo e discreto.
  • Sensori di corrente e di tensione; sensori di posizione e velocità.
    Modulo 3 Macchine elettriche e azionamenti
  • Richiami sui circuiti magnetici, sul campo magnetico rotante e sui principi di funzionamento delle macchine elettriche.
  • Trasformazioni abc-alfa beta e alfa beta-dq0; potenza e coppia nel riferimento rotante.
  • Modello dinamico della macchina sincrona e analisi in regime sinusoidale.
  • Macchine sincrone a rotore avvolto, a magneti permanenti superficiali e interni e a riluttanza; controllo di coppia, MTPA, disaccoppiamento degli assi e deflussaggio.
  • Modello dinamico della macchina asincrona, coefficienti di auto e mutua induzione, circuito equivalente dinamico e coppia elettromagnetica nel riferimento dq0.
  • Controllo vettoriale a orientamento di campo diretto e indiretto delle macchine sincrone e asincrone.
  • Introduzione ai sistemi embedded basati su PLC, microcontrollori, DSP e FPGA e al software National Instruments LabVIEW.
  • Simulazione, sintesi del controllo e verifica sperimentale di azionamenti elettrici; sistemi hardware-in-the-loop e tendenze evolutive del settore.

Modalità d'esame

La valutazione finale consiste in un colloquio orale sugli argomenti teorici, metodologici e applicativi trattati nel corso. La prova accerta la comprensione dei principi di funzionamento dei convertitori e delle macchine elettriche, la capacità di ricavare e interpretare i modelli dinamici, la padronanza delle strategie di controllo e la capacità di discutere criticamente risultati di simulazione e prove sperimentali.
La valutazione tiene conto della correttezza e completezza delle risposte, della proprietà del linguaggio tecnico, della capacità di collegare i diversi sottosistemi dell'azionamento e dell'autonomia nell'affrontare problemi di analisi e controllo.

Frequenza: La frequenza delle lezioni, delle esercitazioni e delle attività di laboratorio è fortemente consigliata, considerata la natura applicativa del corso e la stretta integrazione tra contenuti teorici, simulazioni e verifiche sperimentali.

Testi di riferimento

Oltre alle dispense e al materiale didattico forniti dal docente:

  • Ion Boldea, Syed A. Nasar, Electric Drives, Third Edition, CRC Press, 2016, ISBN 9781498748209.
  • Bimal K. Bose, Modern Power Electronics and AC Drives, Prentice Hall PTR, 2002.
  • Ned Mohan, Tore M. Undeland, William P. Robbins, Power Electronics Converters Applications and Design, Wiley, ISBN 0471226939.
  • Ned Mohan, Advanced Electric Drives Analysis Control and Modeling Using MATLAB Simulink, Wiley, ISBN 9781118485484.

Codice insegnamento 20801715

MISURE E TECNOLOGIE DEI CONTROLLI 1° anno · 6 CFU · ING-INF/04 · 0 file

L’obiettivo del corso è quello di preparare lo studente alle problematiche di progettazione hardware-software dei sistemi di automazione industriale. Dopo una rivisitazione delle basi teoriche della teoria della misura e…

Scheda dell'insegnamento

Obiettivi formativi

L’obiettivo del corso è quello di preparare lo studente alle problematiche di progettazione hardware-software dei sistemi di automazione industriale. Dopo una rivisitazione delle basi teoriche della teoria della misura e dei controlli automatici e una panoramica dei sensori-trasduttori maggiormente utilizzati negli impianti di controllo, è prevista una fase sperimentale mediante l’implementazione hardware-software di semplici sistemi di controllo (PID). Al termine del corso lo studente conoscerà i principi di funzionamento e di programmazione dei dispositivi di controllo e i loro requisiti industriali.

Programma

1. L'automazione industriale.
a. Modello di un dispositivo di controllo.
b. Modello di un sistema di controllo industriale
2. Dispositivi di controllo
a. Requisiti di un dispositivo di controllo
b. Controllori per applicazioni generiche
c. Controllori specializzati
3. Cenni di metrologia e strumentazione elettronica. Errori di misura
4. Elementi di sensori e trasduttori
a. Caratteristiche di un sensore
b. Sensori di moto
c. Sensori di temperatura
d. Sensori di pressione
e. Sensori di forza
f. Cenni sugli attuatori idraulici
g. Servo-attuatori
h. Sensori di vibrazione
5. Condizionamento e conversione dei segnali
a. Richiami sugli amplificatori operazionali
b. Amplificatore da strumentazione
c. Convertitori F/V
d. Convertitori A/D e D/A
6. Risposta armonica e analisi spettrale
7. Regolatori PID industriali
a. Leggi di controllo
b. Taratura manuale e automatica
c. Realizzazione digitale
8. Ciclo di sviluppo dei sistemi di automazione (capitoli 14-15 da [1] e [5])
a. Sviluppo dei sistemi di controllo
b. Esempi di architetture di controllo
9. Introduzione ai sistemi Arduino
10. Esempi di applicazione per controllo industriale

Modalità d'esame

L’esame finale consiste in una prova scritta individuale con durata di 2 h, e comprende tre domande in forma aperta e nella valutazione dell’esperienza in laboratorio. Lo studente deve dimostrare un’adeguata conoscenza dei concetti acquisiti durante il corso.
L’esito dell’esercitazione di laboratorio è vincolante ai fini dell’accesso alla prova scritta. Le prove contribuiscono ognuna per il 50% della valutazione finale, pertanto il superamento di una delle due prove non è sufficiente per il superamento dell’esame.

Frequenza: Frequenza del corso non obbligatoria

Testi di riferimento

[1] P. Chiacchio e F. Basile, Tecnologie Informatiche per l'Automazione, seconda ed. McGraw-Hill, 2004.
[2] G. Magnani, G. Ferretti e P. Rocco, Tecnologie dei Sistemi di Controllo, seconda ed. McGraw-Hill, 2007.
[3] P. Bolzern, R. Scattolini e N. Schiavoni, Fondamenti di controlli automatici, terza ed. McGraw-Hill, 2008

Codice insegnamento 20810207

Model Identification and Data Analysis 1° anno · 6 CFU · ING-INF/04 · 0 file

Illustrare i metodi di identificazione dei modelli e fusione sensoriale a partire dai dati sperimentali. Famiglia di modelli ARX e ARMAX. Introdurre i metodi a minimizzazione dell'errore di predizione: il metodo dei…

Scheda dell'insegnamento

Obiettivi formativi

Illustrare i metodi di identificazione dei modelli e fusione sensoriale a partire dai dati sperimentali. Famiglia di modelli ARX e ARMAX. Introdurre i metodi a minimizzazione dell'errore di predizione: il metodo dei minimi quadrati; il metodo dei minimi quadrati ricorsivi, il metodo della massima verosimiglianza. Illustrare i metodi di identificazione per processi con modello incerto e/o solo parzialmente noto: filtri di Bayes (filtro di Kalman, filtro di Kalman Unscented, filtri particle). Introdurre tecniche avanzate di identificazione e fusione sensoriale.

Programma

Modelli per processi aleatori stazionari

  • Leggi fisiche
  • Processo stocastico
  • Modelli per il filtraggio, la predizione ed il controllo: modelli input-output per serie temporali e sistemi dinamici (AR, ARMA, ARX, ARMAX)
    Identificazione
  • Identificazione a scatola nera (Minimi quadrati e metodi a massima verosimiglianza)
  • Selezione della descrizione a complessità minima
  • Cross-validazione: tecniche FPE (Final Prediction Error), AIC (Akaike Information Criterion) or MDL (Minimum Description Length)
  • Metodi di identificazione ricorsivi (RLS,ELS,RML). Forgetting factor
    Bayesian filtering
  • Stima di stato: filtraggio, predizione e smoothing.
  • Filtro di Kalman, filtro di Kalman di regime
  • Trasformazione unscented, filtro di Kalman Unscented Kalman
  • Filtri a griglia
  • Filtri Particle
    Filtraggio distribuito
  • Filtro a informazione
  • Filtro a informazione estesto

Modalità d'esame

Prova scritta, prova orale.

Erogazione: Tradizionale

Frequenza: Not applicable

Testi di riferimento

Sergio Bittanti, "Model Identification and Data Analysis", John Wiley and Sons Ltd

B.D.O. Anderson, J.B. Moore: Optimal filtering, Prentice Hall, 1979.
Y. Bar-Shalom, X.R. Li, T. Kirubarajan: Estimation with applications to tracking and navigation, J. Wiley & Sons, 2001.
B. Ristic, S. Arulampalam, N. Gordon: Beyond the Kalman filter: particle filters for tracking applications, Artech House, 2004.

Codice insegnamento 20810158

OTTIMIZZAZIONE DEI SERVIZI PUBBLICI 1° anno · 6 CFU · MAT/09 · 0 file

Fornire un compendio di tecniche, metodi, modelli e approcci per il decision making nel settore pubblico. Il corso partirà da un insieme di casi di studio, variabili di anno in anno, riguardanti il progetto e la gestione…

Scheda dell'insegnamento

Obiettivi formativi

Fornire un compendio di tecniche, metodi, modelli e approcci per il decision making nel settore pubblico. Il corso partirà da un insieme di casi di studio, variabili di anno in anno, riguardanti il progetto e la gestione operativa di servizi pubblici per sviluppare modelli e metodi di ottimizzazione adeguati alla loro risoluzione, tenendo presenti le problematiche etiche e politiche che distinguono il settore pubblico da quello privato. A valle del corso i risultati attesi sono la capacità, da parte dello studente, di analizzare, formalizzare e risolvere tipici problemi inerenti la pianificazione e la gestione operativa di servizi: di trasporto pubblico (urbano, ferroviario, aereo), di prevenzione e gestione delle emergenze (polizia, vigili del fuoco, pronto soccorso), per l’assistenza sanitaria, per la produzione e distribuzione di beni (acqua, energia), per la conservazione di beni (culturali e ambientali), per l’organizzazione di grandi eventi (sportivi, elezioni).

Programma

Programma del Corso
1. Introduzione a Processi Decisionali Multi-Criterio nella Gestione dei Servizi Pubblici
2. Ottimizzazione nella Pianificazione e Schedulazione di Progetti
3. Programmazione Disgiuntiva: Modelli di Scheduling e Routing, Algoritmi (Meta)Euristici / Esatti
4. Sistemi di Prenotazione, Scheduling di Intervalli
5. Timetabling con Vincoli su Operatori o Strumentazione
6. Scheduling and Timetabling in Tornei Sportivi
7. Scheduling di Programmi Televisivi
8. Problemi di Trasporto: Coordinamento, Scheduling e Routing di Navi/Aerei/Treni
9. Sistemi di Supporto alle Decisioni per la Direzione delle Operazioni in Tempo Reale
10. Scheduling della Forza Lavoro: Scheduling dei Giorni Liberi, Turni, Cyclic Staffing
11. Scheduling del Personale Aereo
12. Problemi di Localizzazione Discreta
13. Gestione della Qualità dell’Acqua e dell’Aria
14. Assistenza Sanitaria

Modalità d'esame

intermedia/finale,
orale/scritta

Erogazione: lezioni frontali,
esercitazioni,
seminari,
lavoro di gruppo,
analisi di casi

Frequenza: Frequenza consigliata

Testi di riferimento

Michael L. Pinedo (Author) “Planning and Scheduling in Manufacturing and Services”, Springer Series in Operations Research, Edizione 2005
S.M. Pollock, M.H. Rothkopf, A. Barnett (Editors), “Operations Research and the Public Sector”, Handbooks in Operations Research and Management Science, Volume 6, Edizione 1994

MATERIALE DISPONIBILE SULLA PAGINA E-LEARNING DEL CORSO, INCLUSE DISPENSE DEL DOCENTE, SLIDES DELLE LEZIONI, E ARTICOLI SCIENTIFICI
SOFTWARE DI OTTIMIZZAZIONE & TUTORIALS DISPONIBILI SULLA PAGINA MOODLE DEL CORSO

Codice insegnamento 20802073

SIMULAZIONE DI PROCESSI INDUSTRIALI E LOGISTICI 1° anno · 9 CFU · ING-INF/04 · 0 file

Fornire un insieme di strumenti formali per la modellistica dei flussi informativi e l’ottimizzazione della gestione operativa di sistemi produttivi automatizzati, con particolare riferimento ai sistemi flessibili di…

Scheda dell'insegnamento

Obiettivi formativi

Fornire un insieme di strumenti formali per la modellistica dei flussi informativi e l’ottimizzazione della gestione operativa di sistemi produttivi automatizzati, con particolare riferimento ai sistemi flessibili di lavorazione e assiematura.

Programma

La simulazione ad eventi discreti, metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di calcolo, di telecomunicazione, di traffico, ecc)
Gli argomenti trattati possono essere raggruppati nei seguenti tre fasi:

  • costruzione di un modello di un sistema reale:
  • "esecuzione" di un modello di simulazione
  • analisi dei risultati della simulazione:

Modalità d'esame

Sono previste prove in itinere (esoneri), Una prova scritta ( teorica e pratica) ed eventuale orale

Frequenza: In presenza e online

Testi di riferimento

Materiale del docente caricato sul teams

Materiale del docente caricato sul teams

Codice insegnamento 20802112

SISTEMI OPERATIVI 1° anno · 6 CFU · ING-INF/05 · 0 file

Fornire (1) competenze sulla struttura di un generico sistema operativo moderno, (2) competenze sulla struttura di un sistema operativo Unix con particolare riferimento al sistema Linux, (3) conoscenza delle…

Scheda dell'insegnamento

Obiettivi formativi

Fornire (1) competenze sulla struttura di un generico sistema operativo moderno, (2) competenze sulla struttura di un sistema operativo Unix con particolare riferimento al sistema Linux, (3) conoscenza delle particolari metodologie usate per risolvere le problematiche tipiche della gestione delle risorse in un sistema operativo moderno, (4) abilità nel usare e una piattaforma Unix a livello utente, (5) abilità nella programmabilità di un sistema Unix (scripting), (6) abilità di base nella programmazione di sistema.

Programma

  • Introduzione ai Sistemi Operativi - Virtualizzazione del processore - Virtualizzazione della memoria - Programmazione concorrente -
    Virtualizzazione dello storage

Modalità d'esame

L'esame comprende domande di teoria ed esercizi di programmazione da svolgere in laboratorio.
IANNUCCI STEFANO
scheda docente
|
materiale didattico
Fruizione: 20810523 SISTEMI OPERATIVI E VIRTUALIZZAZIONE in Ingegneria Informatica e dell'Intelligenza Artificiale L-8 R CRESCENZI VALTER, IANNUCCI STEFANO

Frequenza: - La frequenza non è obbligatoria.

Testi di riferimento

Remzi H. Arpaci-Dusseau and Andrea C. Arpaci-Dusseau, Operating Systems: Three Easy Pieces,
https://pages.cs.wisc.edu/~remzi/OSTEP/

Codice insegnamento 20801961

TEORIA DEI SISTEMI E DEL CONTROLLO 1° anno · 9 CFU · ING-INF/04 · 0 file

Fornire allo studente conoscenze metodologiche e tecniche per la modellistica e l’analisi di sistemi lineari e stazionari rappresentabili con modelli alle variabili di stato. Fornire gli strumenti per la progettazione di…

Scheda dell'insegnamento

Obiettivi formativi

Fornire allo studente conoscenze metodologiche e tecniche per la modellistica e l’analisi di sistemi lineari e stazionari rappresentabili con modelli alle variabili di stato. Fornire gli strumenti per la progettazione di algoritmi di controllo basati su queste rappresentazioni. Derivare il modello dinamico alle variabili di stato di un sistema a più ingressi e più uscite. Valutare le proprietà strutturali di questo e progettarne il controllore assegnando la dinamica desiderata, eventualmente con l’impiego di un osservatore. Fornire i principi base per l'analisi dei sistemi non lineari.

Programma

Sistemi Lineari
1. INTRODUZIONE AI SISTEMI LINEARI
1.1. Modellazione
1.2. Variabili di Stato
2. EQUAZIONI DIFFERENZIALI
2.1. Equazioni Differenziali Lineari a Coefficienti Costanti
2.2. Esponenziale di Matrice
2.3. Evoluzione Libera
2.4. Evoluzione Forzata
3. RELAZIONE TRA LE RAPPRESENTAZIONI
3.1. Passaggio da Variabili di Stato a Funzione di Trasferimento
3.2. Passaggio da Funzione Trasferimento a Variabili di Stato
4. DECOMPOSIZIONE MODALE
4.1. Autovalori ed Autovettori
4.2. Trasformazione di Coordinate
4.3. Diagonalizzazione e Jordanizzazione
5. PROPRIETÀ STRUTTURALI
5.1. Controllabilità e Osservabilità
5.2. Form di Kalman per Controllabilità e Osservabilità
5.3. Decomposizione Canonica di Kalman
6. ASSEGNAZIONE AUTOVALORI
6.1. Assegnazione Autovalori dallo Stato
6.1.1. Teorema Assegnazione (SISO/MIMO)
6.1.2. Teorema Unicità Assegnazione SISO
6.2. Problema Stabilizzazione
6.3. Osservatore Asintotico dello Stato
6.4. Principio Separazione
6.5. Assegnazione Autovalori dall'Uscita
7. REGOLAZIONE USCITA
7.1. Caso Informazione Completa
7.2. Caso Retroazione dall'Errore
Sistemi Non Lineari
9. INTRODUZIONE AI SISTEMI NON LINEARI
9.1. Proprietà fondamentali
9.2. Condizione Lipschitz
9.3. Esistenza ed Unicità della soluzione
9.4. Comparison Lemma
10. STABILITÀ LYAPUNOV
10.1. Sistemi Autonomi
10.2. Definizione Stabilità
10.3. Teorema Stabilità (Criterio Diretto)
10.4. Teorema Instabilità
10.5. Funzioni Lyapunov di Controllo (Krasovskii)
10.6. Principio Invarianza (LaSalla Theorem)
10.7. Teorema Stabilità per Sistemi Linearizzati (Criterio Indiretto)

Modalità d'esame

Prova scritta e orale separate

Erogazione: Tradizionale

Frequenza: Frequenza Facoltativa

Testi di riferimento

Sistemi Lineari
1. An Introduction to Linear Control Systems, Thomas E. Fortmann, Konrad L. Hitz
2. Complementi per il Corso (http://gasparri.dia.uniroma3.it/Stuff/complementi_teoria_dei_sistemi.pdf)
3. Sistemi di controllo (Vol. 2), Alberto Isidori
Sistemi Nonlineari
1. Nonlinear Systems (3rd Edition), Hassan K. Khalil

Nessuna

Codice insegnamento 20810528

CONOSCENZE UTILI PER L'INSERIMENTO NEL MONDO DEL LAVORO 2° anno · 1 CFU · 0 file

Seminari a frequenza obbligatoria. Obiettivo del corso è presentare agli studenti conoscenze utili per l'inserimento nel mondo del lavoro attraverso testimonianze dirette da protagonisti della realtà produttiva.…

Scheda dell'insegnamento

Obiettivi formativi

Seminari a frequenza obbligatoria.
Obiettivo del corso è presentare agli studenti conoscenze utili per l'inserimento nel mondo del lavoro attraverso testimonianze dirette da protagonisti della realtà produttiva. Vengono illustrate le dinamiche di inserimento e di carriera in diverse tipologie di aziende (startup, pmi, multinazionale) in diversi settori merceologici (software integrator, aziende di servizi, aziende di prodotto, gruppi assicurativi e bancari, utility).Vengono insegnati soft skills, utili all’inserimento nel mondo del lavoro (preparazione del cv, preparazione per colloquio di lavoro). Vengono inoltre introdotte nozioni di base del diritto del lavoro.

Programma

Scrivere il CV
Prepararsi ai colloqui di lavoro
Orientarsi nei contratti di lavoro
Dinamiche di crescita professionale

Modalità d'esame

L'idoneità è conseguita con la frequenza di almeno 11 seminari
Secondo Semestre
MERIALDO PAOLO
scheda docente
|
materiale didattico
Mutuazione: 20801785 CONOSCENZE UTILI PER L'INSERIMENTO NEL MONDO DEL LAVORO in Ingegneria informatica e dell'intelligenza artificiale LM-32 MERIALDO PAOLO

Frequenza: Obbligatoria, con firma

Testi di riferimento

Slide usate dai relatori

Codice insegnamento 20801785

CYBER PHYSICAL SYSTEMS 2° anno · 6 CFU · ING-INF/04 · 0 file

La progettazione di Cyber Physical Systems (CPS) richiede la capacità di saper coniugare discipline diverse. In particolare, i CPS si pongono come area di intersezione di discipline quali il controllo, l'elaborazione dei…

Scheda dell'insegnamento

Obiettivi formativi

La progettazione di Cyber Physical Systems (CPS) richiede la capacità di saper coniugare discipline diverse. In particolare, i CPS si pongono come area di intersezione di discipline quali il controllo, l'elaborazione dei segnali, la fault detection e il calcolo in real-time. Il corso, pertanto, si propone di fornire allo studente le conoscenze di base di queste aree tematiche utilizzando un approccio di tipo sistemistico. Saranno inoltre trattati metodi innovativi per la fault diagnosis e la protezione dei CPS mediante lo studio diretto della letteratura.

Programma

  • Introduzione ai CPS: applicazioni e sistemi
  • Modelli per i CPS
  • Sistemi di comunicazione per i CPS: standards, comunicazione wireless e tecnologie correlate
  • Sistemi in tempo reale
  • Sistemi di fault diagnosis: detection-isolation-identification di anomalie basate sul modello
  • Sistemi di identificazione di attacchi cyber basati sul modello del sistema: attacchi evoluti a CPS

Modalità d'esame

Prova scritta
Prova orale
Valutazione progetto
Valutazione in itinere

Erogazione: Il corso viene erogato attraverso lezioni frontali classiche e attività di esercitazione in aula e in laboratorio su problemi di definizione e progettazione di sistemi Cyber Physical.

Frequenza: In considerazione della natura del corso, che prevede una costante interazione tra teoria e applicazioni, la frequenza, seppur facoltativa, è fortemente consigliata.

Testi di riferimento

Dispense del docente
Articoli scientifici

'Model-based fault diagnosis techniques. Design schemes, Algorithms, and Tools'. Steven X. Ding, Springer-Verlag Berlin Heidelberg, 2008

Codice insegnamento 20802136

Complex robotic systems laboratory 2° anno · 3 CFU · ING-INF/04 · 0 file

Fornire agli studenti le competenze necessarie a concepire, sviluppare e portare a termine un progetto complesso di robotica. L’insegnamento è caratterizzato da un approccio fortemente sperimentale.

Scheda dell'insegnamento

Obiettivi formativi

Fornire agli studenti le competenze necessarie a concepire, sviluppare e portare a termine un progetto complesso di robotica. L’insegnamento è caratterizzato da un approccio fortemente sperimentale.

Programma

1. Introduzione al sistema operativo robot (ROS)
2. Architettura ROS: Nodes, Messages, Topics, Services e Parameters
3. Ambiente di simulazione Gazebo
4. Cinematica del robot con azionamento differenziale
5. Strumenti della GUI ROS (Rviz e Rqt)
6. Stack di navigazione

Modalità d'esame

Valutazione progetto

Erogazione: Tradizionale

Frequenza: Frequenza Facoltativa

Testi di riferimento

Testo Principale

  • Lentin Joseph. 2018. Robot Operating System for Absolute Beginners. Apress, USA.
    Testo Suggerito
  • Lentin Joseph and Jonathan Cacace. 2018. Mastering ROS for Robotics Programming - Second Edition: Design, build, and simulate complex robots using the Robot Operating System (2nd. ed.). Packt Publishing.

Nessuno

Codice insegnamento 20810209

DECISION SUPPORT SYSTEMS AND APPLICATIONS 2° anno · MAT/09 · 0 file

Obiettivo del corso è far acquisire i principali strumenti teorici e metodologici per la modellizzazione delle decisioni e per l’individuazione delle migliori strategie di supporto alle decisioni in considerazione…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivo del corso è far acquisire i principali strumenti teorici e metodologici per la modellizzazione delle decisioni e per l’individuazione delle migliori strategie di supporto alle decisioni in considerazione degli obiettivi prefissati. Il corso mira anche a fornire abilità e competenze su come utilizzare i dati a disposizione per implementare modelli prescrittivi analitici a supporto delle decisioni, come leggere i risultati forniti dai modelli in uso e come interpretarli per proporre soluzioni opportune a problemi gestionali complessi.

Programma

  • Panoramica sui sistemi di supporto alle decisioni (DSS). Model Driven DSS.
  • Richiami di modellazione (esempi di formulazioni PL, PLI e PNL). Cenni alla complessità computazionale.
  • Generalità su Business Analytics. Predictive analytics, alberi di classificazione ottimi, esempi. Prescriptive analytics.
  • Algoritmi euristici: Euristiche Costruttive, Ricerca Locale, Ricerca Locale a profondità variabile, Tabu Search, Simulated Annealing, Algoritmi Genetici, GRASP, Iterated Local Search, Variable Neighborhood Search, Guided Local Search, Ant Colony Optimization, PSO, Scatter Search, Path relinking...
  • Ottimizzazione robusta.
  • Studio di casi reali: (1) ottimizzazione dei flussi nella distribuzione di cibi surgelati dagli impianti di produzione ai rivenditori, (2) ottimizzazione dei turni del personale sanitario nei reparti ospedalieri, (3) ottimizzazione dei percorsi per la raccolta di materiale biologico per analisi di laboratorio, (4) gestione ottima del magazzino di un’azienda che si occupa di vendite online (5) processo di donazione di organi.

Modalità d'esame

La verifica dell’apprendimento avviene attraverso una prova scritta della durata di circa 2 ore. Lo scritto è organizzato attraverso un certo numero di domande, finalizzate a verificare il livello di comprensione effettiva dei concetti e la capacità degli studenti di applicarli in contesti reali.
La prova scritta sarà integrata o con una prova orale o con lo svolgimento di un progetto da svolgere sotto la guida del docente.

Erogazione: Lezioni principalmente di didattica frontale sia alla lavagna sia con slide proiettate. Analisi di alcuni casi di studio.

Frequenza: Preferibilmente in presenza. In ogni caso, il materiale didattico fornito offre la possibilità agli studenti non frequentanti di prepararsi per l'esame.

Testi di riferimento

1. Modelli e metodi decisionali in condizioni di incertezza e rischio, di G. Ghiani, R. Musmanno (a cura di), McGraw-Hill Education, 2009.
2. Slide e materiale didattico fornito dal docente

Codice insegnamento 20810533

Laboratorio di metodi decisionali 2° anno · 3 CFU · MAT/09 · 0 file

Fornire agli studenti le competenze necessarie a concepire, sviluppare e portare a termine un progetto complesso di ricerca operativa. L’insegnamento è caratterizzato da un approccio fortemente sperimentale e si svolgerà…

Scheda dell'insegnamento

Obiettivi formativi

Fornire agli studenti le competenze necessarie a concepire, sviluppare e portare a termine un progetto complesso di ricerca operativa. L’insegnamento è caratterizzato da un approccio fortemente sperimentale e si svolgerà presso il Laboratorio di “Automazione e organizzazione industriale” del Dipartimento di Ingegneria.

Programma

Utilizzo di software di modellazione matematica o di altri strumenti informatici per lo sviluppo di un progetto individuale nell'ambito dei metodi decisionali

Modalità d'esame

valutazione progetto
Mutuazione: 20810210 Laboratorio di metodi decisionali in Ingegneria gestionale e dell'automazione LM-32 NICOSIA GAIA, FREDA ARIANNA

Erogazione: Dopo alcune lezioni su strumenti informatici utilizzabili per lo svolgimento dei progetti e sulle tecniche per sviluppare progetti con metodo scientifico, le lezioni saranno di tipo individuale per seguire ciascuno studente in modo personalizzato.

Frequenza: Preferibilmente in presenza. Per gli studenti non frequentanti è comunque possibile lo sviluppo di progetti con revisione da remoto.

Testi di riferimento

Per il sofware ampl:

  • https://ampl.com/resources/the-ampl-book/
  • slide del docente
    Per altri software:
  • materiale disponibile in rete

Codice insegnamento 20810210

METODI DI SUPPORTO ALLE DECISIONI MANAGERIALI 2° anno · 9 CFU · ING-INF/04 · 0 file

Fornire conoscenze metodologiche e operative per l'organizzazione e la gestione sistematica di attività manageriali, in tutte le diverse fasi che caratterizzano i processi decisionali aziendali: definizione del problema,…

Scheda dell'insegnamento

Obiettivi formativi

Fornire conoscenze metodologiche e operative per l'organizzazione e la gestione sistematica di attività manageriali, in tutte le diverse fasi che caratterizzano i processi decisionali aziendali: definizione del problema, sua formalizzazione, definizione di vincoli, obiettivi e alternative di azione, sviluppo di algoritmi e metodi di soluzione, valutazione, implementazione e certificazione delle procedure e delle soluzioni trovate.

Codice insegnamento 20801762

OTTIMIZZAZIONE DELLA LOGISTICA 2° anno · 9 CFU · MAT/09 · 0 file

Fornire conoscenze avanzate per il progetto di sistemi di supporto alle decisioni per la pianificazione e schedulazione di attività e per la gestione di processi produttivi e logistici complessi basati sulle tecniche e…

Scheda dell'insegnamento

Obiettivi formativi

Fornire conoscenze avanzate per il progetto di sistemi di supporto alle decisioni per la pianificazione e schedulazione di attività e per la gestione di processi produttivi e logistici complessi basati sulle tecniche e sui metodi propri della Ricerca Operativa.

Programma

1. Programmazione non lineare
Gradiente, Matrice Hessiana
Condizioni necessarie di minimo locale (primo e secondo ordine)
Condizioni sufficienti di minimo locale (secondo ordine e caso convesso)
Metodo del gradiente, algoritmi di Line search
Metodo di Newton
2. Programmazione non lineare Vincolata
Condizioni KKT
Metodi di barrier e funzioni di penalità (cenni)
3. Logistica interna, il problema di Lot Sizing
Modello EOQ
Algoritmo di Wagner-Whitin
Algoritmo di Zangwill
4. Job Shop Scheduling
Metodi euristici, algoritmo di Nowicki-Smutnicki
Metodi esatti, algoritmo di Carlier-Pinson
5. Logistica esterna, il Problema di Vehicle Routing
6. Crew Scheduling
7. Problemi di localizzazione di impianti

Modalità d'esame

La verifica dell’apprendimento avviene attraverso una prova scritta selettiva, della durata di 90-120 minuti, e una prova orale, finalizzate a verificare il livello di comprensione effettiva dei concetti e la capacità degli studenti di applicarli in contesti reali.
L'insegnamento prevede anche una o più prove in itinere scritte, facoltative, ciascuna consistente in uno o due esercizi e/o una o più domande di teoria articolate in punti a risposta aperta, finalizzati a verificare il livello di apprendimento dei contenuti erogati nella prima parte del corso. Il tempo previsto è di 90-120 minuti per ciascuna prova.
La prova d'esame prevede una prova scritta, consistente in due esercizi obbligatori e una domanda di teoria facoltativa articolata in punti a risposta aperta. Il tempo previsto è di 90-120 minuti. La prova orale consiste in una o più domande sulla prova scritta ed eventuali domande di teoria. I testi d'esame degli ultimi anni sono disponibili sulla pagina Moodle dell'insegnamento.

Erogazione: Lezioni ed esercitazioni in aula.

Frequenza: Non obbligatoria ma consigliata.

Testi di riferimento

Materiale a cura del docente disponibile sulla pagina Moodle dell'insegnamento

Caramia, Giordani, Guerriero, Musmanno, Pacciarelli, "Ricerca Operativa", Isedi, Italia, 2014.
Sassano A., "Modelli e Algoritmi della Ricerca Operativa", Franco Angeli.
Carlier J., Pinson E., “An algorithm for solving the job shop problem”, Management Science, 35 (2), 164-175 (1989).
Carlier J., Pinson E., “Adjustment of heads and tails for the job-shop problem”, European Journal of Operational Research, 78 (2), 146-161 (1994).
Brucker P., Jurisch B., Sievers B., “A branch and bound algorithm for the job scheduling shop problem”, Discrete Applied Mathematics, 49, 107-127 (1994).
Nowicki E., Smutnicki C., “A fast taboo search algorithm for the job shop problem”, Management Science, 42 (6), 797-813 (1996).
Nowicki E., Smutnicki C., “An advanced tabu search algorithm for the job shop problem”, Journal of Scheduling, 8, 145-159 (2005). Il PDF è scaricabile qui da un PC di Roma Tre.
Heinz Gröflin, Andreas Klinkert, "A new neighborhood and tabu search for the Blocking Job Shop", Discrete Applied Mathematics, 157 (2009), 3643-3655.Il PDF è scaricabile qui da un PC di Roma Tre.
Yazid Mati and Xiaolan Xie, "Multiresource Shop Scheduling With Resource Flexibility and Blocking", IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING, in press
Christoph J. Schuster, Jose M. Framinan, "Approximative procedures for no-wait job shop scheduling", Operations Research Letters, 31 (2003) 308 – 318.Il PDF è scaricabile qui da un PC di Roma Tre.

Codice insegnamento 20801784

PROVA FINALE 2° anno · 26 CFU · 0 file
ROBOTICA 2° anno · 9 CFU · ING-INF/04 · 0 file

Il corso fornisce gli strumenti per la modellistica cinematica e dinamica e per il controllo e la pianificazione del moto di manipolatori industriali e di piattaforme autonome mobili. Alla fine del corso lo studente avrà…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce gli strumenti per la modellistica cinematica e dinamica e per il controllo e la pianificazione del moto di manipolatori industriali e di piattaforme autonome mobili.
Alla fine del corso lo studente avrà le conoscenze per partecipare a progetti che prevedendo lo sviluppo e l'utilizzo di tali dispositivi.

Programma

Manipolatori (Capitoli del testo Siciliano et al. Robotics):

  • Cinematica diretta
  • Cinematica differenziale
  • Inversione cinematica
  • Pianificazione di traiettoria
  • Statica ed ellissoidi di manipolabilità
  • Cenni di modello dinamico
  • Schemi di controllo del moto
  • Cenni di schemi di controllo in forza
    Robotica mobile:
  • Concetti topologici di base (Capitolo 4.1, Planning Algorithms LaValle)
  • Corpi rigidi 2D: SE(2) (Capitolo 4.2.1, Planning Algorithms LaValle)
  • Campi vettoriali e curve integrali (Capitolo 8.3, Planning Algorithms LaValle)
  • Modelli differenziali (Capitolo 13.1, Planning Algorithms LaValle)
  • Controllo di sistemi affini (Capitolo 15.4, Planning Algorithms LaValle)
  • Controllo del moto (Capitolo 11.6, Siciliano et al. Robotics)

Modalità d'esame

Prova Orale e Valutazione Progetto
LIPPI MARTINA
scheda docente
|
materiale didattico

Erogazione: nel periodo di emergenza COVID-19 lo svolgimento seguirà la normativa vigente

Frequenza: Frequenza Facoltativa

Testi di riferimento

  • Bruno Siciliano, Lorenzo Sciavicco, Luigi Villani, and Giuseppe Oriolo. 2009. Robotics: Modelling, Planning and Control. Springer Publishing Company, Incorporated.
  • Steven M. LaValle. 2006. Planning Algorithms. Cambridge University Press, USA.
  • Veysel Gazi and Kevin Passino. 2011. Swarm Stability and Optimization. Springer Publishing Company, Incorporated.

Nessuno

Codice insegnamento 20802143

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.