Capitolo 1

Perché utilizzare l’IA per la simulazione e la progettazione Model-Based?

Utilizzare i modelli Simulink^® lungo l’intero processo di sviluppo, adottando dunque un approccio chiamato progettazione Model-Based, è un modo comprovato per sviluppare sistemi complessi in modo efficiente e a rischio ridotto. Aggiungere tecniche di IA al workflow consente di risparmiare tempo e di migliorare i propri progetti e non serve essere esperti di IA per farlo.

I principali motivi per usare l’IA nella simulazione e nella progettazione Model-Based sono quattro:

1. Aumentare la precisione: aumenta la precisione dell’algoritmo servendoti di dati di addestramento di alta qualità per creare un algoritmo di IA.
2. Ridurre la complessità: usa l’IA per sostituire algoritmi che sarebbe complesso dal punto di vista computazionale o impossibile modellare con altri metodi.
3. Risparmiare tempo: usa l’IA per creare modelli di sistemi di ordine ridotto quando la realizzazione o la simulazione di modelli ad alta fedeltà derivati dai principi primi richiederebbero tempi troppo lunghi.
4. Collaborazione: integra i modelli di IA sviluppati in framework open-source o in MATLAB nei progetti a livello di sistema usando Simulink.

Casi d’uso dell’IA nelle simulazioni

In questo e-book, tratteremo due casi d’uso principali che riguardano l’integrazione di modelli di IA addestrati in Simulink:

• Sviluppo di un modello di IA per un algoritmo che sarà infine distribuito su un sistema embedded. Per un esempio approfondito, passa al Capitolo 2.
• Uso dell’IA per la modellazione di un ambiente o un impianto sulla base di dati. I dati utilizzati per addestrare il modello di IA possono provenire dall’hardware o da un modello di simulazione ad alta fedeltà troppo impegnativo dal punto di vista computazionale per l’esecuzione di simulazioni a livello di sistema. Per un esempio approfondito su come utilizzare l’IA per creare un modello di ordine ridotto per un componente ad alta fedeltà, passa al Capitolo 3.

In molte situazioni, un modello di IA può essere utilizzato per entrambi i casi d’uso. Un’altra possibilità consiste nello sfruttare Simulink come un ambiente dinamico per il reinforcement learning, una branca del Machine Learning (ML).

Integrando l’IA nella progettazione Model-Based per lo sviluppo di algoritmi embedded sarà possibile:

• Sperimentare più modelli di IA di un algoritmo e confrontare rapidamente i tradeoff in termini di precisione e prestazioni su dispositivo.
• Valutare i modelli di IA degli algoritmi in termini di conformità ai requisiti di sistema prima della distribuzione.
• Eseguire i propri modelli di IA insieme ad altri modelli in un ambiente simulato per individuare eventuali problemi di integrazione dei sistemi.
• Testare scenari la cui esecuzione su hardware o in un ambiente fisico sarebbe troppo difficile, costosa o pericolosa.

Utilizzando l’IA per la modellazione di ordine ridotto basata sui dati, è possibile:

• Accelerare le simulazioni lente di modelli ad alta fedeltà.
• Accelerare la progettazione utilizzando il modello di ordine ridotto basato sull’IA nelle prime fasi del processo e utilizzare il modello di simulazione ad alta fedeltà nelle fasi successive per convalidare i risultati.
• Eseguire test Hardware-In-the-Loop verificando il progetto del controller senza l’hardware di sistema completo.
• Dedicare più tempo allo studio dei casi limite, ripetere il processo di progettazione e valutare alternative.

Come userai l’IA nel tuo lavoro di progettazione a livello di sistema?

Gli ingegneri operanti in qualsiasi settore possono utilizzare l’IA senza essere esperti di IA. MathWorks mette a disposizione interfacce, app ed esempi di facile utilizzo che renderanno l’IA accessibile.

Le tecniche di IA potranno essere utilizzate per il Machine Learning e il Deep Learning nell’ambito di applicazioni verticali note e sarà possibile capire come applicare queste tecniche a problemi specifici del settore.

Quale storia di successo vorresti approfondire?