Seminari MATLAB e Simulink

Digital Transformation: come affrontare i temi della modellazione & simulazione di sistemi e la loro manutenzione predittiva con MATLAB e Simulink

Novotel Bologna Fiera, Bologna , Italia

Titolo Orario di inizio Orario di fine
Sessione 1 1 ott 2019 - 09:15 1 ott 2019 - 12:25
Sessione 2 1 ott 2019 - 13:15 1 ott 2019 - 15:45

Presentazione

La modellazione & simulazione di sistemi virtuali si nasconde silenziosamente dietro a varie iniziative, tendenze, proposte e novità tecnologiche del mondo industriale, quali, per esempio, sono Industry 4.0, Digital Twin, Data Analytics e Internet-of-Things (IoT).

Il suo apporto fondamentale permette di aprire prospettive difficilmente auspicabili in passato.
La modellazione & simulazione offre un accesso diretto ad aspetti quali: l’analisi del funzionamento dei macchinari industriali, tanto in fase prototipale quanto durante il loro ciclo di vita, il miglioramento di flessibilità, modularità e operatività generale dei sistemi e una valutazione attenta della qualità finale dei sistemi di produzione, solo per citare i più noti.

Simulink è la piattaforma software che meglio risponde all’esigenza di modellazione e simulazione dei sistemi meccatronici, fornendo gli strumenti per:

  • caratterizzare le rappresentazioni virtuali dei moduli multifisici che concorrono a definire i vostri sistemi;
  • progettare leggi di controllo e software di automazione innovativi oppure migliorare l’esistente, esplorando nuove soluzioni e parametrizzazioni;
  • affrontare un’analisi di alto livello sul comportamento dell’intera linea di produzione;

Un tratto tipico dell’uso di questo strumento sta nell’andare oltre la modellazione & simulazione in senso stretto, fornendo strumenti dedicati per verificare quantitativamente la bontà del progetto in ogni sua fase. 

La manutenzione predittiva, dal canto suo, riduce i costi operativi per le aziende che utilizzano e producono apparecchiature costose, prevedendo guasti a partire dai dati ricevuti dai sensori. 

Tuttavia, l'identificazione e l'estrazione di informazioni utili da tali dati è un processo che spesso richiede diverse iterazioni e una profonda comprensione della macchina e delle sue condizioni operative.

Nella seconda parte di questo seminario, scoprirete come MATLAB e il Predictive Maintenance Toolbox combinino tecniche di machine learning con quelle tradizionali di Model-Based Design e signal processing per predire e isolare guasti, nonché stimare la vita utile residua dell’impianto in esame.

Tramite un esempio implementato per una macchina per l’impacchettamento, apprezzerete come validare i vostri algoritmi per poi integrarli con dispositivi embedded o PLC e con le piattaforme IT / OT aziendali.

Punti principali

  • Modellazione & Simulazione di Sistemi Virtuali
    • Digital Transformation Industriale: opportunità, sfide e soluzioni per lo sviluppo prodotto
    • Simulink come piattaforma per modellazione & simulazione di sistemi virtuali nella Digital Transformation
    • Approcci efficaci alla modellazione dei sistemi
    • Cosa si può estrarre dal modello di un sistema: obiettivi e risultati
  • Manutenzione Predittiva
    • Come sfruttare il Model-Based Design per la generazione di dati di guasto e test in real-time
    • Velocizzare i processi di estrazione delle feature e training di modelli di machine learning tramite App
    • Generazione automatica di codice C per algoritmi di classificazione dei guasti

Chi dovrebbe partecipare

  • Progettisti dell’automazione industriale che sviluppano sistemi meccatronici
  • Progettisti di sistemi di controllo
  • Ingegneri, analisti, data scientist e specialisti IT che sviluppano ed integrano sistemi di manutenzione predittiva

Informazioni sul relatore/sui relatori

Aldo Caraceto è Senior Application Engineer in MathWorks, esperto di strumenti per la modellazione multifisica, progettazione di sistemi di controllo, simulazione real-time e generazione automatica del codice. Da numerosi anni collabora con aziende del mondo dell’automazione industriale e dell’industria automotive. Entrato in MathWorks nel 2004, dal 2007 ricopre il ruolo di Application Engineer. In precedenza, ha lavorato per aziende operanti nell’ambito dell’automazione industriale come electronic designer ed automation engineer. Aldo ha conseguito una Laurea (M.S.) in Ingegneria Elettronica, presso il Politecnico di Torino.

Francesco Alderisio è Application Engineer in MathWorks, con particolare focus su strumenti per la modellazione fisica, simulazione desktop e real-time, progettazione di sistemi di controllo e generazione automatica di codice PLC, machine learning e manutenzione predittiva. Entrato in MathWorks nel 2017 come Technical Support Engineer, dal 2018 ricopre il ruolo di Application Engineer. Francesco ha conseguito una Laurea (M.Sc.) in Ingegneria dell’Automazione presso l’Università di Napoli “Federico II”, ed un dottorato di ricerca (Ph.D.) in Ingegneria Matematica presso l’Università di Bristol, UK.

Agenda

Ora Sessione 1

09:15

Registrazione e Welcome Coffee

09:30

Digital Transformation Industriale: opportunità, sfide e soluzioni per lo sviluppo prodotto

09:50

Simulink come piattaforma per modellazione & simulazione di sistemi virtuali nella Digital Transformation
  • Due casi esemplari: Industry 4.0 e Digital Twin
  • Perché il Model-Based Design con Simulink

10:10

Approcci efficaci alla modellazione dei sistemi
  • Modellazione di sistemi a partire da dati di misura
  • Modellazione di sistemi a partire da equazioni
  • Modellazione di sistemi multifisici

11:10

Break

11:25

Cosa si può estrarre dal modello di un sistema: obiettivi e risultati
  • Progettazione del sistema di regolazione del tiro per film plastici
  • Dal disegno meccanico alla regolazione dell’unità di motion control per un sistema meccatronico
  • Regolazione del controllo per azionamento elettrico commerciale
  • Analisi dei processi e valutazione delle metriche di efficienza/qualità

12:25

Q&A, Chiusura Sessione e Buffet

Ora Sessione 2

13.15

Registrazione

13.30

Introduzione alla manutenzione predittiva in MATLAB e Simulink

14.00

Condition monitoring

  • Generazione di dati di failure a partire da un modello Simulink
  • Tecniche di machine learning per l’implementazione di algoritmi di classificazione
  • Generazione automatica di codice C per dispositivi embedded o PLC e test in real-time 

14.45

Break

15.00

Stima della vita utile residua

  • Modelli di degradazione del Predictive Maintenance Toolbox
  • Implementazione e distribuzione di un App per la stima della RUL (Remaining Useful Life)

15.45

Q&A e Chiusura Lavori

Prodotti interessati

You are already signed in to your MathWorks Account. Please press the "Submit" button to complete the process.