Nuova ricerca    Stampa scheda

Sistemi di Automazione
Automation Systems
Silvia Maria Zanoli

Sede Ingegneria
A.A. 2016/2017
Crediti 9
Ore 72
Periodo I
Lingua ITA

Prerequisiti
I principali contenuti di Automazione Industriale (Definizione di sistemi ad eventi discreti - Petri nets)

Risultati di apprendimento attesi
CONOSCENZE E COMPRENSIONE:
L’insegnamento ha la finalità di illustrare agli studenti le modalità avanzate di modellazione e controllo di un Sistema di Produzione Automatizzato (un sistema ad eventi discreti, complesso, distribuito, casuale) al fine di prevederne/ valutarne le prestazioni in condizioni operative reali, e perciò incerte. I modelli che imparerà a sviluppare ed analizzare sono catene di Markov, Reti di Petri Stocastiche (SPN) e SPN Generalizzate (GSPN). Inoltre, verranno illustrate le più importanti tecniche ed architetture di controllo avanzato in ambito industriale, evidenziandone le problematiche implementative.
CAPACITA' DI APPLICARE LE CONOSCENZE:
Gli studenti saranno in grado di modellare sistemi ad eventi discreti temporizzati a partire da esempi di sistemi reali, giustificando le scelte di modellazione fatte, e di proporre appropriati criteri di valutazione delle prestazioni del sistema esaminato. Nell’applicazione di tecniche di controllo avanzato si richiede di saper risolvere le principali problematiche implementative. Tali capacità si estrinsecheranno attraverso una serie di abilità professionalizzanti, quali: 1. la capacità di analizzare in maniera critica i risultati di una modellazione e/o progettazione; 2. la capacità di suddivisione di un lavoro ed il coordinamento delle singole attività, lavorando in team con altri elementi coinvolti nello studio del problema.
COMPETENZE TRASVERSALI:
La partecipazione a gruppi di lavoro per lo sviluppo di una adeguata modellizzazione di un sistema di produzione avanzato e la stesura di una relazione conclusiva per l’analisi delle prestazioni, contribuirà a migliorare sia il grado di autonomia di giudizio in generale, sia la capacità comunicativa che deriva anche dal lavoro in gruppo e dalla la redazione di relazioni tecniche, sia la capacità di apprendimento in autonomia e di trarre conclusioni, dello studente.

Programma
Lo studente che avrà seguito con successo il corso avrà appreso a modellare e analizzare un Sistema di Produzione Automatizzato o Automated Manufacturing System-AMS- (un sistema ad eventi discreti, complesso, distribuito, casuale) al fine di prevederne/ valutarne le prestazioni in condizioni operative reali, e perciò incerte. I modelli che imparerà a sviluppare ed analizzare sono catene di Markov, Reti di Petri Stocastiche (SPN) e SPN Generalizzate (GSPN). Inoltre, come altro aspetto importante di un reale sistema di automazione, allo studente verranno illustrate le più importanti tecniche ed architetture di controllo avanzato "time driven" in ambito industriale. Nell’ ambito del corso si imparerà: - La descrizione delle prestazioni e gli indici di prestazione di AMS - DEfinizioni generali su Reti di Petri, Reti di Petri e temporizzazione, Reti di Petri con Priorità, stati, condizioni di abilitazione e di scatto delle transizioni, metodi di analisi - Informazioni di base su i modelli statistici detti processi di Markov (sia a stato discreto che continuo) e le caratteristiche dei Processi di Markov generalizzati -GSMP. In particolare si analizzeranno catene di Markov a tempo continuo e a tempo discreto. - Le caratteristiche delle SPN e GSPN e il loro legame con le Catene di Markov. Risultati relativi al loro impiego per la valutazione/previsione delle prestazioni dei sistemi in studio. - L’ impiego di SW di analisi e simulazione dei modelli in studio, nell’ ambito degli argomenti precedenti Agli studenti, organizzati in gruppi di lavoro, sarà richiesto di proporre esempi di sistemi reali per affinare le loro capacità di modellazione di sistemi ad eventi discreti temporizzati. Tali esempi saranno discussi in aula insieme al docente. Per quanto riguarda il controllo "time-driven" verranno descritte - Architetture di controllo avanzato basate su PID industriali evidenziandone le problematiche implementative. Quando possibile si farà riferimento ad esempi deriventi da realtà industriali. - Cenni di Controolo Predittivo ed esempi di applicazioni industriali.

Modalità di svolgimento dell'esame
METODI DI VALUTAZIONE DELL'APPRENDIMENTO
La valutazione del livello di apprendimento degli studenti avviene tramite due prove volte a valutare le competenze teoriche (una prova scritta ed una prova orale) ed una prova pratica di modellazione ed analisi delle prestazioni di un sistema ad eventi discreti mediante modelli temporizzati stocastici. A documentazione della prova pratica è richiesta la stesura di una relazione scritta. Gli studenti che nella prova pratica abbiano dimostrato sufficienti competenze e chiarezza e precisione nella relazione sono esonerati dalla prova scritta. La prova scritta e quella pratica sono propedeutiche alla prova orale. Nel caso di esito negativo per la prova orale, lo studente deve ripetere anche la prova scritta.

CRITERI DI VALUTAZIONE DELL'APPRENDIMENTO
La valutazione dell'apprendimento tiene conto dei risultati delle prove di verifica/misurazione dell'apprendimento, delle competenze teorico/pratiche acquisite e della capacità di recuperare eventuali lacune emerse dai risultati delle prove di verifica.

CRITERI DI MISURAZIONE DELL'APPRENDIMENTO
La misura dell'apprendimento mediante prova scritta ha lo scopo di verificare le competenze teoriche di modellazione di sistemi dinamici di tipo stocastico e delle tecniche di controllo avanzato con controllori industriali. Alla eventuale prova scritta sarà assegnato un tempo limite. La misura dell'apprendimento mediante prova orale ha lo scopo di verificare la comprensione degli argomenti trattati nel corso approfondendone le applicazioni pratiche. La misura dell'apprendimento mediante l'attività di progettazione ha lo scopo di verificare la capacità di modellazione di sistemi ad eventi discreti temporizzati stocastici e l'utilizzo degli strumenti di analisi e di sintesi di tali sistemi. Gli studenti dovranno saper giustificare eventuali scelte di modellazione fatte, proporre appropriati criteri di valutazione delle prestazioni del sistema esaminato. La prova scritta, se richiesta, e quella pratica sono propedeutiche alla prova orale. Le prove sono valutate in trentesimi.

CRITERI DI ATTRIBUZIONE DEL VOTO FINALE
Al fine del superamento dell'esame con votazione minima lo studente deve possedere il bagaglio completo delle conoscenze. Ulteriore punteggio sarà attribuito dimostrando una conoscenza approfondita dei contenuti del corso per mezzo dell'elaborato e nell'ambito delle eventuale prova scritta e di quella orale. La lode è riservata agli studenti che, avendo svolto tutte le prove in modo corretto e completo, abbiano dimostrato una particolare brillantezza nella esposizione orale e nella redazione degli elaborati scritti e nell'attività di progettazione.

Testi consigliati
- Dispense del corso a cura del docente (scaricabili dal sito moodle del corso) - Ajmone Marsan M. et alii: “Modelling with Generalised Stochastic Petri Nets” John Wiley, 1994 Per approfondimenti si consigliano i seguenti testi : - Carlucci D., Menga G. “Teoria dei Sistemi ad eventi discreti” .UTET, Torino (1998),Collana UTET università - Cassandras,C.G., Lafortune S. Introduction to Discrete Event Systema (Cap 8), Kluwer Academic Pub., 2008. - GianAntonio Magnani, Tecnologie dei sistemi di controllo, McGraw-Hill

Corsi di laurea

• Ingegneria Informatica e dell'Automazione (Corso di Laurea Magistrale (DM 270/04))