Progetti regionali

Assegnao attivati nell’ambito del progetto REINSPECT - Remote Inspection for Industrial and Manufacturing CompanieS, CUP D17G21000050002

Responsabile: Prof. Stefano Berretti

Lo scopo del progetto è implementare una serie di sistemi di AI per l’implementazione di sistemi avanzati per l’ispezione remota di apparati industriali e manifatturieri. In molti contesti industriali è necessario effettuare ispezioni di macchinari, sia per manutenzione che per controllo della loro rispondenza agli standard industriali. Questo processo in molti casi è effettuato in modo virtuale da remoto, inviando con appositi dispositivi, tipicamente indossabili, video che vengono visionati da un ispettore che, a sua volta, fornisce indicazioni sui passi da compiere per effettuare manutenzioni o azioni volte alla valutazione della funzionalità degli apparati. Un punto critico di questo processo è la codifica e trasmissione video, dato che questa spesso introduce distorsioni indesiderabili causate dagli algoritmi di compressione lossy. Questo problema è particolarmente grave nel caso l’installazione industriale sia localizzata in posti disagevoli da raggiungere e con ridotta disponibilità di banda. Scopo principale del progetto è implementare sistemi basati su AI che effettuino un miglioramento visuale dei fotogrammi sul dispositivo dell’ispettore, senza dover modificare alcuna componente del sistema di codifica e trasmissione video. Il progetto mira a migliorare ulteriormente il processo di ispezione implementando altri due sistemi basati su AI: sviluppare una componente che identifichi le parti dei fotogrammi che contengono gli apparecchi da ispezionare e mascheri le restanti parti, così da garantire le necessità di riservatezza e sicurezza dell’impianto industriale; sviluppare una componente adattabile facilmente a diversi tipi di macchinari per identificare in modo automatico una serie di difetti e segnali diagnostici, allo scopo di automatizzare il processo di ispezione rendendolo più veloce e meno costoso.

Assegno attivato nell’ambito del progetto REWIRE- REmote WIldlife monitoring in Real-Time - CUP
D17G21000040002

Responsabile: Prof. Lorenzo Seidenari

Il progetto si pone l’ambizioso obiettivo di valutare in tempo reale l’impatto ambientale delle industrie manifatturiere sul territorio nell’ambito delle loro innovazioni di cicli di processo. In particolare, è noto che la presenza sul territorio di aziende manifatturiere può alterare la fauna e la flora selvatica. I moderni modelli ecologici sono basati sul campionamento di immagini tramite foto-trappole. L’idea del progetto è sfruttare questi sistemi di rilevamento, unitamente all’intelligenza artificiale per poter analizzare le variazioni dell’ecosistema in tempo reale. Il fine del progetto è quindi quello di creare una piattaforma per gestire i dati sulla fauna selvatica ottenuti dalle foto-trappole, integrando intelligenza artificiale (IA) e visione artificiale con metodologie ecologiche. Le foto-trappole sono telecamere automatiche a distanza che scattano immagini e video di animali di passaggio e sono diventate, negli ultimi 10-15 anni, lo strumento preferito per studiare e monitorare i mammiferi selvatici in tutto il pianeta. Ciò contribuirà, a sua volta, ad affrontare le principali sfide sociali di Horizon 2020, in particolare riguardo alle misurazioni degli obiettivi di gestione e conservazione sostenibili della biodiversità.

Assegno nell’ambito del progetto ANDROMEDA AdvaNceDmicROservices for supply chain manageMEnt Digital trAnsition, CUP D17G21000030002

Respesponsabile: Prof. Enrico Vicario

ANDROMEDA svilupperà un ecosistema di microservizi a supporto della transizione digitale nella gestione della filiera di un distretto manifatturiero, attraverso metodi di Model Driven Engineering capaci di connettere dati operativi con modelli e metodi di elaborazione ad elevato valore aggiunto, tra cui in particolare servizi a supporto della tracciabilità attraverso consolidamento su blockchain e servizi di analisi predittiva a supporto della prevedibilità dei tempi di completamento delle produzioni. L’ecosistema di microservizi fornirà una rappresentazione digitale delle componenti del dominio, tra cui la pianificazione di un processo di produzione (Bill of Process, distinta base), le parti coinvolte (integratori e diversi tipi di terzisti), l’assegnamento delle lavorazioni e la loro programmazione. L’ecosistema abiliterà lo sviluppo incrementale di varie capacità funzionali tra cui il progetto focalizzerà servizi per: la tracciabilità di processi di produzione; il consolidamento su blockchain di dati salienti per modelli di certificazione rispetto a requisiti specifici di economia circolare e sostenibilità ambientale, made in Italy, diritti del i lavoratori; l’analisi predittiva dei tempi di completamento di un processo produttivo in presenza di incertezza sul tempo di risposta dei subfornitori. ANDROMEDA costituirà uno strumento per l’indicizzazione e interoperabilità di dati e la loro elaborazione attraverso metodi di intelligenza artificiale e il suo sviluppo offrirà occasione di avanzamento scientifico in vari ambiti, tra cui: metodi di Model Driven Engineering per derivare modelli quantitativi di processi produttivi a partire da artefatti documentali della pratica industriale e dalla loro rappresentazione in un metamodello strutturato; metodi di consolidamento su Blockchain capaci di garantire non-ripudiabilità pur preservando segretezza industriale; metodi di analisi composizionale di sistemi concorrenti con attività di durata stocastica non-Markoviana capaci di adattarsi a dati osservati e processi della pratica. I risultati di ANDROMEDA saranno dimostrati nell’ambito del distretto tessile pratese, validando la tecnologia proposta nei livelli 4 e 5 di Technology Readiness Level (TRL) e conseguendo badges di Repeatability, Reproducibility e Replicability di in una Artifact Review come intesa nelle linee guida di ACM.