Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Alessandro FREDDI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [IM12] INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE Master Degree (2 years) - [IM12] COMPUTER AND AUTOMATION ENGINEERING
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 2 - Primo Semestre
Anno offertaAcademic year: 2021-2022
Anno regolamentoAnno regolamento: 2020-2021
Obbligatorio
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/04 - AUTOMATICA
Italiano
Italian
- Fondamenti di algebra lineare, logica e geometria
- Fondamenti di statistica e calcolo delle probabilità
- Fondamenti di teoria dei sistemi, controlli automatici e sistemi di automazione
- Fondamenti di informatica
- Lingua inglese (per i testi di riferimento)
- Linear algebra, logic and geometry
- Statistics and probabilities
- Systems theory and automatic control
- Informatics
- English Language (for reference texts)
Lezioni teoriche: 54 ore
Esercitazioni: 15 ore
Laboratorio: 3 ore
Lectures: 54 hours
Tutorials: 15 hours
Laboratory: 3 hours
L'insegnamento si pone l'obiettivo di fornire conoscenze e capacità di comprensione su sistemi di diagnosi e prognosi per la supervisione e la manutenzione di sistemi robotici e automatici. In dettaglio, lo studente acquisirà:
- le conoscenze di base della teoria della diagnosi, della prognosi e del trattamento dei segnali di misura;
- le conoscenze delle principali tecniche diagnostiche e prognostiche;
- le conoscenze relative alle diverse tipologie di manutenzione di un sistema;
- la capacità di comprendere le problematiche legate alla supervisione e alla manutenzione di sistemi robotici e automatici.
Capacità di applicare conoscenze e comprensione.
Le conoscenze e le capacità di comprensione acquisite permetteranno allo studente di:
- trattare segnali sensoriali ai fini del loro utilizzo in algoritmi di diagnosi e prognosi;
- sviluppare algoritmi per la diagnosi e la prognosi;
- applicare tali algoritmi a sistemi robotici e automatici per la manutenzione preventiva.
Le competenze sviluppate andranno ad integrare quelle acquisite negli altri insegnamenti al fine di permettere la progettazione di sistemi robotici e automatici, anche complessi, con caratteristiche di efficienza e sicurezza.
Competenze trasversali.
L'insegnamento prevede approfondimenti sotto forma di esercizi, casi di studio e progetti che gli studenti possono svolgere in preparazione all'esame. Tali approfondimenti permetteranno allo studente di sviluppare autonomia di giudizio mediante un'analisi critica e autonoma di dati e/o situazioni problematiche provenienti dal mondo reale. L'approfondimento progettuale, inoltre, prevede il lavoro di gruppo e la stesura di una relazione, e contribuirà così a migliorare nello studente anche la capacità comunicativa e di lavoro in team.
Knowledge and Understanding.
The module aims to provide knowledge and skills on fault diagnosis and fault prognosis for supervision and maintenance of robotic and automation systems. In detail, the student will:
- learn basic knowledge of fault diagnosis, fault prognosis and sensor signal processing theory;
- learn the main fault diagnosis and fault prognosis techniques;
- learn the different types of system maintenance;
- be able to understand problems related to the supervision and maintenance of robotic and automation systems.
Capacity to apply Knowledge and Understanding.
The knowledge and skills acquired will allow the student:
- to process sensor signals for their use in fault diagnosis and fault prognosis algorithms;
- to develop fault diagnosis and fault prognosis algorithms;
- to apply such algorithms for preventive maintenance of robotic and automation systems.
These skills will integrate those acquired in other modules, thus granting the student the capability to design robotic and automation systems, taking into account both efficiency and safety.
Transversal Skills.
The module provides in-depth analysis in the form of exercises, case studies and projects which the students can carry out during the exam preparation. In this way the students can develop judgment skills through a critical analysis of data and / or problems arising from the real world. The in-depth analysis in the form of collaborative projects also requires team work and reporting, thus helping to enhance both communication and teamwork skills.
Lezioni teoriche (54 ore)
I principali argomenti dell'insegnamento sono di seguito elencati:
- elementi di sicurezza, affidabilità, diagnosi e manutenzione di un sistema;
- metodi e tecniche per il rilevamento e l’isolamento dei guasti;
- metodi e tecniche per la diagnosi dei guasti;
- metodi e tecniche per la prognosi dei guasti;
- elementi di sensoristica, acquisizione e trattamento dei dati.
Esercitazioni (15 ore)
Sono previste attività di esercitazione relative al trattamento dei dati, l’estrazione di feature diagnostiche e prognostiche, e il loro utilizzo in moduli di diagnosi e prognosi per applicazioni robotiche e industriali.
Laboratorio (3 ore)
Visita al laboratorio di Robotica, descrizione dei prototipi e presentazione delle attività progettuali disponibili ai fini dell'esame.
Lectures (54 hours)
The main subjects of the module are stated in the following:
- basic principles of safety, reliability, diagnosis and maintenance of a system;
- fault detection and isolation techniques;
- fault diagnosis techniques;
- fault prognosis techniques;
- basic principles of sensing, data acquisition and processing.
Tutorials (15 hours)
The students can practice with data processing, feature extraction, and design of diagnosis and prognosis modules for robotic or industrial systems.
Laboratory (3 hours)
Visit to the Robotics laboratory, description of the prototypes and presentation of the project activities available as part of the exam.
La valutazione avviene tramite una prova progettuale e una prova orale. La prova progettuale consiste nel lavorare in gruppo per risolvere un problema in simulazione oppure sperimentale, e scrivere una relazione da discutere prima della prova orale. Nella prova orale lo studente deve invece rispondere a domande sui contenuti dell'insegnamento.
Criteri di valutazione dell'apprendimento.
Per superare con esito positivo l'esame, lo studente deve dimostrare, sia attraverso la prova progettuale sia attraverso la prova orale, di aver acquisito le conoscenze e le competenze di base per
- progettare e sviluppare soluzioni per il rilevamento e l’isolamento di guasti;
- progettare e sviluppare soluzioni per la diagnosi dei guasti;
- progettare e sviluppare soluzioni per la prognosi dei guasti;
- analizzare un sistema robotico o automatico dal punto di vista della sicurezza e affidabilità, e pianificarrne la manutenzione.
La valutazione massima viene conseguita dimostrando una conoscenza approfondita, una completa padronanza del linguaggio tecnico e formale e una capacità di analisi e risoluzione dei problemi critica e autonoma.
Criteri di misurazione dell'apprendimento.
L'attribuzione del voto finale è in trentesimi, con eventuale lode, sulla base delle conoscenze e capacità dimostrate dallo studente e misurate tramite la prova progettuale e la prova orale.
Criteri di attribuzione del voto finale.
La prova progettuale è svolta in gruppo, e si conclude con la stesura di una relazione da presentare prima della prova orale. La prova orale è organizzata su due domande. Sia la prova progettuale sia ciascuna delle due domande della prova orale hanno lo stesso peso. Il voto finale è costituito dalla media dei punteggi associati alla prova progettuale e alle risposte delle domande della prova orale. Affinché l’esito complessivo della valutazione sia positivo, lo studente deve conseguire almeno 18 punti (su 30). La lode è attribuita agli studenti che, avendo conseguito la valutazione massima, abbiano dimostrato la completa padronanza della materia.
Learning Evaluation Methods.
Evaluation consists in both a project and oral examination. The project consists in working in a team to solve a simulation or experimental problem, and to write a report to discuss before the oral examination. During the oral examination, instead, the student must answer questions on the different subjects of the module.
Learning Evaluation Criteria.
In order to positively pass the examination, the student should prove to possess the knowledge and competence to:
- design and develop fault detection and isolation systems;
- design and develop fault diagnosis systems;
- design and develop fault prognosis systems;
- analyse a system in terms of reliability and safety, and schedule maintenance accordingly.
The highest mark is attained by proving an exhaustive knowledge, expressed with a complete technical vocabulary and formalism, together with a critical analysis and problem solving competence.
Learning Measurement Criteria.
The final mark is out of 30, with possible honours, according to the knowledge and understanding shown by the student during the examination.
Final Mark Allocation Criteria.
The project is carried out in a team, and ends with the presentation of a report before the oral examination. The oral examination requires the student to answer to two questions. Both the project and each of the two questions have the same weight. Each answer is assigned a mark out of 30, and the final mark is the average of those assigned to the project and to the answers of the oral examination. The student must achieve at least 18 points (out of 30) to pass. The highest mark with honours will be attained by students who prove a complete knowledge and competence on the subjects addressed within the module.
Il materiale di studio è disponibile all'interno del Learning Management System (LMS) di Ateneo:
https://learn.univpm.it
Gli studenti interessati ad approfondire gli argomenti di studio possono fare riferimento ai testi di seguito elencati.
- R. Isermann, “Fault-Diagnosis Systems: An Introduction from Fault Detection to Fault Tolerance”, Springer-Verlag Berlin, 2006.
- R. Isermann, “Fault-Diagnosis Applications: Model-based Conditon Monitoring: Actuators, Drives, Machinery, Plants, Sensors, and Fault-tolerant Systems”, Springer, 2011.
- L. H. Chiang, R. D. Braatz, E. L. Russell, “Fault Detection and Diagnosis in Industrial Systems”, Springer-Verlag London, 2000.
- G. Vachtsevanos, F. L. Lewis, M. Roemer, A. Hess, B. Wu, "Intelligent fault diagnosis and prognosis for engineering systems", Wiley, 2006.
- E. O. Doebelin, “Strumenti e metodi di misura”, McGraw-Hill, Milano, 2008.
- A. V. Oppenheim , R. W. Schafer, “Elaborazione numerica dei segnali”, Franco Angeli Editore, 2010.
The module's material is available on the University Learning Management System (LMS):
https://learn.univpm.it
Students interested to deepen the topics of the module can refer to the following textbooks.
- R. Isermann, “Fault-Diagnosis Systems: An Introduction from Fault Detection to Fault Tolerance”, Springer-Verlag Berlin, 2006.
- R. Isermann, “Fault-Diagnosis Applications: Model-based Conditon Monitoring: Actuators, Drives, Machinery, Plants, Sensors, and Fault-tolerant Systems”, Springer, 2011.
- L. H. Chiang, R. D. Braatz, E. L. Russell, “Fault Detection and Diagnosis in Industrial Systems”, Springer-Verlag London, 2000.
- G. Vachtsevanos, F. L. Lewis, M. Roemer, A. Hess, B. Wu, "Intelligent fault diagnosis and prognosis for engineering systems", Wiley, 2006.
- E. O. Doebelin, “Strumenti e metodi di misura”, McGraw-Hill, Milano, 2008.
- A. V. Oppenheim , R. W. Schafer, “Elaborazione numerica dei segnali”, Franco Angeli Editore, 2010.
no
no
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2021-2022
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427