Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Matteo Claudio PALPACELLI
Lingua di erogazione: INGLESELessons taught in: ENGLISH
Laurea Magistrale - [IM15] GREEN INDUSTRIAL ENGINEERING Master Degree (2 years) - [IM15] GREEN INDUSTRIAL ENGINEERING
Dipartimento: [040004] Dipartimento Ingegneria Industriale e Scienze MatematicheDepartment: [040004] Dipartimento Ingegneria Industriale e Scienze Matematiche
Anno di corsoDegree programme year : 2 - Secondo Semestre
Anno offertaAcademic year: 2023-2024
Anno regolamentoAnno regolamento: 2022-2023
Crediti: 6
Ore di lezioneTeaching hours: 48
TipologiaType: D - A scelta dello studente
Settore disciplinareAcademic discipline: ING-IND/13 - MECCANICA APPLICATA ALLE MACCHINE
Inglese
English
Conoscenze base di meccanica
Basic knowledge on mechanics
Il corso si sviluppa su 34 ore di lezione frontale svolte in aula, 10 ore di esercitazioni al computer tramite strumenti di simulazione e 4 ore di attività di laboratorio.
The course consists of 34 hours of classroom lectures, 10 hours of computer-based exercises using simulation tools and 4 hours of laboratory activities.
Vengono fornite conoscenze sulle macchine intelligenti in cui le componenti meccaniche ed elettroniche sono fortemente integrate, tipiche del paradigma Industria 4.0. Lo studente imparerà a valutare le caratteristiche e le prestazioni dei robot industriali, comprese le possibili applicazioni in differenti ambiti tecnologici.
Capacità di applicare conoscenze e comprensione.
Al termine del corso, lo studente sarà in grado di:
1. riconoscere e descrivere le principali macchine della fabbrica 4.0
2. Scegliere il robot maggiormente adatto per un contesto produttivo automatizzato e valutarne le relative prestazioni.
3. Utilizzare un software molto comune per la simulazione di cella.
Competenze trasversali.
Lo studente svilupperà le competenze di lavoro di gruppo e rinforzerà la capacità di organizzare presentazioni orali per illustrare il proprio lavoro.
Knowledge and Understanding.
Knowledge is provided on intelligent machines in which mechanical and electronic components are highly integrated, typical of the Industry 4.0 paradigm. The student will learn to evaluate the characteristics and performance of industrial robots, including possible applications in different technological fields.
Capacity to apply Knowledge and Understanding.
At the end of the course, the student will be able to:
1. recognise and describe the main machines of Industry 4.0
2. choose the most suitable robot for an automated production context and evaluate its performance.
3. use a very common software for cell simulation.
Transversal Skills.
The student will develop teams working skills and reinforce the ability to organize oral presentations to illustrate their work.
Lezioni frontali (34 ore)
1. Robotica industriale:
• Descrizione e campi di applicazione;
• Struttura dei robot industriali e loro prestazioni;
• Robot collaborativi e normative sulla sicurezza.
2. Componenti meccanici:
• riduttori e trasmissioni;
• pinze e dispositivi terminali;
• dispositivi a cedevolezza remota.
3. Sensoristica e azionamento:
• Sensori interni ed esterni;
• Motori e azionamenti.
4. Programmazione dei robot:
• Linguaggi e strumenti di programmazione;
• Pianificazione del movimento.
5. Macchine intelligenti per l’Industria 4.0:
• AGV e robot mobili;
• magazzini automatici;
• esoscheletri, agevolatori e telemanipolatori.
Esercitazioni (10 ore)
• Simulazione dei robot e dei sistemi robotizzati: utilizzo del software ABB Robostudio;
• Studio tramite simulazione di alcuni casi applicativi;
• Impostazione di semplici progetti da realizzare in gruppo.
Laboratorio (4 ore)
• Visita al laboratorio i-LABS di Jesi con esperienze di programmazione di robot collaborativi.
Lectures (34 hours)
1. Industrial Robotics:
• Industrial robots and related application fields;
• Robot performance and safety standards;
• Cobots.
2. Mechanical components:
• Gearboxes and transmissions;
• Grippers and end effectors;
• Remote center of compliance.
3. Sensing and actuation:
• Internal and external sensors;
• Motors and drives.
4. Robot programming:
• Methods and tools for robot programming;
• Motion planning.
5. Intelligent machines for Industry 4.0:
• Automated guided vehicles (AGV) and Autonomous Mobile Robots (AMR);
• Automated storage and retrieval systems;
• exoskeletons, facilitators and telemanipulators.
Exercises (10 hours)
• Simulation of robots and robot systems: use of ABB Robostudio software;
• Study through simulation of application cases;
• Setting up simple team projects.
Laboratory (4 hours)
• Visit to the i-LABS laboratory in Jesi with experience in cobot programming.
L’esame orale consiste nella discussione di uno o più temi trattati durante le lezioni; inoltre gli studenti, divisi in gruppi, svilupperanno lo studio di un sistema produttivo automatizzato, utilizzando lo strumento di simulazione introdotto a lezione.
Criteri di valutazione dell'apprendimento.
Per ciascuna domanda verranno valutate:
• la pertinenza della risposta con l'oggetto della domanda;
• la completezza e l'esaustività della risposta;
• la padronanza dei concetti e della terminologia ingegneristica; • la chiarezza espositiva.
La relazione sul lavoro di gruppo consentirà di valutare le capacità di problem solving e il livello di apprendimento del software di simulazione.
Criteri di misurazione dell'apprendimento.
Il voto sarà assegnato in trentesimi, con possibilità di lode. La votazione minima per passare l’esame è 18/30.
Criteri di attribuzione del voto finale.
Il voto finale tiene conto delle valutazioni ottenute nell’esame orale e nel lavoro di gruppo; quest’ultimo contribuisce per 1/3 sul risultato finale.
Learning Evaluation Methods.
The oral examination consists of a discussion of one or more of the topics covered in the lectures. In addition, the students, divided into groups, will develop the study of an automated production system, using the simulation tool introduced in the lectures.
Learning Evaluation Criteria.
The following criteria are used for the evaluation of the answers:
• relevance with the question;
• completeness;
• correct use of engineering terminology;
• clearness.
The report on the team work will allow assessing the problem solving skills and the level of learning of the simulation software.
Learning Measurement Criteria.
The final vote will be assigned with a score in the scale of 30, with the opportunity to award a praise for the best students. Minimum vote to pass the exam is 18/30.
Final Mark Allocation Criteria.
he final mark is calculated as a weighted average of the marks obtained in the oral examination and the team work, with the former having twice the weight of the latter.
• Appunti e slides delle lezioni (https://learn.univpm.it)
• "Robotica Industriale,
Modellazione, pianificazione, controllo, programmazione, componentistica, normativa e sicurezza”, Legnani G., Fassi I., 1a edizione, CittàStudiEdizioni, 2019, ISBN:9788825174281
• Appunti e slides delle lezioni (https://learn.univpm.it)
• "Robotica Industriale,
Modellazione, pianificazione, controllo, programmazione, componentistica, normativa e sicurezza”, Legnani G., Fassi I., 1a edizione, CittàStudiEdizioni, 2019, ISBN:9788825174281
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2023-2024
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427