Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Luca CARBONARI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [IM07] INGEGNERIA GESTIONALE Master Degree (2 years) - [IM07] MANAGEMENT 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
ITALIANO
Italian
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.
L'insegnamento si propone di spiegare funzionamento e problematiche di gestione delle macchine intelligenti, in cui le componenti meccaniche e quelle elettroniche sono fortemente integrate, quali ad esempio i robot. Inoltre gli studenti impareranno a conoscere le principali caratteristiche dei robot industriali, elementi fondamentali dell’Industria 4.0, anche in funzione della loro applicazione in differenti ambiti industriali. Infine il robot sarà visto quale parte di un contesto produttivo automatizzato e gli studenti impareranno a valutarne le prestazioni anche tramite l'utilizzo di strumenti di simulazione.
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.
The course will explain the operation and management issues of intelligent machines, in which mechanical and electronic components are highly integrated, such as robots. Furthermore, students will learn the main features of industrial robots, which are fundamental elements of Industry 4.0, also in relation to their application in different industrial fields. The robot will be seen as part of an automated production system and students will learn how to evaluate its performance, also through the use of simulation tools.
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 ed azionamento
• Sensori interni ed esterni
• Motori ed 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 di un software di simulazione
• 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 ed 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.
Perché l'esito complessivo della valutazione sia positivo, lo studente deve conseguire la sufficienza di almeno 18 punti (su 30) sia nello studio del sistema produttivo automatizzato che nella prova orale. Il voto complessivo è dato dalla media aritmetica dei voti ottenuti nelle due prove.
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.
To gain a positive evaluation, the student must achieve at least 18 points (out of 30) both in the exercise and in the oral test. The overall mark is given by the arithmetic average of the marks obtained in the two tests.
• Appunti e slides delle lezioni (https://learn.univpm.it)
• Legnani, Fassi: “Robotica industriale”, Città Studi, 2019.
• Appunti e slides delle lezioni (https://learn.univpm.it)
• Legnani, Fassi: “Robotica industriale”, Città Studi, 2019.
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