Roma, 31 maggio - Area Espositiva

Engineering Data Analytics

Ingegneri e dipartimenti IT stanno usando MATLAB® per costruire sistemi avanzati di big data analytics, che vanno dalla manutenzione predittiva alla telematica, dai sistemi avanzati di assistenza alla guida e all’analisi dei sensori ai sistemi di fraud detection. Questa spinta innovativa ha guidato MathWorks a integrare sempre di più funzionalità di machine learning, gestione dell’Internet of Things, event stream processing, in una proposizione che, al classico modello on-premise, affianca soluzioni in cloud e su architetture big data.

In questa area demo si potrà conoscere  e sperimentare:

  • le differenti opzioni per l’acquisizione e manipolazione di dati da sensori, di immagini e video, da tweet e altri dati in real-time
  • i fronti di sviluppo in corso nell’area del deep learning, machine learning e del natural language processing (NLP)

Progettazione del controllo per sistemi multifisici

Il controllo della tensione di un nastro in materiale plastico è un’applicazione piuttosto comune in macchine automatiche come macchine industriali per la stampa e l’impacchettamento.

L’esempio in esame dimostra come sia possibile assolvere a questo compito seguendo un approccio model-based, dalla modellazione e simulazione alla generazione automatica di codice per i PLC.

In particolare, sono coperti questi punti:

  • Modello del sistema web plastico
  • Progettazione del controllo ad anello chiuso
  • Rappresentazione grafica dei risultati/segnali di sistema
  • Progettazione della logica di automazione del sistema
  • Generazione automatica del codice testo strutturato per PLC / PAC

Sistemi di visione artificiale

La crescente ubiquità dei sistemi intelligenti, sta portando ad avere capacità di processamento di immagini praticamente ovunque, dagli smartphone ai sistemi ADAS a bordo di veicoli, dai sistemi di video sorveglianza ai sistemi industriali automatizzati, dagli apparati biomedicali ai sistemi autonomi.

Le sfide che gli ingegneri devono affrontare vanno dalla concezione dell’algoritmo fino alla realizzazione prototipale su HW dedicato, basato su processori o su FPGA, dall’implementazione in codice C/C++ alla verifica delle performance.

Visitando questa postazione potrete vedere e parlare di come MATLAB e Simulink® sono usati per:

  • la visualizzare e manipolare di immagini e video
  • sviluppare nuove idee e algoritmi
  • prototipare su HW (basato su CPU, FPGA o SoC) per consentire una verifica sul campo.

Verifica e Validazione del Software Embedded

La generazione di codice è una realtà consolidata in numerosi ambiti, in primis aerospaziale e automotive. La potenza del Model-Based Design è stata provata in così tante applicazioni reali che gli stessi standard internazionali di qualità software hanno ormai degli interi capitoli dedicati all’argomento.

In questo showcase lavoreremo su un controllo partendo dai requisiti di alto livello. Questi verranno trasformati in un modello e verificati esaustivamente con metriche di copertura rigorose. Vedremo inoltre come generare codice e riutilizzare il lavoro svolto sul modello non solo sul codice sorgente ma su quello oggetto. Il controllo sarà infine scaricato su un target HW e messo in esecuzione.

Tra gli esempi e casi d’uso mostrati:

  • Simulare la performance di un controllo su computer desktop
  • Implementare e derivare requisiti di controllo rigorosi
  • Testare e misurare la copertura di un modello
  • Generare un codice e misurarne l’equivalenza col modello in termini di esecuzione e copertura
  • Eliminazione degli errori run-time (Polyspace Bug Finder™ e Polyspace Code Prover™)
  • Cenni sulla compliance agli standard : DO-178C / ISO 26262 / IEC 61508
  • Generare codice per architetture AUTOSAR