Abstract Roma
Keynote Presentations
Beyond the “I” in AI
9:45–10:15
Insight. Implementation. Integration.
AI, or artificial intelligence, is transforming the products we build and the way we do business. It also presents new challenges for those who need to build AI into their systems. Creating an “AI-driven” system requires more than developing intelligent algorithms. It also requires:
- Insights from domain experts to generate the tests, models, and scenarios required to build confidence in the overall system
- Implementation details including data preparation, compute-platform selection, modeling and simulation, and automatic code generation
- Integration into the final engineered system
Loren Shure demonstrates how engineers and scientists are using MATLAB® and Simulink® to successfully design and incorporate AI into the next generation of smart, connected systems.
Loren Shure, MathWorks
Novità in MATLAB e Simulink
11:15–12:00
Come evolvono e si rinnovano ad ogni release MATLAB e Simulink per supportare il workflow della ricerca, progettazione e sviluppo?
In questa sessione si discuteranno le principali novità introdotte per progettare modelli di AI e sistemi guidati dall'AI; per la progettazione di sistemi wireless a supporto degli standard più recenti; per rendere più efficienti le attività di progettazione model-based, dalla definizione dell’architettura di sistema, alla modellazione, simulazione, e verifica del design nell’intero di sviluppo.
Customer Presentations
Sviluppo ed integrazione di modelli per simulazione di missioni distribuite
10:45–11:15
Il Reparto “Modelling & Distributed Missions Simulation” della Divisione ELECTRONICS di LEONARDO in Ronchi dei Legionari si occupa dello sviluppo di modelli di simulazione per ambienti sintetici destinati alla simulazione distribuita su rete locale o geografica mediante l’utilizzo di protocolli HLA/DIS; tali attività hanno portato al prodotto RIACE che è oggi la piattaforma di riferimento per diverse attività di Training & Simulation quali la partecipazione nazionale alle esercitazioni NATO “Spartan” coordinate dal Warrior Preparation Center dell’USAF basato a Ramstein in Germania.
Gli ambienti sintetici costituiscono un complesso ambiente di simulazione all’interno della quale vengono replicati (e distribuiti in rete) una variegata moltitudine di attori sintetici i quali interagiscono tra loro e con modelli matematici di fenomeni atmosferici complessi, terreno, edifici etc.
In questo mondo sintetico è possibile addestrare diverse tipologie di figure professionali quali ad esempio piloti di linea e controllori di volo. Il personale in addestramento può trovarsi all’interno di simulatori o nei sistemi reali quali ad esempio un centro di Comando e Controllo militare (C2) collegato in rete geografica.
Questa presentazione mostra come MATLAB® e Simulink® hanno supportato il flusso di lavoro necessario a gestire in maniera efficiente la grande varietà delle applicazioni, il livello di realismo richiesto alla simulazione e la necessità di sviluppare software complessi che operino in real-time.
Luca Cistriani, LEONARDO
Machine Learning per la predizione della copertura radar
14:00–14:30
Un tool di pianificazione della missione (MPT) è un software che fornisce all’operatore del Comando e Controllo i mezzi per pianificare la missione identificando lo spiegamento di unità di sensori e/o sistemi di difesa. Una funzionalità cruciale, tra quelle implementate nel MPT, è la valutazione della copertura radar. Nella pianificazione della missione una buona copertura radar è fondamentale; infatti, uno schieramento che garantisce una buona copertura, fornisce sicuramente una buona efficacia della sorveglianza e della difesa. In situazioni critiche, quando l'utente deve pianificare uno schieramento in poco tempo, può essere molto utile avere uno strumento che suggerisca all'utente quali aree geografiche sono preferibili per il posizionamento del radar.
In questo lavoro si presenta una tecnica basata su Machine Learning in grado di predire la percentuale di copertura radar, a partire da caratteristiche geomorfologiche, con un grado di precisione elevata e con un costo computazione molto ridotto. Una volta individuate le posizioni nel terreno che massimizzano la percentuale di copertura radar, l’operatore può richiedere il calcolo della copertura effettiva e verificare lo schieramento. Tale procedura assistita riduce il carico di lavoro per l’operatore e velocizza notevolmente la pianificazione di missione.
Mario Antonelli, MBDA
Sviluppo di un sistema di sospensioni semiattive mediante Model-Based Design con architettura AUTOSAR e conforme allo standard A-SPICE
14:00–14:30
A causa della sempre maggiore importanza e complessità dei sistemi a controllo elettronico a bordo veicolo, i principali e più importanti OEM, sempre più spesso richiedono ai propri fornitori di sviluppare software di controllo con architettura AUTOSAR e di adottare un processo di sviluppo conforme al modello di riferimento A-SPICE.
In questa presentazione verrà esposto come, a tal proposito, Magneti Marelli Ride Dynamics abbia utilizzato la tecnica del Model-Based Design, con generazione automatica del codice, per lo sviluppo e messa in produzione del software di controllo di un sistema di sospensioni semiattive, con architettura AUTOSAR e secondo il processo di riferimento A-SPICE.
Andrea Palazzetti,
Magneti Marelli
MathWorks Presentations
Deep Learning e Reinforcement Learning per l’intelligenza artificiale
13:30–14:00
L’intelligenza artificiale sta giocando un ruolo sempre più importante nelle nostre vite professionali e private.
In particolare, due tecniche, Deep Learning e Reinforcement Learning, stanno trasformando l’industria e migliorando le applicazioni nell’ambito della diagnosi medica, dei sistemi di guida autonoma e della robotica.
In questa presentazione avrete modo di apprendere come MATLAB® supporta le tecniche di Deep Learning e Reinforcement Learning, e tra i punti trattati troviamo:
- preparazione ed etichettatura automatica dei dati di addestramento
- interoperabilità con ambienti Open Source
- addestramento di una rete neurale per immagini, segnali e testo
- ottimizzazione dei parametri per accelerare l’addestramento e incrementare l’accuratezza
- generazione automatica di codice per sistemi NVIDIA®, Intel®, and ARM®
Giuseppe Ridinò, MathWorks
Sviluppare controlli digitali per convertitori elettronici di potenza
13:30–14:00
A partire da un esempio di convertitore elettronico di potenza DC-DC, questo talk spiega come Simulink e Simscape Electrical™ sono utilizzati per sviluppare, simulare e implementare un controller che mantenga la tensione di uscita desiderata, in presenza di variazioni della tensione di ingresso e cambiamenti di carico, per ottenere una risposta rapida e stabile. La presentazione copre:
- modellazione di componenti circuitali passivi, semiconduttori di potenza e diverse fonti di alimentazione e carichi
- simulazione del convertitore in modalità di conduzione continua e discontinua
- determinazione delle perdite di potenza elettrica e simulazione del comportamento termico del convertitore
- regolazione del controller per soddisfare i requisiti di progettazione come tempo di salita, overshoot e tempo di assestamento
- generazione automatica del codice C dal modello del controller per l'implementazione su un microcontrollore Texas Instruments™ C2000™
Aldo Caraceto, MathWorks
Manutenzione Predittiva con MATLAB
14:30–15:00
La manutenzione predittiva riduce i costi operativi delle aziende che utilizzano e producono apparecchiature costose, prevedendo guasti a partire dai dati ricevuti dai sensori. L'identificazione e l'estrazione di informazioni utili da tali dati è un processo che richiede diverse iterazioni, una profonda comprensione della macchina e delle sue condizioni operative. Scoprirai come MATLAB® e il Predictive Maintenance Toolbox™ combinano tecniche di machine learning con quelle tradizionali di model-based design e signal processing creando approcci ibridi per predire e isolare guasti. Scoprirai anche come app integrate possano essere utilizzate per estrarre e visualizzare features partendo dai dati misurati, senza dover scrivere alcuna riga di codice. Queste features possono essere utilizzate come indicatori di salute per implementare algoritmi di classificazione dei guasti e di stima della vita utile residua. Gli algoritmi di manutenzione predittiva hanno un impatto notevole quando sono sviluppati per una flotta di macchine e distribuiti in sistemi di produzione. Scoprirai come validare i tuoi algoritmi e integrarli con i tuoi dispositivi embedded e con le piattaforme IT / OT aziendali.
Francesco Alderisio, MathWorks
Ingegneria dei sistemi: dai requisiti all’architettura alla simulazione
14:30–15:00
Esistono diverse definizioni di Ingegneria dei sistemi. Tutte condividono l’esistenza di un insieme di requisiti di sistema, a partire dai quali è definita la decomposizione del sistema e l’allocazione dei requisiti stessi alle varie componenti. Sulla base di studi di mercato l’architettura sviluppata viene selezionata tra quelle potenzialmente valide ed infine verificata attraverso la simulazione.
Questa presentazione mostra come MATLAB® e Simulink® supportano questo flusso di lavoro, se utilizzati assieme a Simulink Requirements™ e System Composer™, permettendo agli utenti di:
- catturare, visualizzare, analizzare e gestire i requisiti
- sviluppare un modello di architettura di sistema a partire da requisiti, modelli Simulink pre-esistenti, ICDs, architetture esterne o combinazioni di questi
- esaminare il modello di architettura di sistema utilizzando differenti viste a seconda degli scopi.
- allocare i requisiti alle varie componenti costituenti l’architettura di sistema ed effettuare la coverage analysis e la change impact analysis
- effettuare studi di mercato per comparare, ottimizzare l’architettura di sistema
- progettare le componenti del modello di architettura di sistema
- simulare la composizione del sistema per verificarne il comportamento
Vincenzo Petrella, MathWorks
Master Class: Sviluppo software con MATLAB
15:30–17:00
Sempre più spesso i modelli sviluppati in MATLAB necessitano di essere integrati in servizi on-premise o in cloud, oppure di essere utilizzati su sistemi embedded. Diventa quindi cruciale poter adottare in MATLAB pratiche tipiche dello sviluppo software per la verifica e validazione del codice, oltre alla sua manutenibilità. In questa Master Class, vedremo come sia possibile integrare MATLAB con strumenti di source control come gitHub e integration server come jenkins, a supporto di un processo di Continuous Development. Impareremo a scrivere degli Unit test e a gestire il codice in termini di progetto, per poter rilasciare codice ‘’industry grade”.
Master Class: Sviluppo di un sistema di gestione delle batterie con Simulink
15:30–17:00
Il sistema di gestione delle batterie (BMS) garantisce le massime prestazioni, un funzionamento sicuro e una durata ottimale dei sistemi di accumulo dell'energia del pacco batterie in diverse condizioni ambientali e di carica.
Con Simulink, i progettisti possono utilizzare la simulazione per progettare algoritmi di controllo e di supervisione che monitorano la tensione e la temperatura delle singole celle, stimare lo stato di carica (SOC) e lo stato di salute (SOH) di tutto il pacco batteria, controllare la velocità di carica e scarica, bilanciare il SOC tra le celle della batteria e isolare la batteria dalla sorgente e dal carico, quando necessario.
Simulink può aiutare i progettisti in tutta la fase di sviluppo del sistema di controllo, dai requisiti fino al test del software, attraverso simulazioni desktop per garantire che il BMS funzioni come previsto in tutte le condizioni operative desiderate e soddisfi i requisiti di durata espressi dal progetto.
In questa Master Class, imparerete come progettisti con background differenti (meccatronica, chimica, elettronica, teoria dei controlli, ingegneria del software, etc.) utilizzano Simulink per collaborare durante l'intero ciclo di sviluppo del sistema.
Loren Shure
MathWorks
Loren Shure has worked at MathWorks for over 28 years. She has co-authored several MathWorks products in addition to adding core functionality to MATLAB, including major contributions to the design of the MATLAB language. She graduated from MIT with a B.Sc. in physics and has a Ph.D. in marine geophysics from the University of California, San Diego, Scripps Institution of Oceanography. Loren writes about MATLAB on her blog, The Art of MATLAB.
Luca Cistriani
LEONARDO
Luca Cistriani è attualmente a capo del reparto “Modelling & Distributed Missions Simulation” all’interno del quale si occupa prevalentemente dello sviluppo di RIACE.
Nel 2004 passa al System Engineering come Project Leader del velivolo Falco e del bersaglio secondario auto-propulso Locusta, entra anche a far parte, come responsabile del pannello “Flight”, del team di certificazione del Falco presso l’ENAC.
Dal 2007 viene incaricato di formare un reparto di “Aeronautical Modelling” per il Training & Simulation, iniziano le attività su quello che poi diverrà il Synthetic Environment RIACE.
Dal 2012 al 2016 è stato responsabile dell’intera area di Ingegneria Aeronautica di Ronchi dei Legionari (Aerodinamica, Strutture, Propulsione, Simulazione).
È laureato in ingegneria aeronautica presso l’Università la Sapienza di Roma. Nel 1999 svolge la sua tesi di laurea, dal titolo “Dinamica di un aerobersaglio trainato”, in collaborazione con la allora METEOR C.A.E. S.p.A. di Ronchi dei Legionari.
Francesca Perino
MathWorks
Francesca Perino, grande appassionata di sviluppo software e delle tecnologie a supporto del computational modeling, è attualmente uno dei Senior Application Engineer di MathWorks. Per diversi anni, prima come sviluppatore e poi come Application Engineer ha utilizzato MATLAB per lo sviluppo di algoritmi e di applicazioni per l’analisi dati e la modellazione numerica, principalmente in ambito computational finance ed energy&production. Francesca conosce in maniera approfondita la piattaforma MATLAB e in MathWorks si occupa del supporto ad alcune delle soluzioni enterprise in cui gli algoritmi sviluppati in MATLAB possono essere integrati e scalati.
Maurizio Dalbard
MathWorks
Maurizio Dalbard è un Senior Application Engineer in MathWorks, ingegnere meccatronico esperto nella progettazione di sistemi di controllo embedded e sistemi meccatronici attraverso il Model-Based Design con un focus particolare nella generazione automatica di codice e verifica e validazione del software. Maurizio ha lavorato per diversi anni come progettista e consulente in team di differenti aziende, ricoprendo ruoli differenti nelle fasi dello sviluppo prodotto.
Mario Antonelli
MathWorks
Mario Antonelli attualmente lavora come Senior System Engineer in MBDA su diversi progetti e attività di ricerca riguardanti Progettazione di algoritmi, Ricerca operativa, Intelligenza artificiale, Comando e Controllo.
Una parte importante della sua attività di ricerca, durante gli studi di dottorato, è stata dedicata agli algoritmi di ottimizzazione ti tipo deterministico ed evolutivo, agli algoritmi di riconoscimento automatico e classificazione, all'intelligenza computazionale e all'elaborazione del segnale. Dopo il dottorato di ricerca, ha lavorato prima come sviluppatore di sistemi nel campo dei sistemi di difesa e aerospaziale, poi come analista di sistema negli stessi campi. Le sue attività si sono incentrate su Algoritmi tattici, Elaborazione di immagini, Machine Learning e Signal Processing.
Ha ricevuto il titolo di Dott. Ing., con lode, in Ingegneria delle Telecomunicazioni presso l'Università di Roma "La Sapienza" e il dottorato di ricerca in Ingegneria dell'Informazione e della Comunicazione, nel 2008, presso la stessa Università.
Andrea Palazzetti
Magneti Marelli
Andrea Palazzetti è attualmente responsabile del team di sviluppo software e controlli per sistemi di sospensioni a smorzamento controllato per la business line Magneti Marelli Ride Dynamics.
Andrea possiede inoltre una ventennale esperienza nello sviluppo di software embedded per il controllo di trasmissioni di diversa tipologia, sia in ambito automotive che off highway, maturata in Italia ed all’estero.
Giuseppe Ridinò
MathWorks
Giuseppe Ridinò è Senior Application Engineer MathWorks, esperto di calcolo numerico, sviluppo software e modellazione fisico-matematica. Già dalla fine degli anni 90 ha accumulato esperienze sull'applicazione di MATLAB e Simulink® in diversi settori industriali.
Dal 2014 è entrato in MathWorks e si occupa principalmente delle tematiche di processamento del segnale, sistemi di comunicazione, processamento di immagini, visione artificiale, sistemi autonomi e generazione codice C/C++ e HDL.
Giuseppe ha conseguito la Laurea in Ingegneria Elettronica presso il Politecnico di Torino.
Aldo Caraceto
MathWorks
Aldo Caraceto è Senior Application Engineer in MathWorks, esperto di strumenti per la modellazione fisica, progettazione di sistemi di controllo, simulazione real-time e generazione automatica del codice. Da numerosi anni collabora con aziende del mondo dell’automazione industriale e dell’industria automotive. Entrato in MathWorks nel 2004, dal 2007 ricopre il ruolo di Application Engineer. In precedenza, ha lavorato per aziende operanti nell’ambito dell’automazione industriale come electronic designer ed automation engineer. Aldo ha conseguito una Laurea (M.S.) in Ingegneria Elettronica, presso il Politecnico di Torino.
Francesco Alderisio
MathWorks
Francesco Alderisio è Application Engineer in MathWorks, con particolare focus su strumenti per la modellazione fisica, simulazione desktop e real-time, machine learning, manutenzione predittiva, e progettazione di sistemi di controllo e generazione automatica di codice per PLC. Entrato in MathWorks nel 2017 come Technical Support Engineer, dal 2018 ricopre il ruolo di Application Engineer. Francesco ha conseguito una Laurea Magistrale (M.Sc.) in Ingegneria dell’Automazione presso l’Università di Napoli Federico II, ed un dottorato di ricerca (Ph.D.) in Ingegneria Matematica presso l’Università di Bristol, UK.
Vincenzo Petrella
MathWorks
Vincenzo Petrella ha conseguito una laurea magistrale in Ingegneria Aeronautica presso l'Università La Sapienza di Roma con una specializzazione in Dinamica del volo e Meccanica del volo degli elicotteri. Prima di entrare in MathWorks nel 2018 ha lavorato, come consulente, per 5 anni nella divisione Leonardo - Airborne & Space System. Durante la sua permanenza presso Leonardo, è stato coinvolto nello sviluppo di modelli dinamici MATLAB/Simulink per simulatori di volo, approfondendo le sue conoscenze sulla progettazione Model-Based e sulla generazione di codice.