28 Maggio 2019 - Automazione, In evidenza

MathWorks, modellazione e simulazione nell’era dell’Intelligenza Artificiale

Appuntamento al MATLAB Expo Italia 2019, a Milano, 25 giugno e Roma, 26 giugno. La conferenza degli utenti di MATLAB e Simulink è un’opportunità unica per ascoltare casi reali presentati dagli utilizzatori, scoprire nuovi prodotti, conoscere le soluzioni sviluppate dai partner e incontrare professionisti con cui condividere le esperienze.

Nell’ambito scientifico e ingegneristico MathWorks è diventato l’alleato naturale per tutti coloro che in tutto il mondo hanno necessità di utilizzare soluzioni per la modellazione matematica e la simulazione. In questo scenario le soluzioni MathWorks sono rappresentate dai due fondamenti tecnologici che la società ha sviluppato nel corso del tempo ovvero MATLAB  e Simulink. Una realtà, quella di MathWorks, che vanta più di 4 mila dipendenti a livello globale, con un core business, storicamente rappresentato dal mercato automotive e aerospace, che sta oggi rapidamente estendendosi a tutti quei settori interessati a introdurre un nuovo livello di automazione di sistemi e macchinari grazie all’implementazione di logiche di machine e deep learning in uno scenario di big data analytics.

Tre gli spazi informativi previsti nel corso del MATLAB EXPO 2019:

  • Scenari: Informazioni puntuali sulle novità del data analytics, sulla modellazione e la simulazione di sistemi direttamente dagli esperti MathWorks e dalle aziende leader di settore.
  • Casi reali: nuove applicazioni reali presentate da utenti MATLAB e Simulink, provenienti da diversi ambiti industriali e tecnologici.
  • Networking: condivisione di esperienze nell’utilizzo di MATLAB e Simulink tra la comunità degli utenti, il team tecnico MathWorks e i partner.

Ecco una sintesi di alcuni dei più importanti argomenti e interventi che verranno presentati nel corso dell’evento.

Scenari

“Beyond the I in AI” è il tema dell’intervento a cura di Loren Shure, Consulting Application Engineering di MathWorks. Loren presenterà le novità dell’intelligenza artificiale come paradigma per lo sviluppo prodotto e modelli di business innovativi. Quali le sfide con cui ci si deve confrontare per integrare l’AI nei propri prodotti e sistemi? Secondo Loren Shure un sistema basato sull’intelligenza artificiale non necessita soltanto dello sviluppo di algoritmi intelligenti; deve prevedere il contributo da parte di esperti di dominio per generare test, modelli e scenari applicativi; deve essere capace di individuare processi ottimali di data preparation, modellazione e simulazione e generazione automatica di codice nonché capacità di integrazione in fase di ingegnerizzazione. Il fine dell’intervento è dimostrare come ingegneri e scienziati possono utilizzare con successo MATLAB e Simulink per integrare l’AI nella nuova generazione di prodotti e sistemi connessi.

Novità in MATLAB e Simulink – Francesca Perino e Maurizio Dalbard di MathWorks racconteranno 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.

Esperienze clienti

Luca Cistriani, LEONARDO – Sviluppo ed integrazione di modelli per simulazione di missioni distribuite – 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.

Marco Basilico, TRE ALTIMIRA – Dagli script a linguaggio di programmazione: una GUI per la produzione. TRE ALTAMIRA è un’azienda dall’elevato profilo innovativo che opera nel settore del telerilevamento satellitare. Nelle attività di R&D, MATLAB è sempre stato il loro strumento di riferimento. MATLAB è stato utilizzato con successo grazie a tre suoi grandi punti di forza: il fatto di possedere un potente “motore di calcolo” capace di supportare sia la notevole mole di dati sia la complessità degli algoritmi; l’estrema facilità con cui i dati possono essere visualizzati e come rapidamente e facilmente gli utenti possono interagire con essi; il fatto che negli ultimi anni MATLAB è stato dotato di strumenti di sviluppo non facilmente individuabili in altri ambienti di sviluppo free presenti oggi sul mercato. Verrà presentato proprio il percorso fatto negli ultimi 20 anni dal ruolo di semplici utilizzatori di MATLAB fino a quello di developers in/con MATLAB, condividendo anche una serie di metodologie per lo sviluppo e la messa in linea del codice così come alcune best practice di programmazione.

Andrea Palazzetti, Magneti Marelli – Sviluppo di un sistema di sospensioni semiattive mediante Model-Based Design con architettura AUTOSAR e conforme allo standard A-SPICE. 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.

Mario Antonelli, MBDA – Machine Learning per la predizione della copertura radar. 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.

 

 

 

 

Tags : , , , , , , , , , , , ,