La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA DIPARTIMENTO DI INFORMATICA E SISTEMISTICA FONDAMENTI DI CONTROLLO INTELLIGENTE ALESSANDRO DE CARLI Anno Accademico.

Presentazioni simili


Presentazione sul tema: "UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA DIPARTIMENTO DI INFORMATICA E SISTEMISTICA FONDAMENTI DI CONTROLLO INTELLIGENTE ALESSANDRO DE CARLI Anno Accademico."— Transcript della presentazione:

1

2 UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA DIPARTIMENTO DI INFORMATICA E SISTEMISTICA FONDAMENTI DI CONTROLLO INTELLIGENTE ALESSANDRO DE CARLI Anno Accademico

3 INTERAZIONE E INTELLIGENZA 2 AUTOMAZIONE 1 SISTEMA UOMO-MACCHINA RETI DI COMUNICAZIONE MECCATRONICA UOMO MACCHINA CALCOLATORE INTELLIGENZA

4 INTERAZIONE E INTELLIGENZA 3 AUTOMAZIONE 1 LINTERAZIONE CON LUOMO DEI CALCOLATORI E DELLE MACCHINE È ASIMMETRICA IN QUANTO L UOMO COMPRENDE FACILMENTE LE MODALITÀ SECONDO CUI POSSONO FUNZIONARE MA NON AVVIENE IL VICEVERSA LIMPEGNO DELLUOMO È ALLORA QUELLO DI TRASFERIRE ALLA MACCHINA QUEGLI ASPETTI DELLINTELLIGENZA CHE RISULTANO ESSENZIALI PER MIGLIORARNE LE PRESTAZIONI E LA FLESSIBILITÀ DI IMPIEGO ATTRAVERSO OPPURTUNI PROGRAMMI BASATI SU ALGORITMI E PROCEDURE DI ELABORAZIONE CHE APPLICANO ALCUNE METODOLOGIE TIPICHE DEL SOFT COMPUTING I PROGRAMMI SONO IN GRADO DI ELABORARE I VALORI RICAVATI DA UN OPPORTUNO INSIEME DI SENSORI E DI DISPOSITIVI DI MISURA SECONDO MODALITÀ CHE RIPRODUCONO LE AZIONI DELLUOMO

5 INTERAZIONE E INTELLIGENZA 4 AUTOMAZIONE 1 ASIMMETRIA NELLA INTERAZIONE UOMO-MACCIMA LUOMO ACQUISISCE FACILMENTE LE MODALITÀ DI FUNZIONAMENTO DI UNA MACCIMA I CALCOLATORI NON SONO IN GRADO DI COMPRENDERE ED INTERPRETARE LA PSICOLOGIA DELLUOMO LINTELLIGENZA ALLA MACCHINA PUÒ ESSERE FORNITA SOLO TRAMITE OPPORTUNI PROGRAMMI FINALIZZATI A TRASFERIRE LE AZIONI DI CONTROLLO CHE AVREBBE FATTO LUOMO NELLE STESSE CONDIZIONI OPERATIVE E AMBIENTALI

6 ESEMPIO DI INTERAZIONE UOMO-MACCHINA 5 PRESTAZIONI RIVOLGE IL MUSO VERSO CHI PARLA APRE E CHIUDE GLI OCCHI QUANDO VIENE ACCAREZZATA MUOVE LE PINNE E LA CODA QUANDO È ACCAREZZATA DOLCEMENTE AUTOMAZIONE 1

7 INTERAZIONE UOMO-MACCHINA-AMBIENTE 6 AUTOMAZIONE 1 INTERAZIONE UOMO-MACCHINA UOMO MACCHINA AMBIENTE INTERAZIONE MACCHINA-AMBIENTE AMBIENTE-MACCHINA INTERAZIONE AMBIENTE-UOMO

8 AZIONI DI CONTROLLO 7 AUTOMAZIONE 1 AZIONE DIRETTA UOMO MACCHINA AMBIENTE CONTROLLO A CATENA APERTA PIANIFICAZIONE DEGLI INTERVENTI CONTROLLO BASATO SU MODELLO CONTROLLO BASATO SULLA CONTROREAZIONE

9 INTELLIGENZA INTERAZIONE UOMO-MACCHINA-AMBIENTE 8 AUTOMAZIONE 1 UOMO MACCHINA AMBIENTE INTERAZIONE MACCHINA-UOMO INTERAZIONE AMBIENTE-UOMO MODALITÀ DI CONTROLLO RICONOSCIMENTO DELLAMBIENTE ACQUISIZIONE DELLA CONOSCENZA MODALITÀ DI INTERVENTO

10 ESEMPIO DI INTERAZIONE AMBIENTE-UOMO-MACCHINA 9 AUTOMAZIONE 1 RICONOSCIMENTO DELLA CONDIZIONI DELLA SUPERFICIE DI APPOGGIO DEL PIEDE DALLA MISURA DI 4 SENSORI PIANEGGIANTE ACCIDENTATO INCLINATO IN SALITA

11 ANDAMENTO DESIDERATO DELLA VARIABILE CONTROLLATA VARIABILE CONTROLLATA MACCHINA INTERAZIONE UOMO-MACCHINA 10 AUTOMAZIONE AZIONE DI CONTROLLO ADATTATIVA + MODELLO INVERSO ADATTATIVO + CONOSCENZA APPRENDIMENTO MEMORIZZAZIONE A PASSO VARIABILE MANTENIMENTO DEL VALORE MEMORIZZATO

12 INTERAZIONE UOMO-MACCHINA 11 AUTOMAZIONE 1 MACCHINA ANDAMENTO DESIDERATO DELLA VARIABILE CONTROLLATA VARIABILE CONTROLLATA + - AZIONE DI CONTROLLO + - K P + K D s 1 + s 1 (J s + F) s r(t) e(t)u(t) 1 (J s + F) s y(t) 1 (J s + F) s y(t) + - e(t)u(t) 1 (J s + F) s K P + K D s 1 + s (J s + F) s r(t) K P + K D s 1 + s 1 (J s + F) s

13 INTELLIGENZA SIGNIFICATO LESSICALE COMPETENZA IN UNA DETERMINATA ARTE, SCIENZA, TECNICA INTELLIGENZA CAPACITÀ GENERALE CHE CONSENTE DI ADATTARSI ALLAMBIENTE E CHE NELLESSERE UMANO SI MANIFESTA NEI COMPORTAMENTI E NEL GRADO DI ELABORAZIONE DEI PROCESSI MENTALI CAPACITÀ DI INTENDERE, PENSARE, GIUDICARE AFFIDATA AD UN COMPUTER... DETTO DI MACCHINA O MECCANISMO AUTOMATIZZATI E IL CUI FUNZIONAMENTO È AFFIDATO AD UN COMPUTER INTELLIGENTE... DAL DIZIONARIO ZINGARELLI DELLA LINGUA ITALIANA DEFINIZIONE DI INTELLIGENZA 12 AUTOMAZIONE 1

14 INTELLIGENZA SIGNIFICATO LESSICALE COMPETENZA IN UNA DETERMINATA ARTE, SCIENZA, TECNICA INTELLIGENZA CAPACITÀ GENERALE CHE CONSENTE DI ADATTARSI ALLAMBIENTE E CHE NELLESSERE UMANO SI MANIFESTA NEI COMPORTAMENTI E NEL GRADO DI ELABORAZIONE DEI PROCESSI MENTALI CAPACITÀ DI INTENDERE, PENSARE, GIUDICARE AFFIDATA AD UN COMPUTER... DETTO DI MACCHINA O MECCANISMO AUTOMATIZZATI E IL CUI FUNZIONAMENTO È AFFIDATO AD UN COMPUTER INTELLIGENTE... DAL DIZIONARIO ZINGARELLI DELLA LINGUA ITALIANA DEFINIZIONE DI INTELLIGENZA 13 AUTOMAZIONE 1

15 EVOLUZIONE DELLE INNOVAZIONI 14 AUTOMAZIONE 1 STRUMENTAZIONE MODALITÀ DI CONTROLLO CONVENZIONALEINNOVATIVA CONVENZIONALE INNOVATIVA AUMENTO DEL COSTO PARZIALE MIGLIORAMENTO DELLE PRESTAZIONI COSTO INVARIATO MARGINALE MIGLIORAMENTO DELLE PRESTAZIONI COSTO & PRESTAZIONI BEN DEFINITE SOSTANZIALE MIGLIORAMENTO DELLE PRESTAZIONI COSTO ELEVATO DELLINVESTIMENTO INIZIALE

16 SIGNIFICATO DI CONTROLLO INTELLIGENTE 15 AUTOMAZIONE 1 CONTROLLO INTELLIGENTE - DI DETERMINARE, IN FUNZIONE DI UN OPPORTUNO INSIEME DI VALORI MISURATI ALLINTERNO E ALLESTERNO DEL SISTEMA DA CONTROLLARE, QUEGLI INTERVENTI CHE SE FOSSERO EFFETTUATI DA UN OPERATORE SAREBBERO DEFINITI INTELLIGENTI LA PROCEDURA È PROGETTATA SULLA BASE DI UNA CONOSCENZA APPROFONDITA DEL FUNZIONAMENTO DEL SISTEMA DA CONTROLLARE E DELLE SUE MODALITÀ DI CONDUZIONE PROCEDURA IN GRADO: - DI EFFETTUARE LA MISURA DI VARIABILI A CUI NON CORRISPONDE UNA GRANDEZZA RILEVABILE CON UNO O PIÙ SENSORI

17 DIFFUSIONE DELLINNOVAZIONE 16 AUTOMAZIONE 1 TRASFERIMENTO TECNOLOGICO FORMAZIONE FINALIZZATA SETTORI DI APPLICAZIONE APPLICAZIONI PROTOTIPALI INSERIMENTO NEL MERCATO INFORMAZIONI CRESCITA ECONOMICA

18 APPLICAZIONE DELLE INNOVAZIONI 17 AUTOMAZIONE 1 INFORMAZIONI NUOVI PROBLEMI NUOVE MODALITÀ DI CONTROLLO NUOVE TECNOLOGIE NUOVI PRODOTTI VALUTAZIONE DELLA EFFICIENZA INDIVIDUAZIONE DEI SETTORI APPLICATIVI VALUTAZIONE DELLA CONVENIENZA (COSTO / PRESTAZIONI)

19 SIGNIFICATO DI CONTROLLO MANUALE 18 AUTOMAZIONE 1 ESPERIENZA PROFESSIONALITÀ PARAMETRI OPERATIVI MISURA DELLE VARIABILI: - DI COMANDO - CONTROLLATE - INTERNE ANDAMENTO DELLE VARIABILI DI COMANDO CONTROLLO MANUALE CONOSCENZA DEL FUNZIONAMENTO SISTEMA DA CONTROLLARE

20 SIGNIFICATO DI CONTROLLO CONSOLIDATO 19 AUTOMAZIONE 1 ESPERIENZA PROFESSIONALITÀ PARAMETRI OPERATIVI E VINCOLI MISURA DELLE VARIABILI: - DI COMANDO - CONTROLLATE CONOSCENZA DEL COMPORTAMENTO DINAMICO DEL SISTEMA DA CONTROLLARE ANDAMENTO DELLE VARIABILI DI COMANDO CONTROLLO CONSOLIDATO MODALITÀ DI CONTROLLO CONSOLIDATE

21 DISPOSITIVO DI ELABORAZIONE MODALITÀ DI CONTROLLO CONSOLIDATO 20 AUTOMAZIONE 1 CONTROLLO A CATENA APERTA VARIABILE CONTROLLATA VARIABILE DI COMANDO DELLATTUATORE DISTURBI ATTUATORE E SISTEMA DA CONTROLLARE VARIABILE CONTROLLATA VARIABILE DI COMANDO DELLATTUATORE DISTURBI PRESTAZIONI DESIDERATE ATTUATORE E SISTEMA DA CONTROLLARE DISPOSITIVO DI MISURA CONTROLLO IN CONTROREAZIONE ANDAMENTO DESIDERATO DELLA VARIABILE CONTROLLATA DISPOSITIVO DI ELABORAZIONE MODALITÀ DI CONTROLLO DISPOSITIVO DI MISURA

22 SIGNIFICATO DI CONTROLLO EMERGENTE 21 AUTOMAZIONE 1 ESPERIENZA PROFESSIONALITÀ PARAMETRI OPERATIVI E VINCOLI MISURA DELLE VARIABILI: - DI COMANDO - CONTROLLATE - INTERNE CONOSCENZA APPROFONDITA DEL COMPORTAMENTO DINAMICO DEL SISTEMA DA CONTROLLARE ANDAMENTO DELLE VARIABILI DI COMANDO CONTROLLO EMERGENTE MODALITÀ DI CONTROLLO EMERGENTI

23 CLASSIFICAZIONE DELLE MODALITÀ DI CONTROLLO 22 AUTOMAZIONE 1 MODALITÀ EMPIRICHE RICAVATE DALLA INTUIZIONE E DALLA ESPERIENZA MODALITÀ SISTEMATICHE CONSOLIDATE RICAVATE DA UNA CONOSCENZA SUPERFICIALE DEL COMPORTA- MENTO DEL SISTEMA DA CONTROLLARE E REALIZZATE CON DI- SPOSITIVI CHE COPIANO LE MODALITÀ DI INTERVENTO DI UN OPERATORE ESPERTO EMERGENTI RICAVATE DA UNA CONOSCENZA APPROFONDITA DEL COMPORTA- MENTO DEL SISTEMA DA CONTROLLARE PER RAGGIUNGERE PRE- STAZIONI CHE UN OPERATORE ESPERTO NON POTREBBE MAI OTTENERE INNOVATIVE RICAVATE DA UNA CONOSCENZA APPROFONDITA DEL COMPORTA- MENTO DEL SISTEMA DA CONTROLLARE NEL SISTEMA DI PRODU- ZIONE E REALIZZATE CON DISPOSITIVI CHE COPIANO L'ESPERIENZA E LINTELLIGENZA DI OPERATORI ESPERTI

24 SIGNIFICATO DI CONTROLLO INTELLIGENTE 23 AUTOMAZIONE 1 ESPERIENZA PROFESSIONALITÀ PARAMETRI OPERATIVI MISURA DELLE VARIABILI: - DI COMANDO - CONTROLLATE - INTERNE - ESTERNE STIMA DEL COMPORTAMENTO DEL SISTEMA CONTROLLATO ANDAMENTO DELLE VARIABILI DI COMANDO CONTROLLO INTELLIGENTE CONTROLLO INTELLIGENTE

25 SISTEMA DA CONTROLLARE RIGIDA CLASIFICAZIONE DELLE MODALITÀ DI CONTROLLO 24 AUTOMAZIONE 1 VALUTAZIONE E DECISIONE MODALITÀ DI CONTROLLO SECONDO UN ALGORITMO SOMMA PRODOTTO AND - OR FLESSIBILE SECONDO UNA PROCEDURA FLESSIBILE OTTIMIZZATO IF « ANTECEDENTI » THEN « CONSEGUENTI » PERSONALE MANUALE CONTROLLO MANUALE CONTROLLO CONSOLIDATO CONTROLLO INTELLIGENTE CONTROLLO EVOLUTO CONSOLIDATO EVOLUTO

26 COMPORTAMENTO DELLA MENTE UMANA 25 AUTOMAZIONE 1 COMPORTAMENTO FISIOLOGICO COMPORTAMENTO PSICOLOGICO MENTE UMANA APPRENDIMENTO RAPPRESENTAZIONE DELLA CONOSCENZA MEMORIZZAZIONECAPACITÀ DECISIONALI RIUTILIZZAZIONE VALUTAZIONE DELLOTTIMO RAPIDO ADATTAMENTO DEL COMPORTAMENTO ALLE CONDIZIONI CONTINGENTI

27 COMPORTAMENTO DELLA MENTE UMANA 26 AUTOMAZIONE 1 CONTROLLO INTELLIGENTE ACQUISIZIONE E RAZIONALIZZAZIONE DELLA ESPERIENZA SISTEMI ESPERTI VALUTAZIONE QUALITATIVA SISTEMI FUZZY APPRENDIMENTO RETI NEURALI RICERCA DELLOTTIMO ALGORITMI EVOLUTIVI VALUTAZIONI PROBABILISTICHE RETI DI BAYES

28 METODOLIGIE DI BASE DEL CONTROLLO INTELLIGENTE 27 AUTOMAZIONE 1 CONTROLLO INTELLIGENTE APPRENDIMENTO OTTIMIZZAZIONE VALUTAZIONERETI NEURALI ALGORITMI EVOLUTIVI LOGICA FUZZY MODELLI FUZZY AUTOADATTATIVI RETI NEUROFUZZY RETI NEURALI EVOLUTIVE

29 DAI DATI ALLE INFORMAZIONI 28 AUTOMAZIONE 1 CONTROLLO E SEQUENZE BILANCIO MATERIALI OTTIMIZZAZIONE MISURE ED ATTUAZIONI ENTERPRISE RESOURCE PLANNING INFORMAZIONE DIVENTANO MESSAGGI MISURE DATI E STATI LOGICI DIVENTANO MANUFACTURING EXECUTION SYSTEM REGOLAZIONI ED INTERBLOCCHI

30 RAPPRESENTAZIONE DI UNA VARIABILE 29 AUTOMAZIONE 1 tempo SEGNALE UTILE DISTURBO RUMORE VARIABILE MISURATA CONTIENE INFORMAZIONI UTILI PER VALUTARE LAZIONE DI CONTROLLO O LEFFETTO DELLAZIONE DI CONTROLLO POTREBBE CONTENERE INFORMAZIONI UTILIZZABILI PER LA GESTIONE O PER LA DIAGNOSTICA IN GENERE NON CONTIENE INFORMAZIONI UTILI tempo UTILE AL FINE DELLA CARATTERIZZAZIONE DEL FUNZIONAMENTO ANDAMENTO DEL VALORE MEDIO AD ESEMPIO APPROSSIMAZIONE DOVUTA ALLA DIGITALIZZAZIONE DI UN SEGNALE ANALOGICO VARIAZIONE DELLA PRES- SIONE O DELLA PORTATA DOVUTA ALLE OSCILLA- ZIONI DELLOTTURATORE DI UNA SERVOVALVOLA ANDAMENTO DELLA VARIA- BILE DI COMANDO ELABO- RATA DA UN REGOLATORE NEL CONTROLLO A LIVELLO DI CAMPO

31 RAPPRESENTAZIONE DI UNA VARIABILE 30 AUTOMAZIONE 1 ANALOGICA LOGICA DIGITALE QUALITATIVA LINGUISTICA tempo CAMPO DI ESCURSIONE basso medio alto NO SI diminuisce [ - ] aumenta [ + ] nominale [ 0 ]

32 SISTEMI ESPERTI 31 AUTOMAZIONE 1 EFFETTICAUSE VARIABILI DI COMANDO DISTURBI VARIABILI INTERNE VARIABILI ESTERNE VARIABILI DA CONTROLLARE SISTEMA DA CONTROLLARE ESPERIENZA DATI BASE DEI DATI ANTECEDENTI CONSEGUENTI DEDUZIONI IMPLICAZIONI BASE DEI FATTI REGOLE DI INFERENZA BASE DELLA CONOSCENZA

33 SISTEMI ESPERTI 32 AUTOMAZIONE 1 UTENTE FINALE CAUSE ESTERNE DOMANDE MOTORE INFERENZIALE INTERFACCIA UTENTE INTERFACCIA SVILUPPATORE AGGOIRNAMENTO DELLA CONOSCENZA INGEGNERE DELLA CONOSCENZA

34 SISTEMI ESPERTI 33 AUTOMAZIONE 1 EFFETTICAUSE VARIABILI DI COMANDO DISTURBI VARIABILI INTERNE VARIABILI ESTERNE VARIABILI DA CONTROLLARE SISTEMA DA CONTROLLARE ESPERIENZA DATI IMPLICAZIONI ANTECEDENTI CONSEGUENTI REGOLE DEFINIZIONE DEI FUZZY SETS FUZZIFICAZIONE IMPLICAZIONE DEFUZZIFICAZIONE PROVE PER LA VALIDAZIONE

35 ELABORAZIONE FUZZY VALORE DELLA VARIABILE DI USCITA ELABORAZIONE FUZZY 34 AUTOMAZIONE 1 REGOLE LINGUISTICHE DI TIPO CAUSA-EFFETTO (y) (x 1 ) (x 2 ) y sovente x 2 è la derivata di x 1 VALORE NUMERICO VALORE NUMERICO ESPERIENZA grande medio piccolomedio x1x1 x2x2 piccologrande CLASSIFICAZIONE FUZZY DEI DATI DI INGRESSO x1x1 x2x2 piccolograndemedio x1x1 X1X1 x2x2 grandepiccolo medio X2X2 centro di massa INFERENZA DEFUZZIFICAZIONE FUZZIFICAZIONE

36 VANTAGGI DELLA RAPPRESENTAZIONE FUZZY 35 AUTOMAZIONE 1 ESEMPIO DI DEFINIZIONE FUZZY COME DEFINIRE I COLORI DELLA STRISCIA ? BLU VIOLA ROSSO OCRA VERDE % 0 % UNA COMBINAZIONE DI COLORI SFUMATI DAL ROSSO AL BIANCO, ….. COLORI OTTENUTI DALLA DIVERSA COMBINAZIONE PERCENTUALE DI BLU, ROSSO, VERDE. DEFINIZIONE FUZZY

37 RAPPRESENTSAZIONE FUZZY 36 AUTOMAZIONE 1 VARIABILE FISICA VALORE IN TERMINI LINGUISTICI REGOLA SEMANTICA FUNZIONI DI APPARTENENZA TEMPERATURA MEDIAALTABASSA CAMPO DI ESCURSIONE UNIVERSO DEL DISCORSO 1 0 FUZZIFICAZIONE

38 RAPPRESENTAZIONE FUZZY 37 AUTOMAZIONE 1 DAI DATI MISURATI ALLA DEFINIZIONE DEI FUZZY SET X Y DATI MISURATI

39 RAPPRESENTAZIONE FUZZY 38 AUTOMAZIONE 1 DAI DATI MISURATI ALLA DEFINIZIONE DEI FUZZY SET X Y CLUSTERIZZAZIONE PER LA DEFINIZIONE DI 3 FUZZY SET

40 RAPPRESENTAZIONE FUZZY 39 AUTOMAZIONE 1 x y DAI DATI MISURATI ALLA DEFINIZIONE DEI FUZZY SET DEFINIZIONE DI 3 FUZZY SET

41 SIGNIFICATO DI RETE NEURALE 40 AUTOMAZIONE 1 APPRENDIMENTO IMPIEGO sampling x 1 (t) sampling x 2 (t) sampling y(t) adattamento dei parametri b + y*(k) a1a1 - + x 1 (k) x 2 (k) y(k) a2a2 NON LINEARITÀ (k) = i [ y(k) – (a 1 x 1 (k) + a 2 x 2 (k) )] 2 a1 a1 = (k) x 1 (k) a2 a2 = (k) x 2 (k) a 1 k+1 = a 1 k + (k) x 1 (k) a 2 k+1 = a 2 k + (k) x 2 (k)

42 SIGNIFICATO DI ALGORITMO GENETICO 41 AUTOMAZIONE 1 OTTIMIZZAZIONE PRIMO PASSO – INDIVIDUAZIONE DELLE VARIBILI OPERATIVE SECONDO PASSO – DEFINIZIONE DELLA FUNZIONE OBIETTIVO STRETTAMENTE ANALITICATECNICHE ALGORITMICHE LINGUISTICA E ANALITICATECNICHE EVOLUTIVE CASUALITÀ NELLA PROCEDURA ALGORITMI DI SOPRAVVIVENZA ALGORITMI GENETICI DATA UNA POPOLAZIONE SOPRAVVIVE LELEMENTO PIÙ VICINO ALLOTTIMO ASSOLUTO UNA POPOLAZIONE SI RIPRODUCE INDEFINITAMENTE FINO A RAGGIUNGERE LOTTIMO ASSOLUTO

43 SIGNIFICATO DI ALGORITMO GENETICO 42 AUTOMAZIONE 1 ALGORITMI DI SOPRAVVIVENZA POPOLAZIONE INIZIALE AGGIORNAMENTO DELLA POPOLAZIONE CONFRONTO DELLE CORRISPONDENTI FUNZIONI OBIETTIVO CALCOLO DELLA FUNZIONE OBIETTIVO INCONTRO CASUALE DI DUE ELEMENTI SOVRAVVIVENZA DEL PIÙ FORTE ELIMINAZIONE DEL PIÙ DEBOLE

44 SIGNIFICATO DI ALGORITMO GENETICO 43 AUTOMAZIONE 1 ALGORITMI GENETICI POPOLAZIONE INIZIALE AGGIORNAMENTO DELLA POPOLAZIONE FIGLI COME INCROCIO DI PATRIMONIO GENETICO CALCOLO DELLA FUNZIONE OBIETTIVO SELEZIONE PER LA SOPRAVVIVENZA SELEZIONE CASUALE DEI GENITORI MUTAZIONE CASUALE DEL PATRIMONIO GENETICO

45 POPOLAZIONE ATTUALE ELABORAZIONE CON ALGORITMI GENETICI 44 AUTOMAZIONE 1 ALGORITMI GENETICI POPOLAZIONE FUTURA RICOMBINAZIONE DEL PATRIMONIO GENETICO MUTAZIONI CASUALI FIGLI GENITORI INSERIMENTO DEI CROMOSOMI CHE PIÙ SI AVVICINANO ALLOTTIMO FIGLI DOPO LA MUTAZIONE

46 RETI DI BAYES 45 AUTOMAZIONE 1 RETI BAYES

47 RETI DI BAYES 46 AUTOMAZIONE 1 CERTEZZE RETI BAYES CAUSA 1 CAUSA N... CAUSA C 1 CAUSA C n... EFFETTO E DECISIONE CONNESSIONE IN LOGICA BINARIA O FUZZY INCERTEZZE CONNESSIONE DI TIPO PROBABILISTICO CAUSA C i... PROBABILITÀ CHE SI VERIFICHI LA CAUSA C i PROBABILITÀ CHE SI VERIFICHI LEFFETTO E COME CONSEGUENZA DELLESSERSI VERIFICATA LA CAUSA C i PROBABILITÀ CHE SI VERIFICHI LEFFETTO E PROBABILITÀ CHE LEFFETTO E SIA GENERATO DALLA CAUSA C i

48 CONVENIENZA DEL CONTROLLO INTELLIGENTE 47 AUTOMAZIONE 1 - INTELLIGENTI - EMERGENTI - CONSOLIDATE MODALITÀ DI CONTROLLO LIMITI DI FUNZIONAMENTO PER LA VALIDITÀ DELLE PRESTAZIONI PARAMETRI OPERATIVI VARIABILI DI FORZAMENTO VARIABILI CONTROLLATE CARATTERISTICA STATICA PUNTO DI LAVORO

49 RUOLO DEL CONTROLLO INTELLIGENTE 48 AUTOMAZIONE 1 OTTIMIZZAZIONE DEL FUNZIONAMENTO OTTIMIZZAZIONE DELLA EVOLUZIONE COORDINAMENTO REGOLAZIONE STRUTTURA GERARCHICA DI UN SISTEMA DI AUTOMAZIONE LE MODALITÀ DI CONTROLLO SONO RIGIDAMENTE PREFISSATE TRAMITE P L C – P I D IL FUNZIONAMENTO DEI SINGOLI SISTEMI CONTROLLATI È CONDIZIONATO DALLA MODALITÀ DI CONTROLLO MODALITÀ DI CONTROLLO FISSATE IN MODO FLESSIBILE DAGLI OPERATORI DI IMPIANTO E/O DAL CONTROLLORE INTELLIGENTE IL FUNZIONAMENTO DI TUTTO IL SISTEMA CONTROLLATO CONDIZIONA LA MODALITÀ DI CONTROLLO OTTIMIZZAZIONE DEL FUNZIONAMENTO OTTIMIZZAZIONE DELLA EVOLUZIONE COORDINAMENTO REGOLAZIONE

50 INSERIMENTO DEL CONTROLLO INTELLIGENTE 49 AUTOMAZIONE 1 CONTROLLO CONSOLIDATO P L C P I CONTROLLO MANUALE P I D CONVENZIONALE SISTEMA CONTROLLATO CAMPO SUPER VISIONE COORDINAMENTO CONTROLLO ASSISTITO DA SISTEMA ESPERTO P L C AUTOTUNING DEI P I D ADATTAMENTO DELLE MODALITÀ DI CONTROLLO ALLE CONDIZIONI OPERATIVE CONTROLLO EMERGENTE MISURA DI VARIABILI VIRTUALI CONTROLLO INTELLIGENTE TUNING ON-LINE DEI P I D

51 ORGANIZZAZIONE DELLA PROGETTAZIONE 50 AUTOMAZIONE SCOPO DEL PROGETTO 2 - PROGETTATIONE CONCETTUALE 3 - PRE INGEGNERIA 4 - INGEGNERIA 5 - PROGETTAZIONE SISTEMA DI CONTROLLO 6 - REALIZZAZIONE DEL SISTEMA CONTROLLATO 7 - COLLAUDO PRESSO I FORNITORI 8 - INSTALLAZIONE 9 - PROVE DI FUNZIONAMENTO DELLE APPARECCHIATURE 10 - MESSA IN PRODUZIONE ORGANIZZAZIONE RAZIONALIZZATA NEI SEGUENTI PASSI 1 - SCOPO DEL PROGETTO 2 - PROGETTATIONE CONCETTUALE 5 - PROGETTAZIONE SISTEMA DI CONTROLLO 9 - PROVE DI FUNZIONAMENTO DELLE APPARECCHIATURE

52 PROCEDURA DI PROGETTAZIONE 51 AUTOMAZIONE 1 TERZO PASSO SECONDO PASSO QUARTO PASSO SIMULAZIONE DELLA STRUTTURA E DELLE MODALITÀ DI FUN- ZIONAMENTO DEL SISTEMA DA CONTROLLARE SISTEMA CONTROLLATO CON MODALITÀ TRADIZIONALI PROCEDURA DI PROGETTO CON PROGRAMMI STANDARD PROVE DI VALIDAZIONE SUL SISTEMA SIMULATO PROVE DI VALIDAZIONE E RELATIVE MODIFICHE PROVE SUL SISTEMA SIMULATO IN CONDIZIONI OPERATIVE INUSUALI REALIZZAZIONE SU UN PC INDUSTRIALE PRIMO PASSO PROGETTAZIONE DELLE MODALITÀ DI CONTROLLO PRESTAZIONI DESIDERATE CON LIMPIEGO DI UN CONTROLLORE INTELLIGENTE STRUTTURA DEL SISTEMA CONTROLLATO STRATEGIE DI CONTROLLO CONVENZIONALI FUNZIONAMENTO E CONDIZIONI OPERATIVE BASE DELLA CONOSCENZA

53 PROCEDURA DI APPLICAZIONE 52 AUTOMAZIONE 1 BASE DELLA CONOSCENZAREGOLE DECISIONALI VALIDAZIONEREALIZZAZIONE SISTEMA REALE CONDIZIONI OPERATIVE USUALI SISTEMA SIMULATO CONDIZIONI OPERATIVE INUSUALI ORGANIZZAZIONE DEL CONTROLLO INTELLIGENTE

54 LE MODALITà DI CONTROLLO DELLAUTOMAZIONE 53 AUTOMAZIONE 1 S T R U M E N T A Z I O N ES T R U M E N T A Z I O N ES T R U M E N T A Z I O N ES T R U M E N T A Z I O N E GESTIONE OTTIMIZZATA CONTROLLO MANUALE AUTOMATICO CONDUZIONE SUPERVISIONE COORDINAMENTO PIANIFICAZIONE BASE DI DATI

55 FASE 1 – SCOPO DEL PROGETTO 54 AUTOMAZIONE 1 ESEMPIO DI PROGETTAZIONE DI UN IMPIANTO AUTOMATIZZATO IL COMMITTENTE IN QUESTO LOCALE DEVE ESSERE IN FUNZIONE UN IMPIANTO DI CONDIZIONAMENTO INSTALLO UN IMPIANTO DI: - RISCALDAMENTO - DEUMIDIFICAZIONE -VENTILAZIONE LIMPIANTISTA IMPIANTO DI CONDIZIONAMENTO RISCALDAMENTO DEUMIDIFICAZIONE VENTILAZIONE

56 FASE 2 – PROGETTAZIONE CONCETTUALE 55 AUTOMAZIONE 1 REALIZZAZIONE VISTA SOLO COME STRUMENTAZIONE IL COMMITTENTE ALLESTERNO LA TEMPERATURA E LUMIDITÀ HANNO AMPIE E RAPIDE ESCURSIONI, DESIDERO LAVORARE IN CONDIZIONI DI BENESSERE LESPERIENZA MI SUGGERISCE COME FISSARE IL PUNTO DI LAVORO IMPIANTO DI CONDIZIONAMENTO RISCALDAMENTOMINMAX UMIDITÀMINMAX VENTILAZIONEMINMAX LOPERATORE ESPERTO

57 FASE 3 – PREINGEGNERIA 56 AUTOMAZIONE 1 IMPIANTO DI CONDIZIONAMENTO P L C POWER SUPPLY CPU EPROM SCHEDA I/O SCHEDA I/O IL COMMITTENTE COSA DIRE DELLE PRESTAZIONI ! BASTA CHE IL RISCALDAMENTO ENTRI IN FUNZIONE QUANDO LA TEMPERATURA È INFERIORE A 20 °C INSTALLERÒ ALLORA UN CONTROLLORE A LOGICA PROGRAMMABILE, OSSIA UN P L C IL PRATICONE UNA MODALITÀ DI CONTROLLO DI TIPO MANUALE

58 FASE 3 – PREINGEGNERIA 57 AUTOMAZIONE 1 IMPIANTO DI CONDIZIONAMENTO P I D SCHEDA I/O SCHEDA I/O P L C LO STRUMENTISTA IL COMMITTENTE COME OTTENERE VARIAZIONI GRADUALI DELLA TEMPERATURA, DELLA UMIDITÀ E DELLA VENTILAZIONE ? OCCORRE PASSARE DA UNA STRUMENTAZIONE ON-OFF A REGOLATORI, ATTUATORI E DISPOSITIVI DI MISURA DI TIPO CONTINUO UNA MODALITÀ DI CONTROLLO DI TIPO CONSOLIDATO

59 FASE 4 – INGEGNERIA 58 AUTOMAZIONE 1 IMPIANTO DI CONDIZIONAMENTO ADEGUAMENTO DELLIMPIANTO PER LAPPLICAZIONE DI MODALITÀ DI CONTROLLO DI TIPO INTELLIGENTE PROGRAMMI DI CONTROLLO VARIABILI DI COMANDO VARIABILI CONTROLLATE IL COMMITTENTE COME REALIZZARE IL SISTEMA DI CONTROLLO PER MIGLIORARE LE PRESTAZIONI E RAGGIUNGERE LE CONDIZIONI DI BENESSERE ? OCCORRE APPLICARE METODOLO- GIE CHE TENGANO CONTO DEL COMPORTAMENTO GLOBALE DEL- LIMPIANTO. LINFORMATICA È DETERMINANTE LESPERTO IN AUTOMAZIONE INDUSTRIALE

60 SISTEMI ESPERTI NEL CONTROLLO INTELLIGENTE 59 AUTOMAZIONE 1 LAPPLICAZIONE DI UN SISTEMA ESPERTO È IL PRIMO PASSO VERSO IL CONTROLLO INTELLIGENTE IMPIANTO DI CONDIZIONAMENTO IL COMMITTENTE PRIMA DI FISSARE IL PUNTO DI LAVORO È POSSIBILE VERIFICARE CHE SARANNO RAGGIUNTE LE CONDIZIONI DI BENESSERE ? PER RAGGIUNGERE TALE RISULTATO OCCORRE DISPOR- RE DI IN SISTEMA ESPERTO LESPERTO IN AUTOMAZIONE INDUSTRIALE P I D P L C SISTEMA ESPERTO

61 LOGICA FUZZY NEL CONTROLLO INTELLIGENTE 60 AUTOMAZIONE 1 IMPIANTO DI CONDIZIONAMENTO P L CP L C P I DP I D CONTROLLORE FUZZY LESPERTO IN AUTOMAZIONE INDUSTRIALE IL COMMITTENTE È POSSIBILE MIGLIORARE IL BENESSERE FISSANDO IN MANIERA PIÙ FLESSIBILE IL PUNTO DI LAVORO ? OCCORRE CHE I SET POINT DEI REGOLATORI DI TEMPERATURA, DI UMIDITÀ E DI VENTILAZIONE SIANO COORDINATI DA UN CONTROLLORE FUZZY LAPPLICAZIONE DI UN CONTROLLORE FUZZY È IL SECONDO PASSO VERSO IL CONTROLLO INTELLIGENTE

62 MODELLAZIONE NEL CONTROLLO INTELLIGENTE 61 AUTOMAZIONE 1 IMPIANTO DI CONDIZIONAMENTO RETE NEURALE - BASE DATI - VALORE DELLE CONDIZIONI - OPERATIVE - ATMOSFERICHE IL COMMITTENTE COME MANTENERE LE CONDI- ZIONI DI BENESSERE QUANDO VARIANO LE CONDIZIONI ATMOSFERICHE E IL NUMERO DELLE PERSONE PRESENTI ? OCCORRE PREDISPORRE IL CON- TROLLORE FUZZY UTILIZZANDO UN MODELLO DEL SISTEMA DA CONTROLLARE OTTENUTO ADDE- STRANDO UNA RETE NEURALE LESPERTO IN AUTOMAZIONE INDUSTRIALE LA MODELLAZIONE CON UNA RETE NEURALE È IL TERZO PASSO VERSO IL CONTROLLO INTELLIGENTE

63 OTTIMIZZAZIONE NEL CONTROLLO INTELLIGENTE 62 AUTOMAZIONE 1 IMPIANTO DI CONDIZIONAMENTO VARIABILI DI COMANDO VALUTAZIONE DEL BENESSERE DA PARTE DI ALCUNI INDI- VIDUI ALGORITMO EVOLUTIVO IL COMMITTENTE COME CALCOLARE IL VALORE DELLA TEMPERATURA, DELLA UMIDITÀ E DELLA VENTILAZIONE A CUI CORRISPONDE LOTTIMO DEL BENESSERE ? OCCORRE EFFETTUARE PROVE MIRATE APPLICANDO UN ALGO- RITMO EVOLUTIVO PER DETERMI- NARE QUEI VALORI CHE DETERMI- NANO IL BENESSERE LESPERTO IN AUTOMAZIONE INDUSTRIALE LOTTIMIZZAZIONE CON UN ALGORITMO EVOLUTIVO È IL QUARTO PASSO VERSO IL CONTROLLO INTELLIGENTE

64 CONVENIENZA DEL CONTROLLO INTELLIGENTE 63 AUTOMAZIONE 1 VALUTAZIONE QUALITATIVA DELLA CONVENIENZA DEL CONTROLLO INTELLIGENTE IL COMMITTENTE MA È PROPRIO CONVENIENTE APPLICARE UN CONTROLLORE INTELLIGENTE ? ECCO COME SI COLLEGA IL COSTO ALLE PRESTAZIONI IN MOLTI IMPIANTI ! LESPERTO IN AUTOMAZIONE INDUSTRIALE CONTROLLO MANUALE CONTROLLO INTELLIGENTE COSTO PRESTAZIONI

65 CONVENIENZA DEL CONTROLLO INTELLIGENTE 64 AUTOMAZIONE 1 COSTO PRESTAZIONI STRUMENTAZIONE INTELLIGENTE METODOLOGIE INNOVATIVE STRUMENTAZIONE SMART METODOLOGIE EMERGENTI HARD COMPUTING STRUMENTAZIONE DI CAMPO METODOLOGIE CONSOLIDATE SOFT COMPUTING CONVENIENZA DEL CONTROLLO INTELLIGENTE

66 VALUTAZIONE DEL COSTO DEL CONTROLLO INTELLIGENTE 65 AUTOMAZIONE 1 COSTO PRESTAZIONI CONTROLLO STRATEGIE DI CONTROLLO APPARATI IMPIANTI MODELLO FUNZIONALE DINAMICA COMPLETA DINAMICA DOMINANTE APPROCCI EMPIRICI P I D STANDARD TRASDUTTORI E ATTUATORI CON USCITA DI TIPO CONTINUO TRASDUTTORI E ATTUATORI DI TIPO CONTINUO CON CARATTERISTICA LINEARE E DINAMICA RAPIDA P I D EVOLUTI CONTROLLORI ROBUSTI ADATTATIVI RETI LOCALI DI COMUNICAZIONE DIGITALE STRUMENTAZIONE SMART STRUMENTAZIONE INTELLIGENTE SISTEMI ESPERTI CONTROLLORI FUZZY NEUO-FUZZY PROGETTATE APPLICANDO SENSORI E ATTUATORI DI TIPO ON-OFF P L CP L C

67 SIGNIFICATO DEL CONTROLLO INTELLIGENTE 66 AUTOMAZIONE 1 LOBIETTIVO È QUELLO DI PERVENIRE RAPIDAMENTE ALLAPPLICAZIONE DEL CONTROLLO INTELLIGENTE IL COMMITTENTE SONO DUNQUE DISPONIBILI LE COMPETENZE PER REALIZZARE E RENDERE OPERATIVO UN CONTROLLORE INTELLIGENTE? LE COMPETENZE DI BASE NON MANCANO, LA DIFFUSIONE È PERÒ LIMITATA PERCHÉ SONO POCO NOTI I VANTAGGI E MANCA LINCENTIVO PER LINNOVAZIONE SISTEMA DA CONTROLLARE LESPERTO IN AUTOMAZIONE INDUSTRIALE

68 PROSPETTIVE DEL CONTROLLO INTELLIGENTE 67 AUTOMAZIONE 1 LOBIETTIVO È QUELLO DI PERVENIRE RAPIDAMENTE ALLAPPLICAZIONE DEL CONTROLLO INTELLIGENTE IL COMMITTENTE SONO DUNQUE DISPONIBILI LE COMPETENZE PER REALIZZARE E RENDERE OPERATIVO UN CONTROLLORE INTELLIGENTE? LE COMPETENZE DI BASE NON MANCANO, LA DIFFUSIONE È PERÒ LIMITATA PERCHÉ SONO POCO NOTI I VANTAGGI E MANCA LINCENTIVO PER LINNOVAZIONE SISTEMA DA CONTROLLARE LESPERTO IN AUTOMAZIONE INDUSTRIALE

69 APPROCCI E MODALITÀ DI CONTROLLO 68 AUTOMAZIONE 1 STRUMENTAZIONE ESPERIENZA METODOLOGIE CONTROLLO EMPIRICO E CONVENZIONALE CONTROLLO EMERGENTE E INNOVATIVO CONTROLLO INTELLIGENTE REALIZZAZIONE DEL SISTEMA CONTROLLATO

70 APPLICAZIONI DEL CONTROLLO INTELLIGENTE 69 AUTOMAZIONE 1 CONTROLLO INTELLIGENTE MODALITÀ DI CONTROLLO MODELLO DEL SISTEMA DA CONTROLLARE STRATEGIE DI INTERVENTO STRUMENTAZIONE INTELLIGENTE STRUMENTAZIONE VIRTUALE

71 DALLAPPRENDIMENTO ALLE DECISIONI 70 AUTOMAZIONE 1 SISTEMA DA CONTROLLARE APPRENDIMENTO DECISIONI DATI DEDUTTIVA FUZZY FUNZIONALE QUANTITATIVA INCOMPLETA CONOSCENZA INTERATTIVA ADDESTRATIVA ARTIFICIALE ADATTAMENTO DECODIFICA REGOLE ESPERIENZA UMANA

72 SIGNIFICATO DEL CONTROLLO INTELLIGENTE 71 AUTOMAZIONE 1 CONTROLLO INTELLIGENTE CONTROLLO CONSOLIDATO & INNOVATIVO ALGORITMO HARD - COMPUTING REGOLE LINGUISTICHE SOFT-COMPUTING ELABORAZIONI IN HARD & IN SOFT COMPUTING VARIABILI DI INGRESSO VARIABILI DI USCITA ALGORITMO HARD - COMPUTING REGOLE LINGUISTICHE SOFT-COMPUTING

73 DIFFERENZE FRA HARDCOMPUTING E SOFTCOMPUTING 72 AUTOMAZIONE 1 ECCO LINNOVAZIONE NELLE METODOLOGIE SOFT-COMPUTING SISTEMI ESPERTI LOGICA FUZZY RETI NEURALI ALGORITMI GENETICI HARD-COMPUTING ELABORAZIONI - IN LOGICA BINARIA - DIGITALI MODELLI PRECISI MODELLI APPROSSIMATI MEDIO-ELEVATO OCCUPAZIONE DI MEMORIA COSTO DELLHARDWARE ELEVATA COMPLESSITÀ DELLE ELABORAZIONI ELEVATA OCCUPAZIONE DI MEMORIA BASSA COMPLESSITÀ DELLE ELABORAZIONI BASSA COSTO DELLHARDWARE MEDIO-BASSO A PARI COMPLESSITÀ DI ELABORAZIONE

74 INTERAZIONE FRA LE METODOLOGIE DI SOFT-COMPUTING 73 AUTOMAZIONE 1 STRUTTURA DEL CONTROLLO INTELLIGENTE INDIVIDUAZIONE DELLE REGOLE STRUTTURA DELLA BASE DELLE REGOLE STRUTTURA NEURO-FUZZY STRUTTURA DELLA RETE NEURALE RETI NEURALI SISTEMI FUZZY ALGORITMI EVOLUTIVI DATI RAPPRESENTAZIONE DELLA CONOSCENZA ALTERNATIVA ALLA BASE DELLA CONOSCENZA ESPERIENZA SISTEMI ESPERTI

75 SIGNIFICATO DEL CONTROLLO INTELLIGENTE 74 AUTOMAZIONE 1 QUANDO NOÈ COSTRUÌ LARCA, DICEVA LUOMO CON LA CLAVA: ANCORA NON PIOVEVA DEVO FARE LA GUERRA, NON HO TEMPO PER CONOSCERE LE NUOVE TECNOLOGIE E MORÌ INCENERITO DA UN MISSILE


Scaricare ppt "UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA DIPARTIMENTO DI INFORMATICA E SISTEMISTICA FONDAMENTI DI CONTROLLO INTELLIGENTE ALESSANDRO DE CARLI Anno Accademico."

Presentazioni simili


Annunci Google