FONDAMENTI DI CONTROLLO INTELLIGENTE

Presentazione sul tema: "FONDAMENTI DI CONTROLLO INTELLIGENTE"— Transcript della presentazione:

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

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

3 AUTOMAZIONE 1 L’INTERAZIONE CON L’UOMO DEI CALCOLATORI E DELLE MACCHINE È ASIMMETRICA IN QUANTO L’ UOMO COMPRENDE FACILMENTE LE MODALITÀ SECONDO CUI POSSONO FUNZIONARE MA NON AVVIENE IL VICEVERSA L’IMPEGNO DELL’UOMO È ALLORA QUELLO DI TRASFERIRE ALLA MACCHINA QUEGLI ASPETTI DELL’INTELLIGENZA 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 DELL’UOMO INTERAZIONE E INTELLIGENZA 3

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

5 RIVOLGE IL MUSO VERSO CHI PARLA
AUTOMAZIONE 1 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 ESEMPIO DI INTERAZIONE UOMO-MACCHINA 5

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

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

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

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

10 DEL VALORE MEMORIZZATO
AUTOMAZIONE 1 CONOSCENZA APPRENDIMENTO MEMORIZZAZIONE A PASSO VARIABILE MANTENIMENTO DEL VALORE MEMORIZZATO + MODELLO INVERSO ADATTATIVO ANDAMENTO DESIDERATO DELLA VARIABILE CONTROLLATA VARIABILE CONTROLLATA MACCHINA + - AZIONE DI CONTROLLO ADATTATIVA INTERAZIONE UOMO-MACCHINA 10

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

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

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

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

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

16 TRASFERIMENTO TECNOLOGICO
AUTOMAZIONE 1 TRASFERIMENTO TECNOLOGICO CRESCITA ECONOMICA INFORMAZIONI APPLICAZIONI PROTOTIPALI INSERIMENTO NEL MERCATO SETTORI DI APPLICAZIONE FORMAZIONE FINALIZZATA DIFFUSIONE DELL’INNOVAZIONE 16

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

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

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

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

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

22 MODALITÀ SISTEMATICHE
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 L’INTELLIGENZA DI OPERATORI ESPERTI CLASSIFICAZIONE DELLE MODALITÀ DI CONTROLLO 22

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

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

25 RAPIDO ADATTAMENTO DEL COMPORTAMENTO ALLE CONDIZIONI CONTINGENTI
AUTOMAZIONE 1 MENTE UMANA RAPIDO ADATTAMENTO DEL COMPORTAMENTO ALLE CONDIZIONI CONTINGENTI COMPORTAMENTO FISIOLOGICO COMPORTAMENTO PSICOLOGICO RAPPRESENTAZIONE DELLA CONOSCENZA APPRENDIMENTO MEMORIZZAZIONE CAPACITÀ DECISIONALI VALUTAZIONE DELL’OTTIMO RIUTILIZZAZIONE COMPORTAMENTO DELLA MENTE UMANA 25

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

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

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

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

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

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

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

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

34 sovente x2 è la derivata di x1
AUTOMAZIONE 1 ESPERIENZA VALORE NUMERICO VALORE NUMERICO ELABORAZIONE FUZZY m(x1) m(x2) DEFUZZIFICAZIONE x1 x2 FUZZIFICAZIONE CLASSIFICAZIONE FUZZY DEI DATI DI INGRESSO piccolo medio grande REGOLE LINGUISTICHE DI TIPO CAUSA-EFFETTO INFERENZA piccolo medio grande VALORE DELLA VARIABILE DI USCITA X1 centro di massa y x1 x1 piccolo medio grande piccolo medio grande m(y) X2 x2 x2 sovente x2 è la derivata di x1 ELABORAZIONE FUZZY 34

35 ESEMPIO DI DEFINIZIONE FUZZY
AUTOMAZIONE 1 ESEMPIO DI DEFINIZIONE FUZZY 100 % DEFINIZIONE FUZZY COLORI OTTENUTI DALLA DIVERSA COMBINAZIONE PERCENTUALE DI BLU, ROSSO, VERDE. 100 % UNA COMBINAZIONE DI COLORI SFUMATI DAL ROSSO AL BIANCO, ….. COME DEFINIRE I COLORI DELLA STRISCIA ? BLU VIOLA ROSSO OCRA VERDE VANTAGGI DELLA RAPPRESENTAZIONE FUZZY 35

36 FUZZIFICAZIONE m TEMPERATURA VARIABILE FISICA BASSA MEDIA ALTA VALORE
AUTOMAZIONE 1 FUZZIFICAZIONE TEMPERATURA VARIABILE FISICA BASSA MEDIA ALTA VALORE IN TERMINI LINGUISTICI 1 m REGOLA SEMANTICA FUNZIONI DI APPARTENENZA CAMPO DI ESCURSIONE UNIVERSO DEL DISCORSO RAPPRESENTSAZIONE FUZZY 36

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

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

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

40 + - + b a1 a2 e(k) x1(k) y*(k) x2(k) y(k)
AUTOMAZIONE 1 b sampling x1(t) APPRENDIMENTO IMPIEGO x1(k) a1 adattamento dei parametri y*(k) NON LINEARITÀ + x2(k) a2 sampling x2(t) e(k) - + y(k) sampling y(t) e = i [ y(k) – (a1 x1(k) + a2 x2(k) )]2 ∂ e ∂ a1 = e(k) x1(k) ∂ e ∂ a2 = e(k) x2(k) a1k+1 = a1k + a e(k) x1(k) a2k+1 = a2k + a e(k) x2(k) SIGNIFICATO DI RETE NEURALE 40

41 DATA UNA POPOLAZIONE SOPRAVVIVE L’ELEMENTO PIÙ VICINO ALL’OTTIMO
AUTOMAZIONE 1 OTTIMIZZAZIONE PRIMO PASSO – INDIVIDUAZIONE DELLE VARIBILI OPERATIVE SECONDO PASSO – DEFINIZIONE DELLA FUNZIONE OBIETTIVO STRETTAMENTE ANALITICA TECNICHE ALGORITMICHE LINGUISTICA E ANALITICA TECNICHE EVOLUTIVE ALGORITMI DI SOPRAVVIVENZA ALGORITMI GENETICI CASUALITÀ NELLA PROCEDURA DATA UNA POPOLAZIONE SOPRAVVIVE L’ELEMENTO PIÙ VICINO ALL’OTTIMO ASSOLUTO UNA POPOLAZIONE SI RIPRODUCE INDEFINITAMENTE FINO A RAGGIUNGERE L’OTTIMO ASSOLUTO SIGNIFICATO DI ALGORITMO GENETICO 41

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

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

44 RICOMBINAZIONE DEL PATRIMONIO
AUTOMAZIONE 1 ALGORITMI GENETICI 0 1 0 1 0 1 0 1 1 1 1 0 1 POPOLAZIONE ATTUALE RICOMBINAZIONE DEL PATRIMONIO GENETICO MUTAZIONI CASUALI POPOLAZIONE FUTURA 1 1 0 1 1 0 1 1 0 1 1 1 0 GENITORI 0 1 1 0 1 0 1 1 0 1 1 0 1 0 1 0 1 0 INSERIMENTO DEI CROMOSOMI CHE PIÙ SI AVVICINANO ALL’OTTIMO 0 1 0 1 0 1 0 1 1 1 1 0 0 1 1 0 1 1 0 1 0 0 1 0 0 1 1 1 1 0 FIGLI FIGLI DOPO LA MUTAZIONE ELABORAZIONE CON ALGORITMI GENETICI 44

45 AUTOMAZIONE 1 RETI BAYES RETI DI BAYES 45

46 RETI BAYES CAUSA 1 . . . . . . CAUSA N EFFETTO E DECISIONE CAUSA C1
AUTOMAZIONE 1 RETI BAYES CERTEZZE CONNESSIONE IN LOGICA BINARIA O FUZZY CAUSA 1 EFFETTO E CAUSA N INCERTEZZE DECISIONE CAUSA C1 CAUSA Ci CAUSA Cn CONNESSIONE DI TIPO PROBABILISTICO PROBABILITÀ CHE SI VERIFICHI LA CAUSA Ci PROBABILITÀ CHE SI VERIFICHI L’EFFETTO E COME CONSEGUENZA DELL’ESSERSI VERIFICATA LA CAUSA Ci PROBABILITÀ CHE L’EFFETTO E SIA GENERATO DALLA CAUSA Ci PROBABILITÀ CHE SI VERIFICHI L’EFFETTO E RETI DI BAYES 46

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

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

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

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

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

52 ORGANIZZAZIONE DEL CONTROLLO INTELLIGENTE
AUTOMAZIONE 1 ORGANIZZAZIONE DEL CONTROLLO INTELLIGENTE SISTEMA REALE CONDIZIONI OPERATIVE USUALI SISTEMA SIMULATO CONDIZIONI OPERATIVE INUSUALI BASE DELLA CONOSCENZA REGOLE DECISIONALI VALIDAZIONE REALIZZAZIONE PROCEDURA DI APPLICAZIONE 52

53 PIANIFICAZIONE APPARATI SINGOLI S T R U M E N T A Z I O N E
AUTOMAZIONE 1 PIANIFICAZIONE CONTROLLO MANUALE GESTIONE OTTIMIZZATA BASE DI DATI AUTOMATICO SUPERVISIONE BASE DI DATI CONDUZIONE COORDINAMENTO S T R U M E N T A Z I O N E BASE DI DATI APPARATI SINGOLI LE MODALITà DI CONTROLLO DELL’AUTOMAZIONE 53

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

55 SOLO COME STRUMENTAZIONE
AUTOMAZIONE 1 REALIZZAZIONE VISTA SOLO COME STRUMENTAZIONE ALL’ESTERNO LA TEMPERATURA E L’UMIDITÀ HANNO AMPIE E RAPIDE ESCURSIONI, DESIDERO LAVORARE IN CONDIZIONI DI BENESSERE L’ESPERIENZA MI SUGGERISCE COME FISSARE IL PUNTO DI LAVORO IL COMMITTENTE L’OPERATORE ESPERTO IMPIANTO DI CONDIZIONAMENTO RISCALDAMENTO MIN MAX UMIDITÀ VENTILAZIONE FASE 2 – PROGETTAZIONE CONCETTUALE 55

56 UNA MODALITÀ DI CONTROLLO
AUTOMAZIONE 1 UNA MODALITÀ DI CONTROLLO DI TIPO MANUALE 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 COMMITTENTE IL PRATICONE IMPIANTO DI CONDIZIONAMENTO P L C POWER SUPPLY EPROM CPU SCHEDA I/O FASE 3 – PREINGEGNERIA 56

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

58 ADEGUAMENTO DELL’IMPIANTO PER L’APPLICAZIONE DI MODALITÀ DI CONTROLLO
AUTOMAZIONE 1 ADEGUAMENTO DELL’IMPIANTO PER L’APPLICAZIONE DI MODALITÀ DI CONTROLLO DI TIPO INTELLIGENTE 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- L’IMPIANTO. L’INFORMATICA È DETERMINANTE IL COMMITTENTE L’ESPERTO IN AUTOMAZIONE INDUSTRIALE IMPIANTO DI CONDIZIONAMENTO PROGRAMMI DI CONTROLLO VARIABILI DI COMANDO VARIABILI CONTROLLATE FASE 4 – INGEGNERIA 58

59 L’APPLICAZIONE DI UN SISTEMA ESPERTO IL CONTROLLO INTELLIGENTE
AUTOMAZIONE 1 L’APPLICAZIONE DI UN SISTEMA ESPERTO È IL PRIMO PASSO VERSO IL CONTROLLO INTELLIGENTE 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 IL COMMITTENTE L’ESPERTO IN AUTOMAZIONE INDUSTRIALE IMPIANTO DI CONDIZIONAMENTO P I D P L C SISTEMA ESPERTO SISTEMI ESPERTI NEL CONTROLLO INTELLIGENTE 59

60 L’APPLICAZIONE DI UN CONTROLLORE FUZZY È IL SECONDO PASSO VERSO
AUTOMAZIONE 1 L’APPLICAZIONE DI UN CONTROLLORE FUZZY È IL SECONDO PASSO VERSO IL CONTROLLO INTELLIGENTE 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 IL COMMITTENTE L’ESPERTO IN AUTOMAZIONE INDUSTRIALE IMPIANTO DI CONDIZIONAMENTO P L C P I D CONTROLLORE FUZZY LOGICA FUZZY NEL CONTROLLO INTELLIGENTE 60

61 LA MODELLAZIONE CON UNA RETE NEURALE IL CONTROLLO INTELLIGENTE
AUTOMAZIONE 1 LA MODELLAZIONE CON UNA RETE NEURALE È IL TERZO PASSO VERSO IL CONTROLLO INTELLIGENTE 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 IL COMMITTENTE L’ESPERTO IN AUTOMAZIONE INDUSTRIALE IMPIANTO DI CONDIZIONAMENTO RETE NEURALE - BASE DATI - VALORE DELLE CONDIZIONI - OPERATIVE - ATMOSFERICHE MODELLAZIONE NEL CONTROLLO INTELLIGENTE 61

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

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

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

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

66 L’OBIETTIVO È QUELLO DI PERVENIRE RAPIDAMENTE ALL’APPLICAZIONE
AUTOMAZIONE 1 L’OBIETTIVO È QUELLO DI PERVENIRE RAPIDAMENTE ALL’APPLICAZIONE DEL CONTROLLO INTELLIGENTE 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 L’INCENTIVO PER L’INNOVAZIONE SISTEMA DA CONTROLLARE CONTROLLO INTELLIGENTE IL COMMITTENTE L’ESPERTO IN AUTOMAZIONE INDUSTRIALE SIGNIFICATO DEL CONTROLLO INTELLIGENTE 66

67 L’OBIETTIVO È QUELLO DI PERVENIRE RAPIDAMENTE ALL’APPLICAZIONE
AUTOMAZIONE 1 L’OBIETTIVO È QUELLO DI PERVENIRE RAPIDAMENTE ALL’APPLICAZIONE DEL CONTROLLO INTELLIGENTE 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 L’INCENTIVO PER L’INNOVAZIONE SISTEMA DA CONTROLLARE CONTROLLO INTELLIGENTE IL COMMITTENTE L’ESPERTO IN AUTOMAZIONE INDUSTRIALE PROSPETTIVE DEL CONTROLLO INTELLIGENTE 67

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

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

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

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

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

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

74 QUANDO NOÈ COSTRUÌ L’ARCA, ANCORA NON PIOVEVA
AUTOMAZIONE 1 QUANDO NOÈ COSTRUÌ L’ARCA, ANCORA NON PIOVEVA DICEVA L’UOMO CON LA CLAVA: “DEVO FARE LA GUERRA, NON HO TEMPO PER CONOSCERE LE NUOVE TECNOLOGIE” E MORÌ INCENERITO DA UN MISSILE SIGNIFICATO DEL CONTROLLO INTELLIGENTE 74