| KEYWORD |
Area Ingegneria
Valutazione dell’incertezza di misura nei Digital Twin con Statistica Bayesiana
Parole chiave CONTROLLO DINAMICO, DIGITAL TWIN, INCERTEZZA DI MISURA, SISTEMI DI MISURA, STATISTICA BAYESIANA, TARATURA
Riferimenti MAURIZIO GALETTO, GIANFRANCO GENTA, GIACOMO MACULOTTI
Gruppi di ricerca Ingegneria della qualità
Tipo tesi RICERCA APPLICATA
Descrizione Un Digital Twin (DT - Gemello Digitale) è un modello virtuale di un oggetto/sistema fisico. Esegue il ciclo di vita dell'oggetto/sistema e utilizza i dati in tempo reale inviati dai sensori sull'oggetto/sistema per simulare il comportamento e monitorare le operazioni. I DT, inoltre, permettono il controllo in tempo reale degli oggetti/sistemi fisici a cui si riferiscono. Il controllo è atto a correggere e compensare errori e, tramite la simulazione, prevedere e prevenire, implementando atte strategie di controllo, danneggiamenti all’oggetto/sistema stesso. L’incertezza di misura nel TD è essenziale per associare alla previsione un intervallo di fiducia sulla base del quale prendere decisioni. L’incertezza di misura dipende da molteplici fattori, primi tra i quali i sensori e gli attuatori del sistema nonché gli errori di modellazione, diagnosi e prognosi (predizione del guasto). L’incertezza di misura del sistema DT (fisico più virtuale) dipende dal controllo a valle del quale i dati misurati servono a prevedere le condizioni del sistema in istanti di tempo successivi. L’incertezza di misura è pertanto affetta anche da questo controllo in circolo chiuso. Tipicamente vengono usate Reti Bayesiane Dinamiche per valutare i parametri del modello. L’attività di tesi si occuperà di valutare l’effetto dell’incertezza di misura del controllo sulla stima dei parametri tramite la Statistica Bayesiana. L’attività di tesi si occuperà poi di testare la modellizzazione su sistemi di misura presso la Sala Metrologica del Mind4Lab del Dipartimento di Ingegneria Gestionale e della Produzione (DIGEP). La tesi si colloca all’interno del progetto ViDiT finanziato dall’UE.
Conoscenze richieste Analisi dati, simulazioni e analisi statistiche, elementi di Statistica Bayesiana, elementi di metrologia industriale.
Scadenza validita proposta 31/12/2024
PROPONI LA TUA CANDIDATURA