Engineering in Computer Science and Artificial Intelligence - Ingegneria Informatica e Intelligenza Artificiale

FRANCESCO LEOTTA

Obiettivi Generali.
- Conoscenza dei principali scenari applicativi di interesse per le tecnologie di Smart Manufacturing;
- Conoscenza delle tecnologie impiegate in ambito Smart Manufacturing comprese quelle per: (a) programmazione a basso livello dei macchinari, (b) trasmissione di dati su reti industriali, (c) sviluppo di soluzioni di Intelligenza Artificiale (Computer Vision, Symbolic Artificial Intelligence, Machine and Deep Learning);
- Capacità di progettare e sviluppare soluzioni pratiche in ambito Smart Manufacturing;
- Comprendere l'integrazione dei sistemi di smart manufacturing nel moderno Big Data Continuum;
- Comprendere lo stack tecnologico utilizzato in ambito industriale e la necessità di integrarlo in soluzioni di più alto livello;

Obiettivi specifici.
Capacità di:
- individuare le tecniche più adatte per sviluppare una soluzione di smart manufacturing che soddisfi un bisogno industriale;
- implementare la soluzione proposta, individuando gli strumenti più adatti a raggiungere lo scopo tra quelli disponibili;
- progettare e realizzare scenari sperimentali per valutare le soluzioni proposte in condizioni realistiche;

Conoscenza e comprensione:
- conoscenza dei principali scenari applicativi;
- conoscenza delle principali tecniche di analisi;
- comprensione dei presupposti teorici e metodologici alla base delle tecniche principali
- conoscenza e comprensione delle principali tecniche e indici di valutazione delle prestazioni

Applicare conoscenza e comprensione:
- essere in grado di tradurre esigenze applicative in problemi concreti di smart manufacturing;
- essere in grado di individuare le tecniche e gli strumenti più adatti alla soluzione dei problemi concreti di cui sopra;
- essere in grado di stimare a priori, almeno qualitativamente, la scalabilità delle soluzioni proposte;

Capacità critiche e di giudizio:
Essere in grado di valutare, anche sperimentalmente, l'efficacia, l'efficienza e la scalabilità delle soluzioni proposte

Capacità comunicative:
Essere in grado di descrivere in modo efficace le specifiche di un problema e di comunicare ad altri le scelte adottate e le motivazioni sottostanti a tali scelte.

Capacità di apprendimento:
Il corso consentirà lo sviluppo di capacità di approfondimento autonomo su argomenti del corso o ad essi correlati. Metterà lo studente nelle condizioni di individuare e consultare in modo critico manuali avanzati o letteratura scientifica per affrontare scenari nuovi oppure per applicare tecniche alternative a scenari noti.

**Obiettivi generali:**

* Comprendere i principali scenari applicativi rilevanti per le tecnologie di Smart Manufacturing;
* Acquisire familiarità con le tecnologie utilizzate nello Smart Manufacturing, incluse quelle per: (a) la programmazione a basso livello dei macchinari, (b) la trasmissione dei dati attraverso reti industriali, (c) lo sviluppo di soluzioni di Intelligenza Artificiale (Visione Artificiale, Intelligenza Artificiale Simbolica, Machine Learning e Deep Learning);
* Essere in grado di progettare e sviluppare soluzioni pratiche nell’ambito dello Smart Manufacturing;
* Comprendere l’integrazione dei sistemi di produzione intelligente all’interno del moderno Big Data Continuum;
* Comprendere lo stack tecnologico utilizzato in ambito industriale e la necessità di integrarlo in soluzioni di livello superiore.

**Obiettivi specifici:**

* Essere in grado di:

* Identificare le tecniche più appropriate per lo sviluppo di una soluzione di Smart Manufacturing in grado di soddisfare una specifica esigenza industriale;
* Implementare la soluzione proposta, individuando tra gli strumenti disponibili quelli più adeguati per la progettazione e l’implementazione;
* Progettare e realizzare esperimenti per valutare le soluzioni proposte in contesti realistici.

**Applicare conoscenza e capacità di comprensione:**

* Essere in grado di tradurre i requisiti applicativi in problemi concreti di Smart Manufacturing;
* Essere in grado di identificare le tecniche e gli strumenti più adeguati per affrontare i problemi sopra descritti;
* Essere in grado di stimare preventivamente, almeno qualitativamente, il grado di scalabilità delle soluzioni proposte.

E' utile ma non vincolante una conoscenza di nozioni di base di apprendimento automatico.

Sistemi Informativi per la Produzione Intelligente (Smart Manufacturing)
Protocolli di comunicazione industriale
Sistemi Embedded
Sistemi Operativi Real-Time (con esempi su PLC Samsung, FreeRTOS e Linux Real-Time)
Introduzione alla programmazione di robot industriali (con esempi in ROS 2 – Robot Operating System)
Big Data nella Produzione Intelligente (Smart Manufacturing)
Visione Artificiale Industriale (con esempi in OpenCV)
Intelligenza Artificiale e Produzione Intelligente (Smart Manufacturing)
Creazione di Dashboard e Visualizzazione dei Dati

Slide del docente ed articoli scientifici

La modalità di svolgimento prevede didattica frontale. Le lezioni sono di due tipi: teoriche ed esercitazioni. Durante le esercitazioni verrà richiesto agli studenti di svolgere esercizi sul proprio calcolatore.

La frequenza è caldamente consigliata, in special modo per gli esercizi pratici

Il passaggio dell'esame prevede lo svolgimento di un progetto sugli argomenti del corso con possibilità di lavorare in gruppi al massimo di due persone. Una prova scritta su tutti gli argomenti del corso è prevista ad integrazione della valutazione del progetto.

Un esempio di progetto (nuovi progetti verranno definiti a ogni edizione del corso):

Automazione delle azioni e comprensione del contesto basate su LLM

Sebbene gli LLM consentano, senza necessità di configurazioni specifiche, di “comprendere” il linguaggio naturale, la definizione di agenti che, oltre a comprendere gli input, siano in grado di eseguire azioni per reagire alle richieste degli utenti rappresenta una sfida più complessa. Gli obiettivi di questo progetto sono:

Utilizzare OPC-UA o ROS per acquisire tutti i servizi e le azioni disponibili forniti da un robot/macchina;
Mappare le richieste degli utenti, espresse in linguaggio naturale, in azioni eseguibili dal robot;
Implementare un dialogo tra l’utente e la conoscenza del robot mediante l’utilizzo di un LLM.

Esempi di domande per l’esame scritto:

Descrivere gli scenari applicativi del protocollo OPC-UA;
Discutere le principali problematiche relative all’applicazione della visione artificiale alla produzione industriale in tempo reale.