Vuoi saperne di più?

Si vuole determinare in tempo reale la posizione e la velocità di vari oggetti in movimento sulla base della misurazione di tempo di percorrenza e spostamento Doppler, fornite da un radar passivo.

**Analisi del Problema**

La soluzione del progetto richiede l'analisi delle informazioni ricevute dal radar passivo e l'esclusione delle misure false e delle misure perse, nonché l'analisi dell'associazione ignota tra misure e oggetti la misurazione da sorgenti multiple (multi-statiche).

**Metodo di Intervento e Soluzione**

Abbiamo proposto una soluzione che combina tecniche di ottimizzazione per l’inizializzazione delle tracce con tecniche avanzate di multi-target tracking e sensor fusion.

**Risultati e Benefici Ottenuti**

I metodi di intervento consentono di ottenere l'efficace identificazione degli oggetti.

Object tracking in real time: scopri come le tecniche di Data Fusion permettono di identificare e tracciare oggetti tramite l’analisi di dati radar!

Tracciamento Oggetti in Tempo Reale

Tracciamento oggetti mediante radar passivo

Tracciamento Oggetti in Real Time

Aerospaziale e Difesa

L'obiettivo di questo progetto di ricerca, condotto in collaborazione con il Policlinico Gemelli, è lo sviluppo di un sistema automatico di analisi dei segnali EEG (ElettroEncefaloGramma) al fine di predire le crisi epilettiche in pazienti resistenti al trattamento farmacologico.

**La Sfida**

La soluzione richiede la cattura e il riconoscimento delle variazioni del segnale EEG tipiche dell’inizio di una fase pre-critica. In tal modo si possono attivare le necessarie precauzioni per evitare o gestire la crisi epilettica vera e propria. Una delle difficoltà da affrontare per lo sviluppo di una soluzione automatizzata è la forte rumorosità dei segnali EEG.

**La Soluzione**

Operiamo il filtraggio dei segnali EEG riuscendo ad estrarne le caratteristiche più rilevanti tramite modelli autoregressivi (AR). Basandoci sulle feature così evidenziate costruiamo modelli di classificazione di tipo Support Vector Machines (SVM), che addestriamo per distinguere tra una fase normale e una fase pre-critica.

**Risultati e Benefici**

Il modello predittivo aiuta ad identificare la fase pre-critica di una crisi epilettica.

Scopri come un modello matematico sfrutta i dati dell’elettroencefalogramma per prevedere l’insorgenza di crisi epilettiche: visita il sito!

Previsioni di Eventi Avversi da Dati Medici

Analizzare segnali EEG per prevedere di crisi epilettiche

Previsioni di Eventi Avversi

Sanitario e Farmaceutico

L'obiettivo è quello di sviluppare un software in grado di supportare l'operatore nelle operazioni di manutenzione ordinaria identificando in automatico i motori a maggior rischio e quindi a più alta priorità.

**La Sfida**

Al fine di classificare la categoria di rischio del dispositivo utilizziamo i dati disponibili delle analisi delle proprietà chimiche e fisiche dell’olio su campioni presi in diverse fasi della vita del motore. La difficoltà maggiore è dovuta ad uno storico di dati incompleto e non omogeneo

**La soluzione**

Abbiamo sviluppato un algoritmo di classificazione su Support Vector Machine (SVM). Per gestire la mancanza di dati abbiamo costruito una modifica ad hoc del kernel SVM è stata impiegata per gestire i dati mancanti in modo da massimizzare la separazione tra le classi.

**Risultati e Benefici**

Il nostro classificatore è in grado di riconoscere correttamente la categoria di rischio del motore con una precisione superiore all'85%. Il modello è inoltre interpretabile, e consente quindi di identificare i parametri chimico-fisici ritenuti più rilevanti per la classificazione.

Scopri come costruire un algoritmo di classificazione per la manutenzione predittiva anche in carenza di dati. Affidati all’esperienza di Deix!

Algoritmi di Classificazione - Manutenzione Predittiva

Manutenzione predittiva tramite misurazioni dell'olio motore

Classificazione di Motori

Si vuole progettare il doppio scafo di un catamarano al fine di ridurre il più possibile il valore atteso della resistenza media in campo di onde irregolari aumentando, al tempo stesso, la manovrabilità dell’imbarcazione.

**La Sfida**

Vogliamo sfruttare il simulatore HF-URANS (High-Fidelity Unsteady Reynolds-Averaged Navier-Stokes)per  ottenere risultati molto accurati delle performance del design dell’imbarcazione. La sfida è inserire il modello di simulazione all’interno di una procedura automatica di ottimizzazione mantenendo contenuti i costi e tempi computazionali.

**La Soluzione**

Attraverso l’addestramento di una rete di funzione di base radiali, costruiamo un modello surrogato (denominato SRBF) del simulatore. Questo modello ha tempi di calcolo molto ridotti ma accuratezze comparabili a quelle del modello high-fidelity. Possiamo così sfruttarlo all’interno di un metodo di ottimizzazione di tipo globale e multi-obiettivo che, opportunamente ibridizzato con tecniche locali, ha prodotto in tempi rapidi una soluzione ottima.

**Risultati e Benefici**

Il nuovo simulatore consente di supportare la progettazione tramite l’utilizzo di un prototipo virtuale per la simulazione rapida e di un ottimizzatore per identificare i parametri ottimali.

Come integrare un simulatore high-fidelity ed un ottimizzatore per supportare la progettazione in ambito prototipazione virtuale? Scopri di più sul sito!

Simulazione e Prototipazione Virtuale

Progettazione di un catamarano ad elevata velocità per competizioni in mare aperto

Prototipazione Virtuale

Vogliamo migliorare il tempo di reazione al comando di accensione/spegnimento (delay) di display AMOLED.

**La Sfida**

Per minimizzare il tempo di reazione si può agire su un certo numero di variabili di progetto (caratteristiche dei transistor PMOS e NMOS). Tuttavia, le prestazioni del circuito dipendono anche dalla temperatura, dalla tensione di funzionamento e da variabili di processo soggette a incertezza e fluttuazioni statistiche legate al processo di costruzione dei componenti elettronici.

**La Soluzione**

Usando tecniche di apprendimento automatico è stato definito uno "yield simulator" ovvero uno strumento software che consente di predire con precisione la percentuale di circuiti integrati “in full working order”. Il simulatore viene quindi utilizzato per il calcolo della funzione obiettivo da minimizzare e, per tenere conto della variabilità dei parametri, l’algoritmo sfrutta tecniche di ottimizzazione robusta, in grado di considerare la varianza del processo e gestire il "worst case scenario".

**Risultati e Benefici Ottenuti**

Sfruttando le tecniche di ottimizzazione robusta individuiamo la configurazione ottima senza la necessità di produrre prototipi su cui eseguire test. Questo riduce significativamente tempi e costi di progettazione.

Nell’ambito dell’ottimizzazione robusta scopri come le tecniche di quantificazione dell’incertezza permettono di ottimizzare parametri variabili.

Ottimizzazione Robusta - Progettazione Display AMOLED

Ottimizzazione robusta di un DC-DC converter per AMOLED display

Progettazione Display AMOLED

L'obiettivo è ottimizzare il design di un motore trifase industriale a induzione (7.5 KW) utilizzato per sollevatori e montacarichi industriali.

**La Sfida**

L’obiettivo è quello di migliorare le prestazioni del motore agendo su alcune variabili che definiscono forma e dimensioni del rotore e dello statore e gli avvolgimenti nelle cave dello statore, tenendo conto contemporaneamente di diversi fattori: il costo di costruzione, l’efficienza energetica, il fattore di potenza e la corrente all'avvio.

**La Soluzione**

Data una configurazione, calcoliamo le prestazioni del motore mediante un software di simulazione agli elementi finiti. Tramite un’interfaccia sviluppata ad hoc, il simulatore è stato inserito all’interno di una procedura di  ottimizzazione multi-obiettivo. L'ottimizzatore tiene in considerazione tutte le prestazioni simultaneamente arrivando ad un insieme di soluzioni ottime.

**Risultati e Benefici**

L'ottimizzazione multi-obiettivo permette di proporre diversi design del motore che rappresentano i migliori compromessi tra vincoli e performance.

Scopri come gestire molteplici fattori per la progettazione di un motore elettrico. Visita la nostra pagina dedicata all’ottimizzazione multi-obiettivo!

Ottimizzazione Multi-Obiettivo - Progettazione Motori Elettrici

Progettazione multi-obiettivo di un motore elettrico

Progettazione Motori Elettrici

Manifatturiero

Si vogliono analizzare le previsioni meteo per fare una stima delle offerte di energia eolica che i vari operatori fanno al “mercato del giorno dopo”, in Italia.

**La Sfida**

Prevedere le strategie di offerta degli operatori e pianificare un'offerta tenendo conto di bonus e penalità che la regolamentazione del mercato prevede in base al rapporto domanda/offerta.

**La Soluzione**

Utilizziamo tecniche di clustering per ridurre la dimensionalità del problema catturando l’informazione utile dalle previsioni meteo e addestriamo modelli di intelligenza artificiale per modellare il comportamento degli operatori sulla base delle storicità del “mercato del giorno dopo”.

**Risultati e Benefici** 

Le tecniche di analisi adottate consentono la pianificazione di una strategia di offerta "intelligente".

È possibile sfruttare le previsioni meteo per anticipare l'andamento del mercato energia grazie all’intelligenza artificiale: visita il sito e scopri come!

Previsione Mercato Energie Rinnovabili

Previsione fluttuazioni offerte nel mercato delle energie rinnovabili

Telco e Servizi

Operiamo in diversi settori collaborando con i nostri clienti per sfruttare le loro conoscenze di dominio e trovare soluzioni personalizzate efficaci.

Casi Studio e Applicazioni di Successo

Operiamo in diversi settori collaborando con i nostri clienti per sfruttare le loro conoscenze di dominio. La modellazione matematica ci permette di astrarre il problema e trovare la soluzione più adatta a ciascun contesto.