UNIVERSITÀ DEGLI STUDI DI ROMA
“LA SAPIENZA”
DIPARTIMENTO DI INFORMATICA E SISTEMISTICA
FONDAMENTI
DI
CONTROLLO INTELLIGENTE
ALESSANDRO DE CARLI
Anno Accademico 2005-2006
AUTOMAZIONE 1
UOMO
INTELLIGENZA
MACCHINA
CALCOLATORE
MECCATRONICA
INTERAZIONE E INTELLIGENZA
2
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
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
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
AUTOMAZIONE 1
UOMO
MACCHINA
INTERAZIONE
MACCHINA-AMBIENTE
AMBIENTE-MACCHINA
INTERAZIONE UOMO-MACCHINA-AMBIENTE
AMBIENTE
6
AUTOMAZIONE 1
UOMO
PIANIFICAZIONE DEGLI INTERVENTI
CONTROLLO A CATENA APERTA
CONTROLLO BASATO SU MODELLO
CONTROLLO BASATO SULLA CONTROREAZIONE
MACCHINA
AZIONI DI CONTROLLO
AMBIENTE
7
AUTOMAZIONE 1
INTELLIGENZA
ACQUISIZIONE
DELLA CONOSCENZA
UOMO
MODALITÀ
DI INTERVENTO
MODALITÀ
DI CONTROLLO
MACCHINA
INTERAZIONE UOMO-MACCHINA-AMBIENTE
AMBIENTE
8
AUTOMAZIONE 1
RICONOSCIMENTO DELLA CONDIZIONI DELLA SUPERFICIE
DI APPOGGIO DEL PIEDE DALLA MISURA DI 4 SENSORI
PIANEGGIANTE
INCLINATO
ACCIDENTATO
IN SALITA
ESEMPIO DI INTERAZIONE AMBIENTE-UOMO-MACCHINA
9
AUTOMAZIONE 1
CONOSCENZA
APPRENDIMENTO
MEMORIZZAZIONE
A PASSO VARIABILE
MANTENIMENTO
DEL VALORE
MEMORIZZATO
MODELLO
INVERSO
ADATTATIVO
ANDAMENTO
DESIDERATO
DELLA
VARIABILE
CONTROLLATA
+-
AZIONE DI
++
CONTROLLO
ADATTATIVA
INTERAZIONE UOMO-MACCHINA
VARIABILE
CONTROLLATA
MACCHINA
10
AUTOMAZIONE 1
ANDAMENTO
DESIDERATO
DELLA
VARIABILE
CONTROLLATA
r(t)
1
MACCHINA
(J s + F) s
KAZIONE
P + KDDIs
CONTROLLO
1+ts
+-
e(t) KP + KD s
+1+ts
u(t)
VARIABILE
CONTROLLATA
1
(J s + F) s
y(t)
1
(J s + F) s
r(t)
(J s + F) s
e(t)
+
-
1
(J s + F) s
INTERAZIONE UOMO-MACCHINA
KP + KD s u(t)
1+ts
1
y(t)
(J s + F) s
11
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
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
AUTOMAZIONE 1
STRUMENTAZIONE
CONVENZIONALE
INNOVATIVA
MODALITÀ DI CONTROLLO
CONVENZIONALE
INNOVATIVA
COSTO
&
PRESTAZIONI
BEN DEFINITE
AUMENTO DEL COSTO
COSTO INVARIATO
SOSTANZIALE
MIGLIORAMENTO
DELLE PRESTAZIONI
COSTO ELEVATO
DELL’INVESTIMENTO
INIZIALE
MARGINALE
MIGLIORAMENTO
DELLE PRESTAZIONI
EVOLUZIONE DELLE INNOVAZIONI
PARZIALE
MIGLIORAMENTO
DELLE PRESTAZIONI
14
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
AUTOMAZIONE 1
TRASFERIMENTO TECNOLOGICO
INFORMAZIONI
CRESCITA
ECONOMICA
APPLICAZIONI
PROTOTIPALI
INSERIMENTO
NEL MERCATO
SETTORI DI
APPLICAZIONE
FORMAZIONE
FINALIZZATA
DIFFUSIONE DELL’INNOVAZIONE
16
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
AUTOMAZIONE 1
CONTROLLO MANUALE
PARAMETRI
OPERATIVI
CONOSCENZA DEL
FUNZIONAMENTO
SISTEMA DA
CONTROLLARE
ESPERIENZA
PROFESSIONALITÀ
MISURA DELLE
VARIABILI:
- DI COMANDO
- CONTROLLATE
- INTERNE
SIGNIFICATO DI CONTROLLO MANUALE
ANDAMENTO
DELLE VARIABILI
DI COMANDO
18
AUTOMAZIONE 1
CONTROLLO CONSOLIDATO
PARAMETRI
OPERATIVI E
VINCOLI
CONOSCENZA DEL
COMPORTAMENTO
DINAMICO
DEL SISTEMA DA
CONTROLLARE
ESPERIENZA
PROFESSIONALITÀ
MODALITÀ
DI
CONTROLLO
CONSOLIDATE
MISURA
DELLE
VARIABILI:
- DI COMANDO
- CONTROLLATE
SIGNIFICATO DI CONTROLLO CONSOLIDATO
ANDAMENTO
DELLE VARIABILI
DI COMANDO
19
AUTOMAZIONE 1
VARIABILE
DI COMANDO
DELL’ATTUATORE
CONTROLLO
A CATENA APERTA
PRESTAZIONI
DESIDERATE
DELLA VARIABILE
CONTROLLATA
ATTUATORE E
SISTEMA
DA CONTROLLARE
DISPOSITIVO
DI ELABORAZIONE
CONTROLLO
IN CONTROREAZIONE
ANDAMENTO
DESIDERATO
DISTURBI
DISPOSITIVO
DI ELABORAZIONE
DISPOSITIVO
DI MISURA
DISTURBI
VARIABILE
DI COMANDO
DELL’ATTUATORE
MODALITÀ
DI CONTROLLO
VARIABILE
CONTROLLATA
VARIABILE
CONTROLLATA
ATTUATORE E
SISTEMA
DA CONTROLLARE
DISPOSITIVO
DI MISURA
MODALITÀ DI CONTROLLO CONSOLIDATO
20
AUTOMAZIONE 1
CONTROLLO EMERGENTE
PARAMETRI
OPERATIVI E
VINCOLI
CONOSCENZA
APPROFONDITA DEL
COMPORTAMENTO
DINAMICO
DEL SISTEMA DA
CONTROLLARE
ESPERIENZA
PROFESSIONALITÀ
MODALITÀ
DI
CONTROLLO
EMERGENTI
MISURA
DELLE
VARIABILI:
- DI COMANDO
- CONTROLLATE
- INTERNE
SIGNIFICATO DI CONTROLLO EMERGENTE
ANDAMENTO
DELLE VARIABILI
DI COMANDO
21
AUTOMAZIONE 1
MODALITÀ EMPIRICHE
RICAVATE DALLA INTUIZIONE E DALLA ESPERIENZA
MODALITÀ SISTEMATICHE
CONSOLIDATE
RICAVATE DA UNA CONOSCENZA SUPERFICIALE DEL COMPORTAMENTO DEL SISTEMA DA CONTROLLARE E REALIZZATE CON DISPOSITIVI CHE COPIANO LE MODALITÀ DI INTERVENTO DI UN
OPERATORE ESPERTO
EMERGENTI
RICAVATE DA UNA CONOSCENZA APPROFONDITA DEL COMPORTAMENTO DEL SISTEMA DA CONTROLLARE PER RAGGIUNGERE PRESTAZIONI CHE UN OPERATORE ESPERTO NON POTREBBE MAI
OTTENERE
INNOVATIVE
RICAVATE DA UNA CONOSCENZA APPROFONDITA DEL COMPORTAMENTO DEL SISTEMA DA CONTROLLARE NEL SISTEMA DI PRODUZIONE E REALIZZATE CON DISPOSITIVI CHE COPIANO L'ESPERIENZA
E L’INTELLIGENZA DI OPERATORI ESPERTI
CLASSIFICAZIONE DELLE MODALITÀ DI CONTROLLO
22
AUTOMAZIONE 1
CONTROLLO INTELLIGENTE
PARAMETRI
OPERATIVI
STIMA DEL
COMPORTAMENTO
DEL SISTEMA
CONTROLLATO
ESPERIENZA
CONTROLLO
INTELLIGENTE
PROFESSIONALITÀ
MISURA DELLE
VARIABILI:
- DI COMANDO
- CONTROLLATE
- INTERNE
- ESTERNE
SIGNIFICATO DI CONTROLLO INTELLIGENTE
ANDAMENTO
DELLE VARIABILI
DI COMANDO
23
AUTOMAZIONE 1
SISTEMA
DA
CONTROLLARE
VALUTAZIONE
E DECISIONE
MODALITÀ
DI CONTROLLO
PERSONALE
MANUALE
SECONDO
SOMMA
PRODOTTO
UN
RIGIDA
ALGORITMO
AND - OR
CONSOLIDATO
IF
SECONDO
« ANTECEDENTI »
UNA
FLESSIBILE
THEN
«PROCEDURA
CONSEGUENTI »
FLESSIBILE
EVOLUTO
OTTIMIZZATO
CONTROLLO MANUALE
CONTROLLO CONSOLIDATO
CONTROLLO EVOLUTO
CONTROLLO INTELLIGENTE
CLASIFICAZIONE DELLE MODALITÀ DI CONTROLLO
24
AUTOMAZIONE 1
MENTE UMANA
RAPIDO ADATTAMENTO DEL COMPORTAMENTO
ALLE CONDIZIONI CONTINGENTI
COMPORTAMENTO
FISIOLOGICO
COMPORTAMENTO
PSICOLOGICO
APPRENDIMENTO
RAPPRESENTAZIONE
DELLA CONOSCENZA
MEMORIZZAZIONE
CAPACITÀ DECISIONALI
RIUTILIZZAZIONE
VALUTAZIONE
DELL’OTTIMO
COMPORTAMENTO DELLA MENTE UMANA
25
AUTOMAZIONE 1
CONTROLLO INTELLIGENTE
ACQUISIZIONE E
RAZIONALIZZAZIONE
DELLA ESPERIENZA
VALUTAZIONE
QUALITATIVA
SISTEMI ESPERTI
SISTEMI FUZZY
APPRENDIMENTO
RETI NEURALI
RICERCA DELL’OTTIMO
ALGORITMI EVOLUTIVI
VALUTAZIONI
PROBABILISTICHE
RETI DI BAYES
COMPORTAMENTO DELLA MENTE UMANA
26
AUTOMAZIONE 1
RETI NEURALI
EVOLUTIVE
APPRENDIMENTO
RETI NEURALI
RETI
NEUROFUZZY
CONTROLLO
INTELLIGENTE
ALGORITMI
OTTIMIZZAZIONE
EVOLUTIVI
MODELLI FUZZY
AUTOADATTATIVI
VALUTAZIONE
LOGICA
FUZZY
METODOLIGIE DI BASE DEL CONTROLLO INTELLIGENTE
27
AUTOMAZIONE 1
INFORMAZIONE
ENTERPRISE RESOURCE PLANNING
DIVENTANO
MESSAGGI
MANUFACTURING EXECUTION SYSTEM
OTTIMIZZAZIONE
DIVENTANO
BILANCIO MATERIALI
MISURE
DIVENTANO
DATI E
STATI LOGICI
DAI DATI ALLE INFORMAZIONI
CONTROLLO E SEQUENZE
REGOLAZIONI ED INTERBLOCCHI
MISURE ED ATTUAZIONI
28
AUTOMAZIONE 1
VARIABILE
MISURATA
tempo
tempo
ANDAMENTO DEL
VALORE MEDIO
AD ESEMPIO
SEGNALE UTILE
DISTURBO
tempo
CONTIENE INFORMAZIONI
ANDAMENTO
DELLA VARIAUTILIDI
PER
VALUTARE
BILE
COMANDO
ELABOL’AZIONE
DI REGOLATORE
CONTROLLO O
RATA
DA UN
L’EFFETTO
DELL’AZIONE
DI
NEL
CONTROLLO
A LIVELLO
CONTROLLO
DI
CAMPO
VARIAZIONE DELLA PRESPOTREBBE
CONTENERE
SIONE O DELLA
PORTATA
INFORMAZIONI
UTILIZZABILI
DOVUTA ALLE OSCILLAPER
GESTIONE O PER LA
ZIONILA
DELL’OTTURATORE
DI
DIAGNOSTICA
UNA SERVOVALVOLA
RUMORE
tempo
UTILE AL FINE DELLA
CARATTERIZZAZIONE
DEL FUNZIONAMENTO
tempo
APPROSSIMAZIONE DOVUTA
IN GENERE NON CONTIENE
ALLA DIGITALIZZAZIONE DI
INFORMAZIONI UTILI
UN SEGNALE ANALOGICO
RAPPRESENTAZIONE DI UNA VARIABILE
29
1
1
SI
1
0
0
1
1
0
1
NO
1
0
0
1
0
0
diminuisce nominale
[-]
[0]
0
aumenta
[+]
alto
medio
basso
CAMPO DI ESCURSIONE
AUTOMAZIONE 1
ANALOGICA
LOGICA
DIGITALE
QUALITATIVA
LINGUISTICA
RAPPRESENTAZIONE DI UNA VARIABILE
tempo
30
CAUSE
VARIABILI
ESTERNE
DISTURBI
SISTEMI ESPERTI
CONSEGUENTI
VARIABILI
INTERNE
DATI
REGOLE DI
DEDUZIONI
INFERENZA
VARIABILI
DI COMANDO
ESPERIENZA
FATTI
DEI
BASE
DELLA
BASE
CONOSCENZA
DEI DATI
BASE
IMPLICAZIONI
ANTECEDENTI
AUTOMAZIONE 1
SISTEMA
DA
CONTROLLARE
VARIABILI DA
CONTROLLARE
EFFETTI
31
CAUSE
ESTERNE
DOMANDE
MOTORE
INFERENZIALE
INTERFACCIA
UTENTE
INTERFACCIA
SVILUPPATORE
AGGOIRNAMENTO
DELLA CONOSCENZA
AUTOMAZIONE 1
SISTEMI ESPERTI
UTENTE
FINALE
INGEGNERE
DELLA
CONOSCENZA
32
AUTOMAZIONE 1
VARIABILI
INTERNE
CAUSE
VARIABILI
ESTERNE
DISTURBI
SISTEMI ESPERTI
DEFINIZIONE DEI
FUZZY SETS
IMPLICAZIONI
ANTECEDENTI
VARIABILI
DI COMANDO
DATI
FUZZIFICAZIONE
SISTEMA
REGOLE
DA
IMPLICAZIONE
CONSEGUENTI
ESPERIENZA
VARIABILI DA
CONTROLLARE
EFFETTI
CONTROLLARE
DEFUZZIFICAZIONE
PROVE PER LA
VALIDAZIONE
33
AUTOMAZIONE 1
ESPERIENZA
VALORE
NUMERICO
x1
piccolo
medio
X2
grande
centro
di
massa
1
1
x2
piccolo medio
REGOLE
x
LINGUISTICHE
piccolo
DImedio
TIPOgrande
CAUSA-EFFETTO
CLASSIFICAZIONE
x
X
FUZZY DEI DATI
piccolo medio
grande
DI INGRESSO
1
x2
m(x1)
grande
m(x2)
VALORE
NUMERICO
m(y)
VALORE
DELLA
VARIABILE
DI USCITA
y
x2
ELABORAZIONE FUZZY
sovente x2 è la derivata di x1
ELABORAZIONE FUZZY
34
AUTOMAZIONE 1
ESEMPIO DI DEFINIZIONE FUZZY
DEFINIZIONE FUZZY
%
100
COLORI OTTENUTI
0
DALLA DIVERSA
%
100
COMBINAZIONE
PERCENTUALE DI BLU,
ROSSO, VERDE.
0
UNA COMBINAZIONE DI
COLORI SFUMATI DAL
ROSSO AL BIANCO, …..
COME DEFINIRE I COLORI
DELLA STRISCIA ?
BLU
VIOLA
ROSSO
VANTAGGI DELLA RAPPRESENTAZIONE FUZZY
OCRA
VERDE
35
AUTOMAZIONE 1
FUZZIFICAZIONE
BASSA
TEMPERATURA
VARIABILE
FISICA
MEDIA
VALORE
IN TERMINI
LINGUISTICI
REGOLA
SEMANTICA
1
FUNZIONI DI
APPARTENENZA
m
0
ALTA
CAMPO DI ESCURSIONE
UNIVERSO DEL DISCORSO
RAPPRESENTSAZIONE FUZZY
36
AUTOMAZIONE 1
DAI DATI MISURATI ALLA DEFINIZIONE DEI FUZZY SET
DATI MISURATI
Y
X
RAPPRESENTAZIONE FUZZY
37
AUTOMAZIONE 1
DAI DATI MISURATI ALLA DEFINIZIONE DEI FUZZY SET
CLUSTERIZZAZIONE PER LA DEFINIZIONE DI 3 FUZZY SET
Y
X
RAPPRESENTAZIONE FUZZY
38
AUTOMAZIONE 1
DAI DATI MISURATI ALLA DEFINIZIONE DEI FUZZY SET
y
DEFINIZIONE DI 3 FUZZY SET
x
RAPPRESENTAZIONE FUZZY
39
AUTOMAZIONE 1
x1(t)
b
x1(k)
sampling
x2(t)
x2(k)
a1
a2
y*(k)
+
NON
LINEARITÀ
e(k)
adattamento
dei parametri
y(t)
sampling
sampling
APPRENDIMENTO IMPIEGO
y(k)
+
-
e = i [ y(k) – (a1 x1(k) + a2 x2(k) )]2
∂e
∂e
∂ a2 = e(k) x2(k)
∂ a1 = e(k) x1(k)
a1k+1 = a1k + a e(k) x1(k)
a2k+1 = a2k + a e(k) x2(k)
SIGNIFICATO DI RETE NEURALE
40
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
SIGNIFICATO DI ALGORITMO GENETICO
UNA POPOLAZIONE
SI RIPRODUCE
INDEFINITAMENTE
FINO A
RAGGIUNGERE
L’OTTIMO
ASSOLUTO
41
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
AUTOMAZIONE 1
POPOLAZIONE
INIZIALE
ALGORITMI GENETICI
AGGIORNAMENTO
DELLA POPOLAZIONE
SELEZIONE PER
LA SOPRAVVIVENZA
MUTAZIONE CASUALE
DEL PATRIMONIO
GENETICO
CALCOLO DELLA
FUNZIONE
OBIETTIVO
SELEZIONE CASUALE
DEI GENITORI
FIGLI COME INCROCIO
DI PATRIMONIO GENETICO
SIGNIFICATO DI ALGORITMO GENETICO
43
AUTOMAZIONE 1
ALGORITMI GENETICI
POPOLAZIONE
ATTUALE
RICOMBINAZIONE
DEL PATRIMONIO
GENETICO
MUTAZIONI
CASUALI
POPOLAZIONE
FUTURA
1
101 110
101 010
10
11 010
011 010
011 110
011 110
GENITORI
FIGLI
FIGLI
DOPO LA
MUTAZIONE
ELABORAZIONE CON ALGORITMI GENETICI
INSERIMENTO
DEI CROMOSOMI
CHE PIÙ SI
AVVICINANO
ALL’OTTIMO
44
AUTOMAZIONE 1
RETI BAYES
RETI DI BAYES
45
AUTOMAZIONE 1
RETI BAYES
CONNESSIONE IN LOGICA
BINARIA O FUZZY
CAUSA 1
. . . . . .
CAUSA N
CERTEZZE
INCERTEZZE
.CAUSA
. . . . C
. 1
CAUSA Ci
. . . . . .
CAUSA Cn
PROBABILITÀ
CHE SI VERIFICHI
LA CAUSA Ci
EFFETTO
E
DECISIONE
CONNESSIONE
DI TIPO PROBABILISTICO
PROBABILITÀ CHE SI VERIFICHI
L’EFFETTO E COME CONSEGUENZA
DELL’ESSERSI VERIFICATA LA CAUSA Ci
PROBABILITÀ CHE SI
VERIFICHI L’EFFETTO E
RETI DI BAYES
PROBABILITÀ CHE L’EFFETTO E
SIA GENERATO DALLA CAUSA Ci
46
AUTOMAZIONE 1
VARIABILI CONTROLLATE
LIMITI DI FUNZIONAMENTO
PER LA VALIDITÀ DELLE PRESTAZIONI
MODALITÀ DI CONTROLLO
- INTELLIGENTI
- EMERGENTI
- CONSOLIDATE
CARATTERISTICA
STATICA
PUNTO DI
LAVORO
PARAMETRI
OPERATIVI
VARIABILI DI FORZAMENTO
CONVENIENZA DEL CONTROLLO INTELLIGENTE
47
AUTOMAZIONE 1
STRUTTURA GERARCHICA
DI UN SISTEMA DI AUTOMAZIONE
IL FUNZIONAMENTO
MODALITÀ DI CONTROLLO
OTTIMIZZAZIONE
DI TUTTO IL SISTEMA
FISSATE IN MODO
DEL FUNZIONAMENTO
CONTROLLATO
FLESSIBILE DAGLI
LA
OPERATORI DI IMPIANTO
OTTIMIZZAZIONE CONDIZIONA
MODALITÀ
E/O DAL “CONTROLLORE
DI CONTROLLO
INTELLIGENTE”DELLA EVOLUZIONE
IL FUNZIONAMENTO
LE MODALITÀ DI
DEI SINGOLI SISTEMI
CONTROLLO SONO
COORDINAMENTO
CONTROLLATI
RIGIDAMENTE
È CONDIZIONATO
PREFISSATE
TRAMITE
REGOLAZIONE DALLA MODALITÀ
DI CONTROLLO
PLC–PID
RUOLO DEL CONTROLLO INTELLIGENTE
48
AUTOMAZIONE 1
CONTROLLO
CONTROLLOCONSOLIDATO
EMERGENTE
INTELLIGENTE
SUPER
VISIONE
COORDINAMENTO
CAMPO
MISURA DI VARIABILI
VIRTUALI
CONTROLLO
ADATTAMENTO
DELLE
CONTROLLO
MANUALE
ASSISTITO
DA
MODALITÀ
DI ESPERTO
CONTROLLO
SISTEMA
ALLE CONDIZIONI
PLC
OPERATIVE
AUTOTUNING
P I DEI P I D
P
I D CONVENZIONALE
TUNING ON-LINE DEI P I D
SISTEMA CONTROLLATO
INSERIMENTO DEL CONTROLLO INTELLIGENTE
49
AUTOMAZIONE 1
ORGANIZZAZIONE RAZIONALIZZATA NEI SEGUENTI PASSI
1 - 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 DELLA PROGETTAZIONE
50
AUTOMAZIONE 1
PROGETTAZIONE DELLE MODALITÀ DI CONTROLLO
PRIMO
PASSO
SECONDO
PASSO
PRESTAZIONI DESIDERATE CON L’IMPIEGO DI UN
CONTROLLORE INTELLIGENTE
SISTEMA CONTROLLATO CON MODALITÀ TRADIZIONALI
STRUTTURA DEL SISTEMA CONTROLLATO
BASE DELLA
CONOSCENZA STRATEGIE DI CONTROLLO CONVENZIONALI
FUNZIONAMENTO E CONDIZIONI OPERATIVE
SIMULAZIONE DELLA STRUTTURA E DELLE MODALITÀ DI FUNZIONAMENTO DEL SISTEMA DA CONTROLLARE
PROVE SUL SISTEMA SIMULATO IN CONDIZIONI OPERATIVE
INUSUALI
TERZO
PASSO
PROCEDURA DI PROGETTO CON PROGRAMMI STANDARD
QUARTO
PASSO
REALIZZAZIONE SU UN PC INDUSTRIALE
PROVE DI VALIDAZIONE SUL SISTEMA SIMULATO
PROVE DI VALIDAZIONE E RELATIVE MODIFICHE
PROCEDURA DI PROGETTAZIONE
51
AUTOMAZIONE 1
ORGANIZZAZIONE DEL CONTROLLO INTELLIGENTE
SISTEMA REALE
SISTEMA SIMULATO
CONDIZIONI
OPERATIVE USUALI
CONDIZIONI OPERATIVE
INUSUALI
BASE DELLA CONOSCENZA
REGOLE DECISIONALI
VALIDAZIONE
REALIZZAZIONE
PROCEDURA DI APPLICAZIONE
52
AUTOMAZIONE 1
MANUALE
AUTOMATICO
CONTROLLO
PIANIFICAZIONE
GESTIONE
OTTIMIZZATA
SUPERVISIONE
CONDUZIONE
COORDINAMENTO
BASE DI DATI
BASE DI DATI
STRUMENTAZIONE
BASE
DI DATI
APPARATI SINGOLI
LE MODALITà DI CONTROLLO DELL’AUTOMAZIONE
53
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
IMPIANTO DI
CONDIZIONAMENTO
•RISCALDAMENTO
•DEUMIDIFICAZIONE
•VENTILAZIONE
IL COMMITTENTE
FASE 1 – SCOPO DEL PROGETTO
L’IMPIANTISTA
54
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
IMPIANTO DI
CONDIZIONAMENTO
RISCALDAMENTO MIN
MAX
UMIDITÀ
MIN
MAX
VENTILAZIONE
MIN
MAX
IL COMMITTENTE
L’OPERATORE ESPERTO
FASE 2 – PROGETTAZIONE CONCETTUALE
55
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
FASE 3 – PREINGEGNERIA
SCHEDA
I/O
SCHEDA
I/O
POWER
SUPPLY
CPU
EPROM
IMPIANTO DI
CONDIZIONAMENTO
PLC
IL PRATICONE
56
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
FASE 3 – PREINGEGNERIA
SCHEDA
I/O
PID PLC
SCHEDA
I/O
IMPIANTO DI
CONDIZIONAMENTO
LO STRUMENTISTA
57
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 METODOLOGIE CHE TENGANO CONTO DEL
COMPORTAMENTO GLOBALE DELL’IMPIANTO. L’INFORMATICA È
DETERMINANTE
IMPIANTO DI CONDIZIONAMENTO
PROGRAMMI VARIABILI DI
DI CONTROLLO COMANDO
VARIABILI
CONTROLLATE
IL COMMITTENTE
FASE 4 – INGEGNERIA
L’ESPERTO IN
AUTOMAZIONE INDUSTRIALE
58
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 DISPORRE DI IN SISTEMA ESPERTO
IMPIANTO DI
CONDIZIONAMENTO
PID PLC
IL COMMITTENTE
SISTEMA
ESPERTO
L’ESPERTO IN
AUTOMAZIONE INDUSTRIALE
SISTEMI ESPERTI NEL CONTROLLO INTELLIGENTE
59
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
IMPIANTO DI
CONDIZIONAMENTO
PLC PID
IL COMMITTENTE
CONTROLLORE
FUZZY
L’ESPERTO IN
AUTOMAZIONE INDUSTRIALE
LOGICA FUZZY NEL CONTROLLO INTELLIGENTE
60
AUTOMAZIONE 1
LA MODELLAZIONE CON UNA RETE NEURALE
È IL TERZO PASSO VERSO
IL CONTROLLO INTELLIGENTE
COME MANTENERE LE CONDIZIONI DI BENESSERE QUANDO
VARIANO LE CONDIZIONI
ATMOSFERICHE E IL NUMERO
DELLE PERSONE PRESENTI ?
OCCORRE PREDISPORRE IL CONTROLLORE FUZZY UTILIZZANDO
UN MODELLO DEL SISTEMA DA
CONTROLLARE OTTENUTO ADDESTRANDO UNA RETE NEURALE
IMPIANTO DI CONDIZIONAMENTO
RETE
NEURALE
IL COMMITTENTE
- BASE DATI
- VALORE DELLE
CONDIZIONI
- OPERATIVE
- ATMOSFERICHE
L’ESPERTO IN
AUTOMAZIONE INDUSTRIALE
MODELLAZIONE NEL CONTROLLO INTELLIGENTE
61
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 ALGORITMO EVOLUTIVO PER DETERMINARE QUEI VALORI CHE DETERMINANO IL BENESSERE
IMPIANTO DI CONDIZIONAMENTO
ALGORITMO
EVOLUTIVO
VARIABILI DI
COMANDO
VALUTAZIONE
DEL BENESSERE
DA PARTE DI
ALCUNI INDIVIDUI
IL COMMITTENTE
L’ESPERTO IN
AUTOMAZIONE INDUSTRIALE
OTTIMIZZAZIONE NEL CONTROLLO INTELLIGENTE
62
AUTOMAZIONE 1
VALUTAZIONE QUALITATIVA DELLA
CONVENIENZA DEL CONTROLLO INTELLIGENTE
PRESTAZIONI
MA È PROPRIO CONVENIENTE
APPLICARE UN CONTROLLORE
INTELLIGENTE ?
CONTROLLO
MANUALE
IL COMMITTENTE
ECCO COME SI COLLEGA IL
COSTO ALLE PRESTAZIONI
IN MOLTI IMPIANTI !
CONTROLLO
INTELLIGENTE
COSTO
L’ESPERTO IN
AUTOMAZIONE INDUSTRIALE
CONVENIENZA DEL CONTROLLO INTELLIGENTE
63
AUTOMAZIONE 1
PRESTAZIONI
CONVENIENZA
DEL CONTROLLO INTELLIGENTE
STRUMENTAZIONE INTELLIGENTE
METODOLOGIE INNOVATIVE
STRUMENTAZIONE SMART
METODOLOGIE EMERGENTI
STRUMENTAZIONE DI CAMPO
METODOLOGIE CONSOLIDATE
COSTO
CONVENIENZA DEL CONTROLLO INTELLIGENTE
64
AUTOMAZIONE 1
RETI LOCALI DI COMUNICAZIONE DIGITALE
STRUMENTAZIONE INTELLIGENTE
TRASDUTTORI E ATTUATORI DI TIPO CONTINUO CON
CARATTERISTICA LINEARE E DINAMICA RAPIDA
PID
TRASDUTTORI E ATTUATORI
CON USCITA DI TIPO CONTINUO
SENSORI E ATTUATORI
DI TIPO ON-OFF
PLC
EVOLUTI
SISTEMI
ESPERTI
CONTROLLORI
CONTROLLORI
ROBUSTI
STANDARD ADATTATIVI
NEUO-FUZZY
PID
PRESTAZIONI
STRUMENTAZIONE SMART
CONTROLLO
APPARATI
IMPIANTI
COSTO
FUZZY
STRATEGIE DI CONTROLLO
PROGETTATE APPLICANDO
APPROCCI
EMPIRICI
DINAMICA
DOMINANTE
DINAMICA
COMPLETA
MODELLO
FUNZIONALE
VALUTAZIONE DEL COSTO DEL CONTROLLO INTELLIGENTE
65
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
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
STRUMENTAZIONE
METODOLOGIE
ESPERIENZA
REALIZZAZIONE
DEL SISTEMA
CONTROLLATO
AUTOMAZIONE 1
APPROCCI E MODALITÀ DI CONTROLLO
CONTROLLO
EMPIRICO E
CONVENZIONALE
CONTROLLO
EMERGENTE E
INNOVATIVO
CONTROLLO
INTELLIGENTE
68
AUTOMAZIONE 1
CONTROLLO INTELLIGENTE
STRUMENTAZIONE
INTELLIGENTE
MODALITÀ
DI CONTROLLO
STRUMENTAZIONE
VIRTUALE
MODELLO DEL SISTEMA
DA CONTROLLARE
STRATEGIE DI
INTERVENTO
APPLICAZIONI DEL CONTROLLO INTELLIGENTE
69
AUTOMAZIONE 1
SISTEMA DA
CONTROLLARE
CONOSCENZA
DATI
DECISIONI
DECODIFICA
APPRENDIMENTO
FUNZIONALE
QUANTITATIVA
INCOMPLETA
ADATTAMENTO
REGOLE
DEDUTTIVA
FUZZY
ESPERIENZA
UMANA
ARTIFICIALE
INTERATTIVA
ADDESTRATIVA
DALL’APPRENDIMENTO ALLE DECISIONI
70
AUTOMAZIONE 1
ELABORAZIONI IN HARD & IN SOFT COMPUTING
CONTROLLO
CONSOLIDATO
& INNOVATIVO
ALGORITMO
VARIABILI
DI
INGRESSO
HARD - COMPUTING
REGOLE LINGUISTICHE
VARIABILI
DI
USCITA
SOFT-COMPUTING
CONTROLLO
INTELLIGENTE
SIGNIFICATO DEL CONTROLLO INTELLIGENTE
71
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
ELEVATA
OCCUPAZIONE DI MEMORIA
BASSA
COMPLESSITÀ DELLE ELABORAZIONI COMPLESSITÀ DELLE ELABORAZIONI
ELEVATA
COSTO DELL’HARDWARE
MEDIO-ELEVATO
BASSA
COSTO DELL’HARDWARE
MEDIO-BASSO
A PARI COMPLESSITÀ DI ELABORAZIONE
DIFFERENZE FRA HARDCOMPUTING E SOFTCOMPUTING
72
AUTOMAZIONE 1
STRUTTURA DEL CONTROLLO INTELLIGENTE
ESPERIENZA
DATI
RAPPRESENTAZIONE
DELLA CONOSCENZA
INDIVIDUAZIONE
DELLE REGOLE
SISTEMI ESPERTI
RETI
NEURALI
STRUTTURA
NEURO-FUZZY
SISTEMI
FUZZY
STRUTTURA
DELLA BASE
DELLE REGOLE
ALGORITMI
EVOLUTIVI
STRUTTURA DELLA RETE NEURALE
INTERAZIONE FRA LE METODOLOGIE DI SOFT-COMPUTING
73
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