Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Metodologie evolute di diagnostica e prognostica per applicazioni industriali |
|---|---|
| Titolo del progetto di ricerca in inglese | Advanced methods for diagnostics and prognostics in industrial apolications |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Control engineering |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | Il condition monitoring e la prognostica sono centrali in “Industria 4.0/5.0”. Lo scopo dell’attività è analizzare e sviluppare tecniche di diagnostica che, partendo da feature extraction di tipo models-of-signals, abbinino metodi di statistical/machine learning e intelligenza artificiale con procedure di addestramento continuativo, adatte a gestire scenari industriali nei quali i dati a priori e i dati ricavabili a run-time non siano particolarmente ampi. Si abbineranno tecniche model-based, dove la “fisica” e la conoscenza dei processi lo consenta. Parallelamente, si approcceranno tecniche di predizione della Remaining Useful Life (RUL) basate su modelli di tipo Markoviano che possano incorporare la conoscenza a priori (anche attraverso il “transfer learning”) e capacità di adattamento. L’attività sarà condotta nel gruppo di ricerca ACTEMA (https://dei.unibo.it/en/research/research-groups/actema), in collaborazione con altri enti e anche nell’ambito del progetto EU AI-REDGIO5.0. |
| Descrizione sintetica in inglese | Condition monitoring and prognostics are crucial elements of “Industry 4.0/5.0”. The aim of this activity is to analyze and develop diagnostics techniques which take advantage of models-of-signals feature extraction and combine statical/machine learning and artificial intelligence methods with continual training procedures, suitable for industrial scenarios with little and/or heterogenous a-priori and run-time data. Besides, model-based methods will be considered when a-priori knowledge and/or process physics make them viable. Also, Remaining Useful Life (RUL) prediction techniques will be investigated, exploiting Markov-like models to include a-priori knowledge (possibly coming from “transfer learning” approaches) and to introduce proper adaptation procedures. All activity will be carried out within the ACTEMA research group (https://dei.unibo.it/en/research/research-groups/actema), in collaboration with other entities, and also within the EU project AI-REDGIO5.0. |
| Data del bando | 14/11/2022 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI INGEGNERIA DELL'ENERGIA ELETTRICA E DELL'INFORMAZIONE "GUGLIELMO MARCONI" |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| barbara.diplacido@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | H2020 |
|---|
| Data di scadenza del bando | 30/11/2022 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |