Typology
operator:
and / or
Language
operator:
and / or
Date
operator:
and / or
Rights
operator:
and / or
2023
Other
Unknown
Imparare a riconoscere le infestanti del grano
Pardini F., Martinelli M.
Materiale didattico utilizzato all'evento La primavera della Ricerca, tenuto a Pisa il 12 maggio 2023.
Pardini F., Martinelli M.
Materiale didattico utilizzato all'evento La primavera della Ricerca, tenuto a Pisa il 12 maggio 2023.
See at: laprimaveradellaricerca.cnr.it | CNR ExploRA
2015
Report
Open Access
MobiWallet - Dissemination Pack (1st Generation)
Carlino M., Moroni D., Pardini F., Tampucci M., Fell M., Arrazola J.
This deliverable describes all the activities carried out towards an optimal dissemination of project aims and achievements. In addition, it contains and discusses the first generation of all the dissemination material that has been prepared during the first ten months of project life; Progetto: Mobility and Transport Digital Wallet Acronimo: MobiWallet Tipo Progetto: EUSource: Project report, MobiWallet, Deliverable D6.1.1, pp.1–43, 2015
Carlino M., Moroni D., Pardini F., Tampucci M., Fell M., Arrazola J.
This deliverable describes all the activities carried out towards an optimal dissemination of project aims and achievements. In addition, it contains and discusses the first generation of all the dissemination material that has been prepared during the first ten months of project life; Progetto: Mobility and Transport Digital Wallet Acronimo: MobiWallet Tipo Progetto: EUSource: Project report, MobiWallet, Deliverable D6.1.1, pp.1–43, 2015
See at:
ISTI Repository 
| CNR ExploRA
2021
Report
Unknown
Smart Converting 4.0 - Requisiti e specifiche funzionali del sistema di sicurezza avanzato
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere, consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su ciò che realmente accade nell'impianto durante la sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande attualità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. In breve, l'architettura su cui si intende basare questo sistema è composta da un device mobile (Tag) che, nel caso degli operatori, sarà indossabile e alimentato a batteria. Tale device instaurerà una comunicazione con una infrastruttura fissa realizzata con una serie di ancore disposte nell'ambiente secondo criteri opportuni e tale comunicazione radio tra il device mobile e le ancore consentirà di conoscere in tempo reale la posizione di ciascun device. Questa informazione verrà comunicata alla piattaforma software dove verranno implementate le policies e l'archiviazione dei parametri utili alle funzioni offline. Occorre realizzare quindi un sistema di RTLS (Real Time Location System) che consenta il tracciamento in tempo reale di persone o mezzi equipaggiati con tag. Questa prima attività di OO1 i cui esiti sono descritti nel precedente documento mira a stilare i requisiti del sistema, in primo luogo, ad alto livello, ovvero come panoramica del sistema complessivo e, in secondo luogo, saranno tradotte in specifiche di dettaglio in termini requisiti HW/SW e di comunicazione e verrà definita l'architettura del sistema. In questa attività sono anche definite le tecnologie da utilizzare secondo una analisi costi benefici sulla base dei requisiti precedentemente citati. A complemento di questo documento è stato prodotto che il deliverable D2.1.2 incentrato sui casi d'uso per il sistema di sicurezza avanzato, individuati sotto la guida di Futura. Proprio la selezione di tali use cases permette di specificare i dati che sarà necessario estrarre ed integrare. Tali dati saranno relativi al funzionamento della linea, indentificando i requisiti delle interfacce di comunicazione con il sistema SCADA e, eventualmente, con i PLC delle singole macchine. Alla stessa stregua, si sono identificate le possibili modalità di interazione con gli operatori, analizzando l'utilizzo di molteplici tecnologie, quali dispostivi wearable, tablet/smartphone e occhialini "see-through", tenendo al contempo in considerazione anche soluzioni standard quali messaggi visuali su pannelli e avvisi acustici. Il documento si articola come segue. Nella sezione 2 si riporta un'analisi dei requisiti di alto livello del sistema e delle funzionalità che deve essere in grado di supportare, concludendo la sezione con alcune considerazioni sugli aspetti normativi e sulla valenza del sistema proposto. Nella sezione 3 si descrivono gli aspetti tecnologici sull'utilizzo di sistemi per la localizzazione, mentre nella sezione 4 si propongono due possibili architetture basate sulla tecnologia in Ultra-Wide Band (UWB). L'analisi e il confronto delle loro caratteristiche consente di identificare quella più adatta allo scenario di utilizzo previsto. Infine nella sezione 5 si riporta una panoramica del sistema e si riportano le specifiche di dettaglio delle varie parti.Source: ISTI Project report, Smart Converting 4.0, D2.11, 2021
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere, consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su ciò che realmente accade nell'impianto durante la sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande attualità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. In breve, l'architettura su cui si intende basare questo sistema è composta da un device mobile (Tag) che, nel caso degli operatori, sarà indossabile e alimentato a batteria. Tale device instaurerà una comunicazione con una infrastruttura fissa realizzata con una serie di ancore disposte nell'ambiente secondo criteri opportuni e tale comunicazione radio tra il device mobile e le ancore consentirà di conoscere in tempo reale la posizione di ciascun device. Questa informazione verrà comunicata alla piattaforma software dove verranno implementate le policies e l'archiviazione dei parametri utili alle funzioni offline. Occorre realizzare quindi un sistema di RTLS (Real Time Location System) che consenta il tracciamento in tempo reale di persone o mezzi equipaggiati con tag. Questa prima attività di OO1 i cui esiti sono descritti nel precedente documento mira a stilare i requisiti del sistema, in primo luogo, ad alto livello, ovvero come panoramica del sistema complessivo e, in secondo luogo, saranno tradotte in specifiche di dettaglio in termini requisiti HW/SW e di comunicazione e verrà definita l'architettura del sistema. In questa attività sono anche definite le tecnologie da utilizzare secondo una analisi costi benefici sulla base dei requisiti precedentemente citati. A complemento di questo documento è stato prodotto che il deliverable D2.1.2 incentrato sui casi d'uso per il sistema di sicurezza avanzato, individuati sotto la guida di Futura. Proprio la selezione di tali use cases permette di specificare i dati che sarà necessario estrarre ed integrare. Tali dati saranno relativi al funzionamento della linea, indentificando i requisiti delle interfacce di comunicazione con il sistema SCADA e, eventualmente, con i PLC delle singole macchine. Alla stessa stregua, si sono identificate le possibili modalità di interazione con gli operatori, analizzando l'utilizzo di molteplici tecnologie, quali dispostivi wearable, tablet/smartphone e occhialini "see-through", tenendo al contempo in considerazione anche soluzioni standard quali messaggi visuali su pannelli e avvisi acustici. Il documento si articola come segue. Nella sezione 2 si riporta un'analisi dei requisiti di alto livello del sistema e delle funzionalità che deve essere in grado di supportare, concludendo la sezione con alcune considerazioni sugli aspetti normativi e sulla valenza del sistema proposto. Nella sezione 3 si descrivono gli aspetti tecnologici sull'utilizzo di sistemi per la localizzazione, mentre nella sezione 4 si propongono due possibili architetture basate sulla tecnologia in Ultra-Wide Band (UWB). L'analisi e il confronto delle loro caratteristiche consente di identificare quella più adatta allo scenario di utilizzo previsto. Infine nella sezione 5 si riporta una panoramica del sistema e si riportano le specifiche di dettaglio delle varie parti.Source: ISTI Project report, Smart Converting 4.0, D2.11, 2021
See at: CNR ExploRA
2021
Report
Unknown
Smart Converting 4.0 - Definizione degli use cases del sistema e delle policies relative alla localizzazione indoor
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Sulla base delle osservazioni e delle opportunità appena descritti, in questo documento ci si prefigge di formalizzare un insieme di casi d'uso che potranno essere supportati dal sistema. Lo scopo è duplice. Da un lato, ciò permette di individuare le policies, intese sia come procedure sia come elaborazioni informatizzate da eseguirsi automaticamente per favorire livelli di safety più elevati. Dall'altro, l'esercizio di individuazione dei casi d'uso permette di apurare i requisiti sul sistema complessivo, andando quindi a delinearne le specifiche tecniche di dettaglio. A tal fine, a complemento di questo documento è stato prodotto che il deliverable D2.1.1 in cui sulla base degli use cases riportati qui sono state estratte e stilate le specifiche funzionali del sistema di sicurezza avanzato.Source: ISTI Project report, Smart Converting 4.0, D2.1.2, 2021
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Sulla base delle osservazioni e delle opportunità appena descritti, in questo documento ci si prefigge di formalizzare un insieme di casi d'uso che potranno essere supportati dal sistema. Lo scopo è duplice. Da un lato, ciò permette di individuare le policies, intese sia come procedure sia come elaborazioni informatizzate da eseguirsi automaticamente per favorire livelli di safety più elevati. Dall'altro, l'esercizio di individuazione dei casi d'uso permette di apurare i requisiti sul sistema complessivo, andando quindi a delinearne le specifiche tecniche di dettaglio. A tal fine, a complemento di questo documento è stato prodotto che il deliverable D2.1.1 in cui sulla base degli use cases riportati qui sono state estratte e stilate le specifiche funzionali del sistema di sicurezza avanzato.Source: ISTI Project report, Smart Converting 4.0, D2.1.2, 2021
See at: CNR ExploRA
2022
Report
Unknown
Smart Converting 4.0 - Report test di laboratorio
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare i test eseguiti per validare il prototipo hardware software realizzato nel corso dell'attività AO2.2. I test sono propedeutici alla integrazione e ai test del sistema complessivo, come previsto in AO2.5. Il documento si articola come segue. Nella sezione 2 si riportano i test e i risultati conseguiti mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.2.2, 2022
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare i test eseguiti per validare il prototipo hardware software realizzato nel corso dell'attività AO2.2. I test sono propedeutici alla integrazione e ai test del sistema complessivo, come previsto in AO2.5. Il documento si articola come segue. Nella sezione 2 si riportano i test e i risultati conseguiti mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.2.2, 2022
See at: CNR ExploRA
2022
Report
Unknown
Smart Converting 4.0 - Report test di laboratorio
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Questo deliverable mira a descrivere i test in laboratorio eseguiti per il sistema di gestione, editing e attuazione di policies basate sui dati di localizzazione. Si tratta in effetti di risultati intermedi, preliminari alla attività di test più estesa eseguita nel corso dell'attività AO2.5 a cui si rimanda per una trattazione più completa. Nella sezione 2 si riportano i risultati attesi come da proposta. Nella sezione 3 si descrive il loro raggiungimento in laboratorio, mentre la sezione 4 conclude il presente documento.Source: ISTI Project report, Smart Converting 4.0, D2.4.2, 2022
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Questo deliverable mira a descrivere i test in laboratorio eseguiti per il sistema di gestione, editing e attuazione di policies basate sui dati di localizzazione. Si tratta in effetti di risultati intermedi, preliminari alla attività di test più estesa eseguita nel corso dell'attività AO2.5 a cui si rimanda per una trattazione più completa. Nella sezione 2 si riportano i risultati attesi come da proposta. Nella sezione 3 si descrive il loro raggiungimento in laboratorio, mentre la sezione 4 conclude il presente documento.Source: ISTI Project report, Smart Converting 4.0, D2.4.2, 2022
See at: CNR ExploRA
2022
Report
Unknown
Smart Converting 4.0 - Installazione del prototipo integrato
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare il prototipo hardware e la sua integrazione in una installazione presso Futura Lab. Si riporta per completezza anche l'installazione sulla tubiera ( nello specifico sulla macchina core maker "Camallo"), descritta anche nel corso delle attività di OO3, obiettivo operativo in cui tale macchina è stata progettata e realizzata. In definitiva, il documento si articola come segue. Nella sezione 2 si riportano alcune immagini delle componenti del prototipo installato, mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.5.1, 2022
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare il prototipo hardware e la sua integrazione in una installazione presso Futura Lab. Si riporta per completezza anche l'installazione sulla tubiera ( nello specifico sulla macchina core maker "Camallo"), descritta anche nel corso delle attività di OO3, obiettivo operativo in cui tale macchina è stata progettata e realizzata. In definitiva, il documento si articola come segue. Nella sezione 2 si riportano alcune immagini delle componenti del prototipo installato, mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.5.1, 2022
See at: CNR ExploRA
2022
Report
Unknown
Smart Converting 4.0 - Piano e report dei test
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare i test eseguiti per validare il prototipo hardware software integrato nell'installazione presente presso Futura Lab. Il documento si articola come segue. Nella sezione 2 si riportano i test e i risultati conseguiti mentre la sezione 3 conclude il documento con discussione sui risultati conseguiti.Source: ISTI Project report, Smart Converting 4.0, D2.5.2, 2022
Zani F., Moroni D., Pardini F., Tampucci M., Antonetti M., Masini D.
L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare i test eseguiti per validare il prototipo hardware software integrato nell'installazione presente presso Futura Lab. Il documento si articola come segue. Nella sezione 2 si riportano i test e i risultati conseguiti mentre la sezione 3 conclude il documento con discussione sui risultati conseguiti.Source: ISTI Project report, Smart Converting 4.0, D2.5.2, 2022
See at: CNR ExploRA
2013
Report
Unknown
SIMPLE - Definizione dei protocolli e dei servizi da sviluppare
Magrini M., Moroni D., Pardini F., Pieri G., Salvetti O.
This project report relates to SIMPLE Project http://simple.tuscany.it/ The SIMPLE (Sicurezza ferroviaria e Infrastruttura per la Mobilità applicate ai Passaggi a LivEllo) project aims to achieve an integrated and safe management of railway level crossings in the Smart City, providing at same time value-added services to citizens in the urban mobility domain. The SIMPLE system consists in two main components: one principally directed to the safety aspects of the railway level crossing and the other one which concerns the collection of data regarding the mobility in neighboring metropolitan roads and the provisioning of related services, such as indication of alternative routes to the drivers.Source: Project report, SIMPLE, Deliverable D.3.1.1, pp.1–19, 2013
Magrini M., Moroni D., Pardini F., Pieri G., Salvetti O.
This project report relates to SIMPLE Project http://simple.tuscany.it/ The SIMPLE (Sicurezza ferroviaria e Infrastruttura per la Mobilità applicate ai Passaggi a LivEllo) project aims to achieve an integrated and safe management of railway level crossings in the Smart City, providing at same time value-added services to citizens in the urban mobility domain. The SIMPLE system consists in two main components: one principally directed to the safety aspects of the railway level crossing and the other one which concerns the collection of data regarding the mobility in neighboring metropolitan roads and the provisioning of related services, such as indication of alternative routes to the drivers.Source: Project report, SIMPLE, Deliverable D.3.1.1, pp.1–19, 2013
See at: CNR ExploRA
2016
Report
Open Access
MobiWallet- Dissemination pack (3rd Generation)
Moroni D., Pardini F., Pieri G., Renda E., Tampucci M., Merle L., Castineira R., Biasu G., Rankov A., Lewis M., Fell M., Davidson S.
This deliverable is the final update of the dissemination pack and describes all the activities carried out towards an optimal dissemination of project aims and achievements. In addition, it contains and discusses the third generation of all the dissemination material that has been prepared during the last ten months of project life.Source: Project report, MobiWallet, Deliverable D6.1.3, 2016
Project(s): MobiWallet
Moroni D., Pardini F., Pieri G., Renda E., Tampucci M., Merle L., Castineira R., Biasu G., Rankov A., Lewis M., Fell M., Davidson S.
This deliverable is the final update of the dissemination pack and describes all the activities carried out towards an optimal dissemination of project aims and achievements. In addition, it contains and discusses the third generation of all the dissemination material that has been prepared during the last ten months of project life.Source: Project report, MobiWallet, Deliverable D6.1.3, 2016
Project(s): MobiWallet
See at:
ISTI Repository | ISTI Repository | ISTI Repository | ISTI Repository | ISTI Repository | ISTI Repository | ISTI Repository | ISTI Repository | ISTI Repository | ISTI Repository | CNR ExploRA
2015
Report
Unknown
Mobility and Transport Digital Wallet
Carlino M., Moroni D., Pardini F., Pieri G., Tampucci M.
This deliverable is an update of the first dissemination pack and describes all the activities carried out towards an optimal dissemination of project aims and achievements. In addition, it contains and discusses the second generation of all the dissemination material that has been prepared during the second ten months of project life.Source: Project report, MobiWallet, 2015
Project(s): MobiWallet
Carlino M., Moroni D., Pardini F., Pieri G., Tampucci M.
This deliverable is an update of the first dissemination pack and describes all the activities carried out towards an optimal dissemination of project aims and achievements. In addition, it contains and discusses the second generation of all the dissemination material that has been prepared during the second ten months of project life.Source: Project report, MobiWallet, 2015
Project(s): MobiWallet
See at: CNR ExploRA
2015
Report
Open Access
MobiWallet - Dissemination pack (2nd Generation)
Carlino M., Moroni D., Pardini F., Pieri G., Tampucci M.
This deliverable is an update of the first dissemination pack and describes all the activities carried out towards an optimal dissemination of project aims and achievements. In addition, it contains and discusses the second generation of all the dissemination material that has been prepared during the second ten months of project life.Source: MobiWallet. Deliverable D6.1.2, 2015, 2015
Project(s): MobiWallet
Carlino M., Moroni D., Pardini F., Pieri G., Tampucci M.
This deliverable is an update of the first dissemination pack and describes all the activities carried out towards an optimal dissemination of project aims and achievements. In addition, it contains and discusses the second generation of all the dissemination material that has been prepared during the second ten months of project life.Source: MobiWallet. Deliverable D6.1.2, 2015, 2015
Project(s): MobiWallet
See at:
ISTI Repository | ISTI Repository | ISTI Repository | ISTI Repository | CNR ExploRA
2018
Report
Unknown
A prototype of a wearable, wireless system for measuring leg strength
Magrini M., Righi M., Carboni A., Martinelli M., Pardini F.
This technical report describes the R&D activity regarding the realization of a prototype of a wearable wireless device which records the characteristics of body movements. The device is connected via Bluetooth to a smartphone, able to display the acceleration curves and send the recorded data to a server for storage, further processing and analysis.Source: ISTI Technical reports, 2018
Magrini M., Righi M., Carboni A., Martinelli M., Pardini F.
This technical report describes the R&D activity regarding the realization of a prototype of a wearable wireless device which records the characteristics of body movements. The device is connected via Bluetooth to a smartphone, able to display the acceleration curves and send the recorded data to a server for storage, further processing and analysis.Source: ISTI Technical reports, 2018
See at: CNR ExploRA
2019
Report
Unknown
Stato di avanzamento del Progetto RadioPoGe
Martinelli M., Paolicchi F., Pardini F., Moroni D., Salvadori S., Salvetti O., Caramella D., Bastiani L.
Il presente documento descrive lo stato di avanzamento del progetto "Conoscenza della popolazione sulla radioprotezione e sulla dose radiante delle principali procedure radiologiche" (RadioPoGe) al 20/12/2019Source: Project report, RadioPoGe, 2019
Martinelli M., Paolicchi F., Pardini F., Moroni D., Salvadori S., Salvetti O., Caramella D., Bastiani L.
Il presente documento descrive lo stato di avanzamento del progetto "Conoscenza della popolazione sulla radioprotezione e sulla dose radiante delle principali procedure radiologiche" (RadioPoGe) al 20/12/2019Source: Project report, RadioPoGe, 2019
See at: CNR ExploRA
2020
Report
Unknown
Forecasting industrial components life cycle: Futura Prototype 1
Martinelli M., Moroni D., Pardini F., Benassi A., Salvetti O.
The purpose of this research report is to describe the first working prototype able to forecast the life cycle of an industrial component by Futura S.p.A.Source: Project report, 2020
Martinelli M., Moroni D., Pardini F., Benassi A., Salvetti O.
The purpose of this research report is to describe the first working prototype able to forecast the life cycle of an industrial component by Futura S.p.A.Source: Project report, 2020
See at: CNR ExploRA
2019
Report
Unknown
IRIDE - Metodi di machine vision per l'elaborazione dei video e la gestione delle allerte
Betti G., Coscetti S., Moroni D., Pardini F., Pieri G. Tampucci M.
In questo documento vengono presentati i metodi di machine vision per l'elaborazione dei video e la gestione delle allerte realizzati nel corso dell'Obiettivo Operativo 1 del progetto IRIDE. Il converting del tissue si basa sull'utilizzo di linee di trasformazione costituite da una successione di macchinari altamente interconnessi fra loro: la materia prima scorre attraverso i vari macchinari a velocità costante dagli svolgitori fino alla ribobinatrice, passando attraverso uno o più goffratori e stampanti. Trattandosi di un sistema complesso, in cui eventuali guasti e anomalie tipicamente si propagano ed hanno effetti lungo tutta la linea, l'impiego di soluzioni ICT basate su visione e video analytics può contribuire in misura significativa al miglioramento del controllo della produzione sia a livello di singolo macchinario che a livello di intero processo produttivo. Con l'introduzione dei metodi descritti in questo documento ci si attende un notevole miglioramento dei livelli di automazione ed efficacia della linea di converting, una significativa riduzione del numero dei fermi macchina e la raccolta di significative insights sull'intera linea di converting. Lo stato dell'arte mostra come attualmente le linee di converting dei player a livello globale non sfruttino ancora questa opportunità. Attualmente il sistema di monitoraggio della filiera del converting è tipicamente costituito da varie tipologie di sensori scalari quali: i) sensori laser per la lettura del diametro delle bobine; ii) celle di carico per determinare la tensione della carta durante lo svolgimento; iii) sensoristica sui motori COTS, capace di fornire informazioni sulla velocità di rotazione, sulla corrente assorbita e, in alcuni casi, sulla temperatura; iv) sensoristica basata su accelerometri. I sensori alimentano il sistema SCADA (Supervisory Control And Data Acquisition) che raccoglie i dati, li archivia e li rende fruibili ai fini della analisi delle problematiche insorte a livello di processo. Futura spa ha già sviluppato un evoluto sistema di manutenzione predittiva basato sui dati raccolti nello SCADA. La sensoristica attualmente disponibile consente infatti di osservare in punti specifici il processo e di indentificare possibili anomalie, quali il riscaldamento di un motore oppure un assorbimento di corrente eccessivo, entrambi indici di problemi hardware incipienti. Inoltre tali sensori possono supportare autoregolazioni base, quali la regolazione ottimale della tensione della carta, mediante opportuni meccanismi di automazione. L'introduzione di sensori basati sulla visione e di opportune logiche di visione artificiale per l'analisi dei video amplia grandemente la gamma di informazioni che sarà possibile ottenere rispetto ai precedenti sensori scalari. Ciò consentirà sia di migliorare i modelli di autoregolazione esistenti, sia di renderne possibili altri, innovativi, aumentando il livello di automazione della linea di converting. Inoltre i sistemi a supporto della manutenzione ordinaria e della manutenzione predittiva saranno potenziati sia grazie ad analisi locali più fini, sia grazie alla possibilità di condurre una valutazione globale del processo, che con le tecnologie dello "stato dell'arte" non risulta possibile. Ad esempio, mentre l'assenza di difetti sul velo in ingresso è attualmente verificata solo in alcuni punti specifici medianti sensori laser, l'utilizzo di sensori di visione e dei metodi descritti in questo documento consente l'analisi dell'intero velo, lungo la sua intera larghezza (tavola). Mediante opportuni algoritmi di elaborazione delle immagini è possibile procedere ad una quantificazione dell'area con difetti inquadrata, con copertura totale della materia prima in ingresso. Tale informazione renderà possibile valutare il rischio di fermi macchina dovuti alla materia prima difettosa, valutare gli accumuli di colla sui rulli dovuti ad eventuali buchi e stimare lo stato di pulizia dell'intera linea di converting; e ciò permetterà di programmare in maniera ottimale le operazioni di manutenzione e di pulitura dalla linea. In particolare, sulla base delle specifiche individuate nell'Attività 1.1 e riportate nel Deliverable D1.1, nell'ambito dell'attività operativa AO1.2 sono stati sviluppati i moduli di machine vision delocalizzati che sono deputati alla acquisizione, elaborazione e codifica del video, alla stima dei parametri di processo e allo scambio di informazioni col PLC per la gestione e la generazione di allerte. Nel suo complesso l'attività abbraccia per intero la progettazione e sviluppo di soluzioni software/firmware da eseguire a bordo dei moduli di controllo delle telecamere e l'integrazione delle stesse. Tali moduli, costituiti da hardware dedicato, sono normalmente localizzati lungo la linea e sono preposti alla gestione di una telecamera o di un gruppo di telecamere (in genere costituito da 2-4 sensori). Il documento è organizzato come segue. Nella Sezione 2, vengono presentate le scelte hardware per la disposizione dei sensori e la predisposizione dei moduli locali di elaborazione. Nella Sezione 3 si presentano gli algoritmi per il rilevamento di difetti sul velo. Infine, nella sezione 4 si presentano le conclusioni con riferimento ai lavori futuri e al rispetto dei KPI previsti in fase di proposta.Source: ISTI Project report, IRIDE, D1.2, 2019
Betti G., Coscetti S., Moroni D., Pardini F., Pieri G. Tampucci M.
In questo documento vengono presentati i metodi di machine vision per l'elaborazione dei video e la gestione delle allerte realizzati nel corso dell'Obiettivo Operativo 1 del progetto IRIDE. Il converting del tissue si basa sull'utilizzo di linee di trasformazione costituite da una successione di macchinari altamente interconnessi fra loro: la materia prima scorre attraverso i vari macchinari a velocità costante dagli svolgitori fino alla ribobinatrice, passando attraverso uno o più goffratori e stampanti. Trattandosi di un sistema complesso, in cui eventuali guasti e anomalie tipicamente si propagano ed hanno effetti lungo tutta la linea, l'impiego di soluzioni ICT basate su visione e video analytics può contribuire in misura significativa al miglioramento del controllo della produzione sia a livello di singolo macchinario che a livello di intero processo produttivo. Con l'introduzione dei metodi descritti in questo documento ci si attende un notevole miglioramento dei livelli di automazione ed efficacia della linea di converting, una significativa riduzione del numero dei fermi macchina e la raccolta di significative insights sull'intera linea di converting. Lo stato dell'arte mostra come attualmente le linee di converting dei player a livello globale non sfruttino ancora questa opportunità. Attualmente il sistema di monitoraggio della filiera del converting è tipicamente costituito da varie tipologie di sensori scalari quali: i) sensori laser per la lettura del diametro delle bobine; ii) celle di carico per determinare la tensione della carta durante lo svolgimento; iii) sensoristica sui motori COTS, capace di fornire informazioni sulla velocità di rotazione, sulla corrente assorbita e, in alcuni casi, sulla temperatura; iv) sensoristica basata su accelerometri. I sensori alimentano il sistema SCADA (Supervisory Control And Data Acquisition) che raccoglie i dati, li archivia e li rende fruibili ai fini della analisi delle problematiche insorte a livello di processo. Futura spa ha già sviluppato un evoluto sistema di manutenzione predittiva basato sui dati raccolti nello SCADA. La sensoristica attualmente disponibile consente infatti di osservare in punti specifici il processo e di indentificare possibili anomalie, quali il riscaldamento di un motore oppure un assorbimento di corrente eccessivo, entrambi indici di problemi hardware incipienti. Inoltre tali sensori possono supportare autoregolazioni base, quali la regolazione ottimale della tensione della carta, mediante opportuni meccanismi di automazione. L'introduzione di sensori basati sulla visione e di opportune logiche di visione artificiale per l'analisi dei video amplia grandemente la gamma di informazioni che sarà possibile ottenere rispetto ai precedenti sensori scalari. Ciò consentirà sia di migliorare i modelli di autoregolazione esistenti, sia di renderne possibili altri, innovativi, aumentando il livello di automazione della linea di converting. Inoltre i sistemi a supporto della manutenzione ordinaria e della manutenzione predittiva saranno potenziati sia grazie ad analisi locali più fini, sia grazie alla possibilità di condurre una valutazione globale del processo, che con le tecnologie dello "stato dell'arte" non risulta possibile. Ad esempio, mentre l'assenza di difetti sul velo in ingresso è attualmente verificata solo in alcuni punti specifici medianti sensori laser, l'utilizzo di sensori di visione e dei metodi descritti in questo documento consente l'analisi dell'intero velo, lungo la sua intera larghezza (tavola). Mediante opportuni algoritmi di elaborazione delle immagini è possibile procedere ad una quantificazione dell'area con difetti inquadrata, con copertura totale della materia prima in ingresso. Tale informazione renderà possibile valutare il rischio di fermi macchina dovuti alla materia prima difettosa, valutare gli accumuli di colla sui rulli dovuti ad eventuali buchi e stimare lo stato di pulizia dell'intera linea di converting; e ciò permetterà di programmare in maniera ottimale le operazioni di manutenzione e di pulitura dalla linea. In particolare, sulla base delle specifiche individuate nell'Attività 1.1 e riportate nel Deliverable D1.1, nell'ambito dell'attività operativa AO1.2 sono stati sviluppati i moduli di machine vision delocalizzati che sono deputati alla acquisizione, elaborazione e codifica del video, alla stima dei parametri di processo e allo scambio di informazioni col PLC per la gestione e la generazione di allerte. Nel suo complesso l'attività abbraccia per intero la progettazione e sviluppo di soluzioni software/firmware da eseguire a bordo dei moduli di controllo delle telecamere e l'integrazione delle stesse. Tali moduli, costituiti da hardware dedicato, sono normalmente localizzati lungo la linea e sono preposti alla gestione di una telecamera o di un gruppo di telecamere (in genere costituito da 2-4 sensori). Il documento è organizzato come segue. Nella Sezione 2, vengono presentate le scelte hardware per la disposizione dei sensori e la predisposizione dei moduli locali di elaborazione. Nella Sezione 3 si presentano gli algoritmi per il rilevamento di difetti sul velo. Infine, nella sezione 4 si presentano le conclusioni con riferimento ai lavori futuri e al rispetto dei KPI previsti in fase di proposta.Source: ISTI Project report, IRIDE, D1.2, 2019
See at: CNR ExploRA
2019
Report
Unknown
IRIDE - Progettazione e realizzazione di interfacce con lo SCADA per la visualizzazione e l'annotazione dei filmati e l'estrazione dei parametri di processo
Landucci D., Betti G., Coscetti S., Moroni D., Pardini F., Pieri G., Tampucci M., Masini D.
In questo documento viene presentato il software realizzato per interfacciare il sistema di telecamere del progetto IRIDE con il sistema SCADA presente sulle linee di converting. Più nel dettaglio, l'attività è stata orientata a progettare e realizzare opportune interfacce tra i moduli di machine vision e lo SCADA, in modo da permettere la visualizzazione, l'archiviazione e l'elaborazione dei flussi video raccolti dalla rete di telecamere presente sulla linea. In base alle specifiche e agli "use-case" identificati nell'Attività 1.1, è stato progettato un opportuno repository multimediale per archiviare il contenuto di immagini e video. Nel repository ciascun video è stato corredato da opportuni metadati, inseriti in un data base, che servono a referenziarlo ad una particolare telecamera e, più in generale, al contesto spaziotemporale in cui esso è stato acquisito. Sono quindi state realizzate delle interfacce basate su web services, per il popolamento del database. In particolare, attraverso tali interfacce, ciascuno dei moduli di machine vision realizzati nell'attività 1.2 può inviar i flussi video registrati. Poiché ci si attende che i video registrati possano avere dimensioni rilevanti (data la loro risoluzione temporale, che può essere superiore a 100fps per la documentazione di eventi particolarmente rapidi sulla linea di converting, quali ad esempio l'ingresso dell'anima nella ribobinatrice), tali interfacce hanno valutato lo stato della rete per evitarne la congestione, attribuendo priorità all'acquisizione della documentazione video dai vari moduli di machine vision presenti. Ulteriori interfacce sono preposte alla visualizzazione di tali dati: in particolare sono state realizzate interfacce web-based che consentono di revisionare lo storico delle allerte registrate sullo SCADA. Ciascuna di queste allerte è documentata: i) dai parametri di produzione impostati dagli operatori; ii) dai parametri relativi alla materia prima utilizzata; iii) dai dati dei sensori presenti lungo la linea, inclusi i sensori ambientali (umidità, temperatura...); iv) dai flussi video ad alta risoluzione registrati in una finestra temporale attorno al momento in cui si è verificata l'allerta e trasmessi dai moduli di machine vision al repository multimediale. Mediante l'interfaccia l'operatore può visionare contemporaneamente le immagini acquisite da più telecamere, anche fotogramma per fotogramma e/o regolando la velocità di riproduzione, per rilevare e analizzare le cause scatenanti dell'allerta. Gli algoritmi sviluppati nell'Attività 1.4 supporteranno questa analisi massimizzandone l'efficacia. L'interfaccia fonrisce su un unico cruscotto informazioni altrimenti disperse e difficili da correlare. Infatti, in assenza di essa, l'operatore dovrebbe farsi carico di interagire separatamente con il computer supervisore dello SCADA per ricavare i parametri di processo e con l'archivio video per rivedere i filmati di un sottoinsieme delle telecamere presenti sulla linea. La visione unitaria delle informazioni aiuta invece a studiare il processo e comprendere come si è venuta a creare una situazione critica. Il documento è organizzato come segue. Nella Sezione 2, vengono presentate alcune caratteristiche del sistema nello specifico descrivendo il razionale seguito. Nella Sezione 3 si documentano le interfacce realizzate mediante screenshots commentato. Infine, nella sezione 4 si presentano le conclusioni con riferimento ai lavori futuri e al rispetto dei KPI previsti in fase di proposta.Source: ISTI Project report, IRIDE, D1.3, 2019
Landucci D., Betti G., Coscetti S., Moroni D., Pardini F., Pieri G., Tampucci M., Masini D.
In questo documento viene presentato il software realizzato per interfacciare il sistema di telecamere del progetto IRIDE con il sistema SCADA presente sulle linee di converting. Più nel dettaglio, l'attività è stata orientata a progettare e realizzare opportune interfacce tra i moduli di machine vision e lo SCADA, in modo da permettere la visualizzazione, l'archiviazione e l'elaborazione dei flussi video raccolti dalla rete di telecamere presente sulla linea. In base alle specifiche e agli "use-case" identificati nell'Attività 1.1, è stato progettato un opportuno repository multimediale per archiviare il contenuto di immagini e video. Nel repository ciascun video è stato corredato da opportuni metadati, inseriti in un data base, che servono a referenziarlo ad una particolare telecamera e, più in generale, al contesto spaziotemporale in cui esso è stato acquisito. Sono quindi state realizzate delle interfacce basate su web services, per il popolamento del database. In particolare, attraverso tali interfacce, ciascuno dei moduli di machine vision realizzati nell'attività 1.2 può inviar i flussi video registrati. Poiché ci si attende che i video registrati possano avere dimensioni rilevanti (data la loro risoluzione temporale, che può essere superiore a 100fps per la documentazione di eventi particolarmente rapidi sulla linea di converting, quali ad esempio l'ingresso dell'anima nella ribobinatrice), tali interfacce hanno valutato lo stato della rete per evitarne la congestione, attribuendo priorità all'acquisizione della documentazione video dai vari moduli di machine vision presenti. Ulteriori interfacce sono preposte alla visualizzazione di tali dati: in particolare sono state realizzate interfacce web-based che consentono di revisionare lo storico delle allerte registrate sullo SCADA. Ciascuna di queste allerte è documentata: i) dai parametri di produzione impostati dagli operatori; ii) dai parametri relativi alla materia prima utilizzata; iii) dai dati dei sensori presenti lungo la linea, inclusi i sensori ambientali (umidità, temperatura...); iv) dai flussi video ad alta risoluzione registrati in una finestra temporale attorno al momento in cui si è verificata l'allerta e trasmessi dai moduli di machine vision al repository multimediale. Mediante l'interfaccia l'operatore può visionare contemporaneamente le immagini acquisite da più telecamere, anche fotogramma per fotogramma e/o regolando la velocità di riproduzione, per rilevare e analizzare le cause scatenanti dell'allerta. Gli algoritmi sviluppati nell'Attività 1.4 supporteranno questa analisi massimizzandone l'efficacia. L'interfaccia fonrisce su un unico cruscotto informazioni altrimenti disperse e difficili da correlare. Infatti, in assenza di essa, l'operatore dovrebbe farsi carico di interagire separatamente con il computer supervisore dello SCADA per ricavare i parametri di processo e con l'archivio video per rivedere i filmati di un sottoinsieme delle telecamere presenti sulla linea. La visione unitaria delle informazioni aiuta invece a studiare il processo e comprendere come si è venuta a creare una situazione critica. Il documento è organizzato come segue. Nella Sezione 2, vengono presentate alcune caratteristiche del sistema nello specifico descrivendo il razionale seguito. Nella Sezione 3 si documentano le interfacce realizzate mediante screenshots commentato. Infine, nella sezione 4 si presentano le conclusioni con riferimento ai lavori futuri e al rispetto dei KPI previsti in fase di proposta.Source: ISTI Project report, IRIDE, D1.3, 2019
See at: CNR ExploRA
2021
Report
Unknown
SPaCe - Documento di studio e definizione delle tecnologie e degli algoritmi di analitica del trasporto pubblico
Leone G. R., Moroni D., Magrini M., Pardini F., Carboni A.
Nel contesto del progetto Space in questo documento verrà presentato uno studio e la definizione delle tecnologie applicabili al trasporto pubblico. I casi d'uso di interesse sono principalmente due: il caso d'uso su gomma, con riferimento a mezzi tipo bus cittadini, e il caso d'uso su rotaia, in riferimento al trasporto ferroviario. Gli obiettivi sono molteplici e riguardano principalmente il comportamento dei passeggeri a bordo o in attesa dei mezzi, la ricostruzione di un viaggio che consiste nella concatenazione di tratte effettuate su mezzi diversi, il controllo degli oggetti e il monitoraggio dello stato dei mezzi sia per questioni di sicurezza che di manutenzione degli stessi. In generale sono state identificate due macro aree di riferimento: Controllo degli spazi e Controllo dei passeggeri.Source: ISTI Project report, SPaCe, D1.4.1, 2021
Leone G. R., Moroni D., Magrini M., Pardini F., Carboni A.
Nel contesto del progetto Space in questo documento verrà presentato uno studio e la definizione delle tecnologie applicabili al trasporto pubblico. I casi d'uso di interesse sono principalmente due: il caso d'uso su gomma, con riferimento a mezzi tipo bus cittadini, e il caso d'uso su rotaia, in riferimento al trasporto ferroviario. Gli obiettivi sono molteplici e riguardano principalmente il comportamento dei passeggeri a bordo o in attesa dei mezzi, la ricostruzione di un viaggio che consiste nella concatenazione di tratte effettuate su mezzi diversi, il controllo degli oggetti e il monitoraggio dello stato dei mezzi sia per questioni di sicurezza che di manutenzione degli stessi. In generale sono state identificate due macro aree di riferimento: Controllo degli spazi e Controllo dei passeggeri.Source: ISTI Project report, SPaCe, D1.4.1, 2021
See at: CNR ExploRA
2022
Other
Unknown
Granoscan: una app basata sull'intelligenza artificiale per l'agricoltura sostenibile
Pardini F., Bruno A., Morelli S., Toscano P., Moroni D., Martinelli M.
Poster App Granoscan, presentato alla fiera Agricola di Verona e al Bright 2022 a Pisa.
Pardini F., Bruno A., Morelli S., Toscano P., Moroni D., Martinelli M.
Poster App Granoscan, presentato alla fiera Agricola di Verona e al Bright 2022 a Pisa.
See at: CNR ExploRA | www.bright-night.it
2014
Report
Unknown
SIMPLE - Piano dei test
Bertini G., Magrini M., Moroni D., Pardini F., Pieri G. Salvetti O
This project report relates to SIMPLE Project http://simple.tuscany.it/ In this document all the tests necessary to validate the WSN are detailed. The SIMPLE (Sicurezza ferroviaria e Infrastruttura per la Mobilità applicate ai Passaggi a LivEllo) project aims to achieve an integrated and safe management of railway level crossings in the Smart City, providing at same time value-added services to citizens in the urban mobility domain. The SIMPLE system consists in two main components: one principally directed to the safety aspects of the railway level crossing and the other one which concerns the collection of data regarding the mobility in neighboring metropolitan roads and the provisioning of related services, such as indication of alternative routes to the drivers.Source: Project report, SIMPLE, Deliverable D.5.1.1, pp.1–13, 2014
Bertini G., Magrini M., Moroni D., Pardini F., Pieri G. Salvetti O
This project report relates to SIMPLE Project http://simple.tuscany.it/ In this document all the tests necessary to validate the WSN are detailed. The SIMPLE (Sicurezza ferroviaria e Infrastruttura per la Mobilità applicate ai Passaggi a LivEllo) project aims to achieve an integrated and safe management of railway level crossings in the Smart City, providing at same time value-added services to citizens in the urban mobility domain. The SIMPLE system consists in two main components: one principally directed to the safety aspects of the railway level crossing and the other one which concerns the collection of data regarding the mobility in neighboring metropolitan roads and the provisioning of related services, such as indication of alternative routes to the drivers.Source: Project report, SIMPLE, Deliverable D.5.1.1, pp.1–13, 2014
See at: CNR ExploRA