2023
Journal article
Unknown
Remote sensing for maritime traffic understanding
Reggiannini M., Salerno E., Bacciu C., D'Errico A., Lo Duca A., Marchetti A., Martinelli M., Mercurio C., Mistretta A., Righi M., Tampucci M., Di Paola C.
The capability of prompt response in case of critical circumstances occurring within a maritime scenario depends on the awareness level of the competent authorities. From this perspective a quick and integrated surveillance service represents a tool of utmost importance. This is even more true when the main purpose is to tackle illegal activities such as smuggling, waste flooding or malicious vessel trafficking. This work presents an improved version of the OSIRIS system, a previously developed ICT framework devoted to understand the maritime vessel traffic through the exploitation of optical and radar data captured by satellite imaging sensors. A number of dedicated processing units are cascaded with the objective of i) detecting the presence of vessel targets in the input imagery, ii) estimating the vessel types on the basis of their geometric and scatterometric features, iii) estimating the vessel kinematics, iv) classifying the navigation behaviour of the vessel and predicting its route and, eventually, v) integrating the several outcomes within a webGIS interface to easily assess the traffic status inside the considered area. The entire processing pipeline has been tested on satellite imagery captured within the Mediterranean Sea or extracted from public, annotated data sets.Source: Remote sensing (Basel) (2023).
Reggiannini M., Salerno E., Bacciu C., D'Errico A., Lo Duca A., Marchetti A., Martinelli M., Mercurio C., Mistretta A., Righi M., Tampucci M., Di Paola C.
The capability of prompt response in case of critical circumstances occurring within a maritime scenario depends on the awareness level of the competent authorities. From this perspective a quick and integrated surveillance service represents a tool of utmost importance. This is even more true when the main purpose is to tackle illegal activities such as smuggling, waste flooding or malicious vessel trafficking. This work presents an improved version of the OSIRIS system, a previously developed ICT framework devoted to understand the maritime vessel traffic through the exploitation of optical and radar data captured by satellite imaging sensors. A number of dedicated processing units are cascaded with the objective of i) detecting the presence of vessel targets in the input imagery, ii) estimating the vessel types on the basis of their geometric and scatterometric features, iii) estimating the vessel kinematics, iv) classifying the navigation behaviour of the vessel and predicting its route and, eventually, v) integrating the several outcomes within a webGIS interface to easily assess the traffic status inside the considered area. The entire processing pipeline has been tested on satellite imagery captured within the Mediterranean Sea or extracted from public, annotated data sets.Source: Remote sensing (Basel) (2023).
See at: CNR ExploRA
2022
Conference article
Open Access
Augmented reality, artificial intelligence and machine learning in Industry 4.0: case studies at SI-Lab
Bruno A, Coscetti S, Leone G. R., Germanese D., Magrini M., Martinelli M., Moroni D., Pascali M. A., Pieri G., Reggiannini M., Tampucci M.
In recent years, the impressive advances in artificial intelligence, computer vision, pervasive computing, and augmented reality made them rise to pillars of the fourth industrial revolution. This short paper aims to provide a brief survey of current use cases in factory applications and industrial inspection under active development at the Signals and Images Lab, ISTI-CNR, Pisa.Source: Ital-IA 2022 - Convegno nazionale CINI sull'Intelligenza Artificiale, Torino, Italy, 9-11/02/2022
DOI: 10.5281/zenodo.6322733
Metrics:
Bruno A, Coscetti S, Leone G. R., Germanese D., Magrini M., Martinelli M., Moroni D., Pascali M. A., Pieri G., Reggiannini M., Tampucci M.
In recent years, the impressive advances in artificial intelligence, computer vision, pervasive computing, and augmented reality made them rise to pillars of the fourth industrial revolution. This short paper aims to provide a brief survey of current use cases in factory applications and industrial inspection under active development at the Signals and Images Lab, ISTI-CNR, Pisa.Source: Ital-IA 2022 - Convegno nazionale CINI sull'Intelligenza Artificiale, Torino, Italy, 9-11/02/2022
DOI: 10.5281/zenodo.6322733
Metrics:
See at:
ISTI Repository 
| www.ital-ia2022.it | CNR ExploRA
2022
Journal article
Open Access
Anorexia nervosa, body image perception and virtual reality therapeutic applications: state of the art and operational proposal
Magrini M., Curzio O., Tampucci M., Donzelli G., Cori L., Imiotti M. C., Maestro S., Moroni D.
Anorexia Nervosa (AN) patients exhibit distorted body representation. The purpose of this study was to explore studies that analyze virtual reality (VR) applications, related to body image issues, to propose a new tool in this field. We conducted a systematic review in accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. PubMed, EMBASE, Scopus, and Web of Science databases were explored; the review included 25 studies. Research has increased over the last five years. The selected studies, clinical observational studies (n = 16), mostly concerning patients' population with AN (n = 14) or eating disorders (EDs) diagnosis, presented multiple designs, populations involved, and procedures. Some of these studies included healthy control groups (n = 7). Studies on community sample populations were also selected if oriented toward clinical applications (n = 9). The VR technologies in the examined period (about 20 years) have evolved significantly, going from very complex and bulky systems, requiring very powerful computers, to agile systems. The advent of low-cost VR devices has given a big boost to research works. Moreover, the operational proposal that emerges from this work supports the use of biofeedback techniques aimed at evaluating the results of therapeutic interventions in the treatment of adolescent patients diagnosed with AN.Source: International journal of environmental research and public health (Online) 19 (2022): 1–30. doi:10.3390/ijerph19052533
DOI: 10.3390/ijerph19052533
Metrics:
Magrini M., Curzio O., Tampucci M., Donzelli G., Cori L., Imiotti M. C., Maestro S., Moroni D.
Anorexia Nervosa (AN) patients exhibit distorted body representation. The purpose of this study was to explore studies that analyze virtual reality (VR) applications, related to body image issues, to propose a new tool in this field. We conducted a systematic review in accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. PubMed, EMBASE, Scopus, and Web of Science databases were explored; the review included 25 studies. Research has increased over the last five years. The selected studies, clinical observational studies (n = 16), mostly concerning patients' population with AN (n = 14) or eating disorders (EDs) diagnosis, presented multiple designs, populations involved, and procedures. Some of these studies included healthy control groups (n = 7). Studies on community sample populations were also selected if oriented toward clinical applications (n = 9). The VR technologies in the examined period (about 20 years) have evolved significantly, going from very complex and bulky systems, requiring very powerful computers, to agile systems. The advent of low-cost VR devices has given a big boost to research works. Moreover, the operational proposal that emerges from this work supports the use of biofeedback techniques aimed at evaluating the results of therapeutic interventions in the treatment of adolescent patients diagnosed with AN.Source: International journal of environmental research and public health (Online) 19 (2022): 1–30. doi:10.3390/ijerph19052533
DOI: 10.3390/ijerph19052533
Metrics:
See at:
ISTI Repository | www.mdpi.com | CNR ExploRA
2022
Conference article
Restricted
A mobile crowdsensing app for improved maritime security and awareness
Moroni D., Pieri G., Reggiannini M., Tampucci M.
The marine and maritime domain is well represented in the Sustainable Development Goals (SDG) envisaged by the United Nations, which aim at conserving and using the oceans, seas and their resources for sustainable development. At the same time, there is a need for improved safety in navigation, especially in coastal areas. Up to date, there exist operational services based on advanced technologies, including remote sensing and in situ monitoring networks which provide aid to the navigation and control over the environment for its preservation. Yet, the possibilities offered by crowdsensing have not yet been fully explored. This paper addresses this issue by presenting an app based on a crowdsensing approach for improved safety and awareness at sea. The app can be integrated into more comprehensive systems and frameworks for environmental monitoring as envisaged in our future work.Source: PERCOM 2022 - IEEE International Conference on Pervasive Computing and Communications, pp. 103–105, Pisa, Italy, 21-25/03/2022
DOI: 10.1109/percomworkshops53856.2022.9767516
Project(s): NAUTILOS
Metrics:
Moroni D., Pieri G., Reggiannini M., Tampucci M.
The marine and maritime domain is well represented in the Sustainable Development Goals (SDG) envisaged by the United Nations, which aim at conserving and using the oceans, seas and their resources for sustainable development. At the same time, there is a need for improved safety in navigation, especially in coastal areas. Up to date, there exist operational services based on advanced technologies, including remote sensing and in situ monitoring networks which provide aid to the navigation and control over the environment for its preservation. Yet, the possibilities offered by crowdsensing have not yet been fully explored. This paper addresses this issue by presenting an app based on a crowdsensing approach for improved safety and awareness at sea. The app can be integrated into more comprehensive systems and frameworks for environmental monitoring as envisaged in our future work.Source: PERCOM 2022 - IEEE International Conference on Pervasive Computing and Communications, pp. 103–105, Pisa, Italy, 21-25/03/2022
DOI: 10.1109/percomworkshops53856.2022.9767516
Project(s): NAUTILOS
Metrics:
See at:
ieeexplore.ieee.org 
| CNR ExploRA
2022
Conference article
Open Access
ARTiCo - AR in tissue converting
Moroni D., Pieri G., Tampucci M., Masini D.
For fully up-taking the advances achieved in pervasive monitoring systems within Industry 4.0, novel intelligent interfaces are needed to ease interactions with human personnel and enable them to access the available data and services ergonomically. To this end, we present a mobile app based on augmented reality that allows operators to receive location-aware notifications and access and visualize real-time information and guidance for troubleshooting and plant maintenance. The app has been tailored to respond to the needs of a specific scenario, i.e. tissue converting, where it has provided encouraging results.Source: PERCOM 2022 - IEEE International Conference on Pervasive Computing and Communications, pp. 94–96, Pisa, Italy, 21-25/03/2022
DOI: 10.1109/percomworkshops53856.2022.9767409
Metrics:
Moroni D., Pieri G., Tampucci M., Masini D.
For fully up-taking the advances achieved in pervasive monitoring systems within Industry 4.0, novel intelligent interfaces are needed to ease interactions with human personnel and enable them to access the available data and services ergonomically. To this end, we present a mobile app based on augmented reality that allows operators to receive location-aware notifications and access and visualize real-time information and guidance for troubleshooting and plant maintenance. The app has been tailored to respond to the needs of a specific scenario, i.e. tissue converting, where it has provided encouraging results.Source: PERCOM 2022 - IEEE International Conference on Pervasive Computing and Communications, pp. 94–96, Pisa, Italy, 21-25/03/2022
DOI: 10.1109/percomworkshops53856.2022.9767409
Metrics:
See at:
ISTI Repository | ieeexplore.ieee.org | CNR ExploRA
2022
Report
Open Access
NAUTILOS - Fully developed graphic user interface. Accompanying report
Tampucci M., Pieri G., Volpini F.
This deliverable consist of the deployment of the project's web portal through which the storage and management of the integrated data regarding NAUTILOS, and the services defined and implemented during Task 8.4 have been organised. The implemented tools and services for data management and visualisation, designed in close connection with end-users requirements, are described.Source: ISTI Project report, NAUTILOS, D8.7, 2022
Project(s): NAUTILOS
Tampucci M., Pieri G., Volpini F.
This deliverable consist of the deployment of the project's web portal through which the storage and management of the integrated data regarding NAUTILOS, and the services defined and implemented during Task 8.4 have been organised. The implemented tools and services for data management and visualisation, designed in close connection with end-users requirements, are described.Source: ISTI Project report, NAUTILOS, D8.7, 2022
Project(s): NAUTILOS
See at:
ISTI Repository | zenodo.org | CNR ExploRA
2022
Report
Open Access
NAUTILOS - Citizen Science tools and interface
Pieri G., Tampucci M.
This deliverable will consist of the specific tools and interface for supporting the Citizen Science Campaigns, to integrate the data produced during these activities (see Task 12.2) within the web portal. The interface, realised in Task 8.4, will be based on geo-referenced maps indicating, for instance, plastic litter data. An accompanying report with the guidelines for the usage of these tools and interface will be produced.Source: ISTI Project report, NAUTILOS, D8.8, 2022
Project(s): NAUTILOS
Pieri G., Tampucci M.
This deliverable will consist of the specific tools and interface for supporting the Citizen Science Campaigns, to integrate the data produced during these activities (see Task 12.2) within the web portal. The interface, realised in Task 8.4, will be based on geo-referenced maps indicating, for instance, plastic litter data. An accompanying report with the guidelines for the usage of these tools and interface will be produced.Source: ISTI Project report, NAUTILOS, D8.8, 2022
Project(s): NAUTILOS
See at:
ISTI Repository | zenodo.org | CNR ExploRA
2022
Conference article
Open Access
Exploring UAVs for structural health monitoring
Germanese D., Moroni D., Pascali M. A., Tampucci M., Berton A.
The preservation and maintenance of architectural heritage on a large scale deserve the design, development, and exploitation of innovative methodologies and tools for sustainable Structural Heritage Monitoring (SHM). In the framework of the Moscardo Project (https://www.moscardo.it/), the role of Unmanned Aerial Vehicles (UAVs) in conjunction with a broader IoT platform for SHM has been investigated. UAVs resulted in significant aid for a safe, fast and routinely operated inspection of buildings in synergy with data collected in situ thanks to a network of pervasive wireless sensors (Bacco et al. 2020). The main idea has been to deploy an acquisition layer made of a network of low power sensors capable of collecting environmental parameters and building vibration modes. This layer has been connected to a service layer through gateways capable of performing data analysis and presenting aggregated results thanks to an integrated dashboard. In this architecture, the UAV has emerged as a particular network node for extending the acquisition layer by adding several imaging capabilities.Source: D-SITe 2022 - Drones. Systems of Information on culTural hEritage. For a spatial and social investigation, pp. 640–643, Pavia, Italy, 16-18/06/2022
Germanese D., Moroni D., Pascali M. A., Tampucci M., Berton A.
The preservation and maintenance of architectural heritage on a large scale deserve the design, development, and exploitation of innovative methodologies and tools for sustainable Structural Heritage Monitoring (SHM). In the framework of the Moscardo Project (https://www.moscardo.it/), the role of Unmanned Aerial Vehicles (UAVs) in conjunction with a broader IoT platform for SHM has been investigated. UAVs resulted in significant aid for a safe, fast and routinely operated inspection of buildings in synergy with data collected in situ thanks to a network of pervasive wireless sensors (Bacco et al. 2020). The main idea has been to deploy an acquisition layer made of a network of low power sensors capable of collecting environmental parameters and building vibration modes. This layer has been connected to a service layer through gateways capable of performing data analysis and presenting aggregated results thanks to an integrated dashboard. In this architecture, the UAV has emerged as a particular network node for extending the acquisition layer by adding several imaging capabilities.Source: D-SITe 2022 - Drones. Systems of Information on culTural hEritage. For a spatial and social investigation, pp. 640–643, Pavia, Italy, 16-18/06/2022
See at:
ISTI Repository | ISTI Repository | www.dsiteconference.com | CNR ExploRA
2022
Conference article
Open Access
An intelligent platform of services based on multimedia understanding and telehealth for supporting the management of SARS-CoV-2 multi-pathological patients
Ignesti G., Bruno A., Deri C., D'Angelo G., Bastiani L., Pratali L., Memmini S: Cicalini D., Dini A., Galesi G., Pardini F., Tampucci M., Benassi A., Salvetti O., Moroni D., Martinelli M.
The combination of pervasive sensing and multimedia understanding with the advances in communications makes it possible to conceive platforms of services for providing telehealth solutions responding to the current needs of society. The recent outbreak has indeed posed several concerns on the management of patients at home, urging to devise complex pathways to address the Severe Acute Respiratory Syndrome (SARS) in combination with the usual diseases of an increasingly elder population. In this paper, we present TiAssisto, a project aiming to design, develop, and validate an innovative and intelligent platform of services, having as its main objective to assist both Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) multi-pathological patients and healthcare professionals. This is achieved by researching and validating new methods to improve their lives and reduce avoidable hospitalisations. TiAssisto features telehealth and telemedicine solutions to enable high-quality standards treatments based on Information and Communication Technologies (ICT), Artificial Intelligence (AI) and Machine Learning (ML). Three hundred patients are involvedin our study: one half using our telehealth platform, while the other half participate as a control group for a correct validation. The developed AI models and the Decision Support System assist General Practitioners (GPs) and other healthcare professionals in order to help them in their diagnosis, by providing suggestions and pointing out possible presence or absence of signs that can be related to pathologies. Deep learning techniques are also used to detect the absence or presence of specific signs in lung ultrasound images.Source: SITIS 2022 - 16th International Conference on Signal Image Technology & Internet Based Systems, pp. 553–560, Dijon, France, 18-22/10/2022
DOI: 10.1109/sitis57111.2022.00089
Metrics:
Ignesti G., Bruno A., Deri C., D'Angelo G., Bastiani L., Pratali L., Memmini S: Cicalini D., Dini A., Galesi G., Pardini F., Tampucci M., Benassi A., Salvetti O., Moroni D., Martinelli M.
The combination of pervasive sensing and multimedia understanding with the advances in communications makes it possible to conceive platforms of services for providing telehealth solutions responding to the current needs of society. The recent outbreak has indeed posed several concerns on the management of patients at home, urging to devise complex pathways to address the Severe Acute Respiratory Syndrome (SARS) in combination with the usual diseases of an increasingly elder population. In this paper, we present TiAssisto, a project aiming to design, develop, and validate an innovative and intelligent platform of services, having as its main objective to assist both Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2) multi-pathological patients and healthcare professionals. This is achieved by researching and validating new methods to improve their lives and reduce avoidable hospitalisations. TiAssisto features telehealth and telemedicine solutions to enable high-quality standards treatments based on Information and Communication Technologies (ICT), Artificial Intelligence (AI) and Machine Learning (ML). Three hundred patients are involvedin our study: one half using our telehealth platform, while the other half participate as a control group for a correct validation. The developed AI models and the Decision Support System assist General Practitioners (GPs) and other healthcare professionals in order to help them in their diagnosis, by providing suggestions and pointing out possible presence or absence of signs that can be related to pathologies. Deep learning techniques are also used to detect the absence or presence of specific signs in lung ultrasound images.Source: SITIS 2022 - 16th International Conference on Signal Image Technology & Internet Based Systems, pp. 553–560, Dijon, France, 18-22/10/2022
DOI: 10.1109/sitis57111.2022.00089
Metrics:
See at:
ISTI Repository | ieeexplore.ieee.org | CNR ExploRA
2022
Report
Open Access
SI-Lab annual research report 2021
Righi M., Leone G. R., Carboni A., Caudai C., Colantonio S., Kuruoglu E. E., Leporini B., Magrini M., Paradisi P., Pascali M. A., Pieri G., Reggiannini M., Salerno E., Scozzari A., Tonazzini A., Fusco G., Galesi G., Martinelli M., Pardini F., Tampucci M., Berti A., Bruno A., Buongiorno R., Carloni G., Conti F., Germanese D., Ignesti G., Matarese F., Omrani A., Pachetti E., Papini O., Benassi A., Bertini G., Coltelli P., Tarabella L., Straface S., Salvetti O., Moroni D.
The Signal & Images Laboratory is an interdisciplinary research group in computer vision, signal analysis, intelligent vision systems and multimedia data understanding. It is part of the Institute of Information Science and Technologies (ISTI) of the National Research Council of Italy (CNR). This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2021.Source: ISTI Annual reports, 2022
DOI: 10.32079/isti-ar-2022/003
Metrics:
Righi M., Leone G. R., Carboni A., Caudai C., Colantonio S., Kuruoglu E. E., Leporini B., Magrini M., Paradisi P., Pascali M. A., Pieri G., Reggiannini M., Salerno E., Scozzari A., Tonazzini A., Fusco G., Galesi G., Martinelli M., Pardini F., Tampucci M., Berti A., Bruno A., Buongiorno R., Carloni G., Conti F., Germanese D., Ignesti G., Matarese F., Omrani A., Pachetti E., Papini O., Benassi A., Bertini G., Coltelli P., Tarabella L., Straface S., Salvetti O., Moroni D.
The Signal & Images Laboratory is an interdisciplinary research group in computer vision, signal analysis, intelligent vision systems and multimedia data understanding. It is part of the Institute of Information Science and Technologies (ISTI) of the National Research Council of Italy (CNR). This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2021.Source: ISTI Annual reports, 2022
DOI: 10.32079/isti-ar-2022/003
Metrics:
See at:
ISTI Repository | CNR ExploRA
2022
Report
Unknown
Smart Converting 4.0 - Sistema di indoor localization
Zani F., Moroni D., 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 software realizzato per il progetto e su cui si baseranno le attività di integrazione e test in Futura Lab previste in AO2.5. Il documento si articola come segue. Nella sezione 2 si riportano alcune immagini dei componenti del prototipo e alcuni screenshot del software realizzato. mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.2.1, 2022
Zani F., Moroni D., 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 software realizzato per il progetto e su cui si baseranno le attività di integrazione e test in Futura Lab previste in AO2.5. Il documento si articola come segue. Nella sezione 2 si riportano alcune immagini dei componenti del prototipo e alcuni screenshot del software realizzato. mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.2.1, 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. 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 - Sistema SW per l'analisi di traiettorie e cluster analisi
Zani F., Moroni D., 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, utilizzando le linee guida per la realizzazione degli algoritmi per l'analisi dei dati di posizionamento riportati in D2.3.1, in questo documento ci si prefigge di presentare il sw sviluppato. Il documento si articola come segue. Nella sezione 2 si riportano alcuni screenshot del SW realizzato mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.3.2, 2022
Zani F., Moroni D., 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, utilizzando le linee guida per la realizzazione degli algoritmi per l'analisi dei dati di posizionamento riportati in D2.3.1, in questo documento ci si prefigge di presentare il sw sviluppato. Il documento si articola come segue. Nella sezione 2 si riportano alcuni screenshot del SW realizzato mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.3.2, 2022
See at: CNR ExploRA
2022
Report
Unknown
Smart Converting 4.0 - Policy engine ed editor e sistemi di business intelligence
Zani F., Moroni D., 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 contenuto di questo deliverable si fonda sul lavoro già svolto nelle attività operative AO2.2 per il sistema di acquisizione dei dati di localizzazione e su AO2.3 per gli algoritmi e le regole di analisi delle traiettorie, già implementate al''interno dell'attività facendo perno su un engine per l'esecuzione delle policies, ossia Drools. In questo documento ci si concentra quindi sulle modalità di scrittura e realizzazione delle policies, mostrando degli esempi espliciti di editing. L'infrastruttura SW rimane in ogni caso quella già descritta in D2.3.2 a cui si rimanda per completezza. Il documento si articola come segue. Nella sezione 2 si riportano alcuni screenshot del SW realizzato mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.4.1, 2022
Zani F., Moroni D., 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 contenuto di questo deliverable si fonda sul lavoro già svolto nelle attività operative AO2.2 per il sistema di acquisizione dei dati di localizzazione e su AO2.3 per gli algoritmi e le regole di analisi delle traiettorie, già implementate al''interno dell'attività facendo perno su un engine per l'esecuzione delle policies, ossia Drools. In questo documento ci si concentra quindi sulle modalità di scrittura e realizzazione delle policies, mostrando degli esempi espliciti di editing. L'infrastruttura SW rimane in ogni caso quella già descritta in D2.3.2 a cui si rimanda per completezza. Il documento si articola come segue. Nella sezione 2 si riportano alcuni screenshot del SW realizzato mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.Source: ISTI Project report, Smart Converting 4.0, D2.4.1, 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
2022
Software
Unknown
Nautilos citizen science application
Tampucci M., Pieri G.
Applicazione per dispositivi Android, sviluppata nell'ambito del progetto Nautilos, per la raccolta di dati derivanti da campagne per la raccolta di plastiche sulla spiaggia, catalogazione di fauna e flora marina e analisi della qualità delle acque.Project(s): NAUTILOS
Tampucci M., Pieri G.
Applicazione per dispositivi Android, sviluppata nell'ambito del progetto Nautilos, per la raccolta di dati derivanti da campagne per la raccolta di plastiche sulla spiaggia, catalogazione di fauna e flora marina e analisi della qualità delle acque.Project(s): NAUTILOS
See at: CNR ExploRA
2022
Software
Unknown
S4E applicazione per la sicurezza in mare
Tampucci M., Moroni D.
Applicazione, sviluppata nell'ambito del progetto S4E, per la segnalazione di eventi indesiderati ed emergenze in mare.
Tampucci M., Moroni D.
Applicazione, sviluppata nell'ambito del progetto S4E, per la segnalazione di eventi indesiderati ed emergenze in mare.
See at: CNR ExploRA
2022
Software
Unknown
Gemello digitale Medical Waster
Tampucci M., Moroni D.
Gemello digitale 3D del macchinario per la sterilizzazione e triturazione di rifiuti medici. All'interno del gemello digitale è possibile osservare in tempo reale alcuni dei valori di funzionamento della macchina quali la fase del processo in cui si trova il macchinario, il tempo stimato alla fine del processo di smaltimento, il codice di eventuali errori di alcune sue componenti, ecc. Il gemello digitale inoltre rappresenta graficamente lo stato di alcune componenti del materiale: (i) coperchio sterilizzatore aperto, (ii) sportello inferiore sterilizzatore aperto, (iii) nastro in funzione, (iv) seconda lama in funzione, (v) quale bidone è in uso.
Tampucci M., Moroni D.
Gemello digitale 3D del macchinario per la sterilizzazione e triturazione di rifiuti medici. All'interno del gemello digitale è possibile osservare in tempo reale alcuni dei valori di funzionamento della macchina quali la fase del processo in cui si trova il macchinario, il tempo stimato alla fine del processo di smaltimento, il codice di eventuali errori di alcune sue componenti, ecc. Il gemello digitale inoltre rappresenta graficamente lo stato di alcune componenti del materiale: (i) coperchio sterilizzatore aperto, (ii) sportello inferiore sterilizzatore aperto, (iii) nastro in funzione, (iv) seconda lama in funzione, (v) quale bidone è in uso.
See at: CNR ExploRA