Le automobili a guida autonoma, le navicelle spaziali per i voli commerciali, lo sfruttamento delle energie rinnovabili, l'Industria 4.0. Sono le sfide che l’automazione industriale deve affrontare nel prossimo futuro per innovare in maniera significativa i prodotti immessi sul mercato, il processo di produzione, la qualità della vita. E proprio questi sono gli obiettivi del Controllo Predittivo, una branca dell’ingegneria che studia e progetta macchine sempre più intelligenti e sofisticate, in grado di “prevedere” i problemi e anticiparne gli sviluppi, evitando che si verifichino mentre ci si muove verso obbiettivi prefissati. Esempi della vita di tutti i giorni sono il sistema di mantenimento della corsia e il sistema di frenatura automatica nelle automobili.
A questo importante settore della ricerca, che si sta diffondendo sempre di più in campi come l’industria aerospaziale e dell'autoveicolo, le reti energetiche intelligenti e l’ingegneria finanziaria, è dedicato il corso di dottorato tenuto alla Scuola IMT, dal professor Alberto Bemporad - uno dei massimi esperti mondiali in tecnologie di automazione di tipo predittivo - che si è aperto oggi e che si concluderà il 2 aprile.
Il corso vede la partecipazione di 42 dottorandi, in larga misura provenienti da varie università italiane ed estere, tra cui l’Universitat Autònoma de Barcelona, EURAC Research, Institute for Renewable Energy, Ulm University of Applied Sciences, Budapest University of Technology and Economics, l'Università della Svizzera Italiana di Lugano, la Sapienza di Roma, il Politecnico di Torino, le università di Genova, Padova, Bologna e di altre città italiane, oltre che da IMT.
“Il corso è rivolto agli studenti e agli ingegneri che desiderano approfondire la teoria e la pratica delle logiche di controllo di tipo predittivo - ha spiegato il professor Alberto Bemporad – nelle diverse declinazioni di questa branca innovativa dell’ingegneria e delle sue applicazioni nell’industria e nella ricerca. ‘Predittivo’ – spiega - significa in grado di agire prima che un evento si verifichi, anziché semplicemente contrastarlo in maniera ‘reattiva’ al momento in cui questo si manifesta. Le ultime tendenze in questo ambito di ricerca riguardano come coniugare algoritmi decisionali sempre più veloci e affidabili e tecniche di machine learning per l'apprendimento automatico dei modelli predittivi, a partire da dati sensoriali".