ITALIANO

Testi e materiali di riferimento saranno indicati dal docente all'inizio e durante il corso. Materiale didattico, articoli scientifici, standard tecnici, dataset ed eventuali notebook/software utilizzati nelle esercitazioni saranno resi disponibili o segnalati attraverso la piattaforma didattica di Ateneo, e-learning. Testi consigliati: R. Isermann, Fault-Diagnosis Systems: An Introduction from Fault Detection to Fault Tolerance, Springer; S. M. Kay, Fundamentals of Statistical Signal Processing: Detection Theory, Prentice Hall; S. Haykin, Neural Networks and Learning Machines, Pearson. Ulteriori riferimenti specialistici saranno forniti per le applicazioni biomedicali e aerospaziali.

L'insegnamento mira a fornire conoscenze e competenze per la progettazione e la valutazione di sistemi diagnostici destinati ad applicazioni aerospaziali e biomedicali in ambiente aerospaziale. Al termine del corso lo studente dovrà essere in grado di: comprendere i requisiti funzionali, di affidabilità e di robustezza di una catena diagnostica; selezionare sensori e modalità di acquisizione coerenti con l'applicazione; progettare procedure di preprocessing, estrazione di feature e fusione di dati; applicare metodi di rilevamento, isolamento e identificazione dei guasti e tecniche di anomaly detection; utilizzare metodi di machine learning per classificazione e prognostica; valutare le prestazioni mediante metriche appropriate (sensibilità, specificità, accuratezza, falsi allarmi, robustezza); discutere vincoli di implementazione embedded e real-time; interpretare criticamente risultati sperimentali e comunicare le scelte progettuali.

Conoscenza e capacità di comprensione: conoscenza dei principi di sensoristica, elaborazione dei segnali e diagnostica automatica in contesti aerospaziali. Capacità di applicare conoscenza e comprensione: sviluppo di pipeline diagnostiche a partire da dati reali o simulati. Autonomia di giudizio: scelta motivata di sensori, algoritmi, metriche e strategie di validazione. Abilità comunicative: presentazione chiara di metodi, risultati e limiti. Capacità di apprendimento: consultazione autonoma di letteratura scientifica e documentazione tecnica specialistica.

Sono richieste conoscenze di base di analisi matematica, probabilità e statistica, segnali e sistemi, elettronica e programmazione. Sono utili conoscenze introduttive di sensoristica biomedicale, elaborazione numerica dei segnali e uso di MATLAB e/o Python. Eventuali richiami necessari saranno forniti durante il corso.

Lezioni frontali integrate con esempi applicativi, esercitazioni numeriche e attività di laboratorio informatico. Verranno analizzati casi di studio relativi a diagnostica di sistemi, monitoraggio di sensori e segnali fisiologici in ambiente aerospaziale. Parte delle attività sarà dedicata allo sviluppo guidato di algoritmi in MATLAB e/o Python e all'analisi critica dei risultati. Potranno essere proposti seminari specialistici e lavori individuali o di gruppo.

La verifica dell'apprendimento è finalizzata ad accertare la comprensione dei principi teorici e la capacità di applicarli a problemi di diagnostica aerospaziale.
Modalità d'esame:
Prova scritta su tutto il programma svolto (possibilità di splittare il programma in due parziali)
+
Tesina e relative slides preparate dallo studente a partire da un articolo scientifico in lingua inglese concordato con il docente (prova in itinere, durante le ore di lezione)
Gli studenti e le studentesse con disabilità, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa vigente e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative è necessario afferire al Servizio CON_TE_STO, seguendo la procedura indicata nella Carta dei Servizi. Si invitano gli studenti e le studentesse a prendere contatto con la/il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell’appello, per conoscere le modalità di esame e concordare le misure previste. Per essere orientati e indirizzati ai diversi servizi offerti dall’Ateneo è possibile contattare il Docente Referente del Dipartimento: Prof.ssa Laura Marzetti, laura.marzetti@unich.it.

L'insegnamento contribuisce in particolare ai seguenti Obiettivi dell'Agenda 2030: Obiettivo 3 - Salute e benessere, attraverso lo studio di tecnologie per il monitoraggio fisiologico e la tutela della salute in ambienti estremi; Obiettivo 4 - Istruzione di qualità, attraverso lo sviluppo di competenze avanzate e interdisciplinari; Obiettivo 9 - Imprese, innovazione e infrastrutture, attraverso lo studio di sensoristica, diagnostica intelligente, affidabilità e tecnologie innovative per sistemi complessi.

Il materiale didattico e le comunicazioni relative al corso saranno resi disponibili attraverso la piattaforma didattica di Ateneo. Per le attività applicative è consigliata la disponibilità di un computer portatile con MATLAB e/o Python. Gli studenti non frequentanti sono invitati a contattare il docente per concordare il materiale di studio e le modalità di preparazione.