IMOCO4.E – Intelligent Motion Control under Industry 4.E – Unità di ricerca dell’Università degli Studi di Sassari Responsabile del progettoProf. Luca PulinaUnità di RicercaDott.ssa Laura PandolfoDott. Dario GuidottiHorizon 2020 – ECSEL Joint Undertaking, Research and Innovation Action, Grant Agreement n. 101007311IMOCO4.E è un progetto europeo dedicato allo sviluppo di una piattaforma di riferimento per sistemi meccatronici e robotici intelligenti, configurabili e connessi dal livello edge al cloud. L’unità di ricerca dell’Università di Sassari, coordinata da Luca Pulina e responsabile di attività di task, ha lavorato sull’affidabilità dell’Intelligenza Artificiale per la manutenzione predittiva. Il contributo ha integrato due linee complementari: metodi di anomaly detection basati su autoencoder e vector reconstruction error per individuare il degrado di componenti industriali; tecniche di verifica formale delle reti neurali, in particolare basate su Satisfiability Modulo Theory, per fornire garanzie sul comportamento dei modelli impiegati in contesti critici. Le attività hanno prodotto metodi, valutazioni sperimentali e strumenti che collegano apprendimento automatico, rilevamento delle anomalie e verifica delle reti neurali, contribuendo a sistemi industriali più affidabili e verificabili. IMOCO4.E – Intelligent Motion Control under Industry 4.E Intelligent Motion Control under Industry 4.E Intelligent Motion Control under Industry 4.E - Results IMOCO4.E partners attended ETFA 2023 conference in Sinaia, Romania during September 12th – 15th 2023 Verification of NNs in the IMOCO4.E Project: Preliminary Results Vector Reconstruction Error for Anomaly Detection: Preliminary Results in the IMOCO4.E Project Leveraging Satisfiability Modulo Theory Solvers for Verification of Neural Networks in Predictive Maintenance Applications Detection of Component Degradation: A Study on Autoencoder-Based Approaches Verifying Neural Networks with SMT: An Experimental Evaluation Verifying Neural Networks with Non-Linear SMT Solvers: a Short Status Report Verifying Autoencoders for Anomaly Detection in Predictive Maintenance Naviga la sezione AIDOaRt – AI-augmented automation supporting modelling, coding, testing, monitoring and continuous development in Cyber-Physical Systems – Unità di ricerca dell’Università degli Studi di Sassari C-WISE – Citizen Wellness Centric AI-Based Policy Making Support System in an Urban Environment IMOCO4.E – Intelligent Motion Control under Industry 4.E – Unità di ricerca dell’Università degli Studi di Sassari Il governo del patrimonio linguistico e culturale per lo sviluppo sostenibile delle destinazioni MANATEE - Monitoring and mApping of mariNe hAbitat with inTegrated gEomatics technologiEs Progetto di rete fra i CEAS della Baronia e del Nuorese e l'Università di Sassari REDAZIONE DEL PIANO DI MARKETING E DI PROMOZIONE DELL’ISOLA DELL’ASINARA E DELL’AREA DELLA RETE METROPOLITANA SECURED – Scaling Up Secure Processing, Anonymization and Generation of Health Data for EU Cross-Border Collaborative Research and Innovation – Unità di ricerca dell’Università degli Studi di Sassari SKET-Monitor – Smart Knowledge-Driven Environmental and Territorial Monitoring Turismo Intelligente: Assistenti Virtuali e strumenti IT per la valorizzazione dell’offerta turistica e delle risorse” acronimo “TIVAR e.INS Spoke 2 – Innovation and Sustainability for the Competitiveness of Tourism and Cultural Heritage in Marginal Markets – attività di coordinamento scientifico nel periodo febbraio 2024-gennaio 2026