IMPIANTI INDUSTRIALI 2
OBIETTIVI E CONTENUTI
OBIETTIVI FORMATIVI
Il corso si propone di fornire agli allievi ingegneri gestionali le cognizioni di base per la progettazione e l'esercizio degli impianti industriali con particolare riferimento alle tematiche inerenti l'impiantistica di servizio.
Modalità didattiche
Lezioni frontali ed esercitazioni in laboratorio informatico con utilizzo di tools specifici
PROGRAMMA/CONTENUTO
Metodi di validazione statistica dei modelli di simulazione DES e Monte Carlo
- - Sistemi tempo evolventi
- - Sistemi run evolventi
Tecniche di ricerca dell'ottimo in sistemi simulati
- Steepest Ascent/Descent
- Simplex Method e varianti
- Nature Inspired Heuristic
TESTI/BIBLIOGRAFIA
L. Cassettari, R. Mosca and R. Revetria, Experimental Error Measurement in Monte Carlo Simulation, Handbook of reasearch on Discrete Event Simulation Enviroments, Chapter 6, pp 92-141, Evon M. O. Abu-Taieh & Asim Abdel Rahman El Sheikh, Information Science Reference, 2010.
R. Mosca, R. Revetria and L. Cassettari, Monte Carlo simulation models evolving in replicated runs: a methodology to choose the optimal experimental sample size, in press in Mathematical Problems in Engineering, Hindawi Publishing Corporation, ISSN: 1024123X.
Bendato, I., Cassettari, L., Giribone, P.G., Fioribello, S. |
Attraction Force Optimization (AFO): A deterministic nature-inspired heuristic for solving optimization problems in stochastic simulation |
(2016) Applied Mathematical Sciences, 10 (17-20), pp. 989-1011. |
DOCENTI E COMMISSIONI
Ricevimento: Lunedì pomeriggio dalle 16 alle 17:30.
Commissione d'esame
LUCIA CASSETTARI (Presidente)
ROBERTO MOSCA (Presidente)
STEFANO SACCARO
STEFANIA TESTA
PIETRO GIRIBONE
GIAN CARLO CAINARCA
ILARIA BENDATO
MARCO MOSCA
LEZIONI
Modalità didattiche
Lezioni frontali ed esercitazioni in laboratorio informatico con utilizzo di tools specifici
ESAMI
Modalità d'esame
Orale
Modalità di accertamento
Sono previste esercitazioni guidate in laboratorio per verificare l'apprendimento in progress.