Analisi delle incertezze nei calcoli di ingegneria

Seminario di Sensibilizzazione Lunedi, 10 mese di aprile

I recenti progressi nel campo della modellizzazione e simulazione ingegneristica consentono di rappresentare e predire eventi fisici sempre più complessi. Questo permette di utilizzare modelli computazionali in supporto all’intera vita di un prodotto, dalla sua fase di progetto, realizzazione sino alla messa in opera.

Tuttavia, per quanto i modelli possano esseri precisi o accurati, essi non sono in grado di rappresentare accuratamente la realtà; infatti, mentre i modelli presentano una natura deterministica, producendo sempre identici risultati ad ogni loro esecuzione, la realtà manifesta aleatorietà. Per esempio, componenti nominalmente identici falliscono in tempi e modalità differenti; eccitazioni   su strutture e sistemi dovute ad esempio a terremoti, onde o vento variano casualmente nel tempo; etc. In oltre, i reali valori dei parametri del modello non sono noti con esattezza. 

L’approccio tradizionale all’analisi computazionale, in fase di progetto, è l’utilizzo di modelli puramente deterministici, e tutti gli effetti casuali sono presi in considerazione attraverso l’uso di fattori di sicurezza. L’uso dei fattori di sicurezza può tuttavia portare a sistema eccessivamente sovradimensionati e antieconomici, o a design sub-ottimali e poco robusti. Attraverso un trattamento sistematico e completo delle incertezze è invece possibile ottenere design ottimali certamente affidabili e robusti.

Chi dovrebbe partecipare?

Ingegneri, analisti, progettisti e managers provenienti dall'ambito industriale ed accademico che lavorano con la simulazione ingegneristica.

Il seminario fornirà:-

• una panoramica sui più recenti sviluppi nel campo dell’analisi di affidabilità, modellizzazione robusta delle incertezze, simulazione Monte-Carlo avanzata e cenni di modellizzazione imprecisa
  
• esempi di come la simulazione con incertezza è utilizzata in applicazioni industriali per migliorare la progettazione e il supporto a prodotti e sistemi complessi
  
• esempi di ottimizzazione robusta e basata sull’affidabilità (Reliability Based Optimization) in applicazioni industriali