2. Docenti
  3. PATARO Gianpiero
  4. Didattica

MATHEMATICAL MODELING OF PROCESSES IN FOOD INDUSTRIES - MODELLISTICA MATEMATICA DEI PROCESSI DELL'INDUSTRIA ALIMENTARE

Gianpiero PATARO MATHEMATICAL MODELING OF PROCESSES IN FOOD INDUSTRIES - MODELLISTICA MATEMATICA DEI PROCESSI DELL'INDUSTRIA ALIMENTARE

0622800009
DIPARTIMENTO DI INGEGNERIA INDUSTRIALE
CORSO DI LAUREA MAGISTRALE
INGEGNERIA ALIMENTARE
2016/2017



OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2014
PRIMO SEMESTRE
CFUOREATTIVITÀ
660LEZIONE
GIANPIERO PATARO T Curriculum
Obiettivi
IL CORSO MIRA A FORNIRE AGLI STUDENTI LE CONOSCENZE DI BASE, LE METODOLOGIE ED ALCUNI STRUMENTI SOFTWARE PER AFFRONTARE LA RAPPRESENTAZIONE ASTRATTA DEI SISTEMI NELL’INGEGNERIA DI PROCESSO, IN PARTICOLARE PER CASI DI INTERESSE NELLA PRODUZIONE INDUSTRIALE ALIMENTARE. LE COMPETENZE RISULTANTI SONO GLI STRUMENTI DI RAPPRESENTAZIONE ASTRATTA, I CRITERI DI CLASSIFICAZIONE E LE TECNICHE DI SVILUPPO DEI MODELLI MATEMATICI; LA CAPACITÀ DI RISOLVERE NUMERICAMENTE LE EQUAZIONI DIFFERENZIALI ALLE DERIVATE PARZIALI DI TIPO PARABOLICO; LA CAPACITÀ DI RISOLVERE UN PROBLEMA DI PROGRAMMAZIONE LINEARE.

CONOSCENZA E COMPRENSIONE
COMPRENSIONE DELLA TERMINOLOGIA UTILIZZATA NELLO SVILUPPO, APPLICAZIONI E SOLUZIONE DEI MODELLI MATEMATICI.
CAPACITÀ DI DISTINGUERE IL LIVELLO DI COMPLESSITÀ OPPORTUNO PER LA DESCRIZIONE SISTEMISTICA DEGLI IMPIANTI DELL’INDUSTRIA ALIMENTARE E CONOSCENZA DI TECNICHE E STRUMENTI MATEMATICI PER LA LORO RAPPRESENTAZIONE ASTRATTA.
COMPRENSIONE DELLA TERMINOLOGIA UTILIZZATA NELLA DESCRIZIONE E NELLA FORMALIZZAZIONE DEI PROBLEMI DI OTTIMIZZAZIONE.

ANALISI INGEGNERISTICA
RAPPRESENTARE UN MODELLO DINAMICO DESCRITTO ATTRAVERSO UN’EQUAZIONE DIFFERENZIALE ALLE DERIVATE PARZIALI (PDE) DI TIPO PARABOLICO ATTRAVERSO IL METODO DELLE DIFFERENZE FINITE.
ESSERE CAPACI DI OTTENERE, SEZIONARE, RIELABORARE ED ANALIZZARE CRITICAMENTE DATI DI INTERESSE INGEGNERISTICO.
DESCRIVERE UN PROBLEMA DI OTTIMIZZAZIONE LINEARE SECONDO IL FORMALISMO E LE IPOTESI DI BASE PER LA PROGRAMMAZIONE LINEARE.

PROGETTAZIONE INGEGNERISTICA
DESCRIVERE UN PROCESSO O UN FENOMENO DI INTERESSE INGEGNERISTICO ATTRAVERSO IL CONCETTO DI BILANCIO DI POPOLAZIONE E SVILUPPARE IL RELATIVO MODELLO MATEMATICO.
RISOLVERE UN MODELLO DINAMICO DESCRITTO ATTRAVERSO UN’EQUAZIONE DIFFERENZIALE ALLE DERIVATE PARZIALI (PDE) DI TIPO PARABOLICO ATTRAVERSO IL METODO DELLE DIFFERENZE FINITE CON L’IMPIEGO DI SOFTWARE, E PRECISAMENTE IL MUC®.
TRATTARE UN SET DI DATI DI INTERESSE INGEGNERISTICO PER RAPPRESENTARLO ATTRAVERSO UN MODELLO EMPIRICO CON L’IMPIEGO DI SOFTWARE, E PRECISAMENTE IL CURVE FITTING TOOLBOX DI MATLAB®.
TROVARE IL VALORE OTTIMO IN UN PROBLEMA DI PROGRAMMAZIONE LINEARE CON L’IMPIEGO DI SOFTWARE, E PRECISAMENTE IL TUTORIAL BY NEUMAN DI MATLAB®.

CAPACITÀ DI INDAGINE
RICONOSCERE LE CARATTERISTICHE SPECIFICHE E LE CONNOTAZIONI PIÙ FREQUENTI NEI MODELLI MATEMATICI RAPPRESENTATIVI DI PROCESSI DELL’INDUSTRIA ALIMENTARE.
DISTINGUERE LE DIFFERENZE DI COMPORTAMENTO, CONCETTUALI E PRATICHE, IN CONDIZIONI DI REGIME O DINAMICHE, TRA SISTEMI LINEARI E NON LINEARI.
DISTINGUERE LE IMPLICAZIONI DI UN PROBLEMA DI OTTIMO LINEARE DA UNO NON LINEARE.

PRATICA INGEGNERISTICA
SAPER CLASSIFICARE I MODELLI MATEMATICI.
SAPER RICONOSCERE LIMITI E DIFFICOLTÀ CONNESSE ALL’USO DI SPECIFICO SOFTWARE DI CALCOLO.
SAPER DISTINGUERE IL LIVELLO DI COMPLESSITÀ OPPORTUNO PER LA DESCRIZIONE SISTEMISTICA DEGLI IMPIANTI DELL’INDUSTRIA DI PROCESSO.
SAPER CLASSIFICARE I PROBLEMI DI OTTIMIZZAZIONE.

CAPACITÀ TRASVERSALI
ABILITÀ COMUNICATIVE E DI LAVORO IN SISTEMI STRUTTURATI
SAPER PREPARARE E GESTIRE UNA SESSIONE INTERATTIVA SU PC CON L’IMPIEGO DI SOFTWARE, DOTATO DI INTERFACCIA SIA ALFANUMERICA SIA GRAFICA, E PRECISAMENTE MATLAB® E MUC®.
SAPER SVOLGERE UNA PROVA PRATICA SU PC IN CUI RIPORTARE LA DISCUSSIONE DI UN PROBLEMA IN MS WORD® CON I RISULTATI OTTENUTI DA MATLAB® E/O MUC®.
NON SONO PREVISTI LAVORO O ESERCITAZIONI DI GRUPPO.

CAPACITÀ DI APPRENDERE
COMPRENDERE LA TERMINOLOGIA UTILIZZATA IN LINGUA INGLESE NELLO SVILUPPO E NELLE APPLICAZIONI DEI MODELLI MATEMATICI.
SAPER APPLICARE LE CONOSCENZE ACQUISITE A CONTESTI DIFFERENTI DA QUELLI PRESENTATI DURANTE IL CORSO, ED APPROFONDIRE GLI ARGOMENTI TRATTATI USANDO CASI DIVERSI DA QUELLI PROPOSTI.
Prerequisiti
PER IL PROFICUO RAGGIUNGIMENTO DEGLI OBIETTIVI PREFISSATI SONO RICHIESTE LE CONOSCENZE MATEMATICHE DI BASE, IN PARTICOLARE PER LE EQUAZIONI DIFFERENZIALI ORDINARIE ED A DERIVATE PARZIALI, LA PADRONANZA SUI BILANCI DI MATERIA E DI ENERGIA IN CONDIZIONI NON STAZIONARIE ED I FONDAMENTI SUI FENOMENI DI TRASPORTO.
Contenuti
ARGOMENTICONTENUTI SPECIFICI
ORE LEZ. ORE ESERC.ORE LAB.
INTRODUZIONE AL SOFTWARE SPECIFICONOTE PRELIMINARI SU MATLAB® E LABVIEW®, CODICE MUC 1.0 - PARABOLIC PDE SOLVER SCRITTO IN LABVIEW®6
MODELLISTICA E SIMULAZIONECLASSIFICAZIONI DEI MODELLI IN GENERALE E DI QUELLI MATEMATICI IN PARTICOLARE: A PARAMETRI CONCENTRATI E DISTRIBUITI, STAZIONARI E DINAMICI; LINEARI E NON; BASATI SU EQUAZIONI ODE O PDE; A TEMPO CONTINUO O DISCRETO. MODELLI A PRINCIPI PRIMI. ES. DEL MODELLO PREDA-PREDATORE. MODELLI BASATI SUI FENOMENI DI TRASPORTO. SISTEMI SISO E MIMO; MODELLI ORIENTATI INGRESSO-USCITA E MODELLI CON RAPPRESENTAZIONE NELLO SPAZIO DI STATO. MAPPA LOGISTICA. SERIE TEMPORALI. MODELLI EMPIRICI E STATISTICI. RICHIAMI SUI MODELLI DI FITTING DI DATI.1925
BILANCI DI POPOLAZIONECASI GENERALI DI MODELLI BASATI SUI BILANCI DI POPOLAZIONE630
SOLUZIONE NUMERICA DI PDE PARABOLICHEMETODI DI EULERO, LAASONEN E CRANK-NICHOLSON. STABILITÀ, CONSISTENZA E CONVERGENZA503
INTRODUZIONE ALL’OTTIMIZZAZIONECLASSIFICAZIONI DEI PROBLEMI DI OTTIMIZZAZIONE: VINCOLATA E NON VINCOLATA, LINEARE E NON LINEARE. LA PROGRAMMAZIONE LINEARE: TEORIA; IL METODO GRAFICO; L’ALGORITMO DEL SIMPLESSO IN UNA E DUE FASI.704
TOTALE ORE37518
Metodi Didattici
L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE, ESERCITAZIONI IN AULA SVOLTE DAL DOCENTE SULLA LAVAGNA ED ESERCITAZIONI IN LABORATORIO INFORMATICO SVOLTE DAL DOCENTE IN MANIERA INTERATTIVA CON GLI STUDENTI, TRAMITE L’IMPIEGO DI OPPORTUNO SOFTWARE DIDATTICO. AD OGNI STUDENTE È ASSEGNATO UNO USER NAME ED UNA PASSWORD, E QUINDI CONSENTITO L’ACCESSO IN AULA DIDATTICA A PC DOTATI DELLA LICENZA DI MATLAB®¸ CON IL SUO CURVE FITTING TOOLBOX, E L’ESEGUIBILE MUC®.
Verifica dell'apprendimento
LA VALUTAZIONE DEL RAGGIUNGIMENTO DEGLI OBIETTIVI PREFISSATI AVVERRÀ MEDIANTE:
1) UNA PROVA PRATICA MEDIANTE LO SVOLGIMENTO DI 2 PROBLEMI DESCRITTI IN LINGUA INGLESE, UNO DI PROGRAMMAZIONE LINEARE, L’ALTRO ALTERNATIVAMENTE DI RISOLUZIONE DI PDE OPPURE DI COSTRUZIONE DI UN MODELLO DI FITTING DI DATI. LA PROVA SOFTWARE-BASED PREVEDE LO SVOLGIMENTO DI UN ELABORATO DIRETTAMENTE SU PC, IN MS WORD® E CON I RISULTATI OTTENUTI DA MATLAB® E/O MUC®, TENENDO TUTTO IL MATERIALE DIDATTICO DEL CORSO A DISPOSIZIONE;
2) UN SUCCESSIVO COLLOQUIO ORALE VERTENTE SULLA MODELLISTICA MATEMATICA.
LA PROVA PRATICA SI INTENDE SUPERATA CON IL MINIMO PUNTEGGIO (18/30) SE LO STUDENTE HA SVOLTO COMPLETAMENTE UNO SOLO DEI 2 PROBLEMI ASSEGNATI OPPURE HA FORNITO RISPOSTE VALIDE AL 60% DEI QUESITI.
Testi
1.SNIEDER R., “A GUIDED TOUR OF MATHEMATICAL METHODS FOR THE PHYSICAL SCIENCES”, 2ND EDITION, CAMBRIDGE UNIVERSITY PRESS, ISBN-13: 9780521834926, ISBN-10: 0521834929, 2004
2.HIMMELBLAU D.M. E BISCHOFF K.B., “PROCESS ANALYSIS AND SIMULATION”, WILEY,1967
3.DISPENSE FORNITE DAL DOCENTE.
Altre Informazioni
•SITO WEB DI RIFERIMENTO PER LO STUDIO PERSONALE E GLI ESAMI: HTTP://COMET.ENG.UNIPR.IT/~MICCIO
•SCRIVERE A: GPATARO@UNISA.IT
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2019-03-11]