Tesi di Laurea Specialistica: Sperimentazione e commissioning di rete Zigbee in ambito industriale presso So.Tel srl

Metodologia: La tesi, di carattere sperimentale, consisterà nella progettazione e istallazione di una rete Zigbee in ambiente industriale.

In particolare, la tesi richiedera’ di svolgere le seguenti attivita’:

  • Verifica della adeguatezza del sito e realizzazione di misure di attenuazione e di tasso d’errore, preliminari alla collocazione dei nodi
  • Valutazione del funzionamento della rete in presenza di interferenze ambientali e di altre reti (WiFi, Bluetooth)
  • Pianificazione del posizionamento dei nodi
  • Configurazione Hardware/Firmware dei nodi
  • Verifica della robustezza della rete post-installazione
  • Stesura di un rapporto sulle prove effettuate

La tesi verrà svolta presso la So.tel srl (sede zona Montesacro) utilizzando una rete Zigbee e un tool di commissioning sviluppati dall’azienda. Durante tutto il periodo della tesi il candidato collaborerà allo svolgimento del lavoro con un tutor dell’ azienda.

Requisiti: il candidato dovrà avere competenze di base su sistemi wireless, uso di software di progettazione, misure elettriche e misure di campi elettromagnetici.

Contatti:

Tesi Specialistica presso Sede ENEA C.R. Frascati – Laboratori FISLAS

Titolo Tesi:
Quantificare in un campione di acqua marina la molteplicità e la varietà di organismi del fitoplancton tramite tecniche di Machine Learning applicate a dati da citofluorimetria laser in flusso a scansione.

Abstract:
La Citofluorimetria in flusso è una tecnica di misura multiparametrica
di caratteristiche ottiche e morfologiche condotta su particelle in
sospensione all’interno di un fluido di trasporto. Le particelle (che
possono essere costituite anche da organismi monocellulari) passano
allineate attraverso un sistema di rilevazione ottico/elettronico. Aspetto peculiare della citofluorimetria in flusso a scansione è quello di rivelare e memorizzare molti parametri per ogni singola particella analizzata, parametri che correlati tra loro permettono di individuare e studiare sottopopolazioni (anche rare) di organismi.

L’analisi dei dati ottenuti da apparato citofluorimetrico verrà eseguita tramite tecniche di Machine Learning che, utilizzando informazioni
caratteristiche delle micro-particelle (dimensioni, forma, indice di
rifrazione, ecc.), effettueranno la classificazione e la quantificazione. Il prodotto finale consisterà in modelli computazionali in grado di estrarre ed estrapolare informazioni dell’ecosistema oggetto dell’indagine.

Contatti:
Giovanni Dipoppa (giovanni.dipoppa@enea.it)
Enrico Tronci (tronci@di.uniroma1.it)