La granulazione, il processo di incollaggio delle particelle primarie (seme) in aggregati più grandi e semipermanenti (granuli) in cui le particelle originali sono ancora identificabili, è una delle operazioni più significative ampiamente applicate nell'industria farmaceutica per la produzione di farmaci, principalmente compresse e capsule.
L'ampio utilizzo di frigoriferi domestici implica un notevole consumo di energia e la maggiore efficienza di questi dispositivi può portare a importanti risparmi energetici. In questo campo, avere il miglior metodo da utilizzare per simulare numericamente tali sistemi è molto importante per migliorare la modellazione del comportamento termico del comparto del cibo fresco.
L’obiettivo del progetto EC-JRC Safety è di agevolare il design di strategie atte a limitare le consequenze di onde d’urto, dovute a un atto terroristico o un evento accidentale, in ambienti urbani e facilitare la valutazione del rischio sulle persone e la stima di danni agli edifici e alle strutture. In particolare, lo scopo e’ quello di permettere simulazioni più veloci di eventi rapidi e transitori che coinvolgono interazioni tra fluido e struttura, grazie all’applicazione di metodi di Model Order Reduction e tecniche di Machine Learning.
Per Gemello Digitale (Digital Twin) si intende un equivalente digitale di un processo reale (Physical Twin). In particolare, SMACT Live Demo si pone come obiettivo quello di creare un Gemello Digitale innovativo, da intendersi come un sistema fortemente integrato di modelli che convive con il prodotto o processo reali (Physical Twin). Esso si basa su specifici algoritmi di machine learning che consentono, tramite dati acquisiti in tempo reale, di prendere decisioni in real time.
Nell'ambito dell'analisi numerica per equazioni alle derivate parziali parametriche, il progetto ambisce a sviluppare nuove metodologie per consentire lo studio di fenomeni complessi, identificati come cruciali per applicazioni matematiche o industriali. Il punto di partenza è la combinazione dei più tradizionali modelli di ordine ridotto, con nuove tecniche provenienti dall'apprendimento automatico e dalle reti neurali.
L'obiettivo del progetto, sostenuto dal programma Higher Education and Development del Fondo Sociale Europeo, è l'ottimizzazione del sistema di propulsione di una nave da crociera attraverso la parametrizzazione geometrica dell'elica stessa. La modellazione dell'elica verrà eseguita utilizzando un software open source con una procedura bottom-up.
Obiettivo del progetto SHEMS (Smart Hybrid Energy Management System) è quello di ridurre l'emissione di gas serra nell'atmosfera dovuti al consumo di carburante da parte delle navi. Lo scopo principale è quello di ottimizzare la potenza utiizzando risorse alternative presenti a bordo, come ad esempio le batterie. L'ottimizzazione delle emissioni sfrutta l'analisi di dati ottenuti dai sensori installati sulla nave stessa, analizzati con metodi di machine learning. Il progetto si pone l'obiettivo di migliorare la sostenibilità, oltre a ridurre l'impatto ambientale.