AIDOaRt è un progetto europeo H2020-ECSEL della durata di 3 anni che coinvolge 32 organizzazioni, raggruppate in cluster da 7 paesi diversi, incentrato sull’automazione potenziata dall’IA a supporto di modellazione, codifica, test, monitoraggio e sviluppo continuo nei sistemi cyber-fisici (CPS).

Programma di Finanziamento

Piano Nazionale della Ricerca Militare – Ministero Della Difesa, Segretariato Generale della Difesa

Coordinatore

Mälardalen University, Sweden

Partners

MAELARDALENS HOEGSKOLA (SE), AIT AUSTRIAN INSTITUTE OF TECHNOLOGY GMBH (AT), Automated Software Testing GmbH (AT), AVL LIST GMBH (AT), Dynatrace Austria GmbH (AT), TECHNISCHE UNIVERSITAET GRAZ (AT), UNIVERSITAT LINZ AT (AT), CAMEA SPOL SRO (CZ), Cognitechna s.r.o. (CZ), HONEYWELL INTERNATIONAL SRO (CZ), VYSOKE UCENI TECHNICKE V BRNE (CZ), ABO AKADEMI (FI), Anders Innovations Oy (FI), Qentinel Oy (FI), CLEARSY SAS (FR), INSTITUT MINES-TELECOM (FR), prevision.io (FR), SOFTEAM (FR), ABINSULA SRL (IT), INTECS SOLUTIONS SPA (IT), RO TECHNOLOGY SRL (IT), TEKNE SRL (IT), UNIVERSITA DEGLI STUDI DELL’AQUILA (IT), UNIVERSITA DEGLI STUDI DI SASSARI (IT), ACORDE TECHNOLOGIES SA (ES), FUNDACIO PER A LA UNIVERSITAT OBERTA DE CATALUNYA (ES), HI IBERIA INGENIERIA Y PROYECTOS SL (ES), INSTITUTO TECNOLOGICO DE INFORMATICA (ES), PRODEVELOP (ES), UNIVERSIDAD DE CANTABRIA (ES), BOMBARDIER TRANSPORTATION SWEDEN AB (SE), VOLVO CONSTRUCTION EQUIPMENT AB (SE), RISE RESEARCH INSTITUTES OF SWEDEN AB (SE), WESTERMO TELEINDUSTRI AB (SE).

Descrizione

AIDOaRt è un progetto europeo H2020-ECSEL della durata di 3 anni che coinvolge 32 organizzazioni, raggruppate in cluster da 7 paesi diversi, incentrato sull’automazione potenziata dall’IA a supporto di modellazione, codifica, test, monitoraggio e sviluppo continuo nei sistemi cyber-fisici (CPS).

La sua missione è creare un framework che incorpori metodi e strumenti per software, ingegneria di sistema e validazione continui, sfruttando i vantaggi delle tecniche di intelligenza artificiale (in particolare il Machine Learning) per fornire vantaggi in termini di produttività, qualità e prevedibilità significativamente migliorate di CPS, CPSoS e, più in generale, grandi e complessi sistemi industriali attraverso: la fornitura di un framework basato su modelli per supportare il processo di sviluppo del CPS introducendo l’automazione potenziata dall’IA; il potenziamento della toolchain DevOps mediante l’impiego di tecniche di IA e Machine Learning (ML) in molteplici aspetti del processo di sviluppo del sistema; supportare la raccolta, la rappresentazione e la tracciabilità dei dati di elaborazione e dei modelli software e analizzare i dati storici e quelli in tempo reale in combinazione con le informazioni di progettazione