[Forum SIS] Borse di Dottorato in Modeling and Data Science XXXVII CICLO (PON RICERCA E INNOVAZIONE) - Università degli Studi di Torino

[Elvira Di Nardo]

Vi segnalo il

BANDO DI CONCORSO PUBBLICO PER 6 BORSE DI DOTTORATO SU TEMATICHE “GREEN” E
“INNOVAZIONE”  PON RICERCA E INNOVAZIONE 2014-2020 (D.M. 1061/2021) XXXVII
CICLO.

nell'ambito del Dottorato in Modeling and Data Science
<https://dottorato-mds.campusnet.unito.it/do/home.pl> (Università di
Torino)

*Deadline per la domanda: 28 ottobre 2021 ore 23.59 *

Con preghiera di diffusione a potenziali interessati, vi segnalo - in
particolare - i seguenti progetti:

Titolo: *Sviluppo di un sistema di monitoraggio energetico aziendale *
(MAT/06)

Referente Scientifico: *Cristina Zucca
<https://dipmath.campusnet.unito.it/do/docenti.pl/Alias?cristina.zucca#tab-profilo>
*

Tematica:
Il risparmio energetico e l'utilizzo di energie rinnovabili giocano un
ruolo  fondamentale nella ricerca di uno sviluppo aziendale sostenibile.
Questo richiede che, da una parte le aziende si organizzino per l'utilizzo
di energia rinnovabile e dall'altro individuino metodi di produzione volti
al risparmio energetico. La multinazionale Agilent nella sede torinese si
sta muovendo su entrambi questi fronti. Questo progetto di dottorato è in
parte finanziato da Agilent ed è rivolto a un ripensamento dei processi
produttivi introducendo il vincolo di minimizzare il consumo energetico.
Occorre individuare i processi a maggior consumo energetico e studiare come
ridurre i consumi o come ottimizzare i tempi di richiesta di energia,
evitando momenti di picco energetico. Il progetto partirà dall’analisi
statistica di dati esistenti a cui verranno affiancati i dati provenienti
da nuovi sensori opportunamente collocati. Il target finale sarà la
costruzione di modelli matematici predittivi del consumo energetico dei
singoli macchinari e delle linee di produzione. Tali modelli serviranno a
ridurre i consumi e ottimizzare la richiesta energetica. Background di
fisica e matematica (master in matematica, fisica o ingegneria).
Conoscenza del calcolo delle probabilità e della statistica (processi
stocastici e serie storiche). Lingua
inglese.


Titolo: *Analisi di big data relativi alle risorse idriche sotterranee
*(SECS-S/01;
INF 01)

Referente Scientifico: Stefano Ferraris
<https://www.dist.unito.it/do/docenti.pl/Alias?stefano.ferraris#tab-profilo>

Tematica: La prevenzione di eventi critici come la siccità agricola e
potabile richiede un uso estensivo di dati di monitoraggio ambientale. Oggi
è disponibile una quantità impressionante di dati e una varietà di
strumenti statistici e informatici che possono essere applicati per lo
studio di tali big data. Per il Piemonte disponiamo di informazioni nello
spazio e nel tempo. Tali dati comprendono più di vent'anni di livello di
acque sotterranee, portate fluviali, dati meteorologici di ARPA Piemonte e
dati satellitari. Unendo modelli matematici specifici e un approccio di
machine learning si prevede di valutare quantitativamente le risorse
idriche disponibili in un contesto di cambiamento climatico. Inoltre,
l'utilizzo di tali risultati suggerirà azioni di prevenzione al fine di
limitare i rischi idrogeologici legati ai cambiamenti climatici. Background
di fisica e matematica (master in matematica, fisica o ingegneria). Lingua
inglese.

Titolo: *Modellazione del bilancio idrico di bacini idrografici piemontesi *
(SECS-S/01; INF 01)

Referente Scientifico: Stefano Ferraris
<https://www.dist.unito.it/do/docenti.pl/Alias?stefano.ferraris#tab-profilo>

Tematica: Le inondazioni sono importanti conseguenze del cambiamento
climatico e la prevenzione di tali eventi catastrofici è diventata un
compito primario. L'attuale disponibilità di big data è un aiuto importante
per lo sviluppo di modelli realistici o per l'utilizzo di metodi di
machine learning. I modelli matematici possono quindi consentire di
prevedere possibili rischi e suggerire interventi sul territorio quando ci
si concentra su singoli bacini idrografici. Il progetto di dottorato mira a
utilizzare i dati di monitoraggio ambientale disponibili per la prevenzione
di eventi critici come alluvioni in aree specifiche del Piemonte. Oltre
all'utilizzo dei dati disponibili nello spazio e nel tempo, la ricerca
comprenderà lo sviluppo di una metodologia a scala di bacino (area di
ordine 100 km2). Tale scala è importante per una corretta gestione del
territorio e lo sviluppo di modalità adeguate di organizzazione dei
dati acquisiti saranno uno degli obiettivi del progetto, con particolare
riferimento al bacino della Regione Piemonte. L'utilizzo delle informazioni
estratte dai dati consentirà di sviluppare la seconda parte della ricerca,
che prevede lo sviluppo di modelli. Il funzionamento idrologico e idraulico
di un bacino idrografico in Piemonte sarà studiato attraverso metodi
statistici nel dominio del tempo o della frequenza, nonché con metodi
di apprendimento automatico e approccio fisico. Particolare enfasi sarà
dedicata all'analisi delle piene a scala di bacino con la simulazione di
eventi piovosi potenzialmente critici, con e senza l'adozione di tecniche
di mitigazione/prevenzione. I risultati, dopo essere stati implementati in
WebGIS, consentiranno un'applicazione diretta da parte di decisori,
amministratori locali e personale tecnico anche in altri bacini dell'arco
alpino. Background di fisica e matematica (master in matematica, fisica o
ingegneria). Lingua inglese.

Titolo:  *Monitoraggio delle portate fognarie come strumento di supporto
nello sviluppo di strategie gestionali atte alla mitigazione dell'impatto
dei cambiamenti climatici  *  (SECS-S/01; INF 01)

Referente Scientifico: Rosa Meo
<https://www.matematica.unito.it/do/docenti.pl/Alias?rosa.meo#tab-profilo>

Tematica:  Il cambiamento climatico provoca grandi esondazioni e la caduta
improvvisa di enormi quantità d'acqua che provocano danni ingenti quali
allagamenti superficiali se non ben  indirizzate. Le reti fognarie di molte
zone italiane sono vetuste e con condotti insufficienti a garantire il
deflusso di grandi quantità d'acqua. Per affrontare questa criticità si
propone la soluzione di studiare un modello di piano fognario e i possibili
interventi per migliorarlo con l'azienda (BrianzAcque) che affianca il
Gestore del servizio idrico.  Con l'espletamento delle attività legate agli
step di progetto, che prevedono la messa a punto di modelli predittivi, e i
possibili interventi di correzione alla rete, si otterrà un “piano fognario
integrato" che permette una visione globale, individua gli interventi di
correzione, le priorità e il costo, utili ai fini della pianificazione
degli interventi.  Il dottorand* deve avere competenze di analisi dati,
Data Mining o Machine Learning, per la creazione di modelli predittivi
delle serie storiche, preferibilmente con conoscenza e background di
processi stocastici. La conoscenza della lingua Inglese (lettura e
scrittura) è indispensabile.

Per ulteriori informazioni visitare il sito

https://www.dottorato.unito.it/do/home.pl/View?doc=Bando_Green.html

Cordialmente,
Elvira Di Nardo

-- 
%-------------------------------------------------------
Elvira Di Nardo
Dept. Mathematics "G. Peano"
University of Torino
Via Carlo Alberto 10
10123 Torino, Italia
tel. +39 0116702862
fax +39 0116702878
http://www.elviradinardo.it
%-------------------------------------------------------
-------------- parte successiva --------------
Un allegato HTML è stato rimosso...
URL: <http://www.stat.unipg.it/pipermail/sis/attachments/20211015/1c3b543a/attachment.html>