Search

ObjectivesGuidelines recommend open bypass surgery for long occlusions of infrainguinal arteries. In situ saphenous vein bypass is a standardized technique. The aim of this study was to report preliminary six-month outcomes of a national, multicenter, observational, prospective registry based on the examination of treatment of critical Limb IscheMia with infragenicular Bypass adopting the in situ SAphenous VEin technique (LIMBSAVE).MethodsFrom January 2018 until October 2019, 428 patients from 41 centers were enrolled in the LIMBSAVE registry. Data were prospectively collected in a dedicated database, including demographics, preoperative risk factors, clinical and diagnostic preoperative assessments, intraoperative measures (including safety and effectiveness of the valvulotome during the surgical procedures), and 30-day follow-up data. Furthermore, estimated six-month outcomes according to Kaplan–Meier curves in terms of primary patency, primary assisted patency, secondary patency, and limb salvage were evaluated.ResultsPatients were predominantly male ( n = 332, 77.6%) with a mean age of 73.3 years (range 39–95). Technical success, defined as bypass pulse after use of the valvulotome, was obtained in all cases. The proximal anastomosis could be reached by the valvulotome in all cases. The mean number of valvulotome uses was 2.5 (range 1–5). No vein perforation was reported. In nine cases (2.1%), a vein lesion with intramural hemorrhage occurred. The mean length of hospital stay was 11.1 days (range 1–60). At 30-day follow-up, the overall bypass patency rate was 97.4%, and the rate of open or endo reinterventions for failing bypass was 5.4%. At six-month follow-up, the estimated primary patency, primary assisted patency, secondary patency, and limb salvage were 78.1%, 86.2%, 92.1%, and 94.7%, respectively.ConclusionsPreliminary intraprocedural outcomes of the LIMBSAVE registry show that the in situ technique with the valvulotome is safe and effective in disrupting valves and obtaining pulsatility in the saphenous vein. The complication rate related to the use of the valvulotome is low. The six-month preliminary outcomes in terms of overall patency and limb salvage are promising. Further examinations and continuous follow-up are needed to evaluate long-term outcomes.

L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare il prototipo hardware e la sua integrazione in una installazione presso Futura Lab. Si riporta per completezza anche l'installazione sulla tubiera ( nello specifico sulla macchina core maker "Camallo"), descritta anche nel corso delle attività di OO3, obiettivo operativo in cui tale macchina è stata progettata e realizzata. In definitiva, il documento si articola come segue. Nella sezione 2 si riportano alcune immagini delle componenti del prototipo installato, mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.

L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Sulla base delle osservazioni e delle opportunità appena descritti, utilizzando le linee guida per la realizzazione degli algoritmi per l'analisi dei dati di posizionamento riportati in D2.3.1, in questo documento ci si prefigge di presentare il sw sviluppato. Il documento si articola come segue. Nella sezione 2 si riportano alcuni screenshot del SW realizzato mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.

L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il contenuto di questo deliverable si fonda sul lavoro già svolto nelle attività operative AO2.2 per il sistema di acquisizione dei dati di localizzazione e su AO2.3 per gli algoritmi e le regole di analisi delle traiettorie, già implementate al''interno dell'attività facendo perno su un engine per l'esecuzione delle policies, ossia Drools. In questo documento ci si concentra quindi sulle modalità di scrittura e realizzazione delle policies, mostrando degli esempi espliciti di editing. L'infrastruttura SW rimane in ogni caso quella già descritta in D2.3.2 a cui si rimanda per completezza. Il documento si articola come segue. Nella sezione 2 si riportano alcuni screenshot del SW realizzato mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.

L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare i test eseguiti per validare il prototipo hardware software realizzato nel corso dell'attività AO2.2. I test sono propedeutici alla integrazione e ai test del sistema complessivo, come previsto in AO2.5. Il documento si articola come segue. Nella sezione 2 si riportano i test e i risultati conseguiti mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.

L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare i test eseguiti per validare il prototipo hardware software integrato nell'installazione presente presso Futura Lab. Il documento si articola come segue. Nella sezione 2 si riportano i test e i risultati conseguiti mentre la sezione 3 conclude il documento con discussione sui risultati conseguiti.

L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Il presente deliverable ha lo scopo di illustrare il prototipo hardware software realizzato per il progetto e su cui si baseranno le attività di integrazione e test in Futura Lab previste in AO2.5. Il documento si articola come segue. Nella sezione 2 si riportano alcune immagini dei componenti del prototipo e alcuni screenshot del software realizzato. mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.

L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Sulla base delle osservazioni e delle opportunità appena descritti, in questo documento ci si prefigge di formalizzare un insieme di casi d'uso che potranno essere supportati dal sistema. Lo scopo è duplice. Da un lato, ciò permette di individuare le policies, intese sia come procedure sia come elaborazioni informatizzate da eseguirsi automaticamente per favorire livelli di safety più elevati. Dall'altro, l'esercizio di individuazione dei casi d'uso permette di apurare i requisiti sul sistema complessivo, andando quindi a delinearne le specifiche tecniche di dettaglio. A tal fine, a complemento di questo documento è stato prodotto che il deliverable D2.1.1 in cui sulla base degli use cases riportati qui sono state estratte e stilate le specifiche funzionali del sistema di sicurezza avanzato.

L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Come già richiamato in D2.1.1, il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su cosa realmente accade nell'impianto nella sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande centralità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. Sulla base delle osservazioni e delle opportunità appena descritti, in questo documento ci si prefigge di formalizzare un insieme di algoritmi per l'analisi delle traiettorie che potranno supportare i casi d'uso identificati. Il documento si articola come segue. Nella sezione 2 si riportano le classi di algoritmi identificati mentre la sezione 3 conclude il documento con una descrizione delle attività future previste.

L'obiettivo operativo OO2 del progetto Smart Converting 4.0 mira a realizzare soluzioni innovative per la sicurezza basate su intelligenza artificiale, tecnologie evolute di localizzazione e robotica collaborativa integrandole nella operatività delle linee di converting. Le soluzioni consentiranno di incrementare il livello di sicurezza della linea, portandolo ben al di sopra dei vigenti requisiti normativi. Il sistema oggetto di studio consentirà di conoscere in tempo reale lo stato dell'impianto di trasformazione per carta tissue e per nonwoven ("tessuto-non-tessuto"), in particolare, in relazione alla posizione degli operatori e di eventuali mezzi mobili e, grazie a questo, consentire una notevole riduzione del rischio di incidenti. Il sistema funzionerà attraverso due diverse modalità: modalità "on line" e modalità "off line". Nella modalità "on line", il sistema, grazie della conoscenza dello stato e delle posizioni delle persone intorno al macchinario e sulla base di opportune policies, implementerà delle azioni sia verso gli operatori sia verso le macchine e i componenti robotici stessi, quali, ad esempio, il rilevamento di una eccessiva presenza di operatori in una zona dove operano mezzi mobili potenzialmente pericolosi, o la vicinanza o l'intrusione di un operatore in un'area interdetta. Quando la logica di una di queste policies risulterà verificata, il sistema genererà allarmi o interverrà automaticamente sull'impianto o sul singolo componente robotico, ad esempio rallentandone il funzionamento o inibendolo. Nella modalità "off line" sarà possibile analizzare i dati a posteriori ed effettuare delle analisi utili a comprendere lo stato dell'arte delle procedure "de facto" in essere, consentendo quindi di definire ed implementare ottimizzazioni procedurali basate su ciò che realmente accade nell'impianto durante la sua normale operatività, il tutto ovviamente sempre nel rispetto dei diritti e delle privacy degli operatori. A titolo di esempio potremmo ipotizzare di verificare quante volte un operatore si avvicina o entra in una zona pericolosa. La conoscenza delle procedure effettive, vale a dire non quelle previste o schedulate ma quelle che effettivamente si verificano, avrà ovviamente ricadute positive non solo in termini di aumento della sicurezza ma anche in termini di incremento della produttività dell'intera linea di converting. Inoltre, in un momento in cui il distanziamento sociale e le modalità per rispettarlo sui luoghi di lavoro sono un tema di grande attualità, la conoscenza del posizionamento e della distanza tra gli operatori può aiutare a rispettare e mantenere le distanze dovute e, allo stesso tempo, consentire ai responsabili della sicurezza raccogliere preziose informazioni quantitative sulle aree della linea e sulle operazioni che hanno dato luogo a violazioni delle disposizioni in merito. In breve, l'architettura su cui si intende basare questo sistema è composta da un device mobile (Tag) che, nel caso degli operatori, sarà indossabile e alimentato a batteria. Tale device instaurerà una comunicazione con una infrastruttura fissa realizzata con una serie di ancore disposte nell'ambiente secondo criteri opportuni e tale comunicazione radio tra il device mobile e le ancore consentirà di conoscere in tempo reale la posizione di ciascun device. Questa informazione verrà comunicata alla piattaforma software dove verranno implementate le policies e l'archiviazione dei parametri utili alle funzioni offline. Occorre realizzare quindi un sistema di RTLS (Real Time Location System) che consenta il tracciamento in tempo reale di persone o mezzi equipaggiati con tag. Questa prima attività di OO1 i cui esiti sono descritti nel precedente documento mira a stilare i requisiti del sistema, in primo luogo, ad alto livello, ovvero come panoramica del sistema complessivo e, in secondo luogo, saranno tradotte in specifiche di dettaglio in termini requisiti HW/SW e di comunicazione e verrà definita l'architettura del sistema. In questa attività sono anche definite le tecnologie da utilizzare secondo una analisi costi benefici sulla base dei requisiti precedentemente citati. A complemento di questo documento è stato prodotto che il deliverable D2.1.2 incentrato sui casi d'uso per il sistema di sicurezza avanzato, individuati sotto la guida di Futura. Proprio la selezione di tali use cases permette di specificare i dati che sarà necessario estrarre ed integrare. Tali dati saranno relativi al funzionamento della linea, indentificando i requisiti delle interfacce di comunicazione con il sistema SCADA e, eventualmente, con i PLC delle singole macchine. Alla stessa stregua, si sono identificate le possibili modalità di interazione con gli operatori, analizzando l'utilizzo di molteplici tecnologie, quali dispostivi wearable, tablet/smartphone e occhialini "see-through", tenendo al contempo in considerazione anche soluzioni standard quali messaggi visuali su pannelli e avvisi acustici. Il documento si articola come segue. Nella sezione 2 si riporta un'analisi dei requisiti di alto livello del sistema e delle funzionalità che deve essere in grado di supportare, concludendo la sezione con alcune considerazioni sugli aspetti normativi e sulla valenza del sistema proposto. Nella sezione 3 si descrivono gli aspetti tecnologici sull'utilizzo di sistemi per la localizzazione, mentre nella sezione 4 si propongono due possibili architetture basate sulla tecnologia in Ultra-Wide Band (UWB). L'analisi e il confronto delle loro caratteristiche consente di identificare quella più adatta allo scenario di utilizzo previsto. Infine nella sezione 5 si riporta una panoramica del sistema e si riportano le specifiche di dettaglio delle varie parti.

Catch up growth a risk factor for type 2 diabetes is characterized by hyperinsulinemia and accelerated body fat recovery. Using a rat model of semistarvation refeeding that exhibits catchup fat we previously reported that during refeeding on a low fat diet glucose tolerance is normal but insulin dependent glucose utilization is decreased in skeletal muscle and increased in adipose tissue where de novo lipogenic capacity is concomitantly enhanced. Here we report that isocaloric refeeding on a high fat (HF) diet blunts the enhanced in vivo insulin dependent glucose utilization for de novo lipogenesis (DNL) in adipose tissue. These are shown to be early events of catch up growth that are independent of hyperphagia and precede the development of overt adipocyte hypertrophy adipose tissue inflammation or defective insulin signaling. These results suggest a role for enhanced DNL as a glucose sink in regulating glycemia during catch up growth which is blunted by exposure to an HF diet thereby contributing together with skeletal muscle insulin resistance to the development of glucose intolerance. Our findings are presented as an extension of the Randle cycle hypothesis whereby the suppression of DNL constitutes a mechanism by which dietary lipids antagonize glucose utilization for storage as triglycerides in adipose tissue thereby impairing glucose homeostasis during catch up growth.

International audience; The integration of web technologies and web services has been, in the recent years, one of the major trends in upgrading and developing control systems for accelerators and large experimental apparatuses. Usually, web technologies have been introduced to complement the control systems with smart add-ons and user friendly services or, for instance, to safely allow access to the control system to users from remote sites. In spite of this still narrow spectrum of employment, some software technologies developed for high performance web services, although originally intended and optimized for these particular applications, deserve some features that would allow their deeper integration in a control system and, eventually, use them to develop some of the control system's core components. In this paper we present the conclusion of the preliminary investigations of a new paradigm for an accelerator control system and associated machine data acquisition system (DAQ), based on a synergic combination of network distributed cache memory and a non-relational key/value database. We investigated these technologies with particular interest on performances, namely speed of data storage and retrieve for the network memory, data throughput and queries execution time for the database and, especially, how much this performances can benefit from their inherent scalability. The work has been developed in a collaboration between INFN-LNF and INFN-Roma Tor Vergata.

This paper presents a comprehensive treatment of the nonlinear electro-thermal memory effect arising in a GaAs PHEMT. In particular is demonstrated the way with which the pure nonlinear electrical effect and the electro-thermal one combine and in turn determine a dispersive third-order intermodulation. The analysis is based on an accurate distributed model modified in order to take into account for the dynamic thermal behaviour under large signal operation. The results show a reduction of the intermodulation product in response to a reduction of the two tones frequency spacing, in agreement with the analytical treatment.