Kit didattico per l’automazione industriale e la robotica, progettata per riprodurre un sistema reale in ambito Industry 4.0. Integra hardware neXo Core Technology, Raspberry Pi 5 e ambiente CODESYS.
COD.MEPA: 366629CS
Descrizione
Nell'industria di oggi il controllo di processo e la visione artificiale non sono più due mondi separati: la linea si ferma perché un modello ha riconosciuto un pezzo difettoso, la velocità del nastro si adatta a ciò che la telecamera vede, la manutenzione si programma sui dati che l'impianto stesso produce. È la convergenza tra automazione classica e AI a definire la fabbrica intelligente — ed è proprio questa convergenza che la didattica fatica a portare in laboratorio.
Campus Pro Ingrano la porta su un banco.
Un nastro trasportatore montato su telaio in profilato d'alluminio industriale, con sensori e attuatori reali. Un Raspberry Pi 5 da 8GB che esegue il runtime CODESYS e diventa a tutti gli effetti un controllore programmabile secondo lo standard IEC 61131-3, dialogando con moduli di I/O industriali su bus di campo.
Un pannello di supervisione con l'interfaccia HMI sviluppata dagli studenti. Una Camera Module 3 che osserva il processo. E una Raspberry Pi AI HAT che esegue l'inferenza direttamente a bordo macchina, senza cloud, senza latenza, senza dipendenze esterne.
Gli studenti non simulano una linea di produzione: ne programmano una, la strumentano, le insegnano a vedere e la mettono in funzione.
Perché sceglierlo?
Programmazione PLC, bus di campo, HMI, visione artificiale, machine learning, integrazione dei dati.
Discipline che nei laboratori tradizionali vivono su attrezzature diverse — e spesso in materie diverse — qui convergono su un unico sistema. È il modo più efficace per far capire agli studenti che l'automazione moderna è un lavoro di squadra tra saperi.L'AI è concreta, non astratta.Il modello che gli studenti addestrano non produce un numero su uno schermo: fa fermare un nastro, scartare un pezzo. La differenza tra "accuratezza del 94%" e "conseguenza fisica" si azzera, e con essa anche la percezione dell'AI come magia.
Inferenza on-edge, senza cloud.
La AI HAT+ esegue i modelli localmente. Nessun account da attivare, nessun costo ricorrente per token o chiamate API, nessun dato che esce dalla rete scolastica — un vantaggio non trascurabile in termini di conformità GDPR e di gestione dell'infrastruttura IT d'istituto. Ed è, non secondariamente, l'architettura che l'industria sta effettivamente adottando.
Standard industriali veri.
CODESYS è la piattaforma su cui si basano i controllori di decine di costruttori. IEC 61131-3 è la norma con cui si programmano i PLC in tutto il mondo. Le competenze acquisite su questo banco sono trasferibili tal quali su un impianto reale: gli studenti non imparano un ambiente didattico, imparano il mestiere.
Tutto in vista, tutto ispezionabile.
Il telaio aperto in profilato d'alluminio non è una scelta estetica: rende visibili cablaggi, moduli, sensori e schede. Nessuna scatola nera. Gli studenti possono seguire un segnale dal sensore al programma alla visualizzazione HMI, e capire davvero cosa succede a ogni passaggio.
Modulare ed estendibile.
La componentistica permette di riconfigurare il processo e l'ecosistema Raspberry Pi consente di ampliare il kit con sensoristica, connettività e nuovi carichi di lavoro. Un investimento che cresce insieme al curricolo, non un prodotto che invecchia con esso.
Quale percorso didattico potrei sviluppare?
Il kit sostiene un curricolo progressivo, articolabile su più annualità o su più discipline. Ogni modulo è autoconsistente e produce un risultato funzionante.
- Fondamenti di automazione — Il processo sotto controllo
Cablaggio e messa in servizio della linea. Programmazione del controllore in Ladder e Structured Text: avvio/arresto, gestione dei finecorsa, logiche di sicurezza, temporizzatori e contatori. Introduzione al ciclo di scansione del PLC e alla programmazione a stati.
Competenze: IEC 61131-3, logica cablata e programmata, sicurezza funzionale di base. - Architetture di campo — Come parlano le macchine
Configurazione del bus di campo, mappatura degli I/O, gestione dei nodi, diagnostica dei guasti di comunicazione. Confronto tra architetture di rete industriali e reti IT tradizionali.
Competenze: reti industriali, indirizzamento, troubleshooting sistematico. - Interfaccia operatore — Progettare per chi lavora
Sviluppo della visualizzazione HMI: sinottico di impianto, comandi, gestione degli allarmi, storicizzazione. Principi di ergonomia dell'interfaccia e di segnalazione degli stati anomali.
Competenze: progettazione HMI/SCADA, user experience in ambito industriale. - Visione artificiale classica — Insegnare a guardare
Acquisizione e calibrazione della telecamera, illuminazione, pre-elaborazione delle immagini, riconoscimento per soglia e per forma. Perché la visione tradizionale funziona bene e dove smette di bastare.
Competenze: elaborazione delle immagini, Mediapipe, metodo sperimentale. - Machine learning applicato — Costruire il modello
Progettazione del dataset direttamente sull'impianto: acquisizione, etichettatura, bilanciamento delle classi. Addestramento tramite transfer learning, valutazione delle metriche, ottimizzazione e conversione del modello per l'esecuzione sull'acceleratore neurale.
Competenze: ciclo di vita di un modello ML, dataset engineering, valutazione critica delle prestazioni. - Integrazione AI–PLC — Quando la rete decide
Il risultato dell'inferenza diventa una variabile di processo: il controllore riceve la classificazione e agisce. Realizzazione di una stazione di controllo qualità automatico con scarto dei pezzi non conformi, gestione delle soglie di confidenza e dei casi incerti.
Competenze: integrazione di sistemi, progettazione della logica decisionale, gestione dell'incertezza. - Dati e manutenzione predittiva — L'impianto che si racconta
Raccolta e storicizzazione dei dati di processo, definizione della baseline di funzionamento, rilevazione delle anomalie, calcolo di indicatori di efficienza produttiva. Introduzione ai protocolli di interoperabilità Industria 4.0 e alla realizzazione di dashboard di monitoraggio.
Competenze: analisi dei dati industriali, KPI di produzione. - Progetto d'impianto — Dalla specifica alla consegna
Attività di sintesi, adatta a PCTO, esame di Stato o project work ITS: partendo da una specifica funzionale, gli studenti riconfigurano il processo, ne progettano il controllo, ne sviluppano la componente intelligente e ne documentano il collaudo.
Competenze: ingegneria dei requisiti, lavoro di gruppo, documentazione tecnica, collaudo.
Il kit è tutto da assemblare seguendo la guida dettagliata allegata. Gli strumenti necessari per il montaggio sono inclusi.
È compatibile con Firewall, Switch, Router di brand come Cisco da acquistare separatamente.
Il prodotto non è presso il nostro magazzino e i tempi di consegna dipendono dal nostro fornitore: contattaci per dei tempi di consegna più precisi
ACQUISTI PER LA PUBBLICA AMMINISTRAZIONE?
GUIDA ALL'ACQUISTO
CAMPUSTORE RISPONDE
Descrizione
Nell'industria di oggi il controllo di processo e la visione artificiale non sono più due mondi separati: la linea si ferma perché un modello ha riconosciuto un pezzo difettoso, la velocità del nastro si adatta a ciò che la telecamera vede, la manutenzione si programma sui dati che l'impianto stesso produce. È la convergenza tra automazione classica e AI a definire la fabbrica intelligente — ed è proprio questa convergenza che la didattica fatica a portare in laboratorio.
Campus Pro Ingrano la porta su un banco.
Un nastro trasportatore montato su telaio in profilato d'alluminio industriale, con sensori e attuatori reali. Un Raspberry Pi 5 da 8GB che esegue il runtime CODESYS e diventa a tutti gli effetti un controllore programmabile secondo lo standard IEC 61131-3, dialogando con moduli di I/O industriali su bus di campo.
Un pannello di supervisione con l'interfaccia HMI sviluppata dagli studenti. Una Camera Module 3 che osserva il processo. E una Raspberry Pi AI HAT che esegue l'inferenza direttamente a bordo macchina, senza cloud, senza latenza, senza dipendenze esterne.
Gli studenti non simulano una linea di produzione: ne programmano una, la strumentano, le insegnano a vedere e la mettono in funzione.
Perché sceglierlo?
Programmazione PLC, bus di campo, HMI, visione artificiale, machine learning, integrazione dei dati.
Discipline che nei laboratori tradizionali vivono su attrezzature diverse — e spesso in materie diverse — qui convergono su un unico sistema. È il modo più efficace per far capire agli studenti che l'automazione moderna è un lavoro di squadra tra saperi.L'AI è concreta, non astratta.Il modello che gli studenti addestrano non produce un numero su uno schermo: fa fermare un nastro, scartare un pezzo. La differenza tra "accuratezza del 94%" e "conseguenza fisica" si azzera, e con essa anche la percezione dell'AI come magia.
Inferenza on-edge, senza cloud.
La AI HAT+ esegue i modelli localmente. Nessun account da attivare, nessun costo ricorrente per token o chiamate API, nessun dato che esce dalla rete scolastica — un vantaggio non trascurabile in termini di conformità GDPR e di gestione dell'infrastruttura IT d'istituto. Ed è, non secondariamente, l'architettura che l'industria sta effettivamente adottando.
Standard industriali veri.
CODESYS è la piattaforma su cui si basano i controllori di decine di costruttori. IEC 61131-3 è la norma con cui si programmano i PLC in tutto il mondo. Le competenze acquisite su questo banco sono trasferibili tal quali su un impianto reale: gli studenti non imparano un ambiente didattico, imparano il mestiere.
Tutto in vista, tutto ispezionabile.
Il telaio aperto in profilato d'alluminio non è una scelta estetica: rende visibili cablaggi, moduli, sensori e schede. Nessuna scatola nera. Gli studenti possono seguire un segnale dal sensore al programma alla visualizzazione HMI, e capire davvero cosa succede a ogni passaggio.
Modulare ed estendibile.
La componentistica permette di riconfigurare il processo e l'ecosistema Raspberry Pi consente di ampliare il kit con sensoristica, connettività e nuovi carichi di lavoro. Un investimento che cresce insieme al curricolo, non un prodotto che invecchia con esso.
Quale percorso didattico potrei sviluppare?
Il kit sostiene un curricolo progressivo, articolabile su più annualità o su più discipline. Ogni modulo è autoconsistente e produce un risultato funzionante.
- Fondamenti di automazione — Il processo sotto controllo
Cablaggio e messa in servizio della linea. Programmazione del controllore in Ladder e Structured Text: avvio/arresto, gestione dei finecorsa, logiche di sicurezza, temporizzatori e contatori. Introduzione al ciclo di scansione del PLC e alla programmazione a stati.
Competenze: IEC 61131-3, logica cablata e programmata, sicurezza funzionale di base. - Architetture di campo — Come parlano le macchine
Configurazione del bus di campo, mappatura degli I/O, gestione dei nodi, diagnostica dei guasti di comunicazione. Confronto tra architetture di rete industriali e reti IT tradizionali.
Competenze: reti industriali, indirizzamento, troubleshooting sistematico. - Interfaccia operatore — Progettare per chi lavora
Sviluppo della visualizzazione HMI: sinottico di impianto, comandi, gestione degli allarmi, storicizzazione. Principi di ergonomia dell'interfaccia e di segnalazione degli stati anomali.
Competenze: progettazione HMI/SCADA, user experience in ambito industriale. - Visione artificiale classica — Insegnare a guardare
Acquisizione e calibrazione della telecamera, illuminazione, pre-elaborazione delle immagini, riconoscimento per soglia e per forma. Perché la visione tradizionale funziona bene e dove smette di bastare.
Competenze: elaborazione delle immagini, Mediapipe, metodo sperimentale. - Machine learning applicato — Costruire il modello
Progettazione del dataset direttamente sull'impianto: acquisizione, etichettatura, bilanciamento delle classi. Addestramento tramite transfer learning, valutazione delle metriche, ottimizzazione e conversione del modello per l'esecuzione sull'acceleratore neurale.
Competenze: ciclo di vita di un modello ML, dataset engineering, valutazione critica delle prestazioni. - Integrazione AI–PLC — Quando la rete decide
Il risultato dell'inferenza diventa una variabile di processo: il controllore riceve la classificazione e agisce. Realizzazione di una stazione di controllo qualità automatico con scarto dei pezzi non conformi, gestione delle soglie di confidenza e dei casi incerti.
Competenze: integrazione di sistemi, progettazione della logica decisionale, gestione dell'incertezza. - Dati e manutenzione predittiva — L'impianto che si racconta
Raccolta e storicizzazione dei dati di processo, definizione della baseline di funzionamento, rilevazione delle anomalie, calcolo di indicatori di efficienza produttiva. Introduzione ai protocolli di interoperabilità Industria 4.0 e alla realizzazione di dashboard di monitoraggio.
Competenze: analisi dei dati industriali, KPI di produzione. - Progetto d'impianto — Dalla specifica alla consegna
Attività di sintesi, adatta a PCTO, esame di Stato o project work ITS: partendo da una specifica funzionale, gli studenti riconfigurano il processo, ne progettano il controllo, ne sviluppano la componente intelligente e ne documentano il collaudo.
Competenze: ingegneria dei requisiti, lavoro di gruppo, documentazione tecnica, collaudo.
Il kit è tutto da assemblare seguendo la guida dettagliata allegata. Gli strumenti necessari per il montaggio sono inclusi.
È compatibile con Firewall, Switch, Router di brand come Cisco da acquistare separatamente.
