REBOOT SKILLS Masterclasses

Link to Masterclass

Executive Summary – AI in Industry 4.0: Introduction

Introduction

This session is part of the Reboot Skills Industry 4.0 training programme delivered by MADE CC. The training introduces the role of Artificial Intelligence (AI) as a transformative technology in modern manufacturing. It explores how AI enables smarter decision-making, predictive insights, and process optimization across the industrial value chain. The session is designed for engineers, innovation leaders, production managers, and business strategists seeking to understand how AI can drive efficiency, quality, and competitiveness in the era of Industry 4.0.

Key Learning Areas

• AI as an Enabler of Industry 4.0
  Overview of how machine learning, computer vision, and data analytics are applied in manufacturing.

• Applications of AI in Industry
  Real-world use cases such as predictive maintenance, quality control, demand forecasting, and supply chain optimization.

• Data as a Strategic Asset
  Importance of data collection, processing, and management for effective AI deployment.

• Challenges and Ethical Considerations
  Discussion of workforce adaptation, cybersecurity, and responsible AI implementation.

• AI and Competitive Advantage
  How companies leverage AI to innovate faster and achieve long-term growth.

Conclusion

By engaging with this module, participants gain a foundational understanding of AI’s role in Industry 4.0. The session equips professionals with insights into both the opportunities and challenges of AI adoption, helping organizations prepare for data-driven transformation and future-proof competitiveness.

Tekoäly teollisuudessa 4.0 – Johdanto

Tiivistelmä – Tekoäly teollisuudessa 4.0: Johdanto

Johdanto

Tämä koulutustallenne on osa Reboot Skills Industry 4.0 -koulutusohjelmaa. Tallenteella esitellään tekoälyn (AI) roolia modernin valmistusteollisuuden muutosvoimana. Siinä tarkastellaan, miten tekoäly mahdollistaa älykkäämmän päätöksenteon, ennakoivan ymmärryksen ja prosessien optimoinnin teollisuuden arvoketjussa. Koulutus on tarkoitettu insinööreille, innovaatiojohtajille, tuotantopäälliköille ja liiketoimintastrategeille, jotka haluavat ymmärtää, miten tekoäly voi parantaa tehokkuutta, laatua ja kilpailukykyä Teollisuus 4.0 -aikakaudella.

Keskeiset oppimisen alueet

• Tekoäly Teollisuus 4.0:n mahdollistajana

Katsaus koneoppimisen, tietokonenäön ja data-analytiikan soveltamiseen valmistavassa teollisuudessa.

• Tekoälyn sovellukset teollisuudessa

Käytännön esimerkkejä, kuten ennakoiva kunnossapito, laadunvalvonta, kysynnän ennustaminen ja toimitusketjun optimointi.

• Data strategisena voimavarana

Datan keräämisen, käsittelyn ja hallinnan merkitys tehokkaalle tekoälyn käyttöönotolle.

• Haasteet ja eettiset näkökohdat

Keskustelu työvoiman sopeutumisesta, kyberturvallisuudesta ja vastuullisesta tekoälyn käyttöönotosta.

• Tekoäly ja kilpailuetu

Kuinka yritykset hyödyntävät tekoälyä innovoimaan nopeammin ja saavuttamaan pitkäaikaista kasvua.

Johtopäätös

Tämän moduulin avulla osallistujat saavat perustiedot tekoälyn roolista Teollisuus 4.0-viitekehyksessä. Se tarjoaa ammattilaisille tietoa tekoälyn käyttöönoton mahdollisuuksista ja haasteista, auttaen organisaatioita valmistautumaan datavetoiseen muutokseen ja tulevaisuuden kilpailukykyyn.

1. AI i Industri 4.0 – Introduktion

Sammanfattning – AI i Industri 4.0: Introduktion

Introduktion

Denna session är en del av utbildningsprogrammet Reboot Skills Industry 4.0. Utbildningen introducerar artificiell intelligens (AI) som en transformativ teknik inom modern tillverkning. Den utforskar hur AI möjliggör smartare beslutsfattande, prediktiva insikter och processoptimering i hela den industriella värdekedjan. Sessionen är utformad för ingenjörer, innovationsledare, produktionschefer och affärsstrateger som vill förstå hur AI kan driva effektivitet, kvalitet och konkurrenskraft i Industry 4.0-eran.

Viktiga lärandeområden

• AI som en möjliggörare för Industry 4.0

Översikt över hur maskininlärning, datorseende och dataanalys tillämpas inom tillverkning.

• Tillämpningar av AI inom industrin

Verkliga användningsfall såsom prediktivt underhåll, kvalitetskontroll, efterfrågeprognoser och optimering av leveranskedjan.

• Data som en strategisk tillgång

Vikten av datainsamling, bearbetning och hantering för effektiv AI-implementering.

• Utmaningar och etiska överväganden

Diskussion om anpassning av arbetskraften, cybersäkerhet och ansvarsfull AI-implementering.

• AI och konkurrensfördelar

Hur företag utnyttjar AI för att innovera snabbare och uppnå långsiktig tillväxt.

Slutsats

Genom att delta i denna modul får deltagarna en grundläggande förståelse för AI:s roll i Industri 4.0. Sessionen ger yrkesverksamma insikter om både möjligheterna och utmaningarna med AI-implementering, vilket hjälper organisationer att förbereda sig för datadriven transformation och framtidssäker konkurrenskraft.

Riassunto esecutivo – L'IA nell'Industria 4.0: Introduzione

Introduzione

Questa sessione fa parte del programma di formazione Reboot Skills Industry 4.0. La formazione introduce il ruolo dell'Intelligenza Artificiale (IA) come tecnologia trasformativa nella produzione moderna. Esplora come l'IA consenta un processo decisionale più intelligente, intuizioni predittive e l'ottimizzazione dei processi lungo tutta la catena del valore industriale. La sessione è pensata per ingegneri, leader dell'innovazione, responsabili di produzione e strateghi aziendali che desiderano comprendere come l'IA possa promuovere l'efficienza, la qualità e la competitività nell'era dell'Industria 4.0.

Aree di apprendimento chiave

• L'IA come fattore abilitante dell'Industria 4.0

Panoramica su come l'apprendimento automatico, la visione artificiale e l'analisi dei dati vengono applicati nella produzione.

• Applicazioni dell'IA nell'industria

Casi d'uso reali come la manutenzione predittiva, il controllo qualità, la previsione della domanda e l'ottimizzazione della catena di fornitura.

• I dati come risorsa strategica

Importanza della raccolta, dell'elaborazione e della gestione dei dati per un'implementazione efficace dell'IA.

• Sfide e considerazioni etiche

Discussione sull'adattamento della forza lavoro, la sicurezza informatica e l'implementazione responsabile dell'IA.

• IA e vantaggio competitivo

Come le aziende sfruttano l'IA per innovare più rapidamente e ottenere una crescita a lungo termine.

Conclusione

Partecipando a questo modulo, i partecipanti acquisiscono una comprensione di base del ruolo dell'IA nell'Industria 4.0. La sessione fornisce ai professionisti approfondimenti sia sulle opportunità che sulle sfide dell'adozione dell'IA, aiutando le organizzazioni a prepararsi alla trasformazione basata sui dati e a una competitività a prova di futuro.

1. L'IA dans l'industrie 4.0 – Introduction

Résumé – L'IA dans l'industrie 4.0 : Introduction

Introduction

Cette session fait partie du programme de formation Reboot Skills Industry 4.0. La formation présente le rôle de l'intelligence artificielle (IA) en tant que technologie transformatrice dans la fabrication moderne. Elle explore comment l'IA permet une prise de décision plus intelligente, des prévisions plus précises et une optimisation des processus tout au long de la chaîne de valeur industrielle. La session est destinée aux ingénieurs, aux responsables de l'innovation, aux directeurs de production et aux stratèges commerciaux qui cherchent à comprendre comment l'IA peut améliorer l'efficacité, la qualité et la compétitivité à l'ère de l'industrie 4.0.

Principaux domaines d'apprentissage

• L'IA comme catalyseur de l'industrie 4.0

Aperçu de la manière dont l'apprentissage automatique, la vision par ordinateur et l'analyse des données sont appliqués dans le secteur manufacturier.

• Applications de l'IA dans l'industrie

Cas d'utilisation concrets tels que la maintenance prédictive, le contrôle qualité, la prévision de la demande et l'optimisation de la chaîne d'approvisionnement.

• Les données en tant qu'atout stratégique

Importance de la collecte, du traitement et de la gestion des données pour un déploiement efficace de l'IA.

• Défis et considérations éthiques

Discussion sur l'adaptation de la main-d'œuvre, la cybersécurité et la mise en œuvre responsable de l'IA.

• L'IA et l'avantage concurrentiel

Comment les entreprises tirent parti de l'IA pour innover plus rapidement et atteindre une croissance à long terme.

Conclusion

En suivant ce module, les participants acquièrent une compréhension fondamentale du rôle de l'IA dans l'industrie 4.0. La session fournit aux professionnels des informations sur les opportunités et les défis liés à l'adoption de l'IA, aidant ainsi les organisations à se préparer à une transformation axée sur les données et à une compétitivité pérenne.

Samenvatting – AI in Industrie 4.0: Inleiding

Inleiding

Deze sessie maakt deel uit van het Reboot Skills Industrie 4.0-trainingsprogramma. De training introduceert de rol van kunstmatige intelligentie (AI) als transformatieve technologie in de moderne productie. Het onderzoekt hoe AI slimmere besluitvorming, voorspellende inzichten en procesoptimalisatie mogelijk maakt in de hele industriële waardeketen. De sessie is bedoeld voor ingenieurs, innovatieleiders, productiemanagers en bedrijfsstrategen die willen begrijpen hoe AI de efficiëntie, kwaliteit en concurrentiekracht in het tijdperk van Industrie 4.0 kan bevorderen.

Belangrijkste leer-aspecten

• AI als enabler van Industrie 4.0

• Overzicht van hoe machine learning, computervisie en data-analyse worden toegepast in de productie.

• Toepassingen van AI in de industrie

• Praktijkvoorbeelden zoals voorspellend onderhoud, kwaliteitscontrole, vraagvoorspelling en optimalisatie van de toeleveringsketen.

• Data als strategisch middel

• Het belang van het verzamelen, verwerken en beheren van data voor een effectieve inzet van AI.

• Uitdagingen en ethische overwegingen

• Discussie over aanpassing van het personeelsbestand, cyberbeveiliging en verantwoorde implementatie van AI.

• AI en concurrentievoordeel

• Hoe bedrijven AI gebruiken om sneller te innoveren en langetermijngroei te realiseren.

Conclusie

Door deel te nemen aan deze module krijgen deelnemers een basiskennis van de rol van AI in Industrie 4.0. De sessie biedt professionals inzicht in zowel de kansen als de uitdagingen van AI-implementatie, waardoor organisaties zich kunnen voorbereiden op datagestuurde transformatie en toekomstbestendig concurrentievermogen.

Tiivistelmä – Oman LLM-mallin käyttäminen ja mukauttaminen

Johdanto

Tämä verkkoseminaari on osa Reboot Skills Advanced Deep Learning -koulutusta. Koulutuksen pitää Kurt De Grave, vanhempi tekoälyn tutkimusinsinööri Flanders Makessa, strategisessa tutkimuskeskuksessa Flandersissa, Belgiassa.

Verkkoseminaari tarjoaa käytännönläheisen johdannon oman suuren kielimallin (LLM) käyttämiseen ja mukauttamiseen avoimen lähdekoodin työkaluilla. Webinaari on suunnattu sekä teknisille että ei-teknisille ammattilaisille, ja siinä käydään läpi vaiheet, joilla LLM:t otetaan käyttöön paikallisesti, niiden toimintaa muokataan ja niiden potentiaalia teollisissa ja tutkimussovelluksissa ymmärretään. Se on osa Flanders Maken laajempaa tehtävää tukea innovaatioita valmistusteollisuudessa ja digitaalisissa teknologioissa.

Tärkeimmät oppimisen alueet

• Mikä on suuri kielimalli (LLM)?

Lyhyt katsaus LLM-malleihin, niiden ominaisuuksiin ja siihen, miten ne muuttavat teollisuutta luonnollisen kielen ymmärtämisen ja tuottamisen avulla.

• Miksi LLM-malleja kannattaa käyttää paikallisesti?

Keskustelu paikallisen käyttöönoton eduista, kuten tietosuojasta, viiveen lyhentämisestä ja riippumattomuudesta pilvipalveluista.

• Johdanto Ollamaan

Esittely Ollamasta, kevyestä työkalusta, joka yksinkertaistaa LLM-mallien lataamista, käyttämistä ja mukauttamista henkilökohtaisella tai yrityksen laitteistolla.

• Mallin asentaminen ja käyttäminen

Vaiheittainen opas Ollaman asentamiseen, mallin (esim. Phi) lataamiseen ja sen käyttämiseen komentoriviltä.

• Ollama-sovellusliittymän käyttö

Selitys siitä, miten mallista lähetetään ja vastaanotetaan viestejä HTTP-pyyntöjen avulla, mikä mahdollistaa integroinnin muihin sovelluksiin.

• Mallin käyttäytymisen mukauttaminen

Opetusohjelma järjestelmän kehotteen ja konfiguraatiotiedoston muokkaamisesta, jotta voidaan luoda henkilökohtainen versio mallista, joka on räätälöity tiettyihin käyttötarkoituksiin tai äänensävyyn.

• Tulosten testaaminen ja vertailu

Oletusmallin ja mukautetun mallin suora vertailu, joka havainnollistaa, miten kehotteiden suunnittelu vaikuttaa vastauksiin.

• Sovellukset teollisuudessa ja tutkimuksessa

Tarkastellaan, miten mukautettavat LLM-mallit voivat tukea tehtäviä, kuten dokumentointia, asiakastukea, koulutusta ja muita teollisuuden sovelluksia.

Johtopäätös

Tämän osion katsomalla katsojat saavat selkeän, käytännönläheisen käsityksen siitä, miten LLM-malleja voidaan ottaa käyttöön ja mukauttaa avoimen lähdekoodin työkaluilla, kuten Ollamalla. Olitpa sitten kiinnostunut tekoälystä sisäisten työkalujen, tuotekehityksen tai tutkimuksen kannalta, tämä webinaari antaa sinulle perustiedot, joiden avulla voit aloittaa LLM-mallien kokeilun turvallisella, joustavalla ja kustannustehokkaalla tavalla.

Sammanfattning – Köra och anpassa dina egna LLM:er

Inledning

Denna session är en del av Reboot Skills Advanced Deep Learning-utbildningarna. Utbildningen leds av Kurt De Grave, senior AI-forskningsingenjör vid Flanders Make, ett strategiskt forskningscenter i Flandern, Belgien.

Detta webbinarium erbjuder en praktisk introduktion till hur du kör och anpassar din egen stora språkmodell (LLM) med hjälp av verktyg med öppen källkod. Webbinariet riktar sig till både tekniska och icke-tekniska yrkesverksamma och går igenom stegen för att distribuera LLM lokalt, modifiera deras beteende och förstå deras potential för industriella och forskningsmässiga tillämpningar. Det är en del av Flanders Makes bredare uppdrag att stödja innovation inom tillverkning och digital teknik.

Viktiga lärandeområden

• Vad är en stor språkmodell (LLM)?

En kort översikt över LLM, deras kapacitet och hur de förändrar branscher genom förståelse och generering av naturligt språk.

• Varför köra LLM lokalt?

Diskussion om fördelarna med lokal implementering, inklusive dataintegritet, minskad latens och oberoende av molntjänster.

• Introduktion till Ollama

Demonstration av Ollama, ett lättviktigt verktyg som förenklar nedladdning, körning och anpassning av LLM på personlig eller företagsmaskinvara.

• Installera och köra en modell

Steg-för-steg-guide för att installera Ollama, ladda ner en modell (t.ex. Phi) och interagera med den via kommandoraden.

• Använda Ollama API

Förklaring av hur man skickar och tar emot meddelanden från modellen med hjälp av HTTP-förfrågningar, vilket möjliggör integration med andra applikationer.

• Anpassa modellens beteende

Handledning om hur man modifierar systemprompten och konfigurationsfilen för att skapa en personlig version av modellen – anpassad till specifika användningsfall eller tonfall.

• Testa och jämföra resultat

Livejämförelse mellan standardmodellerna och de anpassade modellerna för att illustrera hur prompt engineering påverkar svaren.

• Tillämpningar inom industri och forskning

Utforskning av hur anpassningsbara LLM kan stödja uppgifter som dokumentation, kundsupport, utbildning och mer inom industriella miljöer.

Slutsats

Genom att titta på denna session får tittarna en tydlig, praktisk förståelse för hur man implementerar och anpassar LLM med hjälp av verktyg med öppen källkod som Ollama. Oavsett om du utforskar AI för interna verktyg, produktutveckling eller forskning, ger detta webinar dig grundläggande kunskaper för att börja experimentera med LLM på ett säkert, flexibelt och kostnadseffektivt sätt.

Riassunto esecutivo – Esecuzione e personalizzazione dei propri modelli LLM

Introduzione

Questa sessione fa parte dei corsi di formazione avanzati sul deep learning di Reboot Skills. Il corso è tenuto da Kurt De Grave, ingegnere senior di ricerca nel campo dell'intelligenza artificiale presso Flanders Make, un centro di ricerca strategica con sede nelle Fiandre, in Belgio.

Questo webinar offre un'introduzione pratica all'esecuzione e alla personalizzazione dei propri modelli linguistici di grandi dimensioni (LLM) utilizzando strumenti open source. Rivolto sia a professionisti tecnici che non tecnici, il webinar illustra i passaggi necessari per implementare gli LLM a livello locale, modificarne il comportamento e comprenderne il potenziale per applicazioni industriali e di ricerca. Fa parte della più ampia missione di Flanders Make di sostenere l'innovazione nella produzione e nelle tecnologie digitali.

Aree di apprendimento chiave

• Che cos'è un modello linguistico di grandi dimensioni (LLM)?

Una breve panoramica degli LLM, delle loro capacità e di come stanno trasformando i settori industriali attraverso la comprensione e la generazione del linguaggio naturale.

• Perché eseguire gli LLM a livello locale?

Discussione sui vantaggi dell'implementazione locale, tra cui la privacy dei dati, la riduzione della latenza e l'indipendenza dai servizi cloud.

• Introduzione a Ollama

Dimostrazione di Ollama, uno strumento leggero che semplifica il download, l'esecuzione e la personalizzazione degli LLM su hardware personale o aziendale.

• Installazione ed esecuzione di un modello

Guida passo passo all'installazione di Ollama, al download di un modello (ad esempio Phi) e all'interazione con esso tramite la riga di comando.

• Utilizzo dell'API Ollama

Spiegazione di come inviare e ricevere messaggi dal modello utilizzando richieste HTTP, consentendo l'integrazione con altre applicazioni.

• Personalizzazione del comportamento del modello

Tutorial sulla modifica del prompt di sistema e del file di configurazione per creare una versione personalizzata del modello, adattata a casi d'uso specifici o al tono di voce.

• Test e confronto dei risultati

Confronto in tempo reale tra i modelli predefiniti e quelli personalizzati per illustrare come la progettazione dei prompt influisca sulle risposte.

• Applicazioni nell'industria e nella ricerca

Esplorazione di come gli LLM personalizzabili possano supportare attività quali la documentazione, l'assistenza clienti, la formazione e altro ancora in contesti industriali.

Conclusione

Guardando questa sessione, gli spettatori acquisiranno una comprensione chiara e pratica di come implementare e adattare gli LLM utilizzando strumenti open source come Ollama. Che stiate esplorando l'IA per strumenti interni, sviluppo di prodotti o ricerca, questo webinar vi fornirà le conoscenze di base per iniziare a sperimentare gli LLM in modo sicuro, flessibile ed economico.

Résumé – Exécuter et personnaliser vos propres modèles LLM

Introduction

Cette session fait partie des formations avancées sur le deep learning proposées par Reboot Skills. La formation est animée par Kurt De Grave, ingénieur de recherche senior en IA chez Flanders Make, un centre de recherche stratégique situé en Flandre, en Belgique.

Ce webinaire offre une introduction pratique à l'exécution et à la personnalisation de votre propre modèle linguistique à grande échelle (LLM) à l'aide d'outils open source. Destiné aux professionnels techniques et non techniques, le webinaire passe en revue les étapes du déploiement local des LLM, de la modification de leur comportement et de la compréhension de leur potentiel pour les applications industrielles et de recherche. Il s'inscrit dans le cadre de la mission plus large de Flanders Make qui consiste à soutenir l'innovation dans les technologies de fabrication et numériques.

Principaux domaines d'apprentissage

• Qu'est-ce qu'un modèle linguistique à grande échelle (LLM) ?

Brève présentation des LLM, de leurs capacités et de la manière dont ils transforment les industries grâce à la compréhension et à la génération du langage naturel.

• Pourquoi exécuter les LLM localement ?

Discussion sur les avantages du déploiement local, notamment la confidentialité des données, la réduction de la latence et l'indépendance vis-à-vis des services cloud.

• Introduction à Ollama

Démonstration d'Ollama, un outil léger qui simplifie le téléchargement, l'exécution et la personnalisation des LLM sur du matériel personnel ou d'entreprise.

• Installation et exécution d'un modèle

Guide étape par étape pour installer Ollama, télécharger un modèle (par exemple, Phi) et interagir avec lui via la ligne de commande.

• Utilisation de l'API Ollama

Explication de la manière d'envoyer et de recevoir des messages du modèle à l'aide de requêtes HTTP, permettant l'intégration avec d'autres applications.

• Personnalisation du comportement du modèle

Tutoriel sur la modification du systeme d’invite et du fichier de configuration afin de créer une version personnalisée du modèle, adaptée à des cas d'utilisation ou à un ton particulier.

• Test et comparaison des résultats

Comparaison en direct entre les modèles par défaut et personnalisés afin d'illustrer l'impact de l'ingénierie des invites sur les réponses.

• Applications dans l'industrie et la recherche

Exploration de la manière dont les LLM personnalisables peuvent prendre en charge des tâches telles que la documentation, le support client, la formation et bien plus encore dans des environnements industriels.

Conclusion

En regardant cette session, les spectateurs acquerront une compréhension claire et pratique de la manière de déployer et d'adapter les LLM à l'aide d'outils open source tels que Ollama. Que vous exploriez l'IA pour des outils internes, le développement de produits ou la recherche, ce webinaire vous fournit les connaissances de base nécessaires pour commencer à expérimenter les LLM de manière sécurisée, flexible et rentable.

Tiivistelmä – HPC to Edge

Edge-tekoälymallien optimointi korkean suorituskyvyn laskennalla

Johdanto

Tämä verkkoseminaari on osa Reboot Skills Advanced Deep Learning -koulutusta. Koulutuksen pitää Kurt De Grave, tutkimusinsinööri Flanders Make -tutkimuskeskuksessa Flandersissa, Belgiassa. Tässä osassa syvennytään Edge AI:n ja korkean suorituskyvyn laskennan (HPC) risteyskohtaan. Se on tarkoitettu teknisille ammattilaisille, AI-kehittäjille ja innovaatiojohtajille, jotka haluavat ymmärtää, miten AI-malleja voidaan optimoida käyttöönottoa varten reunalaitteissa. Osiossa tutkitaan käytännön strategioita, laitteistoalustoja ja todellisia sovelluksia, jotka osoittavat, miten tehokkaat AI-ominaisuudet voidaan tuoda lähemmäksi tietolähdettä ilman pilvi-infrastruktuuria.

Tärkeimmät oppimiskohteet

• Miksi Edge AI on tärkeää

Ymmärrä AI-mallien paikallisen käytön kasvava merkitys reunalaitteissa, mukaan lukien edut kuten pienempi viive, parempi tietosuoja ja pienempi kaistanleveyden käyttö.

• Reunakäyttöönoton haasteet

Tutustu reuna-ympäristöjen rajoituksiin – rajallinen laskentateho, energiatehokkuus ja reaaliaikainen suorituskyky – ja niiden vaikutukseen AI-mallien suunnitteluun.

• Optimointitekniikat Edge AI:lle

Tutustu menetelmiin, kuten mallien karsimiseen, kvantisointiin ja tiedon tiivistämiseen, joilla voidaan pienentää mallien kokoa ja laskentakuormitusta tarkkuuden säilyessä.

• Suorituskykyisen laskennan hyödyntäminen

Tutustu siihen, miten HPC-resursseja voidaan käyttää koulutuksen ja optimoinnin vaiheissa mallien valmistelemiseksi tehokkaaseen reuna-asennukseen.

• Laitteistoalustat Edge AI:lle

Tutustu erilaisiin reunalaskennan alustoihin, kuten NVIDIA Jetson -laitteisiin, ja niiden sopivuuteen edistyneiden AI-mallien, kuten esineiden tunnistuksen ja segmentaation, ajamiseen.

• Live-esittelyt

Katso käytännön esittelyjä, joissa esitellään reaaliaikaista objektien tunnistusta ja segmentointia optimoiduilla malleilla reunalaitteistolla.

• Hienosäätö ja mukauttaminen

Opi mukauttamaan esikoulutettuja malleja (esim. CLIP, SAM) tiettyihin tehtäviin ja tietojoukkoihin suorituskyvyn parantamiseksi kohdennetuissa sovelluksissa.

• Suurten kielimallien suorittaminen reunalaitteilla

Katso, kuinka LLM-malleja voidaan ottaa käyttöön kompaktilla laitteistolla optimointistrategioiden avulla, jotta älykkäät ominaisuudet ovat käytettävissä ilman pilvipalvelujen riippuvuutta.

Johtopäätös

Tämän webinaari tarjoaa käytännönläheisiä vinkkejä siitä, kuinka valmistella, optimoida ja ottaa käyttöön tekoälymalleja reuna-ympäristöissä käyttämällä suorituskykyisiä laskentatekniikoita. Olitpa sitten rakentamassa älylaitteita, autonomisia järjestelmiä tai teollisia tekoälyratkaisuja, tämä osio tarjoaa sinulle työkalut ja tiedot, joiden avulla voit tehdä Edge AI:stä sekä tehokasta että käytännöllistä.

Sammanfattning – HPC till Edge

Optimering av Edge AI-modeller med högpresterande databehandling

Inledning

Detta webbinarium är en del av Reboot Skills Advanced Deep Learning-utbildningarna. Utbildningen leds av Kurt De Grave, forskningsingenjör vid Flanders Make, ett strategiskt forskningscenter i Flandern, Belgien. Denna session ger en djupgående inblick i skärningspunkten mellan Edge AI och högpresterande databehandling (HPC). Den är utformad för tekniska experter, AI-utvecklare och innovationsledare som vill förstå hur man optimerar AI-modeller för distribution på edge-enheter. Sessionen utforskar praktiska strategier, hårdvaruplattformar och verkliga tillämpningar som visar hur man kan föra kraftfulla AI-funktioner närmare datakällan – utan att förlita sig på molninfrastruktur.

Viktiga lärdomar

• Varför Edge AI är viktigt

Förstå den växande betydelsen av att köra AI-modeller lokalt på edge-enheter, inklusive fördelar som minskad latens, förbättrad integritet och lägre bandbreddsanvändning.

• Utmaningar med edge-distribution

Lär dig mer om begränsningarna i edge-miljöer – begränsad datorkraft, energieffektivitet och realtidsprestanda – och hur de påverkar utformningen av AI-modeller.

• Optimeringstekniker för Edge AI

Utforska metoder som modellbeskärning, kvantisering och kunskapsdestillering för att minska modellstorleken och beräkningsbelastningen samtidigt som noggrannheten bibehålls.

• Utnyttja högpresterande databehandling

Upptäck hur HPC-resurser kan användas under tränings- och optimeringsfaserna för att förbereda modeller för effektiv edge-distribution.

• Hårdvaruplattformar för Edge AI

Granska olika edge-databehandlingsplattformar, inklusive NVIDIA Jetson-enheter, och deras lämplighet för att köra avancerade AI-modeller som objektdetektering och segmentering.

• Live-demonstrationer

Se praktiska demonstrationer som visar objektdetektering och segmentering i realtid med hjälp av optimerade modeller på edge-hårdvara.

• Finjustering och anpassning

Lär dig hur du anpassar förtränade modeller (t.ex. CLIP, SAM) för specifika uppgifter och datamängder för att förbättra prestandan i riktade applikationer.

• Körning av stora språkmodeller på edge-enheter

Se hur LLM kan distribueras på kompakt hårdvara med hjälp av optimeringsstrategier för att möjliggöra intelligenta funktioner utan molnberoende.

Slutsats

Genom att titta på detta webinar får tittarna praktiska insikter om hur man förbereder, optimerar och distribuerar AI-modeller för edge-miljöer med hjälp av högpresterande beräkningstekniker. Oavsett om du bygger smarta enheter, autonoma system eller industriella AI-lösningar, ger denna session dig verktygen och kunskapen du behöver för att göra edge-AI både kraftfullt och praktiskt.

Riassunto esecutivo – Dall'HPC all'Edge

Ottimizzazione dei modelli di Edge AI con il calcolo ad alte prestazioni

Introduzione

Questo webinar fa parte dei corsi di formazione avanzati sul deep learning di Reboot Skills. Il corso è tenuto da Kurt De Grave, ingegnere ricercatore presso Flanders Make, un centro di ricerca strategica con sede nelle Fiandre, in Belgio. Questa sessione offre un approfondimento sull'intersezione tra Edge AI e High Performance Computing (HPC). È pensata per professionisti tecnici, sviluppatori di IA e leader dell'innovazione che desiderano comprendere come ottimizzare i modelli di IA per l'implementazione su dispositivi edge. La sessione esplora strategie pratiche, piattaforme hardware e applicazioni reali che dimostrano come avvicinare potenti funzionalità di IA alla fonte dei dati, senza fare affidamento sull'infrastruttura cloud.

Aree di apprendimento chiave

• Perché l'Edge AI è importante

Comprendere la crescente importanza dell'esecuzione di modelli di AI a livello locale su dispositivi edge, compresi vantaggi quali latenza ridotta, maggiore privacy e minore utilizzo della larghezza di banda.

• Sfide dell'implementazione edge

Scoprire i limiti degli ambienti edge (potenza di calcolo limitata, efficienza energetica e prestazioni in tempo reale) e il loro impatto sulla progettazione dei modelli di AI.

• Tecniche di ottimizzazione per l'Edge AI

Esplorare metodi quali il pruning dei modelli, la quantizzazione e la distillazione della conoscenza per ridurre le dimensioni dei modelli e il carico computazionale, mantenendo al contempo l'accuratezza.

• Sfruttare il calcolo ad alte prestazioni

Scoprire come le risorse HPC possono essere utilizzate durante le fasi di addestramento e ottimizzazione per preparare i modelli per un'implementazione edge efficiente.

• Piattaforme hardware per l'Edge AI

Esaminare varie piattaforme di edge computing, inclusi i dispositivi NVIDIA Jetson, e la loro idoneità all'esecuzione di modelli di IA avanzati come il rilevamento e la segmentazione degli oggetti.

• Dimostrazioni dal vivo

Guarda le demo pratiche che mostrano il rilevamento e la segmentazione di oggetti in tempo reale utilizzando modelli ottimizzati su hardware edge.

• Messa a punto e personalizzazione

Scopri come adattare modelli pre-addestrati (ad esempio CLIP, SAM) per attività e set di dati specifici al fine di migliorare le prestazioni in applicazioni mirate.

• Esecuzione di modelli linguistici di grandi dimensioni su dispositivi edge

Scopri come i modelli linguistici di grandi dimensioni possono essere implementati su hardware compatto utilizzando strategie di ottimizzazione per abilitare funzionalità intelligenti senza dipendenza dal cloud.

Conclusione

Guardando questo webinar, gli spettatori acquisiranno informazioni utili su come preparare, ottimizzare e implementare modelli di IA per ambienti edge utilizzando tecniche di calcolo ad alte prestazioni. Che tu stia realizzando dispositivi intelligenti, sistemi autonomi o soluzioni di IA industriale, questa sessione ti fornirà gli strumenti e le conoscenze necessari per rendere l'IA edge potente e pratica.

Résumé – Du HPC à l'Edge

Optimisation des modèles d'IA Edge grâce au calcul haute performance

Introduction

Ce webinaire fait partie des formations avancées sur le deep learning proposées par Reboot Skills. La formation est animée par Kurt De Grave, ingénieur de recherche chez Flanders Make, un centre de recherche stratégique situé en Flandre, en Belgique. Cette session propose une analyse approfondie de l'intersection entre l'IA en périphérie et le calcul haute performance (HPC). Elle est destinée aux professionnels techniques, aux développeurs d'IA et aux leaders de l'innovation qui cherchent à comprendre comment optimiser les modèles d'IA pour les déployer sur des appareils en périphérie. La session explore des stratégies pratiques, des plateformes matérielles et des applications concrètes qui montrent comment rapprocher les puissantes capacités de l'IA de la source de données, sans dépendre de l'infrastructure cloud.

Principaux domaines d'apprentissage

• Pourquoi l'IA en périphérie est-elle importante ?

Comprenez l'importance croissante de l'exécution locale de modèles d'IA sur des appareils en périphérie, notamment les avantages tels que la réduction de la latence, l'amélioration de la confidentialité et la diminution de l'utilisation de la bande passante.

• Les défis du déploiement en périphérie

Découvrez les contraintes des environnements en périphérie (puissance de calcul limitée, efficacité énergétique et performances en temps réel) et leur impact sur la conception des modèles d'IA.

• Techniques d'optimisation pour l'IA en périphérie

Découvrez des méthodes telles que l'élagage de modèles, la quantification et la distillation des connaissances pour réduire la taille des modèles et la charge de calcul tout en conservant la précision.

• Tirer parti du calcul haute performance

Découvrez comment les ressources HPC peuvent être utilisées pendant les phases d'entraînement et d'optimisation pour préparer les modèles à un déploiement en périphérie efficace.

• Plateformes matérielles pour l'IA en périphérie

Passez en revue diverses plateformes informatiques en périphérie, notamment les appareils NVIDIA Jetson, et leur adéquation pour l'exécution de modèles d'IA avancés tels que la détection et la segmentation d'objets.

• Démonstrations en direct

Regardez des démonstrations pratiques présentant la détection et la segmentation d'objets en temps réel à l'aide de modèles optimisés sur du matériel en périphérie.

• Réglage fin et personnalisation

Apprenez à adapter des modèles pré-entraînés (par exemple, CLIP, SAM) à des tâches et des ensembles de données spécifiques afin d'améliorer les performances dans des applications ciblées.

• Exécution de grands modèles linguistiques sur des appareils en périphérie

Découvrez comment les LLM peuvent être déployés sur du matériel compact à l'aide de stratégies d'optimisation afin de permettre des fonctionnalités intelligentes sans dépendance au cloud.

Conclusion

En regardant ce webinaire, les participants acquerront des connaissances pratiques sur la manière de préparer, d'optimiser et de déployer des modèles d'IA pour les environnements périphériques à l'aide de techniques de calcul haute performance. Que vous développiez des appareils intelligents, des systèmes autonomes ou des solutions d'IA industrielles, cette session vous fournira les outils et les connaissances nécessaires pour rendre l'IA périphérique à la fois puissante et pratique.

De masterclass benadrukte het transformatieve potentieel van IoT, zelfs in kleinschalige productieomgevingen. Door middel van praktische inzichten en een hands-on casestudy kregen deelnemers een duidelijk stappenplan voor het implementeren van IoT-systemen die veilig, schaalbaar en impactvol zijn.

Tiivistelmä – Teollinen esineiden internet – Katsaus liiketoiminnan ja tekniikan johtajille

Johdanto

Tämä Flanders Maken pitämä verkkoseminaari tarjoaa kattavan esittelyn teollisesta esineiden internetistä (IIoT), joka on räätälöity erityisesti valmistavan teollisuuden liiketoiminnan ja tekniikan johtajille. Flanders Make on johtava teollisuuden innovaatioihin keskittyvä tutkimuskeskus, joka jakaa käytännönläheisiä näkemyksiä ja strategisia näkökulmia siitä, miten IIoT-teknologiat muuttavat teollisuuden toimintaa. Tallenne siltaa teknisen potentiaalin ja liiketoiminnallisen arvon välisen kuilun, mikä tekee siitä ihanteellisen päätöksentekijöille, insinööreille ja innovaatiojohtajille.

Keskeiset oppimiskohteet

• Mikä on IIoT ja miksi se on tärkeää

Ymmärrä teollisen internetin perusperiaatteet ja sen merkitys nykyaikaisille valmistusympäristöille.

• Liiketoiminnan ajurit ja strateginen arvo

Tutustu siihen, miten IIoT voi tukea liiketoimintatavoitteita, kuten toiminnan tehokkuutta, kustannusten vähentämistä ja tuoteinnovaatioita.

• IIoT:n tekniset rakennuspalikat

Tutustu IIoT:n mahdollistaviin avainteknologioihin, kuten antureihin, liitettävyyteen, reunalaskentaan ja pilvialustoihin.

• Datan kerääminen ja hyödyntäminen

Tutustu siihen, miten IIoT-järjestelmät keräävät, käsittelevät ja hyödyntävät dataa reaaliaikaisen päätöksenteon ja ennustavan analytiikan tukemiseksi.

• Integraation haasteet ja ratkaisut

Hanki tietoa yleisistä integraation esteistä ja siitä, miten IIoT voidaan sovittaa yhteen olemassa olevien IT- ja OT-järjestelmien kanssa.

• Kyberturvallisuus ja riskienhallinta

Ymmärrä IIoT-ympäristöjen turvaamisen sekä tietosuojan ja järjestelmän eheyden hallinnan merkitys.

• Käyttötapaukset ja esimerkkejä teollisuudesta

Tutustu IIoT:n käytännön sovelluksiin valmistuksessa, logistiikassa ja kunnossapidossa, joista käy ilmi konkreettiset edut ja opitut asiat.

Johtopäätös

Tämän webinaarin tarjoaa vankan käsityksen siitä, miten IIoT voidaan strategisesti ja teknisesti toteuttaa teollisuuden muutoksen edistämiseksi. Olitpa sitten tutkimassa uusia teknologioita tai suunnittelemassa digitaalista tiekarttaa, tämä tallenne auttaa sinua tekemään tietoon perustuvia päätöksiä ja hyödyntämään verkotetun valmistuksen potentiaalia.

Sammanfattning – Industriellt internet of things – En översikt för företagsledare och tekniska chefer

Inledning

Detta inspelade webbinarium, presenterat av Flanders Make, erbjuder en omfattande introduktion till industriellt internet of things (IIoT), särskilt anpassat för både företagsledare och tekniska chefer inom tillverkningssektorn. Som ett ledande forskningscenter med fokus på innovation inom industrin delar Flanders Make med sig av praktiska insikter och strategiska perspektiv på hur IIoT-teknik omformar industriell verksamhet. Sessionen överbryggar klyftan mellan tekniska möjligheter och affärsvärde, vilket gör den idealisk för beslutsfattare, ingenjörer och innovationschefer.

Viktiga lärdomar

• Vad är IIoT och varför är det viktigt?

Förstå de grundläggande principerna för industriellt internet och dess relevans för moderna tillverkningsmiljöer.

• Affärsmotiv och strategiskt värde

Utforska hur IIoT kan stödja affärsmål som operativ effektivitet, kostnadsreduktion och produktinnovation.

• Tekniska byggstenar för IIoT

Lär dig mer om de viktigaste teknikerna som möjliggör IIoT, inklusive sensorer, konnektivitet, edge computing och molnplattformar.

• Datainsamling och användning

Upptäck hur IIoT-system samlar in, bearbetar och utnyttjar data för att stödja beslutsfattande i realtid och prediktiv analys.

• Integrationsutmaningar och lösningar

Få insikter om vanliga integrationshinder och hur man anpassar IIoT till befintliga IT- och OT-system.

• Cybersäkerhet och riskhantering

Förstå vikten av att säkra IIoT-miljöer och hantera dataintegritet och systemintegritet.

• Användningsfall och branschexempel

Granska verkliga tillämpningar av IIoT inom tillverkning, logistik och underhåll, som illustrerar konkreta fördelar och lärdomar.

Slutsats

Genom att titta på detta webinar får tittarna en gedigen förståelse för hur IIoT kan implementeras strategiskt och tekniskt för att driva på transformationen i industriella miljöer. Oavsett om du utforskar nya tekniker eller planerar en digital roadmap, ger denna session dig den kunskap du behöver för att fatta välgrundade beslut och frigöra potentialen i uppkopplad tillverkning.

Riassunto esecutivo –

Internet delle cose industriale – Una panoramica per i leader aziendali e tecnici

Introduzione

Questo webinar registrato, presentato da Flanders Make, offre un'introduzione completa all'Internet delle cose industriale (IIoT), pensata appositamente per i leader aziendali e tecnici del settore manifatturiero. In qualità di centro di ricerca leader incentrato sull'innovazione nel settore industriale, Flanders Make condivide approfondimenti pratici e prospettive strategiche su come le tecnologie IIoT stanno ridefinendo le operazioni industriali. La sessione colma il divario tra possibilità tecniche e valore aziendale, rendendola ideale per decisori, ingegneri e responsabili dell'innovazione.

Aree di apprendimento chiave

• Che cos'è l'IIoT e perché è importante

Comprendere i principi fondamentali dell'Internet delle cose industriale e la sua rilevanza per i moderni ambienti di produzione.

• Fattori trainanti del business e valore strategico

Scopri come l'IIoT può supportare obiettivi aziendali quali l'efficienza operativa, la riduzione dei costi e l'innovazione dei prodotti.

• Elementi tecnici fondamentali dell'IIoT

Scopri le tecnologie chiave che rendono possibile l'IIoT, tra cui sensori, connettività, edge computing e piattaforme cloud.

• Raccolta e utilizzo dei dati

Scopri come i sistemi IIoT raccolgono, elaborano e sfruttano i dati per supportare il processo decisionale in tempo reale e l'analisi predittiva.

• Sfide e soluzioni di integrazione

Ottieni informazioni dettagliate sulle comuni difficoltà di integrazione e su come allineare l'IIoT ai sistemi IT e OT esistenti.

• Cybersecurity e gestione dei rischi

Comprendi l'importanza di proteggere gli ambienti IIoT e di gestire la privacy dei dati e l'integrità dei sistemi.

• Casi d'uso ed esempi di settore

Esamina le applicazioni reali dell'IIoT nella produzione, nella logistica e nella manutenzione, illustrando i vantaggi tangibili e le lezioni apprese.

Conclusione

Guardando questo webinar, gli spettatori acquisiranno una solida comprensione di come l'IIoT possa essere implementato strategicamente e tecnicamente per guidare la trasformazione in contesti industriali. Sia che stiate esplorando nuove tecnologie o pianificando una roadmap digitale, questa sessione vi fornirà le conoscenze necessarie per prendere decisioni informate e sbloccare il potenziale della produzione connessa.

Résumé – L'Internet industriel des objets – Présentation générale à l'intention des dirigeants commerciaux et techniques

Introduction

Ce webinaire enregistré, présenté par Flanders Make, offre une introduction complète à l'Internet industriel des objets (IIoT), spécialement conçue pour les dirigeants commerciaux et techniques du secteur manufacturier. En tant que centre de recherche de premier plan axé sur l'innovation dans l'industrie, Flanders Make partage des informations pratiques et des perspectives stratégiques sur la manière dont les technologies IIoT transforment les opérations industrielles. La session comble le fossé entre les possibilités techniques et la valeur commerciale, ce qui la rend idéale pour les décideurs, les ingénieurs et les responsables de l'innovation.

Principaux domaines d'apprentissage

• Qu'est-ce que l'IIoT et pourquoi est-il important ?

Comprendre les principes fondamentaux de l'Internet industriel des objets et sa pertinence pour les environnements de fabrication modernes.

• Facteurs commerciaux et valeur stratégique

Découvrez comment l'IIoT peut soutenir les objectifs commerciaux tels que l'efficacité opérationnelle, la réduction des coûts et l'innovation produit.

• Les fondements techniques de l'IIoT

Découvrez les technologies clés qui rendent l'IIoT possible, notamment les capteurs, la connectivité, l'edge computing et les plateformes cloud.

• Collecte et utilisation des données

Découvrez comment les systèmes IIoT collectent, traitent et exploitent les données pour soutenir la prise de décision en temps réel et l'analyse prédictive.

• Défis et solutions en matière d'intégration

Découvrez les obstacles courants à l'intégration et comment aligner l'IIoT sur les systèmes informatiques et opérationnels existants.

• Cybersécurité et gestion des risques

Comprenez l'importance de sécuriser les environnements IIoT et de gérer la confidentialité des données et l'intégrité des systèmes.

• Cas d'utilisation et exemples industriels

Passez en revue les applications concrètes de l'IIoT dans les domaines de la fabrication, de la logistique et de la maintenance, illustrant les avantages tangibles et les leçons apprises.

Conclusion

En regardant ce webinaire, les spectateurs acquerront une solide compréhension de la manière dont l'IIoT peut être mis en œuvre de manière stratégique et technique pour favoriser la transformation dans les environnements industriels. Que vous exploriez de nouvelles technologies ou planifiiez un plan d’action numérique, cette session vous fournira les connaissances nécessaires pour prendre des décisions éclairées et libérer le potentiel de la fabrication connectée.

Samenvatting - IoT voor de productiesector

De sessie is gericht op het ‘Internet of Things’ (IoT) voor de productiesector, met bijzondere aandacht voor het concept van IoT Data Fabric, een raamwerk voor het integreren en gebruiken van gegevens uit diverse bronnen binnen productieomgevingen.

De sessie werd geleid door Abhishek Kumar, verbonden aan de faculteit Informatietechnologie en Elektrotechniek van de Universiteit van Oulu.

Belangrijkste leergebieden

1. IoT en IoT Data Fabric

IoT omvat een netwerk van dingen of apparaten (van sensoren tot computers) die gegevens verzamelen en uitwisselen met andere apparaten over het internet.

IoT Data Fabric is een architecturaal raamwerk dat de integratie van heterogene gegevensbronnen mogelijk maakt ter ondersteuning van bedrijfsspecifieke besluitvorming in de productie. Biedt een uniform overzicht van de gegevens.

2. Belang in de productie

Moderne fabrieken genereren enorme hoeveelheden (realtime) gegevens van talrijke sensoren en apparaten.

De uitdaging is niet alleen het verzamelen van gegevens, maar ook het verkrijgen van tijdige, bruikbare inzichten om de efficiëntie en omzet te verbeteren.

IoT Data Fabric maakt een uniform overzicht van de activiteiten mogelijk, wat essentieel is voor strategische besluitvorming.

3. Architectuurlagen

De architectuur bestaat uit verschillende lagen:

Gegevenslaag: neemt gegevens uit verschillende bronnen op (realtime en historisch) en houdt zich bezig met heterogeniteit en interoperabiliteit. Belangrijkste uitdaging: interoperabiliteit tussen verschillende apparaatstandaarden.

Communicatielaag: zorgt voor betrouwbare, tijdige en nauwkeurige gegevensuitwisseling tussen apparaten (bijvoorbeeld robots in een fabriek). Belangrijkste uitdaging: hoe kan worden gegarandeerd dat de juiste gegevens tijdig en betrouwbaar worden uitgewisseld tussen de juiste entiteiten?

Gegevensbeheerlaag/opslaglaag: slaat gegevens efficiënt op voor snelle opvraging en analyse. De keuze van de databasetechnologie is cruciaal voor de prestaties. Belangrijkste uitdaging: hoe semantische kennis te waarborgen die interoperabiliteit tussen heterogene apparaten en snelle reacties op vragen mogelijk maakt.

Gegevensanalyselaag: haalt bruikbare informatie uit gegevens met behulp van AI en big data-technieken. Uitdagingen zijn onder meer gegevenssilo's en conceptdrift (wanneer modellen verouderd raken door veranderingen in gegevenspatronen).

Toepassingslaag: biedt uniforme visualisaties voor leidinggevenden ter ondersteuning van strategische besluitvorming. Belangrijkste uitdagingen: welke data-API-standaarden moeten worden gebruikt en hoe kan effectieve uniforme visualisatie worden geboden?

4. Slimme productie en maatwerk

Traditionele afweging: maatwerk versus schaalgrootte (bijv. Ferrari versus Ford).

Opkomend doel: hypermaatwerk op schaal, mogelijk gemaakt door AI, IoT en geavanceerde robotica.

De visie is om personalisatie op Ferrari-niveau te combineren met productievolumes op Ford-niveau.

5. Toekomstperspectief en cursusaanbod

De invoering van nieuwe technologieën in de productie verloopt geleidelijk en ongelijkmatig.

Fabrieken zullen blijven werken met een mix van oude en nieuwe technologieën.

De volgende training zal onderzoeken hoe IoT Data Fabric in de productie kan worden geïmplementeerd en hoe kan worden overgestapt op datagestuurde, schaalbare, hypermaatwerkproductie.

Conclusies

IoT Data Fabric biedt een gestructureerde aanpak om data in productiesystemen te verenigen en te benutten.

De integratie van legacy- en moderne technologieën is essentieel, aangezien de invoering geleidelijk en ongelijkmatig verloopt.

Geavanceerde technologieën zoals AI en 6G zullen een verschuiving mogelijk maken van doelgerichte naar datagestuurde productie.

De visie voor de toekomst is schaalbare, hypergepersonaliseerde productie, waarbij de personalisatie van Ferrari wordt gecombineerd met de schaal van Ford.

Link to Masterclass

Executive Summary - Software Defined Networking for Resilient IoT Deployment

Introduction

This expert-led masterclass, Software Defined Networking for Resilient IoT Deployment’, is delivered by Diogo Mendes from Arista Networks, a global leader in cloud networking. Delivered as part of the European Reboot Skills initiative (funded by Digital Europe), the session addresses a critical challenge facing modern businesses and industries: how to build and manage resilient, scalable, and secure networks capable of supporting the explosion of IoT devices and connected infrastructure.

Against the backdrop of evolving digital landscapes, from smart factories to remote operations, the case for Software Defined Networking (SDN) as a foundational technology for the future is presented. The masterclass blends technical clarity with practical examples to empower SMEs, engineers, and IT professionals to embrace cloud-native, automated, and secure networking practices. It demystifies how SDN simplifies network complexity, enhances real-time visibility, and enables organisations to respond faster to both business needs and cyber threats.

Key Learning Areas

• What is Software Defined Networking (SDN)?
  The session begins with a clear introduction to SDN — a paradigm shift that separates the control plane from the data plane, centralising network intelligence and making networks more programmable and flexible.

• Limitations of Traditional Networks
  Diogo explains why conventional networking architectures are not suited to dynamic and large-scale IoT systems, where adaptability, speed, and visibility are crucial.

• Benefits of SDN in IoT Deployments
  Participants learn how SDN supports automation, resilience, and simplified management in IoT networks, especially through dynamic policy enforcement, improved fault tolerance, and real-time telemetry.

• Cloud Networking and Network-as-a-Service (NaaS)
  The shift from localised control to cloud-managed infrastructure is examined, with examples of how SDN allows consistent network policies and visibility across distributed edge and cloud environments.

• Telemetry and AI-driven Insights
  The session highlights the value of real-time telemetry — enabling deep visibility into traffic, device behaviours, and system health — and shows how this data supports AI/ML-based threat detection, optimisation, and root cause analysis.

• Zero Trust and Microsegmentation
  Attendees are introduced to Zero Trust architectures, where SDN enables fine-grained security policies and microsegmentation to contain threats, manage device access, and enforce least-privilege principles across IoT endpoints.

• Case Study: Arista’s CloudVision Platform
  Diogo walks through Arista’s CloudVision as a practical example of SDN in action, demonstrating centralized orchestration, automation workflows, compliance monitoring, and operational analytics in a real-world SDN solution.

• Preparing for the Future of Networking
  The session closes with a discussion on how enterprises and SMEs can begin adopting SDN — starting small, identifying use cases (such as IoT, BYOD, or hybrid work), and building the right skillsets to support programmable infrastructure.

Conclusion

In an era where connected devices and distributed operations are the norm, traditional network architectures are no longer fit for purpose. This session equips viewers with the strategic understanding and technical vocabulary needed to navigate the shift to Software Defined Networking and its role in delivering resilient IoT infrastructure.

By engaging with this session, participants will not only grasp the core principles of SDN but also appreciate its real-world impact on automation, cybersecurity, telemetry, and cloud orchestration. Whether you’re planning a digital transformation project or troubleshooting an expanding device ecosystem, this masterclass offers a future-ready perspective on how to architect and manage smarter, safer, and more adaptive networks.

Sammanfattning (Svenska)

Inspelning 13. Programvarudefinierade nätverk för resilient IoT-implementering – University of Limerick.

Presenterad av Diogo Mendes (Arista Networks)

Inledning

Denna expertledda masterclass, Programvarudefinierade nätverk för motståndskraftig IoT-implementering, hålls av Diogo Mendes från Arista Networks, en global ledare inom molnbaserade nätverk. Sessionen, som hålls som en del av initiativet European Reboot Skills (finansierat av Digital Europe), tar upp en kritisk utmaning som moderna företag och branscher står inför: hur man bygger och hanterar robusta, skalbara och säkra nätverk som kan stödja den explosionsartade ökningen av IoT-enheter och ansluten infrastruktur.

Mot bakgrund av den digitala utvecklingen, från smarta fabriker till fjärrstyrda verksamheter, presenteras argumenten för mjukvarudefinierade nätverk (SDN) som en grundläggande teknik för framtiden. Genom att kombinera teknisk tydlighet med praktiska exempel ger mästarklassen små och medelstora företag, ingenjörer och IT-proffs möjlighet att anamma molnbaserade, automatiserade och säkra nätverksmetoder. Den förklarar hur SDN förenklar nätverkskomplexiteten, förbättrar realtidsvisibiliteten och gör det möjligt för organisationer att reagera snabbare på både affärsbehov och cyberhot.

Viktiga lärdomar

Vad är programvarudefinierade nätverk (SDN)?

Sessionen inleds med en tydlig introduktion till SDN – ett paradigmskifte som separerar kontrollplanet från dataplanet, centraliserar nätverksintelligensen och gör nätverk mer programmerbara och flexibla.

Begränsningar hos traditionella nätverk

Diogo förklarar varför konventionella nätverksarkitekturer inte är lämpliga för dynamiska och storskaliga IoT-system, där anpassningsförmåga, hastighet och synlighet är avgörande.

Fördelarna med SDN i IoT-implementeringar

Deltagarna lär sig hur SDN stöder automatisering, motståndskraft och förenklad hantering i IoT-nätverk, särskilt genom dynamisk policygenomförande, förbättrad feltolerans och telemetri i realtid.

Molnbaserade nätverk och Network-as-a-Service (NaaS)

Övergången från lokaliserad kontroll till molnbaserad infrastruktur undersöks, med exempel på hur SDN möjliggör konsekventa nätverkspolicyer och synlighet i distribuerade edge- och molnmiljöer.

Telemetri och AI-driven insikt

Sessionen belyser värdet av telemetri i realtid – som möjliggör djup insyn i trafik, enhetsbeteenden och systemhälsa – och visar hur dessa data stöder AI/ML-baserad hotdetektering, optimering och grundorsaksanalys.

Zero Trust och mikrosegmentering

Deltagarna introduceras till Zero Trust-arkitekturer, där SDN möjliggör finjusterade säkerhetspolicyer och mikrosegmentering för att begränsa hot, hantera enhetsåtkomst och tillämpa principer om minsta möjliga behörighet över IoT-slutpunkter.

Fallstudie: Aristas CloudVision-plattform

Diogo går igenom Aristas CloudVision som ett praktiskt exempel på SDN i praktiken och demonstrerar centraliserad orkestrering, automatiserade arbetsflöden, övervakning av efterlevnad och operativ analys i en verklig SDN-lösning.

Förbereda sig för framtidens nätverk

Sessionen avslutas med en diskussion om hur företag och små och medelstora företag kan börja använda SDN – genom att börja i liten skala, identifiera användningsfall (som IoT, BYOD eller hybridarbete) och bygga upp rätt kompetens för att stödja programmerbar infrastruktur.

Slutsats

I en tid där uppkopplade enheter och distribuerade operationer är normen är traditionella nätverksarkitekturer inte längre ändamålsenliga. Denna session ger tittarna den strategiska förståelse och det tekniska vokabulär som behövs för att navigera övergången till programvarudefinierade nätverk och deras roll i att leverera en resilient IoT-infrastruktur.

Genom att delta i denna session kommer deltagarna inte bara att förstå de grundläggande principerna för SDN utan också uppskatta dess verkliga inverkan på automatisering, cybersäkerhet, telemetri och molnorkestrering. Oavsett om du planerar ett digitalt transformationsprojekt eller felsöker ett växande ekosystem av enheter, erbjuder denna masterclass ett framtidsinriktat perspektiv på hur man kan utforma och hantera smartare, säkrare och mer anpassningsbara nätverk.

Software Defined Networking per l'implementazione resiliente dell'IoT

Introduzione

Questo masterclass tenuto da esperti, intitolato “Software Defined Networking per l'implementazione resiliente dell'IoT”, è tenuto da Diogo Mendes di Arista Networks, leader mondiale nel cloud networking. Organizzata nell'ambito dell'iniziativa European Reboot Skills (finanziata da Digital Europe), la sessione affronta una sfida fondamentale che le aziende e le industrie moderne devono affrontare: come costruire e gestire reti resilienti, scalabili e sicure in grado di supportare l'esplosione dei dispositivi IoT e delle infrastrutture connesse.

Sullo sfondo di un panorama digitale in continua evoluzione, dalle fabbriche intelligenti alle operazioni remote, viene presentata l'importanza del Software Defined Networking (SDN) come tecnologia fondamentale per il futuro. La masterclass unisce chiarezza tecnica ed esempi pratici per consentire alle PMI, agli ingegneri e ai professionisti IT di adottare pratiche di networking cloud-native, automatizzate e sicure. Spiega in modo semplice come l'SDN semplifica la complessità della rete, migliora la visibilità in tempo reale e consente alle organizzazioni di rispondere più rapidamente sia alle esigenze aziendali che alle minacce informatiche.

Aree di apprendimento chiave

Che cos'è il Software Defined Networking (SDN)?

La sessione inizia con una chiara introduzione all'SDN, un cambiamento di paradigma che separa il piano di controllo dal piano dati, centralizzando l'intelligenza di rete e rendendo le reti più programmabili e flessibili.

Limiti delle reti tradizionali

Diogo spiega perché le architetture di rete convenzionali non sono adatte a sistemi IoT dinamici e su larga scala, dove adattabilità, velocità e visibilità sono fondamentali.

Vantaggi dell'SDN nelle implementazioni IoT

I partecipanti apprendono come l'SDN supporti l'automazione, la resilienza e la gestione semplificata nelle reti IoT, in particolare attraverso l'applicazione dinamica delle politiche, una maggiore tolleranza ai guasti e la telemetria in tempo reale.

Cloud Networking e Network-as-a-Service (NaaS)

Viene esaminato il passaggio dal controllo localizzato all'infrastruttura gestita dal cloud, con esempi di come l'SDN consenta politiche di rete coerenti e visibilità in ambienti distribuiti edge e cloud.

Telemetria e approfondimenti basati sull'intelligenza artificiale

La sessione evidenzia il valore della telemetria in tempo reale, che consente una visibilità approfondita del traffico, dei comportamenti dei dispositivi e dello stato di salute del sistema, e mostra come questi dati supportino il rilevamento delle minacce, l'ottimizzazione e l'analisi delle cause alla radice basati su AI/ML.

Zero Trust e micro-segmentazione

Ai partecipanti vengono presentate le architetture Zero Trust, in cui l'SDN consente politiche di sicurezza dettagliate e micro-segmentazione per contenere le minacce, gestire l'accesso ai dispositivi e applicare i principi del privilegio minimo su tutti gli endpoint IoT.

Caso di studio: la piattaforma CloudVision di Arista

Diogo illustra CloudVision di Arista come esempio pratico di SDN in azione, dimostrando l'orchestrazione centralizzata, i flussi di lavoro di automazione, il monitoraggio della conformità e l'analisi operativa in una soluzione SDN reale.

Prepararsi al futuro del networking

La sessione si conclude con una discussione su come le grandi aziende e le PMI possono iniziare a adottare l'SDN, partendo da piccoli passi, identificando casi d'uso (come IoT, BYOD o lavoro ibrido) e sviluppando le competenze adeguate a supportare un'infrastruttura programmabile.

Conclusione

In un'era in cui i dispositivi connessi e le operazioni distribuite sono la norma, le architetture di rete tradizionali non sono più adatte allo scopo. Questa sessione fornisce agli spettatori la comprensione strategica e il vocabolario tecnico necessari per orientarsi nel passaggio al Software Defined Networking e al suo ruolo nella fornitura di un'infrastruttura IoT resiliente.

Partecipando a questa sessione, i partecipanti non solo comprenderanno i principi fondamentali dell'SDN, ma ne apprezzeranno anche l'impatto reale sull'automazione, la sicurezza informatica, la telemetria e l'orchestrazione del cloud. Che stiate pianificando un progetto di trasformazione digitale o risolvendo i problemi di un ecosistema di dispositivi in espansione, questa masterclass offre una prospettiva orientata al futuro su come progettare e gestire reti più intelligenti, sicure e adattabili.

Résumé (anglais)

Enregistrement 13. Réseaux définis par logiciel pour un déploiement IoT résilient – Université de Limerick.

Présenté par Diogo Mendes (Arista Networks)

Introduction

Cette masterclass animée par des experts, intitulée « Réseaux définis par logiciel pour un déploiement IoT résilient », est présentée par Diogo Mendes d'Arista Networks, leader mondial des réseaux cloud. Organisée dans le cadre de l'initiative European Reboot Skills (financée par Digital Europe), cette session aborde un défi majeur auquel sont confrontées les entreprises et les industries modernes : comment construire et gérer des réseaux résilients, évolutifs et sécurisés, capables de prendre en charge l'explosion des appareils IoT et des infrastructures connectées.

Dans un contexte d'évolution du paysage numérique, des usines intelligentes aux opérations à distance, les arguments en faveur du réseau défini par logiciel (SDN) en tant que technologie fondamentale pour l'avenir sont présentés. La masterclass allie clarté technique et exemples pratiques afin de permettre aux PME, aux ingénieurs et aux professionnels de l'informatique d'adopter des pratiques de mise en réseau ‘cloud natives’, automatisées et sécurisées. Elle démystifie la manière dont le SDN simplifie la complexité des réseaux, améliore la visibilité en temps réel et permet aux organisations de répondre plus rapidement aux besoins commerciaux et aux cybermenaces.

Principaux domaines d'apprentissage

Qu'est-ce que le Software Defined Networking (SDN) ?

La session commence par une introduction claire au SDN, un changement de paradigme qui sépare le plan de contrôle du plan de données, centralise l'intelligence du réseau et rend les réseaux plus programmables et plus flexibles.

Limites des réseaux traditionnels

Diogo explique pourquoi les architectures réseau conventionnelles ne sont pas adaptées aux systèmes IoT dynamiques et à grande échelle, où l'adaptabilité, la vitesse et la visibilité sont cruciales.

Avantages du SDN dans les déploiements IoT

Les participants découvrent comment le SDN favorise l'automatisation, la résilience et la simplification de la gestion dans les réseaux IoT, notamment grâce à l'application dynamique de politiques, à une meilleure tolérance aux pannes et à la télémétrie en temps réel.

Réseaux cloud et réseau en tant que service (NaaS)

Le passage d'un contrôle localisé à une infrastructure gérée dans le cloud est examiné, avec des exemples illustrant comment le SDN permet un plan cohérent de mise en réseau et une visibilité dans les environnements distribués en périphérie et dans le cloud.

Télémétrie et informations basées sur l'IA

La session met en évidence la valeur de la télémétrie en temps réel, qui permet une visibilité approfondie du trafic, du comportement des appareils et de l'état du système, et montre comment ces données prennent en charge la détection des menaces, l'optimisation et l'analyse des causes profondes basées sur l'IA/ML.

Zero Trust et microsegmentation

Les participants découvrent les architectures Zero Trust, dans lesquelles le SDN permet de mettre en place des politiques de sécurité granulaires et une microsegmentation afin de contenir les menaces, de gérer l'accès aux appareils et d'appliquer les principes du moindre privilège sur tous les terminaux IoT.

Étude de cas : la plateforme CloudVision d'Arista

Diogo présente CloudVision d'Arista comme un exemple pratique de SDN en action, démontrant l'orchestration centralisée, les workflows d'automatisation, la surveillance de la conformité et l'analyse opérationnelle dans une solution SDN réelle.

Se préparer pour l'avenir des réseaux

La session se termine par une discussion sur la manière dont les entreprises et les PME peuvent commencer à adopter le SDN : en commençant modestement, en identifiant des cas d'utilisation (tels que l'IoT, le BYOD ou le travail hybride) et en développant les compétences nécessaires pour prendre en charge une infrastructure programmable.

Conclusion

À une époque où les appareils connectés et les opérations distribuées sont la norme, les architectures réseau traditionnelles ne sont plus adaptées. Cette session fournit aux participants les connaissances stratégiques et le vocabulaire technique nécessaires pour appréhender la transition vers le Software Defined Networking et son rôle dans la mise en place d'une infrastructure IoT résiliente.

En participant à cette session, les participants comprendront non seulement les principes fondamentaux du SDN, mais apprécieront également son impact réel sur l'automatisation, la cybersécurité, la télémétrie et l'orchestration du cloud. Que vous planifiiez un projet de transformation numérique ou que vous dépanniez un écosystème d'appareils en pleine expansion, cette masterclass offre une perspective tournée vers l'avenir sur la manière de concevoir et de gérer des réseaux plus intelligents, plus sûrs et plus adaptables.

Samenvatting : Softwaregedefinieerde netwerken voor veerkrachtige IoT-implementatie – Universiteit van Limerick.

Gepresenteerd door Diogo Mendes (Arista Networks)

Inleiding

Deze door experts geleide masterclass, ‘Softwaregedefinieerde netwerken voor veerkrachtige IoT-implementatie’, wordt gegeven door Diogo Mendes van Arista Networks, een wereldwijde leider op het gebied van cloudnetwerken. De sessie maakt deel uit van het European Reboot Skills-initiatief (gefinancierd door Digital Europe) en gaat in op een cruciale uitdaging waar moderne bedrijven en industrieën mee te maken hebben: hoe veerkrachtige, schaalbare en veilige netwerken te bouwen en te beheren die de explosieve groei van IoT-apparaten en verbonden infrastructuur kunnen ondersteunen.

Tegen de achtergrond van een steeds veranderend digitaal landschap, van slimme fabrieken tot operaties op afstand, wordt Software Defined Networking (SDN) gepresenteerd als een fundamentele technologie voor de toekomst. De masterclass combineert technische duidelijkheid met praktische voorbeelden om kmo's, ingenieurs en IT-professionals in staat te stellen cloud-native, geautomatiseerde en veilige netwerkpraktijken te omarmen. Het ontrafelt hoe SDN de complexiteit van netwerken vereenvoudigt, de realtime zichtbaarheid verbetert en organisaties in staat stelt sneller te reageren op zowel zakelijke behoeften als cyberdreigingen.

Belangrijkste leergebieden

Wat is Software Defined Networking (SDN)?

De sessie begint met een duidelijke introductie van SDN – een paradigmaverschuiving die het besturingsvlak scheidt van het gegevensvlak, waardoor netwerkinformatie wordt gecentraliseerd en netwerken programmeerbaarder en flexibeler worden.

Beperkingen van traditionele netwerken

Diogo legt uit waarom conventionele netwerkarchitecturen niet geschikt zijn voor dynamische en grootschalige IoT-systemen, waar aanpassingsvermogen, snelheid en zichtbaarheid cruciaal zijn.

Voordelen van SDN in IoT-implementaties

Deelnemers leren hoe SDN automatisering, veerkracht en vereenvoudigd beheer in IoT-netwerken ondersteunt, met name door middel van dynamische beleidsafdwinging, verbeterde fouttolerantie en realtime telemetrie.

Cloudnetwerken en Network-as-a-Service (NaaS)

De verschuiving van lokale controle naar cloudbeheerde infrastructuur wordt onderzocht, met voorbeelden van hoe SDN consistente netwerkbeleidsregels en zichtbaarheid mogelijk maakt in gedistribueerde edge- en cloudomgevingen.

Telemetrie en AI-gestuurde inzichten

De sessie benadrukt de waarde van realtime telemetrie – die diepgaand inzicht biedt in verkeer, apparaatgedrag en systeemstatus – en laat zien hoe deze gegevens AI/ML-gebaseerde dreigingsdetectie, optimalisatie en analyse van de onderliggende oorzaak ondersteunen.

Zero Trust en microsegmentatie

Deelnemers maken kennis met Zero Trust-architecturen, waarbij SDN fijnmazige beveiligingsbeleidsregels en microsegmentatie mogelijk maakt om bedreigingen in te dammen, apparaattoegang te beheren en het principe van minimale rechten af te dwingen op IoT-eindpunten.

Casestudy: Arista's CloudVision-platform

Diogo bespreekt Arista's CloudVision als een praktisch voorbeeld van SDN in de praktijk en demonstreert gecentraliseerde orkestratie, automatiseringsworkflows, nalevingsmonitoring en operationele analyses in een real-world SDN-oplossing.

Voorbereiden op de toekomst van netwerken

De sessie wordt afgesloten met een discussie over hoe ondernemingen en kmo's kunnen beginnen met de invoering van SDN: klein beginnen, use cases identificeren (zoals IoT, BYOD of hybride werken) en de juiste vaardigheden opbouwen om programmeerbare infrastructuur te ondersteunen.

Conclusie

In een tijdperk waarin verbonden apparaten en gedistribueerde activiteiten de norm zijn, voldoen traditionele netwerkarchitecturen niet langer aan hun doel. Deze sessie biedt kijkers het strategische inzicht en de technische terminologie die nodig zijn om de overstap naar Software Defined Networking te maken en de rol ervan in het leveren van een veerkrachtige IoT-infrastructuur te begrijpen.

Door deel te nemen aan deze sessie krijgen deelnemers niet alleen inzicht in de kernprincipes van SDN, maar leren ze ook de praktische impact ervan op automatisering, cyberbeveiliging, telemetrie en cloudorkestratie waarderen. Of u nu een digitaal transformatieproject plant of problemen oplost in een groeiend ecosysteem van apparaten, deze masterclass biedt een toekomstgericht perspectief op het ontwerpen en beheren van slimmere, veiligere en meer adaptieve netwerken.

Link to Masterclass

Executive Summary - Data Governance and Privacy

Introduction

This recording captures the inaugural session in the Data Governance and Privacy Masterclass Series, hosted by the University of Limerick and sponsored by Digital Europe as part of the Reboot Skills project. Chaired by Professor Martin Hayes and Professor Ray Friel (University of Limerick), the session features expert insights from Rory O’Keeffe (Technology Partner at Matheson, London) and Carl Daly (Legal Counsel at MongoDB), exploring the growing complexity of data obligations for SMEs and larger organisations alike.

Key Learning Areas

1. Understanding Legal Concepts:
   A clear explanation of key data-related terms: GDPR, privacy, Freedom of Information (FOI), and Data Subject Access Requests (DSARs), and how they differ. Clarification provided on why small businesses often confuse these terms and what each entails under EU law.

2. Policy and Practice in Organisations:
   Outline provided on the critical difference between having data policies on paper versus embedding data governance into the culture and day-to-day operations of a company. Both speakers stress the need for data protection to be “lived” rather than just documented.

3. Culture, Training, and Implementation:
   The importance of leadership and continuous employee training in fostering a strong data protection culture. Examples show how training has evolved over time in response to enforcement demands and customer expectations.

4. Cybersecurity and Human Error:
   Insight into the rise of sophisticated cyber threats, including ransomware-as-a-service, and the role human error still plays in many data breaches. Both experts share examples of avoidable data loss and outline the need for strong incident response planning.

5. International Data Transfers and Jurisdictional Challenges:
   Discussion of how global businesses, like MongoDB, manage diverse data governance standards across jurisdictions: including challenges in countries like China and France. O’Keeffe provides legal context on EU adequacy decisions and Brexit-related data divergence.

6. Future Trends: AI, ESG, and Emerging Regulation:
   The session concludes with a forward look at new and upcoming EU regulations, such as the AI Act, Digital Operational Resilience Act (DORA), and Corporate Sustainability Reporting Directive (CSRD). These developments will further raise expectations around data handling, auditability, and explainability, particularly in AI-driven services.

7. Practical Advice for SMEs:
   Throughout the discussion, speakers acknowledge the resource constraints faced by SMEs. They offer practical tips for managing risk: from building retention schedules and conducting data mapping, to developing realistic, proportionate compliance strategies.

Conclusion

This masterclass provides a vital overview of the current data governance landscape, combining legal insight with real-world implementation challenges. Viewers will gain a clear understanding of key compliance obligations, learn about common pitfalls (especially for SMEs), and be better equipped to anticipate and respond to future regulatory demands, particularly in the fast-evolving areas of AI, cybersecurity, and ESG reporting.

Tiivistelmä: ”Datanhallinta ja tietosuoja” Reboot Skills -mestarikurssi

Limerickin yliopisto

Johdanto

Tallenne kattaa Limerickin yliopiston järjestämän ja Digital Europen tukeman Datanhallinta ja tietosuoja -masterclass-sarjan avajaisosion, joka kuuluu osaksi Reboot Skills -hanketta. Professori Martin Hayesin ja professori Ray Frielin (Limerickin yliopisto) johtamassa keskustelussa kuullaan asiantuntijoiden näkemyksiä Rory O’Keeffelta (teknologiakumppani, Matheson, Lontoo) ja Carl Dalylta (lakimies, MongoDB), jotka käsittelevät pk-yritysten ja suurempien organisaatioiden kasvavaa tietosuojavelvoitteiden monimutkaisuutta.

Tärkeimmät oppimiskohteet

1. Oikeudellisten käsitteiden ymmärtäminen:

Selkeä selitys keskeisistä tietosuojaan liittyvistä termeistä: GDPR, tietosuoja, tiedonvapaus (FOI) ja rekisteröidyn oikeudet (DSAR) sekä niiden eroista. Selvennys siitä, miksi pienet yritykset sekoittavat usein nämä termit ja mitä kukin niistä tarkoittaa EU:n lainsäädännössä.

2. Organisaatioiden politiikka ja käytäntö:

Kuvaus paperilla olevien tietosuojakäytäntöjen ja tietosuojan sisällyttämisen yrityksen kulttuuriin ja päivittäiseen toimintaan välisestä kriittisestä erosta. Molemmat puhujat korostavat, että tietosuojaa on ”elettävä” eikä vain dokumentoitava.

3. Kulttuuri, koulutus ja toteutus:

Johtamisen ja jatkuvan työntekijäkoulutuksen merkitys vahvan tietosuojakulttuurin edistämisessä. Esimerkit osoittavat, kuinka koulutus on kehittynyt ajan myötä vastaamaan täytäntöönpanovaatimuksiin ja asiakkaiden odotuksiin.

4. Kyberturvallisuus ja inhimilliset virheet:

Katsaus kehittyneiden kyberuhkien, kuten ransomware-as-a-service-ohjelmistojen, yleistymiseen ja inhimillisten virheiden merkitykseen monissa tietoturvaloukkauksissa. Molemmat asiantuntijat esittävät esimerkkejä vältettävissä olevista tietojen menetyksistä ja korostavat vahvan incident response -suunnittelun tarvetta.

5. Kansainväliset tiedonsiirrot ja lainkäyttöalueiden haasteet:

Keskustelu siitä, kuinka globaalit yritykset, kuten MongoDB, hallinnoivat erilaisia tietohallintostandardeja eri lainkäyttöalueilla, mukaan lukien haasteet esimerkiksi Kiinassa ja Ranskassa. O’Keeffe esittelee EU:n riittävyyspäätösten oikeudellista kontekstia ja brexitin myötä syntyneitä tietosuojakäytäntöjen eroja.

6. Tulevaisuuden trendit: tekoäly, ESG ja uudet säännökset:

Keskustelu päättyy katsaukseen uusista ja tulevista EU-säännöksistä, kuten tekoälylaki, digitaalisen toiminnan kestävyyslaki (DORA) ja yritysten kestävän kehityksen raportointidirektiivi (CSRD). Nämä kehityssuunnat lisäävät entisestään odotuksia tietojen käsittelystä, tarkastettavuudesta ja selitettävyydestä, erityisesti tekoälypohjaisissa palveluissa.

7. Käytännön neuvoja pk-yrityksille:

Keskustelun aikana puhujat tunnustavat pk-yritysten resurssirajoitukset. He antavat käytännön vinkkejä riskien hallintaan: säilytysaikataulujen laatimisesta ja tietojen kartoittamisesta realististen ja oikeasuhteisten compliance-strategioiden kehittämiseen.

Johtopäätös

Tämä Masterclass tarjoaa tärkeän katsauksen nykyiseen tietohallinnon tilanteeseen yhdistämällä juridisen näkemyksen ja käytännön toteutuksen haasteet. Katsojat saavat selkeän käsityksen keskeisistä vaatimustenmukaisuusvelvoitteista, oppivat yleisistä sudenkuopista (erityisesti pk-yrityksille) ja ovat paremmin varustautuneita ennakoimaan ja vastaamaan tuleviin sääntelyvaatimuksiin, erityisesti nopeasti kehittyvillä tekoälyn, kyberturvallisuuden ja ESG-raportoinnin aloilla.

Sammanfattning: ”Datastyrning och integritet” Reboot Skills Masterclass

University of Limerick

Inledning

Denna inspelning är från den första sessionen i serien Data Governance and Privacy Masterclass, som anordnades av University of Limerick och sponsrades av Digital Europe som en del av projektet Reboot Skills. Sessionen leds av professor Martin Hayes och professor Ray Friel (University of Limerick) och innehåller expertinsikter från Rory O’Keeffe (teknikpartner på Matheson, London) och Carl Daly (juridisk rådgivare på MongoDB), som utforskar den växande komplexiteten i datakrav för både små och medelstora företag och större organisationer.

Viktiga lärdomar

1. Förstå juridiska begrepp:

En tydlig förklaring av viktiga datarelaterade termer: GDPR, integritet, informationsfrihet (FOI) och begäran om tillgång till personuppgifter (DSAR) samt hur de skiljer sig åt. Förtydligande av varför småföretag ofta blandar ihop dessa termer och vad de innebär enligt EU-lagstiftningen.

2. Policy och praxis i organisationer:

Översikt över den avgörande skillnaden mellan att ha datapolicyer på papper och att integrera datastyrning i företagets kultur och dagliga verksamhet. Båda talarna betonar vikten av att dataskydd ska ”levas” snarare än bara dokumenteras.

3. Kultur, utbildning och implementering:

Vikten av ledarskap och kontinuerlig utbildning av anställda för att främja en stark dataskyddskultur. Exempel visar hur utbildningen har utvecklats över tid som svar på krav på efterlevnad och kundernas förväntningar.

4. Cybersäkerhet och mänskliga fel:

Insikt i ökningen av sofistikerade cyberhot, inklusive ransomware-as-a-service, och den roll som mänskliga fel fortfarande spelar i många dataintrång. Båda experterna delar med sig av exempel på undvikbar dataförlust och beskriver behovet av en stark planering för incidenthantering.

5. Internationella dataöverföringar och jurisdiktionsutmaningar:

Diskussion om hur globala företag, som MongoDB, hanterar olika standarder för datastyrning i olika jurisdiktioner, inklusive utmaningar i länder som Kina och Frankrike. O’Keeffe ger juridisk kontext om EU:s beslut om adekvat skyddsnivå och Brexit-relaterade datadivergenser.

6. Framtida trender: AI, ESG och nya regleringar:

Sessionen avslutas med en framåtblick på nya och kommande EU-regleringar, såsom AI-lagen, lagen om digital operativ resiliens (DORA) och direktivet om hållbarhetsrapportering för företag (CSRD). Dessa utvecklingar kommer att ytterligare höja förväntningarna på datahantering, granskbarhet och förklarbarhet, särskilt inom AI-drivna tjänster.

7. Praktiska råd för små och medelstora företag:

Under diskussionen erkänner talarna de resursbegränsningar som små och medelstora företag står inför. De ger praktiska tips för riskhantering: från att skapa lagringsscheman och genomföra datakartläggning till att utveckla realistiska och proportionerliga strategier för regelefterlevnad.

Slutsats

Denna masterclass ger en viktig översikt över det aktuella datastyrningslandskapet och kombinerar juridisk insikt med praktiska implementeringsutmaningar. Tittarna får en tydlig förståelse för viktiga efterlevnadskrav, lär sig om vanliga fallgropar (särskilt för små och medelstora företag) och blir bättre rustade att förutse och svara på framtida regleringskrav, särskilt inom de snabbt föränderliga områdena AI, cybersäkerhet och ESG-rapportering.

Riassunto Esecutivo:

Masterclass “Data Governance and Privacy” (Governance dei dati e privacy) del progetto Reboot Skills

Università di Limerick

Introduzione

Questa registrazione riprende la sessione inaugurale della serie di masterclass sulla governance dei dati e la privacy, ospitata dall'Università di Limerick e sponsorizzata da Digital Europe nell'ambito del progetto Reboot Skills. Presieduta dal professor Martin Hayes e dal professor Ray Friel (Università di Limerick), la sessione presenta le opinioni degli esperti Rory O'Keeffe (partner tecnologico presso Matheson, Londra) e Carl Daly (consulente legale presso MongoDB), che esplorano la crescente complessità degli obblighi in materia di dati sia per le PMI che per le organizzazioni di maggiori dimensioni.

Aree di apprendimento chiave

1. Comprensione dei concetti giuridici:

Una chiara spiegazione dei termini chiave relativi ai dati: GDPR, privacy, libertà di informazione (FOI) e richieste di accesso ai dati (DSAR), e come si differenziano. Chiarimenti sul motivo per cui le piccole imprese spesso confondono questi termini e su cosa comportano ciascuno di essi ai sensi del diritto dell'UE.

2. Politiche e prassi nelle organizzazioni:

Descrizione della differenza fondamentale tra avere politiche sui dati sulla carta e integrare la governance dei dati nella cultura e nelle operazioni quotidiane di un'azienda. Entrambi i relatori sottolineano la necessità che la protezione dei dati sia “vissuta” piuttosto che semplicemente documentata.

3. Cultura, formazione e implementazione:

L'importanza della leadership e della formazione continua dei dipendenti nel promuovere una forte cultura della protezione dei dati. Gli esempi mostrano come la formazione si sia evoluta nel tempo in risposta alle esigenze di applicazione della legge e alle aspettative dei clienti.

4. Cybersecurity ed errore umano:

Approfondimento sull'aumento delle minacce informatiche sofisticate, tra cui il ransomware-as-a-service, e sul ruolo che l'errore umano continua a svolgere in molte violazioni dei dati. Entrambi gli esperti condividono esempi di perdita di dati evitabile e sottolineano la necessità di una solida pianificazione della risposta agli incidenti.

5. Trasferimenti internazionali di dati e sfide giurisdizionali:

Discussione su come le aziende globali, come MongoDB, gestiscono diversi standard di governance dei dati in diverse giurisdizioni, comprese le sfide in paesi come la Cina e la Francia. O'Keeffe fornisce il contesto giuridico sulle decisioni di adeguatezza dell'UE e sulla divergenza dei dati relativa alla Brexit.

6. Tendenze future: IA, ESG e normative emergenti:

La sessione si conclude con uno sguardo al futuro delle nuove e imminenti normative UE, come l'AI Act, il Digital Operational Resilience Act (DORA) e la Corporate Sustainability Reporting Directive (CSRD). Questi sviluppi aumenteranno ulteriormente le aspettative in materia di trattamento dei dati, verificabilità e spiegabilità, in particolare nei servizi basati sull'IA.

7. Consigli pratici per le PMI:

Durante la discussione, i relatori riconoscono i limiti delle risorse a disposizione delle PMI. Offrono consigli pratici per la gestione del rischio: dalla creazione di programmi di conservazione e dalla mappatura dei dati, allo sviluppo di strategie di conformità realistiche e proporzionate.

Conclusione

Questo masterclass fornisce una panoramica fondamentale dell'attuale panorama della governance dei dati, combinando approfondimenti giuridici con le sfide di implementazione nel mondo reale. Gli spettatori acquisiranno una chiara comprensione dei principali obblighi di conformità, impareranno a conoscere le insidie comuni (in particolare per le PMI) e saranno meglio attrezzati per anticipare e rispondere alle future esigenze normative, in particolare nei settori in rapida evoluzione dell'IA, della sicurezza informatica e della rendicontazione ESG.

Introduction

Cet enregistrement présente la session inaugurale de la série de masterclasses sur la gouvernance des données et la confidentialité, organisée par l'université de Limerick et parrainée par Digital Europe dans le cadre du projet Reboot Skills. Présidée par le professeur Martin Hayes et le professeur Ray Friel (Université de Limerick), la session présente les points de vue d'experts tels que Rory O'Keeffe (partenaire technologique chez Matheson, Londres) et Carl Daly (conseiller juridique chez MongoDB), qui explorent la complexité croissante des obligations en matière de données pour les PME et les grandes organisations.

Principaux domaines d'apprentissage

1. Comprendre les concepts juridiques :

Explication claire des principaux termes liés aux données : RGPD, confidentialité, liberté d'information (FOI) et demandes d'accès aux données (DSAR), et en quoi ils diffèrent. Clarification des raisons pour lesquelles les petites entreprises confondent souvent ces termes et de ce que chacun d'entre eux implique en vertu du droit européen.

2. Politique et pratique dans les organisations :

Présentation des différences fondamentales entre le fait d'avoir des règlements sur la gouvernance des données en principe et le fait d'intégrer la gouvernance des données dans la culture et les opérations quotidiennes d'une entreprise. Les deux intervenants soulignent la nécessité de « vivre » la protection des données plutôt que de se contenter de la documenter.

3. Culture, formation et mise en œuvre :

Importance du leadership et de la formation continue des employés pour favoriser une culture solide de protection des données. Des exemples montrent comment la formation a évolué au fil du temps en réponse aux exigences en matière d'application de la loi et aux attentes des clients.

4. Cybersécurité et erreur humaine :

Aperçu de la montée en puissance des cybermenaces sophistiquées, notamment les ransomwares en tant que service, et du rôle que l'erreur humaine continue de jouer dans de nombreuses violations de données. Les deux experts partagent des exemples de pertes de données évitables et soulignent la nécessité d'une planification solide des mesures à prendre en cas d'incident.

5. Transferts internationaux de données et défis juridictionnels :

Discussion sur la manière dont les entreprises mondiales, telles que MongoDB, gèrent les différentes normes de gouvernance des données dans les différentes juridictions, y compris les défis rencontrés dans des pays comme la Chine et la France. O'Keeffe fournit un contexte juridique sur les décisions d'adéquation de l'UE et la divergence des données liée au Brexit.

6. Tendances futures : IA, ESG et réglementation émergente :

La session se termine par un aperçu des nouvelles réglementations européennes à venir, telles que la loi sur l'IA, la loi sur la résilience opérationnelle numérique (DORA) et la directive sur les rendus de compte en matière de durabilité des entreprises (CSRD). Ces évolutions renforceront encore les attentes en matière de traitement des données, d'auditabilité et d'explicabilité, en particulier dans les services basés sur l'IA.

7. Conseils pratiques pour les PME :

Tout au long de la discussion, les intervenants reconnaissent les contraintes en matière de ressources auxquelles sont confrontées les PME. Ils offrent des conseils pratiques pour gérer les risques : de l'établissement de calendriers de conservation et de la cartographie des données à l'élaboration de stratégies de conformité réalistes et proportionnées.

Conclusion

Cette masterclass offre un aperçu essentiel du paysage actuel de la gouvernance des données, combinant des connaissances juridiques et les défis concrets de la mise en œuvre. Les participants acquerront une compréhension claire des principales obligations en matière de conformité, découvriront les pièges courants (en particulier pour les PME) et seront mieux armés pour anticiper et répondre aux futures exigences réglementaires, notamment dans les domaines en rapide évolution de l'IA, de la cybersécurité et du reporting ESG.

Samenvatting: Masterclass ‘Data Governance and Privacy’ (Reboot Skills)

Universiteit van Limerick

Inleiding

Deze opname bevat de openingssessie van de masterclassserie ‘Data Governance and Privacy’, georganiseerd door de Universiteit van Limerick en deels gesubsidieerd door Digital Europe als onderdeel van het Reboot Skills-project. Onder leiding van professor Martin Hayes en professor Ray Friel (Universiteit van Limerick) biedt de sessie deskundige inzichten van Rory O'Keeffe (technologiepartner bij Matheson, Londen) en Carl Daly (juridisch adviseur bij MongoDB), die ingaan op de toenemende complexiteit van gegevensverplichtingen voor zowel kmo's als grotere organisaties.

Belangrijkste leergebieden

1. Inzicht in juridische concepten:

Een duidelijke uitleg van belangrijke gegevensgerelateerde termen: AVG, privacy, vrijheid van informatie (FOI) en verzoeken om toegang tot gegevens (DSAR's), en hoe deze van elkaar verschillen. Verduidelijking waarom kleine bedrijven deze termen vaak door elkaar halen en wat elk van deze termen inhoudt volgens de EU-wetgeving.

2. Beleid en praktijk in organisaties:

Overzicht van het cruciale verschil tussen het hebben van een gegevensbeleid op papier en het integreren van gegevensbeheer in de cultuur en dagelijkse activiteiten van een bedrijf. Beide sprekers benadrukken dat gegevensbescherming niet alleen op papier moet staan, maar ook in de praktijk moet worden gebracht.

3. Cultuur, training en implementatie:

Het belang van leiderschap en voortdurende opleiding van werknemers bij het bevorderen van een sterke cultuur van gegevensbescherming. Voorbeelden laten zien hoe opleidingen in de loop der tijd zijn geëvolueerd in reactie op handhavingsvereisten en verwachtingen van klanten.

4. Cyberbeveiliging en menselijke fouten:

Inzicht in de toename van geavanceerde cyberdreigingen, waaronder ransomware-as-a-service, en de rol die menselijke fouten nog steeds spelen bij veel datalekken. Beide experts geven voorbeelden van vermijdbaar gegevensverlies en schetsen de noodzaak van een sterke planning voor incidentrespons.

5. Internationale gegevensoverdracht en jurisdictieproblemen:

Bespreking van hoe internationale bedrijven, zoals MongoDB, omgaan met uiteenlopende normen voor gegevensbeheer in verschillende rechtsgebieden, waaronder uitdagingen in landen als China en Frankrijk. O'Keeffe geeft juridische context over adequaatheidsbesluiten van de EU en Brexit-gerelateerde gegevensverschillen.

6. Toekomstige trends: AI, ESG en opkomende regelgeving:

De sessie wordt afgesloten met een vooruitblik op nieuwe en toekomstige EU-regelgeving, zoals de AI-wet, de Digital Operational Resilience Act (DORA) en de Corporate Sustainability Reporting Directive (CSRD). Deze ontwikkelingen zullen de verwachtingen rond gegevensverwerking, controleerbaarheid en verklaarbaarheid verder verhogen, met name in AI-gestuurde diensten.

7. Praktisch advies voor kmo's:

Tijdens de discussie erkennen de sprekers dat kmo's te maken hebben met beperkte middelen. Ze geven praktische tips voor risicobeheer: van het opstellen van bewaarschema's en het uitvoeren van datamapping tot het ontwikkelen van realistische, evenredige nalevingsstrategieën.

Conclusie

Deze masterclass biedt een essentieel overzicht van het huidige landschap op het gebied van gegevensbeheer, waarbij juridische inzichten worden gecombineerd met praktische implementatie-uitdagingen. Kijkers krijgen een duidelijk inzicht in de belangrijkste nalevingsverplichtingen, leren over veelvoorkomende valkuilen (met name voor kmo's) en zijn beter toegerust om te anticiperen op en te reageren op toekomstige regelgevingsvereisten, met name op het snel evoluerende gebied van AI, cyberbeveiliging en ESG-rapportage.

Link to Masterclass

Executive Summary – Collaborative Robotics

Introduction

This session is part of the Reboot Skills Collaborative Robotics program delivered by MADE CC. It introduces the concept of collaborative robots (cobots) and their role in modern manufacturing. Unlike traditional robots, cobots are designed to safely and efficiently work alongside humans. The training is designed for production managers, automation engineers, SMEs, and innovators looking to adopt flexible robotic solutions.

Key Learning Areas

• What are Collaborative Robots?
  Characteristics of cobots, including safety, adaptability, and ease of use.

• Comparison with Traditional Robotics
  Differences in cost, deployment, and scalability.

• Applications in Manufacturing
  Assembly, material handling, packaging, and inspection tasks.

• Impact on Workforce
  Shifting human roles from repetitive tasks to supervision and innovation.

• Business Advantages
  Cost-effectiveness, flexibility, and productivity gains for large and small enterprises.

• Case Studies
  Real-world implementations highlighting cobot integration.

Conclusion

By joining this session, participants will gain an understanding of how collaborative robots transform industrial workflows. The training highlights cobots as a gateway to affordable and safe automation, enabling organizations to scale productivity without major infrastructure investments.

Tiivistelmä – Yhteistyörobotiikka (Collaborative Robotics)

Johdanto

Koulutus on osa Reboot Skills Collaborative Robotics -ohjelmaa, ja sen vetäjä esittelee yhteistyörobottien (cobotit) käsitteen ja niiden merkityksen nykyaikaisessa valmistuksessa. Toisin kuin perinteiset robotit, cobotit on suunniteltu toimimaan turvallisesti ja tehokkaasti ihmisten rinnalla.

Koulutus on suunnattu tuotantopäälliköille, automaatioinsinööreille, pk-yrityksille sekä innovoijille, jotka haluavat hyödyntää joustavia robottiratkaisuja.

Keskeiset oppimiskohteet

• Mitä ovat yhteistyörobotit?
  Cobottien keskeiset ominaisuudet: turvallisuus, mukautuvuus ja helppokäyttöisyys.

• Vertailu perinteisiin robotteihin
  Erot kustannuksissa, käyttöönotossa ja skaalautuvuudessa.

• Sovellukset valmistuksessa
  Esimerkiksi kokoonpano, materiaalinkäsittely, pakkaus ja tarkastustehtävät.

• Vaikutus työvoimaan
  Ihmisten roolien siirtyminen toistuvista tehtävistä valvontaan ja innovointiin.

• Liiketoiminnalliset edut
  Kustannustehokkuus, joustavuus ja tuottavuuden kasvu niin suurille kuin pienillekin yrityksille.

• Tapaustutkimukset
  Käytännön esimerkit kobottien integroinnista teollisuusympäristöissä.

Johtopäätös

Osallistumalla tähän koulutukseen osallistujat saavat kokonaiskuvan siitä, miten yhteistyörobotit uudistavat teollisuuden työnkulkuja ja luovat uusia mahdollisuuksia. Koulutuksessa painotetaan cobottien merkitystä kustannustehokkaana ja turvallisena automaation ratkaisuna, joka mahdollistaa tuottavuuden kasvun ilman raskaita infrastruktuuri-investointeja.

Lisäksi osallistujat ymmärtävät, miten cobotit toimivat porttina joustavampaan, ihmiskeskeiseen ja innovatiiviseen työympäristöön, jossa teknologia tukee ihmisten osaamista ja lisää organisaation kilpailukykyä.

Exekutiv Sammanfattning – Kollaborativ Robotik (Robotica Collaborativa)

Introduktion

Denna session är en del av Reboot Skills Collaborative Robotics-programmet. Den introducerar konceptet med kollaborativa robotar (cobots) och deras roll i modern tillverkningsindustri. Till skillnad från traditionella robotar är cobots utformade för att på ett säkert och effektivt sätt arbeta sida vid sida med människor. Träningen riktar sig till produktionschefer, automationsingenjörer, små och medelstora företag samt innovatörer som vill anta flexibla robotlösningar.

Viktiga Lärdomsområden

Vad är kollaborativa robotar?
Egenskaper hos cobots, inklusive säkerhet, anpassningsförmåga och användarvänlighet.

Jämförelse med traditionell robotik
Skillnader i kostnad, implementering och skalbarhet.

Tillämpningar i tillverkningsindustrin
Monteringsarbete, materialhantering, förpackning och inspektionsuppgifter.

Påverkan på arbetskraften
Förändring av människans roll från repetitiva uppgifter till övervakning och innovation.

Affärsfördelar
Kostnadseffektivitet, flexibilitet och produktivitetsvinster för både stora och små företag.

Fallstudier
Praktiska exempel som visar hur cobots integreras i industrin.

Slutsats

Genom att delta i denna session får deltagarna en förståelse för hur kollaborativa robotar förändrar industriella arbetsflöden. Träningen lyfter fram cobots som en inkörsport till prisvärd och säker automation, vilket gör det möjligt för organisationer att öka produktiviteten utan stora infrastrukturinvesteringar.

Riassunto esecutivo – Robotica Collaborativa

Introduzione

Questa sessione fa parte del programma Reboot Skills Collaborative Robotics. Introduce il concetto di robot collaborativi (cobot) e il loro ruolo nella produzione moderna. A differenza dei robot tradizionali, i cobot sono progettati per lavorare in modo sicuro ed efficiente a fianco degli esseri umani. La formazione è pensata per responsabili di produzione, ingegneri dell'automazione, PMI e innovatori che desiderano adottare soluzioni robotiche flessibili.

Aree di apprendimento chiave

• Cosa sono i robot collaborativi?

Caratteristiche dei cobot, tra cui sicurezza, adattabilità e facilità d'uso.

• Confronto con la robotica tradizionale

Differenze in termini di costi, implementazione e scalabilità.

• Applicazioni nella produzione

Attività di assemblaggio, movimentazione dei materiali, imballaggio e ispezione.

• Impatto sulla forza lavoro

Spostamento dei ruoli umani dalle attività ripetitive alla supervisione e all'innovazione.

• Vantaggi aziendali

Convenienza, flessibilità e aumento della produttività per le grandi e piccole imprese.

• Casi di studio

Implementazioni reali che evidenziano l'integrazione dei cobot.

Conclusione

Partecipando a questa sessione, i partecipanti acquisiranno una comprensione di come i robot collaborativi trasformano i flussi di lavoro industriali. La formazione evidenzia i cobot come una porta d'accesso all'automazione economica e sicura, consentendo alle organizzazioni di aumentare la produttività senza grandi investimenti infrastrutturali.

Résumé – Robotique collaborative (Robotica Collaborativa)

Introduction

Cette session fait partie du programme Reboot Skills Collaborative Robotics. Elle présente le concept des robots collaboratifs (cobots) et leur rôle dans la fabrication moderne. Contrairement aux robots traditionnels, les cobots sont conçus pour travailler en toute sécurité et efficacement aux côtés des humains. La formation est destinée aux responsables de production, aux ingénieurs en automatisation, aux PME et aux innovateurs qui souhaitent adopter des solutions robotiques flexibles.

Principaux domaines d'apprentissage

• Que sont les robots collaboratifs ?

Caractéristiques des cobots, notamment la sécurité, l'adaptabilité et la facilité d'utilisation.

• Comparaison avec la robotique traditionnelle

Différences en termes de coût, de déploiement et d'évolutivité.

• Applications dans la fabrication

Tâches d'assemblage, de manutention, d'emballage et d'inspection.

• Impact sur la main-d'œuvre

Transformation des rôles humains, qui passent de tâches répétitives à la supervision et à l'innovation.

• Avantages commerciaux

Rentabilité, flexibilité et gains de productivité pour les grandes et petites entreprises.

• Études de cas

Mises en œuvre concrètes mettant en évidence l'intégration des cobots.

Conclusion

En participant à cette session, les participants comprendront comment les robots collaboratifs transforment les flux de travail industriels. La formation met en avant les cobots comme une passerelle vers une automatisation abordable et sûre, permettant aux organisations d'augmenter leur productivité sans investissements majeurs dans les infrastructures.

Executive Summary – Collaboratieve Robots (Cobots)

Inleiding

Deze sessie maakt deel uit van het Reboot Skills project. Ze introduceert het concept van collaboratieve robots (cobots) en hun rol in de moderne maakindustrie. In tegenstelling tot traditionele robots zijn cobots ontworpen om veilig en efficiënt samen te werken met mensen. De training is bedoeld voor productiemanagers, automatiseringsingenieurs, kmo’s en innovators die flexibele robotoplossingen willen toepassen.

Belangrijkste Leergebieden

• Wat zijn collaboratieve robots?
  Kenmerken van cobots, waaronder veiligheid, aanpassingsvermogen en gebruiksvriendelijkheid.

• Vergelijking met traditionele robotica
  Verschillen in kosten, implementatie en schaalbaarheid.

• Toepassingen in de maakindustrie
  Montage, materiaalverwerking, verpakking en inspectietaken.

• Impact op de arbeidskrachten
  Verschuiving van menselijke rollen van repetitieve taken naar toezicht en innovatie.

• Zakelijke voordelen
  Kosteneffectiviteit, flexibiliteit en productiviteitswinsten voor zowel grote als kleine ondernemingen.

• Casestudy’s
  Praktische voorbeelden die de integratie van cobots in de industrie aantonen.

Conclusie

Door deel te nemen aan deze sessie krijgen deelnemers inzicht in hoe collaboratieve robots industriële werkstromen transformeren. De training benadrukt cobots als een toegangspoort tot betaalbare en veilige automatisering, waardoor organisaties hun productiviteit kunnen opschalen zonder grote investeringen in infrastructuur.

Link to Masterclass

Executive Summary – Collaborative Robotics: Safety

Introduction

This course focuses on the safety requirements for deploying collaborative robots in industrial environments. The course is delivered by MADE Competence Center within Reboot skills project.

As cobots become increasingly common, ensuring safe human–robot interaction is critical. The training is designed for safety officers, engineers, production managers, and innovation leaders interested in risk assessment, compliance, and safe workplace design.

Key Learning Areas

• Robot Safety Challenges
  Understanding risks related to physical contact, unexpected movements, and human error.

• Types of Robots and Safety Profiles
  How traditional robots, cobots, and mobile robots differ in safety requirements.

• Safety Standards and Regulations
  Overview of ISO/TS 15066 and related standards.

• Risk Assessment & Mitigation
  Identifying hazards and applying protective measures such as force limitation, sensors, and barriers.

• Safe Human-Robot Collaboration
  Best practices for ensuring smooth and safe cooperation.

• Designing Safe Workspaces
  Layout, ergonomics, and safety considerations in production environments.

• Practical Examples
  Case studies from industry showing safe cobot deployment.

Conclusion

Participants will gain an in-depth understanding of safety in collaborative robotics. The module equips professionals with the knowledge to evaluate risks, comply with international standards, and design safe, productive human–robot workspaces.

Tiivistelmä – Robottien turvallisuus työympäristössä

Johdanto

Tämä koulutus on osa Reboot Skills Collaborative Robotics -kokonaisuutta. Koulutuksen vetäjänä toimii Luka Ramaekers, sovellusinsinööri Flanders Make -tutkimuskeskuksesta Belgiasta. Koulutus keskittyy robottien turvallisuuteen teollisuusympäristöissä. Kun yhteistyörobotit (cobotit) ja autonomiset järjestelmät yleistyvät valmistusteollisuudessa, on välttämätöntä varmistaa turvallinen vuorovaikutus ihmisten ja koneiden välillä.

Koulutus on suunnattu turvallisuusvastaaville, insinööreille, tuotantopäälliköille ja innovaatiojohtajille, jotka haluavat ymmärtää turvallisten robottien integrointiin liittyviä riskejä, määräyksiä ja teknologioita.

Keskeiset oppimiskohteet

• Robottien turvallisuushaasteet
  Katsaus teollisuusrobotteihin liittyviin turvallisuusriskeihin, kuten fyysisiin vaaratekijöihin, odottamattomiin liikkeisiin ja inhimillisiin virheisiin.

• Teollisuusrobottien tyypit ja turvallisuusprofiilit
  Selitys perinteisten robottien, yhteistyörobottien ja liikkuvien robottien eroista sekä vaikutuksista turvallisuussuunnitteluun.

• Turvallisuusstandardit ja -määräykset
  Johdanto keskeisiin kansainvälisiin standardeihin (esim. ISO 10218, ISO/TS 15066) ja niiden soveltamiseen robottien käyttöönotossa valmistusteollisuudessa.

• Riskien arviointi ja lieventämisstrategiat
  Käytännön ohjeita vaarojen tunnistamiseen, riskien arviointiin ja suojaustoimien, kuten anturien, esteiden ja hätäpysäyttimien, käyttöönottoon.

• Ihmisten ja robottien yhteistyö
  Näkemyksiä siitä, kuinka robotit voivat toimia turvallisesti ihmisten rinnalla. Esimerkkeinä voiman ja nopeuden rajoitukset, näköjärjestelmät ja älykäs ohjaus.

• Turvallisten työtilojen suunnittelu
  Vinkkejä tuotantoympäristöjen layoutiin, ergonomiaan ja muihin tekijöihin, jotka tukevat turvallista robottien käyttöä.

• Käytännön esimerkit ja tapaustutkimukset
  Teollisuuden kumppaneilta saatuja ratkaisuja, jotka osoittavat, kuinka teoria muuttuu käytännöksi.

Johtopäätös

Osallistujat saavat kattavan käsityksen siitä, miten robotit voidaan integroida turvallisesti teollisiin työnkulkuihin. Koulutus tarjoaa ammattilaisille valmiudet arvioida riskejä, noudattaa kansainvälisiä määräyksiä sekä suunnitella turvallisia ja tuottavia työympäristöjä, joissa ihmiset ja robotit voivat toimia rinnakkain tehokkaasti.

Olitpa sitten suunnittelemassa uuden robotin käyttöönottoa tai kehittämässä jo olemassa olevia järjestelmiä, tämä koulutus tarjoaa olennaisia näkemyksiä turvallisemman tulevaisuuden rakentamiseen valmistusteollisuudessa.

Sammanfattning – Robotsäkerhet på arbetsplatsen

Inledning

Denna session är en del av Reboot Skills Collaborative Robotics-utbildningarna. Utbildningen leds av Luka Ramaekers, applikationsingenjör vid Flanders Make, ett strategiskt forskningscenter i Flandern, Belgien. Sessionen fokuserar på det viktiga ämnet robotsäkerhet i industriella miljöer. I takt med att kollaborativa robotar (cobots) och autonoma system blir allt vanligare inom tillverkningsindustrin är det viktigt att säkerställa en säker interaktion mellan människor och maskiner. Denna session är avsedd för säkerhetsansvariga, ingenjörer, produktionschefer och innovationsledare som vill förstå riskerna, reglerna och teknikerna som är förknippade med att skapa säkra arbetsplatser med robotintegration.

Viktiga lärandeområden

• Förstå utmaningarna med robotsäkerhet

Översikt över säkerhetsriskerna i samband med industrirobotar, inklusive fysiska faror, oväntade rörelser och mänskliga fel.

• Typer av industrirobotar och deras säkerhetsprofiler

Förklaring av skillnaderna mellan traditionella robotar, samarbetsrobotar och mobila robotar, och hur varje typ påverkar säkerhetsplaneringen.

• Säkerhetsstandarder och regler

Introduktion till viktiga internationella säkerhetsstandarder (t.ex. ISO 10218, ISO/TS 15066) och hur de tillämpas på robotanvändning inom tillverkning.

• Riskbedömning och strategier för riskminimering

Praktisk vägledning om hur man genomför riskbedömningar, identifierar faror och implementerar skyddsåtgärder såsom sensorer, barriärer och nödstopp.

• Samarbete mellan människor och robotar

Insikter om hur robotar kan arbeta säkert tillsammans med människor, inklusive användning av kraft- och hastighetsbegränsningar, visionssystem och intelligent styrning.

• Utformning av säkra arbetsplatser

Tips för att utforma produktionsmiljöer som stödjer säker robotdrift, inklusive överväganden kring layout och ergonomiska faktorer.

• Exempel från verkligheten och fallstudier

Presentation av säkerhetsimplementeringar från branschpartners, som visar hur teorin omsätts i praktiken.

Slutsats

Genom att titta på detta webinar får tittarna en omfattande förståelse för hur man på ett säkert sätt integrerar robotar i industriella arbetsflöden. Sessionen ger yrkesverksamma kunskapen att bedöma risker, följa regler och utforma säkra, produktiva miljöer där människor och robotar kan samarbeta effektivt. Oavsett om du planerar en ny robotinstallation eller förbättrar befintliga system, erbjuder denna video viktiga insikter för en säkrare framtid inom tillverkning.

Riassunto esecutivo – Sicurezza dei robot nell'ambiente di lavoro

Introduzione

Questa sessione fa parte dei corsi di formazione Reboot Skills Collaborative Robotics. Il corso è tenuto da Luka Ramaekers, ingegnere applicativo presso Flanders Make, un centro di ricerca strategica con sede nelle Fiandre, in Belgio. La sessione si concentra sul tema fondamentale della sicurezza dei robot negli ambienti industriali. Con la diffusione dei robot collaborativi (cobot) e dei sistemi autonomi nella produzione, è essenziale garantire un'interazione sicura tra esseri umani e macchine. Questa sessione è pensata per responsabili della sicurezza, ingegneri, responsabili di produzione e leader dell'innovazione che desiderano comprendere i rischi, le normative e le tecnologie coinvolti nella creazione di luoghi di lavoro sicuri integrati con i robot.

Aree di apprendimento chiave

• Comprendere le sfide della sicurezza dei robot

Panoramica dei rischi per la sicurezza associati ai robot industriali, inclusi pericoli fisici, movimenti imprevisti ed errore umano.

• Tipi di robot industriali e loro profili di sicurezza

Spiegazione delle differenze tra robot tradizionali, robot collaborativi e robot mobili e di come ciascun tipo influisca sulla pianificazione della sicurezza.

• Norme e regolamenti di sicurezza

Introduzione alle principali norme di sicurezza internazionali (ad esempio ISO 10218, ISO/TS 15066) e al modo in cui si applicano all'impiego dei robot nella produzione.

• Valutazione dei rischi e strategie di mitigazione

Linee guida pratiche sulla conduzione delle valutazioni dei rischi, l'identificazione dei pericoli e l'implementazione di misure di protezione quali sensori, barriere e arresti di emergenza.

• Collaborazione uomo-robot

Approfondimenti su come i robot possono lavorare in sicurezza a fianco degli esseri umani, compreso l'uso di limitazioni di forza e velocità, sistemi di visione e controllo intelligente.

• Progettazione di spazi di lavoro sicuri

Suggerimenti per la progettazione di ambienti di produzione che supportino il funzionamento sicuro dei robot, comprese considerazioni sul layout e fattori ergonomici.

• Esempi reali e casi di studio

Presentazione delle implementazioni di sicurezza da parte dei partner industriali, che mostrano come la teoria si traduce in pratica.

Conclusione

Guardando questo webinar, gli spettatori acquisiranno una comprensione completa di come integrare in modo sicuro i robot nei flussi di lavoro industriali. La sessione fornisce ai professionisti le conoscenze necessarie per valutare i rischi, rispettare le normative e progettare ambienti sicuri e produttivi in cui esseri umani e robot possano collaborare in modo efficace. Sia che stiate pianificando una nuova implementazione di robot o migliorando i sistemi esistenti, questo video offre approfondimenti essenziali per un futuro più sicuro nella produzione.

Résumé – Robotique collaborative (Robotica Collaborativa)

Introduction

Cette session fait partie du programme Reboot Skills Collaborative Robotics. Elle présente le concept des robots collaboratifs (cobots) et leur rôle dans la fabrication moderne. Contrairement aux robots traditionnels, les cobots sont conçus pour travailler en toute sécurité et efficacement aux côtés des humains. La formation est destinée aux responsables de production, aux ingénieurs en automatisation, aux PME et aux innovateurs qui souhaitent adopter des solutions robotiques flexibles.

Principaux domaines d'apprentissage

• Que sont les robots collaboratifs ?

Caractéristiques des cobots, notamment la sécurité, l'adaptabilité et la facilité d'utilisation.

• Comparaison avec la robotique traditionnelle

Différences en termes de coût, de déploiement et d'évolutivité.

• Applications dans la fabrication

Tâches d'assemblage, de manutention, d'emballage et d'inspection.

• Impact sur la main-d'œuvre

Transformation des rôles humains, qui passent de tâches répétitives à la supervision et à l'innovation.

• Avantages commerciaux

Rentabilité, flexibilité et gains de productivité pour les grandes et petites entreprises.

• Études de cas

Mises en œuvre concrètes mettant en évidence l'intégration des cobots.

Conclusion

En participant à cette session, les participants comprendront comment les robots collaboratifs transforment les flux de travail industriels. La formation met en avant les cobots comme une passerelle vers une automatisation abordable et sûre, permettant aux organisations d'augmenter leur productivité sans investissements majeurs dans les infrastructures.

Tiivistelmä: Robotiikka kaikille

LTU, Ruotsi

Johdanto

”Robotiikka kaikille” on koulutustallenne, josta vastaa Luleån teknillinen yliopisto (LTU) Ruotsissa, ja se sisältää mielenkiintoisen keskustelun LTU:n robotiikka- ja tekoälyryhmän tohtorikoulutettavan Ilektra Tsimpidin ja spin-off-yrityksen SAPHAI AB:n toimitusjohtajan Ilias Tevetzidisin välillä. Tallenteella tarkastellaan akateemisen robotiikan koulutuksen ja teollisuuden odotusten yhtymäkohtia ja tarjotaan arvokkaita näkemyksiä opetussuunnitelman suunnittelusta, olennaisista taidoista ja teollisuuden valmiuksista.

Keskeiset oppimisen alueet

1. Teollisuuden kannalta merkityksellinen opetussuunnitelman suunnittelu

Robotiikan kurssien on mentävä teoriaa pidemmälle ja sisällettävä sovellutuksiin perustuvia aiheita, kuten automaatio, järjestelmäintegraatio ja tarkkuusohjaus. Käytännön koulutuksissa tulisi painottaa työkalujen, kuten ROS (Robot Operating System), PLC:iden ja simulointialustojen käyttöä.

2. Monialaisen tiedon merkitys

Vankka perusta koneenrakennuksessa, elektroniikassa, tietotekniikassa ja ohjausjärjestelmissä on välttämätöntä. Tämä monialainen lähestymistapa antaa opiskelijoille valmiudet rakentaa integroituja robottijärjestelmiä ja tehdä yhteistyötä eri teknisten alojen välillä.

3. Käytännön tekninen osaaminen

Vastavalmistuneiden odotetaan osoittavan osaamista anturien kytkennässä, mikrokontrollerien ohjelmoinnissa ja toimilaitteiden integroinnissa. Projektipohjainen oppiminen ja laboratoriotyöskentely ovat tärkeitä vianmääritys- ja prototypointitaitojen kehittämisessä.

4. Ohjausjärjestelmät ja automaatio

Ohjausteorian, erityisesti PID-ohjauksen, vankka ymmärtäminen on välttämätöntä. Nämä taidot ovat tärkeitä robottien autonomisen käyttäytymisen kehittämisessä eri toimialoilla, kuten valmistuksessa, logistiikassa ja terveydenhuollossa.

5. Ohjelmisto- ja ohjelmointitaidot

Python- ja C++-kielten hallinta sekä kokemus ROS- ja simulointityökaluista, kuten Gazebo ja Isaac Sim, ovat erittäin suositeltavia. Tietämys ohjelmistoarkkitehtuurista, virheenkorjauksesta ja modulaaristen järjestelmien integroinnista on myös tärkeää.

6. Yhteensopivuus alan trendien kanssa

Kokemus todellisista robotiikkasovelluksista (esim. robottikädet, liikkuvat robotit, kirurgiset järjestelmät) ja teollisuuden standardien noudattaminen (esim. turvallisuusprotokollat, viestintäkehykset) varmistavat koulutuksen relevanssin. Alan yhteistyötä harjoittelujen ja yhteisten kurssien kautta kannustetaan yhteistyöhön.

Johtopäätös

Tämän kurssitallenne auttaa katselijoita saamaan selkeän käsityksen siitä, miten modernin robotiikan koulutus on mukautettava alan nopeasti muuttuviin tarpeisiin. Keskustelussa korostetaan paitsi teoreettisia perusteita myös monitieteisen tietämyksen, käytännön osaamisen ja todellisten sovellusten ratkaisevaa merkitystä. Tämä koulutustallenne on arvokas opas opettajille, opiskelijoille ja alan ammattilaisille, jotka haluavat kaventaa robotiikan akateemisen ja teollisen käytännön välistä kuilua.

Sammanfattning: Robotteknik för alla

LTU, Sverige

Inledning

Denna inspelade masterclass, ”Robotik för alla”, arrangeras av Luleå tekniska universitet (LTU) i Sverige och innehåller en intressant diskussion mellan Ilektra Tsimpidi, doktorand vid LTU:s robotik- och AI-grupp, och Ilias Tevetzidis, VD för SAPHAI AB – ett spin-off-företag från samma grupp. Sessionen utforskar skärningspunkten mellan akademisk robotutbildning och verkliga industriella förväntningar och erbjuder värdefulla insikter om utformning av läroplaner, väsentliga färdigheter och branschens beredskap.

Viktiga lärandeområden

1.Branschrelevant utformning av läroplaner

Robotikkurser måste gå utöver teorin och integrera tillämpningsinriktat innehåll som automatisering, systemintegration och precisionsstyrning. Praktisk träning med verktyg som ROS (Robot Operating System), PLC och simuleringsplattformar betonas.

2.Vikten av tvärvetenskaplig kunskap

En stark grund inom maskinteknik, elektronik, datavetenskap och styrsystem är avgörande. Detta tvärvetenskapliga tillvägagångssätt ger studenterna möjlighet att bygga integrerade robotsystem och samarbeta över tekniska domäner.

3.Praktisk teknisk kompetens

Examen förväntas visa kompetens inom sensorkablage, programmering av mikrokontroller och integration av ställdon. Projektbaserat lärande och laboratoriearbete är avgörande för att utveckla färdigheter inom felsökning och prototyputveckling.

4.Styrsystem och automatisering

En gedigen förståelse för styrteori – särskilt PID-styrning – är oumbärlig. Dessa färdigheter är avgörande för att utveckla autonomt beteende hos robotar inom branscher som tillverkning, logistik och hälso- och sjukvård.

5.Programvaru- och programmeringsfärdigheter

Kunskaper i Python och C++, tillsammans med erfarenhet av ROS och simuleringsverktyg som Gazebo och Isaac Sim, rekommenderas starkt. Kunskap om programvaruarkitektur, felsökning och modulär systemintegration är också viktigt.

6.Anpassning till branschtrender

Exponering för verkliga robotapplikationer (t.ex. robotarmar, mobila robotar, kirurgiska system) och efterlevnad av industriella standarder (t.ex. säkerhetsprotokoll, kommunikationsramverk) säkerställer relevans. Branschsamarbete genom praktikplatser och gemensamt utvecklade kurser uppmuntras.

Slutsats

Genom att titta på denna masterclass får tittarna en tydlig förståelse för hur modern robotutbildning måste anpassas till branschens snabbt föränderliga behov. Dialogen betonar inte bara de teoretiska grunderna, utan också den avgörande betydelsen av tvärvetenskaplig kunskap, praktisk kompetens och verkliga tillämpningar. Denna session fungerar som en värdefull guide för lärare, studenter och branschproffs som vill överbrygga klyftan mellan akademin och industriell praxis inom robotik.

Executive Summary: Robotics for All

Introduzione

Questa masterclass registrata, “Robotics for All,” è ospitata dalla Luleå University of Technology (LTU), in Svezia, e presenta una discussione coinvolgente tra Ilektra Tsimpidi, candidata al dottorato nel gruppo di Robotica e IA di LTU, e Ilias Tevetzidis, CEO di SAPHAI AB, una spin-off della stessa università. La sessione esplora l'intersezione tra l'educazione accademica in robotica e le aspettative industriali nel mondo reale, offrendo approfondimenti preziosi sul design dei curricula, le competenze essenziali e la preparazione al mondo del lavoro.

Aree di apprendimento principali

Design di un curriculum rilevante per l'industria

I corsi di robotica devono andare oltre la teoria, integrando contenuti orientati all'applicazione, come automazione, integrazione di sistemi e controllo di precisione. Viene sottolineata l'importanza della formazione pratica utilizzando strumenti come ROS (Robot Operating System), PLC e piattaforme di simulazione.

Importanza della conoscenza interdisciplinare

Una solida preparazione nelle aree di ingegneria meccanica, elettronica, informatica e sistemi di controllo è fondamentale. Questo approccio interdisciplinare permette agli studenti di costruire sistemi robotici integrati e collaborare in diversi ambiti tecnici.

Competenze pratiche e tecniche

Ci si aspetta che i laureati dimostrino competenza nel cablaggio di sensori, nella programmazione di microcontrollori e nell'integrazione di attuatori. L'apprendimento basato su progetti e il lavoro in laboratorio sono essenziali per sviluppare competenze nella risoluzione dei problemi e nel prototipaggio.

Sistemi di controllo e automazione

Una solida comprensione della teoria del controllo, in particolare del controllo PID, è indispensabile. Queste competenze sono cruciali per sviluppare comportamenti autonomi nei robot in settori come la produzione, la logistica e la sanità.

Competenze software e di programmazione

Si consiglia vivamente la competenza in Python e C++, oltre all’esperienza in ROS e strumenti di simulazione come Gazebo e Isaac Sim. È inoltre importante la conoscenza dell'architettura software, del debugging e dell'integrazione di sistemi modulari.

Allineamento con le tendenze industriali

L'esposizione alle applicazioni robotiche del mondo reale (ad esempio, bracci robotici, robot mobili, sistemi chirurgici) e l'adesione agli standard industriali (ad esempio, protocolli di sicurezza, framework di comunicazione) garantiscono la rilevanza. La collaborazione con l'industria attraverso tirocini e corsi sviluppati congiuntamente è incoraggiata.

Conclusione

Guardando questa masterclass, gli spettatori acquisiranno una chiara comprensione di come l'educazione moderna in robotica debba adattarsi alle esigenze in rapida evoluzione dell'industria. Il dialogo enfatizza non solo le basi teoriche, ma anche l'importanza critica della conoscenza interdisciplinare, delle competenze pratiche e delle applicazioni nel mondo reale. Questa sessione è una guida preziosa per educatori, studenti e professionisti del settore che mirano a colmare il divario tra l'accademia e la pratica industriale nella robotica.

Résumé : La robotique pour tous

LTU, Suède

Introduction

Cette masterclass enregistrée, intitulée « La robotique pour tous », est organisée par l'université technologique de Luleå (LTU), en Suède, et présente une discussion passionnante entre Ilektra Tsimpidi, doctorante au sein du groupe Robotique et IA de la LTU, et Ilias Tevetzidis, PDG de SAPHAI AB, une entreprise dérivée du même groupe. La session explore l'intersection entre l'enseignement universitaire de la robotique et les attentes industrielles du monde réel, offrant des informations précieuses sur la conception des programmes d'études, les compétences essentielles et la préparation à l'industrie.

Principaux domaines d'apprentissage

1.Conception de programmes d'études adaptés à l'industrie

Les cours de robotique doivent aller au-delà de la théorie et intégrer des contenus axés sur les applications, tels que l'automatisation, l'intégration de systèmes et le contrôle de précision. L'accent est mis sur la formation pratique à l'aide d'outils tels que ROS (Robot Operating System), les PLC et les plateformes de simulation.

2.Importance des connaissances interdisciplinaires

Il est essentiel de disposer de bases solides en génie mécanique, en électronique, en informatique et en systèmes de contrôle. Cette approche interdisciplinaire permet aux étudiants de construire des systèmes robotiques intégrés et de collaborer dans différents domaines techniques.

3.Compétences techniques pratiques

Les diplômés doivent démontrer leurs compétences en matière de câblage de capteurs, de programmation de microcontrôleurs et d'intégration d'actionneurs. L'apprentissage par projet et les travaux en laboratoire sont essentiels pour développer des compétences en matière de dépannage et de prototypage.

4.Systèmes de contrôle et automatisation

Une solide compréhension de la théorie du contrôle, en particulier du contrôle PID, est indispensable. Ces compétences sont essentielles pour développer un comportement autonome chez les robots dans des secteurs tels que la fabrication, la logistique et les soins de santé.

5.Compétences en matière de logiciels et de programmation

La maîtrise de Python et de C++, ainsi qu'une expérience de ROS et d'outils de simulation tels que Gazebo et Isaac Sim, sont fortement recommandées. La connaissance de l'architecture logicielle, du débogage et de l'intégration de systèmes modulaires est également importante.

6.Alignement sur les tendances du secteur

L'exposition à des applications robotiques réelles (par exemple, bras robotiques, robots mobiles, systèmes chirurgicaux) et le respect des normes industrielles (par exemple, protocoles de sécurité, cadres de communication) garantissent la pertinence. La collaboration avec le secteur par le biais de stages et de cours développés conjointement est encouragée.

Conclusion

En regardant cette masterclass, les spectateurs comprendront clairement comment l'enseignement moderne de la robotique doit s'adapter aux besoins en constante évolution de l'industrie. Le dialogue met l'accent non seulement sur les fondements théoriques, mais aussi sur l'importance cruciale des connaissances interdisciplinaires, des compétences pratiques et des applications concrètes. Cette session constitue un guide précieux pour les enseignants, les étudiants et les professionnels de l'industrie qui souhaitent combler le fossé entre le monde universitaire et la pratique industrielle dans le domaine de la robotique.

Samenvatting: Robotica voor iedereen

LTU, Zweden

Inleiding

Deze opgenomen masterclass, ‘Robotica voor iedereen’, wordt georganiseerd door de Technische Universiteit van Luleå (LTU) in Zweden en bevat een boeiende discussie tussen Ilektra Tsimpidi, promovendus bij de Robotics and AI Group van LTU, en Ilias Tevetzidis, CEO van SAPHAI AB, een spin-offbedrijf van dezelfde groep. De sessie onderzoekt het raakvlak tussen academisch roboticaonderwijs en de verwachtingen van de industrie in de praktijk, en biedt waardevolle inzichten in curriculumontwerp, essentiële vaardigheden en gereedheid voor de industrie.

Belangrijkste leergebieden

Industriegericht curriculumontwerp

Roboticacursussen moeten verder gaan dan theorie en toepassingsgerichte inhoud integreren, zoals automatisering, systeemintegratie en precisiecontrole. De nadruk ligt op praktische training met behulp van tools zoals ROS (Robot Operating System), PLC's en simulatieplatforms.

Belang van interdisciplinaire kennis

Een sterke basis in werktuigbouwkunde, elektronica, informatica en besturingssystemen is essentieel. Deze interdisciplinaire aanpak stelt studenten in staat om geïntegreerde robotsystemen te bouwen en samen te werken tussen verschillende technische domeinen.

Praktische technische vaardigheden

Van afgestudeerden wordt verwacht dat ze blijk geven van competentie op het gebied van sensorbedrading, microcontrollerprogrammering en actuatorintegratie. Projectmatig leren en laboratoriumwerk zijn van cruciaal belang voor het ontwikkelen van vaardigheden op het gebied van probleemoplossing en prototyping.

Besturingssystemen en automatisering

Een gedegen kennis van besturingstheorie, met name PID-regeling, is onmisbaar. Deze vaardigheden zijn cruciaal voor het ontwikkelen van autonoom gedrag in robots in sectoren als productie, logistiek en gezondheidszorg.

Software- en programmeervaardigheden

Vaardigheid in Python en C++, samen met ervaring in ROS en simulatietools zoals Gazebo en Isaac Sim, wordt sterk aanbevolen. Kennis van softwarearchitectuur, debugging en modulaire systeemintegratie is ook belangrijk.

Afstemming op trends in de industrie

Blootstelling aan praktische robotica-toepassingen (bijv. robotarmen, mobiele robots, chirurgische systemen) en naleving van industriële normen (bijv. veiligheidsprotocollen, communicatiekaders) zorgen voor relevantie. Samenwerking met de industrie door middel van stages en gezamenlijk ontwikkelde cursussen wordt aangemoedigd.

Conclusie

Door deze masterclass te bekijken, krijgen kijkers een duidelijk inzicht in hoe het moderne roboticaonderwijs zich moet aanpassen aan de snel veranderende behoeften van de industrie. De dialoog benadrukt niet alleen de theoretische onderbouwing, maar ook het cruciale belang van interdisciplinaire kennis, praktische vaardigheden en toepassingen in de praktijk. Deze sessie dient als een waardevolle gids voor docenten, studenten en professionals uit de industrie die de kloof tussen de academische wereld en de industriële praktijk op het gebied van robotica willen overbruggen.

Tiivistelmä – Autonomisten ajojärjestelmien toiminnallinen turvallisuus

Johdanto

Osana Reboot Skills aloitetta, tämä Flanders Maken järjestämä verkkoseminaari tarjoaa kattavan esittelyn autonomisten ajojärjestelmien toiminnallisesta turvallisuudesta. Koulutuksen vetää Neiroza Badr, tutkimusinsinööri Flanders Makelta, joka on strateginen tutkimuskeskus Flandersissa, Belgiassa.

Koulutuksen kohderyhmänä ovat insinöörit, järjestelmäarkkitehdit ja turvallisuuspäälliköt. Koulutuksessa käsitellään periaatteita, standardeja ja käytännön haasteita, jotka liittyvät autonomisten ajoneuvojen turvallisen toiminnan varmistamiseen kaikissa olosuhteissa. Verkkoseminaari rakentaa sillan teoreettisten turvallisuuskehysten ja todellisten autoteollisuuden sovellusten välillä.

Tärkeimmät oppimisalueet

• Mitä on toiminnallinen turvallisuus?

Johdanto toiminnallisen turvallisuuden käsitteeseen, sen rooliin autojärjestelmissä ja eroihin yleisen tuoteturvallisuuden kanssa.

• ISO 26262 -standardi

Katsaus ISO 26262 -standardiin, joka säätelee tieliikenneajoneuvojen toiminnallista turvallisuutta, mukaan lukien sen rakenne, soveltamisala ja merkitys autonomisille järjestelmille.

• Vaarojen analysointi ja riskien arviointi (HARA)

Selitys siitä, miten tunnistetaan potentiaaliset vaarat, arvioidaan riskit ja määritetään autojen turvallisuuden eheystasot (ASIL) eri järjestelmäkomponenteille.

• Turvallisuuden elinkaari ja kehitysprosessi

Käy läpi turvallisuuden elinkaaren aina konseptivaiheesta käytöstä poistamiseen ja siihen, miten turvallisuus integroidaan järjestelmän kehityksen jokaiseen vaiheeseen.

• Autonomisen ajamisen haasteet

Keskustelu autonomisten järjestelmien aiheuttamista ainutlaatuisista turvallisuushaasteista, kuten anturien yhdistämisestä, päätöksentekoalgoritmeista ja arvaamattomista ympäristöistä.

• Tarkoitetun toiminnallisuuden turvallisuus (SOTIF)

Johdanto SOTIF-standardiin (ISO/PAS 21448), joka käsittelee turvallisuusriskejä, jotka eivät johdu järjestelmän vioista vaan havainnoinnin tai logiikan rajoituksista.

• Työkaluketjut ja varmennusmenetelmät

Katsaus työkaluihin ja menetelmiin, joita käytetään turvallisuusvaatimusten varmentamiseen ja validointiin, mukaan lukien simulointi, vikojen syöttö ja formaalit menetelmät.

• Tapaustutkimukset ja käytännön esimerkit

Käytännön esimerkkejä toiminnallisen turvallisuuden soveltamisesta autonomisten ajojärjestelmien kehittämisessä, korostaen opittuja asioita ja parhaita käytäntöjä.

Johtopäätös

Verkkotallenne tarjoaa katselijalle vankan käsityksen siitä, miten toiminnallisen turvallisuuden periaatteita sovelletaan autonomisten ajoneuvojen kehittämisessä. Se tarjoaa ammattilaisille tietoja turvallisuusstandardien noudattamisesta, riskien arvioinnista ja vankkojen turvallisuusarkkitehtuurien toteuttamisesta. Työskenteletpä sitten ADAS-järjestelmien, täyden autonomian tai turvallisuuden kannalta kriittisten komponenttien parissa, tämä koulutus tarjoaa olennaisia näkemyksiä turvallisempien autojärjestelmien rakentamiseen.

Sammanfattning – Funktionell säkerhet för autonoma körsystem

Inledning

Detta webbinarium, som anordnas av Flanders Make som en del av initiativet Reboot Skills, ger en omfattande introduktion till funktionell säkerhet i autonoma körsystem. Utbildningen leds av Neiroza Badr, forskningsingenjör vid Flanders Make, ett strategiskt forskningscenter i Flandern, Belgien.

Webbinariet riktar sig till ingenjörer, systemarkitekter och säkerhetschefer och utforskar principer, standarder och praktiska utmaningar som är förknippade med att säkerställa att autonoma fordon fungerar säkert under alla förhållanden. Webbinariet överbryggar klyftan mellan teoretiska säkerhetsramverk och verkliga tillämpningar inom fordonsindustrin.

Viktiga lärandeområden

• Vad är funktionell säkerhet?

Introduktion till begreppet funktionell säkerhet, dess roll i fordonssystem och hur det skiljer sig från allmän produktsäkerhet.

• Standarden ISO 26262

Översikt över standarden ISO 26262, som reglerar funktionell säkerhet i vägfordon, inklusive dess struktur, omfattning och relevans för autonoma system.

• Farlighetsanalys och riskbedömning (HARA)

Förklaring av hur man identifierar potentiella faror, bedömer risker och fastställer säkerhetsintegritetsnivåer (ASIL) för olika systemkomponenter.

• Säkerhetslivscykel och utvecklingsprocess

Genomgång av säkerhetslivscykeln, från konceptfas till avveckling, och hur säkerhet integreras i varje steg av systemutvecklingen.

• Utmaningar inom autonom körning

Diskussion om de unika säkerhetsutmaningar som autonoma system medför, såsom sensorfusion, beslutsalgoritmer och oförutsägbara miljöer.

• Säkerhet för avsedd funktionalitet (SOTIF)

Introduktion till SOTIF (ISO/PAS 21448), som behandlar säkerhetsrisker som inte orsakas av systemfel utan av begränsningar i perception eller logik.

• Verktygskedjor och verifieringsmetoder

Översikt över verktyg och metoder som används för att verifiera och validera säkerhetskrav, inklusive simulering, felföring och formella metoder.

• Fallstudier och praktiska exempel

Verkliga exempel på hur funktionell säkerhet tillämpas i utvecklingen av autonoma körsystem, med fokus på lärdomar och bästa praxis.

Slutsats

Genom att titta på detta webinar får tittarna en gedigen förståelse för hur principerna för funktionell säkerhet tillämpas vid utvecklingen av autonoma fordon. Sessionen ger yrkesverksamma kunskap om säkerhetsstandarder, riskbedömningar och implementering av robusta säkerhetsarkitekturer. Oavsett om du arbetar med ADAS, full autonomi eller säkerhetskritiska komponenter, erbjuder detta webinar viktiga insikter för att bygga säkrare fordonssystem.

Résumé Exécutif – Sécurité Fonctionnelle pour les Systèmes de Conduite Autonome

Introduction

Ce webinaire, organisé par Flanders Make dans le cadre de l’initiative Reboot Skills, offre une introduction complète à la sécurité fonctionnelle dans les systèmes de conduite autonome. La formation est animée par Neiroza Badr, ingénieur de recherche à Flanders Make, un centre stratégique de recherche en Flandre, Belgique.

Destinée aux ingénieurs, architectes systèmes et responsables sécurité, la session explore les principes, normes et défis pratiques liés à la garantie du fonctionnement sûr des véhicules autonomes en toutes circonstances. Le webinaire fait le lien entre les cadres théoriques de sécurité et leurs applications concrètes dans l’automobile.

Principaux Axes d’Apprentissage

• Qu’est-ce que la Sécurité Fonctionnelle ?
  Introduction au concept de sécurité fonctionnelle, à son rôle dans les systèmes automobiles et à la manière dont elle se distingue de la sécurité produit générale.

• La norme ISO 26262
  Présentation de la norme ISO 26262, qui régit la sécurité fonctionnelle des véhicules routiers, y compris sa structure, son champ d’application et sa pertinence pour les systèmes autonomes.

• Analyse des dangers et évaluation des risques (HARA)
  Explication de la manière d’identifier les dangers potentiels, d’évaluer les risques et de déterminer les niveaux d’intégrité de sécurité automobile (ASIL) pour différents composants du système.

• Cycle de vie de la sécurité et processus de développement
  Parcours du cycle de vie de la sécurité, de la phase conceptuelle jusqu’au déclassement, et intégration de la sécurité à chaque étape du développement système.

• Défis liés à la conduite autonome
  Discussion des défis uniques posés par les systèmes autonomes, tels que la fusion de capteurs, les algorithmes de prise de décision et les environnements imprévisibles.

• Sécurité de la fonctionnalité prévue (SOTIF)
  Introduction au SOTIF (ISO/PAS 21448), qui traite des risques de sécurité non liés à des défaillances système mais à des limites de perception ou de logique.

• Chaînes d’outils et méthodes de vérification
  Aperçu des outils et méthodologies utilisés pour vérifier et valider les exigences de sécurité, y compris la simulation, l’injection de fautes et les méthodes formelles.

• Études de cas et exemples pratiques
  Exemples concrets de l’application de la sécurité fonctionnelle dans le développement de systèmes de conduite autonome, mettant en lumière les enseignements tirés et les meilleures pratiques.

Conclusion

En visionnant ce webinaire, les participants acquerront une compréhension solide de la manière dont les principes de sécurité fonctionnelle s’appliquent au développement des véhicules autonomes. La session donne aux professionnels les connaissances nécessaires pour maîtriser les normes de sécurité, réaliser des évaluations de risques et mettre en œuvre des architectures de sécurité robustes. Que vous travailliez sur des systèmes ADAS, des solutions de conduite entièrement autonome ou des composants critiques pour la sécurité, ce webinaire offre des perspectives essentielles pour construire des systèmes automobiles plus sûrs.

Riassunto esecutivo – Sicurezza funzionale per i sistemi di guida autonoma

Introduzione

Questo webinar, ospitato da Flanders Make nell'ambito dell'iniziativa Reboot Skills, fornisce un'introduzione completa alla sicurezza funzionale nei sistemi di guida autonoma. La formazione è condotta da Neiroza Badr, ingegnere ricercatore presso Flanders Make, un centro di ricerca strategico nelle Fiandre, in Belgio.

Rivolta a ingegneri, architetti di sistemi e responsabili della sicurezza, la sessione esplora i principi, gli standard e le sfide pratiche coinvolti nel garantire che i veicoli autonomi funzionino in modo sicuro in tutte le condizioni. Il webinar colma il divario tra i quadri teorici di sicurezza e le applicazioni automobilistiche nel mondo reale.

Aree di apprendimento chiave

• Che cos'è la sicurezza funzionale?

Introduzione al concetto di sicurezza funzionale, al suo ruolo nei sistemi automobilistici e a come si differenzia dalla sicurezza generale dei prodotti.

• Lo standard ISO 26262

Panoramica dello standard ISO 26262, che disciplina la sicurezza funzionale dei veicoli stradali, compresa la sua struttura, il suo ambito di applicazione e la sua rilevanza per i sistemi autonomi.

• Analisi dei pericoli e valutazione dei rischi (HARA)

Spiegazione di come identificare i potenziali pericoli, valutare i rischi e determinare i livelli di integrità della sicurezza automobilistica (ASIL) per i diversi componenti del sistema.

• Ciclo di vita della sicurezza e processo di sviluppo

Panoramica del ciclo di vita della sicurezza, dalla fase concettuale alla dismissione, e di come la sicurezza sia integrata in ogni fase dello sviluppo del sistema.

• Sfide nella guida autonoma

Discussione delle sfide uniche in materia di sicurezza poste dai sistemi autonomi, come la fusione dei sensori, gli algoritmi decisionali e gli ambienti imprevedibili.

• Sicurezza della funzionalità prevista (SOTIF)

Introduzione alla SOTIF (ISO/PAS 21448), che affronta i rischi per la sicurezza non causati da guasti del sistema, ma da limitazioni nella percezione o nella logica.

• Tool chain e metodi di verifica

Panoramica degli strumenti e delle metodologie utilizzati per verificare e convalidare i requisiti di sicurezza, tra cui simulazione, iniezione di guasti e metodi formali.

• Casi di studio ed esempi pratici

Esempi reali di come la sicurezza funzionale viene applicata nello sviluppo di sistemi di guida autonoma, evidenziando le lezioni apprese e le migliori pratiche.

Conclusione

Guardando questo webinar, gli spettatori acquisiranno una solida comprensione di come i principi di sicurezza funzionale vengono applicati allo sviluppo di veicoli autonomi. La sessione fornisce ai professionisti le conoscenze necessarie per orientarsi tra gli standard di sicurezza, eseguire valutazione dei rischi e implementare architetture di sicurezza robuste. Che stiate lavorando su ADAS, autonomia completa o componenti critici per la sicurezza, questo webinar offre approfondimenti essenziali per la creazione di sistemi automobilistici più sicuri.

Samenvatting – Functionele veiligheid voor autonome rijsystemen

Inleiding

Deze webinar, georganiseerd door Flanders Make als onderdeel van het Reboot Skills-initiatief, biedt een uitgebreide inleiding tot functionele veiligheid in autonome rijsystemen. De training wordt gegeven door Neiroza Badr, onderzoeksingenieur bij Flanders Make, een strategisch onderzoekscentrum in Vlaanderen, België.

De sessie is bedoeld voor ingenieurs, systeemarchitecten en veiligheidsmanagers en gaat in op de principes, normen en praktische uitdagingen die komen kijken bij het waarborgen van de veiligheid van autonome voertuigen onder alle omstandigheden. De webinar overbrugt de kloof tussen theoretische veiligheidskaders en praktische toepassingen in de automobielindustrie.

Belangrijkste leergebieden

Wat is functionele veiligheid?

Inleiding tot het concept van functionele veiligheid, de rol ervan in automobielsystemen en hoe het verschilt van algemene productveiligheid.

De ISO 26262-norm

Overzicht van de ISO 26262-norm, die de functionele veiligheid in wegvoertuigen regelt, inclusief de structuur, reikwijdte en relevantie voor autonome systemen.

Gevarenanalyse en risicobeoordeling (HARA)

Uitleg over hoe potentiële gevaren kunnen worden geïdentificeerd, risico's kunnen worden beoordeeld en Automotive Safety Integrity Levels (ASIL's) voor verschillende systeemcomponenten kunnen worden bepaald.

Veiligheidslevenscyclus en ontwikkelingsproces

Overzicht van de veiligheidslevenscyclus, van conceptfase tot buitengebruikstelling, en hoe veiligheid in elke fase van de systeemontwikkeling wordt geïntegreerd.

Uitdagingen bij autonoom rijden

Bespreking van de unieke veiligheidsuitdagingen die autonome systemen met zich meebrengen, zoals sensorfusie, besluitvormingsalgoritmen en onvoorspelbare omgevingen.

Veiligheid van de beoogde functionaliteit (SOTIF)

Inleiding tot SOTIF (ISO/PAS 21448), dat zich richt op veiligheidsrisico's die niet worden veroorzaakt door systeemstoringen, maar door beperkingen in perceptie of logica.

Toolchains en verificatiemethoden

Overzicht van tools en methodologieën die worden gebruikt om veiligheidseisen te verifiëren en te valideren, waaronder simulatie, foutinjectie en formele methoden.

Casestudy's en praktische voorbeelden

Praktijkvoorbeelden van hoe functionele veiligheid wordt toegepast bij de ontwikkeling van autonome rijsystemen, met de nadruk op geleerde lessen en best practices.

Conclusie

Door deze webinar te bekijken, krijgen kijkers een goed inzicht in hoe functionele veiligheidsprincipes worden toegepast bij de ontwikkeling van autonome voertuigen. De sessie biedt professionals de kennis om veiligheidsnormen te doorgronden, risicobeoordelingen uit te voeren en robuuste veiligheidsarchitecturen te implementeren. Of u nu werkt aan ADAS, volledige autonomie of veiligheidskritische componenten, deze webinar biedt essentiële inzichten voor het bouwen van veiligere automobielsystemen.

Link to Masterclass

Tiivistelmä – Robottien turvallisuus työympäristössä

Johdanto

Tämä koulutus on osa Reboot Skills Collaborative Robotics -kokonaisuutta. Koulutuksen vetäjänä toimii Luka Ramaekers, sovellusinsinööri Flanders Make -tutkimuskeskuksesta Belgiasta. Koulutus keskittyy robottien turvallisuuteen teollisuusympäristöissä. Kun yhteistyörobotit (cobotit) ja autonomiset järjestelmät yleistyvät valmistusteollisuudessa, on välttämätöntä varmistaa turvallinen vuorovaikutus ihmisten ja koneiden välillä.

Koulutus on suunnattu turvallisuusvastaaville, insinööreille, tuotantopäälliköille ja innovaatiojohtajille, jotka haluavat ymmärtää turvallisten robottien integrointiin liittyviä riskejä, määräyksiä ja teknologioita.

Keskeiset oppimiskohteet

• Robottien turvallisuushaasteet
  Katsaus teollisuusrobotteihin liittyviin turvallisuusriskeihin, kuten fyysisiin vaaratekijöihin, odottamattomiin liikkeisiin ja inhimillisiin virheisiin.

• Teollisuusrobottien tyypit ja turvallisuusprofiilit
  Selitys perinteisten robottien, yhteistyörobottien ja liikkuvien robottien eroista sekä vaikutuksista turvallisuussuunnitteluun.

• Turvallisuusstandardit ja -määräykset
  Johdanto keskeisiin kansainvälisiin standardeihin (esim. ISO 10218, ISO/TS 15066) ja niiden soveltamiseen robottien käyttöönotossa valmistusteollisuudessa.

• Riskien arviointi ja lieventämisstrategiat
  Käytännön ohjeita vaarojen tunnistamiseen, riskien arviointiin ja suojaustoimien, kuten anturien, esteiden ja hätäpysäyttimien, käyttöönottoon.

• Ihmisten ja robottien yhteistyö
  Näkemyksiä siitä, kuinka robotit voivat toimia turvallisesti ihmisten rinnalla. Esimerkkeinä voiman ja nopeuden rajoitukset, näköjärjestelmät ja älykäs ohjaus.

• Turvallisten työtilojen suunnittelu
  Vinkkejä tuotantoympäristöjen layoutiin, ergonomiaan ja muihin tekijöihin, jotka tukevat turvallista robottien käyttöä.

• Käytännön esimerkit ja tapaustutkimukset
  Teollisuuden kumppaneilta saatuja ratkaisuja, jotka osoittavat, kuinka teoria muuttuu käytännöksi.

Johtopäätös

Osallistujat saavat kattavan käsityksen siitä, miten robotit voidaan integroida turvallisesti teollisiin työnkulkuihin. Koulutus tarjoaa ammattilaisille valmiudet arvioida riskejä, noudattaa kansainvälisiä määräyksiä sekä suunnitella turvallisia ja tuottavia työympäristöjä, joissa ihmiset ja robotit voivat toimia rinnakkain tehokkaasti.

Olitpa sitten suunnittelemassa uuden robotin käyttöönottoa tai kehittämässä jo olemassa olevia järjestelmiä, tämä koulutus tarjoaa olennaisia näkemyksiä turvallisemman tulevaisuuden rakentamiseen valmistusteollisuudessa.

Sammanfattning – Robotsäkerhet på arbetsplatsen

Inledning

Denna session är en del av Reboot Skills Collaborative Robotics-utbildningarna. Utbildningen leds av Luka Ramaekers, applikationsingenjör vid Flanders Make, ett strategiskt forskningscenter i Flandern, Belgien. Sessionen fokuserar på det viktiga ämnet robotsäkerhet i industriella miljöer. I takt med att kollaborativa robotar (cobots) och autonoma system blir allt vanligare inom tillverkningsindustrin är det viktigt att säkerställa en säker interaktion mellan människor och maskiner. Denna session är avsedd för säkerhetsansvariga, ingenjörer, produktionschefer och innovationsledare som vill förstå riskerna, reglerna och teknikerna som är förknippade med att skapa säkra arbetsplatser med robotintegration.

Viktiga lärandeområden

• Förstå utmaningarna med robotsäkerhet

Översikt över säkerhetsriskerna i samband med industrirobotar, inklusive fysiska faror, oväntade rörelser och mänskliga fel.

• Typer av industrirobotar och deras säkerhetsprofiler

Förklaring av skillnaderna mellan traditionella robotar, samarbetsrobotar och mobila robotar, och hur varje typ påverkar säkerhetsplaneringen.

• Säkerhetsstandarder och regler

Introduktion till viktiga internationella säkerhetsstandarder (t.ex. ISO 10218, ISO/TS 15066) och hur de tillämpas på robotanvändning inom tillverkning.

• Riskbedömning och strategier för riskminimering

Praktisk vägledning om hur man genomför riskbedömningar, identifierar faror och implementerar skyddsåtgärder såsom sensorer, barriärer och nödstopp.

• Samarbete mellan människor och robotar

Insikter om hur robotar kan arbeta säkert tillsammans med människor, inklusive användning av kraft- och hastighetsbegränsningar, visionssystem och intelligent styrning.

• Utformning av säkra arbetsplatser

Tips för att utforma produktionsmiljöer som stödjer säker robotdrift, inklusive överväganden kring layout och ergonomiska faktorer.

• Exempel från verkligheten och fallstudier

Presentation av säkerhetsimplementeringar från branschpartners, som visar hur teorin omsätts i praktiken.

Slutsats

Genom att titta på detta webinar får tittarna en omfattande förståelse för hur man på ett säkert sätt integrerar robotar i industriella arbetsflöden. Sessionen ger yrkesverksamma kunskapen att bedöma risker, följa regler och utforma säkra, produktiva miljöer där människor och robotar kan samarbeta effektivt. Oavsett om du planerar en ny robotinstallation eller förbättrar befintliga system, erbjuder denna video viktiga insikter för en säkrare framtid inom tillverkning.

Riassunto esecutivo – Sicurezza dei robot nell'ambiente di lavoro

Introduzione

Questa sessione fa parte dei corsi di formazione Reboot Skills Collaborative Robotics. Il corso è tenuto da Luka Ramaekers, ingegnere applicativo presso Flanders Make, un centro di ricerca strategica con sede nelle Fiandre, in Belgio. La sessione si concentra sul tema fondamentale della sicurezza dei robot negli ambienti industriali. Con la diffusione dei robot collaborativi (cobot) e dei sistemi autonomi nella produzione, è essenziale garantire un'interazione sicura tra esseri umani e macchine. Questa sessione è pensata per responsabili della sicurezza, ingegneri, responsabili di produzione e leader dell'innovazione che desiderano comprendere i rischi, le normative e le tecnologie coinvolti nella creazione di luoghi di lavoro sicuri integrati con i robot.

Aree di apprendimento chiave

• Comprendere le sfide della sicurezza dei robot

Panoramica dei rischi per la sicurezza associati ai robot industriali, inclusi pericoli fisici, movimenti imprevisti ed errore umano.

• Tipi di robot industriali e loro profili di sicurezza

Spiegazione delle differenze tra robot tradizionali, robot collaborativi e robot mobili e di come ciascun tipo influisca sulla pianificazione della sicurezza.

• Norme e regolamenti di sicurezza

Introduzione alle principali norme di sicurezza internazionali (ad esempio ISO 10218, ISO/TS 15066) e al modo in cui si applicano all'impiego dei robot nella produzione.

• Valutazione dei rischi e strategie di mitigazione

Linee guida pratiche sulla conduzione delle valutazioni dei rischi, l'identificazione dei pericoli e l'implementazione di misure di protezione quali sensori, barriere e arresti di emergenza.

• Collaborazione uomo-robot

Approfondimenti su come i robot possono lavorare in sicurezza a fianco degli esseri umani, compreso l'uso di limitazioni di forza e velocità, sistemi di visione e controllo intelligente.

• Progettazione di spazi di lavoro sicuri

Suggerimenti per la progettazione di ambienti di produzione che supportino il funzionamento sicuro dei robot, comprese considerazioni sul layout e fattori ergonomici.

• Esempi reali e casi di studio

Presentazione delle implementazioni di sicurezza da parte dei partner industriali, che mostrano come la teoria si traduce in pratica.

Conclusione

Guardando questo webinar, gli spettatori acquisiranno una comprensione completa di come integrare in modo sicuro i robot nei flussi di lavoro industriali. La sessione fornisce ai professionisti le conoscenze necessarie per valutare i rischi, rispettare le normative e progettare ambienti sicuri e produttivi in cui esseri umani e robot possano collaborare in modo efficace. Sia che stiate pianificando una nuova implementazione di robot o migliorando i sistemi esistenti, questo video offre approfondimenti essenziali per un futuro più sicuro nella produzione.

Résumé – La sécurité des robots dans l'espace de travail

Introduction

Cette session fait partie des formations Reboot Skills Collaborative Robotics. La formation est animée par Luka Ramaekers, ingénieur d'application chez Flanders Make, un centre de recherche stratégique situé en Flandre, en Belgique. La session se concentre sur le sujet crucial de la sécurité des robots dans les environnements industriels. À mesure que les robots collaboratifs (cobots) et les systèmes autonomes se généralisent dans le secteur manufacturier, il est essentiel de garantir une interaction sûre entre les humains et les machines. Cette session est destinée aux responsables de la sécurité, aux ingénieurs, aux responsables de production et aux responsables de l'innovation qui souhaitent comprendre les risques, les réglementations et les technologies liés à la création de lieux de travail sûrs intégrant des robots.

Principaux domaines d'apprentissage

• Comprendre les défis liés à la sécurité des robots

Aperçu des risques liés à la sécurité des robots industriels, notamment les dangers physiques, les mouvements imprévus et les erreurs humaines.

• Types de robots industriels et leurs profils de sécurité

Explication des différences entre les robots traditionnels, les robots collaboratifs et les robots mobiles, et de l'impact de chaque type sur la planification de la sécurité.

• Normes et réglementations en matière de sécurité

Présentation des principales normes internationales de sécurité (par exemple, ISO 10218, ISO/TS 15066) et de leur application au déploiement de robots dans le secteur manufacturier.

• Évaluation des risques et stratégies d'atténuation

Conseils pratiques sur la réalisation d'évaluations des risques, l'identification des dangers et la mise en œuvre de mesures de protection telles que des capteurs, des barrières et des arrêts d'urgence.

• Collaboration homme-robot

Aperçu de la manière dont les robots peuvent travailler en toute sécurité aux côtés des humains, notamment grâce à l'utilisation de limitations de force et de vitesse, de systèmes de vision et de commandes intelligentes.

• Conception d'espaces de travail sûrs

Conseils pour la conception d'environnements de production favorisant un fonctionnement sûr des robots, notamment en matière d'aménagement et d'ergonomie.

• Exemples concrets et études de cas

Présentation des mesures de sécurité mises en œuvre par des partenaires industriels, montrant comment la théorie se traduit dans la pratique.

Conclusion

En regardant ce webinaire, les spectateurs acquerront une compréhension globale de la manière d'intégrer en toute sécurité les robots dans les flux de travail industriels. La session fournit aux professionnels les connaissances nécessaires pour évaluer les risques, se conformer aux réglementations et concevoir des environnements sûrs et productifs où les humains et les robots peuvent collaborer efficacement. Que vous envisagiez de déployer de nouveaux robots ou d'améliorer des systèmes existants, cette vidéo offre des informations essentielles pour un avenir plus sûr dans le domaine de la fabrication.

Link to Masterclass

Executive Summary: CAD & 3D Printing

Introduction

This recorded masterclass, presented by Luleå University of Technology (LTU), Sweden, is led by Jakub Haluska, Senior Research Engineer at LTU’s Robotics and AI Group. The lecture is part of the Mechatronics series and introduces participants to the fundamentals of 3D Computer-Aided Design (CAD) and 3D printing. Designed especially for beginners with no prior experience, the session provides a practical and conceptual overview of digital design and fabrication techniques, aiming to motivate students to use these technologies in future engineering projects.

Key Learning Areas

1. Understanding 3D models and CAD principles
   The lecture begins by explaining what 3D models are and their significance in modern engineering. It distinguishes between 2D and 3D representations and introduces the two main types of 3D modeling: surface modeling (visual-first) and solid modeling (function-first).
2. Working with CAD software
   Students are introduced to CAD workflows using Autodesk Fusion 360 or similar tools. Key topics include creating 2D sketches, extruding or revolving shapes, applying Boolean operations, and using features like fillets and chamfers. The importance of parametric design and fully constrained sketches is emphasized.
   
3. File types and export formats
   The session outlines various file formats—such as part, assembly, drawing, STEP, and STL—and explains their role in CAD and 3D printing workflows. It stresses best practices for maintaining editable source files.
   

4. 3D printing fundamentals
   Participants learn the basics of additive manufacturing, how it differs from conventional subtractive methods, and the step-by-step process of preparing a CAD model for printing. This includes slicing the model, setting print parameters, and generating G-code for the printer.
   

5. Design for printability
   The lecture covers critical design considerations, such as avoiding overhangs beyond 45°, ensuring proper build plate contact, and orienting parts for strength, aesthetics, and minimal support material usage.
   

6. Post-processing and quality considerations
   Finally, aspects like surface finish, support removal, strength anisotropy, and dimensional tolerances are discussed to help participants understand how to refine prints and design with functional accuracy in mind.

Conclusion

By the end of this masterclass, viewers will have gained a foundational understanding of 3D CAD design and 3D printing processes. The session equips them with the knowledge to confidently begin designing digital models and preparing them for physical prototyping using accessible tools and techniques. Whether for academic projects or personal innovation, this lecture serves as a practical guide for turning virtual concepts into tangible creations.

Tiivistelmä: Mekatroniikka

LTU, Ruotsi

Johdanto

Tästä Mekatroniikan kurssitallenteesta vastaa Luleån teknillinen yliopisto (LTU) Ruotsissa, ja se on LTU:n robotiikka- ja tekoälyryhmän vanhemman tutkimusinsinöörin Jakub Haluskan vetämä. Luento on osa mekatroniikkasarjaa ja esittelee osallistujille 3D-tietokoneavusteisen suunnittelun (CAD) ja 3D-tulostuksen perusteet. Koulutustallenne sopii erityisesti aloittelijoille, joilla ei ole aiempaa kokemusta, tarjoten käytännönläheisen ja käsitteellisen katsauksen digitaaliseen suunnitteluun ja valmistustekniikoihin. Koulutuksen tavoitteena on motivoida opiskelijoita käyttämään näitä tekniikoita tulevissa insinööriprojekteissa.

Keskeiset oppimisalueet

1.3D-mallien ja CAD-periaatteiden ymmärtäminen

Luento alkaa esittelemällä, mitä 3D-mallit ovat ja mikä on niiden merkitys nykyaikaisessa insinööritieteessä. Siinä erotetaan toisistaan 2D- ja 3D-esitystavat ja esitellään kaksi päätyyppiä 3D-mallinnuksessa: pintamallinnus (visuaalinen ensisijaisuus) ja kiinteämallinnus (toiminnallinen ensisijaisuus).

2.CAD-ohjelmiston käyttö

Opiskelijoille esitellään CAD-työnkulkuja Autodesk Fusion 360:n tai vastaavien työkalujen avulla. Keskeisiä aiheita ovat 2D-luonnostelu, muotojen puristaminen tai pyöriminen, boolen operaatioiden soveltaminen sekä filet- ja viisteominaisuuksien käyttö. Parametrisen suunnittelun ja täysin rajoitettujen luonnosten merkitystä korostetaan.

3.Tiedostotyypit ja formaatit

Luennolla esitellään erilaisia tiedostomuotoja, kuten osa, kokoonpano, piirustus, STEP ja STL, ja selitetään niiden rooli CAD- ja 3D-tulostuksen työnkulussa. Siinä korostetaan parhaita käytäntöjä muokattavien lähdetiedostojen ylläpitämiseksi.

4.3D-tulostuksen perusteet

Osallistujat oppivat lisäävän valmistuksen perusteet, ja miten se eroaa perinteisistä vähennysmenetelmistä sekä vaiheittaisen prosessin CAD-mallin valmistelemiseksi tulostusta varten. Tähän sisältyy mallin leikkaaminen, tulostusparametrien asettaminen ja G-koodin luominen tulostimelle.

5.Suunnittelu tulostettavuuden kannalta

Luennolla käsitellään tärkeitä suunnittelunäkökohtia, kuten yli 45 asteen ulkonemien välttäminen, asianmukaisen kosketuksen varmistaminen tulostusalustaan ja osien suuntaaminen lujuuden, esteettisyyden ja tukimateriaalin käytön minimoimiseksi.

6.Jälkikäsittely ja laatuun liittyvät näkökohdat

Lopuksi käsitellään pinnan viimeistelyä, tukien poistamista, lujuuden anisotropiaa ja mittatoleransseja, jotta osallistujat ymmärtävät, miten tulosteita voidaan parantaa ja suunnitella pitäen mielessä toiminnallisen tarkkuuden.

Johtopäätös

Tämä kurssitallenne antaa katselijoille perustiedot 3D-CAD-suunnittelusta ja 3D-tulostusprosesseista. He saavat tietoja, joiden avulla he voivat luottavaisesti aloittaa digitaalisten mallien suunnittelun ja valmistella niitä fyysiseen prototyyppien valmistukseen, helposti saatavilla olevilla työkaluilla ja tekniikoilla. Olipa kyseessä akateeminen projekti tai henkilökohtainen innovaatio, tämä luento toimii käytännön oppaana virtuaalisten konseptien muuttamisessa konkreettisiksi tuloksiksi.

Sammanfattning: Mekatronik

LTU, Sverige

Inledning

Denna inspelade masterclass, presenterad av Luleå tekniska universitet (LTU), Sverige, leds av Jakub Haluska, senior forskningsingenjör vid LTU:s robotik- och AI-grupp. Föreläsningen är en del av serien Mekatronik och introducerar deltagarna till grunderna i 3D-datorstödd design (CAD) och 3D-utskrift. Sessionen är särskilt utformad för nybörjare utan tidigare erfarenhet och ger en praktisk och konceptuell översikt över digital design och tillverkningstekniker, med målet att motivera studenterna att använda dessa tekniker i framtida ingenjörsprojekt.

Viktiga lärandeområden

1.Förstå 3D-modeller och CAD-principer

Föreläsningen inleds med en förklaring av vad 3D-modeller är och deras betydelse inom modern teknik. Den skiljer mellan 2D- och 3D-representationer och introducerar de två huvudtyperna av 3D-modellering: ytmodellering (visuell först) och solid modellering (funktion först).

2.Arbeta med CAD-programvara

Studenterna introduceras till CAD-arbetsflöden med hjälp av Autodesk Fusion 360 eller liknande verktyg. Viktiga ämnen inkluderar att skapa 2D-skisser, extrudera eller rotera former, tillämpa booleska operationer och använda funktioner som avfasningar och snedställningar. Vikten av parametrisk design och fullständigt begränsade skisser betonas.

3.Filtyper och exportformat

Sessionen beskriver olika filformat – såsom del, montering, ritning, STEP och STL – och förklarar deras roll i CAD- och 3D-utskriftsarbetsflöden. Den betonar bästa praxis för att underhålla redigerbara källfiler.

4.Grunderna i 3D-utskrift

Deltagarna lär sig grunderna i additiv tillverkning, hur den skiljer sig från konventionella subtraktiva metoder och den stegvisa processen för att förbereda en CAD-modell för utskrift. Detta inkluderar att skiva modellen, ställa in utskriftsparametrar och generera G-kod för skrivaren.

5.Design för utskriftsbarhet

Föreläsningen täcker viktiga designaspekter, såsom att undvika överhäng över 45°, säkerställa korrekt kontakt med byggplattan och orientera delar för styrka, estetik och minimalt användande av stödmaterial.

6.Efterbearbetning och kvalitetsaspekter

Slutligen diskuteras aspekter som ytfinish, borttagning av stöd, styrkanisotropi och dimensionstoleranser för att hjälpa deltagarna att förstå hur man förfinar utskrifter och designar med funktionell noggrannhet i åtanke.

Slutsats

I slutet av denna masterclass kommer deltagarna att ha fått en grundläggande förståelse för 3D-CAD-design och 3D-utskriftsprocesser. Sessionen ger dem kunskapen att med självförtroende börja designa digitala modeller och förbereda dem för fysisk prototyputveckling med hjälp av tillgängliga verktyg och tekniker. Oavsett om det gäller akademiska projekt eller personlig innovation, fungerar denna föreläsning som en praktisk guide för att omvandla virtuella koncept till konkreta skapelser.

Riassunto esecutivo: Meccatronica

Introduzione

Questa masterclass registrata, presentata dalla Luleå University of Technology (LTU), Svezia, è condotta da Jakub Haluska, ingegnere ricercatore senior presso il Robotics and AI Group della LTU. La lezione fa parte della serie Meccatronica e introduce i partecipanti ai fondamenti della progettazione assistita da computer (CAD) 3D e della stampa 3D. Progettata appositamente per i principianti senza esperienza precedente, la sessione fornisce una panoramica pratica e concettuale delle tecniche di progettazione e fabbricazione digitale, con l'obiettivo di motivare gli studenti a utilizzare queste tecnologie in futuri progetti di ingegneria.

Aree di apprendimento chiave

1.Comprensione dei modelli 3D e dei principi CAD

La lezione inizia spiegando cosa sono i modelli 3D e la loro importanza nell'ingegneria moderna. Distingue tra rappresentazioni 2D e 3D e introduce i due tipi principali di modellazione 3D: modellazione di superfici (visiva) e modellazione di solidi (funzionale).

2.Lavorare con il software CAD

Agli studenti vengono presentati i flussi di lavoro CAD utilizzando Autodesk Fusion 360 o strumenti simili. Gli argomenti principali includono la creazione di schizzi 2D, l'estrusione o la rotazione di forme, l'applicazione di operazioni booleane e l'uso di funzioni come raccordi e smussi. Viene sottolineata l'importanza della progettazione parametrica e degli schizzi completamente vincolati.

3.Tipi di file e formati di esportazione

La sessione delinea vari formati di file, come parte, assieme, disegno, STEP e STL, e spiega il loro ruolo nei flussi di lavoro CAD e di stampa 3D. Vengono sottolineate le migliori pratiche per mantenere i file sorgente modificabili.

4.Nozioni fondamentali sulla stampa 3D

I partecipanti apprendono le basi della produzione additiva, come si differenzia dai metodi sottrattivi convenzionali e il processo passo dopo passo di preparazione di un modello CAD per la stampa. Ciò include il taglio del modello, l'impostazione dei parametri di stampa e la generazione del codice G per la stampante.

5.Progettazione per lo stampaggio

La lezione tratta considerazioni critiche di progettazione, come evitare sporgenze superiori a 45°, garantire un contatto adeguato con la piastra di costruzione e orientare le parti per ottenere resistenza, estetica e un uso minimo di materiale di supporto.

6.Post-elaborazione e considerazioni sulla qualità

Infine, vengono discussi aspetti come la finitura superficiale, la rimozione del supporto, l'anisotropia della resistenza e le tolleranze dimensionali per aiutare i partecipanti a capire come perfezionare le stampe e progettare tenendo conto dell'accuratezza funzionale.

Conclusione

Al termine di questo masterclass, gli spettatori avranno acquisito una conoscenza di base della progettazione CAD 3D e dei processi di stampa 3D. La sessione fornisce loro le conoscenze necessarie per iniziare con sicurezza a progettare modelli digitali e prepararli per la prototipazione fisica utilizzando strumenti e tecniche accessibili. Che si tratti di progetti accademici o di innovazione personale, questa lezione funge da guida pratica per trasformare concetti virtuali in creazioni tangibili.

Résumé : Mécatronique

Introduction

Cette masterclass enregistrée, présentée par l'Université technologique de Luleå (LTU), en Suède, est animée par Jakub Haluska, ingénieur de recherche senior au sein du groupe Robotique et IA de la LTU. La conférence fait partie de la série Mécatronique et présente aux participants les principes fondamentaux de la conception assistée par ordinateur (CAO) 3D et de l'impression 3D. Conçue spécialement pour les débutants sans expérience, la session offre un aperçu pratique et conceptuel des techniques de conception et de fabrication numériques, dans le but d'inciter les étudiants à utiliser ces technologies dans leurs futurs projets d'ingénierie.