Ricevimento e Altre Informazioni

Sede di Vercelli e Sede di Alessandria su appuntamento (via e-mail giuliana.franceschinis@uniupo.it)

A. A. 2012 / 2013
Primo Semestre
SSD: INF/01
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: INF/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2013 / 2014
Primo Semestre
SSD: INF/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2014 / 2015
Primo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2015 / 2016
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2016 / 2017
Primo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2017 / 2018
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2018 / 2019
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
A. A. 2020 / 2021
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
A. A. 2021 / 2022
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
A. A. 2019 / 2020
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
A. A. 2022 / 2023
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
A. A. 2023 / 2024
Annuale
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
A. A. 2024 / 2025
Annuale
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Primo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: I
CFU: 4
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: I
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale

Pubblicazioni

Ricerca

Teoria delle Stochastic Petri Nets.

La ricerca ha riguardato il formalismo delle Generalized Stochastic Petri Net (GSPN). In particolare è stata definita una metodologia di supporto al modellista nella definizione corretta (a livello della rete, anziché a livello dello spazio degli stati) di tutti i parametri che caratterizzano il processo stocastico sottostante. Le proprietà strutturali del modello, utilizzate nella definizione corretta dei parametri, possono anche essere sfruttate per rendere più efficienti le tecniche di analisi basate sulla generazione dello spazio degli stati. Tali risultati sono stati implementati nel pacchetto software GreatSPN.

Teoria delle High Level Stochastic Petri Nets.

In quest'area la ricerca ha riguardato il formalismo delle Stochastic Well-Formed Net (SWN). Il lavoro si è sviluppato in due direzioni: la prima mirata all'estensione della definizione e del calcolo di relazioni strutturali simboliche e all'estensione dei metodi di definizione dei parametri per le GSPN a questa categoria di reti;  la seconda riguarda la definizione di algoritmi per la costruzione efficiente di processi stocastici aggregati, ottenuti sfruttando le simmetrie comportamentali del modello (anche per modelli in cui ci sono comportamenti simmetrici locali, in un contesto di asimmetria). Infine è stata esplorata la possibilità di applicare a modelli SWN le tecniche per il calcolo del numero medio di token nei posti basate su equazioni differenziali ordinarie, sfruttando al contempo le simmetrie per ridurre la dimensione del sistema di equazioni differenziali da risolvere.

Analisi dell'Affidabilità di sistemi tramite Fault Trees, Petri Nets e Bayesian Networks.

L'affidabilità dei sistemi si può studiare ricorrendo a strumenti di potenza espressiva e complessità crescente: in questo contesto è stato sviluppato un metodo per combinare i tre formalismi di cui sopra, allo scopo di trattare diversi tipi di sistemi e proprietà di interesse in un framework unificante. Il metodo sviluppato è stato applicato a numerosi casi di studio offerti da partner industriali nell'ambito di progetti nazionali ed internazionali. Più recentemente sono stati definiti formalismi di alto livello per la specifica di Markov Decision Processes (Markov Decision Petri Nets, Markov Decision Well Formed Nets, Non Deterministic Repairable Fault Trees): Tali formalismi sono stati applicati a problemi di ottimizzazione di strategie di manutenzione di sistemi di controllo distribuiti.

Sviluppo di metodologie e strumenti software per l'analisi qualitativa e quantitativa di sistemi dinamici ad eventi discreti.

Lo sviluppo di diversi casi di studio nell'ambito di sistemi di comunicazione e di calcolo ha portato alla partecipazione in progetti e alla progettazione e sviluppo di metodologie e strumenti software per la progettazione e l'analisi di sistemi complessi. I risultati più recenti riguardano la combinazione di diversi formalismi per rappresentare nel modo più accurato possibile i diversi aspetti e le diverse parti di sistemi complessi (in particolare questo approccio è stato applicato allo studio delle interdipendenza tra l'infrastruttura di Generazione, Trasmissione e Distribuzione dell'energia elettrica e l'infrastruttura informatica responsabile del suo controllo).I due principali strumenti software che includono alcuni dei risultati di ricerca sopra descritti sono GreatSPN e Draw-Net.

-------------------------------------------------------------------------------

Stochastic Petri Nets Theory.The research has concentrated on Generalized Stochastic Petri Net (GSPN). In particular, a new methodology has been defined, to support the modeler in correctly defining (at the net level, rather than at the state space level) of all the required parameters characterizing the underlying stochastic process (a Continuous Time Markov Chain).  The structural properties of the mode, used in the correct definition of its parameters, can also be exploited to improve the efficiency of the state space based analysis techniques. These results have been implemented in the GreatSPN software tool.

High Level Stochastic Petri Nets Theory. In this area the research has concentrated on the Stochastic Well-Formed Nets (SWN) formalism. The research line has followed two directions: the first aims to the extension of the definition and computation of  the symbolic structural relations and to the extension of the methods for defining GSPN parameters to this High Level formalism;  the second aims to defining new algorithms for the efficient construction of lumped stochastic processes, obtained by exploiting the behavioral symmetries of the model (even for models exhibiting local symmetric behaviours in a global asymmetric context). Finally it has been explored the possibility of applying techniques for the computation of the average number of tokens in the model places through a set of ordinary differential equations (ODE) automatically extracted from the model, while exploiting the model symmetries to reduce the size of the system of ODE to be solved.

Analysis of systems reliability through Fault Trees, Petri Nets and  Bayesian Networks. Systems reliability can be studied using tools of increasing expressive power and complexity: in this context a method has been defined, to combine the three above formalisms, with the aim of dealing with different types of systems and of properties within a unifying framework. The proposed method has been applied to several case studies propose by industrial partners in the framework of national and international projects. More recently new high level formalisms have been proposed for the specification of Markov Decision Processes (Markov Decision Petri Nets, Markov Decision Well Formed Nets, Non Deterministic Repairable Fault Trees). Such formalisms have been applied to the computation of optimal maintenance strategies in distributed control systems (specifically in the context of mission critical infrastructures).

Development of methodologies and software tools  for the qualitative and quantitative analysis of discrete event dynamic systems. The development of several case studies in the area  of computer and communication systems has led to participation  into projects and to the design and development of methodologies and sofware tools for the design and analysis of complex systems. The most recent results concern the integration of different formalisms to accurately represent the various aspects and different parts of complex systems (in particular such method has been applied to the study of the interdependency between the infrastructure for the Generation, Transmission and Distribution of the electrical power, and the computer and telecomunication infrastructure controlling it.  The two main software tools that embed some of the research results just described are GreatSPN and Draw-Net.