Sistemi Real-Time per il Controllo Automatico: Problemi e Nuove Soluzioni

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Sistemi Real-Time per il Controllo Automatico: Problemi e Nuove Soluzioni"

Transcript

1 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo Sstem Real-Tme per l ontrollo Automatco: Problem e Nuove Soluzon Gorgo Buttazzo Unverstà d Pava Untà d rcerca INFM - Pava E-mal: gorgo@sssup.t Sommaro Questo lavoro llustra alcune medotodologe per aumentare la prevedbltà de sstem realtme, ossa d que sstem d calcolo che rchedono l controllo stretto d vncol temporal mpost su process applcatv. Al fne d poter garantre off-lne l rspetto d tal vncol, tutt meccansm del sstema operatvo, dallo schedulng alla comuncazone tra task, dalla sncronzzazone alla gestone degl nterrupt, devono essere governat da algortm determnstc, de qual s possa prevedere l comportamento medante tecnche d anals. In questo lavoro, saranno pres n esame alcun algortm per la schedulazone d task (perodc e aperodc) e per l controllo dell accesso a rsorse mutuamente esclusve. Infne, allo scopo d fornre un supporto effcente allo svluppo d sstem real-tme multmedal, verranno descrtt de nuov approcc per la gestone de sovraccarch e la protezone temporale tra process. 1. Introduzone Spesso s dce che un sstema d controllo s comporta n tempo reale quando è n grado d reagre velocemente ad un evento. Questa defnzone, tuttava, non è del tutto corretta, n quanto la veloctà d elaborazone non fornsce alcuna nformazone sulla effettva capactà del sstema d reagre n tempo ad un evento esterno. Se non s consderano le caratterstche dnamche dell ambente da controllare, ha poco senso parlare d veloctà d reazone. Secondo una defnzone pù precsa, un attvtà d calcolo è detta n tempo reale se la valdtà de rsultat non dpende solo dalla correttezza delle sngole operazon esegute, ma anche dal tempo entro cu rsultat sono prodott [Sta 88]. La dfferenza prncpale tra un processo real-tme e un processo non real-tme è che un processo real-tme deve termnare entro una scadenza temporale prefssata, che prende l nome d deadlne. La deadlne è l tempo massmo entro cu un processo deve termnare la propra esecuzone. Nelle applcazon real-tme un rsultato prodotto oltre la propra deadlne non è solo n rtardo, ma è dannoso. A seconda delle conseguenze provocate da una mancata deadlne, process real-tme vengono soltamente dstnt n due tp: hard e soft [StRa 88]. Un processo real-tme s dce d tpo hard se la volazone della propra deadlne comporta un effetto catastrofco sul sstema, mentre s dce d tpo soft se la volazone della propra deadlne è ndesderata, ma non compromette l corretto funzonamento del sstema. In tal caso, l processo non è caratterzzato da una scadenza rgda e può essere completato anche oltre l lmte d tempo specfcato dalla sua deadlne. Un sstema operatvo n grado d gestre de process real-tme d tpo hard è detto hard real-tme. Per una trattazone approfondta su sstem hard real-tme s veda [But 95][Sta 95][But 97]. In generale, sstem hard real-tme comprendono sa attvtà d tpo hard, che attvtà d tpo soft. Tpc process d tpo hard che s ncontrano n un applcazone d controllo automatco rguardano n genere l acquszone d dat sensoral, l rlevamento d condzon crtche, l asservmento d attuator, la panfcazone d azon senso-motore, ed l controllo d dspostv automatc. Tpche attvtà d tpo soft rguardano nvece l nterprete d comand fornt dall utente, l ngresso d caratter da tastera, la vsualzzazone d messagg su montor, la rappresentazone dello stato del sstema, oppure attvtà d grafca. L nteresse per lo studo de sstem real-tme è motvato dalla crescente dffusone che ess hanno nella nostra socetà n dvers settor applcatv. Le attvtà che maggormente rchedono una elaborazone n tempo reale rguardano la regolazone d mpant chmc e nuclear, l controllo d process produttv compless, sstem d controllo d volo sugl aere, sstem d controllo del traffco (aereo, ferrovaro, e marttmo), sstem d telecomuncazone, sstem d regolazone delle automobl, sstem d acquszone e montoraggo ambentale, - 1 -

2 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo l automazone ndustrale, sstem mltar, le msson spazal, la teleoperazone, la realtà vrtuale, e la robotca. Nonostante la vasttà de settor applcatv nteressat, la maggor parte delle applcazon real-tme, purtroppo, vene ancora ogg progettata emprcamente, senza l auslo d una metodologa scentfca consoldata. La gestone d event temporal vene d solto affrontata scrvendo grosse porzon d codce n lnguaggo assembler e manpolando la prortà delle nterruzon e de process d controllo. Sebbene l codce prodotto con queste tecnche possa essere molto effcente, questo approcco comporta numeros svantagg. Innanztutto, la realzzazone d programm compless n lnguaggo assembler è estremamente mpegnatva e, n genere, rchede temp d svluppo pù lungh rspetto alla programmazone d alto lvello; noltre, l effcenza e l affdabltà del software dpendono fortemente dall abltà del programmatore. In secondo luogo, l ottmzzazone del codce assembler peggora la comprensbltà del software e complca la manutenzone d gross programm. Infne, senza l auslo d una metodologa nformatca, rsulta pratcamente mpossble garantre l rspetto de vncol temporal dell applcazone sotto tutte le possbl condzon operatve. La conseguenza d tutto cò è che le tecnche emprche per la progettazone e l mplementazone d sstem n tempo reale rsultano estremamente naffdabl. ò è ancora pù grave quando l sstema deve essere utlzzato n applcazon crtche, che comportano de rsch per cose o persone. Una grossa percentuale degl ncdent che s verfcano negl mpant nuclear, ne vol spazal, o ne sstem d dfesa, è spesso causata da error sul software del sstema d controllo. In alcun cas, tal ncdent comportano ngent perdte economche, o addrttura hanno conseguenze catastrofche. Una garanza pù robusta del funzonamento d un sstema sotto tutte le possbl condzon operatve può essere ottenuta soltanto adottando tecnche d progetto pù accurate, meccansm d nucleo predspost a gestre esplctamente la varable tempo e lnguagg d programmazone pù adatt alla scrttura d process real-tme. Dunque, la propretà pù mportante che un sstema real-tme deve possedere non è la veloctà, ma la prevedbltà d rsposta. 1.1 Prevedbltà d un sstema ome s è pù volte osservato, la qualtà prncpale che deve possedere un sstema operatvo real-tme è la prevedbltà. In generale, per prevedbltà d un sstema s ntende la capactà d determnare n antcpo se uno o pù process d calcolo potranno essere completat entro propr vncol temporal. L affdabltà della valutazone effettuata da un sstema sulla schedulabltà de process dpende da dvers fattor, che vanno dalle caratterstche archtettural della macchna fsca, a meccansm d nucleo, fno al lnguaggo d programmazone. I meccansm ntern del processore sono prm ad nfluenzare l determnsmo dell esecuzone de process. Quell pù nfluent sono le nterruzon, l DMA e la cache. Sebbene tal meccansm mglorno le prestazon mede del processore, ess ntroducono un non determnsmo nell esecuzone de process, che nel caso peggore allunga temp d rsposta d quanttà ndefnte. Altr fattor che nfluenzano l esecuzone de process sono dovut a meccansm d nucleo del sstema operatvo, qual l algortmo d schedulng, l meccansmo semaforco, la gestone della memora, e la gestone delle perferche. Infne, anche l lnguaggo d programmazone nflusce sulla prevedbltà d una applcazone, a seconda de costrutt che mette a dsposzone per gestre pù o meno esplctamente le esgenze temporal de process. Fra tutt fattor ctat, l meccansmo d schedulazone è quello che maggormente nfluenza la prevedbltà d rsposta del sstema. Esso sarà pertanto oggetto de successv paragraf. 2. Gestone d process perodc I process perodc rappresentano la maggor parte delle attvtà d calcolo d un sstema d controllo real-tme. Ad esempo, le attvtà d regolazone, acquszone d segnal, fltraggo, elaborazone d dat sensoral, panfcazone d azon, montoraggo, comando d attuator, ecc., rappresentano process che devono essere esegut con una certa perodctà, a frequenze defnte da vncol e da requst dell applcazone. Ogn attvazone d un processo perodco vene dentfcata con l termne d stanza perodca del processo. Per ogn stanza perodca vengono defnt l stante d rchesta e la deadlne. L stante d rchesta r(k) della k- esma stanza d un processo rappresenta l stante n cu l processo dventa pronto per l esecuzone per la k-esma volta. L ntervallo d tempo che ntercorre tra due stant d rchesta consecutv corrsponde esattamente al perodo del processo. La deadlne relatva alla k-esma stanza, ndcata nel seguto con d(k), corrsponde all stante entro cu l stanza deve essere completata

3 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo Tmelne schedulng Il Tmelne Schedulng (TS), noto anche come cyclc executve, è uno degl approcc maggormente utlzzat ne sstem d dfesa mltar, la navgazone automatca e l controllo d aere. Il metodo consste nel suddvdere l asse temporale n ntervall d tempo ugual (tme slces) ne qual allocare opportunamente una o pù procedure, n modo da rspettare le frequenze rcheste da ogn procedura. Un tmer sncronzza l attvazone delle procedure all nzo d ogn tme slce. Al fne d llustrare l metodo, s consder l seguente esempo, n cu tre procedure, A, B e, devono essere esegute con frequenze par a 40, 20 e 10 Hz rspettvamente. Analzzando perod delle attvtà, è facle verfcare che la lunghezza ottmale per le tme slce rsulta essere d 25 ms, ossa par al Massmo omun Dvsore tra perod. Dunque, per rspettare le frequenze rcheste, la procedura A dovrà essere eseguta n ogn tme slce, la procedura B ogn due, e la procedura ogn quattro. Una possble soluzone dello schedulng è llustrata n Fgura 1. proc. A Mnor ycle Major ycle proc. B proc Fgura 1: Esempo d tmelne schedulng. t La durata del tme slce è detta Mnor ycle, mentre l perodo mnmo dopo l quale la schedulazone s rpete è detto Major ycle. In generale, esso è par al mnmo comune multplo tra perod (nell esempo vale 100 ms). Per garantre a pror che la schedulazone sa fattble su un partcolare processore, è suffcente valutare temp d esecuzone delle procedure e verfcare che la somma delle esecuzon n ogn tme slce sa mnore o uguale del mnor cycle. Nel nostro esempo, dett A, B e temp d esecuzon delle procedure, è suffcente verfcare che A + B 25 ms A + 25 ms Il prego pù evdente del tmelne schedulng è dato dalla semplctà d realzzazone. Per mplementare l metodo è suffcente programmare un tmer con un valore par al mnor cycle e scrvere un programma che rcham nell ordne le procedure all nterno del major cycle, nserendo de punt d sncronzzazone all nzo d ogn mnor cycle. Poché la successone delle procedure non è dettata da un algortmo d schedulng del nucleo, ma dpende dalle chamate effettuate dal programma prncpale, non esstono commutazon d contesto, per cu l overhead ntrodotto è estremamente basso. Inoltre, la sequenza delle attvtà è determnstca, faclmente vsualzzable e, soprattutto, non è affetta da fenomen d jtter. Nonostante vantagg descrtt, apprezzabl soprattutto nelle applcazon crtche n cu process non sono soggett a troppe varazon e aggornament, la tecnca del tmelne schedulng presenta anche de gross nconvenent, tra cu una fragltà ne sovraccarch. Se una procedura non termna entro l tempo prevsto possamo farla contnuare oppure abortrla; n entramb cas, però, rschamo d mettere l sstema n una stuazone d percolo. Infatt, lascando la procedura anomala n esecuzone rschamo d superare l lmte mposto dal Mnor ycle, causando un effetto domno su tutte le attvtà successve (tmelne break). Se nvece decdamo d abortre la procedura rschamo che questa rmanga n uno stato nconsstente, compromettendo l corretto funzonamento del sstema. Un altro grosso problema d questa tecnca è la scarsa flessbltà. Se l aggornamento d una procedura causa una varazone del tempo d calcolo o della frequenza d attvazone, c è l rscho che l ntera sequenza d schedulazone debba essere rprogettata da zero. Facendo rfermento all esempo precedente, se la procedura B vene aggornata e s ha che A + B > 25 ms, occorre suddvdere B n due pezz, B1 e B2, da allocare opportunamente negl spaz dsponbl del Tmelne. Un aggornamento delle frequenze può causare cambament ancora pù radcal nella schedualzone. Ad esempo, se la frequenza d B dovesse passare da 20 Hz a 25 Hz, l precedente Tmelne verebbe ad essere completamente stravolto, poché nella nuova condzone l Mnor ycle rsulterebbe par a 10 ms e l Major ycle par a 200 ms. Infne, un ultma lmtazone del Tmelne Schedulng consste nella dffcoltà d gestre effcentemente le attvtà aperodche attvate da event estern. I problem sopra descrtt possono essere superat elegantemente per mezzo d algortm a base prortara

4 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo Rate Monotonc (RM) L algortmo Rate-Monotonc (RM) consste nell assegnare ad ogn processo una prortà drettamente proporzonale alla propra frequenza, n modo che a process con perod pù brev venga assegnata una prortà pù elevata. Poché perod de process sono assunt costant, l algortmo RM è un algortmo d tpo statco, nel senso che le prortà assegnate a process sono fssate all nzo e rmangono nvarate per tutta la durata dell applcazone. Inoltre RM è un algortmo ntrnsecamente d tpo preemptve. Nel 1973, Lu e Layland [Lu 73] hanno dmostrato che l algortmo RM è ottmo, nel senso che se un nseme d process non è schedulable con RM, allora l nseme non è schedulable con nessun altra regola d assegnazone d prortà fsse. Un altro rsultato mportante rcavato dagl stess autor è che un nseme Γ = {τ 1,, τ n } d n task perodc rsulta schedulable con RM se: n = 1 T n ( 2 1 / n 1) dove e T rappresentano rspettvamente l tempo d esecuzone massmo e l perodo del processo τ. La quanttà U = n = 1 T vene detta utlzzazone del processore e rappresenta la percentuale d tempo mpegata dal processore ad esegure l nseme d task. La Tabella 1 mostra valor d n(2 1/n 1) per n che va da 1 a 10. ome s può notare, l espressone assume valor decrescent al crescere d n e, per n tendente all nfnto, ha un lmte par a: lm n n 1/ n ( 2 1) = ln S not che, essendo l test d schedulabltà solo suffcente, l nseme d task può essere schedulable con RM anche se la condzone su U non è soddsfatta. Tuttava, possamo affermare che un nseme d task perodc è scuramente non schedulable se rsulta U > 1. n n(2 1/n 1) Tabella 1: Utlzzazone massma del processore con RM. Uno studo statstco effettuato da Lehoczky, Sha, e Dng [Leh 89] ha dmostrato che su nsem d process generat casualmente l fattore d utlzzazone d nsem schedulabl vale medamente 0.88, e dventa untaro quando perod de process sono legat tra loro da relazon armonche. Nonostante tale lmtazone, l algortmo RM è ampamente utlzzato nelle applcazon real-tme, sa per la sua semplctà che per la facltà con cu rsultat llustrat possono essere estes a nsem d process pù general d quell fnora trattat. Al tempo stesso, essendo RM un algortmo d schedulazone che opera con prortà statche, può essere faclmente mplementato n sstem esstent n cu process sono gestt su base prortara. Per questo motvo, presso l Software Engneerng Insttute d Pttsburgh è stato predsposto un vero e propro prontuaro da utlzzare come sorgente d nformazon e come guda rvolta a chunque debba analzzare o progettare un sstema real-tme che oper con la stratega Rate-Monotonc [Kle 93]. Poché l algortmo RM è ottmo tra tutt gl algortm a prortà fssa, l lmte superore mnmo del fattore d utlzzazone del processore può essere mglorato solo attraverso un assegnazone dnamca delle prortà

5 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo Earlest Deadlne Frst (EDF) L algortmo Earlest Deadlne Frst (EDF) consste nel selezonare dalla lsta de process pront quello la cu deadlne assoluta è pù mmnente. L algortmo EDF è d tpo preemptve, nel senso che, se arrva un processo con una deadlne mnore d quella del processo n esecuzone, quest ultmo vene sospeso e la PU vene assegnata al processo con deadlne pù corta appena arrvato. Se l sstema operatvo non supporta esplctamente la gestone d vncol temporal, anche questo algortmo (come RM) può essere mplementato n un sstema a base prortara, dove le prortà sono assegnate a process n modo dnamco. Un processo che ha fatto rchesta rceve la massma prortà se la sua deadlne è la pù vcna tra tutte quelle de process pront, mentre rceve la mnma prortà se la sua deadlne è la pù lontana. ò equvale ad assegnare ad un processo una prortà nversamente proporzonale alla sua deadlne assoluta. A dfferenza dell algortmo RM, EDF può essere utlzzato per schedulare sa un nseme d process perodc, che un nseme d process aperodc, poché la selezone d un processo s basa uncamente sul valore della sua deadlne. Un processo cclco che ha termnato n tempo la sua esecuzone, s sospende fno alla propra deadlne, che concde con la fne del perodo corrente, dopodché rdventa pronto per l perodo successvo. Dertouzos [Der 74] ha dmostrato che EDF è un algortmo ottmo fra tutt gl algortm on lne, e Lu e Layland [Lu 73] hanno provato che un nseme Γ = {τ 1, τ 2,, τ n } d n process perodc è schedulable con EDF se e solo se: n = 1 T E mportante notare che, n questo caso, la condzone d schedulabltà rsulta necessara e suffcente. ò sgnfca che, se l fattore d utlzzazone dell nseme d task è maggore d uno, non esste alcun algortmo n grado d produrre una schedulazone fattble. La propretà d varare dnamcamente la prortà de process, consente a EDF d utlzzare appeno l processore, sfruttando l 100% del tempo dsponble. Anche se process hanno una utlzzazone mnore d uno, la frazone d tempo resdua può essere effcentemente mpegata per gestre rcheste aperodche attvate da event estern. Inoltre, EDF genera un mnor numero d camb d contesto rspetto a RM e, qund, un mnore overhead a runtme. Per contro, RM rsulta pù semplce da realzzare su un sstema operatvo a prortà fsse e, noltre, RM è pù prevedble nelle stuazon d sovraccarco, pochè task a maggore prortà sono sempre pù prvlegat Process con deadlne mnore del perodo Utlzzando l algortmo Rate Monotonc, o Earlest Deadlne Frst, un processo perodco può essere eseguto n qualunque ntervallo d tempo all nterno del perodo. L unca garanza che s ha effettuando l test d schedulabltà è che cascun processo resca a completare la sua esecuzone entro l propro perodo. In alcune applcazon, tuttava, s desdera che process cclc, oltre ad essere attvat con un perodo prefssato, sano esegut entro un ntervallo d tempo mnore del propro perodo. L algortmo Deadlne Monotonc (DM), deato da Leung e Whtehead nel 1982 [Leu 82], rappresenta un estensone d Rate Monotonc, n quanto consente la schedulazone d process perodc con deadlne ndpendente dal perodo. Secondo l algortmo DM, l processo che n ogn stante vene schedulato è quello con la deadlne relatva pù corta. Ne sstem a base prortara, cò equvale ad assegnare ad ogn processo una prortà p nversamente proporzonale alla propra deadlne relatva: P 1/D. Essendo D fssata per cascun processo, l algortmo DM è un algortmo statco d tpo preemptve. Un metodo per trovare una condzone necessara e suffcente che garantsca la schedulabltà d un nseme d process perodc con l algortmo DM è stato proposto da Audsley [Aud 92]. Tale metodo s basa sul calcolo del tempo d rsposta R d cascun task perodco, dato dal tempo d calcolo propro del task ( ) sommato all nterferenza de task a prortà pù elevata: R = + k hp( ) R Tk k dove hp() rappresenta l nseme de process a prortà pù elevata d τ. Essendo l espressone d tpo rcorsvo, essa s rsolve n modo teratvo, partendo con R (0) = e termnando quando R (s) = R (s-1). Se po rsulta R (s) > D, allora vuol dre che la schedulazone non è fattble

6 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo Sotto EDF, l anals d schedulabltà per task perodc con deadlne mnore del perodo è basata sul crtero della domanda d calcolo (processor demand crteron), deato da Baruah [Bar 90]. Secondo tale metodo, un nseme d task perodc è schedulable con EDF se e solo se, n ogn ntervallo L, la domanda d calcolo non supera l tempo dsponble, ossa se e solo se: L > 0 n =1 L D + T T L 3. Gestone d process aperodc Sebbene n un sstema real-tme la maggor parte de process d acquszone e d controllo sa d tpo perodco, estono delle attvtà che devono essere svolte solo al verfcars d event estern (n genere segnalat medante nterruzone), che possono verfcars con cadenze rregolar, aperodche. Quando nel sstema arrvano delle rcheste d calcolo d tpo aperodco, c s trova d fronte a due esgenze contrastant: da un lato, nfatt, s desdera rspondere all evento esterno nel pù breve tempo possble, dall altro però non s vuole compromettere la schedulabltà de process perodc consentendo che uno o pù task vengano rtardat oltre la loro deadlne. Se le attvtà aperodche sono d tpo soft, l obettvo dell algortmo d schedulng è n genere quello d mnmzzare l loro tempo d rsposta, garantendo che tutt task perodc (pur essendo rtardat dal servzo aperodco) completno la loro esecuzone entro le rspettve deadlne. Se alcune attvtà aperodche sono d tpo hard, s cerca d garantre off-lne che la loro esecuzone termn entro le deadlne specfcate. Tale garanza può essere fatta solo potzzando che le rcheste, pur arrvando ad ntervall rregolar, non superno una frequenza massma prestablta, ovvero sano ntervallate da un mnmo tempo d nterarrvo (mnmum nterarrval tme). Un processo aperodco caratterzzato da un mnmo tempo d nterarrvo è detto sporadco. La Fgura 2 llustra un esempo n cu una rchesta aperodca J a d 3 untà d tempo debba essere eseguta nseme a due task perodc, con temp d calcolo 1 = 1, 2 = 3 e perod T 1 = 4, T 2 = 6, schedulat con RM. ome mostrato n fgura, se la rchesta aperodca vene servta mmedatamente (ossa con prortà superore a quella de task perodc), l task τ 2 supera la deadlne d due untà d tempo. τ 1 τ J a Fgura 2: Gestone mmedata d un task aperodco. La tecnca pù semplce per gestre le attvtà aperodche preservando la garanza su process perodc è quella d schedulare le rcheste aperodche n background. La gestone n background comporta che un task aperodco sa schedulato solo quando l processore è lbero (dle), ossa quando non c sono process perodc n esecuzone. ò sgnfca che, se l carco computazonale relatvo a process perodc è elevato, l tempo resduo per l esecuzone delle attvtà aperodche può essere nsuffcente a soddsfare le esgenze de process, causando temp d rsposta troppo lungh. La Fgura 3 llustra la schedualzone sull nseme d task dell esempo precedente nel caso n cu l task aperodco sa servto n background

7 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo τ 1 τ J a Fgura 3: Gestone n background d un task aperodco. Il tempo d rsposta de process aperodc può essere mglorato assocando un processo perodco (server) dedcato al servzo delle rcheste aperodche. ome un qualsas altro processo perodco, un server è caratterzzato da un perodo T s e da un tempo d esecuzone s, detto capactà del server. In generale, l server vene schedulato con lo stesso algortmo utlzzato per process perodc e, una volta attvato, esso effettua l servzo delle rcheste aperodche pendent, entro lmt della sua capactà s. L ordne d servzo delle rcheste aperodche è ndpendente dall algortmo d schedulazone usato per process perodc, e può essere decso n funzone del tempo d arrvo, del tempo d calcolo, oppure della deadlne. In letteratura, sono stat propost numeros algortm d servzo per task aperodc, caratterzzat da prestazon e complesstà dfferent. Tra gl algortm basat su prortà fsse rcordamo l Pollng Server e l Deferrable Server [Leh 87][Str 95], lo Sporadc Server [Spr 89], e lo Slack Stealer [Leh 92]. Tra server a prortà dnamca (medamente pù effcent) rcordamo l Dynamc Sporadc Server [Spu 94][Gha 95], l Total Bandwdth Server [Spu 96], l Tunable Bandwdth Server [BuSe 97] ed l onstant Bandwdth Server [Abe 98]. Per charre l dea alla base del servzo aperodco medante server, la Fgura 4 llustra la schedulazone EDF prodotta da un Dynamc Deferrable Server con capactà s = 1 e perodo T s = 4. S not che, a partà d deadlne assoluta tra l server e un task perodco, la precedenza vene data al server per favorre le rcheste aperodche. S not che lo stesso nseme d task non sarebbe schedulable utlzzando uno schema a prortà fsse. τ 1 τ J a s Fgura 4: Servzo aperodco con Dynamc Deferrable Server. Sebbene l tempo d rsposta del task aperodco gestto con l server sa mnore d quello ottenuto con l servzo n background, esso non rappresenta l mnmo tempo possble. Il tempo d rsposta mnmo può essere ottenuto con un algortmo ottmo (TB*) che assegna alla rchesta aperodca una opportuna deadlne, la quale, sotto EDF, consente d mnmzzare l tempo d rsposta del task rspettando la garanza de process perodc [BuSe 97]. La schedulazone generata dall algortmo ottmo è llustrata n Fgura 5, dove s vede che l tempo d rsposta mnmo per la rchesta J a è d 5 untà d tempo. ome n tutte le soluzon effcent, la mglore prestazone ottenuta dall algortmo ottmo s paga n termn d complesstà computazonale (e qund d overhead). Tuttava, utlzzando un Tunable Bandwdth Server [BuSe 97] è possble blancare costo e prestazon, n modo da adattare l crtero d servzo alle esgenze della specfca applcazone real-tme. Una rassegna de prncpal algortm d servzo per attvtà aperodche (sa a prortà statca che a prortà dnamca) è rportata n [But 97]

8 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo τ 1 τ J a Fgura 5: Servzo aperodco ottmo. 4. Protocoll d accesso a rsorse condvse Quando pù process nteragscono medante rsorse comun, la dretta applcazone de meccansm classc d sncronzzazone, come semafor o montor, può provocare un fenomeno noto come nversone d prortà, secondo cu un processo ad alta prortà vene bloccato da un processo a pù bassa prortà per un ntervallo d tempo ndefnto. Tale stuazone crea de ser problem ne sstem real-tme, poché può compromettere la schedulabltà del sstema. S consderno, ad esempo, tre process τ 1, τ 2 e τ 3 con prortà decrescent (τ 1 è l processo a maggore prortà), e s assuma che τ 1 e τ 3 condvdano una struttura dat protetta da un semaforo bnaro S. on rfermento alla Fgura 6, supponamo che al tempo t 1 l processo τ 3 entr n sezone crtca, occupando l semaforo S. Durante l esecuzone d τ 3, all stante t 2, arrva la rchesta d τ 1 l quale, essendo a prortà maggore, effettua preempton su τ 3. τ 1 esecuzone normale esecuzone n sezone crtca τ 2 τ 3 t 0 t 1 t 2 t 3 t 4 t 5 t 6 t 7 Fgura 6: Esempo d nversone d prortà. Nell stante t 3 l processo τ 1 tenta d usare la rsorsa condvsa, ma vene bloccato sul semaforo S poché la rsorsa è occupata da τ 3. Essendo τ 1 l processo a prortà pù elevata, c s aspetta che esso rmanga bloccato per un tempo non superore al tempo necessaro a τ 3 per completare la sezone crtca. Purtroppo, nvece, l tempo d bloccaggo d τ 1 può dventare mprevedble! Infatt, l processo τ 3 può subre preempton da parte del processo a prortà ntermeda τ 2. D conseguenza, la durata del bloccaggo d τ 1 dpende non solo dalla lunghezza della sezone crtca eseguta da τ 3, ma anche dall esecuzone d τ 2 e d altr eventual process a prortà ntermeda che possono nserrs nel mezzo. La stuazone llustrata n Fgura 6 può essere evtata se s mpedsce la preempton su process che s trovano all nterno d sezon crtche. Questa soluzone, tuttava, può essere approprata solo nel caso d sezon crtche molto brev, poché altrment potrebbe dar luogo a nutl temp d attesa. Ad esempo, un processo a bassa prortà dentro una sezone crtca molto lunga, mpedrebbe per lungo tempo l esecuzone d un processo ad alta prortà, anche nel caso n cu questo non us rsorse condvse. Una soluzone pù effcente consste nel regolare l accesso alle rsorse condvse medante l uso d appost protocoll d accesso a qual vene demandato l compto d evtare condzon d nversone d prortà

9 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo Protocollo d Prorty Inhertance Una soluzone al problema d nversone della prortà causato dalla mutua esclusone tra process vene offerta dal protocollo d Prorty Inhertance (PI) [Sha 90]. Tale metodo consste nel modfcare dnamcamente la prortà de process che causano l bloccaggo. In partcolare, quando un processo τ a s blocca all entrata d una sezone crtca, trasmette la sua prortà al processo τ b che s trova all nterno della stessa. In generale, τ b esegurà la sua sezone crtca con una prortà par alla massma fra le prortà d tutt process da esso bloccat. S dce che τ b eredta la massma prortà fra process da esso bloccat. L eredtaretà della prortà è transtva, per cu se un processo τ c blocca τ b, l quale blocca τ a, allora τ c eredta la prortà d τ a attraverso τ b. La Fgura 7 llustra come s modfca la schedulazone d Fgura 6 nell potes n cu l accesso alle sezon crtche sa regolato dal protocollo PI. Fno all stante t 3 l evoluzone de process è dentca a quella d Fgura 6. All stante t 3, l processo τ 1 ad alta prortà s blocca dopo aver tentato l accesso alla sezone crtca occupata da τ 3 (drect blockng). In questo caso, però, l protocollo mpone che τ 3 eredt la massma prortà de process da esso bloccat, e qund esegua la sua sezone crtca alla prortà d τ 1. In queste condzon, nell stante t 4, l processo τ 2 non è pù n grado d effettuare preempton su τ 3, per cu s blocca (push-through blockng). In altre parole, pur avendo una prortà nomnale maggore d τ 3, τ 2 non può andare n esecuzone, poché τ 3 ha eredtato la prortà d τ 1. Quando, al tempo t 5, τ 3 termna la sua sezone crtca, esso racqusta la sua prortà nomnale e svegla τ 1 che era n attesa sul semaforo. Avendo una prortà maggore d τ 3, l processo τ 1 va n esecuzone fno al suo completamento, che avvene all stante t 6. Solo n questo stante τ 2 può rprendere l esecuzone e termnare. esecuzone normale esecuzone n sezone crtca drect blockng τ 1 τ 2 push-through blockng τ 3 t 0 t 1 t 2 t 3 t 4 t 5 t 6 t 7 Fgura 7: Esecuzone de process dell esempo precedente con l uso del protocollo d Prorty Inhertance. Il protocollo PI gode della seguente propretà [Sha 90]: Se n è l numero d process a prortà pù bassa d τ, ed m è l numero d semafor che possono bloccare τ, allora τ può essere bloccato al massmo per la durata d mn(n,m) sezon crtche. Nonostante l protocollo PI lmt l fenomeno d nversone d prortà, esso presenta ancora due problem rlevant. Il prmo è che l protocollo non prevene le condzon d stallo (deadlock) tra process. Il secondo è che la durata del bloccaggo, se pur lmtata, può essere sgnfcatva a causa d un possble bloccaggo a catena. 4.2 Protocollo d Prorty elng Il protocollo d Prorty elng (P) [Sha 90] consente d rsolvere l problema dell nversone d prortà tra process che accedono a sezon crtche condvse ed noltre resce ad evtare sa le condzon d stallo che le catene d bloccagg. L dea d base d questo protocollo è quella d asscurare che, quando un processo τ entra n una sezone crtca, la sua prortà sa pù alta d tutte le prortà eredtabl da process correntemente sospes n sezon crtche. Se questa condzone non può essere soddsfatta, l protocollo mpedsce al processo τ d entrare n sezone crtca, e l processo che blocca τ eredta la prortà d τ. Questa dea vene realzzata assegnando a cascun semaforo un tetto d prortà (prorty celng) par alla pù alta prortà de process che possono usare quel semaforo. Qund s consente ad un processo τ d entrare n - 9 -

10 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo sezone crtca solo se la sua prortà è strettamente maggore d tutt tett d prortà assocat a semafor bloccat da process dvers da τ. ome per PI, l meccansmo d eredtaretà della prortà è transtvo. Il procollo d P, oltre a prevenre lo stallo e le catene d bloccagg, gode della seguente propretà: un processo può essere bloccato al massmo per la durata d una sola sezone crtca. 4.3 Anals della schedulabltà L mportanza de protocoll d accesso a rsorse condvse ne sstem hard real-tme rsede nel fatto che ess sono n grado d fornre un lmte superore sul tempo d bloccaggo d un processo. ò è mportante per analzzare la schedulabltà d un nseme d process real-tme che nteragscono medante sezon crtche. Allo scopo d verfcare la schedulabltà del processo τ s devono consderare, oltre al fattore d utlzzazone propro del processo, sa gl effett della preempton causata da process a pù alta prortà, sa gl effett del bloccaggo causato da process a pù bassa prortà. Detto B l tempo massmo d bloccaggo che può subre l processo τ, s ha che con l algortmo Rate Monotonc, la somma degl effett dovut alla preempton, all utlzzazone del processore e al bloccaggo non deve superare l fattore d utlzzazone lmte mposto dall algortmo, ovvero deve rspettare la condzone: = 1,..., n T + k hp( ) 1/ ( 2 1) dove hp() rappresenta l nseme de process a prortà pù elevata d τ. S not che questo metodo d garanza è valdo per entramb protocoll consderat, la dfferenza rsede soltanto nel tempo massmo d bloccaggo B che ogn processo può subre. T k k + B T 5. Nuove problematche Oltre a sstem d controllo crtc, esstono numerose applcazon real-tme caratterzzate da vncol temporal meno strngent, n cu l superamento occasonale d una deadlne vene generalmente tollerato. Esemp d sstem con queste caratterstche sono sstem d montoraggo, sstem multmedal, smulator d volo o, n generale, goch d realtà vrtuale. In queste applcazon, l superamento d una deadlne non provoca effett catastrofc, ma causa solo un degrado d prestazon. Dunque, pù che una garanza assoluta, n quest sstem s rchede una Qualtà d Servzo (QoS) accettable. Poché vncol temporal devono essere comunque gestt, un sstema operatvo non real-tme, tpo Lnux o Wndows, rsulta nadeguato per dvers motv. Innanztutto, n tal sstem manca un solamento temporale tra task, per cu un pcco d carco su un task s rpercuote sugl altr n modo ncotrollato. Inoltre, la mancanza d meccansm che prevengano l nversone d prortà rende tal sstem nadeguat a garantre un lvello desderato d QoS. D altra parte, un sstema hard real-tme può rsultare nadeguato per lo spreco d rsorse che derva dalla preallocazone statca d rsorse (necessara per avere un elevata prevedbltà). Inoltre, nelle applcazon multmedal, process sono caratterzzat da una grande varabltà de temp d esecuzone (s pens ad esempo ad un player mpeg), pertanto fornre una stma accurata de temp d calcolo e de temp d nterarrvo d process aperodc rsulta pratcamente mpossble, a meno d non utlzzare valor estremamente pessmstc. Allo scopo d fornre un supporto effcente, ma pur sempre prevedble, a questo tpo d applcazon real-tme, sono stat propost nuov modell d processo e nuove metodologe d schedulng n grado d rendere l sstema pù flessble e adattvo alle varazon on-lne. Ad esempo, nuov meccansm d protezone temporale sono stat propost per solare gl overrun de task e rdurre l nterferenza recproca fra process [Sto 96][Abe 98]. Tecnche statstche d anals sono state ntrodotte per fornre una garanza probablstca mrata a mglorare l effcenza del sstema [Abe 98]. Altre tecnche sono state deate per gestre sovraccarch n modo controllato, al fne d aumentare l carco computazonale medo del sstema e sfruttare al meglo le rsorse della macchna. Una d queste tecnche consste nell assorbre sovraccarch abortendo unformemente alcune stanze d task perodc, senza superare un lmte massmo specfcato dall utente medante un parametro, che descrve la mnma QoS accettable per quel task n termn d numero mnmo d stanze tra due abort [Kor 95][But 99]. Un altra tecnca consste nel gestre l sovraccarco attraverso un allungamento opportuno de perod, n modo da abbassare l utlzzazone del processore e degradare le prestazon n modo controllato [But 98]

11 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo oncluson In questo lavoro sono state descrtte alcune metodologe d nucleo mrate a mglorare l affdabltà e la prevedbltà delle applcazon d controllo real-tme. Sono state descrtte tecnche d anals e algortm d schedulazone per task perodc, meccansm d servzo per attvtà aperodche e protocoll d accesso a rsorse condvse che lmtano l fenomeno d nversone d prortà. ascuna tecnca descrtta ha la propretà d essere analzzable, n modo da poter fornre una garanza off-lne sulla fattbltà della schedulazone entro vncol temporal mpost dall applcazone. Per sstem real-tme d tpo soft, qual sstem multmedal o smulator, le metodologe hard real-tme possono rsultare troppo rgde e neffcent, specalmente quando l applcazone è caratterzzata da parametr soggett ad una certa varabltà. In quest cas, esstono tecnche per mglorare l effcenza nel caso medo, garantendo un adeguato lvello d qualtà del servzo e un degrado controllato delle prestazon ne sovraccarch. Nonostanze la rcerca contnu ad nvestgare offrendo nuove soluzon a problem sempre pù compless, al fne d ottenere un reale aumento d affdabltà ne sstem real-tme futur, è neccessaro che le nuove metodologe vengano po ntegrate ne sstem operatv della nuova generazone, defnendo nuov standard per lo svluppo d sstem real-tme. Infne, affché s abba un aumento effettvo della qualtà e dell affdabltà de futur sstem, è altresì mportante che programmator vengano educat all utlzzo approprato delle nuove tecnologe. Bblografa [Abe 98] [Aud 92] [Bar 90] L. Aben and G. Buttazzo, Integratng Multmeda Applcatons n Hard Real-Tme Systems, Proceedngs of the IEEE Real-Tme Systems Symposum, Madrd, Span, December N.. Audsley, A. Burns, M. Rchardson, and A. Wellngs: Hard Real-Tme Schedulng: The Deadlne Monotonc Approach, IEEE Workshop on Real-Tme Operatng Systems, S. K. Baruah, R. R. Howell, and L. E. Roser, Algorthms and omplexty oncernng the Preemptve Schedulng of Perodc Real-Tme Tasks on One Processor, Real-Tme Systems, 2, [But 95] Gorgo Buttazzo: Sstem n Tempo Reale, Ptagora Edtrce, Bologna, [But 97] [BuSe 97] [But 98] [But 99] [Der 74] [Gha 95] [Kle 93] [Kor 95] G. Buttazzo, HARD REAL-TIME OMPUTING SYSTEMS: Predctable Schedulng Algorthms and Applcatons, Kluwer Academc Publshers, Boston, G.. Buttazzo and F. Sensn, Optmal Deadlne Assgnment for Schedulng Soft Aperodc Tasks n Hard Real-Tme Envronments, Proceedngs of the 3rd IEEE Internatonal onference on Engneerng of omplex omputer Systems (IES), omo, Italy, September G. Buttazzo, G. Lpar, and L. Aben, Elastc Task Model for Adaptve Rate ontrol, Proceedngs of the IEEE Real-Tme Systems Symposum, Madrd, Span, December G. Buttazzo and M. accamo, Mnmzng Aperodc Response Tmes n a Frm Real-Tme Envronment, IEEE Transactons on Software Engneerng, Vol. 25, No. 1, pp , January/February M. L. Dertouzos: ontrol Robotcs: the Procedural ontrol of Physcal Processes, Informaton Processng 74, North-Holland Publshng ompany, T. M. Ghazale and T. P. Baker: Aperodc Servers In A Deadlne Schedulng Envronment. The Journal of Real-Tme Systems, M.H. Klen, et al. A Practtoners' Handbook for Real-Tme Analyss: Gude to Rate Monotonc Analyss for Real-Tme Systems. Boston, MA: Kluwer Academc Publshers, G. Koren and D. Shasha, Skp-Over: Algorthms and omplexty for Overloaded Systems that Allow Skps, Proceedngs of IEEE Real-Tme System Symposum, December

12 Automazone e Strumentazone, Anno XLVIII, N. 5, pp , Maggo [Leh 87] [Leh 89] [Leh 92] [Leu 82] [Lu 73] J. P. Lehoczky, L. Sha, and J. K. Strosnder: Enhanced Aperodc Responsveness n Hard Real-Tme Envronments, Proceedngs of the IEEE Real-Tme Systems Symposum, pp , San Jose, A, December J. P. Lehoczky, L. Sha, and Y. Dng: The Rate-Monotonc Schedulng Algorthm: Exact haracterzaton and Average ase Behavour, Proceedngs of the IEEE Real-Tme Systems Symposum, pp , J. P. Lehoczky and S. Ramos-Thuel: An Optmal Algorthm for Schedulng Soft-Aperodc Tasks n Fxed-Prorty Preemptve Systems, Proceedngs of the IEEE Real-Tme Systems Symposum, J. Leung and J. Whtehead: On the omplexty of Fxed Prorty Schedulng of Perodc Real-Tme Tasks, Performance Evaluaton, 2(4), pp , L. Lu and J. W. Layland: Schedulng Algortms for Multprogrammng n a Hard-Real-Tme Envronment, Journal of AM, Vol. 20, No. 1, January [Raj 91] R. Rajkumar, Synchronous Programmng of Reactve Systems, Kluwer Academc Publshng, [Sha 90] [Spr 89] [Spu 94] [Spu 96] [StRa 88] [Sta 88] [Sta 95] [Sto 96] [Str 95] L. Sha, R. Rajkumar, and J. P. Lehoczky: Prorty Inhertance Protocols: An Approach to Real-Tme Synchronzaton, IEEE Transactons on omputers, Vol. 39, No. 9, September B. Sprunt, L. Sha, and J. Lehoczky: Aperodc Task Schedulng for Hard Real-Tme System, Journal of Real-Tme Systems, 1, pp , June M. Spur and G.. Buttazzo: Effcent Aperodc Servce under Earlest Deadlne Schedulng, Proceedngs of the 15th IEEE Real-Tme Systems Symposum, San Juan, Puerto Rco, M. Spur and G.. Buttazzo: Schedulng Aperodc Tasks n Dynamc Prorty Systems, Journal of Real-Tme Systems, Vol. 10, No. 2, pp. 1-32, John Stankovc e Krth Ramamrtham, Tutoral on Hard Real-Tme Systems, IEEE omputer Socety Press, J. Stankovc: A Serous Problem for Next-Generaton Systems, IEEE omputer, pp , October J. Stankovc, M. Spur, M. D Natale, G. Buttazzo, Implcatons of lasscal Schedulng Results for Real-Tme Systems, IEEE omputer, Vol. 28, No. 6, pp , June I. Stoca, H-Abdel-Wahab, K. Jeffay, S. Baruah, J.E. Gehrke, and G.. Plaxton, A Proportonal Share Resource Allocaton Algorthm for Real-Tme Tmeshared Systems, Proceedngs of the IEEE Real- Tme Systems Symposum, Dec J. K. Strosnder, J. P. Lehoczky and L. Sha: The Deferrable Server Algorthm for Enhanced Aperodc Responsveness n Hard Real-Tme Envronments, IEEE Transactons on omputers, Vol. 44, No. 1, pp , January

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

Dettagli

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

Newsletter "Lean Production" Autore: Dott. Silvio Marzo

Newsletter Lean Production Autore: Dott. Silvio Marzo Il concetto d "Produzone Snella" (Lean Producton) s sta rapdamente mponendo come uno degl strument pù modern ed effcac per garantre alle azende la flessbltà e la compettvtà che l moderno mercato rchede.

Dettagli

Soluzione esercizio Mountbatten

Soluzione esercizio Mountbatten Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Controllo e schedulng delle operazon Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Organzzazone della produzone PRODOTTO che cosa ch ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE

Dettagli

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

FORMAZIONE ALPHAITALIA

FORMAZIONE ALPHAITALIA ALPHAITALIA PAG. 1 DI 13 FORMAZIONE ALPHAITALIA IL SISTEMA DI GESTIONE PER LA QUALITA Quadro ntroduttvo ALPHAITALIA PAG. 2 DI 13 1. DEFINIZIONI QUALITA Grado n cu un nseme d caratterstche ntrnseche soddsfa

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Condensatori e resistenze

Condensatori e resistenze Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere

Dettagli

EH SmartView. Una SmartView sui rischi e sulle opportunità. Servizio di monitoraggio dell assicurazione del credito. www.eulerhermes.

EH SmartView. Una SmartView sui rischi e sulle opportunità. Servizio di monitoraggio dell assicurazione del credito. www.eulerhermes. EH SmartVew Servz Onlne d Euler Hermes Una SmartVew su rsch e sulle opportuntà Servzo d montoraggo dell asscurazone del credto www.eulerhermes.t Cos è EH SmartVew? EH SmartVew è l servzo d Euler Hermes

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli

La contabilità analitica nelle aziende agrarie

La contabilità analitica nelle aziende agrarie 2 La contabltà analtca nelle azende agrare Estmo rurale ed element d contabltà (analtca) S. Menghn Corso d Laurea n Scenze e tecnologe agrare Percorso Economa ed Estmo Contabltà generale e cont. ndustrale

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

Aritmetica e architetture

Aritmetica e architetture Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Calcolo della caduta di tensione con il metodo vettoriale

Calcolo della caduta di tensione con il metodo vettoriale Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Questo è il secondo di una serie di articoli, di

Questo è il secondo di una serie di articoli, di DENTRO LA SCATOLA Rubrca a cura d Fabo A. Schreber Il Consglo Scentfco della rvsta ha pensato d attuare un nzatva culturalmente utle presentando n ogn numero d Mondo Dgtale un argomento fondante per l

Dettagli

Soluzioni per lo scarico dati da tachigrafo innovativi e facili da usare. http://dtco.it

Soluzioni per lo scarico dati da tachigrafo innovativi e facili da usare. http://dtco.it Soluzon per lo scarco dat da tachgrafo nnovatv e facl da usare http://dtco.t Downloadkey II Moble Card Reader Card Reader Downloadtermnal DLD Short Range and DLD Wde Range Qual soluzon ho a dsposzone per

Dettagli

Circuiti di ingresso differenziali

Circuiti di ingresso differenziali rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

Dettagli

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO 4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.

Dettagli

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal Def: Sono DBMS che consentono d memorzzare e recuperare dat d natura multmedale:

Dettagli

POR FESR Sardegna 2007-2013 Asse VI Competitività BANDO PUBBLICO. Voucher Startup Incentivi per la competitività delle Startup innovative

POR FESR Sardegna 2007-2013 Asse VI Competitività BANDO PUBBLICO. Voucher Startup Incentivi per la competitività delle Startup innovative POR FESR Sardegna 2007-2013 Asse VI Compettvtà BANDO PUBBLICO Voucher Startup Incentv per la compettvtà delle Startup nnovatve ALLEGATO 3 PIANO DI UTILIZZO DEL VOUCHER STARTUP INNOVATIVE 2014 3. Pano d

Dettagli

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014 Dpartmento d Economa Azendale e Stud Gusprvatstc Unverstà degl Stud d Bar Aldo Moro Corso d Macroeconoma 2014 1.Consderate l seguente grafco: LM Partà de tass d nteresse LM B A IS IS Y E E E Immagnate

Dettagli

Hansard OnLine. Unit Fund Centre Guida

Hansard OnLine. Unit Fund Centre Guida Hansard OnLne Unt Fund Centre Guda Sommaro Pagna Introduzone al Unt Fund Centre (UFC) 3 Uso de fltr per la selezone de fond 4-5 Lavorare con rsultat del fltro 6 Lavorare con rsultat del fltro - Prezz 7

Dettagli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli Realzzazone d FSM sncrone M. Favall Engneerng Department n Ferrara Realzzazone d FSM Anals e sntes de sstem dgtal / Introduzone Realzzazone d FSM Anals e sntes de sstem dgtal 2 / Una volta ottenuto l automa

Dettagli

La taratura degli strumenti di misura

La taratura degli strumenti di misura La taratura degl strument d msura L mportanza dell operazone d taratura nasce dall esgenza d rendere l rsultato d una msura rferble a campon nazonal od nternazonal del msurando n questone affnché pù msure

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS Delberazone 20 ottobre 2004 Approvazone delle condzon general d accesso e d erogazone del servzo d rgassfcazone d gnl predsposte dalla socetà Gnl Itala Spa (delberazone n. 184/04) L AUTORITÀ PER L ENERGIA

Dettagli

Risoluzione quesiti I esonero 2011

Risoluzione quesiti I esonero 2011 Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca

Dettagli

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell er la anfcazone delle attvtà Paolo Dett Dartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell er la anfcazone delle

Dettagli

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

La tua area riservata Organizzazione Semplicità Efficienza

La tua area riservata Organizzazione Semplicità Efficienza Rev. 07/2012 La tua area rservata Organzzazone Semplctà Effcenza www.vstos.t La tua area rservata 1 MyVstos MyVstos è la pattaforma nformatca rservata a rvendtor Vstos che consente d verfcare la dsponbltà

Dettagli

Scheduling di processi in presenza di risorse condivise

Scheduling di processi in presenza di risorse condivise Schedulng d process n presenza d rsorse condvse Eugeno Faldella Dpartmento d Elettronca, Informatca e Sstemstca Facoltà d Ingegnera, Unverstà d Bologna eugeno.faldella@unbo.t http://www.ng.unbo.t Protocoll

Dettagli

Calibrazione. Lo strumento idealizzato

Calibrazione. Lo strumento idealizzato Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta

Dettagli

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

Dettagli

STRATIGRAFIE PARTIZIONI VERTICALI

STRATIGRAFIE PARTIZIONI VERTICALI STRATIGRAFI PARTIZIONI VRTICALI 6. L solamento acustco: tecnche, calcol 2 Trasmssone rumor In edlza s possono dstnguere dfferent tp d rumor: rumor aere (vocare de vcn da altre untà abtatve, rumor provenent

Dettagli

InfoCenter Product A PLM Application

InfoCenter Product A PLM Application genes d un fra o Gestone de crcolazone dell'nformazone sa crcoscrtta entro Pdetermnat ambt settoral. L'ntegrazone de sstem e de odpartment azendal rchede nuove modaltà operatve, nuove t competenze e nuov

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,

Dettagli

Indicatori di rendimento per i titoli obbligazionari

Indicatori di rendimento per i titoli obbligazionari Indcator d rendmento per ttol obblgazonar LA VALUTAZIONE DEGLI INVESTIMENTI A TASSO FISSO Per valutare la convenenza d uno strumento fnanzaro è necessaro precsare: /4 Le specfche esgenze d un nvesttore

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia PROT. N 53897 ENTE EMITTENTE: OGGETTO: DESTINATARI: DATA DECORRENZA: CIRCOLARE N. 9 DC Cartografa, Catasto e Pubblctà Immoblare, d ntesa con l Uffco del Consglere Scentfco e la DC Osservatoro del Mercato

Dettagli

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

Fig.1.2.1 Schema a blocchi di un PMSM isotropo con ingressi ed uscite del controllo digitale.

Fig.1.2.1 Schema a blocchi di un PMSM isotropo con ingressi ed uscite del controllo digitale. . ll metodo del fattore d scala globale Il progetto d un sstema d controllo dgtale può avvalers del cosddetto metodo del fattore d scala globale (FSG), attraverso l quale è possble stablre una corrspondenza

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli

PROGRAMMAZIONE DIDATTICA

PROGRAMMAZIONE DIDATTICA ISTITUTO ISTRUZIONE SUPERIORE STATALE CARLO GEMMELLARO CATANIA PROGRAMMAZIONE DIDATTICA ECONOMIA AZIENDALE A.S.: 2015/2016 Prof Pnzzotto Dana classe 5 b afm Obtv educatv OBTV ddattc trasversal Acqusre

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

MODELLISTICA DI SISTEMI DINAMICI

MODELLISTICA DI SISTEMI DINAMICI CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t

Dettagli

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986 Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto Unverstà degl Stud d Roma Tor vergata partmento d Ingegnera Cvle Corso d Gestone ed eserczo de sstem d trasporto Docente: Ing. Perlug Coppola Lucd proettat a lezone La progettazone degl orar de servz d

Dettagli

Corso di laurea in Economia marittima e dei trasporti

Corso di laurea in Economia marittima e dei trasporti Unverstà degl stud d Genova Corso d laurea n Economa marttma e de trasport Il problema del cammno mnmo n ret multobettvo Relatrce: Anna Scomachen Canddato: Slvo Vlla Dedcato a: Coloro che n me Hanno sempre

Dettagli

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima Il problema del camba-monete. ALGORITMI GREEDY camba-monete schedulng a mnmo l rtardo Scopo. Dat tagl dsponbl: c, c, 5c, 0c, 0c, 50c,, progettare un algortmo che data una certa somma la camb usando l mnmo

Dettagli

INCUL ISTITUTO NAZIONALE PER L'ASSICURAZIONE CONTRO GLI INFORTUNI SUL LAVORO

INCUL ISTITUTO NAZIONALE PER L'ASSICURAZIONE CONTRO GLI INFORTUNI SUL LAVORO INAIL - Focus stress lavoro-correlato - Report Valutazone Approfondta Page 1 of ( INCUL ISTITUTO NAZIONALE PER L'ASSICURAZIONE CONTRO GLI INFORTUNI SUL LAVORO Report - Questonaro Strumento Indcatore Valutazone

Dettagli

Gli impatti dei cambiamenti climatici sull atmosfera e sul mare: il ruolo dei Climate Services

Gli impatti dei cambiamenti climatici sull atmosfera e sul mare: il ruolo dei Climate Services Gl mpatt de cambament clmatc sull atmosfera e sul mare: l ruolo de Clmate Servces Maurzo Mauger Dpartmento d Fsca Va Celora 16 I20133 MILANO maurzo.mauger@unm.t Indce Descrzone dell UdR UnM Un esempo d

Dettagli

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui:

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui: I IDACATI E LA COTRATTAZIOE COLLETTIVA Il ruolo economco del sndacato n concorrenza mperfetta, n cu: a) le mprese fssano prezz de ben n contest d concorrenza monopolstca (con extra-proftt); b) lavorator

Dettagli

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

Dettagli

PROGETTO SCUOLA POPOLARE

PROGETTO SCUOLA POPOLARE SPIN TIME LABS & ICBIE Europa Onlus PROGETTO SCUOLA POPOLARE 1 P a g e 1. Introduzone 2. Obettv e fnaltà 3. I tutor del progetto 4. Modulo I. Sostegno scolastco. 5. Modulo II.- Corso d lngua talana 6.

Dettagli

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell per la panfcazone delle attvtà Paolo Dett Dpartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell per la panfcazone delle

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

Economie di scala, concorrenza imperfetta e commercio internazionale

Economie di scala, concorrenza imperfetta e commercio internazionale Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato

Dettagli

Tutti gli strumenti vanno tarati

Tutti gli strumenti vanno tarati L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello

Dettagli

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

Dettagli

Ottimizzare il contact center bilanciando costi e qualità del servizio

Ottimizzare il contact center bilanciando costi e qualità del servizio Ottmzzare l contact center blancando cost e qualtà del servzo Contact Center - Le attvtà E l punto centralzzato d ncontro tra l clente ed l busness Utlzza var canal d comuncazone (Telefono, Telesales,

Dettagli

Deutsche Bank. Carte di Credito. Guida all attivazione della Lista movimenti on line

Deutsche Bank. Carte di Credito. Guida all attivazione della Lista movimenti on line Carte d Credto Guda all attvazone della Lsta movment on lne Lsta movment on lne. Guda alla regstrazone all Area Clent e all attvazone del Codce Operatvo. Desder passare dalla Lsta movment cartacea alla

Dettagli

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements Torna al programma Sstema per la garanza della qualtà ne sstem automatc d msura alle emsson: applcazone del progetto d norma pren 14181:2003. Rsultat dell esperenza n campo presso due mpant plota. Cprano

Dettagli

GURU. Facebook. Gli strumenti avanzati di Facebook ADS WEBLIME

GURU. Facebook. Gli strumenti avanzati di Facebook ADS WEBLIME Facebook GURU Gl strument avanzat d Facebook ADS Un corso tecnco-pratco d approfondmento sugl strument pù avanzat d Facebook ADS. Il Corso s rvolge esclusvamente a ch gà gestsce nserzon con Facebook. Ogg

Dettagli

Ministero dell Ambiente e della Tutela del Territorio e del Mare MANUALE OPERATIVO PER IL SISTEMA DI MISURAZIONE E VALUTAZIONE DEL PERSONALE

Ministero dell Ambiente e della Tutela del Territorio e del Mare MANUALE OPERATIVO PER IL SISTEMA DI MISURAZIONE E VALUTAZIONE DEL PERSONALE Mnstero dell Ambente e della Tutela del Terrtoro e del Mare MANUALE OPERATIVO PER IL SISTEMA DI MISURAZIONE E VALUTAZIONE DEL PERSONALE INDICE 1. INTRODUZIONE 1.1. I RIFERIMENTI NORMATIVI 1.2. GLI OBIETTIVI

Dettagli

Modello idraulico - Rapporto tecnico. (Rev. 0b)

Modello idraulico - Rapporto tecnico. (Rev. 0b) ASAP LIFE06/ENV/IT/000255 ASAP_D4-3_ModelloIdraulcoRappTecnco_IT_0b 1/20 LIFE06/ENV/IT/255 A.S.A.P. Actons for Systemc Aqufer Protecton The ASAP proect s partally funded by the European Unon LIFE Programme

Dettagli

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006 Smulazone seconda prova Tema assegnato all esame d stato per l'abltazone alla professone d geometra, 006 roposte per lo svolgmento pubblcate sul ollettno SIFET (Socetà Italana d Fotogrammetra e Topografa)

Dettagli

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un

Dettagli

Il patrimonio informativo aziendale come supporto alle attività di marketing

Il patrimonio informativo aziendale come supporto alle attività di marketing Unverstà degl Stud d RomaTre - Facoltà d Economa Corso d Rcerche d Marketng Il patrmono nformatvo azendale come supporto alle attvtà d marketng ng. Stefano Cazzella stefano.cazzella@datamat.t Agenda La

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore Modello per la stma della produzone d una dscarca gestta a boreattore 1 Produzone d Bogas Nella letteratura tecnca sono stat propost dvers modell per stmare la produzone d bogas sulla base della qualtà

Dettagli