Vinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.x

IMPIANTI DI ELABORAZIONE

SCHEDA DELL'INSEGNAMENTO (SI)
SSD ING-INF/05

 

LAUREA MAGISTRALE IN INGEGNERIA INFORMATICA

ANNO ACCADEMICO: 2022-2023

 

INFORMAZIONI GENERALI - DOCENTE

DOCENTE: DOMENICO COTRONEO
TELEFONO: 0817683824
EMAIL: Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.

 

INFORMAZIONI GENERALI - ATTIVITÀ

INSEGNAMENTO INTEGRATO (EVENTUALE):
MODULO (EVENTUALE):
CANALE (EVENTUALE):
ANNO DI CORSO (I, II, III): II
SEMESTRE (I, II): I
CFU: 9

 

INSEGNAMENTI PROPEDEUTICI

(se previsti dall'Ordinamento del CdS)

...................................................................................................................................................

 

EVENTUALI PREREQUISITI

Conoscenza dell’architettura di un calcolatore, dei sistemi operativi e delle reti di comunicazione.

 

OBIETTIVI FORMATIVI

L’obiettivo del corso di Impianti di Elaborazione è quello di fornire gli elementi metodologici per l’analisi e la valutazione quantitativa dei moderni sistemi di elaborazione. Particolare attenzione sarà data sia alle caratteristiche prestazionali sia a quelle di sicurezza e di affidabilità dei sistemi di elaborazione.
Al fine di raggiungere i suoi obiettivi in maniera efficace, il corso presenta, da una prospettiva squisitamente ingegneristica, i seguenti argomenti:
• le metodologie di analisi delle prestazioni e della sicurezza dei sistemi, come ad esempio la statistica inferenziale, l’experimental design, la simulazione e i modelli analitici con e senza stato;
• le metodologie e le tecniche di misura diretta dei sistemi di larga scala, come ad esempio i data center, con particolare enfasi alle metodologie e le tecniche di field data Analysis;
• le metodologie e gli standard per la progettazione e realizzazione dei sistemi safety critical.
La parte applicativa del corso è dedicata alla valutazione delle prestazioni e dell’affidabilità di alcuni semplici sistemi, eseguita durante le lezioni e all’analisi dei dati finalizzata alla valutazione dell’affidabilità e alla sicurezza di sistemi reali di larga scala (data center o sistemi per l’High Peformance Computing).

 

RISULTATI DI APPRENDIMENTO ATTESI

(Descrittori di Dublino)

Conoscenza e capacità di comprensione
Lo studente deve dimostrare di conoscere e comprendere le problematiche per l’analisi delle prestazioni e dell’affidabilità dei sistemi, con particolare riferimento alle tecniche statistiche di valutazione e di experimental design, alla tecniche di misure diretta. Lo studente deve inoltre dimostrare di conoscere i fondamenti dell’ingegneria dei sistemi safety-critical: l’analisi degli hazard; l’identificazione e la gestione dei rischi; le tecniche per l’identificazione dei fallimenti.
Capacità di applicare conoscenza e comprensione
Lo studente deve dimostrare di essere in grado di valutare le prestazioni e l’affidabilità di un sistema di elaborazione, di comparare le prestazioni e l’affidabilità di due o più sistemi, di conoscere le principale tecniche statistiche per l’analisi dei dati, provenienti da sistemi di larga scala (data center o sistemi per l’High Peformance Computing)

 

PROGRAMMA-SYLLABUS

CONTENUTI
Fondamenti di statistica Inferenziale applicata all’ingegneria dei sistemi di elaborazione. Distribuzioni campionarie. Intervalli di confidenza. Test di ipotesi. Modelli di regressione. La regressione lineare. Design Of Experiments. Simple Design. Full Fractorial Design. Fractional Factorial Design. ANOVA. Brevi cenni sui tool per elaborazione statistica dei dati: Matlab (statistical toolbox) e JMP.
Metodologie e Tecniche per l’Analisi Sperimentale. . Capacity Planning e Capacity Management. Tipologie di Workload. Application Benchmarks. Criteri per la selezione del workload. Tecniche di caratterizzazione del Workload: Averaging, Single Parameter Histograms, Multi-parameter Histograms Principal Component Analysis, Markov Models e Clustering gerarchico. Capacity Test .
Analisi delle prestazioni di un impianto di elaborazione. Modelli per la misura delle performance e modelli per la misura di attributi di affidabilità. Modelli Analitici e Modelli simulativi. Modelli markoviani a tempo discreto. Modelli markoviani a tempo continuo. Teoria delle code.. Algoritmo di Mean Value Analysis. Esercitazione su alcuni casi di studio.
Analisi dell’affidabilità di un impianto di elaborazione. Sistemi riparabili e non riparabili. Definizione di Dependability: Availability, Reliability, Safety. Misure di Dependability. Fault, Error e Failure. Tecniche di Fault avoidance e tecniche di Fault Tolerance. Duplication. N-Modular Redundancy. Hardware redundancy. Cenni sulle strategie di software Fault Tolerance (N-Version e Recovery Block). Cenni sulla sicurezza dei sistemi cyber physical.
Modelli per la valutazione dell’affidabilità. I modelli combinatoriali: Reliability Block Diagrams e Fault Trees. Modellazione e valutazione di un TMR. Esempi di modellazione di sistemi reali (es. reti di comunicazione bancarie e velivoli).
Metodi e tecniche Di Field Failure Data Analysis: FFDA nel contesto del data mining. Data Collection. Data Filtering. Data correlation and Coalescence. Failure analysis di sistemi di larga scala. Casi di studio reali.
Sistemi safety critical. Definizione di Hazard e di Rischio. Hazard Analysis. La FMEA. Risk analysis e management. Cenni sugli Standard per la Safety: IEC61508, DO178B, CENELC EN 50128.
Cenni sulla gestione di un impianto di elaborazione: La scrittura di un capitolato tecnico. Il collaudo di un impianto. Aspetti caratterizzanti la gestione di un impianto di elaborazione. Business continuity plan e Tecniche di Disaster Ricovery. Tecniche di Backup e di Restore

 

MATERIALE DIDATTICO

Libri di testo:
• Raj Jain, The art of Computer systems Performance Analysis, Wiley
• Douglas C. Montgomery, George C. Runger - Applied Statistics and Probability for Engineers-Wiley
• KishorTrivedi, Andrea Bobbio Reliability and Availability Engineering, Cambridge University Press

Dispense didattiche (consultabili dal sito del corso)
Dispense e presentazioni fornite dal docente relative ad argomenti teorici e applicativi trattati al corso.

 

MODALITÀ DI SVOLGIMENTO DELL'INSEGNAMENTO

Il corso prevede circa il 70% di lezioni frontali in cui vengono affrontati gli argomenti teorici, mentre il restante 30% è riservato a lezioni pratiche ed esercitazioni riguardanti l’applicazione delle tecniche acquisiti ai sistemi reali. La parte applicativa del corso si avvale di tool per elaborazione statistica dei dati , come Matlab, R e JMP.

 

VERIFICA DI APPRENDIMENTO E CRITERI DI VALUTAZIONE

a) Modalità di esame:

L'esame si articola in prova:
 Scritta e orale  
 Solo scritta   
 Solo orale
 Discussione di elaborato progettuale 
 Altro  

 

In caso di prova scritta i quesiti sono (*):
 A risposta multipla  
 A risposta libera   
 Esercizi numerici  

  

b) Modalità di valutazione:

 

Utilizziamo i cookie sul nostro sito Web. Alcuni di essi sono essenziali per il funzionamento del sito, mentre altri ci aiutano a migliorare questo sito e l'esperienza dell'utente (cookie di tracciamento). Puoi decidere tu stesso se consentire o meno i cookie. Ti preghiamo di notare che se li rifiuti, potresti non essere in grado di utilizzare tutte le funzionalità del sito.