MINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ E DELLA RICERCA Direzione Generale per il Coordinamento e lo Sviluppo della ricerca
PROGETTO DI RICERCA - MODELLO B
BANDO FIRB - PROGRAMMA "FUTURO IN RICERCA"
Anno 2010 - Protocollo: RBFR10ZMBO_003
LINEA D'INTERVENTO 3
1 - Responsabile Scientifico dell'Unità di Ricerca
BRUNEO Dario BRNDRA73T14F158R
(cognome) (nome) (codice fiscale)
Ricercatore confermato 14/12/1973
(qualifica) (data di nascita)
Università degli Studi di MESSINA
Dipartimento di MATEMATICA
(Istituzione di appartenenza) (Dipartimento/Istituto/Divisione/Settore)
0903977343 0903977471 [email protected]
(telefono) (fax) (e-mail)
2 - Descrizione della struttura e dei compiti dell'Unità di Ricerca
Italiano
1) Struttura dell'Unità e base di partenza scientifica
L'Unità di Ricerca dell'Università di Messina (UNIME) fa capo al gruppo MDSLAB (Mobile and Distributed System LABoratory) che comprende ricercatori sia di Ingegneria Informatica (ING-INF/05) che di Informatica (INF/01) e che lavora nel campo dei sistemi distribuiti. Ne fanno parte 4 strutturati (1 Professore Ordinario, 1 Professore Associato e 2 Ricercatori confermati) ed altri dodici giovani ricercatori tra dottori di ricerca, assegnisti di ricerca e dottorandi.
L'attività di ricerca del gruppo è legata ai sistemi distribuiti con particolare riferimento alle tecniche di programmazione e di gestione, ai sistemi wireless, al Grid e Cloud computing, alla modellazione ed alla valutazione delle prestazioni e dell'affidabilità dei sistemi informatici, ai sistemi multimediali.
Nel campo della valutazione delle prestazioni e dell'affidabilità, oggetto di questo programma di ricerca, il gruppo ha dedicato molto tempo allo studio sia di tecniche innovative che all'applicazione di tali tecniche in sistemi complessi, affrontando diversi tipi di problematiche a differenti livelli.
2) Obiettivi della ricerca
Il ruolo di UNIME sarà relativo allo studio di tecniche di modellazione stocastica per la valutazione quantitativa di sistemi non-Markoviani con particolare riferimento ad approcci analitici basati su modelli dello spazio degli stati già noti in letteratura (ad esempio reti di Petri stocastiche non Markoviane) e su nuove tecniche di rappresentazione e risoluzione che verranno proposte e comparate.
UNIME coordinerà, inoltre, i casi di studio sul Cloud computing e sulle wireless sensor network mettendo a disposizione del progetto le sue conoscenze approfondite sui sistemi analizzati. In particolare, UNIME si occuperà di identificare i fattori di convenienza per ognuna delle tecniche di rappresentazione e risoluzione proposte con riferimento alle specifiche dei singoli casi e alla loro complessità in termini di dimensione dello spazio degli stati e dei fenomeni rappresentati.
I casi applicativi saranno posizionati nei principali scenari affrontati dal Progetto e saranno specificamente focalizzati su:
-valutazione quantitativa delle prestazioni e della disponibilità di IaaS Cloud rispetto alle caratteristiche del carico e alla complessità delle infrastrutture con lo scopo di investigare, ad esempio, possibili politiche di ottimizzazione energetica. Possibili aree applicative sono: sanità, mobilità sostenibile e conservazione del patrimonio artistico.
-valutazione quantitativa della disponibilità e delle prestazioni di wireless sensor network rispetto alla gestione della ridondanza e ai protocolli di instradamento utilizzati, con svariate possibili applicazioni quali difesa nazionale, controllo del traffico e mobilità sostenibile, monitoraggio ambientale e agricolo.
Nel resto di questa sezione, verrà fornita una descrizione delle problematiche di maggiore rilevanza scientifica.
2.1) Iterazioni di punto fisso applicate a modelli non Markoviani (T4.1)
I sistemi complessi sono generalmente caratterizzati dalla presenza di numerosi sottosistemi quasi indipendenti e da svariate possibili interazioni tra i componenti di uno stesso sottosistema e tra sottosistemi diversi. Tecniche di soluzione esatta applicate a sistemi reali di questo tipo spesso si traducono nella generazione di una catena di Markov troppo grande per essere risolta. Per affrontare questo problema si ricorre spesso ad una decomposizione gerarchica. I modelli associati ai sottosistemi sono risolti iterativamente [MaTr96]. Le dipendenze stocastiche tra sottosistemi sono espresse attraverso parametri di interdipendenza. Il teorema sulle iterazioni di punto fisso di Brouwer [OrRh70] può essere utilizzato per provare l'esistenza di una soluzione. Il problema principale che è necessario affrontare nell'ambito di questa tipologia di approccio è che essa non è mai stata applicata a modelli non Markoviani a causa di due principali problematiche: (i) l'analisi in transitorio dei sottomodelli interagenti utilizzando tecniche di punto fisso non è mai stata studiata in profondità; d'altra parte lo studio di modelli non Markoviani è particolarmente interessante proprio nel caso di analisi in transitorio; (ii) l'approccio che utilizza iterazioni di punto fisso è basato sullo scambio, tra i sottomodelli, di parametri scalari mentre i modelli non Markoviani sono basati su distribuzioni multi-parametro associate agli eventi.
Lo scopo di UNIME, in questo ambito, sarà quello di estendere l'approccio a sottomodelli interagenti tramite iterazioni di punto fisso a modelli non Markoviani in cui le distribuzioni associate ai tempi di scatto degli eventi del sistema sono distribuzioni phase type (PH). I parametri scambiati tra i sottomodelli non saranno più singoli valori probabilistici ma intere distribuzioni di probabilità. Le iterazioni di punto fisso saranno effettuate sulla base di queste funzioni e sarà necessario affrontare problemi di convergenza e di approssimazione. Verranno affrontate e analizzate le difficoltà inerenti l'analisi in transitorio dei modelli così derivati.
Questa attività verrà organizzata nelle seguenti fasi temporali:
- stato dell'arte sull'approccio a iterazioni di punto fisso;
- progettazione di un algoritmo di iterazioni a punto fisso per l'analisi a regime di modelli non Markoviani;
- convergenza della tecnica e livello di approssimazione;
- estensione al caso di analisi in transitorio;
- debugging, test, e validazione dell'algoritmo e della sua implementazione.
2.2) Applicazione di tecniche simboliche allo studio di modelli non Markoviani (T4.5)
L'uso di distribuzioni PH per la rappresentazione di eventi distribuiti non esponenzialmente (espansione dello spazio degli stati) permette di gestire una classe più generale di modelli. Tale approccio consiste nella rappresentazione del processo stocastico non Markoviano per mezzo di una catena di Markov definita su uno spazio degli stati aumentato. Ogni stato del processo non Markoviano è espanso in un insieme di stati all'interno della catena di Markov, denominato macro-stato. Il principale inconveniente dell'approccio di espansione è l'esplosione dello spazio degli stati che ne limita l'applicabilità. Una possibile soluzione per risolvere il problema è quella di ricorrere all'algebra di Kronecker, una ben nota ed efficace tecnica in grado di fornire una rappresentazione compatta di catene di Markov.
Sfruttando l'algebra di Kronecker, la matrice dei generatori infinitesimi non deve essere generata e immagazzinata interamente ma può essere rappresentata tramite espressioni di Kronecker e calcolata al volo quando necessario.
In questa attività, UNIME si inspirerà ai risultati ottenuti in [BoSc98], sulla descrizione simbolica dei macro-stati, e in [CiMaSi03], sulla rappresentazione simbolica degli spazi degli stati, e studierà un nuovo metodo per il calcolo e l'immagazzinamento efficiente del grafo di raggiungibilità espanso di un sistema. Nel caso in cui vengono utilizzate distribuzioni PH continue (CPH), il grafo di raggiungibilità del sistema non temporizzato deve essere annotato con le informazioni sugli eventi attivi ma non abilitati, per tutti gli stati del sistema. Verrà valutato l'utilizzo di Multi-Terminal Multi-valued Decision Diagrams (MTMDDs) [Mi04]per
l'immagazzinamento del grafo di raggiungibilità annotato e verranno investigate nuovi modi per collezionare tutte le informazioni necessaria applicando tecniche basate sull'algoritmo di Saturazione.
Il principale vantaggio del nostro approccio sarà che sia il grafo di raggiungibilità espanso che il grafo di raggiungibilità annotato del sistema non temporizzato saranno immagazzinati tramite la combinazione di un MTMDD e un certo numero di matrici di Kronecker. Questo comporterà una notevole riduzione
dell'occupazione di memoria di modelli non Markoviani. Nel caso in cui distribuzioni PH discrete (DPH) vengono utilizzate sarà necessario affrontare il problema del possibile scatto contemporaneo di più eventi.
Questa attività sarà organizzata nelle seguenti fasi temporali:
- stato dell'arte su tecniche simboliche, modelli non Markoviani, metodo di espansione;
- utilizzo di MTMDDs per immagazzinare lo spazio degli stati annotato;
- algoritmi di generazione dello spazio degli stati basati su Saturazione;
- implementazione delle due tecniche;
- comparazione con altre tecniche di soluzione, validazione.
2.3) Valutazione di prestazioni, affidabilità e disponibilità di infrastrutture Cloud (T1.1)
Le prestazioni e la disponibilità di sistemi Cloud possono essere valutate in modi diversi: (1) sviluppo di prototipi (o utilizzo di testbed) e misurazione delle grandezze d'interesse, (2) utilizzo di simulazione ad eventi discreti o (3) modelli e tecniche analitiche. La tecnica di valutazione basata su misure può risultare attraente se unita ad una corretta analisi statistica di inferenza, regressione, analisi della varianza, e così via. Ma un tale approccio è costoso a causa di due ragioni: (i) la dimensione delle infrastrutture di cloud rende complessa la loro prototipazione considerando ampie variazioni di carico di lavoro e configurazioni di sistema variabili; (ii) l'osservazione degli eventi (in particolare di guasti) per collezionare un numero significativo di campioni richiederebbe tempi eccessivamente lunghi.
La simulazione ad eventi discreti è un approccio comunemente utilizzato per catturare i dettagli del carico di lavoro/sistema con elevata accuratezza. Tale metodo risulta, però, costoso se i casi da considerare sono molteplici ed il grado di accuratezza richiesto è elevato. In questo caso, la modellazione analitica è un'alternativa interessante dato che può coprire un numero di parametri, carichi di lavoro e configurazioni maggiori.
Una volta sviluppati e validati, i modelli potranno essere usati per fare predizioni, dimensionamento, analisi di sensitività e per identificare colli di bottiglia. I fornitori di Cloud hanno bisogno di pianificare, acquisire e allocare un numero sufficiente di risorse virtuali utilizzando risorse fisiche sottostanti (server, storage e reti) per gestire e soddisfare le esigenze degli utenti. In tale contesto, noi vorremmo dare soluzione al seguente problema di ottimizzazione: dato un insieme di richieste degli utenti al provider Cloud, qual è la capacità (in termini di risorse fisiche) e la configurazione (ad esempio, il numero di server in hot, warm, cold standby) ottimale per sostenere i requisiti, riducendo al minimo il costo totale e il consumo di energia?
Le dimensioni delle Clouds e l'eterogeneità dei domini amministrazione diventano aspetti interessanti da tenere in considerazione nelle politiche di Qualità del Servizio (QoS) e nella valutazione delle prestazioni. In effetti, diversi parametri ed eventi che dipendono dal tempo (alcuni dei quali non-esponenzialmente distribuiti) sono coinvolti, e dunque l'autonomia di ogni sito potrebbe complicarne l'impostazione. La complessità delle infrastrutture può portare all'esplosione dello spazio degli stati. Di particolare interesse sarà l'utilizzo di modelli e tecniche di analisi nello spazio degli stati sviluppate nel corso del progetto per il dimensionamento della Cloud IaaS rispetto al carico, il consumo energetico, la disponibilità, i vincoli dati dai Service Level Agreement (SLA), e l'analisi dell'affidabilità rispetto alle risorse e alle variazioni di carico .
L'attività verrà dunque organizzata nelle seguenti fasi temporali:
- stato dell'arte su Cloud, prestazioni e disponibilità di infrastrutture distribuite su larga scala;
- identificazione delle grandezze, delle metriche, dei parametri, e delle tecniche di valutazione;
- progettazione di modelli di analisi dei sistemi di Cloud;
- applicazione delle tecniche di soluzione sviluppate durante il progetto per la soluzione dei modelli;
- utilizzo del modello per il dimensionamento del Cloud, applicazione delle politiche di SLA e ottimizzazione delle risorse.
2.4) Analisi quantitativa delle prestazioni e dell'affidabilità delle wireless sensor networks (T1.2)
Negli ultimi anni la ricerca nelle reti di sensori wireless (WSN) si è principalmente rivolta agli aspetti di networking [AkYo05] e di data management [ZhGu04].
Particolari applicazioni (come ad esempio le applicazioni industriali, o le applicazioni che coinvolgono direttamente gli utenti finali) necessitano, inoltre, di stringenti parametri di affidabilità e sicurezza [MuScPa09]. Infatti, i sensori, data la loro economicità, non garantiscono il loro funzionamento nel tempo e sono normalmente dotati di batterie a basso voltaggio che limitano il lifetime della rete. Al fine di ridurre il consumo energetico, i nodi possono essere messi in sleep mode, disattivando l'interfaccia wireless nel momento in cui non si hanno dati da trasmettere [AnCoFr06]. La presenza di timer ed eventi non esponenziali distribuiti assieme alla necessità di una forte sincronizzazione tra i sensori sono alcuni degli aspetti interessanti di questo campo di applicazione. Se da un lato si rende necessario l'utilizzo di modelli analitici basati sullo spazio degli stati al fine di ottenere indici di prestazione e QoS che possano essere di aiuto durante la fase di progettazione; dall'altro lato la presenza di un numero elevato di componenti e la stretta interazione tra essi porta ad interessanti problematiche/sfide come l'esplosione dello spazio degli stati e la presenza di dipendenza stocastica tra gli eventi. Questi temi devono essere trattati con l'introduzione di nuove tecniche analitiche e nuovi approcci di modellazione, quali quelli oggetto del presente programma di ricerca.
Questa attività sarà organizzata nelle seguenti fasi temporali:
- stato dell'arte sulle WSN e sulla valutazione delle prestazioni e dell'affidabilità delle WSN;
- caratterizzazione del problema, identificazione delle quantità, delle metriche, delle distribuzioni, dei benchmarks e delle possibili tecniche di valutazione;
- studio dei meccanismi di risparmio energetico nelle WSN - politiche di active-sleep, sleep multipli;
- progetto di modelli per la gestione della ridondanza e per il consumo energetico;
- modellazione e valutazione delle topologie di rete;
- progetto di protocolli di routing per WSN orientati alle prestazioni;
- investigazione di tecniche ed algoritmi auto adattativi.
Bibliografia:
[BoSc98] A. Bobbio and M. Scarpa. Kronecker representation of stochastic petri nets with discrete ph distributions. In Third IEEE Ann. Int'l Computer Performance and Dependability Symp., 1998.
[CiMaSi03] G. Ciardo, R. Marmorstein, and R. Siminiceanu. Saturation unbound. In Proc. TACAS, pp. 379-393. Springer, 2003.
[Mi04] A. S. Miner. Symbolic representations and analysis of large probabilistic systems. In Validation of Stochastic Systems, pp. 296-338. Springer, 2004.
[MaTr96] V. Mainkar and K. S. Trivedi, “Sufficient conditions for existence of a fixed point in stochastic reward net-based iterative models,” IEEE Transactions on Software Engineering, vol. 22, pp. 640-653, 1996.
[OrRh70] J. M. Ortega and W. C. Rheinboldt, Iterative Solution of Nonlinear Equations in Several Variables. Academic Press, NY, 1970.
[AkYo05] K. Akkaya and M. Younis. A survey on routing protocols for wireless sensor networks. Elsevier Ad Hoc Networks, 3:325-349, 2005.
[AnCoFr06] G. Anastasi, M. Conti, M. D. Francesco, and A. Passarella. How to prolong the lifetime of wireless sensor networks. Chapter 6 in Mobile Ad Hoc and Pervasive Communications, 2006.
[MuScPa09] S. Mukhopadhyay, C. Schurgers, D. Panigrahi, and S. Dey. Model-Based Techniques for Data Reliability in Wireless Sensor Networks. IEEE Transactions on Mobile Computing, 8(4):528-543, 2009.
[ZhGu04] F. Zhao and L. Guibas. Wireless sensor networks - An information processing approach. Morgan Kaufmann, 2004.
Inglese
1) Description of research unit
The research unit of the University of Messina (UNIME) is part of the MDSLAB group (Mobile and Distributed System LABoratory) that embraces researchers in both the fields of computer engineering (ING-INF/05) and computer science (INF/01).
The group is composed of 4 associate members (1 full professor, 1 associate professor, and 2 associate researchers) and other 12 young researchers (PhD and PhD students).
The research activity of the MDSLAB is focused on the distributed systems with particular regards to programming and management techniques, wireless systems, Grid and Cloud computing, performance and reliability modeling and evaluation, multimedia systems.
With respect to the performance and reliability modelling and evaluation, the group has obtained relevant results on the study of innovative techniques for the performance evaluation of large-scale distributed systems and on the application of such techniques to complex systems.
2) Research duties of the unit
The role of the UNIME Research Unit will be mainly related to the study of stochastic modelling techniques for quantitative evaluation of non-Markovian systems with particular focus on analytical approaches based on state-space models already known in the literature (e.g. non-Markovian stochastic Petri nets) and on new representation and solution techniques that will be proposed and compared. Moreover, UNIME will coordinate the case studies on Cloud computing and wireless sensor networks by offering its deep knowledge on the systems under exam. In particular, the Research Unit will identify the factors of convenience for each of the proposed representation and solution techniques with respect to the specification of cases and their complexity in terms of state-space dimension and phenomena to be represented.
Application cases will be positioned in the main scenarios addressed by the project, and will specifically focus on:
- quantitative performance, resiliency and availability evaluation of IaaS Clouds with respect to characteristics of the load and complexity of infrastructures in order to investigate for example sustainable energy optimization policies with possible applications in healthcare, sustainable mobility and artistic heritage preservation;
- quantitative evaluation of availability and performance of wireless sensor networks with respect to redundancy management and routing protocols, with several possible application in, for example, homeland security, traffic control and sustainable mobility, environment and agriculture monitoring.
The rest of this section provides a deeper description for the issues of major scientific relevance.
2.1) Fixed point iteration approach applied to non-Markovian models (T4.1)
Complex systems are usually characterized by the presence of several nearly independent subsystems and very general type of interactions between components within a subsystem and between subsystems. Exact solution techniques applied to real systems often result in the generation of a Markov chain with a huge number of states which is usually too large to be solved. To solve this problem hierarchical decomposition is usually performed. The models associated with each nearly independent subsystem are solved iteratively [MaTr96]. The stochastic dependence between components within a subsystem is expressed directly in the model of the subsystem. The stochastic dependence between subsystems is expressed through interdependence parameters. Brouwer's fixed point theorem [OrRh70] can be used to prove the existence of a solution. The main problem with this kind of approach is that it has never been applied to non-Markovian models due to two main problems:
(i) the transient analysis of interacting sub-models using fixed point techniques presents theoretical and technical difficulties and it has never been studied in depth;
on the other hand the study of non-Markovian models is particularly interesting when transient analysis is performed; (ii) fixed point iteration approach is based on the exchange of single-valued parameters between the sub-models while non-Markovian models are intrinsically based on multi-parameters distributions associated to events.
Our aim is to extend the interactive sub-models approach with fixed point iteration to non-Markovian models in which the non-exponentially distributed firing time of events are approximated with the use of phase type (PH) distributions. The parameters exchanged among the models will no more be single stochastic values but complete distributions. The fixed point iterations will be performed on the top of this functions and, as a consequence, it will be necessary to deal with different convergence conditions and approximation degrees. The transient analysis of the derived model will also been investigated.
This activity will be organized in the following temporal phases.
- State of the art on fixed point iteration approach, and non-Markovian behaviors - Design of a fixed point iterations algorithm for non-Markovian models in steady state - Convergence of the technique and approximation
- Extension to the transient analysis
- Debugging, testing, evaluation and validation of the algorithm and its implementation 2.2) Symbolic Techniques applied to non-Markovian models (T4.5)
The use of PH distributions for the representation of non-exponentially distributed events (state space expansion approach) allows to manage a general class of models. The state space expansion approach consists of the representation of a non-Markovian stochastic process by mean of a Markov chain defined over an augmented state space. Each state in the non-Markovian process is expanded into a set of states within the Markov chain, called macro-state, with the purpose to capture the evolution of the non-exponentially distributed events within it. The main drawback of the state space expansion approach is the explosion of the state space. This limits the applicability of the approach thus reducing its benefits and potentialities. A possible solution to overcome the problem is to recur to Kronecker algebra , a well known and effective technique able to provide a compact representation of Markov chains. By exploiting Kronecker algebra, the infinitesimal generator matrix does not need to be generated and stored as a whole but can be symbolically represented through Kronecker expressions and algorithmically evaluated on-the-fly when needed.
In this activity, we get inspired by the results obtained in [BoSc98], about the symbolical description of the macro-states, and in [CiMaSi03] about the symbolical representation of state spaces, and we will investigate a new method for computing and storing in an efficient way the expanded reachability graph of a system. In the case continuous PH (CPH) are used, the reachability graph of the untimed system needs to be augmented with the information about active but not enabled events, for all the system states. We will study Multi-terminal Multi-valued Decision Diagrams (MTMDDs) [Mi04] and other symbolic data structure as a way to store the augmented reachability graph and we will find new ways to collect all the necessary information by applying Saturation based state space generation algorithms. The main advantage of our approach will be that both the expanded reachability graph and the augmented reachability graph of the untimed system will be symbolically stored through the combination of an MTMDD and a certain number of Kronecker matrices thus extremely reducing the memory occupation of a non-Markovian state space model. If discrete PH (DPH) are used, the additional problem of contemporary firing of more than one event needs to be taken into consideration.
This activity will be organized in the following temporal phases.
- State of the art on symbolic techniques, stochastic processes, non-Markovian models, PH expansion - Use of Multi-terminal Multi-valued Decision Diagrams (MTMDDs) to store the augmented reachability graph - Design of saturation based state space generation algorithms
- Implementation of the two techniques
- Comparison with other solution techniques, validation
2.3) Performance, resiliency, and availability evaluation of IaaS Clouds (T1.1)
Performance and availability measures of cloud systems can be evaluated in several ways: (1) building a prototype (or using testbeds) and taking measurements, (2) using discrete-event simulation to model the system, or (3) developing and solving an analytic model. A measurement-based evaluation of cloud computing may be very appealing and coupled with proper statistical analyses of inference, regression, analysis of variance (ANOVA), and so forth can provide accurate results. But such an approach is expensive due to two reasons: (i) sheer scale of cloud infrastructure makes prototyping of all variations and extensive experiments with workload variations and system configurations of interest difficult and (ii) observing enough events (especially, failure occurrences) to get statistically significant results will require inordinately long time. Discrete-event simulation is a commonly used modelling approach that can capture system/workload details to a high degree of fidelity. However, this method is also quite expensive if many alternatives are to be considered and statistically accurate results are needed. Analytic modelling is a more attractive alternative because of lower relative cost of solving the model while covering a large parameter/workload/configuration space. Once developed and validated such models will be used for forecasting, capacity planning, and sensitivity analysis to find bottlenecks. Cloud providers (typically enterprises) need to plan and acquire sufficient number of virtual resources using underlying physical resources (servers, storage, and networks) to handle and satisfy user demands
(jobs/workloads). We want to solve the following optimization problem in this context. Given a set of user demands to the Cloud provider, what is the optimal capacity
(in terms of physical resources) and configuration (e.g., number of servers that are in hot, warm and cold pools) to uphold the cloud Service Level Agreement (SLA) requirements while minimizing the total cost and energy consumption?
The large-scale of cloud sites and the heterogeneity of administration domains bring to interesting challenges in the Quality of Service (QoS) and performance indices assessment of cloud infrastructures. In fact, several time dependent parameters and events (some of which are non exponentially distributed) are involved, the autonomy of each site could make complex to set them in a proper way, and the complexity of the infrastructure can bring to the explosion of the state space.
Particularly interesting will be the use of analytical state-space models and techniques developed throughout the project, for the capacity planning of IaaS clouds with respect to load, energy consumption, availability, SLA guaranties, and the resiliency analysis with respect to load and resources variations.
This activity will be organized in the following temporal phases.
- State of the art on Cloud, performance, and availability of large scale-distributed infrastructures - Identification of quantities and metrics, benchmarks and possible evaluation techniques - Design of analytic models of Cloud systems
- Application of the solution techniques developed during the project for the solution of the models
- Use of the model for the Cloud capacity planning (sensitivity analysis, bottlenecks identification, prediction models), SLA enforcement and resources optimization 2.4 Quantitative evaluation of availability and performance of wireless sensor networks (T1.2)
In the last years, research on Wireless Sensor Networks (WSN) was mainly focused on networking aspects [AkYo05] as well as on data management [ZhGu04].
However, particular applications (such as industrial applications) also have strict dependability requirements [MuScPa09]. In fact, cheap sensors do not guarantee their functioning over the time and are normally equipped with low voltage batteries that limit their lifetime. In order to reduce energy consumption, nodes can be turned off in sleep mode, by deactivating the radio equipments when no data have to be transmitted [AnCoFr06]. The presence of timers and other non-exponentially distributed events and the necessity of hard synchronization among different sensors and/or among different activities with the same equipment are interesting aspect of the sensor networks application area. If on the one hand analytical state-space models need to be used to obtain useful QoS and performance indices that can be used for the design of such networks, on the other the presence of huge number of components and the interactions between such components bring to interesting challenges such as the state space explosion problem and the presence of stochastic dependencies among events. Such challenges need to be faced with the introduction of new analytical techniques and modeling approaches as described in the following.
This activity will be organized in the following temporal phases.
- State of the art on WSN, performance and availability of WSN
- Characterization of the problem, identification of quantities, metrics, distributions, benchmarks and possible evaluation techniques - Study of power saving techniques of WSN - active-sleep policies, multiple sleep
- Design of models for redundancy management and battery energy consumption - Network and topology modeling and evaluation techniques
- Design of performance-oriented routing protocols in multi-hop WSN - Self adaptive algorithms and techniques investigation
References
[BoSc98] A. Bobbio and M. Scarpa. Kronecker representation of stochastic petri nets with discrete ph distributions. In Proc. Third IEEE Ann. Int'l Computer Performance and Dependability Symp. (IPDS '98), 1998.
[CiMaSi03] G. Ciardo, R. Marmorstein, and R. Siminiceanu. Saturation unbound. In Proc. TACAS, pages 379-393. Springer, 2003.
[Mi04] A. S. Miner. Symbolic representations and analysis of large probabilistic systems. In Validation of Stochastic Systems, pages 296-338. Springer, 2004.
[MaTr96] V. Mainkar and K. S. Trivedi, “Sufficient conditions for existence of a fixed point in stochastic reward net-based iterative models,” IEEE Transactions on Software Engineering, vol. 22, pp. 640-653, 1996.
[OrRh70] J. M. Ortega and W. C. Rheinboldt, Iterative Solution of Nonlinear Equations in Several Variables. Academic Press, NY, 1970.
[AkYo05] K. Akkaya and M. Younis. A survey on routing protocols for wireless sensor networks. Elsevier Ad Hoc Networks, 3:325-349, 2005.
[AnCoFr06] G. Anastasi, M. Conti, M. D. Francesco, and A. Passarella. How to prolong the lifetime of wireless sensor networks. Chapter 6 in Mobile Ad Hoc and Pervasive Communications, 2006.
[MuScPa09] S. Mukhopadhyay, C. Schurgers, D. Panigrahi, and S. Dey. Model-Based Techniques for Data Reliability in Wireless Sensor Networks. IEEE Transactions on Mobile Computing, 8(4):528-543, 2009.
[ZhGu04] F. Zhao and L. Guibas. Wireless sensor networks - An information processing approach. Morgan Kaufmann, 2004.
3 - Settori di ricerca ERC (European Research Council) interessati dall'Unità di Ricerca
PE Physical Sciences and Engineering
PE6 Computer science and informatics: informatics and information systems, computer science, scientific computing, intelligent systems PE6_1 Computer architecture, parallel, distributed and pervasive computing
PE6_3 Formal methods, theoretical computer science including quantum information PE6_10 Simulation and modelling tools
4 - Curriculum scientifico del Responsabile Scientifico dell'Unità di Ricerca
Italiano
Dario Bruneo si è laureato in Ingegneria Informatica nel 2000 presso l'Università degli Studi di Palermo. Nello stesso anno consegue l'abilitazione alla professione di ingegnere presso l'Università degli Studi di Palermo. Dal luglio 2001 al gennaio 2002 è dipendente della Engineering Ingegneria Informatica S.p.A. presso il laboratorio Ricerca e Sviluppo di Palermo, con mansioni di ricercatore. Dal febbraio 2002 al novembre 2004 ha frequentato il corso di Dottorato in Tecnologie Avanzate per l'Ingegneria del l'Informazione presso l'Università degli Studi di Messina. Nel dicembre 2004 prende servizio come titolare di un assegno di ricerca quadriennale presso il Dipartimento di Matematica dell'Università degli Studi di Messina per svolgere un programma di ricerca dal titolo “Tecniche di gestione della Qualità del Servizio in ambienti mobili” (S.S.D. ING-INF/05). Nel febbraio 2005 consegue il titolo di Dottore di Ricerca discutendo una tesi dal titolo
“Advanced Services Provisioning in Mobile Wireless Networks: QoS Strategies and Middleware Solutions”. Nel giugno 2005 riceve il premio "Migliore tesi di dottorato" dalla ST Microelectronics (sede di Catania) per tesi di dottorato particolarmente meritevole.
Nel febbraio 2006 risulta vincitore del Concorso pubblico a posti di Ricercatore universitario di ruolo, Settore scientifico-disciplinare ING-INF/05 - Sistemi di Elaborazione delle Informazioni, ed attualmente è in servizio presso la Facoltà di Ingegneria dell'Università di Messina come ricercatore confermato.
L'attività di ricerca di Dario Bruneo si è sviluppata con continuità dal 2001 fino ad oggi e si è rivolta con particolare attenzione allo studio dei sistemi distribuiti, alle problematiche di gestione di servizi avanzati in tali ambienti, alla modellazione ed alla valutazione delle prestazioni. A tal fine sono stati investigati differenti campi di ricerca che vanno dalle tecniche di gestione della Qualità del Servizio (QoS), alla programmazione distribuita, dallo studio delle reti ad-hoc e di sensori all'analisi delle prestazioni mediante tecniche sia analitiche che simulative.
L'attività di ricerca è stata espletata all'interno di vari progetti collaborando con ricercatori nazionali ed internazionali. In particolare, durante lo svolgimento dei progetti “TRIGRID:Trinacria GRID Virtual Laboratory” ( POR Sicilia 2000-2006) e “PI2S2: Progetto per l'Implementazione e lo Sviluppo di una e-Infrastruttura in Sicilia basata sul paradigma della grid” (PON Ricerca 2000-2006 ), approfondisce le competenze nel campo del Grid computing grazie anche alla alla realizzazione di un nodo Grid all'interno della Facoltà di Ingegneria dell'Università di Messina facente parte della griglia europea EGEE.
Inoltre, partecipa ai progetti europei FP7-ICT "RESERVOIR: Resources and Services Virtualization without Barriers" e "Vision Cloud: Virtualized Storage Services Foundation for the Future Internet" ed è vice-resposabile del progetto PRIN08 "Cloud@Home: un paradigma di calcolo nuovo e potente".
Fa parte del comitato di programma di numerosi congressi internazionali ed è revisore di importanti riviste del settore. E' coautore di oltre 30 pubblicazioni su riviste internazionali e atti di congresso.
Inglese
Dario Bruneo received the degree in Computer Engineering from the Engineering Faculty of the University of Palermo in 2000. From july 2001 to january 2002 he worked as a researcher at the Research and Development Laboratory of the Engineering Ingegneria Informatica S.p.A., sited in Palermo. From february 2002 to november 2004 he attended the PhD course in "Advanced Technologies for Information Engineering" at the University of Messina. In december 2004 he obtained a 4-year research grant from the Department of Mathematics of the University of Messina to conduct a research on the program titled "Quality of Service management techniques in mobile environments"
In february 2005 he received the PhD degree at the University of Messina discussing the PhD Thesis titled “Advanced Services Provisioning in Mobile Wireless Networks: QoS Strategies and Middleware Solutions”. In june 2005 he received the Phd Thesis award of the ST Microelectronics (Catania site).
In february 2006 he won a public competition and he obtained the position of Researcher in Computer Engineering (ING-INF/05) at the Engineering Faculty the University of Messina.
Currently, the position has been confirmed and he is working as assistant professor.
The research activity of Dario Bruneo has been focused on the study of distributed systems with particular regards to the management of advanced service provisioning, to the system modeling and performance evaluation.
Different research fields have been investigated ranging from the Quality of Service management, to the distributed programming, from ad-hoc and sensor networks to the performance analysis through analytical and simulative techniques.
The research activity has been conducted within several projects by collaborating with national and international researchers. In particular, within the projects
“TRIGRID:Trinacria GRID Virtual Laboratory” ( POR Sicilia 2000-2006) and “PI2S2: Progetto per l'Implementazione e lo Sviluppo di una e-Infrastruttura in Sicilia basata sul paradigma della grid” (PON Ricerca 2000-2006 ), he increased his knowledge in the field of Grid computing thanks to the realization, at the Engineering Faculty of the University of Messina, of a Grid node of the EGEE european grid infrastructure. Moreover, he has been involved in the FP7-ICT european projects "RESERVOIR: Resources and Services Virtualization without Barriers" and "Vision Cloud: Virtualized Storage Services Foundation for the Future Internet" and he is vice-coordinator of the PRIN08 project "Cloud@Home: un paradigma di calcolo nuovo e potente". He is a member of the program committees of several international conferences and workshops and he serves as reviewers for prestigious international journals. Is coauthor of more than 30 papers on
international journals and conference proceedings.
5 - Pubblicazioni scientifiche più significative del Responsabile Scientifico dell'Unità di Ricerca
nº Pubblicazione Titolo rivista
1.BRUNEO D., M. SCARPA, A. PULIAFITO (2010). Performance evaluation of gLite Grids through GSPNs. IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS, vol. 21; p. 1611-1625, ISSN: 1045-9219, doi:
10.1109/TPDS.2010.35/10.1109/TPDS.2010.35
IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS 2.BRUNEO D., G. IELLAMO, G. MINUTOLI, A. PULIAFITO (2009). GridVideo: A Practical Example of Non Scientific Application on
the Grid. IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, vol. 21; p. 666-680, ISSN: 1041-4347, doi:
10.1109/TKDE.2008.191
IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING 3.BRUNEO D., L. PALADINA, M. PAONE, PULIAFITO A. (2007). Signalling in Cellular IP Regions with QoS Support. JOURNAL OF
UBIQUITOUS COMPUTING AND INTELLIGENCE, vol. 1; p. 59-72, ISSN: 1555-1326
JOURNAL OF UBIQUITOUS COMPUTING AND INTELLIGENCE 4.ZAIA A, BRUNEO D., PULIAFITO A (2006). Using the Grid paradigm for multimedia applications. CONCURRENCY AND
COMPUTATION, vol. 18; p. 899-910, ISSN: 1532-0626
CONCURRENCY AND COMPUTATION 5.BRUNEO D., A. ZAIA, A. PULIAFITO (2005). Agent-based middleware to access multimedia services in a Grid environment.
MULTIAGENT AND GRID SYSTEMS, vol. 1; p. 41-59, ISSN: 1574-1702
MULTIAGENT AND GRID SYSTEMS 6.BRUNEO D., VILLARI M, ZAIA A, PULIAFITO A (2003). QoS management for MPEG-4 flows in wireless environment.
MICROPROCESSORS AND MICROSYSTEMS, vol. 27; p. 85-92, ISSN: 0141-9331
MICROPROCESSORS AND MICROSYSTEMS 7.BRUNEO D., A. PULIAFITO, M. SCARPA, A. ZAIA (2009). Mobile Middleware In Enterprise Systems. In: Mostafa Hashem Sherif.
Handbook of Enterprise Integration. p. 115-132, Tinton Falls, New Jersey, USA: Mostafa Hashem Sherif, ISBN/ISSN:
978-1-4200-7821-3
8.BRUNEO D., L. PALADINA, M. PAONE, A. PULIAFITO (2007). Location-aware telecommunication services. In: A.A.V.V..
TELECOMMUNICATION SYSTEMS AND TECHNOLOGIES, [ED. PAOLO BELLAVISTA], IN ENCYCLOPEDIA OF LIFE SUPPORT SYSTEMS (EOLSS). p. 187-205, OXFORD: EOLSS, ISBN/ISSN: 978-1-84826-001-6
9.BRUNEO D., M. SCARPA, A. PULIAFITO (2006). Mobile Middleware: Definition and Motivations. In: BELLAVISTA P., CORRADI A. EDS. The Handbook of Mobile Middleware. p. 145-167, NEW YORK: Auerbach (CRC press), ISBN/ISSN: 978-0-8493-3833-5 10.BRUNEO D., S. DISTEFANO, F. LONGO, M. SCARPA (2010). QoS Assessment of WS-BPEL Processes through non-Markovian
Stochastic Petri Nets. In: 24th IEEE International Parallel & Distributed Processing Symposium (IPDPS '10). ATLANTA (Georgia) USA, 19-23 AprileIEEE, p. 1-12, ISBN/ISSN: 978-1-4244-6442-5, doi: 10.1109/IPDPS.2010.5470391
11.BRUNEO D., A. PULIAFITO, M. SCARPA (2010). Dependability analysis of Wireless Sensor Networks with active-sleep cycles and redundant nodes. In: The First International Workshop on Dynamic Aspects in Dependability Models for Fault-Tolerant Syste.
Valencia, Spagana, 28-30 Aprile, 2010, vol. Supplemental Volume of the 8th, p. 25-30, ISBN/ISSN: 978-1-60558-916-9
12.BRUNEO D., LONGO FRANCESCO, SCARPA MARCO LUCIO, PULIAFITO ANTONIO (2010). VO-level performance analysis of gLite Grids. In: 19th EEE International Workshops on Enabling Technologies: Infrastructures for Collaborative Enterpr. Larisse, Greece, 28-30 giugno 2010IEEE, p. 243-248, ISBN/ISSN: 978-0-7695-4063-4, doi: 10.1109/WETICE.2010.45
13.BRUNEO D., A. PULIAFITO, M. SCARPA (2010). Dependability Evaluation of Wireless Sensor Networks: Redundancy and Topological Aspects. In: 9th Annual IEEE Conference on Sensors (Sensors 2010). Waikoloa, Hawaii (USA), 1-4 novembre 2010IEEE, p. 1827-1831, ISBN/ISSN: 9781424481682
14.BRUNEO D., M. SCARPA, A. BOBBIO, D. CEROTTI, M. GRIBAUDO (2010). Adaptive Swarm Intelligence Routing Algorithms for WSN in a Changing Environment. In: 9th Annual IEEE Conference on Sensors (Sensors 2010). Waikoloa, Hawaii (USA), 1-4 novembre 2010IEEE, p. 1813-1818, ISBN/ISSN: 9781424481682
15.BRUNEO D., M. SCARPA, A. BOBBIO, D. CEROTTI, M. GRIBAUDO (2009). Analytical Modeling Of Swarm Intelligence In Wireless Sensor Networks Through Markovian Agents. In: Fourth International Conference on Performance Evaluation Methodologies and Tools (VALUETOOLS 2009). Pisa, Italy, 20-22 October, ISBN/ISSN: 978-963-9799-70-7
16.M. FAZIO, M. PAONE, BRUNEO D., A. PULIAFITO (2009). Dependable QoS support in Mesh Networks. In: 14th IEEE Workshop on Dependable Parallel, Distributed and Network-Centric Systems (DPDNS '09. Roma, Maggio 2009IEEE, p. 1-7, ISBN/ISSN:
978-1-4244-3750-4, doi: 10.1109/IPDPS.2009.5160905
17.BRUNEO D., PULIAFITO A, MINUTOLI G, IELLAMO G (2008). "gridvideo": A Grid-based Multimedia Application. In: 3rd EGEE User Forum. Clermont-Ferrand - FRANCE, February 2008, p. 1-12
18.BRUNEO D., FAZIO M, PAONE M, PULIAFITO A (2008). Cross-layer Architecture For Differentiated Services In Ad Hoc Networks. In: 7th IEEE International Symposium on Network Computing and Applications (NCA08). Cambridge, MA USA, 10-12 July 2008, p. 128-135
19.BRUNEO D., M. SCARPA, A. PULIAFITO (2008). A GSPN Model To Analyze Performance Parameters in Glite Grids. In: Workshop on Enabling Technologies: Infrastructure for Collaborative Enterprises, 2008. WETICE '08. Rome, June 23-25, 2008IEEE CS, p.
198-203, ISBN/ISSN: 978-0-7695-3315-5, doi: 10.1109/WETICE.2008.39
20.G. MINUTOLI, G. IELLAMO, BRUNEO D., A. PULIAFITO (2007). Grid Computing and scientific applications. In: New Strides In Biotechnology. Messina, September 2007, p. 1-12
21.M. PAONE, L. PALADINA, BRUNEO D., PULIAFITO A. (2007). A Swarm-based Routing Protocol for Wireless Sensor. In: IEEE International Symposium on Network Computing and Applications (IEEE NCA07). Cambridge (MA), USA, 12-14 LUGLIOComputer Society, p. 265-268, ISBN/ISSN: 0-7695-2922-4/07
22.G. IELLAMO, G. MINUTOLI, BRUNEO D., A. PULIAFITO (2007). GridVideo: a Grid-based multimedia application. In: Grid Open Days at the University of Palermo. Palermo, December, p. 227-233, ISBN/ISSN: 978-88-95892-00-9
23.BRUNEO D., PALADINA L., PAONE M., PULIAFITO A. (2005). Call Admission Control in Hierarchical Mobile Networks. In: Tenth IEEE Symposium on Computers and Communications (ISCC05). La Manga del mar menor (Spagna), 27 - 30 Giugno 2005, p.
780-785
24.PALADINA L., BRUNEO D., PAONE M, PULIAFITO A (2004). Resource Reservation in Mobile Wireless Networks. In: IEEE Symposium on Computers and Communications (ISCC). Alexandria, Egypt, June, p. 460-465
25.ZAIA A., BRUNEO D., PULIAFITO A. (2004). A Scalable Grid-based Multimedia Server. In: 13th IEEE International Workshops on Enabling Technologies (WETICE 2004). Modena (Italy), JUNE 2004, p. 337-342
26.BRUNEO D., PALADINA L., PAONE M., PULIAFITO A. (2004). Resource Reservation in Mobile Wireless Network. In: Ninth IEEE Symposium on Computers and Communications (ISCC 2004). Alexandria, Egypt, June, p. 460-465
27.BRUNEO D., A. PULIAFITO, M. SCARPA, A. ZAIA (2003). Communication Paradigms for Mobile Grid Users. In: 3rd IEEE/ACM International Symp. on Cluster Computing and the Grid (CCGRID2000). Brisbane, Australia, Maggio, 12-15, p. 669-676
28.BRUNEO D., M. GUARNERA, A. ZAIA, PULIAFITO A. (2003). A Grid-based architecture for Multimedia services management. In:
First European Across Grids Conference. Santiago de Compostela, Febbraio, p. .-.
29.BRUNEO D., M. VILLARI, A. ZAIA, PULIAFITO A. (2003). VOD services for mobile wireless devices. In: Eighth IEEE Symposium on Computers and Communications. Kemer - Antalya, Turkey, Luglio, LOS ALAMITOS: IEEE COMPUTER SOC, p. 602-607, ISBN/ISSN: 076951961X
30.BRUNEO D., PULIAFITO A., A. ZAIA (2002). An Agent based architecture for mobile GRID users. In: 4th International Workshop MATA 02. Barcellona (Spagna), Ottobre, p. .-.
6.1 - Personale a tempo indeterminato (A.1.1) e/o determinato (A.1.2) Personale dipendente dell'Istituzione, sede dell'Unità di ricerca
nº Cognome Nome Dipartimento/Istituto Qualifica Tipologia Mesi/Persona Costo
1.BRUNEO Dario MATEMATICA Ricercatore confermato Tempo Indeterminato 8 33.490
2.SCARPA Marco Lucio MATEMATICA Professore Associato confermato Tempo Indeterminato 5 27.733
TOTALE 13 61.223
Personale docente esterno alla sede dell'Unità di ricerca
nº Cognome Nome Ente/Istituzione Dipartimento/Istituto Qualifica Tipologia Mesi/Persona Costo
TOTALE 0 0
Personale di Enti/Istituzioni/Imprese esterno alla sede dell'Unità di ricerca
nº Cognome Nome Ente/Istituzione Dipartimento/Istituto Qualifica Tipologia Mesi/Persona Costo
TOTALE 0 0
6.2 -Assegnisti, dottorandi, post-doc e borsisti (A.2) - Già acquisiti con altri fondi e saltuariamente impiegato nel Progetto di Ricerca
nº Cognome Nome Ente/Istituzione Dipartimento/Istituto Qualifica Tipologia Mesi/Persona
1.CUCINOTTA Angelo Università degli Studi di MESSINA Dottorando Tempo Determinato 6
2.DISTEFANO Salvatore Università degli Studi di MESSINA MATEMATICA Assegnista Tempo Determinato 6
3.LONGO Francesco Università degli Studi di MESSINA Dottorando Tempo Determinato 6
4.LONGO MINNOLO Antonino Università degli Studi di MESSINA MATEMATICA Dottorando Tempo Determinato 6
TOTALE 24
6.3 - Personale a contratto, assegnisti, borsisti, dottorandi, da destinare a questo specifico Progetto di Ricerca (A.2)
nº Qualifica Tipologia Mesi/Persona Costo
TOTALE 0 0
6.4 - Contratti con giovani ricercatori (C.1) e/o ricercatori di chiara fama internazionale (C.2) da destinare a questo specifico Progetto di Ricerca
nº Tipologia Mesi/Persona Costo
1.Contratto almeno triennale per giovane ricercatore 36 143.000
TOTALE 36 143.000
6.5 - Personale di Enti/Istituzioni straniere
nº Cognome Nome Ente/Istituzione Dipartimento/Istituto Qualifica
7 - Mesi/persona complessivi dedicati alle attività proposte
Numero Mesi/Persona Costo
Personale a tempo indeterminato (A.1.1) 2 13 61.223
Personale a tempo determinato (A.1.2) 0 0 0
Personale non dipendente (A.2) 4 24 0
Contratti con Giovani ricercatori (C.1) 1 36 143.000
Contratti con Ricercatori di chiara fama internazionale (C.2) 0 0 0
8 - Descrizione delle attrezzature da acquistare per il Progetto di Ricerca
nº Anno di acquisizione Descrizione (italiano) Descrizione (inglese) Valore presunto Percentuale di utilizzo per le attività proposte
Costo attribuito al progetto
TOTALE 0
9 - Spese complessive dell'Unità di Ricerca
Voce di spesa
(DM. 199 Ric. del 08/03/01; art.6, c.6)
Spesa Descrizione (italiano) Descrizione (inglese)
Spesa A.1.1 (*) 61.223 Personale a tempo indeterminato University full-time staff members
Spesa A.1.2 (*) 0
Spesa A.2 (*) 0
Spesa B
Spese generali direttamente imputabili all'attività di ricerca (obbligatoriamente nella misura forfettizzata del 60% del costo del personale di cui alle voci A e C)
122.534 Spese generali direttamente imputabili all'attività di ricerca (obbligatoriamente nella misura forfettizzata del 60% del costo del personale di cui alle voci A e C)
Spese generali direttamente imputabili all'attività di ricerca (obbligatoriamente nella misura forfettizzata del 60% del costo del personale di cui alle voci A e C)
Spesa C.1
Spese per giovani ricercatori
143.000 Contratto triennale per giovane ricercatore 3 years research grant for young researcher
Spesa C.2
Spese per ricercatori di chiara fama internazionale
0
Spesa D 5.000 Sensori wireless Wireless sensors
Spesa E 20.000 Partecipazione a congressi e meeting del
progetto
Conferences, project meetings
Spesa F Spesa G
TOTALE 351.757
Legenda voce di spesa:
-Spesa A: Spese di personale (A.1.1 dipendente a tempo indeterminato; A.1.2 dipendente a tempo determinato; A.2 personale non dipendente, esclusi i contratti per giovani ricercatori e/o ricercatori di chiara fama internazionale di cui alla voce C)
-Spesa B: Spese generali direttamente imputabili all'attività di ricerca (obbligatoriamente nella misura forfettizzata del 60% del costo del personale di cui alle voci A e C)
-Spesa C: Spese per contratti almeno triennali per giovani ricercatori (C.1) ed almeno semestrali per ricercatori di chiara fama internazionale (C.2) -Spesa D: Spese per l'acquisizione di strumentazioni, attrezzature e prodotti software
-Spesa E: Spese per stage e missioni all'estero di docenti/ricercatori coinvolti nel progetto -Spesa F: Costo dei servizi di consulenza e simili utilizzati per l'attività di ricerca -Spesa G: Altri costi di esercizio direttamente imputabili all'attività di ricerca
10 - Costo complessivo dell'Unità di Ricerca
A carico del MIUR A carico del Proponente TOTALE
Costo delle attività di ricerca 146.130 62.627 208.757
Costo dei contratti dei giovani ricercatori 143.000 143.000
Costo dei contratti dei ricercatori di chiara fama 0 0
Costo complessivo dell'Unità di Ricerca 289.130 62.627 351.757
11 - Conoscenza lingua inglese
Attesto di avere una ottima conoscenza della lingua inglese: SI
12 - Svolgimento attività di progetto
Mi impegno a completare le attivita' di progetto presso l'istituzione indicata all'atto della presentazione del progetto stesso:
SI
Firma del Responsabile ... Data... (inserita dal sistema al termine della redazione della domanda)
