Curriculum Vitae (informazioni essenziali CIRA) - David Naso

Curriculum Vitae (informazioni essenziali CIRA) - David Naso – 21/9/2006
GENERALITÀ
Nome:
Cognome:
Luogo e data di nascita:
E-mail:
Tel.
Fax
David
Naso
Salerno, 29/04/1967
[email protected]
080 5963 649
080 5963 410
ATTUALE POSIZIONE
Ricercatore universitario confermato del settore scientifico-disciplinare ING-INF/04 (Automatica), presso la I
Facoltà di Ingegneria del Politecnico di Bari, Dipartimento di Elettrotecnica ed Elettronica, con presa di
servizio nel gennaio del 1999 e conferma in ruolo nel 2002.
FORMAZIONE
1994 Laurea in Ingegneria Elettronica, indirizzo Automatica, Politecnico di Bari, con voti 110/110 e lode.
Tesi: “Logica Fuzzy e Sistemi di Controllo: la Stabilità del Controllo Fuzzy”, relatore prof. Bruno Maione.
1994 Abilitazione all’esercizio della professione di ingegnere, Politecnico di Bari, con voti 140/140.
1995-1998 Dottorato di Ricerca in Ingegneria Elettrotecnica, al Politecnico di Bari. Dissertazione finale:
“Tecnologie Intelligenti per il Controllo dei Sistemi Produttivi”, Aprile 1998.
1997 (Aprile-Agosto) visiting scholar presso l’Istituto di Ricerca Operativa, Technical University of Aachen,
supervisore prof. H.-J. Zimmermann.
1999 Vincitore di due borse di studio post-dottorato in Ingegneria Informatica ed Ingegneria Gestionale.
Corsi post laurea rilevanti.
•
Corso “Fuzzy Logic & Soft-Computing”, 18-21 Ottobre 1994, Milano.
•
Corso “Algebraic Approach to Control System Design”, Prof. V. Kucera, Dipartimento di Elettronica e
Informazione, Politecnico di Milano, Milano, 18-19 ottobre 1995.
•
Tutorial, prof. M. Vidyasagar, “Neuro-Controllers and Fuzzy Control: Current Status and Future Prospects”3
dicembre 1996, Singapore.
•
Scuola NATO ASI, “Soft Computing and Its Applications”, 21-31 Agosto 1996, Antalya, Turkey.
•
Tutorial“2nd KL Leuven Tutorial on Holonic Manufacturing”, Leuven, Belgio, Settembre 1997.
•
Scuola “International Summer School on Fuzzy Control: Advances in Methdology and Application”, Università
di Ferrara, 16-20 Giugno 1998 (parte prima), Università di Delft, Olanda, 20-24 Aprile 1999 (parte seconda).:
•
Scuola Avanzata “Identificazione e Controllo dei Sistemi Incerti”, Università di Siena, 8-9 Novembre 2002.
ATTIVITÀ SVOLTA
A. Attività scientifica
L’attività scientifica si concentra sulle seguenti tematiche:
1) Modellistica, simulazione e controllo distribuito di sistemi di produzione
Le recenti evoluzioni delle tecnologie dell’informazione e della comunicazione verso sistemi costituiti da reti
distribuite di unità di elaborazione dal costo contenuto ha generato una forte spinta verso la realizzazione di nuove
architetture di sistemi di controllo costituite da reti di decisori (agenti) autonomi e cooperativi. Il contributo
principale della ricerca svolta in quest’area consiste nell’applicazione di tecniche di modellazione formale basate su
un approccio, noto in letteratura come Discrete Event System Specification (DEVS), ispirato in parte alla teoria dei
sistemi classica ed in parte alle tecniche di simulazione di sistemi dinamici ad eventi. L’approccio consente di
sviluppare modelli efficaci di sistemi distribuiti anche di elevate dimensioni, partendo dalla descrizione delle unità
Pagina 1 di 13
atomiche del sistema di controllo (agenti) ed ottenendo il modello dell’intera rete attraverso la definizione dei
protocolli di interazione dei singoli modelli atomici. I modelli così ottenuti sono direttamente utilizzabili sia come
strumenti di simulazione per l’analisi o la previsione delle dinamiche generate dalle politiche di controllo prescelte,
sia come codice direttamente utilizzabile per l’implementazione reale del sistema di controllo distribuito. L’efficacia
di tali modelli è supportata da una serie di casi in studio derivati da contesti industriali.
2) Scheduling e dispatching di attività produttive in ambienti manifatturieri
L’automazione delle attività produttive in ambienti manifatturieri richiede la risoluzione di una serie di problemi di
pianificazione, decisione ed ottimizzazione su orizzonti temporali diversi. Questa linea di ricerca consta di una serie
di studi parzialmente interrelati e volti allo sviluppo di tecniche di decisione ed ottimizzazione per problemi sia di
scheduling (pianificazione anticipata delle attività) sia di dispatching (decisione sull’allocazione di ogni risorsa
nell’istante in cui essa si rende disponibile). Per i primi, sono stati proposti algoritmi di ottimizzazione meta-euristica,
composti dall’integrazione di metodi di ottimizzazione stocastica (algoritmi genetici) con euristiche costruttive per il
rapido miglioramento locale delle soluzioni. Tale approccio è stato applicato in casi in studio industriali di notevole
complessità, relativi alla produzione ed assemblaggio di mobili, ed alla produzione e distribuzione di materiali
rapidamente deperibili. Nell’ambito del dispatching sono stati realizzati algoritmi multi-criterio (basati sulla
integrazione di regole euristiche con algoritmi combinatori) e in grado di superare efficacemente la intrinseca miopia
degli approcci euristici generalmente usati in tale contesto.
3) Computational Intelligence per la diagnostica ed in controllo di processi industriali
Questa attività di ricerca affronta lo studio di problematiche relative alla realizzazione di sensori intelligenti per
attività di monitoraggio, diagnostica e controllo di processi industriali. In particolare, gli studi si concentrano
sull’elaborazione di segnali provenienti da varie tipologie di sensori laser con tecniche di Computational Intelligence.
Ad esempio, nell’ambito del controllo di processi di saldatura ad arco, sono stati realizzati algoritmi di diagnostica
basati sull’analisi dei segnali spettroscopici rilevati sul plasma che circonda l’arco. Nell’ambito della monitoraggio
delle infrastrutture ferroviarie, sono stati realizzati filtri dinamici a logica fuzzy per la rimozione in linea del rumore
impulsivo presente nei segnali rilevati da sensori laser.
4) Algoritmi per l’ottimizzazione ed il controllo di sistemi non lineari.
Questa linea di ricerca racchiude una serie di attività di studio rivolte alla realizzazione ed alla ottimizzazione di
sistemi di controllo non lineari con particolare riferimento ad applicazioni sperimentali nel contesto del controllo del
movimento con attuatori elettromeccanici. Sono stati proposti sia schemi per l’ottimizzazione in linea di algoritmi di
controllo con misura della funzione obiettivo direttamente sul processo (schemi hardware-in-the-loop), sia schemi di
controllo adattativo non lineare diretto ed indiretto. Per questi ultimi, in particolare, si è concentrata l’attenzione su
interpolatori neuro-fuzzy e leggi di adattamento di tipo composito, ossia basate sull’impiego congiunto dell’errore di
inseguimento e dell’errore di predizione del modello.
B. Attività didattica istituzionale
1) Insegnamenti tenuti con incarico di supplenza
Anno accademico 2002-2003
•
“Fondamenti di Automatica I” (6CFU) per il corso di laurea triennale in Ingegneria Elettronica;
•
“Fondamenti di Automatica II” (6CFU) per il corso di laurea triennale in Ingegneria Elettronica.
Anno accademico 2003-2004
•
“Controlli Automatici I” per il corso di laurea Vecchio Ordinamento in Ingegneria Informatica;
•
“Controlli Automatici I” per il corso di laurea Vecchio Ordinamento Ingegneria Elettronica (accorpato);
•
“Fondamenti di Automatica I” (6CFU) per il corso di laurea triennale in Ingegneria Elettronica;
•
“Fondamenti di Automatica II” (6CFU) per il corso di laurea triennale in Ingegneria Elettronica.
Anno accademico 2004-2005
•
“Fondamenti di Automatica I” (6CFU) per il corso di laurea triennale in Ingegneria dell’Automazione;
•
“Fondamenti di Automatica II” (6CFU) per il corso di laurea triennale in Ingegneria dell’Automazione;
•
“Controllo Distribuito di Sistemi Produttivi” (3CFU) per il corso di laurea Specialistica in Ingegneria
Informatica;
•
“Controllo Digitale” per il corso di laurea Vecchio Ordinamento in Ingegneria Informatica;
•
“Controllo Digitale” per il corso di laurea Vecchio Ordinamento in Ingegneria Elettrica (accorpato).
Pagina 2 di 13
Anno accademico 2005-2006
•
“Fondamenti di Automatica I” (6CFU) per il corso di laurea triennale in Ingegneria Elettronica;
•
“Fondamenti di Automatica II” (6CFU) per il corso di laurea triennale in Ingegneria Elettronica;
•
“Identificazione e Controllo Intelligente” (6CFU) per il corso di laurea Specialistica in Ingegneria Informatica;
•
“Identificazione e Controllo Intelligente” (6CFU) per il corso di laurea Specialistica in Ingegneria
dell’Automazione (accorpato);
•
“Controllo Distribuito di Sistemi Produttivi” (3CFU) per il corso di laurea Specialistica in Ingegneria
Informatica.
Anno accademico 2006-2007
•
“Fondamenti di Automatica I” (6CFU) per il corso di laurea triennale in Ingegneria Elettronica;
•
“Fondamenti di Automatica II” (6CFU) per il corso di laurea triennale in Ingegneria Elettronica;
•
“Identificazione e Controllo Intelligente” (6CFU) per il corso di laurea Specialistica in Ingegneria Informatica;
•
“Identificazione e Controllo Intelligente” (6CFU) per il corso di laurea Specialistica in Ingegneria
dell’Automazione (accorpato);
•
“Controllo Distribuito di Sistemi Produttivi” (3CFU) per il corso di laurea Specialistica in Ingegneria
Informatica.
2) Attività didattica in corsi di altri docenti del settore ING-INF/04 Automatica.
•
(A.A.1999/00, 2000/01, 2001/02) “Controlli Automatici I” per il corso di laurea Vecchio Ordinamento in
Ingegneria Meccanica, cica 40 ore per ciascun anno accademico;
•
(A.A. 1999/00, 2000/01, 2001/02, 2002/03) “Teoria dei Sistemi” per il corso di laurea Vecchio Ordinamento in
Ingegneria Elettronica, Elettrica ed Informatica, circa 20 ore per ciascun anno accademico;
•
(A.A. 1999/00, 2000/01, 2001/02) “Teoria dei Sistemi (mod. 0,5)” per il corso di laurea Vecchio Ordinamento in
Ingegneria Gestionale, circa 10 ore per ciascun anno accademico;
•
(A.A. 2000/01, 2001/02, 2002/03) “Controllo Digitale” per il corso di laurea Vecchio Ordinamento in
Ingegneria Informatica, circa 20 ore per ciascun anno accademico.
C. Altre attività didattiche
•
Master del Centro Studi Economia applicata all’Ingegneria (CSEI) di Bari in “Ingegneria del Territorio”,
ottobre ’94 - febbraio ‘95. Argomento dei seminari: “Cenni di teoria dei sistemi; sistemi a logica sfumata”. Ore:
10 Sede: Politecnico di Bari.
•
Politecnico di Bari, Corso di “Controlli Automatici II” per la laurea in Ingegneria Elettronica, 18 marzo 1996.
Titolo del seminario: “Teoria degli Insiemi Fuzzy ed applicazioni nell'Ingegneria dei Controlli”. Ore: 3.
•
Master del Centro Studi Economia applicata all’Ingegneria (CSEI) di Bari in “Ingegneria del Territorio”,
ottobre ’96 - febbraio ‘97. Argomento dei seminari: “Cenni di teoria dei sistemi; reti di Petri; analisi
multi-criterio delle decisioni”. Ore: 20. Sede: CSEI Tecnocollege.
•
Master del Centro Studi Economia applicata all’Ingegneria (CSEI) di Bari in “Ingegneria del Territorio”,
ottobre ’97 - febbraio ‘98. Argomento dei seminari: “Cenni di teoria dei sistemi; sistemi a logica sfumata; reti di
Petri”. Ore: 20. Sede: CSEI Tecnocollege.
•
Università di Lecce, Corso di “Teoria dei Sistemi” per la laurea in Ingegneria Informatica, novembre-dicembre
1997. Argomenti dei seminari: “Sistemi Lineari; trasformate di Laplace e Z per l’analisi dei tempo-continui e
tempo-discreti”. Ore:8. Sede: Facoltà di Ingegneria, Università di Lecce.
•
Corso di "Sistemi automatici di assemblaggio", dicembre 1999-aprile 2000. Argomento dei seminari “Modelli e
Metodi di Analisi dei Sistemi di Produzione Discreta”, “Sintesi di sistemi di Supervisione e Controllo”, Ore: 6.
Sede: ITIS Jannuzzi, Andria (BA).
•
Corsi di Alta Formazione, Centro Laser Bari. settembre-dicembre 2000. Argomento dei seminari: Strumenti
software avanzati per la realizzazione di dispositivi di automazione e controllo: uso di Matlab e LabView. Ore:
30. Sede: Centro Laser, Valenzano (BA).
•
Corso di Alta Formazione per figure altamente specializzate nel campo della Meccatronica, dicembre
2003-marzo 2004. Argomenti dei seminari: “Fondamenti di Controlli Automatici, tecniche di progettazione di
sistemi di controllo in anello-chiuso, fondamenti di controllo digitale, fondamenti di controllo fuzzy”. Ore: 56.
Sede: Centro Ricerche Fiat, Valenzano (BA)
Pagina 3 di 13
D. Collaborazioni scientifiche con enti e industrie
1) Collaborazione con industrie
Ha partecipato a numerosi progetti di ricerca finanziati o cofinanziati da enti di ricerca e industrie. Di
seguito si elencano i più significativi.
•
2004-2005, Committente: Pfizer Italia Spa; progetto POR_SCHE. Argomento: studio di algoritmi per il
sequenziamento e l’ automazione di processi di produzione e confezionamento di prodotti farmaceutici.
•
2004-2005, Committente: Centrolaser Spa; consulenza nel progetto P.O.N. TECnologie diagnostiche e Sistemi
Intelligenti per lo sviluppo dei parchi archeologici (TECSIS). Argomento: Studio di un sistema di controllo con
retroazione basata su segnali spettroscopici per processi di ablazione laser.
•
2003-2004, Committente: MASMEC Spa, progetto Sistemi e Tecniche Innovative di Misura ed Analisi
(STIMA). Argomento: studio di tecniche di identificazione parametrica per il controllo e la diagnostica di
sistemi di movimentazione industriale.
•
2001-2002, Committente: Centrolaser Spa. Argomento della ricerca: Studio di un sistema per il controllo e la
diagnostica di processi di saldatura ad arco con sensori laser.
2) Collaborazione con enti ed università estere
•
Technical Universty of Delft, Delft, Olanda, prof. Robert Babuska (controllo fuzzy adattativo)
•
Technical University of Lisbon, Lisbona, Portogallo, prof. Joao Sousa (algoritmi di ottimizzazione combinatoria)
•
Erasmus University Rotterdam, Rotterdam, Olanda, prof. Uay Kaymak, prof. Rommert Dekker (algortmi di
ottimizzazione combinatoria, automazione di supply chain)
•
University of Texas at Arlington, Robotics and Automation Research Institute, Texas, USA, prof. Frank L. Lewis
(modellistica e controllo di sistemi ad eventi, reti di sensori)
•
Singapore Institute of Manufacturing Technology, Dr. Jing Bing Zhang (controllo di sistemi automatici per lo
stoccaggio)
•
National Institute of Foundry and Forge Technology, Ranchi, India, prof. Manoj Tiwari (algoritmi di
ottimizzazione numerica e combinatoria, automazione di supply chain).
E. Servizi prestati negli atenei e negli enti di ricerca italiani e stranieri
Direttore tecnico dei due laboratori di Controllo Digitale e di Robotica del Politecnico di Bari (ubicati presso il
Dipartimento di Elettrotecnica ed Elettronica), equipaggiati con dispositivi, processi industriali in scala e robot
di varia tipologia per scopi sia didattici che di ricerca, nonché di sistemi di acquisizione ed elaborazione
digitale per lo sviluppo e prototipazione rapida di sistemi di controllo.
Membro della Commissione di Valutazione comparativa di un posto di ricercatore ING-INF/04 Automatica
presso l’Università degli studi “MAGNA GRÆCIA” di Catanzaro (D.R. N. 663 del 14.10.2004).
Componente della Commissione degli Esami di Stato per l’abilitazione all’esercizio della professione di
ingegnere, Politecnico di Bari, anno 2005.
F. Attività in gruppi di ricerca
1) In qualità di coordinatore
Progetti MURST Ex 60%
• “Metodi di Computational Intelligence per il controllo di sistemi complessi” (2003-2004)
Politecnico di Bari - Progetto Giovani Ricercatori
• “Sistemi di Controllo Adattativi ad Agenti Autonomi” (1999-2000)
• “ARGA: Algoritmi Genetici a Riconfigurazione Adattativa” (2000-2001)
Pagina 4 di 13
2) In qualità di partecipante
Progetti MURST Ex 40% - PRIN
• “Programmazione e controllo della produzione nei sistemi flessibili di lavorazione” (1993-1995).
• “Gestione integrata di agenti produttivi autonomi” (1996-1997)
• “Autocoordinamento di Agenti Autonomi” (1997-1998)
• “Controllo di sistemi con Agenti Autonomi” (1999)
• “Strategie Bio-Ispirate per il controllo di sistemi di Movimentazione” (2003)
• “Fluid Analytical Models Of aUtonomic Systems” (2006)
Progetti C.N.R.
• “Sviluppo di un ambiente di progettazione integrata (meccatronica) orientato ai sistemi di lavorazione
meccanica avanzati”, CNR n. 96.00056.PF01 (1996).
Progetti Regionali
• Progetto Strategico della Regione Puglia (2006), “Infrastrutture di telecomunicazione e reti wireless di sensori
nella gestione di situazioni di emergenza”.
• Progetto Sostegno agli Investimenti in Ricerca Industriale (2006), “SISMA: SIStemi robotici di
Micro-Assemblaggio”.
G. Organizzazione di eventi scientifici in sede nazionale ed internazionale
Membro del comitato organizzativo al Congresso Internazionale “European Symposium on Intelligent
Techniques”, tenutosi a Bari nel marzo del 1997.
Organizzatore della “Invited Session” intitolata “Soft Computing for Distributed Optimization”, alla
conferenza IEEE System, Man and Cybernetics, The Hague, Netherlands, Ottobre 2004.
H. Attività editoriale e contributi a organizzazioni scientifiche internazionali
Membro del Technical Committee “TC3.2 Cognition and Control” dell’International Federation of
Automatic Control (IFAC).
Membro del Technical Committee “Distributed Intelligent Systems”
Cybernetics Society.
della IEEE System, Man, and
Membro dell’International Program Committee della Conferenza 2004 IEEE International Conferences on
Cybernetics & Intelligent Systems (IEEE CIS 2004), December 1-3, 2004, Singapore.
Membro dell’International Program Committee della Conferenza 2006 IEEE System, Man, and Cybernetics
Workshop on Adaptive and Learning Systems (IEEE SMCals06), Wednesday, July 24 to 26, 2006 Utah State
University in Logan, Utah, U.S.A..
Membro dell’International Program Committee della Conferenza 2006 IEEE International Conferences on
Cybernetics & Intelligent Systems(IEEE CIS 2006), June 7-9, 2006, Bangkok, Thailand.
Membro dell’ International Program Committee della Conferenza 2007 IEEE Congress on Evolutionary
Computation, 25-28 September 2006, Singapore.
Pagina 5 di 13
I. Elenco e presentazione dei 10 articoli più significativi (ordinati secondo la tematica affrontata)
Tematica: Modellistica, simulazione e controllo distribuito di sistemi di produzione
1. G. Maione, D. Naso, “A Genetic Approach for Adaptive Multi-Agent Control in Heterarchical
Manufacturing Systems”, IEEE Transactions on Systems, Man, and Cybernetics, Part A: Systems and Humans,
Sp. Issue “Collective Intelligence:Intelligence through Multi-Robot/Multi-Agent Systems”, Vol. 33, n. 5,
Settembre 2003, pp. 573-588 (A).
In questo articolo si descrive un sistema di controllo del flusso dei prodotti in un sistema manifatturiero basato su una rete
di decisori (agenti) autonomi. Ogni agente è assegnato ad una parte in produzione e la indirizza dinamicamente verso le
stazioni di lavorazione utilizzando un algoritmo di decisione basato su criteri multipli. Il coordinamento tra i vari decisori
è ottenuto dinamicamente adattando i pesi assegnati ai singoli criteri con un algoritmo genetico che fa uso di un modello
ad eventi della rete di agenti per individuare i criteri più efficaci nelle condizioni operative correnti.
2. D. Naso, B. Turchiano, “A coordination strategy for distributed multi-agent manufacturing systems”,
International Journal of Production Research, Vol. 42, n. 12, pp.2497-2520, 2004.
Questa memoria considera lo stesso scenario generale dell’articolo precedente, e propone una strategia di coordinamento
in cui i singoli agenti non si limitano ad effettuare il controllo dell’instradamento nell’istante in cui le parti in produzione
completano una operazione, ma stabiliscono un piano preventivo delle successive operazioni e si coordinano con gli altri
decisori qualora il confronto dei piani preventivi riveli dei conflitti (ad esempio scelta della medesima destinazione in
grado di accettare solo una delle richieste).
3. G. Maione, D. Naso, “Modeling Adaptive Multi-Agent Control with discrete event system formalism”,
International Journal of System Science, Vol. 35, n.10, pp. 591-614, 2004.
Questo articolo descrive un approccio formale per la realizzazione di modelli dinamici di sistemi ad eventi controllati da
reti di agenti distribuiti. L’approccio è basato sul formalismo Discrete EVent System Specification (DEVS) ispirato in
parte alla teoria dei sistemi classica, ed in parte alle tecniche di simulazione di sistemi dinamici ad eventi. L’approccio
consente di sviluppare modelli efficaci anche di sistemi di elevate dimensioni, partendo dalla descrizione delle unità
atomiche del sistema di controllo (gli agenti) ed ottenendo il modello dell’intera rete attraverso la definizione dei
protocolli di interazione dei singoli modelli atomici. L’articolo illustra le potenzialità dell’approccio proposto con un caso
in studio derivato dall’assemblaggio di schede elettroniche.
(Nota: questo articolo è stato selezionato dalla Society of Manufacturing Engineeneer per la citazione nell“Emerging Technologies
Monitor”, edizione Winter 2005).
Tematica: Scheduling e dispatching di attività produttive in ambienti manifatturieri
4. D. Naso, B. Turchiano, “Multicriteria Meta-Heuristics for AGV Dispatching Control Based on
Computational Intelligence”, IEEE Transactions on System, Man, and Cybernetics- part B, Vol. 35, N.2, 2005,
pp. 208-226 (A).
Questo articolo descrive una strategia per il controllo del dispatching di carrelli a guida automatica (AGV) in sistemi di
produzione altamente automatizzati. Dopo aver discusso le principali limitazioni degli approcci attualmente in uso per tali
scopi, l’articolo propone un sistema di controllo centralizzato con una logica di decisione basata su criteri multipli, che
tengono conto (1) delle caratteristiche delle entità che richiedono il trasporto (tempi di attesa, priorità, vincoli sui tempi di
consegna), (2) delle condizioni operative correnti delle stazioni di origine e di destinazione e (3) della posizione dell’AGV
rispetto alle stazioni di origine e destinazione. L’aggregazione dei vari criteri è ottenuta con strumenti di Computational
Intelligence (controllo fuzzy, algoritmi genetici). La tecnica proposta inoltre incorpora un criterio combinatorio volto ad
ottimizzare le operazioni effettuate dai singoli AGV su un orizzonte temporale più lungo.
5. D. Naso, B. Turchiano, C. Meloni, “Single and multi-objective evolutionary algorithms for the coordination
of serial manufacturing operations”, Journal of Intelligent Manufacturing, Vol. 17, N.2, 2006, pp. 249-268.
Questo articolo considera il problema del sequencing delle operazioni svolte da una linea seriale costituita da due
dipartimenti di produzione che effettuano operazioni su lotti di grosse dimensioni. In termini teorici, l’ottimizzazione dei
costi di produzione di ciascun dipartimento richiederebbe di considerare sequenze di lavorazione diverse per ciascun
dipartimento. La maggiore difficoltà del problema è dovuta al fatto che, per questioni di natura logistica (tipicamente
l’assenza di aree di stoccaggio interdipartimentali), i dipartimenti sono vincolati a considerare i lotti nello stesso ordine.
Ciò genera un problema di notevole complessità combinatoria, in special modo nel caso più realistico e significativo di
Pagina 6 di 13
strutture di costi arbitrarie (costi diversi tra ciascuna coppia di lotti). L’articolo propone un approccio meta-euristico
basato su algoritmi genetici multi-obiettivo, cioè capaci di considerare le funzioni di costo dei singoli dipartimenti
separatamente. L’articolo inoltre propone alcune varianti efficaci che combinano algoritmi a singolo obiettivo con
algoritmi multi-obiettivo. Le prove numeriche, effettuate su dati industriali relativi alla produzione di mobili, confermano
che l’algoritmo ha sia prestazioni confrontabili o superiori a quelle degli approcci (euristici o esatti) proposti in letteratura
per i casi di strutture di costi semplificate, sia la capacità di trovare soluzioni soddisfacenti anche in casi
significativamente più complessi (per dimensione e struttura dei costi) di quelli già trattati in letteratura.
Tematica: Computational Intelligence per la diagnostica ed in controllo di processi industriali
6. D. Naso, B. Turchiano, P. Pantaleo, “A Fuzzy-Logic Based Optical Sensor for On-line Weld
Defect-Detection”, IEEE Transactions on Industrial Informatics,Vol.1, N.4, November 2005, pp.259-273 (A).
Questo articolo descrive un sensore ottico finalizzato al monitoraggio ed al controllo di processi di saldatura ad arco. Il
sensore è progettato per rilevare le emissioni spettrali prodotte (su quattro righe prescelte in base alle caratteristiche del
prodotto trattato) dal plasma che circonda l’arco di saldatura. Nella letteratura tecnica, l’analisi spettroscopica è stata
prevalentmente utilizzata come strumento di indagine a posteriori, dato l’enorme sforzo computazionale in genere
richiesto per l’elaborazione di tali segnali. In questo articolo invece si propone un approccio innovativo basato su
Computational Intelligence per estendere il campo di applicazione di tali tecniche alla diagnostica in linea. Nel prototipo
sperimentale descritto nell’articolo, i dati misurati dal sensore sono prima di tutto passati ad un filtro di Kalman che riduce
significativamente la rumorosità dei segnali misurati senza alterare l’informazione utile alla diagnostica. I segnali filtrati
sono poi passati ad un algoritmo basato su logica fuzzy volto a rilevare ogni possibile pattern associato a funzionamenti
od eventi anomali, eventualmente riconoscendone la causa scatenante (ad es. calo di corrente nell’arco, impurità nel gas di
supporto). L’ampia campagna di validazione sperimentale conferma una capacità di classificazione pressoché ideale, con
tempi di elaborazione che rendono plausibile l’impiego di alcuni degli output prodotti dal filtro fuzzy come segnali di
retroazione per il controllo di alcuni parametri fondamentali del processo.
7. D. Naso, A. Scalera, G. Aurisicchio, B. Turchiano, “Removing spike noise from railway geometry measures
with a fuzzy filter”, Invited Paper, IEEE Transactions on Systems, Man, and Cybernetics - Part C:
Applications, Vol. 36, N.4., pp. 485-494, July 2006 (A).
Questo articolo descrive un algoritmo basato su logica fuzzy per la rimozione di rumore impulsivo da segnali di
monitoraggio di misure geometriche di binari ferroviari acquisiti mediante appositi veicoli. Differentemente da altri
contesti in cui il rumore impulsivo è stato ampiamente trattato (ad es. elaborazione di segnali audio, di segnali di
risonanza magnetica, di immagini trasmesse, ecc.), nel caso del monitoraggio delle linee ferroviarie (1) i segnali trattati
sono estremamente variabili (a seconda della traiettoria tracciata dai binari, dello stato della tratta e delle condizioni
atmosferiche durante il rilevamento), (2) un impulso può alterare anche più campioni consecutivi del segnale. L’articolo
propone un filtro dinamico che considera un numero predefinito di campioni passati del segnale per stabilire l’entità
dell’intervento di filtraggio in termini sia di ampiezza (quanto deve essere scalato) che di durata (quanti campioni devono
essere corretti). L’indagine sperimentale si articola su due fronti: in una prima parte si esamina la capacità di rilevare
correttamente la presenza di impulsi aggiunti artificialmente a segnali inizialmente privi di rumore, mentre in una seconda
si valuta la capacità dell’algoritmo di limitare l’errore di ricostruzione del campione una volta rilevata la presenza del
rumore. Il confronto con altre tecniche proposte in letteratura conferma la notevole efficacia dell’algoritmo proposto,
attualmente utilizzato in veicoli di monitoraggio operanti in Italia, Corea, Siria e Brasile.
Tematica: Algoritmi per l’ottimizzazione ed il controllo di sistemi non lineari.
8. F. Cupertino, E. Mininno, D. Naso, B. Turchiano, L. Salvatore, “On-line genetic design of anti-windup
unstructured controllers for electric drives with variable load”, IEEE Transactions on Evolutionary
Computation, Vol.8,. n.4, pp. 347-364, 2004 (A).
In contrasto con la sempre crescente domanda di miglioramento delle prestazioni, il progetto di sistemi di controllo per
sistemi di movimentazione industriali è spesso fortemente condizionato dalle significative limitazioni sulle capacità di
elaborazione e di memoria dei micro-processori in genere già presenti nell’hardware di pilotaggio. Questo articolo
propone una strategia semplice ed efficace per progettare algoritmi tempo-discreti anti-windup ad elevate prestazioni (con
garanzie di soddisfacimento di obiettivi multipli ed in conflitto) impiegando direttamente metodi di ricerca stocastica
(algoritmi genetici). L’algoritmo effettua simultaneamente l’ottimizzazione della struttura (scelta dell’ordine del
controllore) e dei parametri (posizionamento dei poli e zeri) del controllore operando direttamente in linea sul processo
hardware, in questo caso costituito da una coppia motore-generatore di carico non lineare. L’approccio consente di
Pagina 7 di 13
ottenere controllori con prestazioni estremamente soddisfacenti, anche in termini di tolleranza ai disturbi ed alle
non-linearità, significativamente migliori di quelle ottenute con controllori progettati con varie tecniche selezionate nella
vastissima letteratura nell’ambito considerato.
9. V. Giordano, D. Naso, B. Turchiano, “Combining genetic algorithms and Lyapunov-based adaptation for
online design of fuzzy controllers”, IEEE Transactions on Systems, Man, and Cybernetics – Part B:
Cybernetics, Vol.36, n.5, pp. 1118-1127, 2006 (A).
Questo articolo affronta il problema del progetto ed ottimizzazione il linea di un controllore per un processo non lineare.
La tecnica proposta si inquadra nel contesto generale della feedback linearization, in cui la legge di controllo ideale
(ignota, in quanto basata sulla conoscenza esatta del modello non lineare del processo) è approssimata con un
interpolatore non lineare, a sua volta definito da un vettore di parametri progressivamente ottimizzati da un algoritmo di
adattamento. In particolare, l’articolo considera un interpolatore fuzzy Takagi-Sugeno di ordine zero (o equivalentemente
una rete neurale radial-basis function) come interpolatore della legge ideale, e propone una tecnica di adattamento ibrida,
in cui i parametri con influenza lineare sull’azione di controllo sono adattati con un’algoritmo veloce determinato a partire
dall’equazione di Lyapunov, mentre quelli con influenza non lineare sono adattati con una particolare forma di algoritmo
genetico. Lo schema proposto combina in modo efficace i vantaggi dei due algoritmi di adattamento: l’apprendimento
basato sulla teoria di Lyapunov non solo effettua rapidi aggiustamenti dei parametri dell’interpolatore ma garantisce
anche la stabilità dell’anello di controllo non lineare, mentre l’algoritmo genetico consente una più efficace
ottimizzazione dell’interpolatore, agendo sui parametri non-lineari solitamente mantenuti costanti, ed evitando problemi
di stallo in minimi locali dell’algoritmo di Lyapunov. L’efficacia dell’approccio proposto è supportata sia da risultati
facilmente replicabili ottenuti su esempi simulati tratti dalla letteratura, sia da una applicazione sperimentale costituita da
un banco sperimentale motore-generatore di carico fortemente non lineare.
10. F. Cupertino, V. Giordano, D. Naso, L. Delfine, “Fuzzy control of a mobile robot using a Matlab-based
rapid prototyping system”, apparirà sulla rivista IEEE Robotics and Automation Magazine, 2006 (A).
Questo articolo descrive un approccio per la navigazione autonoma di robot mobili che integra informazioni provenienti
sia da sensori a bordo dei robot (sensori di prossimità, di velocità), sia da telecamere esterne rivolte verso il campo
operativo dei robot. Per svolgere queste ricerche, è stata realizzata una piattaforma sperimentale di prototipazione rapida
basata su robot mobili (Kephera –K-team), schede di acquisizione e controllo direttamente programmabili in
Matlab/Simulink (DSpace) e telecamere. Oltre alla descrizione delle principali caratteristiche della piattaforma, l’articolo
ne illustra l’impiego per la realizzazione di un sistema di controllo fuzzy che integra tre tipi di comportamenti (secondo il
gergo della ricerca sulla behavioral robotics) basati su dati sensoriali diversi e parzialmente in conflitto: (1) raggiungere il
target, (2) evitare gli ostacoli, (3) evitare il passaggio ripetuto in zone già visitate. Ciascuno dei singoli comportamenti è
ottenuto da un controllore fuzzy, i cui output sono a loro volta coordinati con quelli degli altri controllori mediante una
strategia di supervisione sempre basata su logica fuzzy. Infine, l’articolo illustra una serie di esperimenti che confermano
la semplicità e la notevole efficacia della strategia di navigazione così ottenuta.
Pagina 8 di 13
Elenco Completo delle Pubblicazioni
Articoli su riviste internazionali
[1.r]
M. P. Fanti, B. Maione, D. Naso, B. Turchiano, “Genetic Multi-Criteria Approach to Flexible Line
Scheduling”, International Journal of Approximate Reasoning, Vol.19, n. 1-2, pagg. 5-21, 1998.
[2.r]
B. Maione, D. Naso, “Evolutionary Adaptation of Dispatching Agents in Heterarchical Manufacturing
Systems”, International Journal of Production Research, Vol. 39, n. 7, pagg. 1481-1503, 2001.
[3.r]
F. Cupertino, V. Giordano , D. Naso, B. Turchiano, and L. Salvatore, “On-line genetic design of fuzzy
controllers for DC drives with variable load”, Electronic Letters, Vol. 39, n. 5, pagg. 479-480, 2003.
[4.r]
G. Maione, D. Naso, “A Soft Computing Approach for Task Contracting in Multi-Agent Manufacturing
Control”, Computers in Industry, Vol. 52, n. 3, pagg. 199-219, December 2003.
[5.r]
G. Maione, D. Naso, “ A Genetic Approach for Adaptive Multi-Agent Control in Heterarchical Manufacturing
Systems”, IEEE Transactions on Systems, Man, and Cybernetics, Part A: Systems and Humans, Vol. 33, n. 5,
Settembre 2003, pp. 573-588 (A).
[6.r]
D. Naso, B. Turchiano, “A coordination strategy for distributed multi-agent manufacturing systems”,
International Journal of Production Research, Vol. 42, n. 12, pp.2497-2520,2004.
[7.r]
F. Cupertino, V. Giordano, D. Naso, L. Salvatore, B. Turchiano, “Experimenting fuzzy control strategies for
mobile robots on a rapid prototyping system”, WSEAS Transactions on Systems, Vol. 3, n. 2, pp. 973-978, 2004
(ISSN 1109 2777).
[8.r]
F. Cupertino, E. Mininno, D. Naso, B. Turchiano, L. Salvatore, “On-line genetic design of anti-windup
unstructured controllers for electric drives with variable load”, IEEE Transactions on Evolutionary
Computation, Vol.8,. n.4, pp. 347-364, 2004 (A).
[9.r]
G. Maione, D. Naso, “Modeling Adaptive Multi-Agent Control with discrete event system formalism”,
International Journal of System Science, Vol. 35, n.10, pp. 591-614, 2004 (nota: articolo selezionato dalla Society
of Manufacturing Engineeneer per la citazione nell“Emerging Technologies Monitor”, Winter 2005).
[10.r]
D. Naso, B. Turchiano, “Multicriteria Meta-Heuristics for AGV Dispatching Control Based on Computational
Intelligence”, IEEE Transactions on System, Man, and Cybernetics- part B: Cybernetics, Vol. 35, N.2, 2005,
pp. 208-226, (A).
[11.r]
D. Naso, B. Turchiano, P. Pantaleo, “A Fuzzy-Logic Based Optical Sensor for On-line Weld
Defect-Detection”, IEEE Transactions on Industrial Informatics,Vol.1, N.4, November 2005, pp.259-273 (A).
[12.r]
D. Naso, B. Turchiano, C. Meloni, “Single and multi-objective evolutionary algorithms for the coordination of
serial manufacturing operations”, Journal of Intelligent Manufacturing, Vol. 17, N.2, 2006, pp. 249-268.
[13.r]
D. Naso, A. Scalera, G. Aurisicchio, B. Turchiano, “Removing spike noise from railway geometry measures
with a fuzzy filter”, Invited Paper, IEEE Transactions on Systems, Man, and Cybernetics - Part C:
Applications, Vol. 36, N.4., pp. 485-494, July 2006 (A).
[14.r]
V. Giordano, D. Naso, B. Turchiano, “Combining genetic algorithms and Lyapunov-based adaptation for
online design of fuzzy controllers”, IEEE Transactions on Systems, Man, and Cybernetics – Part B:
Cybernetics, Vol.36, N.5, pp. 1118-1127, October 2006 (A).
[15.r]
D. Naso, M. Surico, B. Turchiano, U. Kaymak, “Genetic algorithms for supply chain scheduling:a case study
on ready mixed concrete”, European Journal of Operation Research, in stampa, online
(www.ScienceDirect.com)
dal
26
gennaio
2006
(link
diretto:
http://dx.doi.org/10.1016/j.ejor.2005.12.019).
[16.r]
C. Meloni, D. Naso, B. Turchiano, “Setup coordination of between two stages of a production system: a
multi-objective evolutionary approach”, Annals of Operation Research, in stampa, online
(www.SpringerLink.com)
dal
23
Agosto
2006
(link
diretto:
http://dx.doi.org/10.1007/s10479-006-0065-0).
Pagina 9 di 13
[17.r]
F. Cupertino, V. Giordano, D. Naso, L. Delfine, “Fuzzy control of a mobile robot using a Matlab-based rapid
prototyping system”, accettato, apparirà su IEEE Robotics and Automation Magazine, 2006 (A).
[18.r]
D. Naso, M. Surico, and B. Turchiano, “Reactive Scheduling of a Distributed Network for the Supply of
Perishable Products”, accettato, apparirà su IEEE Transactions on Automation Science and Engineering, 2007
(A).
[19.r]
V.Giordano, J. B. Zhang, D. Naso, F.L. Lewis, “Integrated supervisory and operational control of a warehouse
with a matrix-based approach”, accettato, apparirà su IEEE Transactions on Automation Science and
Engineering, 2007 (A).
Capitoli di Libri Internazionali
[1.l]
M.Dotoli, B. Maione, D. Naso, "Evolutionary Techniques for Tuning Fuzzy Sliding Mode Controllers”, in
“Advances in Fuzzy Systems and Intelligent Technologies”, Shaker Publishing, Maastricht, 2000, ISBN
90-423-0105-8, pagg. 254-264.
[2.l]
M. Dotoli, B. Maione, D. Naso, “Fuzzy Sliding Mode Controllers Synthesis Through Genetic Optimization”,
Atto Interno DEE n. 51/01/S, “Advances in Computational Intelligence and Learning, Methods and
Applications”, Zimmermann H-J., Tselentis G., van Someren M., Dounias G. eds., Kluwer Academic
Publishers, Febbraio 2002, ISBN 0-7923-7645-5, pagg. 331-341.
[3.l]
M. Dotoli, P. Lino, B. Maione, D. Naso, B. Turchiano, “Genetic Optimization of Fuzzy Sliding Mode
Controllers: an Experimental Study”, in “Soft Computing Applications”, A. Bonarini, F. Masulli, G. Pasi, eds.,
Physica Verlag, 2003, ISBN 3-7908-1544-6.
[4.l]
G. Maione, D. Naso, “Using A Discrete-Event System Formalism for the Multi-Agent Control of
Manufacturing Systems”, apparirà sul libro “Informatics in Control, Automation and Robotics”, editori J. Braz,
H. Araújo, A. Vieira, B. Encarnação, Springer-Kluwer, Dordrecht, Olanda, 2006, ISBN 10 1-4020-4136-5(HB)
pagg. 125-132.
[5.l]
D. Naso, M. Surico, and B. Turchiano, “Combining GAs and constructive heuristics for supply networks with
time window constraints”, apparirà sul libro, “Evolutionary Scheduling”, Edited by K.C. Tan, K. Dahal and P.
Cowling Edis., Springer-Verlag, 2006.
Atti di Conferenze Internazionali [1]
[1.c]*
M. P. Fanti, B. Maione, D. Naso, B. Turchiano, “Evolutionary Control of Flexible Production Systems”, atti
del congresso ICARCV'96 - Fourth International Conference on Control, Automation, Robotics and Vision,
Singapore, 4-6 Dicembre 1996, pagg. 7-11.
[2.c]*
M. P. Fanti, B. Maione, D. Naso, B. Turchiano, “A Genetic Multi-criteria Approach to Job Shop Scheduling”,
atti del congresso ARS'97 - First International Workshop on Approximate Reasoning in Scheduling, Zurigo,
Svizzera, 11 Febbraio 1997, pagg. 46-52.
[3.c]*
M. P. Fanti, D. Naso, B. Turchiano, “Fuzzy Logic Approach to FMS Scheduling”, atti del congresso ESIT 97 European Symposium on Intelligent Techniques, Bari, 20-21 marzo 1997, pagg.116-120.
[4.c]*
D. Naso, B. Turchiano, “A Fuzzy Multi-Criteria Algorithm for Dynamic Routing in FMS”, atti del congresso
IEEE SMC’98, atti del congresso International Conference on Systems, Man, and Cybernetics, San Diego,
California, USA, 11-14 ottobre 1998, pagg. 457-462.
[5.c]*
B. Maione, D. Naso, “Multi-Agent Routing Control in Heterarchical Manufacturing Systems”, atti del
congresso IIA’99 - ICSC Symposium on Intelligent Industrial Automation, Genova, 1-4 Giugno 1999, (su
CDROM, pagine non numerate).
[6.c]*
B. Maione, D. Naso, “Evolutionary Learning Agents for Shop Floor Control”, atti del congresso ETFA’99
IEEE Conference on Emerging Technologies in Factory Automation, Barcellona, Spagna, 17-21 Ottobre 1999,
pagg. 893-899.
[1]
Alle conferenze contrassegnate dal simbolo *, l’ing. Naso ha tenuto una comunicazione inerente la sua attività di ricerca.
Pagina 10 di 13
[7.c]*
B. Maione, D. Naso, “Multi-Agent Adaptive Dispatching for Heterarchical Manufacturing Systems”, atti del
congresso IFAC Workshop on Multi-Agent Systems in Production, MAS’99, Vienna 1-4 Dicembre 1999, pagg.
13-18.
[8.c]*
M. Dotoli, G. Maione, D. Naso, B. Turchiano, “Genetic Identification of Dynamical Systems with Static
Nonlinearities”, atti del congresso IEEE SMCia/01,Mountain Workshop on Soft Computing in Industrial
Applications, Virginia Tech, Blacksburg, Virginia, 25–27 Giugno, 2001, pagg. 65-70.
[9.c]*
G. Maione, D. Naso, “Modeling Evolutionary Supervisors for Multi-Agent Manufacturing Control with
Discrete Event Formalism”, atti del congresso IEEE SMCia/01,Mountain Workshop on Soft Computing in
Industrial Applications, Virginia Tech, Blacksburg, Virginia, 25–27 Giugno, 2001, pagg. 99-104.
[10.c]
D. de Blasiis, P. Sforza, V. Lombardo, D. Naso, P. Pantaleo, B. Turchiano, L. Pezzati, “Electro-optical sensors
integrated in arc welding workstation for process monitoring by means of fuzzy logic controller”, conferenza
Annual Meeting of International Institute of Welding, Lijubljana, 6-11 Luglio 2001, (su CDROM, pagine non
numerate).
[11.c]
G. Maione, D. Naso, “A Discrete Event Formalism to model Adaptive Multi-Agent Systems”, atti del
congresso MIM 2001, IFAC Workshop on Manufacturing, Modeling, Management and Control, Czech
Technical University, Prague, Czech Republic, 2-4 Agosto 2001, pagg. 98-104.
[12.c]
B. Maione, D. Naso, and B. Turchiano, “GARA: a Genetic Algorithm with Resolution Adaptation for Solving
System Identification Problems”, atti del congresso European Control Conference, Porto, Portugal, 4-7
Settembre 2001, (su CDROM) pagg. 3570-3575.
[13.c]
D. de Blasiis, P. Sforza, V. Lombardo, D. Naso, P. Pantaleo, B. Turchiano, L. Pezzati, “Integration of
electro-optical sensors in arc welding workstation for process monitoring”, atti del congresso 2nd International
Conference on advanced Measurement Techniques and Sensory Systems for Automotive Applications, Ancona,
Italy, 13-14 Settembre 2001 (su CDROM, pagine non numerate).
[14.c]*
D. Naso, G. Maione, “Recent Developments in the Application of Computational Intelligence to Multi-Agent
Manufacturing Control”, atti del congresso 10th IEEE International Conference on Fuzzy Systems, Melbourne,
Australia, 2-5 Dicembre 2001, 990 –994.
[15.c]*
M. Dotoli, B. Maione, D. Naso, B.Turchiano, “Fuzzy sliding mode control for inverted pendulum swing-up
with restricted travel”, atti del congresso 10th IEEE International Conference on Fuzzy Systems, Melbourne,
Australia, 2-5 Dicembre 2001, 753-756.
[16.c]
M. Dotoli, P. Lino, B. Maione, D. Naso, B. Turchiano, Genetic Optimization of Fuzzy Sliding Mode
Controllers: an Experimental Study, atti del congresso WILF 2001 – the 4th Italian Workshop on Fuzzy Logic,
Milano, Italy, 2001, pagine non numerate.
[17.c]*
F. Cupertino, D. Naso, B. Turchiano, L. Salvatore, “Design of Cascaded Controllers for DC Drives using
Evolutionary Algorithms”, IEEE World Congress on Computational Intelligence, Honolulu, Hawaii, 12-17
Maggio 2002, (atti su CDROM, pp. 1255 -1260)
[18.c]
F. Cupertino, E. Mininno, D. Naso, B. Turchiano, L. Salvatore, “On-line Genetic Optimization of unstructured
Controllers for Electric Drives”, IEEE International Symposium on Industrial Electronics, L’Aquila, Italy,
8-11 Luglio, 2002, pagg. 347 -352.
[19.c]
G. Maione, D. Naso, “Adaptation of Multi-Agent Manufacturing Control by means of Genetic Algorithms and
Discrete Event Simulation”, IEEE Int. Conf. on Systems, Man, and Cybernetics, 6-9 Ottobre 2002, Hammamet,
Tunisia, Vol.4, pagg.529-534.
[20.c]
D. Bellomo, D. Naso, B. Turchiano, “Improving Genetic Algorithms: an approach based on Multi-elitism and
Lamarckian Mutation”, IEEE Int. Conf. on Systems, Man, and Cybernetics, 6-9 Ottobre 2002, Hammamet,
Tunisia, Vol.4, pagg. 89-94.
[21.c]
M. Dotoli, P. Lino, B. Maione, D. Naso, B. Turchiano, “A Tutorial on Genetic Optimization of Fuzzy Sliding
Mode Controllers: Swinging up an Inverted Pendulum with Restricted Travel”, EUNITE 2002, Second
European Symposium on Intelligent Technologies, Hybrid Systems and their implementation on Smart
Adaptive Systems, 19 - 21 Settembre 2002, Albufeira, Portugal (atti su CDROM).
[22.c]
G. Aurisicchio, D. Naso, A. Scalera, and B. Turchiano, “A fuzzy logic based filter for spike-noise detection in
railways monitoring systems”, 2003 IEEE International Workshop on Soft Computing in Industrial
Applications, Binghamton, NY, U.S.A., June 23-25, 2003, pp. 85-89.
Pagina 11 di 13
[23.c]*
D. Naso and B. Turchiano, “Adaptive fuzzy control of non-linear servo-drives”, EUNITE 2003, European
Symposium on Intelligent Technologies, Hybrid Systems and their implementation on Smart Adaptive Systems,
10-12 July 2003, Oulu, Finland, pp. 175-180.
[24.c]
F. Cupertino, V. Giordano, D. Naso, L. Salvatore, and B. Turchiano, “Genetic Design of Decentralized
Controllers for 5dof Robotic Manipulator”, CIRA'03 IEEE International Symposium on Computational
Intelligence in Robotics and Automation, Kobe, Japan, July 16-20, 2003, Vol.2, pp. 509-514.
[25.c]
G. Maione, D. Naso, “Multi-agent fuzzy control of operation dispatching in flexible manufacturing
environments”, ETFA2003, 9th IEEE International Conference on Emerging Technologies and Factory
Automation, Lisbon, Portugal, 16-19 September 2003, Vol.2, pp. 755-760.
[26.c]
D. Naso, B. Turchiano, and P. Pantaleo, “Monitoring Gas Metal Arc Welding in Real-Time: a Fuzzy Logic
Approach”, ETFA2003, 9th IEEE International Conference on Emerging Technologies and Factory
Automation, Lisbon, Portugal, 16-19 September 2003, Vol.2, pp. 769-784.
[27.c]
G. Maione, D. Naso, “New control policies preventing deadlock in automated manufacturing systems”,
ETFA2003, 9th IEEE International Conference on Emerging Technologies and Factory Automation, Lisbon,
Portugal, 16-19 September 2003 Vol. 2, pp. 81-86.
[28.c]*
G. Maione, D. Naso, “A Discrete-Event System Model for Multi-Agent Control of Automated Manufacturing
Systems”, 2003 IEEE International Conference on Systems, Man & Cybernetics, October 5–8, 2003,
Washington, D.C., USA, Vol.2, pp. 1723-1728.
[29.c]*
D. Naso, B. Turchiano, “An improved projection algorithm for direct adaptive fuzzy control”, 2003 IEEE
International Conference on Systems, Man & Cybernetics, October 5–8, 2003, Washington, D.C., USA, Vol. 3,
pp. 2126-2131.
[30.c]*
C. Meloni, D. Naso, and B. Turchiano, “Multi-Objective Genetic Algorithms for a class of sequencing
problems in manufacturing environments”, 2003 IEEE International Conference on Systems, Man &
Cybernetics, October 5–8, 2003, Washington, D.C., USA, vol. 1, pp. 8-13.
[31.c]
D. Bellomo, D. Naso, and R. Babuska, “Parameter convergence in adaptive fuzzy control”, ICINCO 2004,
First International Conference on Informatics in Control, Automation and Robotics, Setubal, Portugal, August
24-28, 2004, Vol.1 pp. 84-91.
[32.c]
G. Maione, and D. Naso, “Using a discrete-event system formalism for the multi-agent control of
manufacturing systems”, ICINCO 2004, First International Conference on Informatics in Control, Automation
and Robotics, Setubal, Portugal, August 24-28, 2004, Vol.1 pp. 135-142 (selezionato come BEST PAPER della
conferenza).
[33.c]
C. Bonserio, A. M. Losacco , D. Naso, F. Tedeschi, B. Turchiano "Controlling Laser Cleaning Of Artworks
With Libs-Based Feedback” LIBS 2004, 3rd International Conference on Laser Induced Plasma Spectroscopy
and Applications, September 28t – October 1 2004, Malaga, Spain.
[34.c]*
D. Naso, M. Surico, B. Turchiano, and U. Kaymak, “Just-In-Time Production and Delivery in Supply Chains:
a Hybrid Evolutionary Approach”, 2004 IEEE International Conference on Systems, Man & Cybernetics,
October 10–13, 2004, The Hague, Netherlands, pp. 1933-1937.
[35.c]*
F. Cupertino, V. Giordano, E. Mininno, D. Naso, and B.Turchiano, “A neural visual servoing in uncalibrated
environments for robotic manipulators”, 2004 IEEE International Conference on Systems, Man & Cybernetics,
October 10–13, 2004, The Hague, Netherlands, pp. 5362-5367.
[36.c]*
F. Cupertino, V. Giordano, D. Naso, and B. Turchiano, “A hybrid approach to adaptive fuzzy control based on
genetic algorithms”, 2004 IEEE International Conference on Systems, Man & Cybernetics, October 10–13,
2004, The Hague, Netherlands, pp. 3687-3612.
[37.c]*
G. Maione, and D. Naso, “Discrete-Event Modeling of Heterarchical Manufacturing Control Systems”, 2004
IEEE International Conference on Systems, Man & Cybernetics, October 10–13, 2004, The Hague,
Netherlands, pp. 1783-1788.
[38.c]
Bellomo D., Naso, D., Babuška R., “Experimental comparison of adaptive fuzzy controllers’’, FuzzIEEE
2005, IEEE Conference on Fuzzy systems, May 22-25, Reno, Nevada, USA.
[39.c]*
Bellomo D., Naso, D., Turchiano B., Babuška R., “Composite adaptation in adaptive fuzzy control’’, 16th
IFAC World Congress, Prague, Czech Republic, July 4-8, 2005, atti su CDROM, pagine non numerate.
Pagina 12 di 13
[40.c]*
D.Naso, M. Surico, “A Multi-Objective Evolutionary Approach to Distributed Supply Network Scheduling”,
16th IFAC World Congress, Prague, Czech Republic, July 4-8, 2005, atti su CDROM, pagine non numerate.
[41.c]
C.A. Silva, J.M. Faria, P. Abrantes, J.M.C. Sousa, M. Surico and D. Naso, “Concrete Delivery using a
combination of GA and ACO”, CDC-ECC '05. 44th IEEE Conference on Decision and Control and European
Control Conference, 12-15 Dicembre 2005, pp. 7633 – 7638.
[42.c]
Bellomo D., Babuška R., Naso, D., “Adaptive fuzzy control for speed-reference tracking in non-linear servo
drives”, 14th IFAC Symposium on System Identification, March 29-31, 2006, Newcastle, Australia.
[43.c]
J.M. Faria, C.A. Silva, J.M.C. Sousa, and D. Naso, Optimization of Production–Distribution Systems: A Study
on the Concrete Delivery Problem, III European Conference on Computational Mechanics, Solids, Structures
and Coupled Problems in Engineering, C.A. Mota Soares et.al. (eds.), Lisbon, Portugal, 5–8 June 2006.
[44.c]
F. Cupertino, E. Mininno, and D. Naso, Elitist compact genetic algorithms for induction motor drive
self-tuning control, IEEE World Congress on Computational Intelligence, Vancouver, July 16-21, 2006.
[45.c]
F. Cupertino, E. Mininno, D. Naso, and B. Turchiano, An experimental implementation of SPSA algorithms
for induction motor adaptive control, SMCals/06, 2006 IEEE Mountain Workshop on Adaptive and Learning
Systems, Utah State University, Logan, U.S.A., July 24-26, 2006.
[46.c]
V. Giordano, J. B. Zhang, D. Naso, F. Lewis, A. Carbotti, and N. T. Jye, “A matrix-based framework for
combined supervisory and operational control of an industrial warehouse”, INDIN 2006, IEEE Conference on
Industrial Informatics, Singapore, August 16-18, 2006. (accepted)
[47.c]
F. Cupertino, E. Mininno, E. Lino, and David Naso, “Optimization of Cascaded Position Control of Induction
Motors using Compact Genetic Algorithms”, IECON-2006, IEEE Industrial Electronics Conference,
November 7-10, 2006, Paris, France. (accepted)
[48.c]
V. Giordano, J. B. Zhang, D. Naso, M.M. Wong, F.L. Lewis, and A. Carbotti, Matrix-based discrete event
control of automated material handling systems, 45th IEEE Conference on Decision and Control, San Diego,
California, USA, December 13-15, 2006. (accepted)
Atti di Conferenze Nazionali
[1.cn]*
M.P. Fanti, D. Naso, B. Turchiano, “Controllo Fuzzy dell'Ordine di Invio dei Pezzi alle Stazioni di una Linea
Flessibile”, atti del congresso Automazione '95, Bari, 8-10 Novembre 1995, pagg.144-149.
[2.cn]
D. de Blasiis, P. Sforza, V. Lombardo, D. Naso, P. Pantaleo, B. Turchiano, L. Pezzati, “Sensore elettro-ottico
integrato in stazioni di saldatura ad arco per il monitoraggio del processo a mezzo di un supervisore fuzzy”,
Giornate Nazionali di Saldatura, Milano, Centro Congressi "Le Stelline", 7-9 Novembre 2001 (su CDROM,
pagine non numerate).
[3.cn]
C. Bonserio, A. M. Losacco , D. Naso, F. Tedeschi, B. Turchiano, “Uno studio sul controllo spettroscopico
della pulitura laser di un’opera d’arte”, IX Convegno della Associazione Italiana Intelligenza artificiale, 15-17
settembre 2004, Perugia (su CDROM, pagine non numerate).
Tesi di Laurea
[1.t]
“Logica Fuzzy e Sistemi di Controllo: la Stabilità del Controllo Fuzzy
Tesi di Dottorato
[2.t]
“Tecnologie Intelligenti per il Controllo dei Sistemi Produttivi”, Politecnico di Bari, aprile 1998.
Pagina 13 di 13