برگزاری همایش‌های سالانه به منظور به اشتراک گذاردن تجارب و آخرین دستاوردهای علمی می‌تواند گامی مؤثر در راستای پیشرفت علم باشد. به همین منظور در کنفرانس بین المللی کنترل، ابزار دقیق و اتوماسیون از متخصصان حوزه‌های مرتبط دعوت به عمل آمده تا آخرین دستاوردها و چالشهای علمی را با شرکت‌کنندگان کنفرانس به اشتراک بگذارند. اطلاع یافتن از جدیدترین فرصت‌ها در زمینه‌ی مهندسی کنترل می‌تواند دید شرکت‌کنندگان را وسیع‌تر نموده و بستر مناسب را برای رشد سریع علمی در حوزه شبکه‌های هوشمند فراهم نماید. در همین راستا، از محققان و متخصصین برتر بین‌المللی این حوضه دعوت بعمل آمده تا آخرین تجارب علمی و همچنین چشم‌انداز پیش‌روی این حوزه را تحت عنوان سخنرانی کلیدی برای شرکت‌کنندگان ارائه نمایند.

سخنرانان کلیدی کنفرانس به قرار زیر می‌باشند:

Florian Dörfler استادیار آزمایشگاه کنترل اتوماتیک در دانشگاه ETH Zürich است. او دکترای خود را در رشته مهندسی مکانیک از دانشگاه کالیفرنیا در Santa Barbara در سال 2013 و همچنین مدرک دیپلم خود را در رشته مهندسی Cybernetics از دانشگاه اشتوتگارت در سال 2008 دریافت کرده است. از 2013 تا 2014 او به عنوان استادیاردر دانشگاه کالیفرنیا لس آنجلس مشغول به فعالیت بود. زمینه های پژوهشی ایشان در حوزه کنترل توزیع شده، شبکه های مختلط و سیستم های سایبر-فیزیکی و همچنین کاربردهای آن در سیستم های انرژی و شبکه های هوشمند می¬باشد. دانشجویان او برندگان جایزه بهترین مقاله دانشجویی در کنفرانس European Control در سال 2013 و 2019، کنفرانس American Control در سال 2016 و کنفرانس PES PowerTech درسال 2017 بودند. مقالات او در سال 2010 در مجله ACC جایزه بهترین مقاله دانشجویی، در سال 2011 در مجله O. Hugo Schuck جایزه بهترین مقاله، در سال 2012-2014 در مجله Automatica جایزه بهترین مقاله را دریافت کرد. وی همچنین درسال 2016 در مجله and Systems IEEE Circuits برنده جایزه بهترین مقاله Guillemin-Cauer شد. او موفق به دریافت Regents Special International Fellowship درسال 2009، Peter J. Frenkel Foundation Fellowship, در سال 2011 و برنده جایزه بهترین مدرک دکتری UCSB ME در سال 2009 شد.

عنوان : کنترل پیش بین مبتنی بر داده در سیستم های انرژی اتوماتیک

چکیده: ما به مسئله کنترل محدود و بهینه برای سیستم های ناشناخته می‌پردازیم. یک الگوریتم کنترل پیش بین بین مبتنی بر داده جدید (DeePC) ارائه میشود که با استفاده از فیدبک زمان واقعی گرفته شده از سیستم ناشناخته ، خط مشی های کنترل بهینه و امن را در راستای مسیر دلخواه با رعایت محدودیت های سیستم، محاسبه می‌کند. با بهره‌گیری از تعدادی محدود از نمونه داده های سیستم ناشناخته، الگوریتم پیشنهادی ما از یک رویکردِ تئوری سیستم های شناختی برای یادگیری مدل سیستم غیر پارامتری استفاده شده برای پیش بینی مسیر های آینده بهره می‌گیرد. ما نشان می‌دهیم که در مورد سیستم های قطعی تغییر ناپذیر با زمان، الگوریتم DeePC با مدل کنترل پیش بین مبتنی بر مدل (MPC) تطبیقی معادل است اما بطور کلی در زمینه شناسایی سیستم های بعدی و کنترل مبتنی بر مدل عملکرد بهتری دارد. برای اینکه الگوریتم DeePC بر سیستم های غیر خطی و تصادفی منطبق شود ما تنظیمات خاصی را پیشنهاد می‌کنیم. با استفاده از تکنیک های بهینه سازی تصادفی مقاوم توزیع شده، ما ثابت می کنیم که این تنظیمات بطور حتم DeePC را در برابر داده های مخدوش مقاوم سازی می‌کند. نتایج شبیه سازی غیر خطی و نویز دار برای سیستم های اتوماتیک انرژی و همچنین رباتیک پرنده نشان داده میشود.

دکتر علی خاکی‌صدیق دانش آموخته کارشناسی از دانشگاه نیوکاسل، انگلستان (۱۹۸۳)، کارشناسی ارشد سیستم‌های کنترل از یومیست، انگلستان (۱۹۸۵) و دکتری سیستم‌های کنترل از دانشگاه سالفورد، انگلستان (۱۹۸۸) می‌باشد و هم اکنون استاد گروه کنترل دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی است. وی به عنوان استاد نمونه وزارت علوم، تحقیقات و فناوری سال ۱۳۷۸-۱۳۷۷ و اولین استاد برجسته مهندسی در سال ۱۳۹۱ توسط فرهنگستان علوم جمهوری اسلامی ایران انتخاب شد و در چندین نوبت به عنوان پژوهشگر و استاد نمونه آموزشی دانشگاه برگزیده شد. دکتر خاکی صدیق ریاست دانشگاه صنعتی خواجه نصیرالدین طوسی را در سال‌های ۱۳۸۶-۱۳۸۲ و ۱۳۹۲ تا ۱۳۹۸ در کارنامه کاری خود دارد. وی چهارده عنوان کتاب تخصصی ترجمه و تألیف کرده و چندین کتاب تألیفی وی به عنوان کتاب‌های سال دانشگاه‌ها معرفی شده‌اند. هم‌چنین ۱۲۰ مقاله چاپ شده در مجلات بین‌المللی، ۲۲ مقاله علمی پژوهشی فارسی داشته و ۱۶۰ مقاله در کنفرانس‌های داخلی و خارجی ارائه کرده است. زمینه‌های تحقیقاتی ایشان شامل کنترل تطبیقی و مقاوم، کنترل پیش­ بین، کاربردهای مهندسی کنترل و تاریخ مهندسی کنترل می‌باشد.

امروزه با توسعه علم و فناوری، فرآیندهای عملی در صنایع شیمیایی، متالورژی، ماشین آلات، الکترونیک، برق و حمل و نقل پیچیده‌تر شده‌اند. بنابراین، مدلسازی فرآیندها با استفاده از اصول و قواعد اولیه یا شناسایی، دشوارتر شده است. به همین دلیل، استفاده از روشهای کنترلی مبتنی بر مدل (MBC ) برای کنترل این سیستم‌ها غیرعملی است. از سوی دیگر، داده های جمع آوری شده از فرآیندها به راحتی قابل دسترسی هستند و می‌توانند برای طراحی کنترلرهای کارا و موثر استفاده شوند. رویکردهای کنترل مبتنی بر داده (DDC ) مجموعه‌ای از روش‌های کنترلی هستند که در آن کنترل‌کننده به طور مستقیم بر اساس داده‌های ورودی و خروجی جمع‌آوری شده از فرآیندها و بدون نیاز به مدل سیستم طراحی می‌شود. تا به حال چند روش کنترلی مبتنی بر داده همانند MFAC ، IFT ، VRFT ، ILC ارائه شده است. با توجه به نوع استفاده از داده‌ها، روش‌های مبتنی بر داده را می‌توان به سه گروه تقسیم‌بندی کرد: روشهایی که طراحی را براساس داده‌های روی خط (online) انجام می‌دهند؛ روشهایی که از داده‌های خارج از خط (offline) استفاده می‌کنند و روشهایی که بر اساس هر دو نوع داده هستند (روشهای مبتنی بر داده ترکیبی).

پرفسور فرانک آلگووِر مدیر مؤسسه نظریه سیستم‌ها و کنترل اتوماتیک و استاد مهندسی مکانیک در دانشگاه اشتوتگارت آلمان است. علایق اصلی وی در زمینه پژوهش و آموزش در حوزۀ سیستم‌ها و کنترل با تأکید بر توسعۀ روش‌های جدید برای کنترل مبتنی بر بهینه‌سازی، شبکۀ سیستم‌ها، کنترل مبتنی بر داده و بیولوژی سیستم‌ها است. او برای کار خود جوایزی از جمله جایزه خدمات برجسته IFAC، جایزۀ عضو برجسته IEEE CSS، جایزۀ تدریس بادن-وورتمبرگ آلمان و جایزۀ لایبنیتز از Deutsche Forschungsgemeinschaft دریافت کرده است. فرانک آلگوور طی سال‌های 2017 تا 2020 رئیس فدراسیون بین‌المللی کنترل اتوماتیک (IFAC) بود. او از سال 2001 تا سال 2015 ویراستار مجلۀ اتوماتیکا و همچنین ویراستار یادداشت-های سخنرانی اسپرینگر در مجموعه کتاب‌های علم اطلاعات و کنترل بود و بیش از 500 مقالۀ علمی منتشر کرده است. از سال 2012 نیز به عنوان معاون بنیاد پژوهش آلمان (DFG) مشغول به کار است.

عنوان: گذشته، حال و آیندۀ مدل کنترل پیش‌بین 

چکیده: در طول دهه‌های گذشته، کنترل پیش‌بین (MPC) به یک استراتژی کنترلی محبوب برای کنترل تعداد زیادی از مسائل کنترل صنعتی از کنترل برج تقطیر گرفته تا هدایت خودکار تبدیل شده است. مسائل محاسباتی، ابعاد کاربردی و ویژگی‌های نظری MPC (مانندپایداری و مقاوم بودن) اکنون به نسبت، خوب درک می‌شوند و این نظریه حتی برای سیستم‌های غیرخطی نیز  به خوبی توسعه می‌یابد. با این حال، در طول دو سال گذشته، تمایلات جدید جالبی در زمینه MPC وجود داشته که این رشته را به روشی پایدار تغییر می‌دهد. در این بررسی اجمالی، مقدمه‌ و مروری بر زمینه‌های کلی کنترل پیش‌بین، متمرکز بر گرایشات جدید را ارائه می‌کنیم. مهم‌ترین گرایش از میان آنها بر دست‌یابی به هدف کنترلی متمرکز است. در فرمولاسیون MPC استاندارد، هدف کنترلی مورد نظر معمولاً پایداری در نقاط تنظیم یا مسیرهای مورد ردیابی است. در مقابل، هدف اصلی یا به اصطلاح «MPC اقتصادی» در بهبود عملکرد حلقۀ بسته قرار دارد که در آن هزینه‌ها برای بهینه شدن مستقیماً به برخی از اهداف اقتصادی مرتبط هستند. این تغییر در وظایف کنترلی که باید حل شوند مورد علاقه بسیاری از کاربردهای صنعتی مانند کنترل ربات، توانایی کار خودکار یا فرایندهای تولید صنعتی در چهارچوب صنعت است و مورد بحث قرار خواهند گرفت. ثانیاً، نتایج جدید جالبی برای مدل کنترل پیش‌بین اقتصادی توزیع شده، برای کنترل شبکه‌های سیستم‌ها اخیراً توسعه یافته و در مورد آن بحث خواهد شد. و ثالثاً، احتمالات جدید ناشی از علم و یادگیری داده‌ها به پیشرفت‌هایی جدید در MPC منجر شده که به طور خلاصه در این بررسی اجمالی مورد توجه قرار خواهند گرفت.

لئون اورباس (member IEEE، Namur، VDI GMA، VDI/GVC ProcessNet) یکی از دانشمندان مهندسی محاسبات (computational engineering scientist by training) است و دکترای خود را در مهندسی سیستم‌های فرآیند در زمینه بررسی سیستم‌های آموزشی اپراتور در دانشگاه صنعتی برلین به انجام رسانده است. وی تجربۀ چندین ساله‌ای در بهینه‌سازی و اتوماسیون، در فرآیندهای صنعتی دارد و همچنین پژوهش‌های بنیادی روی تعامل انسان-ماشین انجام داده و پایه‌هایی به شرح زیر را برای گروهش در دانشگاه صنعتی درِسدِن برای بررسی عناصر کلیدی تحول دیجیتال در فرآیند صنعت فراهم کرده است: مدل‌های اطلاعات معنایی مربوط به مهندسی سیستم-های فرآیند و اتوماسیون در چهارچوب فرآیند-محصول-منبع و کاربرد آنها در سرعت بخشیدن به روش‌های مهندسی و جریان کار در سیستم های ماژولار. این پژوهشِ کاربردی مسیرهایی را برای پژوهش بنیادین این گروه روی فن آوری های انسانی و همکاری در سیستم‌های تولید سایبری-فیزیکی فراهم کرده است. وی در TU درسدن، رئیس دانشکده مطالعات مهندسی سیستم‌های اطلاعاتی، عضو هیئت‌مدیره آزمایشگاه فرآیند به سفارش (Process-to-Order) و سخنگوی گروه آموزشی پژوهشی DFG در طراحی هدایتی سیستم‌های تولید سایبری-فیزیکی است. وی عضو هیئت مشاورۀ ProcessNet Process و Plant Engineering Division و سخنگوی VDI/VDE GMA 5.16 Task Force در مورد ساختار‌های اتوماسیون در آینده است.

عنوان: بهینه‌سازی عملکرد در مقابل حریم خصوصی داده‌ها در شبکه‌های ارزش 

چکیده: بستن حلقه‌های کنترل در شبکه‌های ایجاد ارزش در طول فرآیندها و شرکت‌های مختلف جنبه-ای امیدوارکننده ای برای دیجیتالی شدن اقتصادهای دارای گردش مقاوم است. رابط‌های باز، معماری‌های اتوماسیون مدولار و روش‌های جدید برای طراحی کنترل‌های توزیع شده احتمال اجرای چنین برنامه‌هایی را فراهم می‌آورد. با این حال، در طول این شبکۀ ارزش، به اطلاعات  واقعی مرتبط به فرآیند نیاز داریم، که ممکن است در برگیرندۀ شرکایی با سطوح مختلف اعتماد شود. این سخنرانی حاوی دو بخش است: 1) مروری بر روش‌های کنونی حفظ حریم خصوصی، و 2) گزارشاتی در مورد پژوهش‌های اخیر مربوط به فرصت‌ها و ریسک‌های افشای اطلاعات در شبکه‌های ارزش.