Salta al contenuto principale

Bando di concorso 37° ciclo
Admission to Ph.D. programme, 37th cycle

INFORMATICA E AUTOMAZIONE (PON)



Tipologia di procedura selezionata: PROCEDURA UNICA

Descrizione del dottorato
description

descrizione:Il corso di dottorato mira all’acquisizione di una professionalità di elevatissimo livello e di una corretta metodologia per la ricerca scientifica nelle aree dell’Informatica e dell’Automazione. Il corso di dottorato fornirà allo studente una conoscenza approfondita di uno specifico tema di ricerca nell’ambito delle aree di interesse della Sezione di Informatica e Automazione del Dipartimento. Queste includono le basi di dati, le reti di calcolatori, la progettazione assistita dal calcolatore, l’intelligenza artificiale, la robotica, l’automazione industriale, la modellazione e simulazione di sistemi interdipendenti e infrastrutture critiche, e la visualizzazione delle informazioni. Durante il corso di dottorato si porrà molta attenzione, in parallelo all'immersione in uno specifico settore di ricerca, allo sviluppo della capacità di sintesi delle conoscenze pratiche e teoriche del dottorando, nonché all’acquisizione di competenze trasversali trasferibili anche al mondo del lavoro, affinché il dottorando consegua, in aggiunta a una buona maturità e autonomia nell’attività di ricerca, una preparazione ampia, rigorosa e scientificamente approfondita.
title:Computer Science and Automation
description:The PhD program aims to provide students with a solid competence and with a correct methodology for performing scientific research in Computer Science and Automation. The PhD students will acquire deep knowledge of a research topic of interest for the School of Computer Science and Automation of the Engineering Department. A list of possible topics includes, but is not limited to, databases and information systems, computer networks, computer-aided design, artificial intelligence, robotics, automation and industrial organization, modeling and emulation of interdependent systems and critical infrastructures, and information visualization. Together with the in-depth study of a specific research topic, the PhD program has the objective of providing the students with a wide, rigorous, and scientifically profound preparation in all the main topics of Computer Science and Automation. This will enable the students to transfer their practical and technical knowledge to the job market, even outside academia. The PhD program spans three years. Each student is guided by a PhD advisor, who is selected among the Faculty of the Engineering Department of Roma Tre University. During the PhD program, each student can spend some time, usually 6 months, visiting an international research center or university.


Procedure attivate procedures

PROCEDURA STANDARDSI (OBBLIGATORIA) - standard procedure
PROCEDURA RISERVATA PER STRANIERI standard procedureNO

Procedura standard

Specifiche economiche

Specifiche economiche contenute nella richiesta di accreditamento (COMPLESSIVE PER IL CORSO)
Borse Ateneo Borse Dipartimento Borse Esterne Posti senza borsa
0 0 3 0

Tematiche definite per il dottorato

- Estrazione di informazioni da immagini di documenti stampati e manoscritti
Nome dell'azienda partner: myBiros SRL. Periodo obbligatorio previsto in impresa: 12 mesi. Descrizione del progetto: La proposta di attivazione di una borsa di dottorato sulla tematica Innovazione ha come obiettivo di ricerca lo studio, la progettazione e la sperimentazione di nuove tecnologie di Intelligenza Artificiale per l’estrazione di informazioni da immagini di documenti stampati e manoscritti nel contesto più ampio dello studio di soluzioni di supporto ai processi di transizione digitale. L’estrazione di informazioni da documenti (sia stampati che manoscritti) rappresenta infatti un'applicazione di interesse in molte realtà industriali. Il problema è particolarmente sfidante nel caso di documenti disponibili solo come immagini acquisite tramite scannerizzazione o fotografia. Esempi di ambiti industriali in cui il problema è impellente sono quello bancario/finanziario e quello assicurativo: ogni anno vengono processati manualmente milioni di documenti, quali F24, fatture, denunce di sinistri che sono disponibili solo come immagini, sempre più spesso acquisite come fotografie attraverso un semplice smartphone, direttamente dall’utente. Questi documenti contengono informazioni che alimentano complessi processi di business (concessione di un prestito, compilazione di una nota spese, gestione di un sinistro). Tipicamente, queste informazioni sono messe a disposizioni di un sistema informatico attraverso operazioni manuali, in alcuni casi tramite crowdsourcing delocalizzato, penalizzando l’intero processo di business con costi e tempi elevati. E’ importate osservare che la pandemia COVID-19 ha ulteriormente inasprito il problema dell’estrazione di informazioni da immagini di documenti stampati e manoscritti in quanto in molti processi si è diffusa la prassi di richiedere in via telematica documenti acquisiti attraverso fotografie ottenute tramite uno smartphone. I recenti sviluppi dell'Intelligenza Artificiale (IA) stanno aprendo la strada a soluzioni che possono permettere di automatizzare l’estrazione delle informazioni di interesse da immagini di documenti. Queste soluzioni richiedono un approccio multidisciplinare che include tecniche di visione artificiale (Computer Vision, CV) per l'identificazione ed il riconoscimento del testo nelle immagini, e tecniche di processamento del linguaggio naturale (Natural Language Processing, NLP) per il riconoscimento e l’estrazione delle informazioni di interesse dal testo. Negli ultimi anni, le tecniche di Deep Learning (DL) applicate in questi contesti si stanno rivelando molto promettenti, superando le prestazioni di approcci algoritmici tradizionali. Inoltre, i costanti miglioramenti in termini di hardware e risorse cloud rendono possibile l’impiego di queste soluzioni in contesti industriali. L'utilizzo di soluzioni DL nel campo del riconoscimento del testo ha permesso di superare i limiti dei sistemi precedenti, producendo buoni risultati anche per il riconoscimento di testi manoscritti. Analogamente, soluzioni DL per il processamento del testo e l’estrazione di informazioni hanno portato a superare i limiti delle soluzioni tradizionali basate su regole. In definitiva, lo studio di tecniche basate sul DL che sinergicamente affrontano problemi di CV e problemi di NLP rappresenta una strada promettente per l'implementazione di innovativi sistemi in grado di automatizzare il processo di estrazione di informazioni da immagini di documenti. Un possibile ostacolo all’applicazione di queste tecniche può essere dovuto allo sforzo di creare i dati di esempio con cui addestrare il sistema di DL. Tuttavia, l'adozione di tecniche di Transfer Learning (TL) e di Data Augmentation (DA) possono permettere di sviluppare processi di addestramento che, partendo da un dominio iniziale, convergono rapidamente verso il dominio di interesse. In questa prospettiva si inserisce l’idea studiare nuove di tecniche di data engineering e deep learning per la generazione di sistemi di estrazione di informazioni da immagini di documenti stampati e manoscritti. L’obiettivo è la realizzazione di un sistema end-to-end in grado di supportare l’intero ciclo di addestramento, validazione, produzione in contesti aziendali concreti che richiedono il processamento di ingenti volumi di documenti.
- Information extraction from images of printed and handwritten documents
Name of the partner company: myBiros SRL. Mandatory period foreseen to spend in the company: 12 months. Project description: The PhD proposal aims at studying, designing and experimenting new Artificial Intelligence technologies for the extraction of information from images of printed documents and manuscripts in the broader context of digital transition. The extraction of information from documents (both printed and manuscript) represents an application of interest in many industrial scenarios. The problem is particularly challenging in the case of documents that are available only as scanned or photographed images. Examples of industrial areas in which the problem is pressing are banking/financial/insurance: every year, companies in these sectors have to process manually millions of documents that are available only as images, typically acquired as photographs through a simple smartphone. These documents contain information that feeds complex business processes - granting a loan, an expense report, handling a claim. In many cases, the problem is currently addressed by crowdsourcing the information extraction process, penalizing the entire business process because of the high costs and latency. It is worth noting that the COVID-19 pandemic has further exacerbated the problem of extracting information from images of printed and handwritten documents, as many more processes are requiring documents typically acquired by means of a smartphone photo. Recent developments in Artificial Intelligence (AI) are paving the way for solutions that can automate the extraction of information of interest from images of documents. These solutions need a multidisciplinary approach that includes computer vision (CV) techniques for identifying and recognizing text in images, and natural language processing (NLP) techniques for recognizing and extracting information of interest from the text. Recently, the application of Deep Learning (DL) techniques appears promising to face these problems, with performances that overcome traditional algorithmic approaches. Furthermore, the constant improvements in terms of hardware and cloud resources make it possible to use these solutions in industrial contexts. The adoption of DL solutions in the field of text recognition has made it possible to overcome the limitations of previous systems, producing good results also for the recognition of handwritten texts. Similarly, DL solutions for text processing and information extraction are overcoming the limitations of traditional rules-based solutions. Finally, the study of DL-based techniques that synergistically address CV problems and NLP problems represents a promising way for the implementation of innovative systems capable of automating the process of extracting information from images of documents. An obstacle to the application of these techniques may be due to the effort to create sample training data. However, the adoption of Transfer Learning (TL) and Data Augmentation (DA) techniques can allow the development of training processes that, starting from an initial domain, quickly converge towards the domain of interest. In this perspective, the PhD project aims at studying new data engineering and deep learning techniques for developing novel solutions to automate the extraction of information from images of printed and handwritten documents. The goal is to create an end-to-end system capable of supporting the entire training, validation and production cycle in concrete business contexts that require processing large volumes of documents.

- Sviluppo Sostenibile nella Home e Building Automation
Nome dell'azienda partner: EVOLVEA SRL. Periodo obbligatorio previsto in impresa: 6 mesi. Descrizione del progetto: Il dottorato di ricerca che si intende proporre si innesta sulla tematica della home/building automation con particolare attenzione alla promozione di uno sviluppo sostenibile. La crescita economica sostenibile, già evidenziata nella Strategia Energetica Nazionale, dovrà essere perseguita focalizzandosi sulle seguenti priorità di azione: lo sviluppo delle rinnovabili, l'efficienza energetica, la sicurezza Energetica, la competitività dei Mercati Energetici, l’accelerazione nella decarbonizzazione del sistema e una spinta maggiore verso l’uso della Tecnologia, lo sviluppo della Ricerca e il perseguimento dell’Innovazione. In questo senso, la Strategia Nazionale di Specializzazione Intelligente (SNSI) prevede 5 Aree Tematiche, tra le quali appaiono “energia e ambiente” e “Smart Communities” e il dottorato che si intende portare avanti si occuperebbe da vicino dello studio di strategie di controllo proattive dei consumi energetici nelle abitazioni in grado di far convergere le esigenze dei singoli con la necessità di implementare schemi di active demand. La progettazione di un aggregatore intelligente a livello di edificio o di smart energy community, basato su tecniche di previsione della domanda partecipative in parte derivate dall’Intelligenza Artificiale, potrà rendere le community più autonome e abilitare la progettazione di Smart Micro Grids molto efficienti. Tenendo in considerazione la rotta tracciata dalla Comunità Europea verso l’efficientamento energetico, si potranno approfondire le tematiche inerenti alle tecnologie abilitanti, come ad esempio l’utilizzo dei paradigmi concettuali dell’IoT e del Edge Computing, essenziali per la definizione dello Smart Readiness Indicator (SRI) per gli edifici. Sarà possibile realizzare una attività di ricerca e sviluppo di ecosistemi basati su tecnologie di tipo Registri Distribuiti (DLT), in linea con la Strategia Europea (European Blockchain Partnership), per evidenziare le caratteristiche distintive e le potenzialità della tecnologia blockchain applicata in questo contesto. Il tutto, ovviamente, senza tralasciare Safety e Security, due aspetti cruciali per implementare i concetti di resilienza e di business continuity declinati per i servizi essenziali. D’altro canto, il Programma Nazionale per la Ricerca (PNR), promuove le tematiche di “Energia”, “Secure and Inclusive Communities” e “Tecnologie per gli Ambienti di Vita” e indica come in queste aree la ricerca, soprattutto se realizzata in collaborazione tra pubblico e privato, può produrre i migliori risultati. Il dottorato si propone di collaborare attivamente con il settore privato e ha individuato l’azienda EVOLVEA SRL, che fa parte del Gruppo Filippetti, definito come un Global Technology Provider italiano, come un possibile partner. L’azienda opera già nel settore dell’energia e del green ed è intenzionata ad ampliare il proprio bagaglio di conoscenze nella gestione delle Smart Grid.
- Sustainable Development in Home and Building Automation
Name of the partner company: EVOLVEA SRL. Mandatory period foreseen to spend in the company: 6 months. Project description: The research doctorate to be proposed is grafted onto the theme of home / building automation with particular attention to the promotion of sustainable development. Sustainable economic growth, already highlighted in the National Energy Strategy, must be pursued by focusing on the following priorities for action: the development of renewables, energy efficiency, Energy safety, the competitiveness of Energy Markets, acceleration in the decarbonisation of the system and a greater push towards the use of Technology, the development of Research and the pursuit of Innovation. In this sense, the National Strategy of Intelligent Specialization (SNSI) envisages 5 Thematic Areas, among which "energy and environment" and "Smart Communities" appear and the doctorate to be pursued would closely study the study of control strategies proactive energy consumption in homes able to converge the needs of individuals with the need to implement active demand schemes. The design of an intelligent aggregator at the building or smart energy community level, based on participatory demand forecasting techniques partly derived from Artificial Intelligence, will make communities more autonomous and enable the design of highly efficient Smart Micro Grids. Taking into consideration the route traced by the European Community towards energy efficiency, it will be possible to deepen the issues inherent to enabling technologies, such as the use of the conceptual paradigms of the IoT and Edge Computing, essential for the definition of the Smart Readiness Indicator. (SRI) for buildings. It will be possible to carry out research and development of ecosystems based on Distributed Register (DLT) technologies, in line with the European Strategy (European Blockchain Partnership), to highlight the distinctive characteristics and potential of blockchain technology applied in this context. All of this, of course, without neglecting Safety and Security, two crucial aspects for implementing the concepts of resilience and business continuity declined for essential services. On the other hand, the National Research Program (PNR) promotes the themes of "Energy", "Secure and Inclusive Communities" and "Technologies for Living Environments" and indicates how research in these areas, especially if carried out in collaboration between public and private, it can produce the best results. The doctorate aims to actively collaborate with the private sector and has identified the company EVOLVEA SRL, which is part of the Filippetti Group, defined as an Italian Global Technology Provider, as a possible partner. The company already operates in the energy and green sector and intends to expand its wealth of knowledge in the management of Smart Grids.

- Metodi di coordinamento per sistemi multi-robot in ambienti condivisi con operatori umani per applicazioni di Agricoltura di Precisione
Nome dell'azienda partner: Sigma Consulting S.r.l. Periodo obbligatorio previsto in impresa: 6 mesi. Descrizione del progetto: La proposta di dottorato si pone l’obiettivo di studiare, progettare e sperimentare metodologie per il coordinamento distribuito di sistemi multi-robot, ovvero costituiti da più piattaforme robotiche, in grado di coesistere in maniera sicura ed interagire con operatori umani in contesti di Agricoltura di Precisione (AP). La proposta si inserisce, dunque, nel quadro delle tematiche green e, in particolare, mira a contribuire all’automatizzazione dei processi alla base del moderno paradigma dell’AP. Quest’ultimo è un modello per la gestione delle aziende agricole volto a ottimizzare la qualità, quantità e sostenibilità della produzione agricola attraverso i) un continuo monitoraggio dell'area agricola e ii) un rispettivo intervento puntuale sulla base dei bisogni specifici di ciascuna pianta. Ne consegue che, in sistemi su larga scala, tale paradigma di gestione risulta di difficile realizzazione mediante la sola forza lavoro umana, in quanto richiede una costante analisi e possibile intervento sull’intera superficie agricola. A tale scopo, la proposta di progetto intende utilizzare e coordinare squadre di robot, aerei o di terra, per svolgere operazioni di monitoraggio e/o di intervento mirato. In particolare, il progetto si pone l’obiettivo di definire leggi di controllo distribuito che consentano a ciascun robot, sulla base di informazioni ottenute da sensori a bordo e di informazioni pervenute da robot nelle vicinanze, di stabilire le azioni da perseguire al fine di conseguire un obiettivo comune. Un esempio di tale compito comune può essere la visita ed il monitoraggio di tutte le piante in una data area di interesse. Le innumerevoli fonti di variabilità nei contesti agricoli possono, tuttavia, compromettere l’efficacia degli esistenti algoritmi di controllo e coordinamento dei robot. Tale variabilità può derivare da svariati fattori, tra cui variabili meteorologiche (temperatura, precipitazioni, umidità relativa, ecc.), caratteristiche del suolo (consistenza, profondità, livelli di azoto) e pratiche colturali, e può generare ambienti altamente non strutturati e dinamici in cui i robot devono operare. Per gestire efficacemente tali variabilità, il progetto di dottorato si propone di agire su due linee complementari: i) da un lato, lo sviluppo di leggi di controllo robuste in grado di far fronte ad eventuali disturbi e, al contempo, ii) l’integrazione di operatori umani nel ciclo di controllo dei robot, ossia il cosiddetto “human-in-the-loop”. La sinergia uomo-robot consente, infatti, di combinare le elevate capacità fisiche dei robot, in grado di svolgere in maniera ripetibile e precisa operazioni predefinite in condizioni di lavoro note, con le elevate capacità cognitive degli operatori umani, in grado di far fronte a situazioni inattese e condizioni di lavoro dinamiche. In tale scenario collaborativo, dunque, gli operatori umani possono guidare il comportamento del sistema multi-robot ogni qualvolta questo si trovi in condizioni in cui non è in grado di stabilire le azioni da intraprendere. Al contempo, il sistema multi-robot deve essere capace di reagire opportunamente alle indicazioni degli operatori umani, garantendone sempre la sicurezza anche in contesti di coesistenza nella stessa area. Inoltre, i recenti progressi sulla interazione uomo-robot nell’ambito delle “fabbriche intelligenti”, mediante l’avvento di robot collaborativi, suggeriscono che lo sviluppo di metodologie di interazione uomo-multi-robot in ambienti agricoli costituisca una strada promettente per ottenere sistemi complessivamente estremamente flessibili ed adattabili a diverse condizioni lavorative. In conclusione, la proposta di progetto ambisce a realizzare un ulteriore passo verso l’efficace utilizzo di sistemi multi-robot in ambienti agricoli, altamente dinamici e non strutturati. A tale scopo, la proposta mira a sviluppare metodologie di controllo robusto e di integrare operatori umani nel ciclo di controllo. Tale ambizione è, infine, avvalorata dalla forte esperienza del gruppo di ricerca, e della azienda coinvolta, in ambito di agricoltura di precisione, coordinamento di sistemi multi-agente e interazione uomo-robot realizzata mediante progetti internazionali (progetti Horizon 2020 Pantheon e Canopies) e nazionali (progetti Agr-o-rama e Paradise).
- Coordination methods for multi-robot systems in shared environments with human operators for Precision Agriculture applications
Name of the partner company: Sigma Consulting S.r.l. Mandatory period foreseen to spend in the company: 6 months. Project description: The PhD proposal aims to study, design and test methodologies for the distributed coordination of multi-robot systems, i.e., composed of multiple robotic platforms, able to safely coexist and interact with human operators in Precision Agriculture (PA). Thus, the proposal fits within the framework of green issues and is intended to contribute to the automation of the processes underlying the modern PA paradigm. The latter is a management model for farms aimed at optimizing the quality, quantity and sustainability of agricultural production through i) continuous monitoring of the agricultural area and ii) a timely intervention based on the specific needs of each plant. It follows that, in large-scale systems, this management paradigm is difficult to achieve by the human workforce alone, as it requires constant analysis and possible intervention on the entire agricultural area. For this purpose, the project proposal intends to use and coordinate teams of robots, aerial or ground, to carry out monitoring and/or targeted intervention operations. In particular, the project aims to define distributed control laws that allow each robot, based on information obtained from on-board sensors and from neighbor robots, to establish the actions to be pursued in order to achieve a common goal. An example of such a common task could be the visit and monitoring of all plants in a given area of interest. However, the countless sources of variability in agricultural contexts can compromise the effectiveness of current robot control and coordination algorithms. This variability can derive from various factors, including meteorological variables (temperature, precipitation, relative humidity, etc.), soil characteristics (consistency, depth, nitrogen levels) and cultivation practices, and can generate highly unstructured and dynamic environments in which robots must operate. To effectively manage this variability, the PhD project aims to act on two complementary lines: i) on the one hand, the development of robust control laws capable of coping with any disturbances and, on the other hand, ii) the integration of human operators in the robot control loop. The human-robot synergy allows, in fact, to combine the high physical capabilities of robots, able to perform repeatable and precise predefined operations in known working conditions, with the high cognitive abilities of human operators, able to cope with unexpected situations and dynamic working conditions. Therefore, in such a collaborative scenario, humans can guide the robots’ behavior whenever they are unable to establish the actions to be taken. At the same time, the multi-robot system must be able to react appropriately to the inputs from human operators, while guaranteeing their safety even when coexisting in the same area. Furthermore, the recent advances on human-robot interaction in the context of "smart factories", through the advent of collaborative robots, suggest that the development of human-multi-robot interaction methodologies in agricultural environments constitutes a promising way to obtain systems that are overall extremely flexible and adaptable to different working conditions. In conclusion, the project proposal aims to take a further step towards the effective use of multi-robot systems in highly dynamic and unstructured agricultural environments. To this end, the proposal aims to develop robust control methodologies and to integrate human operators in the control loops. Finally, this ambition is supported by the strong experience of the research group and of the company involved in the field of precision agriculture, coordination of multi-agent systems and human-robot interaction achieved through international (EU Horizon 2020 Pantheon and Canopies projects) and national (Agr-o-rama and Paradise projects) projects.

Il candidato sceglierà una tematica in fase di presentazione della candidatura on line



Procedura concorsuale

Valutazione titoli Sarà valutata tutta la documentazione obbligatoria e facoltativa presentata dal candidato. Parte della documentazione obbligatoria è costituita da un progetto di ricerca, che deve necessariamente essere coerente con una delle tematiche proposte per il dottorato. Sono richiesti almeno 18 punti su 30 per essere ammessi alla prova orale.
All mandatory and optional documentation submitted by the candidate will be evaluated. Part of the mandatory documentation consists of a research project, which must necessarily be consistent with one of the themes proposed for the doctorate. At least 18 points out of 30 are required to be admitted to the oral exam.
Prova orale Il colloquio sarà finalizzato alla verifica dell'attitudine alla ricerca, della disponibilità a svolgere esperienze in azienda e degli interessi scientifici del candidato. Sarà richiesto al candidato di illustrare la proposta di ricerca presentata unitamente alla domanda di partecipazione, in relazione alla tematica scelta per il dottorato di ricerca, e avrà luogo in italiano o, su richiesta dello stesso, in inglese. Comunque il colloquio dovrà accertare la conoscenza della lingua inglese.
The interview will be aimed at verifying the candidate's aptitude for research, the willingness to conduct part of the research in a company, and the scientific interests. The candidate will be required to illustrate the research proposal presented together with the application form, in relation to the topic chosen for the research doctorate. The interview will take place in Italian or, at the request of the candidate, in English. In any case, the interview must ascertain knowledge of the English language.

Recapiti e ulteriori informazioni (validi per il dottorato e per tutti gli eventuali curricola)

Informazioni e recapiti https://ingegneria.uniroma3.it/ricerca/dottorati-di-ricerca/dottorato-di-ricerca-in-informatica-e-automazione/ marina.cibati@uniroma3.it +39 06 5733 3259
Eventuali ulteriori informazioni

Curriculum studiorum

data e voto di laurea (obbligatorio)
elenco degli esami sostenuti per la laurea MAGISTRALE e relative votazioni (obbligatorio)
elenco cronologico di Borse di studio, Assegni di ricerca (et similia) percepiti
Diplomi/certificati di conoscenza lingue estere
Diplomi/attestati di partecipazione di corsi universitari post-lauream
Attestati di partecipazione a gruppi di ricerca
Attestati di partecipazione a stage
Altri riconoscimenti (p. es.: premiazione in concorsi, seconda laurea)

Ulteriore documentazione richiesta ai candidati

abstract tesi di laurea Obbligatorio
progetto di ricerca Obbligatorio
prima lettera di presentazione (a cura di un docente) Non obbligatorio
elenco delle pubblicazioni Non obbligatorio
descrizione delle precedenti esperienze di ricerca Non obbligatorio
tesi di laurea (completa) Obbligatorio
lettera di motivazione con indicazione della preferenza non vincolante per un curriculum (a cura del candidato) Obbligatorio
pubblicazioni (un pdf per ciascuna) Non obbligatorio

Competenza linguistica richiesta ai candidati

Il candidato dovrà obbligatoriamente conoscere le seguenti lingue:
INGLESE


Roma, 12 ottobre 2021



Copyright 2017 Università degli studi Roma Tre | C.F./P.I. n. 04400441004 | Privacy | Note Legali
A cura dell'Agenzia per la Ricerca - Ufficio Ricerca Nazionale e Area Sistemi Informativi

Powered by Cantieri Informatici