Traitement temps réel distribué dans les systèmes cyber

Traitement temps réel distribué dans les systèmes cyber-physiques
industriels.
Mots-clés: Industrie du Futur, CPS, Interopérabilité des systèmes, Fog-computing, IoT, Système
distribué.
Laboratoire d’accueil : Laboratoire LINEACT – CESI de Rouen
Direction :
David Baudry, responsable de l’équipe Informatique et Usages et responsable
de la chaire CISCO / CESI « Industrie et Services de demain », HDR
Co-encadrement :
M’hammed Sahnoun, Enseignant / Chercheur
Enseignant / Chercheur Reims
Expert CISCO
Période :
Décembre 2016 – Décembre 2019
Contexte de la thèse
Le développement de l'industrie du futur est l'un des enjeux prioritaires fixés par l’Europe dans les
nouveaux programmes de recherche et l’un des thèmes de recherche et de formation dans le cadre
de la Chaire CISCO / CESI intitulée « Industrie et Services de demain ». L’usine du futur est une usine
fortement connectée. Les machines et produits peuvent communiquer et négocier pour une
production flexible de plusieurs types de produits (Wang, S. et al 2016). Des quantités importantes
d'informations variées sont générées et remontées chaque seconde par les différents capteurs
installés au sein de l’atelier de production que ce soit dans les outils de production, le système
logistique ou les services annexes. Ces informations doivent être collectées et traitées en temps réel
afin d'assurer un bon fonctionnement du système de production (Hermann, M. et al 2016). Les
systèmes centralisés qui collectent et traitent les données (dans un cloud ou au niveau d’une ressource
locale) ont montré leurs limites quand il s’agit de traitement d’un très grand nombre de données et de
prises de décision en temps réel. Cependant, les systèmes distribués ont prouvé leur efficacité pour la
gestion des systèmes complexes en général et plus particulièrement les systèmes de production
complexes (Trentesaux, D. 2009). Pour cela, il faut décentraliser le traitement des données ainsi que
la prise de décision tout en assurant une bonne interopérabilité entre les différentes ressources des
systèmes. Ce découpage dépend principalement de la nature de la tâche demandée, des informations
disponibles et du niveau de décision à prendre. La mise en place de ce type d’architecture nécessite
l’installation de plusieurs nœuds de traitement, de transmission de données et de prises de décision à
plusieurs niveaux. Par ailleurs, la notion de fog-computing a le potentiel d'augmenter les performances
globales des applications IoT (Internet des Objets) en réalisant une partie des services de haut niveau
(traitement de données) offerts par le cloud au niveau des ressources locales (Nandyala, C. S. et al
2016). Par exemple les machines, et les équipements réseaux au plus près des machines, vont être
considérées comme des objets connectés qui iront au-delà de la réception/transmission de données,
en assurant le traitement d’une partie des données collectées ainsi que la prise de décisions
opérationnelles en temps réel, telle que provoquer un arrêt, ou lancer une opération de production.
Les principales difficultés à ce stade sont le choix des données à traiter par les ressources locales, et
celles à transmettre au cloud afin d’être traitées au niveau global. S'ajoutent à ces difficultés, les
problèmes d’interaction avec les opérateurs humains, de surcharge du réseau et de prises de décision
collectives à plusieurs niveaux du système cyber-physique.
Objectifs de la thèse
Dans ce contexte, nous allons nous intéresser dans cette thèse aux problématiques d’interopérabilité
des systèmes et de traitement des données en temps réel:
●
L'interopérabilité demeure un facteur très important de l’industrie du futur. Dans cette
industrie, les CPS (Cyber Physical systems) et les humains sont connectés sur l'IdO (Internet
des Objets) et IdS (Internet des Services). Les standards de communication sont un facteur clé
pour la communication entre les CPS de divers fabricants. L'interopérabilité signifie que tous
les CPS au sein de l'usine (système de transport de pièces, station d'assemblage, et produits)
sont capables de communiquer les uns avec les autres “grâce à des réseaux ouverts et des
descriptions sémantiques" (Hermann, M. 2016). Dans ce contexte, nous traiterons le problème
d'interopérabilité des systèmes et outils de production. On s'intéressera aux différents
standards de communication existants et notamment MTConnect (Lee, B. E. et al 2010).
● Dans le second volet, nous allons étudier l'aspect temps réel de l'application. Les données
générées par les outils de production doivent être collectées et traitées dans des délais très
courts afin d'engendrer des actions en temps réel. On s'intéressera aux traitements distribués
et à la notion de fog-computing qui représente une réelle opportunité pour l’implantation des
architectures de contrôle distribuées.
Un aspect pratique et expérimental très important va accompagner le déroulement des travaux durant
cette thèse grâce au démonstrateur de l’UdF (Usine du Futur) du CESI et la chaire CISCO / CESI.
Profil recherché :
Le/la candidat(e) doit être titulaire d’un Master 2 en informatique et il doit avoir d’excellentes
compétences dans les domaines suivant :




Les systèmes distribués et d’intelligence artificielle.
Virtualisation et cloud computing.
Programmation sous plusieurs environnement (Windows, linux) et avec différents langages
(Java, C/C++, Python).
Communication et rédaction en anglais.
Des connaissances sur les notions de fog-computing et d’automatismes seront appréciées
Références
Kang, H. S., Lee, J. Y., Choi, S., Kim, H., Park, J. H., Son, J. Y., ... & Do Noh, S. (2016). Smart manufacturing: Past
research, present findings, and future directions. International Journal of Precision Engineering and
Manufacturing-Green Technology, 3(1), 111-128.
Hermann, M., Pentek, T., & Otto, B. (2016, January). Design Principles for Industrie 4.0 Scenarios. In 2016 49th
Hawaii International Conference on System Sciences (HICSS) (pp. 3928-3937). IEEE.
Wang, S., Wan, J., Li, D., & Zhang, C. (2016). Implementing smart factory of industrie 4.0: an outlook. International
Journal of Distributed Sensor Networks,2016, 7.
Nandyala, C. S., & Kim, H. K. (2016). From Cloud to Fog and IoT-Based Real-Time U-Healthcare Monitoring for
Smart Homes and Hospitals. Atlantic, 10(2).
Lee, B. E., Michaloski, J., Proctor, F., Venkatesh, S., & Bengtsson, N. (2010, January). Mtconnect-based kaizen for
machine tool processes. In ASME 2010 International Design Engineering Technical Conferences and Computers
and Information in Engineering Conference (pp. 1183-1190). American Society of Mechanical Engineers.
Damien Trentesaux. (2009). Engineering Applications of Artificial Intelligence, 22(7):971 – 978, 2009. Distributed
Control of Production Systems.