Traitement temps réel distribué dans les systèmes cyber
Transcription
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.