Sujet de Thèse
Modèle et Architecture à Intelligence distribuée pour Objets Connectés autonomes en essaim, à faible empreinte énergétique, pour l'internet des objets
industriels
Dates :
2022/10/13 - 2025/10/12
Etudiant :
Encadrant(s) :
Description :
L'émergence de l'Internet des Objets (IoT) - la connexion en réseau des objets, des processus, des données et personnes - a considérablement multiplié le
nombre d'appareils connectés dans le monde, des milliards d'unités que nous avons aujourd'hui aux dizaines de milliards qui devraient être déployés dans
les années à venir dans l'industrie, le secteur automobile, la santé, l'agriculture, la ville intelligente, le grand public ... (IoTAnalytics, 2022).
L'approche "Edge Computing" suscite un intérêt croissant dans tous les secteurs industriels pour relever les défis susmentionnés grâce à sa capacité à
fournir de nouvelles façons de maximiser l'efficacité opérationnelle, d'automatiser les processus métiers et d'améliorer les performances globales par le
traitement et l'analyse des données collectées par les objets IoT. L'ajout des performances à croissance exponentielle des systèmes microélectroniques,
ainsi que le débit croissant et la faible latence des communications 5G aux applications embarquées sur les objets IoT ouvre des axes d'innovation
majeure. Une des évolutions conceptuelle et scientifique en cours est la transformation de la gestion d'objets connectés indépendants vers la coordination
intelligente d'objets autonomes en essaim, appelée "Swarm Computing" ou intelligence distribuée en essaim [1].
L'intelligence distribuée en essaim nécessite la coopération continue entre les objets autonomes (par exemple les objets intelligents, des machines, des
robots, ...) et des plates-formes de services Cloud, permettant aux applications d'être exécutés par des structures ad hoc auto-formées et auto-organisées
d'objets intelligents distribués et hétérogènes.
Exploitant ces avancées, les essaims adoptent le concept de la collaboration collective de ressources et de données hétérogènes parvenant à un consensus
pour l'autogestion dans un but commun. Un Swarm est une entité autonome qui orchestre et intègre des objets autonomes distincts, embrassant le pouvoir
du collectif et agissant selon un objectif commun. L'objet dans l'essaim doit être identifiable et authentifié tandis que l'essaim, dans son ensemble, doit
être protégé contre les comportements malveillants et digne de confiance pour fonctionner comme prévu.
D'autre part, la consommation d'énergie et les contraintes réseau des noeuds intelligents qui contribuent à l'essaim doivent également être prises en
compte afin d'offrir une intelligence d'essaim durable et une autonomie énergétique maximale [2].
D'autre part, les progrès des systèmes embarqués qui impliquent des dispositifs hétérogènes à base de multiprocesseurs sur puce (MPSoC), des unités de
traitement neuromorphiques (NPU) comme les TPU (Tensor Processor Unit) de Google, transforment les noeuds IoT en objets intelligents, peuvent offrir
une plateforme d'expérimentation et de preuve de concept, avec une puissance de calcul considérable pour l'intelligence artificielle légère (Light AI et
TinyML). Le concept de "Swarm computing" allié aux capacités croissantes des équipements d'IoT d'intégrer de modèles d'IA ouvre la voie à de
nouvelles propositions d'augmentation des performances et des fonctionnalités des objets connectés autonomes gérés en essaim dans les domaines
industriels de l'IoT.
La problématique cyber-sécurité doit être prise en compte dans une architecture d'intelligence distribuée. Ainsi des agents de sécurité (et de confiance)
dédiés et répartis dans l'essaim peuvent contribuer à une authentification et une confiance collective, ainsi qu'à la détection d'intrusion qui empêchera et
détectera les attaques malveillantes sur les noeuds [3].
Le travail de recherche de cette thèse se place dans le cadre des systèmes intelligents dans les domaines applicatifs de l'industrie 4.0, de l'environnement
et de l'énergie. Il s'appuiera sur les paradigmes des objets intelligents et de leurs interactions dans des environnements de systèmes cyber-physiques
(CPS) selon le paradigme de "Swarm computing" et d'intelligence artificielle légère embarquée, sous contraintes d'énergie pour l'autonomie des objets.
Il vise à concevoir, simuler et tester des modèle et méthodes d'intelligence distribué coordonnées selon l'approche "Swarm computing" en intégrant les
méthodes d'intelligence artificielle légère dans les noeuds IoT en s'appuyant sur une infrastructure duale harware/software.
Les objectifs attendus sont l'amélioration des performances et de la connaissance des systèmes, la prise de décision rapide et contextuelle par les objets,
les interactions entre objets et opérateurs, l'analyse de données par des méthodes d'intelligence artificielle embarquées sur les objets.
Ce travail s'appuiera sur les travaux précédents et en cours menés au laboratoire dans le cadre de thèse, de post-doctorat et d'un projet ANR. Ainsi, les
travaux menés précédemment dans le cadre de la thèse [4] ont permis de dégager un axe d'interaction innovant dans une communauté d'objets
communicants en proposant une approche socio-inspirée reprenant les modèles d'interaction humaine issus des travaux de sociologue et anthropologue.
Les objets sont capables d'interagir par la sollicitation et l'échange de services embarqués au sein d'une communauté créée de façon ad-hoc et dynamique.
La localisation relative et globale des objets communicants autonomes est partie prenante du processus de coordination des entités IoT, et les travaux
menés précédemment dans le cadre du post-doctorat [5] ont dégagé des méthodes et modèles d'approximation des distances en s'appuyant sur les
caractéristiques de communication sans fil par la mesure de RSSI (Radio Signal Strength Indication).
Les travaux conduits depuis 2021 sur le projet ANR [6], visent à définir une méthodologie et des outils issus de l'automatique continue et des systèmes à
évènements discrets s'appuyant sur l'observation et la surveillance des états et des mouvements des actifs physiques, des entités autonomes et des
opérateurs, impliqués dans des activités potentiellement dangereuses et critiques au niveau des opérations de stockage, de manutention et de traitement au
sein des installations industrielles. Les résultats du projet ANR seront exploités comme éléments de connaissance du sujet de thèse.
nombre d'appareils connectés dans le monde, des milliards d'unités que nous avons aujourd'hui aux dizaines de milliards qui devraient être déployés dans
les années à venir dans l'industrie, le secteur automobile, la santé, l'agriculture, la ville intelligente, le grand public ... (IoTAnalytics, 2022).
L'approche "Edge Computing" suscite un intérêt croissant dans tous les secteurs industriels pour relever les défis susmentionnés grâce à sa capacité à
fournir de nouvelles façons de maximiser l'efficacité opérationnelle, d'automatiser les processus métiers et d'améliorer les performances globales par le
traitement et l'analyse des données collectées par les objets IoT. L'ajout des performances à croissance exponentielle des systèmes microélectroniques,
ainsi que le débit croissant et la faible latence des communications 5G aux applications embarquées sur les objets IoT ouvre des axes d'innovation
majeure. Une des évolutions conceptuelle et scientifique en cours est la transformation de la gestion d'objets connectés indépendants vers la coordination
intelligente d'objets autonomes en essaim, appelée "Swarm Computing" ou intelligence distribuée en essaim [1].
L'intelligence distribuée en essaim nécessite la coopération continue entre les objets autonomes (par exemple les objets intelligents, des machines, des
robots, ...) et des plates-formes de services Cloud, permettant aux applications d'être exécutés par des structures ad hoc auto-formées et auto-organisées
d'objets intelligents distribués et hétérogènes.
Exploitant ces avancées, les essaims adoptent le concept de la collaboration collective de ressources et de données hétérogènes parvenant à un consensus
pour l'autogestion dans un but commun. Un Swarm est une entité autonome qui orchestre et intègre des objets autonomes distincts, embrassant le pouvoir
du collectif et agissant selon un objectif commun. L'objet dans l'essaim doit être identifiable et authentifié tandis que l'essaim, dans son ensemble, doit
être protégé contre les comportements malveillants et digne de confiance pour fonctionner comme prévu.
D'autre part, la consommation d'énergie et les contraintes réseau des noeuds intelligents qui contribuent à l'essaim doivent également être prises en
compte afin d'offrir une intelligence d'essaim durable et une autonomie énergétique maximale [2].
D'autre part, les progrès des systèmes embarqués qui impliquent des dispositifs hétérogènes à base de multiprocesseurs sur puce (MPSoC), des unités de
traitement neuromorphiques (NPU) comme les TPU (Tensor Processor Unit) de Google, transforment les noeuds IoT en objets intelligents, peuvent offrir
une plateforme d'expérimentation et de preuve de concept, avec une puissance de calcul considérable pour l'intelligence artificielle légère (Light AI et
TinyML). Le concept de "Swarm computing" allié aux capacités croissantes des équipements d'IoT d'intégrer de modèles d'IA ouvre la voie à de
nouvelles propositions d'augmentation des performances et des fonctionnalités des objets connectés autonomes gérés en essaim dans les domaines
industriels de l'IoT.
La problématique cyber-sécurité doit être prise en compte dans une architecture d'intelligence distribuée. Ainsi des agents de sécurité (et de confiance)
dédiés et répartis dans l'essaim peuvent contribuer à une authentification et une confiance collective, ainsi qu'à la détection d'intrusion qui empêchera et
détectera les attaques malveillantes sur les noeuds [3].
Le travail de recherche de cette thèse se place dans le cadre des systèmes intelligents dans les domaines applicatifs de l'industrie 4.0, de l'environnement
et de l'énergie. Il s'appuiera sur les paradigmes des objets intelligents et de leurs interactions dans des environnements de systèmes cyber-physiques
(CPS) selon le paradigme de "Swarm computing" et d'intelligence artificielle légère embarquée, sous contraintes d'énergie pour l'autonomie des objets.
Il vise à concevoir, simuler et tester des modèle et méthodes d'intelligence distribué coordonnées selon l'approche "Swarm computing" en intégrant les
méthodes d'intelligence artificielle légère dans les noeuds IoT en s'appuyant sur une infrastructure duale harware/software.
Les objectifs attendus sont l'amélioration des performances et de la connaissance des systèmes, la prise de décision rapide et contextuelle par les objets,
les interactions entre objets et opérateurs, l'analyse de données par des méthodes d'intelligence artificielle embarquées sur les objets.
Ce travail s'appuiera sur les travaux précédents et en cours menés au laboratoire dans le cadre de thèse, de post-doctorat et d'un projet ANR. Ainsi, les
travaux menés précédemment dans le cadre de la thèse [4] ont permis de dégager un axe d'interaction innovant dans une communauté d'objets
communicants en proposant une approche socio-inspirée reprenant les modèles d'interaction humaine issus des travaux de sociologue et anthropologue.
Les objets sont capables d'interagir par la sollicitation et l'échange de services embarqués au sein d'une communauté créée de façon ad-hoc et dynamique.
La localisation relative et globale des objets communicants autonomes est partie prenante du processus de coordination des entités IoT, et les travaux
menés précédemment dans le cadre du post-doctorat [5] ont dégagé des méthodes et modèles d'approximation des distances en s'appuyant sur les
caractéristiques de communication sans fil par la mesure de RSSI (Radio Signal Strength Indication).
Les travaux conduits depuis 2021 sur le projet ANR [6], visent à définir une méthodologie et des outils issus de l'automatique continue et des systèmes à
évènements discrets s'appuyant sur l'observation et la surveillance des états et des mouvements des actifs physiques, des entités autonomes et des
opérateurs, impliqués dans des activités potentiellement dangereuses et critiques au niveau des opérations de stockage, de manutention et de traitement au
sein des installations industrielles. Les résultats du projet ANR seront exploités comme éléments de connaissance du sujet de thèse.
Mots clés :
IoT, Objets connectés, swarm computing, intelligence distribuée
Département(s) :
Modélisation Pilotage des Systèmes Industriels |