Sujet de Thèse
Définition et Évaluation d'un indice de confiance multicritère de l'exactitude d'un Jumeau Numérique
Dates :
2025/10/01 - 2028/09/30
Encadrant(s) :
Description :
Le Jumeau Numérique est un concept, généralisant la notion de Maquette Numérique, qui propose une modélisation, dans un environnement numérique, d'un objet, système ou processus du monde physique, appelé le Jumeau Physique [Grieves 2005], [Grieves 2015], [Fei et al. 2018]. Le modèle et l'objet étant représentatif l'un de l'autre. Les applications visées sont multiples dans les cadres de la supervision ou du pilotage [Cimino et al. 2019].
Si le JN est considéré comme un concept clef de la transition numérique des entreprises (manufacturières, gestionnaires d'infrastructures ...) et des institutions (hôpitaux), il reste couteux à mettre en place et doit donc être utilisé par tous les acteurs et actrices concernés pour être rentabilisé. Dans ce cadre, la confiance de l'utilisateur envers celui-ci doit donc être établie . En effet, un JN dans lequel les utilisateurs n'auraient pas confiance serait inutile, voire contre-productif.
Le concept de confiance est déjà bien étudié dans le cadre d'applications de gestion de scénarios de type « What-if ? » [Pires et al. 2023]. Dans ceux-ci, le JN est construit à l'aide de modèles comportementaux permettant la simulation d'événements pour prévoir ses réactions. Dans ce cas, de nombreux collègues travaillent sur la confiance envers le « recommendation systems » à l'instar de ce que l'on faisait avec les systèmes experts dans les années 90. Les verrous étudiés sont alors les problèmes liés à l'initialisation du modèle (Cold Start) [Son 2016], le manque de données [Reshma et al 2016] et la qualité des prédictions [Meyer 2012]. Des travaux ont été menés pour améliorer la confiance vis-à-vis du modèle ou du système de recommandation [Pires et al. 2023].
En revanche, dans le cas de JN construits à base de modèles relationnels (nomenclatures, graphes, tables ...), le concept de confiance n'est pas aussi débattu [Issa 2023]. Ce type de JN est utilisé par les manufacturiers (SCP, Systèmes de production, Systèmes complexes ...) et les Gestionnaires d'infrastructures (de transport, bâtimentaires et patrimoniales ...) afin de faire de la Gestion d'Actifs (Assets Management) et de planifier leurs évolutions tout au long de leur cycle de vie (travaux de maintenance, mise à niveau technologique ...) [Issa 2023]. Ici, ce n'est pas tant le problème de confiance vis-à-vis du modèle qui est intéressant mais plutôt celui de la confiance vis-à-vis des données. En effet, l'exactitude de la représentativité du JN par rapport au JP est importante et influe sur la confiance d'un utilisateur envers celui-ci. Or, la représentativité est, à son tour, liée aux données qui permettent d'alimenter les modèles qui constituent le JN. Par conséquent, la confiance en la représentativité du JN est liée à la confiance en les données (sont-elles à jour ? sont-elles compréhensibles ? sont-elles complètes ? ont-elles été corrompues ? ...). Ces questions ont été étudiées par la communauté scientifique depuis de nombreuses années et sont liées à la numérisation des activités économiques et à l'essor d'Internet [Abdul-Raham et al 1998] et ont même fait l'objet d'une intention particulière du département de la défense US dès 1985 [DoD 1985]. Il y a donc de nombreuses réponses qui ont été apportées à ces questions, telle que la Blockchain, la certification des données ... [Geisler et al. 2003]
Néanmoins, il manque, dans la littérature, une métrique qui permettrait d'évaluer spécifiquement l'exactitude de la représentativité du JN et donc indirectement la confiance qu'un utilisateur pourrait avoir dans le JN au moment de planifier une évolution du JP, en fonction du scénario d'évolution envisagé.
Cette métrique permettant de qualifier l'exactitude de la représentation est le sujet d'étude proposé dans le cadre de cette demande de financement de thèse de doctorat.
Le travail de thèse aura pour ambition de définir et d'évaluer une métrique de confiance qui sera fonction de l'exactitude de représentation du Jumeau Numérique (JN) par rapport au Jumeau Physique (JP). Une déviation peut apparaitre car les cycles de vie du JN et du JP évoluent parallèlement. D'un côté (JP), il y a des travaux/évolutions, prévus ou non, documentés ou non par une remontée d'information dans le JN et, de l'autre (JN), une mise à jour fréquentielle ou événementielle, automatique ou manuelle des données, en amont ou en aval des évolutions du JP. Cette déviation devra être étudiée.
Notre hypothèse de travail est que cette déviation peut être soupçonnée et/ou constatée par l'apparition de valeurs différentes pour une même donnée dans des sources documentaires redondantes. En effet, ces sources redondantes décrivent tout ou partie du JP et contiennent les informations qui permettent d'instancier le JN. Elles proviennent de différentes phases du cycle de vie du système (conception, fabrication, maintenance ...) et peuvent être de natures et de formes hétérogènes (Rapports textuels, modèles 2D/3D, modèles mathématiques, photographie ...).
La déviation devra être identifiée et évaluée. Pour cela, il est possible d'imaginer l'utilisation de la théorie des graphes pour naviguer dans la structure de données du JN et celle d'une ontologie d'homogénéisation des données pour pouvoir les comparer (ou une ontologie d'extraction de métadonnées).
Une fois cette déviation identifiée, définie et modélisée, le doctorant ou la doctorante devra proposer une métrique de confiance basée sur celle-ci. Pour ce faire, il ou elle s'appuiera sur une étude bibliographique internationale mais aussi sur certains travaux de modélisation relationnelle du laboratoire [Naanaa 2022] ou de l'équipe encadrante [Issa 2023],[Tchana 2021].
Si le JN est considéré comme un concept clef de la transition numérique des entreprises (manufacturières, gestionnaires d'infrastructures ...) et des institutions (hôpitaux), il reste couteux à mettre en place et doit donc être utilisé par tous les acteurs et actrices concernés pour être rentabilisé. Dans ce cadre, la confiance de l'utilisateur envers celui-ci doit donc être établie . En effet, un JN dans lequel les utilisateurs n'auraient pas confiance serait inutile, voire contre-productif.
Le concept de confiance est déjà bien étudié dans le cadre d'applications de gestion de scénarios de type « What-if ? » [Pires et al. 2023]. Dans ceux-ci, le JN est construit à l'aide de modèles comportementaux permettant la simulation d'événements pour prévoir ses réactions. Dans ce cas, de nombreux collègues travaillent sur la confiance envers le « recommendation systems » à l'instar de ce que l'on faisait avec les systèmes experts dans les années 90. Les verrous étudiés sont alors les problèmes liés à l'initialisation du modèle (Cold Start) [Son 2016], le manque de données [Reshma et al 2016] et la qualité des prédictions [Meyer 2012]. Des travaux ont été menés pour améliorer la confiance vis-à-vis du modèle ou du système de recommandation [Pires et al. 2023].
En revanche, dans le cas de JN construits à base de modèles relationnels (nomenclatures, graphes, tables ...), le concept de confiance n'est pas aussi débattu [Issa 2023]. Ce type de JN est utilisé par les manufacturiers (SCP, Systèmes de production, Systèmes complexes ...) et les Gestionnaires d'infrastructures (de transport, bâtimentaires et patrimoniales ...) afin de faire de la Gestion d'Actifs (Assets Management) et de planifier leurs évolutions tout au long de leur cycle de vie (travaux de maintenance, mise à niveau technologique ...) [Issa 2023]. Ici, ce n'est pas tant le problème de confiance vis-à-vis du modèle qui est intéressant mais plutôt celui de la confiance vis-à-vis des données. En effet, l'exactitude de la représentativité du JN par rapport au JP est importante et influe sur la confiance d'un utilisateur envers celui-ci. Or, la représentativité est, à son tour, liée aux données qui permettent d'alimenter les modèles qui constituent le JN. Par conséquent, la confiance en la représentativité du JN est liée à la confiance en les données (sont-elles à jour ? sont-elles compréhensibles ? sont-elles complètes ? ont-elles été corrompues ? ...). Ces questions ont été étudiées par la communauté scientifique depuis de nombreuses années et sont liées à la numérisation des activités économiques et à l'essor d'Internet [Abdul-Raham et al 1998] et ont même fait l'objet d'une intention particulière du département de la défense US dès 1985 [DoD 1985]. Il y a donc de nombreuses réponses qui ont été apportées à ces questions, telle que la Blockchain, la certification des données ... [Geisler et al. 2003]
Néanmoins, il manque, dans la littérature, une métrique qui permettrait d'évaluer spécifiquement l'exactitude de la représentativité du JN et donc indirectement la confiance qu'un utilisateur pourrait avoir dans le JN au moment de planifier une évolution du JP, en fonction du scénario d'évolution envisagé.
Cette métrique permettant de qualifier l'exactitude de la représentation est le sujet d'étude proposé dans le cadre de cette demande de financement de thèse de doctorat.
Le travail de thèse aura pour ambition de définir et d'évaluer une métrique de confiance qui sera fonction de l'exactitude de représentation du Jumeau Numérique (JN) par rapport au Jumeau Physique (JP). Une déviation peut apparaitre car les cycles de vie du JN et du JP évoluent parallèlement. D'un côté (JP), il y a des travaux/évolutions, prévus ou non, documentés ou non par une remontée d'information dans le JN et, de l'autre (JN), une mise à jour fréquentielle ou événementielle, automatique ou manuelle des données, en amont ou en aval des évolutions du JP. Cette déviation devra être étudiée.
Notre hypothèse de travail est que cette déviation peut être soupçonnée et/ou constatée par l'apparition de valeurs différentes pour une même donnée dans des sources documentaires redondantes. En effet, ces sources redondantes décrivent tout ou partie du JP et contiennent les informations qui permettent d'instancier le JN. Elles proviennent de différentes phases du cycle de vie du système (conception, fabrication, maintenance ...) et peuvent être de natures et de formes hétérogènes (Rapports textuels, modèles 2D/3D, modèles mathématiques, photographie ...).
La déviation devra être identifiée et évaluée. Pour cela, il est possible d'imaginer l'utilisation de la théorie des graphes pour naviguer dans la structure de données du JN et celle d'une ontologie d'homogénéisation des données pour pouvoir les comparer (ou une ontologie d'extraction de métadonnées).
Une fois cette déviation identifiée, définie et modélisée, le doctorant ou la doctorante devra proposer une métrique de confiance basée sur celle-ci. Pour ce faire, il ou elle s'appuiera sur une étude bibliographique internationale mais aussi sur certains travaux de modélisation relationnelle du laboratoire [Naanaa 2022] ou de l'équipe encadrante [Issa 2023],[Tchana 2021].
Mots clés :
Cycle de vie, hétérogénéité des données, métadonnées, ontologie de création de connaissance
Département(s) :
Modélisation Pilotage des Systèmes Industriels |
Financement :
Bourse Ministère
Publications :