Avis de soutenance - doctorat - Jérémie BOSOM

Informations pratiques
Ecole doctorale 472
Visioconférence
Ajouter à mon calendrier
Soutenue par Jérémie BOSOM

Conception de microservices intelligents pour la supervision de systèmes sociotechniques : application aux systèmes énergétiques

De nombreuses institutions et entreprises ont pour ambition de gérer de manière précise la performance énergétique de leur parc immobilier, notamment en s'appuyant sur l'Internet des objets qui permet le déploiement à grande échelle de capteurs. La supervision de ces parcs peut se faire à l'aide de l'informatique distribuée en exploitant de grands volumes de données et l'apprentissage automatique. Le concept de tiers de confiance pour la mesure et la performance énergétique (TCMPE) s'impose avec les technologies du Cloud pour gérer ces écosystèmes énergétiques. La question traitée dans cette thèse est la conception d'un système de supervision distribué et extensible, allant de la collecte des données à la fourniture de tableaux de bord, permettant un pilotage des infrastructures des bâtiments d'une institution. La réalisation de cet objectif fait face à plusieurs difficultés majeures : les différentes échelles d'espace et de temps, l'hétérogénéité des composants du système, les défis inhérents à l'informatique distribuée et à la modélisation énergétique de bâtiments. L'informatique distribuée soulève des problématiques relatives à l'orchestration et à la chorégraphie de microservices, notamment celle de la mise à l'échelle. Dans ce contexte, construire la généricité de la solution apportée par rapport aux détails techniques nécessite un formalisme abstrait. À cette fin, la présentation de l'architecture du système de supervision fait usage de l'algèbre de processus Orc qui est adaptée pour la chorégraphie de processus concurrents et distribués sujets aux délais et aux pannes. La deuxième contribution est un modèle hiérarchique intitulé Multi-Institution Building Energy System (MIBES) conçu pour la modélisation du TCMPE. Ce modèle s'appuie sur différents sous-systèmes modélisés, essentiels pour l'aide à la décision : capteurs, sites, groupes de sites et organismes. Il prépare de façon rationnelle le développement d'algorithmes en fournissant de multiples vues aux différents niveaux de modélisation. Ces algorithmes sont organisés sous forme d'une bibliothèque extensible de microservices. L'adoption des méthodes de Développement et Opérations (DevOps) répond à l'organisation humaine en préconisant la collaboration humaine entre les départements de l'organisation en charge du projet et l'automatisation de ce dernier. En intégrant ces principes du DevOps, un prototype du système de supervision est développé afin de démontrer les différents avantages apportés par notre approche. Ces avantages s'expriment sous forme de facilités de mise à l'échelle, de reproductibilité et d'aide à la décision. Le prototype développé forme une base solide pour la supervision intelligente de bâtiments et peut être réutilisé pour d'autres applications telles que des Smart Grids.

Smart microservices design for the supervision of complex sociotechnical systems : machine learning based application to energy systems

Many institutions and companies aim to manage precisely the energy performance of their building stocks, in particular by relying on the Internet of Things (IoT) which allows the large-scale deployment of sensors. The supervision of these building stocks can then be done using distributed computing and by exploiting the data collected using machine learning methods. The concept of Trusted Third Party for Energy Measurement and Performance (TTPEMP) is needed with Cloud technologies to manage these energy ecosystems. The question addressed in this thesis is the design of a distributed and scalable supervision system, ranging from data collection to dashboards provisioning, allowing management of the buildings' infrastructures of several institutions. The resolution of this goal faces several major difficulties: the different scales of space and time, the system's components heterogeneity, the inherent challenges of distributed computing and building energy modeling. Distributed computing raises issues related to microservices orchestration and choreography, in particular those of scalability. In this context, highlighting the genericity of the provided solution over the technical details requires an abstract formalism. To this end, the presentation of the supervision system architecture makes use of the Orc process algebra which is suitable for the choreography of concurrent and distributed processes that are subject to delays and failures. Our second contribution consists in providing a hierarchical model called Multi-Institution Building Energy System (MIBES) designed for the modeling of the TTPEMP. This model highlights different subsystems, that are essential for decision-making : sensors, sites, groups of sites (building stocks) and organizations. It rationally prepares the development of algorithms by providing multiple views at the different modeling levels. These algorithms are organized as an extensible library of microservices. The adoption of Development and Operations (DevOps) methods responds to human organization by advocating human collaboration between the departments of the organization in charge of the project and the automation of the latter. By integrating these DevOps principles, a prototype of the supervision system is developed in order to demonstrate the various advantages brought by our approach. These advantages are expressed in the form of scaling, reproducibility and decision-making facilities. The prototype thus produced forms a solid basis for buildings' smart supervision and can be reused for other applications such as Smart Grids.
Directeur de thèse :
Marc BUI
Unité de recherche :
Cognitions humaine et artificielle
Membres du jury :
  • Directeur de thèse : Marc BUI
  • Rapporteur : Olivier FLAUZAC , Professeur (Université de Reims)
  • Rapporteur : Dritan NACE , Professeur (Université Technologique de Compiègne)
  • Président : Isis TRUCK , Professeur (Université Paris 8)
  • Examinateur : Jean HENNEBERT , Professeur (Haute école d'ingénierie et d'architecture de Fribourg)
  • CoDirecteur de thèse : Soufian BEN AMOR , Maître de conférences (Université de Versailles Saint-Quentin-en-Yvelines)
Diplôme :
Doctorat Systèmes intégrés, environnement et biodiversité
Spécialité de soutenance :
Informatique et statistiques,et cognition