Posts tagged "systèmes"

Context Presentation

When a complex system requires the use of different components specified by different designers working on different domains, this greatly increases the number of virtual prototypes. These different components unfortunately tend to remain too independent of each other, thus preventing both different designers from collaborating and their systems from being interconnected to perform one or more tasks that could not be accomplished by one of these elements only. Co-simulation is the coupling of several simulation tools where each manages a part of a modular problem that allows each designer to interact with the complex system in order to maintain his business expertise and continue to use his own digital tools. For this co-simulation to work, the ability to exchange data between tools significantly, called interoperability, is required. We participate in the design of a co-simulation system that integrates di ff erent tools of simulation-trades based on the modeling of the behavior of devices like energy simulation and the simulation of wear of building materials within the same platform

Figure 1 : « Co-simulation architecture using dynamic data mediation »

Scientific Goals

- Take into account the concepts of architecture, communication (between simulators or with users) and visualization to define architectural models

- Architecture analysis managing interoperability

- Validation of this architecture and development of a tool for verifying certain properties of the architecture, such as coherence and semantics

Keywords

neOCampus, Interoperability, Mediation, Co-Simulation, Adaptive Multi-Agent Systems

Contacts

yassine.motie@irit.fralex@laas.frphilippe.truillet@irit.fr

    Le nombre de capteurs dans les bâtiments ne cesse d'augmenter, grâce à des coûts plus accessibles et à l'intérêt évident de leur utilisation pour une gestion optimisée. Dans cette thèse nous nous intéressons  à l'utilisation des données issues de ces capteurs dans le but de détecter des anomalies dans les bâtiments. Ces données peuvent être de types inconnus et hétérogènes, et sont très nombreuses. 

    Une anomalie est définie comme un comportement inattendu et indésirable dans un système et peut dépendre du contexte. Afin de pouvoir déployer un système de détection d'anomalies le plus largement possible, il est nécessaire de minimiser la quantité de travail requise des divers experts intervenant dans notre domaine tout en respectant le principe d'ouverture permettant ainsi un usage continu du système dans le temps. Pour répondre à ces problématiques, un ou des systèmes à base de systèmes multi-agents coopératifs implémentant la théorie des AMAS seront développés et permettront la détection d'anomalies par apprentissage supervisé. Le système de détection d'anomalies doit tirer parti des retours d'un ou plusieurs experts qui étiquettent certaines instances comme normales ou anormales, cette connaissance est la seule ressource disponible au système pour l'apprentissage. L'apprentissage est une propriété émergente du système qui s'opère par des réorganisations du système multi-agents grâce à partir des retours d'experts. 

Figure 1 : Le système classe les évènements

Objectifs scientifiques

 Améliorer l’efficacité énergétique

 Détecter les anomalies en temps réel

 Apprendre en continu grâce aux retours d’un expert

 Concevoir un système générique pour traiter toutes les données issues des bâtiment

Contacts

maxime.houssin@irit.fr

Les technologies de drones ont un potentiel très important dans un contexte industriel. De nombreuses missions de contrôle d’installations ou de surveillance de zones peuvent être optimisées par l’utilisation de ces technologies.

Cependant, la diversité des missions et des environnements est un frein majeur à l’utilisation massive des drones. Les problématiques posées sont l’hétérogénéité et la prise de décision autonome dans des environnements difficiles où des évènements exogènes se produisent. Dans ce contexte, le paradigme des systèmes multi-agents, et en particulier les systèmes dits « auto-adaptatifs » permettent de traiter une partie du problème.

Ce projet porte sur la mise en œuvre et l’expérimentation d’algorithmes pour des systèmes multi-agents auto-adaptatifs sur des cas d’utilisation industriels de flottilles de drones.

Figure 1 : « Simulation d’une flottille de drone en 3D»

Objectifs scientifiques

Les objectifs des flottilles de drones sont :

 Effectuer des missions en coopération

 S’adapter en cas d’incident

 Avoir une complète autonomie

Contacts

guilhem.marcillaud@irit.fr, henri.garih@scalian.com, frederic.migeon@irit.fr 

Le nombre d'objets connectés ne cesse de croître dans notre environnement personnel et professionnel. Certains d’entre eux colonisent de manière exponentielle le monde industriel et les citées urbaines sous l’égide de la transformation numérique que l’on nomme maintenant Industrie 4.0 et villes intelligentes. L’objectif de cette fourmilière d’objets connectés est de faciliter notre immersion dans un milieu muni de capteurs et d'actionneurs de façon à rendre notre vie quotidienne plus agréable tout en respectant une certaine éthique d'éco-citoyenneté. Définir une approche d'adaptation locale, en temps réel, pour des systèmes permettant la convergence collective, revient à immerger dans un environnement dynamique des systèmes ayant des capacités d'apprentissage en temps réel pour s'adapter aux évolutions de l'environnement non connues à leurs conceptions. Les systèmes sociotechniques ambiants sont particulièrement pertinents car ils possèdent de très nombreux dispositifs immergés dans l’environnement humain afin de faciliter leurs activités tout en réduisant sa charge cognitive. De plus ils contribuent à faire émerger le bien être ressentie par l’être humain en fonction de leur état d’équilibre.

Figure 1 : « des systèmes sociotechniques ambiants définissant les conforts »

Objectifs scientifiques

Les objectifs de cette thèse sont :

 Montrer la participation des systèmes sociotechniques ambiants au sein les conforts

 Définir une approche d'adaptation locale, en temps réel, pour des systèmes permettant la convergence collective

 Multi-apprentissage dans un environnement à forte dynamique

Contacts

fabrice.crasnier@irit.fr, marie-pierre.gleize@irit.fr, jean-pierre.george@irit.fr