Les Systèmes de Systèmes (SdS) font face à des défis majeurs, notamment en termes d'hétérogénéité, de scalabilité et d'interactions complexes entre les composants systèmes (CS). Ces systèmes fonctionnent généralement dans des environnements dynamiques, introduisant de l'incertitude et des comportements stochastiques. De nombreuses études existantes ont tendance à simplifier à l'excès ces complexités, certaines se concentrant uniquement sur la dynamique des CS sans aborder adéquatement leur structure, mission et objectifs. De plus, peu de recherches se sont concentrées sur la supervision des SdS dans de telles conditions. Les modèles graphiques, tels que les hypergraphes (HG), se sont révélés efficaces pour modéliser la structure des SdS, tandis que les hypergraphes stochastiques et pondérés ont été employés avec succès pour gérer la stochasticité dans d'autres systèmes complexes. Dans cette thèse, le modèle Hypergraphe Stochastique Multi-Niveaux (MLSHG) est introduit pour relever les défis de la modélisation des SdS stochastiques. Le modèle respecte les propriétés clés des SdS telles que définies par Maier, ce qui le distingue des systèmes complexes traditionnels. Un nouvel algorithme pour superviser les SdS à grande échelle est également proposé, intégrant une surveillance ascendante avec une reconfiguration descendante afin d'atteindre des objectifs à long terme. Le cadre proposé soutient la résilience dans ces systèmes complexes grâce à des mécanismes de récupération basés sur la redondance. Dans une étude de cas sur un SdS de récolte de champignons, le modèle a démontré des avantages clairs pour relever les défis de modélisation des SdS par rapport aux méthodologies existantes. Les résultats ont montré que l'incorporation de perturbations stochastiques avec un seuil adaptatif a permis une reconfiguration précoce pendant la supervision, réduisant ainsi les écarts par rapport à l'objectif final. La méthode de reconfiguration basée sur les capacités a montré un faible temps de calcul, évoluant de manière linéaire avec le nombre de CS, améliorant ainsi la scalabilité du système. Les résultats du scénario de résilience ont également démontré que l'incorporation des mécanismes de redondance stand-in et stand-by renforce la résilience de ces systèmes complexes.
M. Rochdi MERZOUKI Université de Lille Directeur de thèse, M. François CHARPILLET Inria: National Institute for Research in Computer Science and Control Rapporteur, M. Hichem ARIOUI Université d'Évry-Val-d'Essonne Rapporteur, M. Taha CHETTIBI Université de Blida, Algérie Examinateur, Mme Anne-Lise GEHIN Université de Lille Examinatrice, Mme Yiwen CHEN Université Polytechnique Hauts de France Examinatrice, M. Olivier SIMONIN INSA, Lyon Examinateur, M. Mo JAMSHIDI University of Texas Examinateur.
Thesis of the team SoftE defended on 05/12/2024
français
English