Le campus Arts et Métiers d'Aix-en-Provence vous invite à la soutenance de thèse de Quentin Brilhault, doctorant au LISPEN, le 06 décembre 2023.
Titre de la thèse
La continuité numérique basée sur l’apprentissage de modèles de transformation : une approche d'interopérabilité dirigée par les modèles.
Résumé
La transformation numérique de l'industrie oblige les entreprises à améliorer la continuité numérique au sein de leur organisation en renforçant la capacité de leurs systèmes distribués à communiquer et à coordonner leurs activités, afin d'assurer des tâches complexes, telles que la planification intelligente, la détection d'anomalies, ou encore, la réduction de l'empreinte écologique des processus industriels.
Dans un environnement numérique instable et fortement hétérogène, en constante évolution tant sur le plan technique avec l'émergence de nouvelles technologies que sur le plan organisationnel avec les exigences accrues en matière d'agilité et d'adaptabilité des chaînes de production, l'établissement et le maintien de l'interopérabilité entre les systèmes est une tâche cruciale.
Les transformations de modèles, pierre angulaire de l'Architecture Dirigée par les Modèles, pourraient apporter une solution concrète aux exigences d'une interopérabilité dynamique et durable entre les systèmes.
D'autant plus qu'un nouveau paradigme, utilisant des techniques d'apprentissage automatique, pourrait simplifier la création et la maintenance des modèles de transformation en apprenant automatiquement les règles de transformation entre les modèles.
Deux contributions sont présentées dans ces travaux de thèse :
- Une application des principes de l'apprentissage par renforcement pour dériver automatiquement les règles de transformation ;
- Un protocole expérimental pour évaluer et valider la capacité de l'approche proposée à automatiquement inférer des modèles de transformation tout en respectant les spécifications de l'Industrie 4.0.
Un benchmark des approches existantes conclut ce travail, montrant l'efficacité des techniques d'apprentissage par renforcement dans l'apprentissage des règles de transformation qui relient deux métamodèles différents.
Composition du jury
- M. Julien Le Duigou, Professeur des Universités, Roberval UTC ( rapporteur)
- M. Hervé Panetto, Professeur des Universités, CRAN, Telecom Nancy (rapporteur)
- M. Vincent Cheutet, Professeur des Universités, DIS-lab, INSA de Lyon (examinateur)
- Mme Esma Yahia, co-directrice de thèse, Maître de Conférences, LISPEN, Arts et Métiers (examinatrice)
- M. Lionel Roucoules, directeur de thèse, Professeur des Universités, LISPEN, Arts et Métiers (examinateur)
- Mme Françoise Perrel, docteure, CNES (examinatrice)
Informations pratiques
Lieu : Campus Arts et Métiers d’Aix-en-Provence (amphi J001)
Date : 06 décembre 2023
Horaire : 10h00
Lien pour suivre la soutenance via Teams.
