Approches de mise en œuvre d’une plateforme logicielle modulable et configurable d’analyse de données Big Data et de modélisation des systèmes à base d’objets connectés
Institution:
Bourgogne Franche-ComtéDisciplines:
Directors:
Abstract EN:
Currently, in the fields of Big Data and IoT, the research carried out has for a long time remained focused on upstream issues related to communication protocols for data collection, or downstream issues related to the exploitation of collected data. Few attention has been paid to important issues that lie precisely between those upstream and those downstream problems, such as deployment, modular software architectures implementation (at Edge, Fog or Cloud Computing level), fine control of IoTs behaviors for a better use of the network bandwidth and the limited energy of devices. In the context of this work, the following questions that one has to deal with to implement Big Data / IoT technology solutions are considered. Firstly, what generic architecture could we adopt to implement a reconfigurable platform according to expected functionalities for a client? In other words, how can we implement a multi-micro-services platform that could be unlocked or created on demand to customize an offer? Secondly, which formal modelling method should be used to overcome encountered obstacles when deploying IoT operational projects to optimize performance, considering that an IoT based systems can be viewed as discrete-event dynamic systems? To address the first issue, a modular and configurable Big Data analysis platform has been developed with essential functions: (a) data acquisition from IoT devices but also information gathered from other sources and protocols, (b) control and processing components for their exploitation, and (c) massive data storage. A Data Science service has been developed, integrating AI approaches, (d) for knowledge discovery and (e) forecasting for diagnosis and decision support. In addition, the platform must be modular (i.e. the possibility of adding or removing micro-services on demand) and configurable (i.e. the possibility to customize the platform's parameters according to the needs and business rules of each user). To address the second issue, an approach based on Max Plus algebra is developed, to tackle real problems encountered in IoT operational projects. This has enabled the implementation of solutions that make the deployment and energy management of IoTs more efficient. This work has been carried out using an analytical modelling approach to establish criteria for monitoring and assessing the performance of the solutions.
Abstract FR:
Actuellement, dans les domaines du Big Data et de l’IoT, les recherches menées sont restées longtemps concentrées sur des problématiques en amont liées aux protocoles de communication pour la collecte des données, ou en aval pour l’exploitation des données collectés. Peu d’attention a été tourné vers des problématiques pourtant importantes qui se situent justement entre celles en amont et celles en aval telles que le déploiement, la mise en œuvre d’architectures logicielles modulables (au niveau Edge, Fog ou Cloud Computing), le contrôle fin du comportement des IoTs pour une meilleure utilisation du réseau et de l’énergie limitée des dispositifs. Dans le cadre de ce travail, la démarche prend en compte deux problématiques auxquelles nous devons faire face lors de l’implémentation d’une technologie Big Data / IoT. Premièrement, quelle architecture générique pourrions-nous adopter pour mettre en œuvre une plateforme reconfigurable selon les futures fonctionnalités visées pour un client donné ? En d’autres termes, comment mettre en œuvre une plateforme multi micro-services que l’on peut déverrouiller ou créer à la demande pour personnaliser une offre ? Deuxièmement, vers quelles méthodes de modélisation formelles s’orienter pour lever les obstacles rencontrés lors du déploiement de projets opérationnels liés aux IoTs et pour optimiser les performances, notamment énergétiques, étant donné que l’on peut les considérer comme des systèmes dynamiques à événements discrets ? Pour répondre à la première problématique, une plateforme logicielle modulable et configurable d’analyse de données Big Data a été développée constituée de fonctions nécessaires : (a) à l’acquisition des données IoT mais également d’informations provenant d’autres sources et protocoles, (b) au contrôle et traitement nécessaire à leur exploitation, et (c) au stockage des données massives. Un service Data Science, intégrant une approche IA, attaché à la plateforme nécessaire, (d) à l’extraction de connaissance et (e) à la prévision pour le diagnostic et l’aide à la décision a été développée. De plus, la plateforme se doit être modulable (i.e., possibilité d’ajouter ou de retirer des micro-services à la demande) et configurable (i.e., possibilité de personnaliser le paramétrage de la plateforme selon les besoins et les règles métier de chaque client). Pour répondre à la deuxième problématique, nous avons développé des approches algébriques basées sur l’algèbre Max Plus, pour répondre à des problèmes réels rencontrés dans des projets opérationnels liés aux objets connectés. Ceci a permis la mise en œuvre de solutions permettant en particulier de rendre plus efficients le déploiement et la gestion de l’énergie des IoTs. Ce travail a été effectué en s’appuyant sur une approche de modélisation analytique, pour l’établissement de critères de contrôle et d’évaluation des performances des solutions.