1. Constructing an Accurate and a High-Performance Power Profiler for Embedded Systems and Smartphones Using NARX Neural Networks, par Oussama Djedidi, Mohand A. Djeziri, Nacer K. M’Sirdi (LIS Laboratoire d'Informatique et Systèmes Marseille) Voir le diaporama

The presented work features a novel modeling scheme for power consumption in embedded and mobile devices. The model hereafter presented is built thought data fitting techniques using a NARX nonlinear neural net. It showcases the advantages of using a nonlinear model to estimate power consumption over the widely used linear regression models, where The NARX neural net is simpler, easier to implement, and more importantly more suitable as power changes are not always linear. Finally, experimental results validate the model with one with an accuracy of 97.1% on a smartphone.

Questions/réponses :

- L’entrainement sur un système parallèle non mobile/embarqué permet-il d’obtenir des modèles fiables ? Oui, car la quantité énorme de données exploitées pour l'entrainement rend l'estimation robuste par rapport à la variabilité des conditions d'exploitation.

- Y a-t-il un pré-traitement sur les entrées et sorties ? Oui, mais le modèle donne les mêmes résultats sans les pré-traitements

- Quid de la RUL et du MTTF ? Ce sont des perspectives, les pistes envisagées sont les modèles de Cox

- Y a-t-il une recherche des valeurs extrêmes ? Oui, et c'est ce qui pourrait justifier le fait de d’utiliser d’autres approches que les modèles de Cox

2. Proposition d’une architecture de surveillance à base d’agents intelligents pour l’aide à la maintenance d’une flotte de systèmes mobiles, par Adoum Fadil, Damien Trentesaux, Joffrey Clarhaut, Guillaume Branger (LAMIH, UVHC Valenciennes) Voir le diaporama

Au cours ces dernières années, de plus en plus de constructeurs et d’exploitants du secteur des transports ont orienté leurs efforts sur l'étude et le développement de systèmes de gestion d'événements pour améliorer les processus de surveillance et de diagnostic. L'efficacité de ces systèmes de gestion d'événements est décrite non seulement en termes de réactivité, de flexibilité et de fiabilité, mais aussi en termes de capacité à s'adapter à un environnement de plus en plus concurrentiel, instable, coûteux et imprévisible. Cette présentation propose une architecture de gestion d'événements appelée EMH² pour faciliter la surveillance d'une flotte de systèmes mobiles. EMH² applique un paradigme holonique couplé à un modèle d'événement générique. Cette architecture, mise en œuvre à l'aide de micro-services, a été appliquée à une flotte de trains et les résultats ont dépassé les attentes de notre partenaire industriel. Le retour d'expérience nous a inspiré à poursuivre le développement de l'architecture EMH² et à l'appliquer à d'autres modes de transport et domaines industriels.

Questions/réponses :

- Les agents (holons) considérés sont-ils tous informatiques et si non, quid de l'impact du choix de l'architecture sur les conséquences environnementales (énergie économisée/supplémentaire pour les traitements) et sociales (nombre d'agents humains requis)? Pour l'instant les agents sont tous des entités informatiques et la dimension humaine de l'organisation n'est pas remise en cause, mais ça fait partie des perspectives du labo SurferLab dans lequel ce travail s'inscrit

- Applications très orientées maintenance : quid de la planification du service fourni ? Les améliorations apportées en termes de maintenance ont des impacts sur la fiabilité et disponibilité des trains et donc sur la qualité du service fourni

- L'approche a-t-elle été testée avec les partenaires et si oui, les améliorations en termes de service ont-elles été mesurées ? oui, le critère plus particulièrement regardé a été la disponibilité et le nombre de visites en maintenance

3. Elaboration indicateurs d'aide à la décision à partir de l'état de santé des composants des systèmes techniques pour la planification conjointe de la production et de la maintenance, par Xavier Desforges (LGP INP ENIT Tarbes) Voir le diaporama

Le CBM et le PHM permettent d'optimiser la maintenance en programmant les réparations et les remplacements nécessaires de composants des systèmes techniques de production de biens ou de services en fonction de leur état de santé actuel et futur. L'évaluation de l'état futur des composants est la clé de voûte du PHM. Les systèmes techniques de production sont constitués de nombreux composants mettant en œuvre leurs fonctions. Une méthode d'évaluation de la capacité des systèmes multicomposants à effectuer des tâches de production futures est proposée afin de fournir des aides à la décision pour la planification conjointe de la production et de la maintenance. Cette évaluation est basée sur les pronostics des composants. Pour traiter les incertitudes inhérentes à ces pronostics, la méthode met en œuvre la théorie de Dempster-Shafer et des inférences bayésiennes. Les pronostics locaux sont catégorisés et transformés pour être traités à l'aide de la théorie de Dempster-Shafer. Des "patterns" de modélisation des systèmes ont été identifiés pour lesquels des inférences sont définies. Ces "patterns" sont utilisés pour la modélisation d'un système et pour en évaluer la capacité à accomplir les tâches de production futures mais aussi identifier ses composants sur lesquels une maintenance devrait être menée en priorité. Enfin une méthode distribuée de planification de la production et maintenance conjointe est proposée, prenant en compte les besoins de production, les états de santé des machines actuels et futurs dont sont déduits les besoins de maintenance.

Questions/réponses :

- Possibilité d'estimation du RUL d'un train à partir de celui de ses composants ? Oui, plusieurs techniques existent, mais l'approche proposée ne permet pas de considérer les états cachés

- D12/D22 : des composants qui résultent de la réalisation de fonctions ? Non, ce sont des fonctions (par exemples techniques) qui contribuent à la réalisation d’autres fonctions assurées par des composants

- Quid de la périodicité du calcul du RUL ? elle est déduite de la périodicité des décisions à prendre pour la réalisation d'une tâche de maintenance