• Langue : Anglais
• Discipline : Automatique, productique
• Identifiant : 2024ULILB030
• Type de thèse : Doctorat
• Date de soutenance : 14/11/2024

Résumé en langue originale

Cette thèse vise à développer un cadre intégré et complet pour renforcer la résilience d'un système de systèmes (SoS). À mesure que les SoS deviennent plus complexes et interdépendants, garantir leur résilience est crucial pour maintenir leur efficacité et leur fiabilité face aux défaillances internes, aux perturbations externes et aux ruptures de communication. Le cadre proposé est structuré en trois composants clés : l'analyse structurelle, le diagnostic et la prise de décision.Le premier composant se concentre sur l'analyse de la contrôlabilité des SoS multi-niveaux, qui se composent de systèmes composants hétérogènes (CS) aux dynamiques diverses, en utilisant l'équation de Sylvester. Certains systèmes composants physiques (PCS) peuvent devenir incontrôlables en raison de dysfonctionnements. L'analyse de la contrôlabilité de l'ensemble du SoS contribue à une conception structurelle résiliente, permettant au système de rester fonctionnel malgré des perturbations localisées et posant les bases pour le diagnostic et la reconfiguration.La deuxième partie traite du diagnostic des SoS, en proposant un cadre d'évaluation des performances pour évaluer de manière exhaustive l'état des SoS. Des classificateurs de performance basés sur l'IA sont utilisés pour détecter la dégradation des performances, permettant une surveillance réactive de l'état du système face à différents niveaux de perturbation. Ce processus de diagnostic informe les décisions sur les reconfigurations nécessaires pour restaurer les performances du système.La dernière partie se concentre sur la prise de décision pour la reconfiguration résiliente. En se basant sur l'analyse structurelle et le diagnostic, la stratégie de prise de décision inclut trois scénarios : la mise en œuvre de la résilience par une surveillance ascendante et une gestion descendante, la planification avancée de la résilience basée sur la prédiction des catastrophes, et l'estimation du temps de récupération pour des perturbations imprévisibles. Le premier scénario met en œuvre un cadre de résilience où les comportements défaillants sont détectés à l'aide d'algorithmes de détection et d'isolation des pannes (FDI) basés sur l'IA, permettant une reconfiguration descendante pour optimiser la performance globale du système. Le deuxième scénario se concentre sur la planification proactive de la résilience pour des perturbations prévisibles (par exemple, les catastrophes naturelles) basée sur la prédiction des catastrophes à partir de données. En cas de catastrophes imprévisibles, le cadre estime le temps de récupération en optimisant la planification et l'acheminement des équipes de réparation aux capacités hétérogènes.En conclusion, ce cadre de conception résilient et intégré propose : une analyse structurelle pour la contrôlabilité du système, une évaluation des performances pour le diagnostic du système, et des stratégies de reconfiguration résiliente. Ces approches rendent le SoS plus structuré, réactif et efficace, renforçant ainsi sa capacité à se remettre des événements perturbateurs et à maintenir sa stabilité opérationnelle.

Résumé traduit

This thesis aims to develop a comprehensive, integrated framework to enhance the resilience of a system-of-systems (SoS). As SoS grow more complex and interdependent, ensuring their resilience is critical for maintaining effectiveness and reliability in the face of internal failures, external disruptions, and communication breakdowns. The proposed framework is structured into three key components: structural analysis, diagnosis, and decision-making.The first component focuses on analyzing the controllability of multi-level SoS, which consist of heterogeneous component systems (CSs) with diverse dynamics, using the Sylvester equation. Some physical component systems (PCSs) may become uncontrollable due to malfunctions. Controllability analysis of the overall SoS contributes to resilient structural design, allowing the system to remain functional despite localized disruptions and laying the foundation for diagnosis and reconfiguration.The second part addresses SoS diagnosis, proposing a performance evaluation framework to assess SoS status comprehensively. AI-based performance classifiers are employed to detect performance degradation, allowing reactive monitoring of the system's status under varying levels of disruption. This diagnosis process informs decisions on necessary reconfigurations to restore system performance.The final part focuses on decision-making for resilience reconfiguration. Building on structural analysis and diagnosis, the decision-making strategy includes three scenarios: resilience implementation through bottom-up monitoring and top-down management, advance resilience planning based on disaster prediction, and recovery time estimation for unpredictable disruptions. The first scenario implements a resilience framework where faulty behaviors are detected using AI-based fault detection and isolation (FDI) algorithms, enabling top-down reconfiguration to optimize overall system performance. The second scenario focuses on proactive resilience planning for predictable disruptions (e.g., natural disasters) based on data-driven disaster prediction. In cases of unpredictable disasters, the framework estimates recovery time using optimized scheduling and routing of repair crews with heterogeneous capacities.In conclusion, this resilient integrated design framework provides: structural analysis for system controllability, performance evaluation for system diagnosis, and resilience reconfiguration strategies. These approaches make the SoS more structured, reactive, and efficient, ultimately enhancing its ability to recover from disruptive events and maintain operational stability.