Architecture de système de formation continue distribuée locale appliquée aux bâtiments intelligents

par Angan Mitra

Projet de thèse en Informatique

Sous la direction de Denis Trystram.

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble) , en partenariat avec Laboratoire d'Informatique de Grenoble (laboratoire) depuis le 06-02-2019 .


  • Résumé

    L'industrie du bâtiment est l'une des dernières industries à n'avoir pas encore été complètement transformée en «intelligente». Bien que de nombreuses innovations se répandent pour améliorer la construction, la rénovation, la gestion, la surveillance, le contrôle à distance, le bâtiment lui-même reste très fondamental en termes de renseignements. À ce stade, lorsqu'il est fait référence aux bâtiments intelligents, il correspond souvent à ceux connectés pour la surveillance ou à ceux contenant des automates simples. Lorsque vous envisagez des bâtiments intelligents, l'intelligence réelle doit être clairement décrite car ce concept a de nombreux impacts pour le secteur et ses utilisateurs. Progressivement, les bâtiments intelligents sont devenus principalement des bâtiments équipés de capteurs, connectés à une infrastructure de surveillance à distance, telle qu'un centre de données. L'intelligence réelle située dans le bâtiment est relativement limitée, mais les données réelles peuvent être traitées pour comprendre le cycle de vie du bâtiment et la manière d'améliorer sa consommation d'énergie, par exemple. La collecte de données est essentielle à la précision et à la fiabilité. Néanmoins, sans formation appropriée ni manque de description et de métadonnées, les données sont inutiles et sont laissées inutilisées. Même si le bâtiment n'est pas encore réellement intelligent, il s'agit d'une étape majeure, car il doit être conscient de son environnement pour pouvoir réellement utiliser toute intelligence et devenir intelligent. Pour devenir intelligent, une percée réelle sera que le bâtiment apprendra localement, par lui-même et in situ. Considérant la capacité informatique incluse, c'est ce que Qarnot peut offrir au bâtiment en concevant des stratégies d'apprentissage et en mettant en œuvre le processus de prise de décision sur site. L'objectif est de construire un système distribué capable de fournir aux bâtiments des capacités locales d'apprentissage tout au long de la vie. Le bâtiment devra exploiter ses propres données et ressources informatiques pour apporter connaissances et optimisation tout en respectant la protection de la vie privée. L'architecture sous-jacente doit indiquer comment créer et utiliser des ontologies pour la construction.

  • Titre traduit

    Local distributed lifelong learning system architecture applied to smart buildings


  • Résumé

    Building industry is one of the last industries that has not yet been completely transformed to “smart”. Although many innovations are spreading, for better construction, refurbishment, management, monitoring, remote control, the building itself remains very basic in terms of intelligence. At this point, when referred to smart buildings, it often corresponds to the ones connected for monitoring, or those enclosing simple automata. When considering smart buildings, the actual intelligence should be clearly described as this concept has a lot of impacts for the industry and its users. Progressively, smart buildings became mostly buildings equipped with sensors, connected to remote monitoring infrastructure, such as data center. The actual intelligence located in the building is relatively limited, but actual data can be processed to understand the building lifecycle and how to improve its energy consumption for example. There is a strong prerequisite regarding the collect of data to ensure accuracy and confidence. Nevertheless without appropriate training or lack of description and metadata, data is useless and left unused. Even if the building is not yet actually smart, this is a major step as the building needs to be aware about its environment to actually use any intelligence and become smart. About becoming smart, a real breakthrough will be that the building will learn locally, by itself and in-situ. Considering enclosed computing capacity, this is what Qarnot can offer to the building, by designing learning strategies and implementing the decision making process on-site. The objective is to build a distributed system able to provide local lifelong learning capabilities to buildings. The building will have to leverage its own data and IT resources to bring knowledge and optimisation while sticking to privacy protection. The underlying architecture should include how to create and use ontologies for building.