Profil UML centré sur les données et basé sur l'architecture pilotée par modèle pour l'Internet des Objets

Data-Centric UML Profile based on the Model-Driven Architecture for the Internet of Things

• Auteur / Autrice : Julian Eduardo Plazas Pemberthy
• Direction : Sandro Bimonte, Juan Carlos Corrales
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 13/10/2022
• Etablissement(s) : Université Clermont Auvergne (2021-...) en cotutelle avec Universidad del Cauca
• Ecole(s) doctorale(s) : École doctorale des sciences pour l'ingénieur (Clermont-Ferrand)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes
• Jury : Examinateurs / Examinatrices : Juan Carlos Corrales, Christophe de Vaulx, Jérôme Gensel, Alexandre Guitton, Giuseppe Polese, Gustavo Ramirez
• Jury : Rapporteurs / Rapporteuses : Isabelle Comyn-Wattiau, Karine Bennis-Zeitouni

Mots clés

Mots clés contrôlés

Internet des objets

Mots clés libres

Internet des Objets (IoT)

Modèle conceptuel de données

Profil UML

Architecture pilotée par les modèles

Données de capteur

Données IoT

Internet of Things (IoT)

Conceptual Data Model

UML Profile

Model-Driven Architecture

Sensor Data

IoT Data

Résumé

L'Internet des objets (IoT) est un concept large comprenant de grands réseaux d'objets intelligents connectés à Internet. Ces objets peuvent détecter, recevoir, transformer et communiquer des données entre eux et avec des entités externes (systèmes ou utilisateurs). La capacité de collecte de données de l'IoT le rend adapté aux applications de surveillance. Ces applications fournissent des données sur les objets et les phénomènes pertinents. Ensuite, les systèmes d'analyse de données peuvent extraire des informations précieuses des données IoT. Les décideurs peuvent ainsi tirer parti de ces informations pour adopter de meilleures lignes de conduite.Néanmoins, les implémentations IoT par défaut ne fournissent pas toujours les données nécessaires pour la meilleure extraction de valeur. De plus, les systèmes classiques d'analyse et de stockage de données ne prennent pas en charge l'intégration directe des données IoT en continu.Dans ce contexte, la modélisation conceptuelle des données est un outil puissant pour la définition standard des besoins en données des utilisateurs. En outre, il permet un processus d'intégration de données transparent. De plus, les cadres pilotés par modèle exploitent la représentation du système (IoT) pour fournir une aide significative dans le processus de mise en œuvre, générant même le code d'application complet.Par conséquent, je propose de faciliter la définition et la mise en œuvre des données IoT en fonction des besoins des utilisateurs finaux avec une approche basée sur les modèles. En particulier, l'objectif principal de cette thèse est de définir un profil UML centré sur les données pour l'IoT en suivant les directives de l'architecture pilotée par les modèles (MDA). Le profil UML doit permettre une représentation simple et lisible des données IoT tout en permettant la génération (partielle) de code implémentable.Pour atteindre cet objectif, j'ai divisé cette thèse en quatre phases : Une analyse des différentes applications a permis d'identifier les principaux concepts de modélisation des applications de données de capteurs et IoT. Un processus de modélisation conceptuelle basé sur MDA a permis de définir un profil UML pour les applications de données de capteurs. Ce profil a tiré parti des concepts identifiés pour les données des capteurs. Un profil UML étendu pour les applications de données IoT dérivé du profil de données de capteur et des concepts de modélisation pour les données IoT. Les profils de données de capteur et IoT permettent la génération de code implémentable avec des outils de modèle à code. Enfin, la validation des profils UML de données de capteurs et IoT et les outils de modélisation à code via une évaluation théorique de la qualité et un ensemble d'expériences.Grâce à ce processus, cette thèse fournit quatre résultats. Tout d'abord, il définit les principales caractéristiques de données qui décrivent les applications de données de capteurs et IoT. Alors que les applications de données de capteur sont des systèmes d'information basés sur un seul appareil qui fournit des données sur une entité détectée, les applications de données IoT sont plus complexes, impliquant plusieurs appareils avec des capacités de communication et de calcul accrues. Deuxièmement, il étudie la littérature sur l'IoT piloté par les modèles en utilisant deux approches complémentaires : une analyse scientométrique et une revue de la littérature. Cette étude met en évidence l'importance des données pour la modélisation de l'IoT et leur faible couverture dans la littérature. Troisièmement, il fournit un profil UML simple et une approche MDA pour développer des applications de données de capteurs. Quatrièmement, il présente un profil UML et une approche MDA pour les applications de données IoT. (...)

The Internet of Things (IoT) is a broad concept comprising large networks of smart objects connected to the Internet. These objects can sense, receive, transform and communicate data amongst themselves and external entities (systems or users). The data collection capacity of IoT makes it suitable for monitoring applications. These applications provide data about relevant objects and phenomena. Then, data-analysis systems can extract valuable insights from the IoT data. Decision-makers can thus leverage this information to take better courses of action.Nevertheless, default IoT implementations do not always provide the necessary data for the best value extraction. Moreover, classical data analysis and storage systems do not support the direct integration of streaming IoT data. In this context, conceptual data modelling is a powerful tool for the standard definition of the data needs of the users. Besides, it allows for a transparent data integration process. Moreover, model-driven frameworks leverage the representation of the system (IoT) to provide significant aid in the implementation process, even generating the complete application code.Consequently, I propose to ease the definition and implementation of IoT data according to the end-users needs with a model-driven approach. In particular, the main objective of this thesis is to define a data-centric UML profile for IoT following the Model-Driven Architecture (MDA) guidelines. The UML profile should allow for a simple and readable representation of IoT data while enabling the (partial) generation of implementable code.To achieve this aim, I divided this thesis into four phases. In the first phase, an analysis of different applications allowed identifying the main concepts for modelling sensor- and IoT-data applications. These concepts comprise the data-related components in these applications and their relationships and flows. Second, a conceptual modelling process based on MDA allowed defining a UML profile for sensor-data applications. This profile leveraged the identified concepts for sensor data. In the third phase, an extended UML profile for IoT-data applications derived from the sensor-data profile and the modelling concepts for IoT data. The sensor- and IoT-data profiles enable the generation of implementable code with model-to-code tools. Finally, the fourth phase validated the sensor- and IoT-data UML profiles and model-to-code tools through a theoretical quality assessment and a set of experiments.Through this process, this thesis provides four outcomes. First, it defines the prime data features that describe sensor- and IoT-data applications. While sensor-data applications are information systems based on a single device that provides data about a sensed entity, IoT-data applications are more complex, involving multiple devices with increased communication and computation capabilities. Second, it studies the literature about model driven IoT using two complementary approaches: a scientometric analysis and a literature review. This study highlights the importance of data for IoT modelling and the low coverage it has in the literature. Third, it provides a simple UML profile and MDA approach for developing sensor-data applications. Fourth, it presents a UML profile and MDA approach for IoT-data applications. This approach supports multiple implementation options in different commercial and non-commercial platforms.These outcomes have multiple contributions inside and outside this thesis. The description of the prime data features provided a conceptual framework to assess the related-works description of sensor and IoT data. Besides, this framework guided the conceptual-modelling process, allowing for complete yet simple representations of sensor- and IoT-data applications. (...)