Sélection et configuration multi-critères de technologies réseau IoT

Multi-Criteria Selection and Configuration of IoT Network Technologies

• Auteur / Autrice : Samir Si-Mohammed
• Direction : Thomas Begin, Pascale Vicat-Blanc, Isabelle Guérin-Lassous
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 04/10/2023
• Etablissement(s) : Lyon, École normale supérieure
• Ecole(s) doctorale(s) : École doctorale en Informatique et Mathématiques de Lyon (2009-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de l'informatique du parallélisme (Lyon ; 1988-....) - Holistic Wireless Networks
• Jury : Président / Présidente : Alexandre Guitton
• Jury : Examinateurs / Examinatrices : Thomas Begin, Pascale Vicat-Blanc, Isabelle Guérin-Lassous, Alexandre Guitton, Fabrice Théoleyre, Thomas Watteyne, Angela Nicoara
• Jury : Rapporteurs / Rapporteuses : Fabrice Théoleyre, Thomas Watteyne

Mots clés

Mots clés contrôlés

Internet des objets

Mots clés libres

IoT

Réseaux

Évaluation de Performance

Optimisation Multi-Critères

IoT

Networks

Performance Evaluation

Multi-Criteria Optimization

Résumé

L'Internet des objets (IoT) est une infrastructure mondiale interconnectant des objets physiques et virtuels grâce à des technologies de réseau interopérables. Il offre un large éventail d'applications dans des domaines tels que les villes intelligentes, l'agriculture intelligente et le suivi des actifs.Cependant, la diversité croissante des technologies de réseau pose des défis aux architectes IoT chargés de concevoir et déployer des solutions IoT. En effet, la sélection et la configuration des technologies de réseau sont cruciales pour assurer le bon fonctionnement des solutions IoT. Dans cette thèse, nous proposons un ensemble de méthodes et d'outils pour aider les architectes IoT dans leur processus de conception et de déploiement. D'abord, nous introduisons un canevas générique pour évaluer les performances des technologies de réseau IoT dans des contextes spécifiques. Ensuite, nous présentons un algorithme d'optimisation multi-critères pour sélectionner automatiquement la meilleure technologie de réseau pour une application donnée. De plus, nousproposons une solution pour optimiser la configuration des technologies de réseau IoT en utilisant des modèles de simulation et des méthodes de régression. Nous explorons également la possibilité de calibrer les modèles de simulation avec des données réelles pour une meilleure fiabilité, ce qui pourrait trouver une application potentielle sur les jumeaux numériques des réseaux. Enfin, nous avons implémenté ces méthodes dans un outil no-code intégré à la plateforme Stackilab, facilitant ainsi le déploiement durable des solutions IoT pour les architectes.

The Internet of Things (IoT) is generally defined as a global infrastructure that enables advanced services by interconnecting physical and virtual things based on interoperable network technologies. It provides access to a wide range of applications, such as smart cities, smart agriculture, and asset tracking. The increase in the number and diversity of network technologies brings new challenges to IoT architects, who are in charge of the design and deployment of IoT solutions. Indeed, the selection and configuration of network technologies are crucial to ensure the good behavior of IoT applications. In this thesis, we address this issue through the development of a set of methods and associated tools that help IoT architects in their process of designing and deploying IoT solutions. First, we propose a generic framework for the performance evaluation of an IoT network technology given a specific application context. Second, we introduce a newalgorithm relying on multi-criteria optimization methods that enables the automatic selection of the most adapted network technology for a given application context. Then, we propose a solution for optimizing the configuration of any IoT network technology using simulation models and regression methods. For the sake of reliability, we also explore the possibility of calibrating simulation models with data collected from real deployments, which may find a potential application on network digital twins. Finally, we implemented these methods in a no-code tool, integrated in the Stackilab platform, relying onsimulation and aiming to help IoT architects easily future-proof an IoT solution.