Contribution to the modeling of semantic specification networks and the discovery of semantic links between “product” data throughout its life cycle
Contribution à la modélisation de réseaux de spécifications sémantiques et tissage des liens entre les données « produit » tout au long de son cycle de vie
Résumé
This thesis is situated within the context of Industry 4.0 and addresses the challenges associated with enriching digital twins in complex industrial environments. It focuses particularly on integrating heterogeneous data from external sources, in the absence of pre-established models, to enhance interoperability and performance in a multi-model and multi-disciplinary context.The study begins with an in-depth analysis of the industrial context, exploring the evolution from Industry 4.0 to Industry 5.0 and fundamental concepts such as the Industrial Internet of Things (IIoT) and Model-Based Systems Engineering (MBSE). It highlights current challenges in implementing digital twins, notably the fragmentation of MBSE models and the difficulty of coherently integrating IIoT data.The central research question is identified as follows: How can a digital twin be enriched through the integration of datasets from external sources, in the absence of pre-established models, to improve interoperability and performance in a multi-model and multi-disciplinary environment?To address this question, the thesis proposes an innovative approach based on the combined use of Semantic Web technologies and artificial intelligence. This approach aims to create a robust interoperability framework allowing for the seamless integration of heterogeneous data within digital twins.The developed methodology comprises three major axes:Data Ontologification: A hybrid approach combining AI techniques and human expertise to convert raw data into ontologies, with particular attention paid to the specificities of IIoT data.Ontological Alignment and Integration: A methodology for the creation of a reference ontology by domain experts, coupled with a semi-automatic process for aligning and integrating AI-generated ontologies with this reference.Knowledge Exploration and Exploitation: The utilization of intuitive interfaces and adapted visualization tools allowing domain actors to effectively explore and exploit the integrated ontologies within the digital twin.The validation of this approach is carried out through an industrial case study in the aeronautical sector, demonstrating its applicability and effectiveness in a real-world environment. The results show a significant improvement in the interoperability and exploitation of heterogeneous data within digital twins.The main contributions of this thesis include a comprehensive methodology for enriching digital twins, an interoperability framework based on Semantic Web technologies and AI, advanced techniques for processing and integrating heterogeneous data, and a prototype system for exploring integrated knowledge.This research opens new perspectives for the use of digital twins in industry by proposing concrete solutions to the challenges of interoperability and integration of heterogeneous data. It thus contributes to the advancement of Industry 4.0 and paves the way for future innovations in the field of systems engineering and the Industrial Internet of Things.In conclusion, this thesis makes a significant contribution to solving the problems of interoperability and integration of heterogeneous data in the context of digital twins, thereby offering industries a more effective means of exploiting the advantages of Industry 4.0 and preparing for the challenges of Industry 5.0.
Cette thèse s'inscrit dans le contexte de l'Industrie 4.0 et aborde les défis liés à l'enrichissement des jumeaux numériques dans des environnements industriels complexes. Elle se concentre particulièrement sur l'intégration de données hétérogènes provenant de sources externes, en l'absence de modèles préétablis, pour améliorer l'interopérabilité et la performance dans un contexte multi-modèle et multi-métiers.L'étude débute par une analyse approfondie du contexte industriel, explorant l'évolution de l'Industrie 4.0 vers l'Industrie 5.0 et les concepts fondamentaux tels que l'Internet Industriel des Objets (IIoT) et l'Ingénierie des Systèmes Basée sur les Modèles (MBSE). Elle met en lumière les défis actuels dans la mise en œuvre des jumeaux numériques, notamment la fragmentation des modèles MBSE et la difficulté d'intégrer de manière cohérente les données IIoT.La problématique centrale de cette recherche est identifiée comme suit : Comment enrichir un jumeau numérique par l'intégration d'ensembles de données provenant de sources externes, en l'absence de modèles préétablis, pour améliorer l'interopérabilité et la performance dans un environnement multi-modèle et multi-métiers ?Pour répondre à cette question, la thèse propose une approche novatrice basée sur l'utilisation combinée des technologies du Web sémantique et de l'intelligence artificielle. Cette approche vise à créer un cadre d'interopérabilité robuste permettant l'intégration harmonieuse des données hétérogènes au sein des jumeaux numériques.La méthodologie développée comprend trois axes majeurs :Ontologification des données : Une approche hybride combinant techniques d'IA et expertise humaine pour convertir les données brutes en ontologies, avec une attention particulière portée aux spécificités des données IIoT.Alignement et intégration ontologique : Une méthodologie pour la création d'une ontologie de référence par les experts métier, couplée à un processus semi-automatique d'alignement et d'intégration des ontologies générées par l'IA avec cette référence.Exploration et exploitation des connaissances : L'exploitation d'interfaces intuitives et d'outils de visualisation adaptés permettant aux acteurs métier d'explorer et d'exploiter efficacement les ontologies intégrées dans le jumeau numérique.La validation de cette approche est réalisée à travers un cas d'étude industriel dans le secteur aéronautique, démontrant son applicabilité et son efficacité dans un environnement réel. Les résultats montrent une amélioration significative de l'interopérabilité et de l'exploitation des données hétérogènes au sein des jumeaux numériques.Les contributions principales de cette thèse incluent une méthodologie complète pour l'enrichissement des jumeaux numériques, un framework d'interopérabilité basé sur les technologies du Web sémantique et l'IA, des techniques avancées pour le traitement et l'intégration des données hétérogènes, et un prototype de système d'exploration des connaissances intégrées.Cette recherche ouvre de nouvelles perspectives pour l'utilisation des jumeaux numériques dans l'industrie, en proposant des solutions concrètes aux défis d'interopérabilité et d'intégration de données hétérogènes. Elle contribue ainsi à l'avancement de l'Industrie 4.0 et prépare le terrain pour les futures innovations dans le domaine de l'ingénierie des systèmes et de l'Internet Industriel des Objets.En conclusion, cette thèse apporte une contribution significative à la résolution des problèmes d'interopérabilité et d'intégration de données hétérogènes dans le contexte des jumeaux numériques, offrant ainsi aux industries un moyen plus efficace d'exploiter les avantages de l'Industrie 4.0 et de se préparer aux défis de l'Industrie 5.0.
| Origine | Version validée par le jury (STAR) |
|---|---|
| Licence |
