Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LIB / RAILENIUM
Durée : 36 mois
Contact : ana-maria.roxin@u-bourgogne.fr
Date limite de publication : 2022-11-06

Contexte :
Les travaux de recherche menés dans le cadre de ce projet concernent le domaine général des systèmes ferroviaires.

Ces systèmes se caractérisent par des besoins critiques en termes de sûreté de fonctionnement, de contraintes métier, technologiques et opérationnelles liées à l’environnement du système (Debbech et al., 2018) à intégrer dès la phase de conception. Les pratiques de modélisation de ces systèmes sont guidées principalement par le retour d’expérience (REX), les standards d’ingénierie système (IEEE, 2017) et les normes du domaine d’application (CENELEC, 2017).

Néanmoins, le processus de modélisation des systèmes ferroviaires repose sur l’interaction entre acteurs pluridisciplinaires, chacun avec son propre jargon métier et son interprétation des connaissances métier en lien. Par conséquent, les connaissances du domaine ont autant d’interprétations que d’acteurs impliqués dans les échanges.

Cela maintient l’ambiguïté sémantique entre acteurs et induit des erreurs de conception.

Par rapport à ces limites et inconvénients, le projet de recherche concerné par cette thèse vise à étudier une approche permettant une interprétation cohérente, complète, unique et univoque des connaissances impliquées dans la modélisation des systèmes ferroviaires, et notamment dans les échanges entre acteurs. Plus particulièrement, il s’agit d’étudier comment peut être spécifiée une interopérabilité sémantique (Roxin, 2018) entre les modèles conceptuels de données (CDM) ferroviaire, exprimées en UML (Unified Modeling Language), et l’architecture fonctionnelle, physique et logique du système.

Les contributions visées pour cette thèse concernent le domaine de la modélisation sémantique des données des systèmes ferroviaires et des contraintes métiers associés. Actuellement les approches de modélisation utilisées par ces acteurs (e.g. CapellaArcadia DSML, UML) ne sont pas interopérables d’un point de vue sémantique. Or cela conditionne la vérification des différentes phases du processus de modélisation ferroviaire, ainsi que du processus en lui-même.

Sujet :
Le verrou scientifique que nous souhaitons traiter dans cette thèse concerne la vérification du processus de modélisation ferroviaire (vérification d’erreurs, l’identification de propriétés dysfonctionnelles, etc.) par le biais d’approches sémantiques. Cette problématique se décline selon les 3 volets listés ci-dessous :

La conception et l’alignement de (méta-)modèles sémantiques – La construction d’ontologies est un procédé manuel long et fastidieux, car les domaines à modéliser sont parfois d’importantes sources de connaissances (et donc des concepts et des relations entre eux). De plus, le processus de construction d’ontologies nécessite le concours d’experts du domaine maîtrisant l’ensemble des connaissances à modéliser. Les travaux visés par cette thèse s’intéresseront à évaluer les modèles et les ontologies existantes, ainsi que déterminer si de nouveaux (méta-) modèles sémantiques doivent être construits,

L’adaptation sous forme de contraintes (règles) sémantiques de contraintes métier, technologiques et opérationnelles liées à l’environnement du système ferroviaire,

La conception de mécanismes de requête optimisés pouvant s’appliquer à(aux) ontologie(s) construites et alignées – Le projet de recherche vise l’automatisation des procédures de vérification des modélisations de systèmes ferroviaires, selon les besoins exprimés, notamment en termes de sûreté de fonctionnement. Cet objectif passe notamment par la formalisation d’un ensemble de connaissances de schémas de modèles et contraintes. Celles-ciseront adaptées en contraintes logiques par rapport à la base de connaissances constituée afin de vérifier le respect ou non de la contrainte associée.

Les résultats et les contributions de cette thèse seront validés par des ces d’études du domaine ferroviaire dans le but de répondre aux défis industriels du processus de développement de systèmes ferroviaires.

Profil du candidat :
Diplômé d’un master universitaire ou diplôme d’ingénieur, vous souhaitez poursuivre vers un doctorat dans le milieu ferroviaire.

Vous disposez de connaissances en ingénierie des connaissances (web sémantique, ontologies) et ingénierie système dirigée par les modèles (MBSE).

Formation et compétences requises :
Des compétences en programmation sont appréciées.

Des connaissances du domaine ferroviaire et du traitement de données sont un véritable plus.

Vous disposez d’un véritable intérêt pour la recherche et la production scientifique,

Vous êtes curieux et avez le sens de l’initiative.

Un bon niveau en anglais (lu et écrit) est exigé.

Expérience dans le poste : Minimum 1 an

Adresse d’emploi :
Poste basé à Villeneuve d’Ascq

Document attaché : 202210070941_[22-40] Doctorant – Interopérabilité sémantique des processus de modélisation de systèmes ferroviaires _ RAILENIUM.pdf

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LIP6, SU – Thales TRT
Durée : 36 mois
Contact : Claire.Laudy@thalesgroup.com
Date limite de publication : 2022-12-15

Contexte :
Les informations récoltées dans des contextes réels sont le plus souvent imparfaites, entachées d’imprécision et d’incertitude. L’objectif de la thèse est de développer de nouveaux outils permettant d’intégrer cette dimension imparfaite, d’une part dans la représentation de l’information, et d’autre part dans les mécanismes de manipulation de cette information, en particulier dans les opérations d’inférence qui en déduisent de nouvelles informations.

Sujet :
Le formalisme choisi pour les travaux de thèse est celui des graphes conceptuels pondérés, qui offrent la possibilité de représenter et de manipuler des informations à un niveau sémantique et de leur associer des informations complémentaires par l’ajout de poids qui augmentent encore leur expressivité.
Les travaux de thèse visent à développer ce cadre formel en caractérisant la sémantique associée à différentes formes d’imperfection potentielles et en examinant les contraintes et avantages associés, à la fois en termes théoriques et applicatifs. Un second axe a pour objectif de développer de nouvelles méthodes de fusion d’information dans ce formalisme, en particulier pour réaliser des opérations de filtrage et d’agrégation et pour traiter des tâches de recherche de motifs fréquents correspondant à des régularités d’intérêt dans les informations collectées.

Profil du candidat :
capacités d’analyse et de formalisation, curiosité scientifique

Formation et compétences requises :
Le/la candidat(e) doit posséder un master en intelligence artificielle/apprentissage automatique, avec des connaissances en logique formelle et représentation des connaissances. Le langage de programmation privilégié pour les travaux qui seront réalisés pendant la thèse est python.

Adresse d’emploi :
Thales TRT, (Massy-Palaiseau) et LIP6, Sorbonne Université, Jussieu (Paris)

Document attaché : 202210070743_theseThalesLIP6_graphesSemantiquesFlous.pdf

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : PETRUS team – INRIA/UVSQ
Durée : 3 ans
Contact : luc.bouganim@inria.fr
Date limite de publication : 2022-12-31

Contexte :
The PETRUS team (Inria/UVSQ), in association with the Hippocad company (a subsidiary of La Poste group) and the Yvelines District, is currently deploying secure home boxes for 10,000 patients. These boxes, based on the team’s research results (DBMS embedded in secure hardware), include a personal medical-social database to improve care coordination for dependent people at home. Medical and social workers interact with these secure boxes via a smartphone application. Our objective is to enhance these boxes with the ability to communicate with IoT sensors measuring e.g., luminosity, movement, and temperature to improve patient monitoring. The sensors’ raw data will be analyzed by Machine Learning (ML) techniques to identify the patient’s activities and thus, detect risk situations like depression or illness. These raw data are however very intrusive. The originality of our approach is to process these raw data inside each box, within the hardware security element, in order to externalize only the relevant information: alerts, aggregated values, and patient dashboards.

Sujet :
Data Mining (e.g., [2]) and ML models (e.g., [4]) have already been proposed in the Daily Activity Recognition and Discovery field. The accuracy of these models highly depends on the presence and on the quality of a labeled training dataset. In our context (see above), obtaining a reliable labeled dataset from elderly people is definitely unrealistic. However, datasets labeled by healthy individuals dedicated to daily activity discovery (e.g., [1]) already exist and could be used as a baseline. Our expectation is to use online/semi-supervised learning approaches [3, 4] to derive an elderly daily activity model from a healthy daily activity model and dynamically adapt its behavior to each patient. The challenge is then twofold: (1) define the best strategy to build such a customizable elderly daily activity model and (2) make its execution compatible with the highly constrained RAM and computing resources of a secure microcontroller (i.e., a secure box).

Methodology and expected results
– State of the art of relevant ML strategies, supervised learning, semi-supervised learning, analysis of a real dataset and of a synthetic dataset. Evaluation of preliminary strategies to discover daily activities
– Capitalize on previous results to answer the scientific challenge described above. Besides these scientific challenges, an experimental work is expected and should lead to a real Proof of Concept that can be demonstrated in the medical/social field.

Benefits package
– Subsidized meals, Partial reimbursement of public transport costs
– Leave: 7 weeks of annual leave + 10 extra days off due to RTT (statutory reduction in working hours) + possibility of exceptional leave (sick children, moving home, etc.)
– Possibility of teleworking and flexible organization of working hours
– Social, cultural and sports events and activities
– Access to vocational training

Remuneration
– 1st and 2nd year monthly gross salary : 2.051 euros
– 3rd year monthly gross salary : 2.158 euros

References.
[1] Alemdar, Hande & Ertan, Halil & Incel, Ozlem & Ersoy, Cem. (2013). ARAS Human Activity Datasets in Multiple Homes with Multiple Residents. 232-235. pdf: https://tinyurl.com/DADref1
[2] Jérémie Saives, Clément Pianon, Gregory Faraut. Activity Discovery and Detection of Behavioural Deviations of an Inhabitant from Binary Sensors. IEEE Transactions on Automation Science and Engineering, Institute of Electrical and Electronics Engineers, 2015, 12 (4), pp.1211 – 1224. pdf: https://tinyurl.com/DADref2
[3] van Engelen, J.E., Hoos, H.H. A survey on semi-supervised learning. Mach Learn 109, 373–440 (2020). pdf: https://tinyurl.com/DADref3
[4] Diane Cook and Narayanan Krishnan. Activity learning: Discovering, recognizing, and predicting human behavior from sensor data. Wiley publishing. Feb. 2015

Profil du candidat :
Master2 (Bac + 5)

Formation et compétences requises :
– ML algorithm knowledge
– DBMS algorithm knowledge
– Basic knowledge in data security, secure hardware, embedded programming is a plus (but not mandatory)
– Programming language: Python, C or Rust will be appreciated

Adresse d’emploi :
PETRUS team
INRIA/UVSQ
45 avenue des Etats Unis
78035 Versailles

Document attaché : 202210050930_PhD_IOT_ML.pdf