Contribution à la conception et à la mise en oeuvre d'un système de surveillance de la qualité de l'air : application à la surveillance de la qualité de l'air dans les vallées des Gaves

Contribution to the design and implementation of an air quality monitoring system : application to air quality monitoring in the ''vallées des Gaves''

• Auteur / Autrice : Sylvain Poupry
• Direction : Kamal Medjaher, Cédrick Béler
• Type : Thèse de doctorat
• Discipline(s) : Génie industriel
• Date : Soutenance le 13/12/2023
• Etablissement(s) : Toulouse, INPT
• Ecole(s) doctorale(s) : École doctorale Systèmes (Toulouse ; 1999-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Génie de Production (Tarbes ; 1989-....)
• Jury : Président / Présidente : Zineb Simeu-Abazi
• Jury : Examinateurs / Examinatrices : Kamal Medjaher, Cédrick Béler, Zineb Simeu-Abazi, Eric Duviella
• Jury : Rapporteurs / Rapporteuses : Grégory Zacharewicz, Bruno Castanier
• DOI : 10.70675/1d70bc37z4e60z43aaz87f0zc159f292ee84

Mots clés

Mots clés contrôlés

Qualité de l'air

Surveillance

Mots clés libres

Internet des objets

Micro-capteur

Qualité de l'air

Station de mesure

Redondance active

Capteur intelligent

Détection

Diagnostic

Fiabilité

Internet of Things

Low-cost sensor

Air quality

Measurement station

Active redundancy

Smart sensor

Detection

Diagnosis

Reliability

Résumé

Cette thèse vise à mettre en place une démarche scientifique de surveillance et d'action de prévention de la qualité de l'air dans des zones dépourvues de stations de mesure conventionnelles. En effet, en raison d'un budget limité, des communes modestes ne disposent pas d'un moyen fiable et continu de collecter des mesures pour avoir un suivi de la qualité de l'air et de mener des actions sur le territoire en conséquence. Pour relever ce défi, cette thèse propose une approche innovante en utilisant la redondance modulaire à l'aide de micro-capteurs, également appelés Low Cost Sensors (LCS). L'approche proposée consiste en une architecture permettant l'auto-surveillance et l'auto-reconfiguration de ses composants. Ces caractéristiques permettent de générer des données fiables pour surveiller, prédire et agir sur la qualité de l’air au sein d’un territoire non couvert par des stations conventionnelles. La première phase de cette thèse débute sur les dimensions spatiale et temporelle de l'architecture afin de couvrir l'ensemble du processus d'acquisition et de traitement des données. Par la suite, le travail continue avec le développement de stations de mesure composées de LCS capables de collecter des données sur la qualité de l'air. Cependant, les LCS présentent certaines limitations, notamment au niveau du matériel et de la fiabilité des données. Une architecture basée sur la redondance est proposée pour augmenter la disponibilité du matériel et la fiabilisation des données collectées. La fiabilisation des données consiste à avoir des résultats précis et cohérents sur une longue période, malgré les perturbations ou les dysfonctionnements éventuels des composants. De plus, une méthode de co-design itératif est mise en oeuvre pour l'élaboration d'une station de mesure. À chaque déploiement sur le terrain, le dispositif est amélioré pour permettre non seulement une collecte de données sur un horizon temporel étendu, mais aussi un suivi de l'état de santé intrinsèque de la station. Des fonctionnalités pour la détection et le diagnostic des composants défaillants sont également intégrées, ainsi qu'un indice de fiabilité associé aux observations. En conclusion, bien que prometteuse, la méthode nécessite des améliorations, notamment en matière de prédiction des défaillances des capteurs, d'évolutivité et de cybersécurité. L'exploration d'algorithmes d'apprentissage automatique, tels que les auto encodeurs, pourrait contribuer à renforcer la prédiction des défaillances.

This thesis aims to establish a scientific approach for monitoring and preventive action on air quality in areas lacking conventional measurement stations. Due to limited budgets, smaller municipalities lack a reliable and continuous means to collect measurements for monitoring air quality and taking appropriate actions within their territories. To address this challenge, this thesis proposes an innovative approach using modular redundancy with the help of microsensors, also known as Low- Cost Sensors (LCS). The proposed approach involves an architecture enabling self-monitoring and self-reconfiguration of its components. These characteristics enable the generation of reliable data for monitoring, predicting, and taking action on air quality within areas not covered by conventional stations. The first phase of this thesis begins by addressing the spatial and temporal dimensions of the architecture to cover the entire data acquisition and processing process. Subsequently, the work continues with the development of measurement stations composed of LCS capable of collecting air quality data. However, LCS have certain limitations, particularly in terms of hardware and data reliability. An architecture based on redundancy is proposed to increase hardware availability and enhance the reliability of collected data. Data reliability involves obtaining accurate and consistent results over an extended period, despite potential disturbances or component malfunctions. Furthermore, an iterative co-design method is implemented for the development of a measurement station. With each field deployment, the device is improved to enable not only data collection over an extended time horizon but also monitoring the intrinsic health of the station. Features for the detection and diagnosis of faulty components are also integrated, along with a reliability index associated with observations. In conclusion, while promising, the method requires further improvements, especially in predicting sensor failures, scalability, and cybersecurity. Exploring machine learning algorithms, such as autoencoders, could contribute to strengthening the prediction of failures.