Techniques de vérification quantitative et d'exécution pour les systèmes d'automatisation industrielle

Quantitative verification and runtime techniques for industrial automation systems

• Auteur / Autrice : Irman Faqrizal
• Direction : Gwen Salaun
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le ; Soutenance le 05/12/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale mathématiques, sciences et technologies de l'information, informatique
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique de Grenoble
• Jury : Président / Présidente : Fabienne Boyer
• Jury : Examinateurs / Examinatrices : Gwen Salaun, Farouk Toumani, Christian Attiogbe, Antoine Rollet
• Jury : Rapporteur / Rapporteuse : Christian Attiogbe, Antoine Rollet

Mots clés

Mots clés libres

Méthodes formelles

Vérification quantitative

Automatisation industrielle

Formal methods

Quantitative verification

Industrial automation

Résumé

Les progrès rapides des technologies de l'information ouvrent des perspectives prometteuses pour les systèmes d'automatisation industrielle. En minimisant l'intervention humaine, l'industrie peut réduire considérablement les coûts et améliorer la qualité globale du système. Néanmoins, les systèmes d'automatisation industrielle sont confrontés à de nombreux défis. L'un d'eux est de savoir comment vérifier et analyser les aspects quantitatifs du système en présence d'un environnement imprévisible. Des méthodes formelles ont été récemment employées pour vérifier l'exactitude du système. Cependant, les méthodes conventionnelles ne sont souvent appliquées qu'au moment de la conception, négligeant l'exécution du temps d'exécution impactée par l'environnement. Le deuxième défi majeur de l'automatisation industrielle est le besoin de techniques pour prendre en charge les systèmes à long terme et en évolution. La modification manuelle impliquant une intervention humaine va à l'encontre de l'objectif de l'automatisation tout en étant coûteuse, chronophage et erronée. Un système d'automatisation doit pouvoir évoluer automatiquement en fonction des exigences. Les principales contributions de cette thèse sont doubles. Tout d'abord, la vérification probabiliste des modèles est appliquée pour vérifier et analyser les aspects quantitatifs du système provenant de l'environnement. Cette méthode consiste en une modélisation formelle, une surveillance et un calcul de modèle probabiliste. Les résultats peuvent être utilisés pour observer l'impact de l'environnement et suggérer des améliorations associées aux caractéristiques quantitatives du système, telles que la productivité. La deuxième contribution consiste en deux approches pour faire évoluer les systèmes d'automatisation. Dans la première approche, des techniques d'application de l'exécution sont appliquées pour que l'application s'adapte aux exigences. Cela se fait en synthétisant et en intégrant automatiquement un nouveau composant logique appelé ''executor'' pour modifier l'exécution du système en fonction des exigences. La deuxième proposition intègre divers algorithmes appliqués aux modèles comportementaux des applications pour générer des lignes directrices d'évolution. Ces lignes directrices contiennent des modifications à appliquer pour que l'application satisfasse aux exigences données. Les deux solutions permettent aux développeurs d'éviter les erreurs et les modifications inutiles lors de l'évolution des systèmes d'automatisation industrielle. Les contributions visent les systèmes d'automatisation conçus avec la norme IEC 61499, une norme industrielle prometteuse présentant de nombreuses caractéristiques positives. Des outils logiciels existants et nouveaux sont utilisés et développés pour mener des études de cas et des expériences validant les méthodes proposées.

The rapid advancement in information technology opens up promising opportunities for industrial automation systems. By minimising human intervention, the industry can significantly reduce costs and enhance the system's overall quality. Nevertheless, industrial automation systems are facing many challenges. One of them is how to verify and analyse the quantitative aspects of the system in the presence of an unpredictable environment. Formal methods have been employed recently to verify the system's correctness. However, conventional methods are often applied only at design time, neglecting the runtime execution impacted by the environment. The second major challenge in industrial automation is the need for techniques to support long-running and evolving systems. Manual modification involving human intervention defeats the purpose of automation while also being costly, time-consuming, and erroneous. An automation system must be able to evolve automatically according to requirements. The main contributions of this thesis are twofold. First, probabilistic model checking is applied to verify and analyse the quantitative aspects of the system originating from the environment. This method consists of formal modelling, monitoring, and probabilistic model computation. The results can be used to observe the impact of the environment and to suggest improvements associated with the system's quantitative features, such as productivity. The second contribution consists of two approaches for evolving automation systems. In the first approach, runtime enforcement techniques are applied to make the application adapt to the requirements. This is done by automatically synthesising and integrating a new logical component called an enforcer to modify the system's execution according to the requirements. The second proposal incorporates various algorithms applied to the behavioural models of the applications for generating evolution guidelines. These guidelines contain modifications to be applied to make the application satisfy the given requirements. Both solutions allow developers to avoid errors and unnecessary modifications when evolving industrial automation systems. The contributions are aimed at automation systems designed with IEC 61499, a promising industrial standard with numerous positive characteristics. Existing and new software tools are used and developed to conduct case studies and experiments validating the proposed methods.