WO2023036804A1 - Système de simulation de l'impact environnemental d'une chaine d'internet des objets - Google Patents

Système de simulation de l'impact environnemental d'une chaine d'internet des objets Download PDF

Info

Publication number
WO2023036804A1
WO2023036804A1 PCT/EP2022/074824 EP2022074824W WO2023036804A1 WO 2023036804 A1 WO2023036804 A1 WO 2023036804A1 EP 2022074824 W EP2022074824 W EP 2022074824W WO 2023036804 A1 WO2023036804 A1 WO 2023036804A1
Authority
WO
WIPO (PCT)
Prior art keywords
environmental impact
entities
architecture
model
zone
Prior art date
Application number
PCT/EP2022/074824
Other languages
English (en)
Inventor
Pascale VICAT-BLANC
Guilhem RAFFRAY
Original Assignee
Stackeo
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Stackeo filed Critical Stackeo
Publication of WO2023036804A1 publication Critical patent/WO2023036804A1/fr

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation

Definitions

  • the invention relates to systems for simulating the behavior of networks and systems of interconnected objects, often referred to by the term Internet of Things or loT.
  • the invention also relates to the creations and adaptations of networks and systems of interconnected objects.
  • Internet of Things technology aims to interconnect the constrained physical world with the virtual world.
  • the underlying infrastructure must be designed to provide continuous, suitable, secure and reliable connectivity of objects, to enable real-time communications, but also to collect and process enormous amounts of data. .
  • the invention aims to solve one or more of these drawbacks.
  • the invention thus relates to a system for simulating the environmental impact of an Internet of Things chain, as defined in the appended claims.
  • the invention also relates to the productions, adaptations, programming and piloting based on such a simulation.
  • the invention also relates to the variants of the dependent claims. Those skilled in the art will understand that each of the characteristics of the following variants can be combined independently with the characteristics of the description and the dependent claims, without however constituting an intermediate generalization.
  • the architecture model can include types of so-called ICT entities interconnected with each other and broken down individually into functional layers implemented in hardware, software or service form.
  • the model of interactions between the entities can be a model of macroscopic interaction of the types of entities.
  • Each interconnected entity in the interaction model can be associated with a third-party zone.
  • the database can also define the environmental impact data for each of the functional components.
  • a decision device for recovering the user's environmental objectives and constraints, analyzing the differences in impact achieved with respect to the objectives and recommending corrective actions.
  • FIG.1 schematically illustrates an example of architecture and interactions of an Internet of Things chain for which the invention can be implemented
  • FIG.3 illustrates an example of restitution of the differentiated environmental impact for different zones
  • FIG.4 illustrates an example of information from an environmental impact database
  • FIG.5 illustrates an example of restitution of the differentiated environmental impact for different functional layers
  • FIG.6 illustrates an example of scenario management with life period management parameters
  • FIG.7 illustrates an example of restitution of the differentiated environmental impact for different periods of the life of the entities
  • FIG.8 illustrates an example of restitution of the environmental impact by its evolution over time
  • FIG.9 schematically illustrates an example of restitution of the influence of variations of a use scenario parameter on the environmental impact
  • FIG.10 schematically illustrates an example of restitution of the calculation of the return to planet between a new simulated architecture and a reference architecture
  • FIG.11 schematically illustrates an example of the architecture of an Internet of Things chain for a particular case
  • FIG.12 schematically illustrates the implementation of a simulation on a real system
  • FIG.13 schematically illustrates an example of association between a descriptive digital model and a digital execution model associated with a real system.
  • the invention relates to a system for simulating the environmental impact of an Internet of Things chain, of which an example of architecture 1 is illustrated with reference to FIG. 1.
  • An Internet of Things chain provides an organized interconnection between hardware and software entities, to enable global interconnectivity and data exchange between objects in the physical world, augmented by capabilities for capturing field information, actions on physical and communication equipment, called loT objects or instrumented objects, and software applications and services that include loT services. These entities leverage connectivity and data processing capabilities to analyze and exploit sensing data and interact with loT objects and users.
  • Instrumented objects can be simple (sensors, displays, software modules) or complex physical devices such as vehicles, houses, planes, factories, human bodies, transport infrastructures, energy infrastructures or fields. agricultural.
  • a customer wishes to deploy a new service or a new infrastructure for its end users, such an infrastructure may involve a large network or system of interconnected entities. Customer may have limited experience or means to determine the environmental impact of such infrastructure, as networks of interconnected entities may be excessively complex, large and difficult to calculate. The client may for example wish to simulate, estimate or optimize the environmental impact of a new solution before deploying it.
  • Figure 1 is a diagram illustrating both the model of the architecture with all the entities and their distribution in different zones, and the model of interactions by illustrating the interconnections between the entities of the different zones.
  • each interconnected entity is associated with a respective zone selected from the group comprising: a zone of connected objects 2 (also called thing zone in English, a gateway zone 3 (also called border , network edge or edge computing for edge in English) between the connected objects and a wide area network, a wide area network area 4 (often designated by the acronym WAN for wide area network in English), processing area 5 generic digital message and data (collection and routing of messages, aggregation and analysis of data) remote from the object (for example in a cloud platform or cloud in English language), a zone 6 of application service for semantic exploitation of the data of an object (making sense in the business context, for example the state of a production line, the malfunction of a machine, the position of a container).
  • the architectural model further comprises a zone 9 of instrumented objects (for example equipped with an on-board electronic system allowing reading, pre-processing and sending of measurement data).
  • the zone 9 thus comprises instrumented objects 91 and 92, for example motor vehicles.
  • the connected object zone 2 includes sensors 21, 22 and 23, 24 fixed respectively on the instrumented objects 91 and 92.
  • the connected object zone 2 can also include communication modules 25 and 26 in communication with the sensors.
  • the gateway zone 3 comprises for example routers 31 and 32, for example wireless routers, communicating with the communication modules 25 and 26 of the connected object zone 2.
  • the extended network zone 4 comprises for example repeaters ( here a repeater 41), in communication with the routers.
  • Zone 5 for generic digital processing of messages and data (data analysis, device management) is connected to wide area network zone 4.
  • Zone 6 of application service for semantic exploitation of object data is connected to area 5.
  • the architecture model 1 illustrates here a set of individual entities and for a simple topology. It is however also possible to envisage that each entity illustrated corresponds to a fleet of individual entities, for the sake of simplifying the display of the architecture model 1.
  • the number of individual entities in a fleet can be configured to modify the environmental impact calculations implemented. The restitution of calculations related to the number of entities or users may refer to this number, in order to allow a comparison or an adjustment of a solution under development. For example, power consumption and battery consumption will depend on the usage intensity of a loT system.
  • the calculation of the volumes of data and messages that pass through the loT system derives from a sequential analysis of the topology of the infrastructure represented in the form of a multigraph.
  • the model of interactions between the interconnected entities defines for example how the entities are interconnected (and for example at what functional level the entities exchange information: data, message, network, etc.).
  • the interactions model can include a logical topology or a connectivity model.
  • THE interaction model can include information of direction and temporality (timing diagram of a protocol for example).
  • Sensors 21 and 22 are associated with object 91.
  • Sensors 23 and 24 are associated with object 92.
  • Sensors 21 and 22 are connected to antenna 25, sensors 23 and 24 are connected to the communication module 26.
  • Antenna 25 is connected to router 31, communication module 26 is connected to router 32. Routers 31 and 32 are connected to repeater 41.
  • the digital memory also stores a database defining environmental impact data for each of said entities of the architecture 1.
  • the environmental impact data can be data from actual measurements on the entities (for example following updates), data from simulations or data from a manufacturer's technical documentation.
  • the actual data measurements can be made by an industrial or scientific community.
  • the digital memory also stores a scenario of use of the different entities of the architecture model 1.
  • the environmental impact simulation system 8 illustrated schematically in FIG. 2, thus comprises a digital memory 81 (for example a mass memory of the hard disk type), a digital processing device 82 and a restitution of the environmental impact 83.
  • the digital processing device 82 (for example a server type computer) is configured to calculate the environmental impact of the memorized architecture 1, on the basis of the memorized interaction model, on the basis of the data of environmental impact of the interconnected entities of the memorized architecture 1, and on the basis of the memorized scenario.
  • the digital processor 82 is further configured to calculate the environmental impact for each of the respective zones.
  • the digital processing device 82 comprises a man/machine communication interface, for example in the form of an Internet interface, in order to allow a user to modify parameters of the architecture model, of the interaction model, of the database of the environmental impact of the entities, or of the usage scenario of the different entities of the architecture model.
  • the restitution device 83 (for example a display module generating images for a display screen) is configured to restore the calculated environmental impact by differentiating the environmental impact for each of the zones.
  • the restitution device 83 thus makes it possible to quickly identify which zone of the architecture 1 presents the main environmental impact.
  • the designer of the architecture 1 may consider optimizing a particular zone of this architecture 1, in order to reduce the environmental impact by a targeted design of this zone. In practice, the optimization can result in achieving more distribution in the edge zone 3 or more centralization by a cloud architecture, or in a selection of more energy-efficient components (low-speed network, use of a frugal cloud ).
  • Figure 3 illustrates an example of restitution of the differentiated environmental impact for different zones.
  • the restitution may include a 920 visual of the architecture model and interactions.
  • the restitution provides for zones 9 and 2 to 6 environmental impact values for this parameter in the form of graphic representations 941 to 946 , possibly accompanied by a display of numerical values.
  • Such a representation makes it possible to identify by zone the one that has the most impact on an environmental parameter.
  • the restitution provides reference values for zones 9 and 2 to 6, corresponding for example to the simulation of an existing architecture. The restitution thus provides environmental impact values for the parameter in the form of graphical representations 931 to 936.
  • the restitution can be carried out individually for each environmental impact parameter, or by compiling different environmental parameters into a composite parameter.
  • the method for compiling the composite parameter can be defined by the user, in order to weight the various environmental parameters, for example to give preponderance to a reduction in waste volumes or a reduction in energy consumption.
  • the environmental impact parameters may in particular relate to pollution or use of natural resources. It is possible in particular to select environmental impact parameters forming preponderant indicators, reflecting pollution induced by processes for extracting or refining raw materials.
  • the environmental impact parameters that can be considered include: energy consumption (for example expressed in MWh), greenhouse gas emissions (for example in tons of carbon equivalent), consumption of water, water pollution (for example expressed in litres.years to express the combined quantities of polluted water and the durations of pollution commonly accepted), soil pollution (for example expressed in cubic meters.years to express combined the volumes of soiled soil and the durations of pollution commonly accepted) the consumption of materials not renewables (for example expressed in mass) or the consumption of raw materials more generally, the volume of waste, the duration of natural degradation.
  • the database of environmental impact data comprises dissociated environmental impact data for different functional layers, comprising a data layer DL, a network layer NL, a physical layer PL, and a layer of EL energy.
  • the environmental impact data database comprises dissociated environmental impact data for other functional layers, such as a communication functional layer ML or a secure connectivity layer CL.
  • the processing device 82 is then advantageously configured to calculate the environmental impact for each of the respective layers, the device 83 for restoring the calculated environmental impact being configured to differentiate the environmental impact for each of the layers.
  • FIG. 4 An example of a database is illustrated in FIG. 4, with a breakdown of the environmental impacts by layer and by life cycle.
  • a parameter Pi we illustrate an example of the content of an environmental impact database for a set of entities, broken down for the different functional layers. The environmental impact of the entities is also broken down for the different periods of the life of each entity.
  • the impacts on a parameter Pi for example a quantity of greenhouse gas emissions
  • the impacts on a parameter Pi are Par11, Par21, Par31, Par41, Par51 and Par61 respectively.
  • the impacts on the parameter Pi on the data layer DL, the communication functional layer ML, the secure connectivity layer CL, the network layer NL, the physical layer PL and EL energy layer are Par12, Par22, Par32, Par42, Par52 and Par62 respectively.
  • the impacts on the parameter Pi on the data layer DL, the functional layer of communication ML, the secure connectivity layer CL, the network layer NL, the physical layer PL and the energy layer EL are Pari 3, Par23, Par33, Par43, Par53 and Par63 respectively.
  • the impacts on the parameter Pi on the data layer DL, the functional communication layer ML, the secure connectivity layer CL, the network layer NL, the physical layer PL and the EL energy layer are Par 4, Par 34, Par 44, Par 54 and Par 64 respectively.
  • FIG. 5 illustrates an example of restitution of the differentiated environmental impact for different functional layers. The restitution can be carried out individually for each environmental impact parameter, or by compiling different environmental parameters into a composite parameter.
  • the restitution provides for the layers DL, ML, CL, NL, PL and EL environmental impact values for this parameter in the form graphical representations 961 to 966, possibly accompanied by a display of numerical values.
  • a representation makes it possible to identify by functional layer that which has the greatest impact on an environmental parameter.
  • the restitution provides reference values for the layers DL, ML, CL, NL, PL and EL, corresponding for example to the simulation of an existing architecture.
  • the restitution thus provides environmental impact values for the parameter in the form of graphical representations 951 to 956 for the reference architecture.
  • the display can be broken down for each functional layer of each zone to gain in analysis finesse.
  • An algorithm for estimating the volumes of data processed and modified in the different entities of the DL data layer can be implemented.
  • This algorithm can be implemented with a graph traversal with a calculation that updates the state variables of each DL data layer of each entity (corresponding to a node of the graph).
  • the database includes dissociated environmental impact data for different periods of the life of each entity.
  • the periods considered typically include the production cycle, the use cycle and the disposal cycle.
  • the processor 82 is configured to calculate the environmental impact for each of the respective periods.
  • the device for restoring the calculated environmental impact then differentiates the environmental impact for each of the periods in the life of the entities or areas.
  • Each cycle can also be broken down into more precise phases. For example, for the production cycle, the environmental impacts can be broken down into the raw material extraction phase, the manufacturing phase, the distribution phase or the deployment phase. For disposal, the environmental impacts can be broken down into the collection phase, the recycling phase, the residual waste landfill phase.
  • the environmental impact database can be fine-tuned to take account of changes or improved knowledge of a specific phase for an entity.
  • the database may also contain reconfiguration mechanisms allowing to act on the environmental impact for each of the functional layers and possibly according to their type of installation.
  • the decision device uses the information from this database to generate the instructions for the reconfiguration device.
  • the adaptation mechanisms could for example consist of a modification of message sizes or transmission or calculation frequencies to reduce the energy footprint.
  • the usage scenario of architecture 1 can be configured with a duration of use, a lifetime, a temporal deployment model of at least one interconnected entity, or an intensity of use of an entity in the application service area.
  • the intensity of use depends, for example, on the period of collection and transmission of field data (more or less in real time, for example), as well as the number of connected entities.
  • FIG. 6 illustrates an example of scenario management with such parameters.
  • the quantities produced PO, P1, P2 and P3 are forecast for a given type of entity, the quantities used U0, U1, U2 and U3 for this type of entity , and the discarded quantities E0, E1 , E2 and E3 for this type of entity, this information can be in the form of a database.
  • Such scenarios can be updated or visualized through time graphs.
  • Such deployment scenarios may either be based on actual deployment measurements (for example on statistics at regular intervals of the entities actually in service) or on deployment evolution estimates.
  • a method can be implemented comprising the steps 101 to 110 illustrated.
  • step 101 the population of entities produced for the year taken into account is updated.
  • step 102 a deployment scenario of these produced entities is applied.
  • steps 103 to 105 scenarios for replacing the updates of the entities in use are applied.
  • Step 103 includes a step of updating the number of entities based on the number of new entities deployed and entities already deployed.
  • Step 104 includes an update of the number of entities based on a scenario of scheduled temporal renewal of the entities.
  • Step 105 includes updating the feature count based on replacing features that have become unpredictably unavailable.
  • Step 106 determines the number of entities in use for the year considered.
  • the impact of entity replacements can also be taken into account (for example the replacement of a battery by a technician, taking into account the movement of this technician).
  • steps 107 to 109 scenarios for the scrapping of entities during the year in question are applied.
  • a scheduled disposal scenario of a number of entities is applied.
  • step 108 a scenario of discarding a number of entities for unforeseeable reasons is applied.
  • step 109 the total number of discarded entities for the year considered is determined.
  • the number of residual entities for the following year is determined.
  • Figure 7 illustrates an example of restitution of the differentiated environmental impact for different periods in the life of the entities.
  • the representation here is very simplified with, for a given environmental parameter:
  • the restitution provides reference values for each of the life cycles, respectively in the form of respective graphical representations 971 to 973, for the environmental impact of the production cycle, the environmental impact of the use cycle , the environmental impact of the disposal cycle.
  • the restitution can be carried out individually for each environmental impact parameter, or by compiling different environmental parameters into a composite parameter.
  • the restitution of the environmental impact can be carried out as illustrated in FIG. 8, by illustrating the evolution over time of an environmental parameter. This evolution can be refined by zone and/or by functional layer.
  • the solid line curve corresponds to the evolution over time of an environmental parameter for the simulated architecture.
  • the solid line curve corresponds to the evolution over time of this environmental parameter for a simulated reference architecture.
  • the processing device 82 includes an anticipation module.
  • the anticipation module is configured to provide variations of parameters of the usage scenario.
  • the variation of the scenario can include a predefined variation (for example of 5% upwards or downwards) on the environmental impact parameters or on the number of entities for each zone.
  • the anticipation module then calculates the environmental impact for each of said zones on the basis of a predefined variation (and possibly for each of said layers).
  • the device of restitution 83 is then configured to restore the influence of each variation on the environmental impact. The restitution can be illustrated in the form of the evolution of the impact in percentage.
  • FIG. 9 illustrates an example of restitution of the influence of the variations of a use scenario parameter on the environmental impact.
  • graphical representations 941 to 946 of the environmental impact values for zones 2 to 6 and 9 for an environmental impact parameter For a given variation of a usage scenario parameter (for example an increment in the number of sensors deployed), the processing device 82 makes use of an anticipation module, configured to provide these variations of the usage scenario and calculate the environmental impact of this variation for each zone.
  • the values calculated following this variation of the scenario are displayed here in the form of graphical representations 991 to 996.
  • the restitution can be carried out individually for each environmental impact parameter, or by compiling different environmental parameters into a composite parameter.
  • Figure 10 illustrates an example of restitution of the presentation influence of a return to the planet.
  • the restitution may include a 920 visual of the architecture model and interactions.
  • the restitution provides for the entire architecture a return on planet duration in months, i.e. the duration which will be necessary for the assessment of the impact of the deployment of a new architecture is positive or a percentage of increase or reduction concerning an environmental parameter over a given duration.
  • the restitution can generate a positive environmental impact quantified by the 911 diagram, compared to a negative environmental impact quantified by the 912 diagram.
  • the environmental impact is restored for each entity or groups of entities on a certain period for the environmental parameter, in the form of histograms 901 to 906.
  • the interface illustrated in figure 10 lists a certain number of indications, presented here in the form of labels (Lab1, Lab2%) associated with respective values (921 to 929), some of which are calculated by the processing device 82, others are entered by the user.
  • the respective values 921 to 929 can for example correspond to a lifetime of architecture 1 for the calculation of diagrams 911 and 912, a carbon intensity in the generation of electricity, the positive environmental impact also quantified by the diagram 911, a number of sensors of a first type during the lifetime, the annual energy impact of the use of a sensor of the first type, the impact of the production of the sensor of the first type, the impact of disposal of the sensor of the first type, a number of sensors of a second type during the lifetime, the annual energy impact of the use of a sensor of the second type, the impact of the production of the sensor of the second type, and the impact of the disposal of the sensor of the second type.
  • FIG 11 illustrates the application of an example of architecture 1 applied to a practical case 2 to illustrate the organization of the entities in different zones.
  • Architecture 1 is here applied to a context of six connected buildings 91 to 93 and belonging there to zone 9 of instrumented objects. These buildings 91 to 93 communicate with four applications 61 to 64 via a network and a platform. Each building 91 to 93 is associated with sensors 21 to 23 of the connected object zone 2. Sensors 21 to 23 correspond respectively to a temperature sensor, a presence sensor and a humidity sensor.
  • the architecture 1 comprises a gateway area 3 provided with gateways 31, each located in one of the buildings 91 to 93. Each gateway 31 is in communication with the respective sensors 21 to 23 of its building.
  • the wide area network 4 comprises a long-distance network of the LP-WAN 41 type (for Low Power Wide Area Network in English for low-power remote network).
  • the gateways 31 are connected to the network 41.
  • the zone 5 for generic digital processing of messages and data is connected to the wide area network zone 4.
  • the zone 5 can include an application 51 such as that distributed under the commercial reference Thingsworks, implemented for example in the cloud. in a data center.
  • Zone 6 of the semantic object data exploitation application service is connected to zone 5.
  • Zone 6 includes, for example, a supervision center.
  • the supervision center of zone 6 here comprises control room terminals 61 and 62 and touch pads 63 and 64 intended for itinerant interventions.
  • the buildings 91 to 93 can be replaced by a conceptual element corresponding to 250 buildings, for example schools.
  • the sensors 21 to 23 (temperature, presence, humidity for example) associated with each of the schools are intended to allow automated control of the heating supply. Intelligent heating control reduces energy consumption.
  • sensors 21 to 23 communicate with a gateway 31 which sends the data to the remote control center via a wide area network 41.
  • the data is then processed in a cloud application.
  • a control/supervision terminal makes it possible to control the operation of the solution remotely in a monitoring center.
  • the processing device 82 can calculate the impact for example over a period of 240 months and incrementally with a monthly step.
  • the database defining the environmental impact data for each of the entities of the architecture 1 separates whether an entity belongs to a third party or to an operator of one of said zones.
  • each entity in the database can be associated with a legal entity or a role.
  • the digital processing device 82 is advantageously configured to calculate the environmental impact of the architecture for the entities belonging to each legal entity or role.
  • the restitution device 83 is then configured to restore in a differentiated way the environmental impact for the entities belonging to each legal person. Thus, it is possible to determine where the most effective administrative decisions must be made to optimize the reduction of the environmental impact.
  • the reference values of the environmental parameters are essentially based on simulations. We can also take real measured values as a reference (which will be measured on the deployed solution, by measuring energy consumption from activity-based models).
  • the processing device 82 can be configured to perform the comparison of different deployment scenarios and technological choices. For example, an energy consumption model will be applied by type of network technology, depending on the number and size of the messages sent by a device (object, gateway, etc.).
  • the digital processing device 82 can be configured to calculate the overall environmental impact of the whole of the architecture 1 on the basis of the environmental impact calculated for each of the respective zones.
  • the digital processing device 8 can also be configured to compare the reference global environmental impact (for example measured) with the simulated environmental impact for the architecture 1. This comparison can be used by the decision device to detail the measurements to be implemented with the reconfiguration device.
  • the digital processing device 82 can be configured to calculate the financial cost of an evolution between an architecture in use and an architectural model 1 in project.
  • the digital processing device 82 can be configured to calculate the impact of a given investment on an environmental impact parameter.
  • the digital processing device 82 can also be configured to calculate the normalized environmental impact related to each unit of interest (per unit of cost, per unit of entity, per unit of object) in order to obtain an environmental impact adimensional of the solution of the architecture 1, in order to be able to easily compare the environmental performance of different solutions.
  • the invention can implement a decision device, that is to say a device configured to:
  • the decision device comprises for example a module for real-time measurement of environmental parameters (for example energy consumption of an entity of the system) and a machine learning module which makes it possible to deduce predictive models.
  • the decision device can also simply include an analysis module which predicts the results from these measurements using the simulation model and compares them with the objectives.
  • the invention can implement a control device which is based on a database of the adjustment mechanisms available for each of the entities of the system and of the functional components of these entities.
  • the control device can be implemented by enriching the descriptive database detailed previously, and which takes orders from the decision device to activate the adjustment mechanisms in an appropriate manner in order to achieve the environmental objectives.
  • the invention also relates to the chain of Internet of things realized according to a design corresponding to a chain of Internet of things or end-to-end Internet of things system having been the subject of a simulation environmental impact.
  • FIG. 12 An example of a method for implementing such a method for producing a system is schematically illustrated in FIG. 12.
  • a descriptive digital model corresponds to an Internet of Things chain project under study, containing the entity models with their property and behavior models.
  • Another numerical model corresponds to the Internet of Things chain in the real world, its numerical model describing both the real entities implemented but also their behavior through time series.
  • This execution digital model or real-world digital model which can be considered as the digital twin of the real-world system, is based on the descriptive digital model for the types of entities and their relationships.
  • the digital execution model contains the list of entities actually implemented and the interactions between them.
  • Each entity of the digital twin stores the real-time state of the real entity it represents as well as the time series of measurements made on sensors, gateways and cloud storage services in terms of the number of messages actually sent or received , volume of data stored and processed, energy consumed by each real entity represented.
  • the digital execution model also contains the commands of the corrective mechanisms making it possible to reduce the impact and can activate them. The digital execution model therefore reflects the activity of the entities actually implemented.
  • Figure 13 schematically illustrates a simplified example of association between a descriptive digital model and a digital execution model associated with a real system.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

L'invention porte sur un système de simulation de l'impact environnemental d'une chaine d'internet des objets, comprenant : - une mémoire numérique (81) stockant : - un modèle d'une architecture (1) incluant des entités interconnectées; et - un modèle d'interactions entre les entités interconnectées, chaque entité interconnectée étant associée à une zone dans le groupe comprenant : zone d'objet connecté (2), zone passerelle (3) entre objets connectés et réseau étendu, zone de réseau étendu (4), zone de dispositif de traitement numérique bas niveau (5) distant de l'objet, zone de service applicatif (6) d'exploitation des données; - une base de données définissant des données d'impact environnemental pour chacune desdites entités; - un scénario d'utilisation des différentes entités du modèle d'architecture; - un dispositif de traitement numérique (82) pour calculer l'impact environnemental pour chacune desdites zones respectives et un dispositif de restitution (83) de l'impact environnemental calculé différenciant l'impact environnemental pour chacune desdites zones.

Description

Description
Titre de l'invention : Système de simulation de l’impact environnemental d’une chaîne d’internet des objets
[0001] [L’invention concerne les systèmes de simulation du comportement de réseaux et de systèmes d’objets interconnectés, souvent désignés par le terme d’Internet des Objets ou loT. L’invention concerne également les réalisations et adaptations de réseaux et de systèmes d’objets interconnectés.
[0002] La transformation numérique de l’ensemble des secteurs d’activité de nos sociétés modernes s’intensifie. Ainsi, les environnements et services connectés connaissent ou vont connaître un développement important, par exemple dans le domaine des véhicules connectés, des villes connectées, ou de la santé connectée, ou encore des usines connectées, pour accroître l’efficacité opérationnelle mais aussi diminuer l’impact environnemental dans ces domaines ou pour ces organisations. De tels services sont notamment basés sur la mise en place et l’utilisation d’un grand nombre d’objets connectés. L’Internet des Objets désigne alors l’ensemble des systèmes sous-jacents qui sont développés puis déployés et reliés dans le but de délivrer ces services connectés. En s'appuyant sur les protocoles Internet, l’Internet des Objets hérite de la robustesse, de l'évolutivité et des propriétés omniprésentes de l'infrastructure Internet avec le même potentiel d'effet de réseau.
[0003] Contrairement à l’Internet, dont le but initial était d'interconnecter des systèmes informatiques ouverts et de permettre la communication de données entre eux, la technologie de l'Internet des objets vise à interconnecter le monde physique contraint avec le monde virtuel.
[0004] Pour y parvenir, l'infrastructure sous-jacente doit être conçue pour fournir une connectivité continue, adaptée, sécurisée et fiable des objets, pour permettre des communications en temps réel, mais aussi pour collecter et traiter d'énormes quantités de données.
[0005] Ces nouvelles tâches exigent que les systèmes d’Internet des Objets (constitués d’un ensemble de sous-systèmes indépendants fermés dits chaines loT qui partagent certaines ressources mutualisées telles que le réseau ou le stockage en nuage) exploitent des interconnexions complexes de composants physiques et définis par logiciel qui devraient fonctionner de concert pour garantir que la connectivité, la communication et la gestion des données sont sûres et précises. Ces interconnexions seront de plus en plus définies par logiciel (par exemple les réseaux SDN pour des éléments reconfigurables de la 5G appelés slice) pour permettre l’agilité et l’évolutivité requise.
[0006] Des composants spécialisés sont en charge du déplacement des paquets de données, d'autres du maintien des connexions sécurisées, tandis que d'autres entités sont responsables du traitement, de l'analyse, du stockage ou de la fourniture des données au bon moment, au bon endroit au bon coût avec le bon niveau de sécurité et de confidentialité. Ces systèmes comprenant des milliers voire des millions de composants hétérogènes multi-couches sont très difficiles à concevoir, à déployer et à maintenir de bout en bout. Une difficulté supplémentaire vient du caractère évolutif et dynamique des interconnexions.
[0007] Pour bâtir un système d’Internet des Objets, les activités de conception et déploiement d’infrastructures, d’objets et d’applications font appel à un ensemble des compétences très différentes dont les acteurs travaillent souvent de manière isolée. Les approches traditionnelles utilisées par les équipes informatiques ou les opéTaux/ Rateurs de réseaux pour concevoir des réseaux et des systèmes distribués, atteignent leurs limites dans le contexte très large échelle de l’Internet des Objets, avec des équipes qui ne sont pas habituées à collaborer étroitement et à partager des perspectives communes. La définition par logiciel et d’insfrastructure sous forme de code de ces systèmes permet d’en envisager la programmation, la reconfiguration dynamique et le pilotage automatique.
[0008] La recherche de réduction de l’impact environnemental d’un système est une application majeure de l’Internet des Objets. En effet, de nombreux domaines tels que l’automobile ou les bâtiments connectés laissent envisager que la mise en place de capteurs à distance pourrait permettre de mesurer précisément pour réguler de façon automatique des systèmes en vue par exemple de réduire la consommation d’énergie ou les émissions de gaz à effet de serre.
[0009] Les décideurs doivent de plus en plus fréquemment prendre des décisions pour le déploiement de nouvelles solutions de réduction d’impact environnemental basées sur l’Internet des Objets. Cependant, les décideurs ne disposent pas d’outil leur permettant d’anticiper les impacts environnementaux et les bénéfices des solutions d’Internet des Objets dans leur cycle de vie. On constate que ces décisions doivent être prises avec des informations seulement partielles sur l’impact environnemental effectif des solutions retenues. Les décideurs ne peuvent notamment pas anticiper la durée de retour sur investissement environnemental. Les exploitants de solutions loT manquent par ailleurs d’outils leur permettant d’identifier les paramètres les plus efficaces, les paramètres et les actions à entreprendre pour réduire de façon efficace l’impact environnemental. Par ailleurs, les exploitants de solutions d’Internet des Objets doivent ou vont devoir préparer des rapports pour justifier de l’impact environnemental de leurs solutions, soit pour des raisons fiscales, soit pour des raisons réglementaires. Les exploitants de ces solutions ne disposent pas de solutions satisfaisantes leur permettant de générer de tels rapports et ce de façon fiable.
[0010] L’invention vise à résoudre un ou plusieurs de ces inconvénients. L’invention porte ainsi sur un système de simulation de l'impact environnemental d'une chaine d'internet des objets, tel que défini dans les revendications annexées. L’invention porte également sur les réalisations, adaptations, programmations et pilotages basés sur une telle simulation.
[0011] -
[0012] L’invention porte également sur les variantes des revendications dépendantes. L’homme du métier comprendra que chacune des caractéristiques des variantes suivantes peut être combinée indépendamment aux caractéristiques de la description et des revendications dépendantes, sans pour autant constituer une généralisation intermédiaire.
[0013] Le modèle d’architecture peut inclure des types d’entités dites ICT interconnectées entre elles et décomposées individuellement en couches fonctionnelles implantées sous forme matérielle, logicielle ou servicielle.
[0014] Le modèle d’interactions entre les entités peut être un modèle d’interaction macroscopique des types d’entités.
[0015] Chaque entité inter-connectée dans le modèle d’interactions peut être associée à une zone tiers.
[0016] La base de données peut également définir les données d’impact environnemental pour chacun des composants fonctionnels.
[0017] Outre le dispositif de restitution de l’impact environnemental, on peut prévoir un dispositif de décision pour récupérer les objectifs et contraintes environnementales de l’utilisateur, analyser les écarts d’impact réalisés vis-à-vis des objectifs et recommander des actions correctives.
[0018] On peut également prévoir un dispositif de reconfiguration du système loT permettant d’agir dans les zones et sur les entités concernées pour atteindre des objectifs fixés. [0019] D’autres caractéristiques et avantages de l’invention ressortiront clairement de la description qui en est faite ci-après, à titre indicatif et nullement limitatif, en référence aux dessins annexés, dans lesquels :
[0020] [Fig.1 ] illustre schématiquement un exemple d’architecture et d’interactions d’une chaine d’internet des objets pour laquelle l’invention peut être mise en œuvre ;
[0021] [Fig.2] illustre schématiquement un système de simulation d’impact environnemental selon l’invention ;
[0022] [Fig.3] illustre un exemple de restitution de l’impact environnemental différencié pour différentes zones ;
[0023] [Fig.4] illustre un exemple d’informations d’une base de données d’impact environnemental ;
[0024] [Fig.5] illustre un exemple de restitution de l’impact environnemental différencié pour différentes couches fonctionnelles ;
[0025] [Fig.6] illustre un exemple de gestion du scénario avec des paramètres de gestion de périodes de vie ;
[0026] [Fig.7] illustre un exemple de restitution de l’impact environnemental différencié pour différents périodes de la vie des entités ;
[0027] [Fig.8] illustre un exemple de restitution de l’impact environnemental par son évolution dans le temps ;
[0028] [Fig.9] illustre schématiquement un exemple de restitution de l’influence des variations d’un paramètre de scénario d’utilisation sur l’impact environnemental ;
[0029] [Fig.10] illustre schématiquement un exemple de restitution du calcul du retour sur planète entre une nouvelle architecture simulée et une architecture de référence ;
[0030] [Fig.11] illustre schématiquement un exemple d’architecture d’une chaine d’internet des objets pour un cas particulier ;
[0031] [Fig.12] illustre schématiquement la mise en œuvre d’une simulation sur un système réel ;
[0032] [Fig.13] illustre schématiquement un exemple d’association entre un modèle numérique descriptif et d’un modèle numérique d’exécution associé à un système réel.
[0033] L’invention porte sur un système de simulation de l’impact environnemental d’une chaine d’internet des objets, dont un exemple d’architecture 1 est illustré en référence à la figure 1. Une chaine d’internet des objets fournit une interconnexion organisée entre des entités matérielles et logicielles, pour permettre une interconnectivité globale et un échange de données entre des objets du monde physique, augmentés par des capacités de capture d’information de terrain, d’actions sur des équipements physiques et de communication, appelées objets loT ou objets instrumentés, et des applications et services logiciels qui comprennent les services loT. Ces entités exploitent les capacités de connectivité et de traitement des données pour analyser et exploiter les données de détection et interagir avec les objets et les utilisateurs loT.
[0034] Les objets instrumentés peuvent être simples (capteurs, afficheurs, modules logiciels) ou des dispositifs physiques complexes comme des véhicules, des maisons, des avions, des usines, des corps humains, des infrastructures de transport, des infrastructures énergétiques ou des champs agricoles.
[0035] Dans un exemple simple, deux utilisateurs sont impliqués: le fournisseur de services qui exploite et gère l'outil et le client, comme une grande entreprise, qui vend un service ou un produit aux utilisateurs finaux ou aux consommateurs.
[0036] Si un client souhaite déployer un nouveau service ou une nouvelle infrastructure pour ses utilisateurs finaux, une telle infrastructure peut impliquer un grand réseau ou système d’entités interconnectées. Le client peut avoir une expérience ou des moyens limités pour déterminer l’impact environnemental d’une telle infrastructure, étant donné que les réseaux d’entités interconnectés peuvent être excessivement complexes, vastes et difficiles à calculer. Le client peut par exemple souhaiter simuler, estimer ou optimiser au préalable l’impact environnemental d’une nouvelle solution avant de la déployer.
[0037] Dans une mémoire numérique, on stocke :
-un modèle de l’architecture de la solution incluant des entités interconnectées (correspondant à des types) ; et
-un modèle d’interactions entre les entités interconnectées.
[0038] La figure 1 est un diagramme illustrant à la fois le modèle de l’architecture avec l’ensemble des entités et leur répartition dans différentes zones, et le modèle des interactions en illustrant les interconnexions entre les entités des différentes zones.
[0039] Dans le modèle de l’architecture, chaque entité interconnectée est associée à une zone respective sélectionnée dans le groupe comprenant : une zone d’objets connectés 2 (aussi appelés thing zone en langue anglaise, une zone passerelle 3 (aussi appelée bordure, périphérie de réseau ou informatique de périphérie pour edge en langue anglaise) entre les objets connectés et un réseau étendu, une zone de réseau étendu 4 (souvent désigné par l’acronyme WAN pour wide area network en langue anglaise), zone 5 de traitement numérique générique des messages et des données (collecte et routage de messages, aggrégation et analyse des données) distant de l’objet (par exemple dans une plateforme en nuage ou cloud en langue anglaise), une zone 6 de service applicatif d’exploitation sémantique des données d’un objet (faisant sens dans le contexte métier, par exemple l’état d’une ligne de production, le dysfonctionnement d’une machine, la position d’un conteneur). Dans l’exemple illustré, le modèle d’architecture comprend en outre une zone 9 d’objets instrumentés (par exemple dotés d’un système électronique embarqué permettant la lecture, le pré-traitement et l’envoi des données de mesure).
[0040] La zone 9 comprend ainsi des objets instrumentés 91 et 92, par exemple des véhicules automobiles. La zone d’objets connectés 2 comprend des capteurs 21, 22 et 23, 24 fixés respectivement sur les objets instrumentés 91 et 92. La zone d’objets connectés 2 peut également comprendre des modules de communication 25 et 26 en communication avec les capteurs. La zone passerelle 3 comprend par exemple des routeurs 31 et 32, par exemple des routeurs sans fil, communiquant avec les modules de communication 25 et 26 de la zone d’objets connectés 2. La zone de réseau étendu 4 comprend par exemple des répéteurs (ici un répéteur 41), en communication avec les routeurs. La zone 5 de traitement numérique générique des messages et des données (analyse de données, gestion des dispositifs) est connectée à la zone de réseau étendu 4. La zone 6 de service applicatif d’exploitation sémantique de données d’objet est connectée à la zone 5.
[0041] Le modèle d’architecture 1 illustre ici un ensemble d’entités individuelles et pour une topologie simple. On peut cependant également envisager que chaque entité illustré corresponde à une flotte d’entités individuelles, dans un souci de simplification de l’affichage du modèle d’architecture 1. Dans le modèle d’architecture 1, le nombre d’entités individuelles dans une flotte peut être paramétré pour modifier les calculs d’impact environnemental mis en œuvre. La restitution des calculs liés au nombre d’entités ou d’utilisateurs pourra faire référence à ce nombre, afin de permettre un comparatif ou un ajustement d’une solution en cours de développement. Par exemple, la consommation d'énergie et la consommation de batterie dépendra de l'intensité d'usage d’un système loT. Le calcul des volumes de données et de messages qui transitent dans le système loT dérive d'une analyse séquentielle de la topologie de l'infrastructure représentée sous forme de multigraphe.
[0042] Le modèle d’interactions entre les entités interconnectées définit par exemple comment les entités sont interconnectées (et par exemple à quel niveau fonctionnel les entités échangent de l’information : données, message, réseau...). Le modèle d’interactions peut inclure une topologie logique ou un modèle de connectivité. Le modèle d’interaction peut inclure des informations de direction et de temporalité (diagramme de temps d’un protocole par exemple). Les capteurs 21 et 22 sont associés à l’objet 91. Les capteurs 23 et 24 sont associés à l’objet 92. Les capteurs 21 et 22 sont connectés à l’antenne 25, les capteurs 23 et 24 sont connectés au module de communication 26. L’antenne 25 est connectée au routeur 31 , le module de communication 26 est connectée au routeur 32. Les routeurs 31 et 32 sont connectés au répéteur 41.
[0043] La mémoire numérique stocke également une base de données définissant des données d’impact environnemental pour chacune desdites entités de l’architecture 1. Les données d’impact environnemental peuvent être des données issues de mesures réelles sur les entités (par exemple suite à des mises à jour), des données issues de simulations ou des données issues de documentations techniques d’un fabriquant. Les mesures réelles des données peuvent être réalisées par une communauté industrielle ou scientifique.
[0044] La mémoire numérique stocke également un scénario d’utilisation des différentes entités du modèle d’architecture 1.
[0045] Le système de simulation de l’impact environnemental 8, illustré schématiquement à la figure 2, comprend ainsi une mémoire numérique 81 (par exemple une mémoire de masse de type disque dur), un dispositif de traitement numérique 82 et un dispositif de restitution de l’impact environnemental 83.
[0046] Le dispositif de traitement numérique 82 (par exemple un ordinateur de type serveur) est configuré pour calculer l’impact environnemental de l’architecture 1 mémorisée, sur la base du modèle d’interactions mémorisé, sur la base des données d’impact environnemental des entités interconnectées de l’architecture 1 mémorisées, et sur la base du scénario mémorisé. Le dispositif de traitement numérique 82 est en outre configuré pour calculer l’impact environnemental pour chacune des zones respectives. Le dispositif de traitement numérique 82 comprend une interface de communication homme/machine, par exemple sous la forme d’une interface internet, afin de permettre à un utilisateur de modifier des paramètres du modèle d’architecture, du modèle d’interactions, de la base de données d’impact environnemental des entités, ou du scénario d’utilisation des différentes entités du modèle d’architecture.
[0047] Le dispositif de restitution 83 (par exemple un module d’affichage générant des images pour un écran d’affichage) est configuré pour restituer l’impact environnemental calculé en différenciant l’impact environnemental pour chacune des zones. Le dispositif de restitution 83 permet ainsi d’identifier rapidement quelle zone de l’architecture 1 présente le principal impact environnemental. Ainsi, le concepteur de l’architecture 1 pourra envisager d’optimiser une zone particulière de cette architecture 1, afin de réduire l’impact environnemental par une conception ciblée de cette zone. De façon pratique, l’optimisation peut aboutir à réaliser plus de distribution dans la zone de bordure 3 ou plus de centralisation par une architecture en nuage, ou à une sélection de composants plus efficaces énergétiquement (réseau bas débit, utilisation d’un nuage frugal...).
[0048] La figure 3 illustre un exemple de restitution de l’impact environnemental différencié pour différentes zones. La restitution peut inclure un visuel 920 du modèle d’architecture et des interactions. Pour un paramètre environnemental donné (par exemple la quantité d’émission de gaz à effet de serre), la restitution fournit pour les zones 9 et 2 à 6 des valeurs d’impact environnemental pour ce paramètre sous la forme de représentations graphiques 941 à 946, éventuellement accompagnées d’un affichage de valeurs chiffrées. Une telle représentation permet d’identifier par zone celle qui a le plus d’impact sur un paramètre environnemental. Avantageusement, la restitution fournit des valeurs de référence pour les zones 9 et 2 à 6, correspondant par exemple à la simulation d’une architecture existante. La restitution fournit ainsi des valeurs d’impact environnemental pour le paramètre sous la forme de représentations graphiques 931 à 936. La restitution peut être réalisée individuellement pour chaque paramètre d’impact environnemental, ou en compilant différents paramètres environnementaux en un paramètre composite. La méthode de compilation du paramètre composite pourra être définie par l’utilisateur, afin de pondérer les différents paramètres environnementaux, par exemple pour donner une prépondérance à une réduction de volumes de déchets ou à une réduction de la consommation énergétique.
[0049] Les paramètres d’impact environnemental peuvent notamment concerner une pollution ou une utilisation de ressources naturelles. On peut notamment sélectionner des paramètres d’impact environnemental formant des indicateurs prépondérants, traduisant des pollutions induites par des procédés d’extraction ou de raffinage de matières premières. Les paramètres d’impact environnemental que l’on peut envisager sont notamment : la consommation d’énergie (par exemple exprimée en MWh), l’émission de gaz à effet de serre (par exemple en tonnes équivalent carbone), la consommation d’eau, la pollution d’eau (par exemple exprimée en litres. années pour exprimer de manière combinée les quantités d’eau polluée et les durées de pollution communément admises), la pollution des sols (par exemple exprimée en mètres cubes. années pour exprimer de manière combinée les volumes de terre souillés et les durées de pollution communément admises) la consommation de matériaux non renouvelables (par exemple exprimée en masse) ou la consommation de matière première de façon plus générale, le volume de déchet, la durée de dégradation naturelle.
[0050] Avantageusement, la base de données des données d’impact environnemental comprend des données d’impact environnemental dissociées pour différentes couches fonctionnelles, comprenant une couche de données DL, une couche réseau NL, une couche physique PL, et une couche d’énergie EL. Avantageusement, la base de données des données d’impact environnemental comprend des données d’impact environnemental dissociées pour d’autres couches fonctionnelles, telle qu’une couche fonctionnelle de communication ML ou une couche de connectivité sécurisée CL. Le dispositif de traitement 82 est alors avantageusement configuré pour calculer l’impact environnemental pour chacune des couches respectives, le dispositif de restitution 83 de l’impact environnemental calculé étant configuré pour différencier l’impact environnemental pour chacune des couches.
[0051] Un exemple d’une base de données est illustré à la figure 4, avec décomposition des impacts environnementaux par couche et par cycle de vie. Pour un paramètre environnemental donné Pi, on illustre un exemple de contenu d’une base de données d’impact environnemental pour un ensemble d’entités, ventilé pour les différentes couches fonctionnelles. L’impact environnemental des entités est également ventilé pour les différentes périodes de la vie de chaque entité. Par exemple, pour la production de l’entité 1 (colonne EntI Prd), les impacts sur un paramètre Pi (par exemple une quantité d’émission de gaz à effet de serre) sur la couche de données DL, la couche fonctionnelle de communication ML, la couche de connectivité sécurisée CL, la couche réseau NL, la couche physique PL et la couche d’énergie EL sont respectivement Par11 , Par21 , Par31 , Par41 , Par51 et Par61. Pour l’utilisation de l’entité 1 (colonne Entl Uti), les impacts sur le paramètre Pi sur la couche de données DL, la couche fonctionnelle de communication ML, la couche de connectivité sécurisée CL, la couche réseau NL, la couche physique PL et la couche d’énergie EL sont respectivement Par12, Par22, Par32, Par42, Par52 et Par62. Pour la mise au rebut de l’entité 1 (colonne EntIWas), les impacts sur le paramètre Pi sur la couche de données DL, la couche fonctionnelle de communication ML, la couche de connectivité sécurisée CL, la couche réseau NL, la couche physique PL et la couche d’énergie EL sont respectivement Pari 3, Par23, Par33, Par43, Par53 et Par63. Pour la production de l’entité 2 (colonne Ent2Prd), les impacts sur le paramètre Pi sur la couche de données DL, la couche fonctionnelle de communication ML, la couche de connectivité sécurisée CL, la couche réseau NL, la couche physique PL et la couche d’énergie EL sont respectivement Pari 4, Par24, Par34, Par44, Par54 et Par64. [0052] La figure 5 illustre un exemple de restitution de l’impact environnemental différencié pour différentes couches fonctionnelles. La restitution peut être réalisée individuellement pour chaque paramètre d’impact environnemental, ou en compilant différents paramètres environnementaux en un paramètre composite. Pour un paramètre environnemental donné (par exemple la quantité d’émission de gaz à effet de serre), la restitution fournit pour les couches DL, ML, CL, NL, PL et EL des valeurs d’impact environnemental pour ce paramètre sous la forme de représentations graphiques 961 à 966, éventuellement accompagnées d’un affichage de valeurs chiffrées. Une telle représentation permet d’identifier par couche fonctionnelle celle qui a le plus d’impact sur un paramètre environnemental. Avantageusement, la restitution fournit des valeurs de référence pour les couches DL, ML, CL, NL, PL et EL, correspondant par exemple à la simulation d’une architecture existante. La restitution fournit ainsi des valeurs d’impact environnemental pour le paramètre sous la forme de représentations graphiques 951 à 956 pour l’architecture de référence. L’affichage peut être décomposé pour chaque couche fonctionnelle de chaque zone pour gagner en finesse d’analyse.
[0053] Un algorithme d’estimation de volumes de données traitées et modifiées dans les différentes entités de la couche de données DL peut être mis en œuvre. Cet algorithme peut être mis en œuvre avec un parcours de graphe avec un calcul qui met à jour les variables d’état de chaque couche de données DL de chaque entité (correspondant à un nœud du graphe).
[0054] Avantageusement, la base de données comprend des données d’impact environnemental dissociées pour différentes périodes de la vie de chaque entité. Les périodes considérées incluent typiquement le cycle de production, le cycle d’utilisation et le cycle de mise au rebut. Le dispositif de traitement 82 est configuré pour calculer l’impact environnemental pour chacune des périodes respectives. Le dispositif de restitution de l’impact environnemental calculé différencie alors l’impact environnemental pour chacune des périodes de la vie des entités ou des zones. Chaque cycle peut également être décomposé en phases plus précises. Par exemple, pour le cycle de production, on peut décomposer les impacts environnementaux en phase d’extraction de matière première, en phase de fabrication, en phase de distribution ou en phase de déploiement. Pour la mise au rebut, on peut décomposer les impacts environnementaux en phase de collecte, en phase de recyclage, en phase de mise en décharge de déchets résiduels. Avec un tel niveau de précision, la base de données d’impacts environnementaux peut être mise à jour finement pour tenir compte des évolutions ou d’une amélioration des connaissances sur une phase spécifique pour une entité. La base de données peut aussi contenir les mécanismes de reconfiguration permettant d’agir sur l’impact environnemental pour chacune des couches fonctionnelles et éventuellement en fonction de leur type d’implantation. Le dispositif de décision utilise les informations de cette base de données pour générer les instructions pour le dispositif de reconfiguration. Les mécanismes d'adaptation pourront par exemple consister en une modification des tailles de message ou des fréquences de transmission ou de calcul pour diminuer l'empreinte énergétique.
[0055] Avantageusement, le scénario d’utilisation de l’architecture 1 peut être configuré avec une durée d’utilisation, une durée de vie, un modèle de déploiement temporel d’au moins une entité interconnectée, ou une intensité d’usage d’une entité dans la zone de service applicatif. L’intensité d’usage dépend par exemple de la période de collecte et de transmission des données de terrain (plus ou moins en temps réel par exemple), ainsi que du nombre d’entités connectées.
[0056] La figure 6 illustre un exemple de gestion du scénario avec de tels paramètres. Pour chaque année d’utilisation T0, T1, T2 ou T3, on prévoit les quantités produites PO, P1, P2 et P3 pour un type d’entité donné, les quantités utilisées U0, U1 , U2 et U3 pour ce type d’entité, et les quantités mises au rebut E0, E1 , E2 et E3 pour ce type d’entité, ces informations pouvant se présenter sous la forme d’une base de données. De tels scénarios pourront être mis à jour ou visualisés par l’intermédiaire de graphes temporels. De tels scénarios de déploiement pourront soit être basés sur des mesures réelles de déploiement (par exemple sur des statistiques à intervalles réguliers des entités réellement en service) ou sur des estimations d’évolution de déploiement.
[0057] Pour chaque année d’utilisation, on peut mettre en œuvre un procédé comprenant les étapes 101 à 110 illustrées. A l’étape 101, on met à jour la population d’entités produites pour l’année prise en compte. A l’étape 102, on applique un scénario de déploiement de ces entités produites. Aux étapes 103 à 105, on applique des scénarios de remplacement de mise à jour des entités en cours d’utilisation. L’étape 103 comprend une étape de mise à jour du nombre d’entités sur la base du nombre de nouvelles entités déployées et des entités déjà déployées. L’étape 104 comprend une mise à jour du nombre d’entités sur la base d’un scénario de renouvellement temporel programmé des entités. L’étape 105 comprend une mise à jour du nombre d’entités sur la base du remplacement d’entités devenues indisponibles de façon imprévisible. L’étape 106 détermine le nombre des entités en cours d’utilisation pour l’année considérée. Dans une version plus précise de la solution, on pourra aussi prendre en compte l’impact des remplacements d’entités (par exemple le remplacement d’une batterie par un technicien, en prenant en compte le déplacement de ce technicien). [0058] Aux étapes 107 à 109, on applique des scénarios de mise au rebut d’entités au cours de l’année considérée. A l’étape 107, on applique un scénario de mise au rebut programmé d’un nombre d’entités. A l’étape 108, on applique un scénario de mise au rebut d’un nombre d’entités pour des raisons imprévisibles. A l’étape 109, on détermine le nombre total d’entités mises au rebut pour l’année considérée. A l’étape 110, on détermine le nombre d’entités résiduelles pour l’année suivante.
[0059] La figure 7 illustre un exemple de restitution de l’impact environnemental différencié pour différents périodes de la vie des entités. La représentation est ici très simplifiée avec, pour un paramètre environnemental donné :
-l’impact environnemental du cycle de production sous forme d’une représentation graphique 981, éventuellement complété d’informations chiffrées ;
- l’impact environnemental du cycle d’utilisation sous forme d’une représentation graphique 982, éventuellement complété d’informations chiffrées ;
- l’impact environnemental du cycle de mise au rebut sous forme d’une représentation graphique 983, éventuellement complété d’informations chiffrées.
[0060] Avantageusement, la restitution fournit des valeurs de référence pour chacun de cycles de vie, respectivement sous la forme de représentation graphiques respectives 971 à 973, pour l’impact environnemental du cycle de production, l’impact environnemental du cycle d’utilisation, l’impact environnemental du cycle de mise au rebut. La restitution peut être réalisée individuellement pour chaque paramètre d’impact environnemental, ou en compilant différents paramètres environnementaux en un paramètre composite.
[0061] La restitution de l’impact environnemental peut être effectuée comme illustré à la figure 8, en illustrant l’évolution dans le temps d’un paramètre environnemental. Cette évolution peut être affinée par zone et/ou par couche fonctionnelle. La courbe en trait plein correspond à l’évolution dans le temps d’un paramètre environnemental pour l’architecture simulée. La courbe en trait plein correspond à l’évolution dans le temps de ce paramètre environnemental pour une architecture de référence simulée.
[0062] Avantageusement, le dispositif de traitement 82 comprend un module d’anticipation. Le module d’anticipation est configuré pour fournir des variations de paramètres du scénario d’utilisation. La variation du scénario peut comprendre une variation prédéfinie (par exemple de 5% à la hausse ou à la baisse) sur les paramètres d’impact environnementaux ou sur le nombre d’entité pour chaque zone. Le module d’anticipation calcule alors l’impact environnemental pour chacune desdites zones sur la base d’une variation prédéfinie (et éventuellement pour chacune desdites couches). Le dispositif de restitution 83 est alors configuré pour restituer l’influence de chaque variation sur l’impact environnemental. La restitution peut être illustrée sous forme d’évolution de l’impact en pourcentage.
[0063] La figure 9 illustre un exemple de restitution de l’influence des variations d’un paramètre de scénario d’utilisation sur l’impact environnemental. On retrouve ici les représentations graphiques 941 à 946 des valeurs d’impact environnemental pour les zones 2 à 6 et 9 pour un paramètre d’impact environnemental. Pour une variation donnée d’un paramètre de scénario d’utilisation (par exemple un incrément du nombre de capteurs déployé), le dispositif de traitement 82 fait usage d’un module d’anticipation, configuré pour fournir ces variations du scénario d’utilisation et calculer l’impact environnemental de cette variation pour chaque zone. Les valeurs calculées suite à cette variation du scénario sont ici affichées sous forme de représentations graphiques 991 à 996. La restitution peut être réalisée individuellement pour chaque paramètre d’impact environnemental, ou en compilant différents paramètres environnementaux en un paramètre composite.
[0064] La figure 10 illustre un exemple de restitution de l’influence de présentation d’un retour sur planète. La restitution peut inclure un visuel 920 du modèle d’architecture et des interactions. Pour un paramètre environnemental donné (ou un paramètre environnemental composite), la restitution fournit pour l’ensemble de l’architecture une durée de retour sur planète en mois, c’est-à-dire la durée qui sera nécessaire pour que le bilan de l’impact du déploiement d’une nouvelle architecture soit positif ou un pourcentage d’augmentation ou de réduction concernant un paramètre environnemental sur une durée donnée. Sur une durée donnée, la restitution peut générer un impact environnemental positif quantifié par le diagramme 911, comparé à un impact environnemental négatif quantifié par le diagramme 912. Avantageusement, on restitue l’impact environnemental pour chaque entité ou groupes d’entités sur une certaine période pour le paramètre environnemental, sous la forme d’histogrammes 901 à 906.
[0065] L’interface illustrée à la figure 10 liste un certain nombre d’indications, présentées ici sous la forme d’étiquettes (Lab1, Lab2...) associées à des valeurs respectives (921 à 929), dont certaines sont calculées par le dispositif de traitement 82, d’autres sont saisies par l’utilisateur. Les valeurs respectives 921 à 929 peuvent par exemple correspondre à une durée de vie de l’architecture 1 pour le calcul des diagrammes 911 et 912, une intensité de carbone dans la génération d’électricité, l’impact environnemental positif aussi quantifié par le diagramme 911, un nombre de capteurs d’un premier type pendant la durée de vie, l’impact énergétique annuel de l’utilisation d’un capteur du premier type, l’impact de la production du capteur du premier type, l’impact de la mise au rebut du capteur du premier type, un nombre de capteurs d’un deuxième type pendant la durée de vie, l’impact énergétique annuel de l’utilisation d’un capteur du deuxième type, l’impact de la production du capteur du deuxième type, et l’impact de la mise au rebut du capteur du deuxième type.
[0066] La figure 11 illustre l’application d’un exemple d’architecture 1 appliqué à un cas pratique 2 pour illustrer l’organisation des entités dans différentes zones. L’architecture 1 est ici appliquée à un contexte de six bâtiments connectés 91 à 93 et appartenant là la zone 9 d’objets instrumentés. Ces bâtiments 91 à 93 communiquent avec quatre applications 61 à 64 via un réseau et une plateforme. Chaque bâtiment 91 à 93 est associé à des capteurs 21 à 23 de la zone d’objets connectés 2. Les capteurs 21 à 23 correspondent respectivement à un capteur de température, un capteur de présence et un capteur d’humidité. L’architecture 1 comprend une zone passerelle 3 munie de passerelles 31 , chacune située dans un des bâtiments 91 à 93. Chaque passerelle 31 est en communication avec les capteurs respectifs 21 à 23 de son bâtiment.
[0067] La zone de réseau étendu 4 comprend un réseau longue distance de type LP-WAN 41 (pour Low Power Wide Area Network en langue anglaise pour réseau distant à faible puissance). Les passerelles 31 sont connectées au réseau 41.
[0068] La zone 5 de traitement numérique générique des messages et des données est connectée à la zone de réseau étendu 4. La zone 5 peut inclure une application 51 telle que celle distribuée sous la référence commerciale Thingsworks, mise en œuvre par exemple en nuage dans un centre de données.
[0069] La zone 6 de service applicatif d’exploitation sémantique de données d’objet est connectée à la zone 5. La zone 6 comprend par exemple un centre de supervision. Le centre de supervision de la zone 6 comprend ici des terminaux de salle de contrôle 61 et 62 et des tablettes tactiles 63 et 64 destinées à des interventions itinérantes.
[0070] Par une modification du modèle d’architecture 1 de la figure 11, on peut remplacer les bâtiments 91 à 93 par un élément conceptuel correspondant à 250 bâtiments, par exemple des écoles. Les capteurs 21 à 23 (température, présence, humidité par exemple) associés à chacune des écoles sont destinés à permettre un pilotage automatisé de la fourniture de chauffage. Un pilotage intelligent du chauffage permet une réduction des consommations d'énergie.
[0071] Ces capteurs 21 à 23 communiquent avec une passerelle 31 qui envoient les données au centre de pilotage à distance via un réseau grande distance 41. Les données sont ensuite traitées dans une application en nuage. Un terminal de contrôle/supervision permet de contrôler le fonctionnement de la solution à distance dans un centre de supervision. Le dispositif de traitement 82 peut réaliser le calcul de l'impact par exemple sur une période de 240 mois et de manière incrémentale avec un pas mensuel.
[0072] Avantageusement, la base de données définissant les données d’impact environnemental pour chacune des entités de l’architecture 1 dissocie si une entité appartient à un tiers ou à un exploitant d’une desdites zones. De façon générale, chaque entité de la base de données peut être associée à une personne morale ou à un rôle. Le dispositif de traitement numérique 82 est avantageusement configuré pour calculer l’impact environnemental de l’architecture pour les entités appartenant à chaque personne morale ou rôle. Le dispositif de restitution 83 est alors configuré pour restituer de façon différenciée l’impact environnemental pour les entités appartenant à chaque personne morale. Ainsi, il est possible de déterminer où les décisions administratives les plus efficaces doivent être prises pour optimiser la réduction de l’impact environnemental.
[0073] Il est possible de descendre jusqu’au niveau entités pour avoir le détail de l’impact par exemple d’un capteur et de comparer avec un autre capteur en terme de couche fonctionnelle mais aussi de phase de cycle de vie. Dans les exemples de restitution présentés précédemment, les valeurs de référence des paramètres environnementaux sont essentiellement basées sur des simulations. On peut également prendre des valeurs réelles mesurées comme référence (qui sera mesurée sur la solution déployée, par la mesure des consommations énergétiques à partir de modèles basés sur l'activité). Le dispositif de traitement 82 pourra être configuré pour réaliser la comparaison de différents scénarios de déploiements et de choix technologiques. On appliquera par exemple un modèle de consommation d'énergie par type de technologie réseau, fonction du nombre et de la taille des messages envoyés par un équipement (objet, passerelle...).
[0074] Avantageusement, le dispositif de traitement numérique 82 peut être configuré pour calculer l’impact environnemental global de l’ensemble de l’architecture 1 sur la base de l’impact environnemental calculé pour chacune des zones respectives. Le dispositif de traitement numérique 8 peut aussi être configuré pour comparer l’impact environnemental global de référence (par exemple mesuré) avec l’impact environnemental simulé pour l’architecture 1. Cette comparaison peut être utilisée par le dispositif de décision pour détailler les mesures à mettre en œuvre avec le dispositif de reconfiguration.
[0075] Avantageusement, le dispositif de traitement numérique 82 peut être configuré pour calculer le coût financier d’une évolution entre une architecture en cours d’utilisation et un modèle d’architecture 1 en projet. Le dispositif de traitement numérique 82 peut être configuré pour calculer l’impact d’un investissement donné sur un paramètre d’impact environnemental. Le dispositif de traitement numérique 82 peut également être configuré pour calculer l’impact environnemental normalisé rapporté à chaque unité d’intérêt (par unité de coût, par unité d’entité, par unité d’objet) en vue d’obtenir un impact environnemental adimensionnel de la solution de l’architecture 1 , en vue de pouvoir comparer aisément les performances environnementales de différentes solutions.
[0076] L’invention peut mettre en œuvre un dispositif de décision, c'est-à-dire un dispositif configuré pour :
1) quantifier un ensemble d'objectifs environnementaux,
2) d’une interface permettant de saisir et/ou de valider (s'ils sont appris par apprentissage machine) ces objectifs environnementaux.
[0077] Le dispositif de décision comprend par exemple un module de mesure temps-réel des paramètres environnementaux (par exemple consommation d'énergie d'une entité du système) et un module d’apprentissage machine qui permet de déduire des modèles prédictifs. Le dispositif de décision peut aussi simplement inclure un module d'analyse qui prédit les résultats à partir de ces mesures en utilisant le modèle de simulation et les comparer avec les objectifs.
[0078] L’invention peut mettre en œuvre un dispositif de commande qui se base sur une base de données des mécanismes d'ajustement disponibles pour chacune des entités du système et des composantes fonctionnelles de ces entités. Le dispositif de commande peut être mis en œuvre par enrichissement de la base de données descriptive détaillée auparavant, et qui prend les ordres du dispositif de décision pour activer les mécanismes d'ajustement d'une manière appropriée afin d'atteindre les objectifs environnementaux.
[0079] L’invention porte également sur la chaîne d’internet des objets réalisée conformément à une conception correspondant à une chaine d’internet des objets ou système d’internet des objets de bout en bout ayant fait l’objet d’une simulation de l’impact environnemental.
[0080] Un exemple de procédé de mise d’un tel procédé de réalisation d’un système est illustré schématiquement à la figure 12. Un modèle numérique descriptif correspond à un projet de chaine d’internet des objets à l’étude, contenant les modèles des entités avec leurs modèles de propriétés et de comportement. Un autre modèle numérique correspond à la chaine d’internet des objets dans le monde réel, son modèle numérique décrivant à la fois les entités réelles mises en œuvre mais également leur comportement par l’intermédiaire de séries temporelles. Ce modèle numérique d’exécution ou modèle numérique du monde réel, que l’on peut considérer comme le jumeau numérique du système du monde réel, est basé sur le modèle numérique descriptif pour ce qui concerne les types d’entités et leurs relations. Le modèle numérique d’exécution contient la liste des entités effectivement mises en œuvre et des interactions entre elles. Chaque entité du jumeau numérique stocke l'état temps-réel de l'entité réelle qu'elle représente ainsi que les séries temporelles des mesures effectuées sur les capteurs, passerelles et services de stockage en nuage en termes de nombre de messages effectivement envoyés ou reçus, de volume de données stockées et traitées, d’énergie consommée par chaque entité réelle représentée. Le modèle numérique d’exécution contient aussi les commandes des mécanismes correctifs permettant de réduire l'impact et peut les activer. Le modèle numérique d’exécution reflète donc l’activité des entités réellement mises en œuvre.
[0081] La figure 13 illustre schématiquement un exemple simplifié d’association entre un modèle numérique descriptif et d’un modèle numérique d’exécution associé à un système réel.

Claims

Revendications
[Revendication 1] [Système de simulation de l’impact environnemental d’une chaine d’internet des objets, caractérisé en ce qu’il comprend -une mémoire numérique (81) stockant :
-un modèle d’une architecture (1) incluant des entités interconnectées ; et -un modèle d’interactions entre les entités interconnectées, chaque entité interconnectée étant associée à une zone respective sélectionnée dans le groupe comprenant : zone d’objet connecté (2), zone passerelle (3) entre objets connectés et réseau étendu, zone de réseau étendu (4), zone de dispositif de traitement numérique bas niveau (5) distant de l’objet, zone de service applicatif (6) d’exploitation des données d’un objet ;
-une base de données définissant des données d’impact environnemental pour chacune desdites entités ;
-un scénario d’utilisation des différentes entités du modèle d’architecture ;
-un dispositif de traitement numérique (82) configuré pour calculer l’impact environnemental de ladite architecture sur la base dudit modèle d’interactions, sur la base des données d’impact environnemental desdites entités interconnectées et sur la base du scénario stocké, en outre configuré pour calculer l’impact environnemental pour chacune desdites zones respectives ;
-un dispositif de restitution (83) de l’impact environnemental calculé différenciant l’impact environnemental pour chacune desdites zones ;
-dans lequel la base de données comprend des données d’impact environnemental dissociées pour différentes couches fonctionnelles, comprenant une couche de données, une couche réseau, une couche physique, une couche d’énergie, une couche de communication et une couche de connectivité, le dispositif de traitement étant configuré pour calculer l’impact environnemental pour chacune desdites couches respectives, le dispositif de restitution de l’impact environnemental calculé différenciant l’impact environnemental pour chacune desdites couches.
[Revendication 2] Système de simulation de l’impact environnemental d’une chaine d’internet des objets selon la revendication 1, dans lequel la base de données comprend des données d’impact environnemental dissociées pour différentes périodes de la vie de chaque entité, les périodes incluant le cycle de production, le cycle d’utilisation et le cycle de mise au rebut, le dispositif de traitement étant configuré pour calculer l’impact environnemental pour chacune desdites périodes respectives, le dispositif de restitution de l’impact environnemental calculé différenciant l’impact environnemental pour chacune desdites périodes.
[Revendication 3] Système de simulation de l’impact environnemental d’une chaine d’internet des objets selon l’une quelconque des revendications précédentes, dans lequel le dispositif de traitement comprend un module d’anticipation, configuré pour fournir des variations de paramètres du scénario d’utilisation, le dispositif de traitement étant configuré pour calculer l’impact environnemental pour chacune desdites zones respectives avec les variations de paramètres du scénario, le dispositif de restitution de l’impact environnemental calculé restituant l’évolution de l’impact environnemental avec lesdites variations pour chacune desdites zones.
[Revendication 4] Système de simulation de l’impact environnemental d’une chaine d’internet des objets selon l’une quelconque des revendications précédentes, dans lequel le scénario d’utilisation stocké comprend une durée d’utilisation, une durée de vie, un modèle de déploiement temporel d’un nombre d’entités interconnectées, une intensité d’usage d’une entité dans la zone de service applicatif.
[Revendication 5] Système de simulation de l’impact environnemental d’une chaine d’internet des objets selon l’une quelconque des revendications précédentes, dans lequel :
-la mémoire numérique stocke un modèle d’une architecture de référence incluant des entités interconnectées de référence et un modèle d’interactions de référence entre les entités connectées de référence, un scénario de référence d’utilisation des différentes entités du modèle d’architecture de référence,
-le dispositif de traitement numérique étant configuré pour calculer l’impact environnemental de ladite architecture de référence sur la base dudit modèle d’interactions de référence, sur la base des données d’impact environnemental desdites entités interconnectées de référence et sur la base du scénario de référence stocké pour le modèle d’interactions de référence entre les entités interconnectées de référence du modèle d’architecture de référence ;
-le dispositif de traitement numérique étant configuré pour calculer un impact environnemental de la mise en place de ladite architecture des interconnectées, et configuré pour calculer une durée de retour sur impact environnemental à partir de laquelle le cumul de l’impact environnemental de mise en place et de l’impact environnemental calculé pour l’architecture des entités interconnectées dépasse l’impact environnemental calculé pour l’architecture de référence ;
-le dispositif de restitution est configuré pour afficher ladite durée de retour sur impact environnemental.
[Revendication 6] Système de simulation de l’impact environnemental d’une chaine d’internet des objets selon la revendication 5, dans lequel le modèle d’architecture comprend des entités interconnectées associée à une zone d’objet instrumenté, ledit scénario d’utilisation et ledit scénario d’utilisation de référence incluant des modèles de déploiement temporel des entités interconnectées de la zone d’objet instrumenté du modèle d’architecture et du modèle d’architecture de référence ou des entités interconnectées de la zone de service applicatif du modèle d’architecture et du modèle d’architecture de référence.
[Revendication 7] Système de simulation de l’impact environnemental d’une chaine d’internet des objets selon l’une quelconque des revendications précédentes, dans lequel la base de données définissant les données d’impact environnemental pour chacune desdites entités dissocie si une entité appartient à un tiers ou à un exploitant d’une desdites zones, le dispositif de traitement numérique (82) étant en outre configuré pour calculer l’impact environnemental de l’architecture pour les entités appartenant à un tiers et pour les entités appartenant à un exploitant d’au moins une desdites zones, le dispositif de restitution (83) étant en outre configuré pour restituer de façon différenciée l’impact environnemental pour les entités appartenant audit exploitant et pour les entités appartenant à au moins un tiers.
[Revendication 8] Système de simulation de l’impact environnemental d’une chaine d’internet des objets selon l’une quelconque des revendications précédentes, dans lequel le dispositif de traitement numérique (82) est configuré pour calculer l’impact environnemental de l’ensemble de ladite architecture sur la base de l’impact environnemental calculé pour chacune desdites zones respectives.
PCT/EP2022/074824 2021-09-09 2022-09-07 Système de simulation de l'impact environnemental d'une chaine d'internet des objets WO2023036804A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2109476A FR3126795A1 (fr) 2021-09-09 2021-09-09 Système de simulation de l’impact environnemental d’une chaine d’internet des objets
FRFR2109476 2021-09-09

Publications (1)

Publication Number Publication Date
WO2023036804A1 true WO2023036804A1 (fr) 2023-03-16

Family

ID=80595445

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/074824 WO2023036804A1 (fr) 2021-09-09 2022-09-07 Système de simulation de l'impact environnemental d'une chaine d'internet des objets

Country Status (2)

Country Link
FR (1) FR3126795A1 (fr)
WO (1) WO2023036804A1 (fr)

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BONVOISIN JEREMY ET AL: "An integrated method for environmental assessment and ecodesign of ICT-based optimization services", JOURNAL OF CLEANER PRODUCTION, ELSEVIER, AMSTERDAM, NL, vol. 68, 29 January 2014 (2014-01-29), pages 144 - 154, XP028832441, ISSN: 0959-6526, DOI: 10.1016/J.JCLEPRO.2014.01.003 *
QUISBERT-TRUJILLO ERNESTO ET AL: "Lifecycle modeling for the eco design of the Internet of Things", PROCEDIA CIRP, vol. 90, 1 January 2020 (2020-01-01), NL, pages 97 - 101, XP055943246, ISSN: 2212-8271, DOI: 10.1016/j.procir.2020.02.120 *

Also Published As

Publication number Publication date
FR3126795A1 (fr) 2023-03-10

Similar Documents

Publication Publication Date Title
Ali et al. Review of urban building energy modeling (UBEM) approaches, methods and tools using qualitative and quantitative analysis
Donti et al. Machine learning for sustainable energy systems
Saldivar et al. Self-organizing tool for smart design with predictive customer needs and wants to realize Industry 4.0
NO20230419A1 (en) Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models
WO2001086473A2 (fr) Procede de simulation stochastique centralisee
FR3048536A1 (fr) Utilisation d'un noeud intelligent dans un systeme intelligent et universel de supervision de processus industriels
US11561950B2 (en) System and method for facilitating an objective-oriented data structure and an objective via the data structure
Kienzle et al. Toward model-driven sustainability evaluation
Plant et al. Combining expert system and GIS technology to implement a state-transition model of oak woodlands
Comes et al. Enhancing robustness in multi-criteria decision-making: A scenario-based approach
CN117421433A (zh) 一种图文智能舆情分析方法及系统
CN112116387A (zh) 一种基于因果关系的信息预测方法
Dorrer The digital twin of the business process model
WO2023036804A1 (fr) Système de simulation de l'impact environnemental d'une chaine d'internet des objets
Ma Energy metaverse: the conceptual framework with a review of the state-of-the-art methods and technologies
Catenacci et al. Potentials and limits of Bayesian networks to deal with uncertainty in the assessment of climate change adaptation policies
Zhu et al. eForecaster: Unifying electricity forecasting with robust, flexible, and explainable machine learning algorithms
Siddiqui et al. Addressing an uncertain future using scenario analysis
WO2023161793A1 (fr) Procédé de modélisation et de simulation d'un système de systèmes
Legast et al. Rule-based expert system for energy optimization: Detection and identification of relationships between rules in knowledge base
Sallou On reliability and flexibility of scientific software in environmental science: towards a systematic approach to support decision-making
Machado et al. How can design thinking and lean startup improve waste collection systems
Ávila et al. Batch Learning SDDP for Long-Term Hydrothermal Planning
Greasley Using analytics with discrete-event simulation
Gkikas et al. Meteorological Data Science: exploiting causality discovery in time-series for knowledge discovery and improved forecasting

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22773255

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE