Un cadre basé sur les modèles avec automatisation améliorée par l’IA destiné aux systèmes cyber-physiques
Des logiciels sophistiqués permettent de proposer des fonctionnalités de plus en plus avancées dans des domaines tels que l’automatisation industrielle, les soins de santé, les véhicules autonomes et les réseaux intelligents. La complexité croissante des systèmes cyber-physiques (CPS pour «cyber-physical systems») qui en résultent pose des problèmes d’amélioration continue tout au long de la conception, du développement, des tests, du déploiement, de l’utilisation et de la maintenance des systèmes, afin de garantir leur fiabilité, leur fonctionnalité et leur adaptabilité. Le projet AIDOaRt, financé par l’UE, a mis au point un cadre innovant basé sur les modèles et s’appuyant sur l’apprentissage automatique pour soutenir le développement continu automatisé de CPS dans des systèmes industriels complexes et de grande taille.
Intégrer le DevOps avec l’ingénierie dirigée par les modèles et l’IA
Au cours des 20 dernières années, l’utilisation de trois approches innovantes destinées à soutenir le développement de logiciels a connu une croissance rapide: le DevOps, l’ingénierie dirigée par les modèles (MDE pour «model-driven engineering») et l’AIOps (IA pour les opérations informatiques). Le DevOps est une approche d’ingénierie logicielle collaborative dans laquelle les équipes de développement et d’exploitation travaillent ensemble, en utilisant des pipelines de livraison de logiciels automatisés pour réduire le temps de cycle et favoriser une réponse rapide aux changements. La MDE s’appuie sur des modèles et des règles de transformation pour simplifier et automatiser le processus de génération de code. L’AIOps utilise des approches d’analyse de données, d’IA et d’apprentissage automatique pour améliorer et automatiser les opérations informatiques. Selon Gunnar Widforss, coordinateur du projet de l’université de Mälardalen: «La véritable nouveauté d’AIDOaRt est la combinaison des trois paradigmes DevOps, MDE et IA/apprentissage automatique. Elle nous permet d’observer et d’analyser les données collectées à partir des artefacts de conception et d’exploitation, et d’améliorer le processus d’ingénierie dans des cycles rapides d’informatique et d’ingénierie.»
Trois ensembles d’outils avec des composants et des capacités multiples
La plateforme AIDOaRt comprend trois principaux ensembles d’outils open source. L’ensemble d’outils de base d’AIDOaRt fournit les capacités génériques du cadre AIDOaRt, telles que le traitement et la gestion des modèles, et est utilisé par les autres ensembles d’outils. Par exemple, l’outil MOMoT est un cadre qui combine la MDE et l’ingénierie logicielle basée sur la recherche pour optimiser la transformation des modèles. Son ensemble d’outils d’ingénierie des données prend en charge la collecte, la gestion et la représentation des données. L’ensemble d’outils améliorés par l’IA comprend des composants pour l’ingénierie AIOps et l’ingénierie DevOps soutenue par l’IA. Dans l’ensemble, «AIDOaRT a introduit 34 innovations clés qui ont nettement fait progresser l’état de la technique», note Gunnar Widforss.
Conception conjointe et mise en œuvre dans une multitude de cas d’utilisation
Les fournisseurs de cas d’utilisation d’AIDOaRt ont apporté des scénarios ou des problèmes spécifiques, définissant les défis et les exigences pratiques et veillant à ce que la recherche soit ancrée dans les besoins du monde réel. Ses fournisseurs de solutions ont conçu et mis en œuvre les solutions techniques ou méthodologiques nécessaires pour répondre aux cas d’utilisation. Les démonstrations pratiques du projet sur la manière dont ces solutions peuvent aider à automatiser les tâches de modélisation lors de l’ingénierie de CPS complexes et de grande taille, en particulier pendant les phases de conception, de développement et de test, ont donné lieu à de nombreuses publications, facilement accessibles sur le site web du projet. «AIDOaRt a fait ses preuves dans des domaines hétérogènes et dans des applications cibles telles que les secteurs automobile, aérospatial, maritime et ferroviaire. Il a considérablement contribué à la création d’un écosystème interdomaines de solutions intégrées améliorées par l’IA pour le soutien à l’ingénierie des systèmes et des logiciels», conclut Gunnar Widforss. L’intégration unique par AIDOaRt de DevOps, de MDE et d’IA/apprentissage automatique dans sa boîte à outils open source soutiendra le développement continu de CPS complexes tout en augmentant son efficacité et son efficience.
Mots‑clés
AIDOaRt, IA, ingénierie, DevOps, logiciel, MDE, CPS, apprentissage automatique, AIOps, ingénierie dirigée par les modèles, développement continu, systèmes cyber-physiques
