Handling Information and its Propagation to Engineer Complex Embedded Systems

Avec l'intérêt que la technologie d'aujourd'hui a sur les données, il est facile de supposer que l'information est au bout des doigts, prêt à être exploité. Les méthodologies et outils de recherche sont souvent construits sur cette hypothèse. Cependant, cette illusion d'abondance se brise souvent lorsqu'on tente de transférer des techniques existantes à des applications industrielles. Par exemple, la recherche a produit divers méthodologies permettant d'optimiser l'utilisation des ressources de grands systèmes complexes, tels que les avioniques de l'Airbus A380. Ces approches nécessitent la connaissance de certaines mesures telles que les temps d'exécution, la consommation de mémoire, critères de communication, etc. La conception de ces systèmes complexes a toutefois employé une combinaison de compétences de différents domaines (probablement avec des connaissances en génie logiciel) qui font que les données caractéristiques au système sont incomplètes ou manquantes. De plus, l'absence d'informations pertinentes rend difficile de décrire correctement le système, de prédire son comportement, et améliorer ses performances. Nous faisons recours au modèles probabilistes et des techniques d'apprentissage automatique pour remédier à ce manque d'informations pertinentes. La théorie des probabilités, en particulier, a un grand potentiel pour décrire les systèmes partiellement observables. Notre objectif est de fournir des approches et des solutions pour produire des informations pertinentes. Cela permet une description appropriée des systèmes complexes pour faciliter l'intégration, et permet l'utilisation des techniques d'optimisation existantes. Notre première étape consiste à résoudre l'une des difficultés rencontrées lors de l'intégration de système : assurer le bon comportement temporelle des composants critiques des systèmes. En raison de la mise à l'échelle de la technologie et de la dépendance croissante à l'égard des architectures à multi-coeurs, la surcharge de logiciels fonctionnant sur différents coeurs et le partage d'espace mémoire n'est plus négligeable. Pour tel, nous étendons la boîte à outils des système temps réel avec une analyse temporelle probabiliste statique qui estime avec précision l'exécution d'un logiciel avec des considerations pour les conflits de mémoire partagée. Le modèle est ensuite intégré dans un simulateur pour l'ordonnancement de systèmes temps réel multiprocesseurs.