Optimized design of embedded energy systems

La prise de décision est une étape difficile et importante dans le processus de conception. Elle vise à guider les concepteurs dans le choix des solutions de conception entre de nombreuses alternatives. Un processus spécifique, dérivé de la combinaison entre l'ingénierie des systèmes basés sur les modèles (MBSE) et l'ontologie de la morphogenèse, de l'observation, de l'interprétation, de l'agrégation (MOIA), et appliqué aux systèmes embarqués sur les véhicules, est présenté dans ce manuscrit afin de trouver la solution optimale qui répond à plusieurs objectifs demandés. Ce processus est basé sur un algorithme d'optimisation, couplant des modèles de comportements physiques et des préférences des concepteurs. Il intègre un algorithme d'apprentissage machine afin de générer des modèles de simulation réduits fonctionnant en temps réel. En utilisant ces modèles de simulation, le temps de calcul diminue. Cela améliore le processus décisionnel et introduit un processus d'optimisation dynamique qui repose sur une vision dynamique des spécifications, des scénarios, des besoins et des préférences des clients. Cette méthode est appliquée pour optimiser le groupe motopropulseur d'un véhicule électrique, qui comprend la batterie, l'onduleur, le moteur électrique et la boîte de vitesses, répondant à trois objectifs majeurs : autonomie, performance et coût.En outre, nous développons une interface homme-machine d'une page pour le cas de conception du groupe motopropulseur d'un véhicule électrique. Cette interface représente le cadre d'optimisation de la conception à l'aide de MOIA qui fournit un moyen pratique de structurer le problème de conception. Elle est considérée comme une preuve de concept d'un outil interactif où les différents acteurs participant au processus de conception peuvent vérifier immédiatement l'évolution du problème de conception et les conséquences de leurs décisions.De plus, nous évaluons à travers des sessions de travail l'acceptabilité des différentes techniques d'interprétation et d'agrégation utilisées dans la méthode MOIA. Cette évaluation conduit à une meilleure compréhension de l'environnement industriel du processus de décision dans les phases de conception. Enfin, nous visons à développer un outil d'aide à la décision qui aide les décideurs à négocier des solutions probablement optimales et acceptables pour eux dans les phases de conception préliminaire. Cet outil est considéré comme un outil collaboratif visant à minimiser les échanges itératifs entre les différents acteurs participant au processus de conception.Decision-making is a difficult and important step in the design process. It aims at guiding designers in the selection of design solutions between numerous alternatives. A specific process, derived from the combination between Model Based Systems Engineering (MBSE) and Morphogenesis, Observation, Interpretation, Aggregation (MOIA) ontology, and applied to vehicle embedded systems, is presented in this manuscript in order to find the optimal solution that responds to several demanded objectives. This process is based on an optimization algorithm, coupling models of both physical behaviors and designers’ preferences. It integrates a machine-learning algorithm in order to generate reduced simulation models operating in real-time mode. By using these simulation models, the computation time decreases. This improves the decision-making process and introduces a dynamic optimization process that lies on a dynamic vision of specifications, scenarios, client needs and preferences. This method is applied to optimize the powertrain of an electric vehicle, which includes battery, inverter, electric motor and gearbox, responding to three major objectives: autonomy, performance and cost.In addition, we develop a one-page user interface for the electric vehicle powertrain design case. This interface represents the design optimization framework using MOIA which provides a convenient way to structure the design problem. It is regarded as a proof of concept of an interactive tool where the different actors participating in the design process can check immediately the evolution of the design problem and the consequences of their decisions.Moreover, we evaluate through work sessions the acceptability of the different techniques of interpretation and aggregation used in the MOIA method. This assessment leads to a better understanding of the industrial environment of the decision-making process in the design phases. We finally aim to develop a decision-support tool that helps decision-makers to negotiate solutions that are probably optimal and acceptable for them in the preliminary design phases. This tool is considered as a collaborative tool aims at minimizing the iterative exchanges between the different actors participating in the design process