Discussion des résultats

Tous les résultats de simulation des différents scénarios montrent globalement la même tendance.

L’approche « ‘˜‹‰‹†‘™ » détecte plus de défaillances que l’approche « ƒŽ…—Žƒ–‹‘†‘‡ͷ„›ͷ »

indépendamment de l’environnement d’exécution. En contrepartie, elle génère plus de fausses alarmes

(faux positifs). Ajouté à cela, cette approche est généralement plus rapide en termes de réactivité et de

détection des défaillances. En effet, l’approche « ‘˜‹‰‹†‘™ », après la première position de la

fenêtre glissante permet d’analyser les lecteurs au fur et à mesure que leurs résultats arrivent (i.e., le

middleware n’attend que les résultats du prochain lecteur pour l’inclure dans la fenêtre d’analyse pour la

prochaine itération), alors que l’approche « ƒŽ…—Žƒ–‹‘†‘‡ͷ„›ͷ » oblige l’algorithme de diagnostic à

attendre à chaque fois les résultats des 5 prochains lecteurs.

Les seuls cas où l’approche « ‘˜‹‰‹†‘™ » est inefficace sont quand la majorité des lecteurs se

trouvant dans la fenêtre d’analyse sont défaillants. Cela devient encore plus grave, si ce phénomène se

produit dans les premières positions de la fenêtre d’analyse. En effet, étant donné que la majorité des

lecteurs (au moins 3 lecteurs sur les 5) sont défaillants et que l’approche se base sur une comparaison

statistique des résultats de lecture, le diagnostic est complètement faussé ; les lecteurs qui sont

normalement défaillants sont considérés comme valides et les lecteurs valides comme défaillants et

donc éjectés de la fenêtre glissante. Ce phénomène se poursuit vu que les lecteurs défaillants qui

constituent la majorité sont toujours gardés dans la fenêtre.

Ainsi, le choix entre ces trois implémentations dépend essentiellement de la politique que le client

(a) Moving Window Diagnosis

(b) Calculation done 5 by 5 diagnosis Figure 78. Scénario 3

101

avec un taux de détection des défaillances élevé, l’approche « Moving Window » est la plus appropriée.

Si le client veut un mécanisme de détection qui génère un minimum de faux positifs et qui fonctionne

avec des temps raisonnables, l’approche « Calculation done 5 by 5 _{» est meilleure. Enfin, Si le client}

veut un mécanisme de diagnostic le plus fiable, peu importe s’il prend beaucoup plus de temps,

l’approche « Calculation done at the end » est la plus adaptée.

VI. Conclusion

Dans ce chapitre, nous avons présenté une évaluation du modèle probabiliste utilisé par l’algorithme

RFID diagAlgo afin d’analyser son comportement suivant différents paramètres tels que le nombre de

lecteurs RFID ou le nombre de groupes de tags. Ensuite, nous avons présenté trois différentes

implémentations de l’algorithme RFID diagAlgo que nous avons évaluées à travers plusieurs scénarios

de test.

Le chapitre suivant concerne la conclusion générale de ce travail sur le test et le diagnostic des

systèmes RFID. Dans cette conclusion, nous présenterons différentes pistes et perspectives de recherche

pour poursuivre l’amélioration de la fiabilité et l’efficacité des systèmes RFID.

Conclusion générale

I. Contribution

Ce document a présenté les travaux de recherche effectués dans le cadre ma thèse de Doctorat en

informatique au sein de l’équipe CTSYS du Laboratoire de Conception et d’Intégration des Systèmes.

L’objectif de la thèse était de proposer des approches logicielles de test et de diagnostic des systèmes

RFID au niveau de la couche middleware dans le but d’améliorer la fiabilité globale des systèmes RFID.

Dans un premier temps, nous avons étudié les systèmes RFID et les protocoles de communication

utilisés afin de poser les connaissances de base nécessaires pour entamer la problématique de tolérance

aux fautes dans les systèmes RFID. Dans un second temps, nous nous sommes penchés sur les

techniques de monitoring existantes afin de démontrer pourquoi elles ne sont pas adaptées aux

nouveaux usages des systèmes RFID. Enfin, afin de proposer des solutions bien adaptées, nous avons

appliqué une AMDE (Analyse des Modes de Défaillance et de leurs Effets) sur les middlewares RFID pour

identifier les défaillances à prendre en compte et de quelles façons.

Les solutions proposées dans ce mémoire sont au nombre de trois.

- Un algorithme de diagnostic probabiliste « RFID diagAlgo » qui se base sur analyse statistique des

résultats de lecture afin d’identifier les composants défaillants. Il se compose de 3 étapes.

o Regroupement des lecteurs à analyser suivant les flux des données RFID. Cela s’illustre

par exemple, dans les systèmes de manutention des bagages dans les aéroports où les

lecteurs sont disposés tout le long des chemins que les bagages empruntent.

o _{Comparaison des données des lecteurs afin d’identifier ceux dont les résultats sont}

aberrants.

o Estimation de la précision du diagnostic grâce à un modèle probabiliste adapté du

diagnostic des systèmes multiprocesseurs.

- Une extension du protocole de communication entre les middlewares et les lecteurs RFID dont le

but est de prendre en compte au niveau du protocole certaines défaillances. Ce mécanisme est

présenté comme un processus de vérification hiérarchique d’un ensemble de causes matérielles

(e.g., antenne abîmée) ou dues aux conditions d’exécution (vitesse de déplacement des tags,

présence de perturbations électromagnétiques, etc.).

- Un analyseur de fichiers log LLRP qui permet une fois la défaillance détectée de remonter dans la

trace d’exécution grâce aux fichiers log et ainsi identifier les causes de cette défaillance. Dans cette

partie, nous avons aussi vu pourquoi les « Distinguishing Sequences » ne sont pas adaptées au

diagnostic des systèmes RFID, ce qui motive l’approche d’analyse des événements RFID.

Afin d’évaluer les mécanismes proposés dans des conditions d’exécution réelles, une solution

middleware a été implémentée pour accueillir ces mécanismes. Ce middleware se base sur le protocole

LLRP pour la communication avec les lecteurs à travers des commandes XML pour la récupération des

données RFID et la gestion des différentes sources RFID. Enfin, nous avons présenté au chapitre 5 deux

implémentations alternatives de l’algorithme RFID diagAlgo que nous avons évalué afin de réduire le

temps de diagnostic et augmenter la réactivité de l’approche, tout en gardant sa précision et sa fiabilité.

103