PhD-Apprentissage Supervisé de la Disponibilité pour un Jumeau Numérique

L'ambition de la Division Innovation est de porter plus loin l'innovation d'Orange et de renforcer son leadership technologique, en mobilisant nos capacités de recherche pour nourrir une innovation responsable au service de l'humain, éclairer les choix stratégiques du Groupe à long terme et influencer l'écosystème digital mondial. La division Innovation rassemble, dans le monde, 6000 salariés dédiés à la recherche et l'innovation dont 740 chercheurs.

Au sein de l'entité Innovation, dans la direction CISS (Cloud Infrastructure Solutions and Services) qui a pour mission de fournir le cloud privé pour les filiales d'Orange et qui regroupe 180 ingénieurs en France, Roumanie et en Inde, vous serez intégré(e) à l'équipe NAVI en charge des études sur l'évolution des méthodes de déploiement automatisé des infrastructures d'hébergement pour la virtualisation des fonctions réseau. Elle comprend des ingénieurs de recherche à la pointe sur le développement logiciel en open source en lien avec la Fondation Linux Europe, sur la performance et l'efficacité énergétique du hardware en lien avec des fabricants de matériel informatique. Elle comprend également des architectes réseau et des intégrateurs mettant en oeuvre des plateformes expérimentales et assurant un support pour la mise en production dans les filiales d'Orange.

Votre rôle est d'effectuer un travail de thèse sur : " Apprentissage Supervisé de la Disponibilité pour un Jumeau Numérique des Infrastructures de Virtualisation "

Contexte global et problématique du sujet
L'hébergement d'applications sensibles aux interruptions sur des datacenters distribués, également connu sous le terme " edge computing ", requiert la mise en place de schémas de protection multi-sites et une compréhension approfondie des risques de défaillance associés [1], [2]. De plus, le développement récent de Jumeaux Numériques [3] pour l'exploitation automatisée des réseaux d'infrastructure nécessite la création de modèles de réseau et l'implémentation d'une collecte automatisée d'informations afin de synchroniser l'état du jumeau numérique avec celui des éléments d'infrastructure. L'orchestration dynamique de conteneurs de virtualisation (Kubernetes) et les architectures de monitoring associées (Prometheus) ouvrent de nouvelles perspectives pour la collecte d'informations et l'adaptation automatique face à la dégradation potentielle des infrastructures [4], [5], [6].

Objectif scientifique
L'objectif de cette thèse est de modéliser la statistique de défaillance des éléments d'infrastructure et de développer un apprentissage supervisé de ses paramètres, dans le but de compresser les mesures effectuées par des sondes d'infrastructure pour un Jumeau Numérique.

Verrous à lever
1)     Eviter la perte des courts évènements de défaillance lors de l'historisation par sous-échantillonnage
2)     Agréger les statistiques d'évènements rares de défaillance d'un ensemble d'infrastructures en production
3)     Construire un modèle de disponibilité permettant de générer des paramètres synthétiques (disponibilité, probabilité d'état)
4)     Prototyper un exporter à intégrer dans une chaîne de mesure Prometheus.

Compétences (scientifiques et techniques) et qualités personnelles exigées par le poste
Très bonnes connaissances en mathématiques appliquées (probabilités, statistiques, calcul de disponibilité, apprentissage supervisé, calcul de complexité algorithmique, chaînes de Markov, ...).

Formation demandée (master, diplôme d'ingénieur, doctorat, domaine scientifique et technique ...)
Mastère Recherche dans le domaine de l'informatique et algorithmique.

Expériences souhaitées (stages, ...)
Une expérience comme un stage en recherche dans le domaine des réseaux de télécommunication ou des systèmes informatiques serait un plus.


Références
[1] I. Narayanan, Right-sizing Geo-distributed Data Centers for Availability and Latency, 2017
[2] K. Sayad, Interdependency-Aware Resource Allocation for High Availability of 5G-enabled Critical Infrastructures Services, 2022
[3] A. Thelen, A Comprehensive Review of Digital Twin - Part 1: Modeling and Twinning Enabling Technologies, 2022
[4] D. Tazzioli, Stateful Service Migration Support for Kubernetes-based Orchestration in Industry 4.0, 2024
[5] T. Trung Le, Hidden Markov Models for diagnostics and prognostics of systems under multiple deterioration modes, 2014
[6] A. Samir, Self-Adaptive Healing for Containerized Cluster Architectures with Hidden Markov Models, 2019