Garder un œil sur les systèmes

Systèmes urbains : accroître la résilience

De par son métier, Božidar Stojadinović est un expert en construction parasismique. Désormais professeur de dynamique structurelle et de génie parasismique, il se spécialise dans les systèmes urbains et la manière de les rendre plus résilients aux tremblements de terre. «L'ingénierie des systèmes est devenue de plus en plus importante dans la recherche sur la résilience», explique-t-il. La combinaison de ses compétences a fait de lui un choix évident pour diriger un groupe de recherche dans le cadre du programme Future Resilient Systems à Singapour - même si les tremblements de terre sont l'un des rares sujets qui ne figurent pas à l'ordre du jour. L'objectif est plutôt de comprendre la résilience des systèmes urbains à forte densité - dont Singapour est un bon exemple - et de les renforcer en vue de relever les défis futurs. Les principaux défis auxquels Singapour est confrontée sont le changement climatique et la rareté des terres. Pour y faire face, il faudra une planification à long terme et des modifications opportunes des infrastructures urbaines.

En collaboration avec des chercheur·ses de l'Université technologique Nanyang de Singapour (NTU) et de l'Université nationale de Singapour (NUS), Božidar Stojadinović développe un modèle informatique complet de la ville qui peut être utilisé pour simuler les systèmes urbains ainsi que les défis éventuels et leurs effets. En plus d'incorporer tous les bâtiments et les systèmes d'infrastructure associés, tels que l'électricité et l'eau, cette représentation numérique peut être utilisée pour modéliser les interactions des utilisateur·ices avec les systèmes. Le modèle lui-même est basé sur un cadre logiciel informatique développé à l'origine pour les jeux de guerre militaires et désormais largement utilisé dans le domaine des jeux. Le logiciel permet aux utilisateur·ices d'exécuter plusieurs simulations d'une variété de systèmes et d'échanger des informations entre ell·eux. «Il s'agit d'une caractéristique essentielle», explique Božidar Stojadinović. Cela s'explique par la complexité même des systèmes urbains et la façon dont les sous-systèmes individuels s'influencent mutuellement. «Nous sommes déjà assez bons pour modéliser et optimiser les systèmes individuels, mais souvent nous ne comprenons pas complètement comment les systèmes s'influencent mutuellement», ajoute-t-il. Le modèle que Božidar Stojadinović et ses collègues chercheur·ses développent vise à résoudre ce problème et encourage les expert·es à regarder au-delà des systèmes d'infrastructure individuels et à percevoir les systèmes urbains dans leur ensemble.

Réseaux critiques : gérer les risques

«Personne n'aurait pu le prévoir» est une réponse souvent entendue à la défaillance d'un système. Giovanni Sansavini, professeur d'ingénierie de la fiabilité et du risque à l'ETH Zurich, travaille sans relâche à réfuter cette notion. Ingénieur de formation, il étudie les risques dans les réseaux complexes tels que les réseaux énergétiques interdépendants et les grandes chaînes d'approvisionnement.

Les risques dans les systèmes complexes sont difficiles à appréhender en termes scientifiques. En effet, les systèmes ont tendance à se développer ou à se réduire au fil du temps et à modifier leur structure. Nombre d'entre eux s'étendent sur toute la planète et n'ont souvent pas de mode de fonctionnement fixe. Les réseaux électriques, par exemple, sont soumis à diverses influences et, sous charge, ils réagissent différemment du fonctionnement normal. Pour relever ces défis, Giovanni Sansavini et son groupe expérimentent des modèles informatiques. Il·les identifient les risques en utilisant la méthode scientifique de quantification de l'incertitude, qui permet aux chercheur·ses de saisir un large éventail d'impacts, d'erreurs et de défaillances concevables, et d'observer le comportement du réseau modélisé. De telles simulations de Monte Carlo permettent d'analyser les interrelations entre de nombreuses défaillances. Cela ouvre la voie à la découverte de risques cachés ou «systémiques», c'est-à-dire de risques susceptibles de déclencher les défaillances en cascade qui sont souvent à l'origine de problèmes graves dans les systèmes complexes. Un exemple en est la grande panne d'électricité survenue en Italie en 2003, causée par l'arrêt successif de systèmes automatiques soumis à une charge croissante.

Les modèles de Giovanni Sansavini servent non seulement à identifier les risques, mais aussi à les quantifier. Ainsi, les chercheur·ses peuvent déterminer quelles combinaisons de défaillances ont les pires conséquences pour un système et quelle est la probabilité qu'elles se produisent. La compréhension de ces scénarios est la base pour fournir aux systèmes une protection adéquate. Dans le cas des réseaux d'énergie, cela peut signifier les rendre plus flexibles et moins dépendants des sources d'énergie individuelles. Ou encore de mettre en place des systèmes d'alerte précoce, d'introduire des améliorations techniques pour remédier aux vulnérabilités et d'aider le réseau à revenir rapidement à la normale après des perturbations. «Bien sûr, quelle que soit la robustesse de nos systèmes, les gens feront toujours des erreurs et des choses inattendues se produiront», prévient Giovanni Sansavini. La bonne nouvelle est que même ces erreurs peuvent être reproduites dans le modèle virtuel. Cela signifie que nous pouvons prédire l'évolution du système et le rendre plus résistant aux perturbations à l'avenir.

Systèmes complexes : prévoir les défaillances

Olga Fink et son équipe mènent des recherches sur les défaillances des systèmes complexes, qu'il s'agisse d'avions, de turbines à gaz ou de systèmes d'infrastructure tels que les chemins de fer. En tant que professeure de systèmes de maintenance intelligents, Olga Fink développe des algorithmes intelligents qui apprennent à partir des données collectées par des dispositifs de surveillance de l'état des systèmes. Ces algorithmes relèvent divers défis, de la détection des défauts du système et du diagnostic des différents types de défaillance à la prédiction du moment où la prochaine défaillance pourrait se produire, voire à la mise en œuvre d'une stratégie de maintenance prescriptive : «Notre objectif est de prédire la durée de vie utile restante, puis de contrôler le fonctionnement d'un système afin de prolonger sa durée de vie», explique Olga Fink. Les algorithmes intelligents apprennent à partir des données historiques et en temps réel de l'exploitation et de la surveillance de l'état.

L'un des obstacles est que les algorithmes d'apprentissage automatique ont besoin de beaucoup de données : «Les défaillances sont rares dans les systèmes critiques pour la sécurité, et nous n'avons donc pas vraiment assez de données pour apprendre», explique Olga Fink. Heureusement, les chercheur·ses ont quelques astuces dans leur manche : «Une approche consiste à utiliser des données qui représentent l'état de santé du système et à entraîner l'algorithme à détecter les déviations» ; il peut également être utile d'utiliser les données de surveillance de l'état de systèmes similaires et de les adapter à un système spécifique. Pourtant, dans de nombreux cas, même ces méthodes peuvent ne pas être suffisantes. Les chercheur·ses doivent alors aller un peu plus loin, en combinant leurs algorithmes avec des modèles physiques qui simulent le système qu'ils surveillent ou en enrichissant les modèles d'IA avec des connaissances du domaine physique. Cela signifie que les algorithmes peuvent fonctionner avec moins de données et sont plus faciles à interpréter par les expert·es qui doivent prendre des décisions sur la base des résultats de l'algorithme. Dans un projet avec la NASA, par exemple, les chercheur·s ont pu prédire la durée de vie restante des moteurs d'avion. Olga Fink est particulièrement fière de cette réalisation : si la détection précoce des défauts est désormais un processus mature, la prédiction de la durée de vie restante d'un système est beaucoup plus difficile. C'est, dit-elle en plaisantant, le «Saint Graal» de son domaine de recherche.

Installations de recherche critiques : priorité à la redondance

La gestion des perturbations fait partie du quotidien de Walter Iten, chef du Facility Management de l'ETH Zurich. Son département est chargé de la gestion technique et de l'infrastructure de tous les bâtiments et installations de l'ETH Zurich. Selon Walter Iten, les pannes de courant sont le plus gros problème : «Rien ne fonctionne sans courant !» C'est pourquoi l'ETH Zurich mise sur la redondance. Le Facility Management peut tirer du courant de deux sous-stations différentes pour une partie du campus du Zentrum. Et, en cas de coupure de courant majeure, les zones les plus importantes ont également accès à des générateurs diesel de secours. Pour les équipements de recherche particulièrement sensibles, des batteries sont utilisées pour garantir une alimentation électrique ininterrompue.

Mais le joyau de la couronne est la stratégie de maintenance prédictive de toutes les installations et de tous les bâtiments, qui vise à prévenir les perturbations de tous types. Un outil de maintenance informatique suit les heures de fonctionnement et le calendrier de maintenance de chaque système, et déclenche les travaux de maintenance lorsqu'ils arrivent à échéance. Les capteurs jouent également un rôle de plus en plus important. Ils surveillent les systèmes pour détecter les défaillances soudaines. L'équipe de Facility Management peut accéder à ces données à distance sur un ordinateur et intervenir dans une certaine mesure dans le fonctionnement du système. Actuellement, le système de surveillance des installations et l'outil de maintenance ne sont pas connectés - mais, grâce aux dernières avancées en matière de capteurs et d'IA, ce n'est qu'une question de temps.