Architecture sécurisée pour la gouvernance et la gestion de données industrielles en contexte de recherche

Nasr, Charbel (2026). Architecture sécurisée pour la gouvernance et la gestion de données industrielles en contexte de recherche. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (674kB) | Prévisualisation

Résumé

Les systèmes industriels modernes génèrent d’importantes quantités de données issues de capteurs et d’équipements automatisés, largement exploitées dans les travaux de recherche en apprentissage automatique. Toutefois, la gestion de ces données — en particulier leur organisation, leur documentation et leur partage dans le cadre d’un projet de recherche avec plusieurs partenaires — demeure une tâche complexe. L’absence de pratiques de gestion homogènes peut compromettre la reproductibilité des expérimentations lorsque les sources de données ou les transformations appliquées ne sont pas clairement documentées.

Ce mémoire présente la conception et la mise en œuvre d’une architecture sécurisée destinée à centraliser et gouverner des ensembles de données industrielles à l’aide de métadonnées structurées. Les données ciblées proviennent principalement de systèmes de supervision et d’acquisition en temps réel utilisés dans le domaine de l’énergie renouvelable. La solution proposée repose sur une base de données relationnelle, des interfaces applicatives sécurisées pour le contrôle des accès, ainsi que l’intégration d’un environnement JupyterHub dédié à la préparation et à l’exploration des données.

L’objectif de cette architecture est de faciliter l’organisation, le partage, la traçabilité et la reproductibilité des données industrielles utilisées dans les travaux d’analyse et de recherches, tout en limitant les besoins de maintenance opérationnelle.

Titre traduit

Secure architecture for governance and management of industrial data in a research context

Résumé traduit

Modern industrial systems generate large volumes of data from sensors and automated equipment, which are widely used in machine learning research. However, managing these datasets — particularly in terms of organization, documentation, and sharing — remains a significant challenge for research teams. The lack of consistent data management practices can hinder the reproducibility of experiments when data sources or applied transformations are not clearly documented.

This thesis presents the design and implementation of secure architecture aimed at centralizing and governing industrial datasets using structured metadata. The data considered primarily originates from real-time supervision and acquisition systems deployed in the renewable energy sector. The proposed solution relies on a relational database, secure application programming interfaces for access control, and the integration of a JupyterHub environment dedicated to data preparation and exploratory analysis.

The objective of this architecture is to improve the organization, sharing, and reproducibility of industrial data used in research, while minimizing operational maintenance requirements.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise avec mémoire en génie des technologies de l'information". Comprend des références bibliographiques (page 87).
Mots-clés libres:	systèmes SCADA, gouvernance des données, métadonnées, base de données relationnelle, sécurité des données, contrôle d’accès, interfaces applicatives, API, JupyterHub
Directeur de mémoire/thèse:	Directeur(-trice) Tahan, Souheil-Antoine
Codirecteur:	Codirecteur(-trice) de mémoire/thèse Guerra Côté, Pavel
Programme:	Maîtrise en ingénierie > Génie des technologies de l'information
Date de dépôt:	13 mai 2026 19:19
Dernière modification:	21 mai 2026 14:46
URI:	https://espace.etsmtl.ca/id/eprint/3906

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt