Nidhal Sfaxi

Optimisation et mise en production d’un système embarqué temps réel

• Optimisé et fait évoluer une plateforme IoT industrielle de supervision et de détection de défauts afin d’améliorer ses performances, sa disponibilité et sa robustesse en environnement de production.
• Amélioré l’architecture logicielle embarquée et optimisé l’exécution des traitements afin de réduire les temps de réponse et d’améliorer les performances globales du système.
• Déployé et intégré Zephyr RTOS sur des systèmes embarqués afin de répondre aux contraintes de temps réel et d’améliorer la gestion des tâches et des ressources.
• Développé et optimisé des drivers pour capteurs et périphériques industriels via les interfaces I²C, SPI, UART et CAN.
• Mis en place des mécanismes de fiabilisation : watchdog, reprise automatique après erreur, gestion des défaillances et tolérance aux défauts.
• Réalisé les phases de tests, validation et qualification des évolutions logicielles et embarquées, en vérifiant leur conformité aux exigences fonctionnelles et techniques.
• Diagnostiqué les anomalies et analysé les résultats de tests, puis mis en œuvre les corrections nécessaires avant déploiement.
• Préparé et réalisé la mise en production des nouvelles versions de la plateforme, en assurant leur déploiement, leur suivi et leur stabilité en environnement industriel.
• Suivi et amélioré les performances du modèle d’IA de détection d’anomalies.
• Optimisé les pipelines GitLab CI/CD afin d’automatiser et de fiabiliser les processus d’intégration, de test, de déploiement et de maintenance.
• Documenté les procédures de tests, de validation, de déploiement et de résolution d’incidents afin de faciliter la maintenance et le transfert de connaissances au sein de l’équipe.

Développement et déploiement d'une plateforme IoT industrielle

• Conception et déploiement d'un logiciel embarqué de détection de pannes pour machines industrielles, avec IA, IoT et supervision temps réel.
• Conçu et développé de bout en bout une plateforme IoT industrielle de supervision et de détection de pannes, de l’acquisition des données jusqu’à leur visualisation et leur analyse.
• Sélectionné, installé et intégré des capteurs industriels sur les équipements afin de collecter les données nécessaires à la surveillance et au diagnostic des machines.
  
• Développé des drivers et modules d’acquisition conformément aux fiches techniques des constructeurs et aux contraintes matérielles des équipements.
  
• Développé l’application en C, C++ et Python sur des environnements Linux Ubuntu, en assurant l’intégration entre les composants logiciels et matériels.
  
• Implémenté les communications industrielles et IoT via MQTT, HTTP, OPC UA et Modbus pour assurer la transmission des données entre les équipements et la plateforme.
  
• Conçu les pipelines de collecte, traitement et stockage des données avec PostgreSQL et TimescaleDB, et intégré un modèle d’IA de détection d’anomalies atteignant environ 85 % de précision.
  
• Automatisé le déploiement et l’exécution de l’application à l’aide de scripts Bash, garantissant la reproductibilité des installations et réduisant les opérations manuelles.
  
• Développé un système de synchronisation temporelle NTP sur Raspberry Pi avec module GPS afin de garantir la cohérence des horodatages entre les différents capteurs.
  
• Conçu des interfaces de supervision avec Grafana et ThingsBoard pour le suivi et l’analyse des données des équipements en temps réel.
  
• Mis en place des pipelines GitLab CI/CD pour automatiser l’intégration, les tests et le déploiement de la solution.
  
• Diagnostiqué et résolu les problèmes liés aux systèmes Linux, aux déploiements et aux pipelines CI/CD afin d'assurer la stabilité de la plateforme.

Prototypage et optimisation des méthodes de transmission vidéo entre objets connectés via des réseaux IoT :
• Conception et développement d’un banc de tests expérimental basé sur des cartes Raspberry Pi et
ADALM-PLUTO, intégrant des modules radio, afin d’évaluer et d’optimiser la transmission vidéo entre
objets connectés via les réseaux cellulaires (4G/5G) et le Wi-Fi.
• Implémentation du protocole LoRa en C++ sur un microcontrôleur pour le contrôle à distance des flux
(activation / désactivation des transmissions), permettant une gestion optimisée des communications.
• Développement de modules de codage et de traitement vidéo en Python, visant la compression et
l’optimisation des flux, avec une réduction du volume de données transmises de 30 à 40%.
• Automatisation de l’environnement logiciel par la création de scripts Shell, facilitant l’installation et la
configuration des dépendances.
• Définition et mise en oeuvre de scénarios de tests, incluant des campagnes de mesures de portée, débit et
latence, afin d’analyser les performances des échanges vidéo selon les technologies réseau utilisées.

Développement d'une interface de gestion des événements d'un système embarqué

• Conception et développement d'une interface graphique en Java.
• Programmation en C et Python pour la gestion et l'optimisation des processus.
• Analyse statistique des performances du système : temps de traitement, taux d'utilisation CPU et capacité mémoire.
• Tests et validation sur Windows 10 et Raspberry Pi.