Modèles de Canal et Radio-planification pour l'Infrastructure des Réseaux 5G Privés Industriels

Les usines intelligentes qui s'appuient sur une connectivité mobile 5G sont une composante clé de l'Industrie 4.0, stimulant les progrès en matière d'automatisation, de contrôle à distance et d'efficacité. En explorant des techniques avancées de modélisation de canal radio, en particulier les modèles de tracer de rayons ou ray-tracing (RT), la thèse apporte des contributions novatrices pour caractériser la propagation sans fil dans des environnements industriels complexes et permettre une planification efficace des réseaux. Le chapitre 1 introduit le concept des usines intelligentes. Il discute de l'évolution des technologies sans fil dans les milieux industriels et aborde leurs limitations. Il explique pourquoi la 5G a le potentiel de contribuer à la transition vers des usines intelligentes pleinement opérationnelles. Le chapitre 2 explore les fondamentaux du canal radio et les techniques de modélisation; il s'intéresse à la propagation multi-trajets, aux phénomènes d'évanouissement et aux paramètres clés du canal tels que les étalements en retard et Doppler. Il couvre à la fois les modélisations empiriques et déterministes, en soulignant les limites de l'état de l'art pour répondre aux scénarios industriels complexes. Le chapitre 3 se concentre sur les techniques d'émulation de canal RT, capables de prédire précisément la propagation dans des environnements comprenant divers types et densités d'obstacle. Les fréquences 2 GHz, 3,7 GHz et 28 GHz sont considérées. Le chapitre présente une méthodologie de bout en bout pour optimiser l'application du modèle RT, en abordant les compromis entre l'efficacité computationnelle et la précision. Ainsi, la simplification de la représentation 3D de l'usine offre une forte réduction des efforts de calcul, tout en maintenant une fiabilité suffisante pour la radio-planification. Enfin, le chapitre 3 souligne les avantages de la simulation déterministe pour évaluer les gains de débit de données par la technologie Multiple-Input-Multiple-Output (MIMO) en milieu industriel. Le chapitre 4 porte sur la calibration de l'outil Volcano, modèle RT professionnel, à 3,7 GHz et 28 GHz. Il présente de nouvelles observations et techniques pour ajuster les paramètres du modèle, aboutissant à des performances qui surpassent le modèle standard 3GPP-InF. Le modèle RT a l'avantage de capturer efficacement les phénomènes de propagation locaux. De plus, la bande de cohérence et l'étalement Doppler sont fidèlement reproduits, offrant de solides perspectives pour le développement et le test de techniques de gestion des ressources adaptées aux réseaux privés industriels. Le chapitre 5 introduit le concept de surface intelligente reconfigurable ou Reconfigurable Intelligent Surface (RIS), et présente un modèle supportant les situations de propagation champ-lointain et champ-proche. Le modèle RIS est validé par rapport aux mesures de la littérature et est intégré à l'outil Volcano RT. Des simulations système démontrent l'évolution de couverture dans un scénario d'usine très réaliste à 3,7 GHz et 27 GHz. Différentes tailles de RIS et différentes quantifications des phases reconfigurables sont analysés. Les résultats démontrent que les RIS peuvent efficacement atténuer les dégradations du signal reçu et étendre la couverture.Enfin, le chapitre 6 donne les conclusions générales de la thèse et propose des orientations de recherche visant à une meilleure connectivité des futures usines intelligentes. La thèse fait progresser le développement des réseaux privés 5G en milieu industriel via une solution intégrée pour la simulation du canal radio. Des innovations et démonstrations sont réalisées à chaque étape d'une méthodologie incluant la modélisation 3D des usines, la configuration optimale du RT, et la modélisation RIS. Cette solution peut être exploitée au sein de processus d'ingénierie opérationnels, pour le test ou planification de nouveaux réseaux radio qui doivent répondre aux exigences élevées de l'Industrie 4.0.