Approches pour la vérification et la validation des modèles de production : application à une usine de fabrication de semi-conducteurs

Approaches for verification and validation of production models : application to a semiconductor manufacturing plant

• Auteur / Autrice : Abdelhak Khemiri
• Direction : Claudia Frydman, Maâmar El-Amine Hamri, Jacques Pinaton
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 09/06/2020
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École Doctorale Mathématiques et Informatique de Marseille (Marseille)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d’Informatique et Systèmes (Marseille ; La Garde, Var ; 2018-….)
• Partenaire(s) de recherche : Entreprise : Société STMicroelectronics Rousset SAS
• Jury : Président / Présidente : Djamal Habet
• Jury : Examinateurs / Examinatrices : Maâmar El-Amine Hamri, Hans Vangheluwe
• Jury : Rapporteurs / Rapporteuses : Janette Cardoso, Mamadou Kaba Traoré

Mots clés

Mots clés contrôlés

Semiconducteurs

Méthodes de simulation

Vérification de modèles (informatique)

Simulation par ordinateur

Mots clés libres

Processus métier

Vérification et validation

Model-Checking

Simulation à événements discrets

Apprentissage automatique

Business processes

Verification and validation

Model-Checking

Discrete event simulation

Machine learning

Résumé

Aujourd’hui les processus métiers ont une place centrale dans les organisations et la question de leur fiabilité a attiré de plus en plus d’attention aussi bien du côté des industriels que de la communauté scientifique. En effet, une erreur ou un dysfonctionnement dans les modèles de production peut lourdement fragiliser les entreprises. Ce risque se voit exacerbé par l’importance grandissante que prennent l’automatisation et l’informatisation des processus. Ainsi, cette thèse s’intéresse aux problématiques liées à la vérification et la validation des processus et modèles de production d’une usine manufacturière. Pour répondre à ces besoins, deux approches ont été proposées dans le cadre de cette thèse. La première vise à améliorer le modèle informationnel des processus de production au travers d’une approche basée sur l’apprentissage automatique permettant de découvrir les règles qui correspondent au bon paramétrage du modèle informationnel. Une phase d’industrialisation est réalisée au sein d'une usine de fabrication de semi-conducteurs et les résultats obtenus sont présentés. La deuxième contribution concerne l’impact des données dans la perspective fonctionnelle d’un processus métier, qui limite l’utilisation de méthodes classiques de vérification. Ainsi, nous proposons une approche qui combine la simulation à événements discrets et le model-checking. La simulation permet de tirer profit des connaissances des experts dans le but d’identifier un sous-ensemble d’états où une propriété donnée est plus susceptible d’être insatisfaite permettant au model-checking de se concentrer sur ce sous-ensemble. L’approche est testée et validée sur un modèle de réseaux sur puces

Today, business processes have a central place in organizations and the question of their reliability has attracted increasing attention from both industry and the scientific community. Indeed, an error or malfunction in production models can seriously weaken companies. This risk is amplified by the growing importance of process automation and computerization. Thus, this thesis focuses on issues related to the verification and validation of processes and production models of a manufacturing plant. To meet these needs, two approaches have been proposed in this thesis. The first one aims at improving the informational model of production processes through an approach based on machine learning to discover the rules that correspond to the right configuration of the informational model. An industrialization phase is carried out in a semiconductor manufacturing plant and the results obtained are presented. The second contribution concerns the impact of data in the functional perspective of a business process, which limits the use of traditional verification methods. Thus, we propose an approach that combines discrete-event simulation and model-checking. Simulation allows taking advantage of experts' knowledge in order to identify a subset of states where a given property is more likely to be unsatisfied, allowing model-checking to focus on this subset. The approach is tested and validated on a network on-chip model