Contribution à la définition d'une méthodologie couplant l'IoT (Internet of Things) et le Machine Learning pour la mise en place d'un ERP (Enterprise Resource Planning) prédictif dans le cadre de l'industrie 4.0

par Juan pablo Usuga Cadavid

Projet de thèse en Génie industriel

Sous la direction de Samir Lamouri et de Bernard Grabot.

Thèses en préparation à Paris, HESAM , dans le cadre de École doctorale Sciences des métiers de l'ingénieur (Paris) , en partenariat avec LAMIH - Laboratoire d'Automatique, de Mécanique, d'Informatique industrielles et Humaines (laboratoire) depuis le 10-09-2018 .


  • Résumé

    Entrant dans l'ère de la digitalisation, il est important de transformer les données en connaissances et utiliser celles-ci pour fournir des pistes d'amélioration industrielle. La transformation de données en connaissances pour optimiser la production est aujourd'hui un défi industriel majeur. Nous adresserons les problématiques de l'ordonnancement, de la planification et de l'équilibrage de charges sur et entre les lignes de production. D'un point de vue système, ces aspects sont aujourd'hui considérés comme portés par l'ERP (Enterprise Resource Planning). Les ERP sont des outils présentant une forte rigidité dans leur structure et dans leur fonctionnement, imposant cette rigidité aux organisations. Cette recherche est consacrée à l'utilisation des techniques du big data et de l'intelligence artificielle (IA) dans un paradigme d'objets connectés (IoT) pour faire passer la « fonction planification » des ERP vers un mode prédictif. Notre partenaire la société iFAKT, experte en équilibrage de charges nous accompagnera dans ce projet de thèse. Cette thèse aborde deux axes de travail principaux : l'un portant sur l'intégration de l'IoT, l'IA et l'outil d'équilibrage de charges et l'autre les actions à entreprendre par rapport à cette intégration. Pour la mise en place de ces deux grandes activités, nous contribuerons à la création de méthodologies couplant les techniques et outils cités ci-dessus dans le cadre de l'industrie 4.0

  • Titre traduit

    Contribution to the development of a methodology coupling IoT (Internet of Things) and Machine Learning to set up a Predictive ERP (Enterprise Resource Planning) under the framework of the Industry 4.0


  • Résumé

    As we enter the era of digitalization, it is important to transform data into knowledge and use it to provide avenues for industrial improvement. The transformation of data into knowledge to optimize production is today a major industrial challenge. We will address the issues of scheduling, planning and load balancing on and between production lines. From a system point of view, these aspects are now considered as supported by ERP (Enterprise Resource Planning). ERPs are tools that are highly rigid in their structure and operation, imposing this rigidity on organizations. This research is devoted to the use of big data and artificial intelligence (AI) techniques in a connected object paradigm (IoT) to move the ERP "planning function" to a predictive mode. Our partner, iFAKT, an expert in load balancing, will support us in this thesis project. This thesis addresses two main areas of work: one on the integration of the IoT, the AI and the load balancing tool and the other on the actions to be taken in relation to this integration. For the implementation of these two major activities, we will contribute to the creation of methodologies combining the techniques and tools mentioned above within the framework of industry 4.0