Application des techniques d'IA aux problèmes d'ordonnancement dynamique d'ateliers de type « job shop flexible » dans le contexte d'Industrie 5.0
Auteur / Autrice : | Candice Destouet |
Direction : | Bélahcène Mazari |
Type : | Projet de thèse |
Discipline(s) : | Génie industriel |
Date : | Inscription en doctorat le 01/03/2022 |
Etablissement(s) : | Paris, HESAM |
Ecole(s) doctorale(s) : | École doctorale Sciences des métiers de l'ingénieur |
Partenaire(s) de recherche : | Laboratoire : CESI LINEACT - Laboratoire d'Innovation Numérique |
établissement de préparation de la thèse : Paris, ENSAM |
Mots clés
Résumé
Dans le contexte actuel de révolutions industrielles 4.0 et 5.0, et notamment celui de l'usine connectée, il est aujourd'hui possible, grâce aux technologies numériques de communication machine à machine et homme-machine (IoT, M2M, IHM, ...), de connaître l'état d'un système manufacturier dans sa globalité, mais aussi les événements internes et externes, aux quels le système est sujet, en temps-réel. Cette transition numérique nécessite une évolution quant aux outils d'aide à la décision et d'évaluation de la performance des systèmes manufacturiers. Dans ce contexte, l'ordonnancement temps-réel représente une problématique d'actualité. L'ordonnancement dynamique (Dynamic Scheduling) est un domaine de recherche qui s'intéresse aux problèmes de la re-planification temps-réel des tâches et de la re-allocation dynamique des ressources en réponse à des aléas et événements disruptifs qui viennent mettre en cause l'efficience, voire la faisabilité, de l'ordonnancement courant. En général, même dans le cas statique, la résolution de ces problèmes (souvent classés NP-difficiles) est complexe quand elle fait appel à des techniques de résolution exacte classiques (Analytical approach). L'utilisation de nouvelles approches de type « Simulation-based approach » ou « Artificial intelligence-based approach » pour la résolution de ces problèmes permet une prise de décision temps-réel ainsi qu'une capitalisation des connaissances sur le fonctionnement du système. Ces nouvelles approches doivent permettre une aide quant à la prise de décision et au pilotage des systèmes complexes et des interactions homme-machine dans ces systèmes, qui doivent montrer de plus en plus de résilience face aux aléas. Ces approches sont toutefois confrontées à une complexité dans la mise en place du processus d'apprentissage. Le travail de recherche de cette thèse vise à étudier l'utilisation des techniques de l'intelligence artificielle pour la résolution du problème d'ordonnancement dynamique dans le cadre un atelier type « job-shop flexible » avec aléas.