Modèles d’optimisation et d’évaluation de système de pilotage intelligent en contexte de flux fortement perturbés par les reprises : application au cas de la société Acta-Mobilier

Optimization and evaluation models for intelligent manufacturing control system in case of highly disturbed flows

• Auteur / Autrice : Emmanuel Zimmermann
• Direction : Philippe Thomas, Hind El Haouzi
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Traitement du signal et des images, Génie informatique
• Date : Soutenance le 12/09/2019
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine
• Partenaire(s) de recherche : Laboratoire : Centre de recherche en automatique (Nancy)
• Jury : Président / Présidente : Yves Sallez
• Jury : Examinateurs / Examinatrices : Marie-Ange Manier, Patrick Charpentier
• Jury : Rapporteurs / Rapporteuses : Marie-Ange Manier, Samir Lamouri

Mots clés

Mots clés contrôlés

Systèmes intelligents

Logistique (gestion)

Industrie 4.0

Ordonnancement dynamique

Mots clés libres

Architecture de pilotage hybride

Produits intelligent

Ordonnancement pro-actif

Hybrid manufacturing control system

Intelligent products

Proactive scheduling

Résumé

Cette thèse CIFRE issue d’une collaboration entre Acta-Mobilier, fabricant de façades laquées haut de gamme et le CRAN. Cette thèse, s’inscrivant dans la continuité de celle de Mélanie Noyel, a pour objectif la réalisation d’une architecture de pilotage hybride s’appuyant sur le contrôle par le produit. Nous avons choisi de nous inspirer d’un méta-modèle développé au sein de l’équipe du CRAN. Cette architecture repose sur un modèle VSM, ou chaque niveau est susceptible de prendre des décisions à son échelle. Le plus haut niveau supervise les décisions tactiques (par exemple, le plan directeur de production), le plus bas niveau d’intelligence est distribué entre les produits dotés de moyen de communication et d’analyse (leur intelligence est attribuée à la réactivité du système car se trouvant au plus proche du besoin). En niveaux intermédiaires, nous trouvons d’une part des optimisateurs centralisés pour superviser les sous-ateliers de la chaîne de production, de manière à atteindre les objectifs de consommation, de temps de réglages ou de productivité des sous-ateliers qu’ils supervisent. D’une autre part, des optimisateurs pour des postes de travail spécifique faisant intervenir directement les produits et les informations qu’ils possèdent dans la prise de décision. Un optimisateur de chacune des deux catégories en accord avec les besoins définis par l’étude du flux de production de l’entreprise ont été réalisés. Un optimisateur centralisé a été réalisé pour l’atelier usinage dans lequel les opérations relatives au débit et au façonnage des formes des produits sont effectuées. Il est construit pour réaliser des regroupements en lots de fabrication et à les ordonnancer pour obtenir un compromis entre minimisation des consommations matières, des temps de réglage des machines et la minimisation du WIP. Le séquencement doit garantir que les regroupements, lors de leur division permettent de reformer rapidement les commandes clients. Cette contrainte est nécessaire, avant passage à la phase d’application de la finition. Il met en œuvre un algorithme génétique solutionnant un problème d’ordonnancement multicritères. Pour valider notre choix d’une méta-heuristique comme méthode de résolution du problème, nous avons tenté de le résoudre par une méthode de mathématique analytique et les résultats obtenus ont confirmé que notre décision était raisonnable. Cette optimisation a été testée sur plateforme de test et a fourni des résultats encourageants. Une implémentation faite dans l’entreprise, est utilisé chaque semaine pour une planification spécifique. Un optimisateur de la seconde catégorie a été étudié pour gérer le cas du robot de laquage, celui-ci doit fournir deux postes clients ayant leurs propres familles de produits mais devant être expédiées aux mêmes dates. En outre, les points faibles de ce poste, à savoir la consommation importante de laque à chaque changement de couleur et la longue durée d’attente avant de pouvoir visualiser les produits et savoir si un défaut qualité est apparu, impliquant de devoir refaire un cycle complet de laquage. L’optimisateur utilise un modèle de prédiction de non qualité afin d’évaluer les risques relatifs au passage du prochain lot à produire et si celui-ci est jugé trop élevé, un processus est déclenché choisissant parmi les lots présents en file d’attente, le plus adapté en considérant plusieurs facteurs. Cet optimisateur de poste de travail recueille des informations de la machine, des produits et des files d’attentes des postes en aval afin d’empêcher l’apparition d’un problème. Il a été implémenté sur un modèle de simulation. La question de la synchronisation des différents optimisateurs a été amorcée. En effet, le plan de production généré par le système d’information donne une plage de passage acceptable pour les lots dans chaque atelier et les optimisateurs se doivent de la respecter. Ces travaux aideront l’entreprise à franchir sa transition vers l’ère de l’industrie 4.0.

This CIFRE thesis comes from a collaboration between Acta-Mobilier, manufacturer of high-end lacquered facades and CRAN. This thesis, which is a continuation of that of Mélanie Noyel, aims to achieve a hybrid control architecture based on control by the product. We chose to take inspiration from a meta-model developed within the CRAN team. This architecture is based on a VSM model, where each level is likely to make decisions on its own scale. The highest level oversees tactical decisions (for example, the production master plan), the lowest level of intelligence is distributed between the products endowed with means of communication and analysis (their intelligence is attributed to the responsiveness of the system because being closer to the need). In intermediate levels, we find on the one hand centralized optimizers to supervise the sub-workshops of the production chain, in order to reach the objectives of consumption, time of adjustments or productivity of the sub-workshops that they supervise. On the other hand, optimizers for specific workstations directly involving the products and information they possess in decision-making. An optimizer of each of the two categories in accordance with the needs defined by the study of the workflow of the company have been realized. A centralized optimizer has been realized for the machining workshop in which the operations relating to the flow and shaping of the shapes of the products are carried out. It is built to make groupings in manufacturing batches and to schedule them to achieve a compromise between minimizing material consumption, machine setting times and minimizing WIP. Sequencing must ensure that clusters, when they are split, enable rapid customer order reform. This constraint is necessary before going to the application phase of the finish. It implements a genetic algorithm solving a multicriteria scheduling problem. To validate our choice of a meta-heuristic as a method of solving the problem, we tried to solve it by an analytical mathematical method and the results obtained confirmed that our decision was reasonable. This optimization was tested on a test platform and provided encouraging results. An implementation made in the company, is used every week for a specific planning. An optimizer of the second category has been studied to manage the case of the lacquer robot, it must provide two client stations having their own families of products but to be shipped on the same dates. In addition, the weak points of this post, namely the significant consumption of lacquer with each change of color and the long waiting time before being able to visualize the products and to know if a defect quality appeared, involving having to redo a cycle complete lacquering. The optimizer uses a non-quality prediction model to evaluate the risks associated with the passage of the next batch to be produced and if it is deemed too high, a process is triggered choosing among the lots present in the queue, the most suitable by considering several factors. This workstation optimizer gathers machine information, products, and queues from downstream workstations to prevent a problem from occurring. It has been implemented on a simulation model. The issue of synchronization of different optimizers has been initiated. Indeed, the production plan generated by the information system gives an acceptable range of passage for the batches in each workshop and the optimizers must respect it. This work will help the company make the transition to the Industry 4.0 era.