Thèse soutenue

Algorithmes inspirés des sociales pour concevoir des nouveaux systèmes de pilotage dans le contexte de l'usine du futur
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Tsegay Tesfay Mezgebe
Direction : Hind El Haouzi
Type : Thèse de doctorat
Discipline(s) : Automatique, Traitement du signal et des images, Génie informatique
Date : Soutenance le 15/01/2020
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 : Lhassane Idoumghar
Examinateurs / Examinatrices : Hind El Haouzi, Damien Trentesaux, Jonathan Gaudreault, Guillaume Demesure, Fouzia Ounnar
Rapporteurs / Rapporteuses : Damien Trentesaux, Jonathan Gaudreault

Résumé

FR  |  
EN

Le pilotage centralisé traditionnel de système manufacturier n’est plus capable de répondre aux besoins du marché en termes d’attentes des clients, de la variété et du cycle de vie des produits. En particulier, l’émergence des systèmes Cyber-Physiques (CPS), vus comme des réseaux de composants physiques et informatiques en interaction, a impacté le pilotage central prédictif pour contrer les perturbations dans les actuelles caractéristiques dynamiques du marché. Par exemple, la modification urgente des besoins de l’entreprise est l’une des perturbations les plus communes qui impacte le planning central d’une manière significative. A l’heure actuelle, le pilotage distribué, pouvant être basé sur les systèmes multi-agent, permet d’améliorer la réactivité pour répondre à différents types de perturbations afin que celles-ci ne soient plus des facteurs contraignants le pilotage. Les travaux de cette thèse explorent la conception de nouveaux algorithmes de pilotage en se basant sur les approches d’interactions sociales, telles que la négociation ou la théorie du consensus). Ces algorithmes intègrent les avantages des actifs liés à l’industrie du futur et englobent différentes entités intelligentes et hétérogènes, ainsi que des systèmes à évènements discrets. Chaque agent peut avoir des capacités différentes, en termes d’évolution, d’apprentissage ou autre, permettant d’une manière globale d’obtenir des comportements émergeants qui s’adaptent dynamiquement aux perturbations rencontrées. Ainsi, chaque agent intelligent décide quand il transmet son état actuel à son voisinage et la décision locale dépend du comportement de l’état des agents. Afin de vérifier l’efficacité des algorithmes proposés (négociation et consensus), ceux-ci ont été modélisés et formulés en mettant en réseau toutes les entités intelligentes, le tout basé sur deux ateliers industriels. Les algorithmes ont ensuite été testés en simulation et d’une manière expérimentale sur la cellule flexible de production du plateau technique TRACILOGIS. Des comparaisons ont été faites avec l’algorithme réactif actuellement implémenté sur cette plateforme, afin de montrer l’applicabilité des algorithmes dans l’obtention de ré-ordonnancement et re-séquencement de produits par priorité. Par conséquent, les résultats expérimentaux réalisés sur TRACILOGIS ont montré que les algorithmes de négociation et de consensus ont minimisé l’impact des perturbations en obtenant de meilleures performances globales qu’auparavant.