Proposition d’une méthode d’apprentissage à base de produits intelligents pour les ateliers partiellement flexibles / dynamiques

Avec la quatrième révolution industrielle que nous vivons actuellement, un ordonnancement efficace des opérations de production est plus que jamais indispensable à la pérennité des industries 4.0. Si la flexibilité des FMS (Flexible Manufacturing System) procure des avantages face aux environnements incertains, elle implique un accroissement de la complexité des fonctions de pilotage. Les architectures distribuées semblent apporter l’agilité et la réactivité nécessaire pour remédier à cet inconvénient. Elles souffrent néanmoins de limitations, celles-ci étant essentiellement liées au phénomène de myopie décisionnelle. Ainsi, toute la difficulté du pilotage dynamique des systèmes de production cyber-physiques réside dans l’équilibre à trouver entre une réaction rapide face aux perturbations, et le maintien d’une performance globale satisfaisante. Cette thèse vise à proposer un modèle original applicable à un grand nombre de configurations d’atelier de production (i.e. flowshop, jobshop, etc.). En plus de la prise en charge d’évènements dynamiques, le modèle proposé intègre des contraintes majeures telles que les familles de produits, l’interopérabilité et les temps de configuration. L’architecture hétérarchique proposée assure un pilotage par les produits exclusivement. Ces derniers sont intelligents et autonomes. La contribution principale de ce travail de thèse réside dans le développement ? d’une hyper-heuristique qui repose principalement sur des règles d’ordonnancement rapides utilisées par les produits intelligents. Pour contrebalancer les performances globales faibles des produits intelligents, le concept de contexte décisionnel est développé pour améliorer la pertinence des règles sélectionnées. L’hyper-heuristique proposée est basée sur un modèle original d’encapsulation de règles combiné à un outil de simulation réduisant le phénomène de myopie. Des expérimentations sur quatre configurations d’atelier distinctes, 64 instances de scenarios dynamiques différentes, et plus de 30 400 simulations, viennent valider l’intérêt de l’approche proposée.