Offre de thèse
Optimisation de la performance globale par la collaboration, la mutualisation et le partages d'activités et de ressources au sein de systèmes reconfigurables et automatisés par une approche auto-organisée sur le produit
Date limite de candidature
08-06-2025
Date de début de contrat
01-10-2025
Directeur de thèse
HENNEQUIN Sophie
Encadrement
L'encadrement se fera par le biais de réunions de travail hebdomadaire et à la demande du(de la) doctorant(e), un comité de suivi sera mis en place chaque année afin de valider l'avancement du travail et conseiller le(la) doctorant(e). Le(la) doctorant(e) aura un bureau au sein du LCFC (à l'Ecole Nationale d'Ingénieurs de Metz) et l'équipement nécessaire pour réaliser ses recherches. Des présentations au sein du laboratoire seront également mises en place pour échanger avec les collègues et autres doctorants.
Type de contrat
école doctorale
équipe
contexte
L'introduction de l'intelligence artificielle, de l'automatisation et de la robotique dans les industries permet depuis quelques années d'améliorer la production de petites et moyennes séries (produits personnalisés) sur la base des données collectées en autorisant des pilotages plus efficients et des reconfigurations plus simples des systèmes de production [Kaczmarczyk et al., 2022]. Dans le cadre de l'Industrie 5.0, cette transformation numérique s'accompagne du renforcement des interactions et collaborations entre les machines « intelligentes » et les opérateurs humains, pour intégrer le bien-être et la créativité de ces derniers. Cette révolution industrielle a permis également de changer de paradigme en associant plus directement le client aux processus de production, celui-ci devenant alors également un cocréateur de valeur. Cependant, la nécessité de considérer les interactions hommes-machines ainsi que l'intégration toujours plus prégnante des différentes parties prenantes et des clients dans les processus de production amènent à définir de nouvelles approches. A ce titre, les approches de gestion opérationnelle des activités et des ressources intégrant d'une part la collaboration renforcée entre les entités, et d'autre part, une organisation centrée sur le produit sont les plus intéressantes à développer. D'autant que le produit, par définition, possède maintenant la connaissance de toutes les fonctionnalités et des contraintes en termes de réalisation [Ivanov et al., 2020]. Ainsi, l'intégration et l'interopérabilité entre les différentes parties prenantes sont prépondérantes pour garantir l'obtention de performances globales [Chen et al., 2008] en termes de coût, qualité, délai, mais aussi d'un point de vue sociétal et environnemental. En effet, chaque acteur peut/doit être capable de décider en temps réel de sa propre performance sur la base de critères issus de ses caractéristiques/paramètres et de son comportement et, ce, en lien avec les autres acteurs ayant des critères différents. A partir de cette identification différentiée, des stratégies optimales de pilotage gérées en temps réel pourront être définies.spécialité
Automatique, Traitement du signal et des images, Génie informatiquelaboratoire
LCFC Laboratoire de Conception Fabrication Commande
Mots clés
mutualisation d'activités, partage de ressources, Industrie 5.0, systèmes multi-agents, algorithmes de machine learning, résolution multi-critères
Détail de l'offre
L'introduction de l'intelligence artificielle permet depuis quelques années d'améliorer la production en autorisant des pilotages plus efficients et des reconfigurations plus simples des systèmes de production [Kaczmarczyk et al., 2022]. Dans le cadre de l'Industrie 5.0, cette transformation numérique s'accompagne du renforcement des interactions et collaborations entre les machines « intelligentes » et les opérateurs humains. Cependant, la nécessité de considérer les interactions hommes-machines ainsi que l'intégration toujours plus prégnante des différentes parties prenantes et des clients dans les processus de production amènent à définir de nouvelles approches [Ivanov et al., 2020]. Ainsi, l'intégration et l'interopérabilité entre les différentes parties prenantes sont prépondérantes pour garantir l'obtention de performances globales [Chen et al., 2008].
Dans ce contexte, nous considérerons un système de production composé de différents postes de travail pouvant comprendre une ou plusieurs machines (cellules flexibles automatisées ou non, robots, cobots), d'équipements de manutention et d'approvisionnement (AGV) et d'opérateurs humains pouvant travailler sur les postes ou en appui de l'approvisionnement. A chaque équipement –machine, opérateur humain, produit à réaliser (celui-ci ayant un impact prépondérant du fait de sa participation intégrante au processus de production)– et client sera associé un agent logiciel permettant de décrire ses aptitudes (associant la notion de service au sens logiciel [Weyer et al., 2015]). Les différentes parties prenantes du système de production seront ainsi modélisées via la définition de ce système multi-agent [Yuan et al., 2022]. Ce système multi-agent pourra alors être connecté au système d'information et aux progiciels de gestion de la production utilisés qui permettront de récupérer en temps quasi réel les informations nécessaires à la reconfiguration et au pilotage optimaux du système de production considéré [Liu, 2023]. Les objectifs visés dans le cadre de cette thèse de doctorat sont les suivants
1.Modéliser les différentes parties prenantes du système de production par une approche comportementale et auto-organisée permettant de mettre en évidence toutes les ressources (humaines ou non) et incluant le produit/nouvelle série à réaliser ;
2.Associer à ces différentes parties prenantes un agent intelligent, et concevoir le système multi-agent en résultant. L'objectif ici est d'intégrer pleinement les robots, cobots et AGV dans les activités de façon à améliorer les interactions homme-machine et la définition de collaborations entre parties prenantes. Une vision à partir de la théorie des jeux pourra être envisagée ;
3.Identifier des trajectoires d'évolution en fonction des comportements identifiés et d'éventuelles perturbations ou défaillances pouvant survenir.
4.Proposer un outil d'aide à la décision. Celui-ci sera défini en utilisant une résolution multicritère dynamique.
Keywords
activities pooling, resources sharing, Industry 5.0, multiagent systems, machine learning algorithms, multi-criteria resolution
Subject details
The introduction of artificial intelligence has improved production by enabling more efficient control and simpler reconfiguration of production systems [Kaczmarczyk et al., 2022]. In the context of Industry 5.0, this digital transformation is accompanied by increased interaction and collaboration between “intelligent” machines and human operators. However, the need to consider human-machine interactions, as well as the ever-increasing integration of different stakeholders and customers into production processes, is leading to the definition of new approaches [Ivanov et al., 2020]. Thus, integration and interoperability between the various stakeholders are essential to guarantee overall performance [Chen et al., 2008]. In this context, we will consider a production system made up of different workstations that may include one or more machines (automated or non-automated flexible cells, robots, cobots), handling and supply equipment (AGVs) and human operators who may work on the workstations or in support of supply. Each piece of equipment - machine, human operator, product to be produced (the latter having a predominant impact due to its integral participation in the production process) - and customer will be associated with a software agent enabling its capabilities to be described (associating the notion of service with the software sense [Weyer et al., 2015]). The various stakeholders in the production system will thus be modeled via the definition of this multi-agent system [Yuan et al., 2022]. This multi-agent system can then be connected to the information system and to the production management software packages used, which will make it possible to retrieve in near-real time the information required for optimal reconfiguration and control of the production system under consideration [Liu, 2023]. The objectives of this doctoral thesis are 1.model the various stakeholders in the production system using a behavioral and self-organizing approach, highlighting all resources (human or otherwise) and including the product/new series to be produced; 2.associate an intelligent agent with these various stakeholders, and design the resulting multi-agent system. The aim here is to fully integrate robots, cobots and AGVs into activities, so as to improve human-machine interactions and the definition of collaborations between stakeholders. A vision based on game theory could be envisaged; 3. Identify evolution trajectories based on identified behaviors and possible disturbances or failures. 4) Propose a decision-making tool. This will be defined using dynamic multi-criteria resolution.
Profil du candidat
génie industriel (section CNU 61)
mathématiques (théorie des jeux et modélisation)
codage
Candidate profile
industrial engineering (section CNU 61)
mathematics (game theory and modeling)
coding
Référence biblio
[Chen et al, 2008] David Chen, Guy Doumeingts, François B. Vernadat. Architectures for enterprise integration and interoperability: Past, present and future. Computers in Industry 59(7), 2008, 647-659.
[Hao et al., 2022] Yuan Hao, Fouzia Ounnar, Patrick Pujo et Gilles Paché. La sélection de prestataires de services logistiques à l'ère de l'Internet physique et de l'Internet des objets. CAIRN Info – Marché et organisation, 2022/3(45), 81-102 (in French).
[Ivanov et al., 2020] Ivanov, D., Tang, C. S., Dolgui, A., Battini, D., & Das, A. (2020). Researchers' perspectives on Industry 4.0: multi-disciplinary analysis and opportunities for operations management. International Journal of Production Research, 59(7), 2055–2078.
[Kaczmarczyk et al., 2022] Václav Kaczmarczyk, František Zezulka, Tomáš Benešl, Jakub Arm, Petr Marcoň, Jan Jirsa, Lukáš Venkrbec. Revisiting the Role of Manufacturing Execution Systems in Industry 4.0, IFAC-PapersOnLine, 55(4), 2022, 151-157.
[Liu, 2023] Shiming Liu. Proposition d'un cadre pour la gestion de ressources industrielles partagées via une plateforme numérique, Thèse de Doctorat soutenue en 2023, Université de Lorraine (in French).
[Weyer et al., 2015] Stephan Weyer, Mathias Schmitt, Moritz Ohmer, Dominic Gorecky. Towards Industry 4.0 - Standardization as the crucial challenge for highly modular, multi-vendor production systems, IFAC-PapersOnLine, 48(3), 2015, 579-584.