Proposal of a learning method based on smart products for partially flexible / dynamic manufacturing plants
Proposition d’une méthode d’apprentissage à base de produits intelligents pour les ateliers partiellement flexibles / dynamiques
Résumé
With the fourth industrial revolution that we are currently experiencing, efficient scheduling of production operations is more than ever necessary for the sustainability of 4.0 industries. While the flexibility of the Flexible Manufacturing System (FMS) provides advantages over uncertain environments, it implies an increasing complexity of the control functions. In this, distributed architectures seem to provide the agility and responsiveness needed. However, they suffer from limitations, mainly due to the myopia phenomenon in decision-making process. Thus, the main difficulty of dynamic control of cyber-physical production systems lies in the balance to be found between a rapid response to disturbances, and the upkeep of a satisfactory overall performance. This thesis proposes an original model that can be applied to a large types of production workshop configurations (flowshop, jobshop, etc.). In addition to the handling of dynamic events, it includes constraints such as multiple product families, interoperability constraints, configuration, etc. The heterarchical architecture thus proposed ensures a control by products exclusively. These are intelligent and autonomous. The main contribution of the thesis work is a hyper-heuristic based mostly on fast scheduling rules used by smart products. To counterbalance their weak overall performance, the concept of decisional context is developed to improve the relevance of selected rules. The proposed hyper-heuristic is based on an original model of encapsulation of rules combined with a simulation tool reducing the phenomenon of myopia. Experiments on four distinct workshop configurations, 64 instances of different dynamic scenarios and more than 30,400 simulations validate the interest of the proposed approach.
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.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...