Search

International audience; Sustainable development is a concept of development that meets the needs of the present without compromising the ability to meet the needs of future generations. A sustainable model must therefore ensure a balance between economic, environmental and social impacts. This chapter examines how industrial cyber-physical systems (ICPS) have characteristics that contribute to solving these sustainable development challenges. The advantages of ICPS in favor of humans will be found in the different categories of aspects: the cognitive aspects, and the occupational health and safety aspects. The concept of ICPS is relevant to reduce environmental impacts within the industrial environment. Indeed, the cyber layer makes it possible to retrieve data in real time and extract useful information in the environmental component. Because of their ability to adapt quickly, optimize and integrate the various information systems, ICPS clearly contribute to the economic dimension of companies.

International audience; À l'ère de l'industrie 4.0, le jumeau numérique apparaît comme un paradigme qui joue un rôle clé dans l'amélioration de l'efficacité globale des équipements (OEE). Parmi les six grandes pertes d'efficacité mesurées dans le cadre de la maintenance productive totale, le Digital Twin peut augmenter la disponibilité du système de production en effectuant une maintenance prédictive ou peut se concentrer sur les pertes de performances qui représentent une partie importante des pertes de production quotidiennes. Ce travail vise à améliorer les performances des systèmes de production en exploitant les fonctionnalités du jumeau numérique et en utilisant un réseau de neurones pour repéreret analyser les micro-défaillances.

Scheduling problems in the industrial sector are the most studied optimization problems.However, resolution approaches are not suited to a dynamic and increasingly uncertain environment. The work presented in this thesis is aiming for solving the Flexible Job Shop Scheduling Problem (FJSSP) without and with uncertainties. We propose a Particle Swarm Optimization (PSO) algorithm as well as two multi-agent architectures based on PSO called MAPSO1 and MAPSO2 to solve the FJSSP problem without uncertainty. Testing our algorithms on different benchmarks has shown the effectiveness of the obtained results. We arealso proposing to use embedded systems for the deployment of an intelligent and cooperativeoptimization system based on PSO. Thus the MAPSO2 architecture has been distributedon a physically distributed system comprising two embedded systems. Several improvementshave been proposed giving rise to MAPSO2 + and MAPSO2 ++. A predictive approach based on PSO called 2s-PSO is also developed to solve the FJSSP problem with consideration of machine failures. Experimental results confirmed that the 2s-PSO algorithm increases the robustness and stability of the solution. As a final contribution, we proposed a rescheduling heuristic to repair schedules in the event of failure under uncertainties.; Les problèmes d'ordonnancement dans le secteur industriel sont en tête des problèmes d'optimisation les plus étudiés. Cependant, les approches de résolution ne sont pas adaptées à un environnement dynamique et de plus en plus incertain. Les travaux présentés dans cette thèse se situent dans le cadre de résolution du problème d'ordonnancement d'ateliers de type job shop fexible (FJSSP) sans et avec incertitudes. Nous avons proposé un algorithme d'optimisation par essaims particulaires (PSO) ainsi que deux architectures multi agent à base de PSO nommées MAPSO1 et MAPSO2 pour résoudre le problème FJSSP sans incertitudes. Après avoir testé nos algorithmes sur différents benchmarks , les résultats obtenues ont montré leurs efficacités. Nous avons proposé d'utiliser des systèmes embarqués pour le déploiement d'un processus d'optimisation intelligent et coopératif comme le PSO. Ainsi l'architecture MAPSO2 a été testée sur un système physiquement distribué comportant deux systèmes embarqués. Plusieurs améliorations ont été proposées donnant naissance à MAPSO2 + et MAPSO2++. Nous avons proposé aussi une approche prédictive basée sur PSO nommée 2s-PSO pour résoudre le problème FJSSP avec la prise en compte des pannes de machines. Les expérimentations ont montré que l'algorithme 2s-PSO augmente la robustesse et la stabilité de la solution. Ainsi, et comme dernière contribution, nous avons proposé une heuristique de ré-ordonnancement pour réparer l'ordonnancement en cas d’inefficacitésous incertitudes.

International audience; Many efficient meta-heuristics methods are developed to solve Flexible Job Scheduling Problem (FJSP) to get nearly optimal solutions that optimize an objective function. However, in real-world manufacturing systems, schedules are often confronted with unexpected factors such as random machine breakdown. Therefore, centralized approaches are in general inflexible, expensive, and slow to satisfy scheduling problems under disruptions. For a better efficiency targeting such situations, distributed approaches based on Multi-Agent System methods and using metaheuristics have attracted more attention. In a previous work, we have proposed a Multi-Agent Particle swarm optimization named MAPSO2 to solve FJSP. Despite the promising results obtained in the proposed model in term of solution quality, some limitations have been detected. In this paper, we present an improved MAPSO2 named to solve FJSP with better flexibility.

International audience