Die europäische Fertigungsindustrie steht vor großen Veränderungen, die durch die zunehmende Nachfrage der Kunden nach maßgeschneiderten und/oder intelligenten Produkten, Industrie 4.0 Lösungen und Öffnung der Produktionsketten für Newcomer getrieben werden sowie durch die Veränderung hin zu Wertschöpfungsketten, in denen die Rollen von Lieferanten, Herstellern und Einzelhändlern verschwimmen. Diese sich dynamisch wandelnde Umwelt erfordert eine Anpassungsfähigkeit der Mitarbeiter, Fertigungswerkzeuge und Prozesse. Neue IKT-basierte Lösungen erleichtern einen Paradigmenwechsel, der Fabrikarbeiter als zukünftige "Wissensarbeiter" in den intelligenten Fabriken sieht, welcher nicht nur durch die Einführung neuer Technologien in die Fabriken gelingen kann. Arbeitsabläufe müssen umgestaltet werden und neue Ansätze zur kontinuierlichen Weiterentwicklung sind erforderlich. Bei der Verschiebung der Arbeitsaufgaben hin zur Wissensarbeit müssen bei der Anpassung der Arbeitsumgebungen zunehmend die Unterschiede bei den kognitiven Fähigkeiten berücksichtigt werden. Das hier vorgestellte Forschungsprojekt Factory2Fit zielt darauf ab, die menschlich zentrierte Fertigung auf ein neues Niveau zu bringen, indem den Mitarbeitern eine führende Rolle bei der Anpassung und Entwicklung ihrer eigenen Aufgaben zukommt. Das Hauptziel des Projektes ist es, adaptive Automatisierungslösungen zu entwickeln und zu pilotieren, die den Arbeitsablauf verbessern, den Arbeitnehmer dabei unterstützen, seine Kompetenzen zu entwickeln und die Mitarbeiter dazu befähigen, Wissen zu teilen und sich an der Gestaltung ihrer eigenen Arbeit zu beteiligen. Das Projekt Factory2Fit wird von Horizon 2020 (H2020/2014-2020), dem Programm für Forschung und Innovation der Europäischen Union, unter der Zuwendungsvereinbarung Nr. 723277 gefördert.

L’adoption du numérique au sein des industries et les évolutions des technologies ouvrent de nouvelles perspectives d’usages de la réalité augmentée (RA) et de la réalité virtuelle (RV). Ainsi, ces technologies peuvent faciliter l’assistance des opérateurs travaillant sur des systèmes industriels complexes en utilisant la RA et permettre la mise en œuvre de formations en RV, améliorant donc leur efficience. Cependant, intégrer ces nouveaux outils aux processus existants de l’entreprise reste complexe, de par les aspects technologiques et le continuum de données à mettre en œuvre, de par l’identification des cas d’usages et des gains associés et de par la diversité d’acteurs et d’experts métiers à impliquer dans ce processus : l’expert du système industriel, l’opérateur, le concepteur et le développeur informatique.Afin d’aborder ces différentes problématiques industrielles et en se basant sur un état de l’art scientifique et technologique, nos travaux de recherche ont porté sur la proposition d’un modèle de données permettant de faciliter la création de contenu en réalité augmentée pour les opérations sur des systèmes industriels. Ces travaux ont également permis de mettre en place un environnement expérimental basé sur une chaîne de production didactique et une application créée grâce à ce modèle.Dans une seconde partie de ce travail, afin d’évaluer l’efficacité de cette technologie, nous avons mis en place une méthode permettant d’évaluer l’usage de la réalité augmentée pour la maintenance de systèmes industriels complexes selon des critères de performances et de satisfactions. L’analyse de deux études de cas montre que la contextualisation de l’information en réalité augmentée permet à l’opérateur de comprendre plus rapidement l’opération à effectuer qu’avec guide papier tout en réduisant certains types d’erreur. De plus, nous proposons des recommandations pour améliorer la pertinence de l’information fournie en réalité augmentée et identifions le type d’opération permettant d’obtenir un gain significatif, grâce à la réalité augmentée. Ces travaux s’intéressent également à l’influence et à la sélection des dispositifs de rendus.Enfin, en nous basant sur le modèle de données de RA, nous proposons une ontologie permettant d’unifier la création de contenu en réalité augmentée et virtuelle afin de former et guider un opérateur dans ses tâches. Nous étudions l’usage de cette ontologie pour exploiter d’autres données et connaissances de l’entreprise telles que celles liées à la maintenance. Cette ontologie est utilisée pour des scénarios de formation dans des environnements industriels et pour l’assistance sur des opérations. / The adoption of digital technologies within industries and the evolution of technologies are opening new perspectives for using augmented reality (AR) and virtual reality (VR). Therefore, those technologies can facilitate the operators’ tasks working on complex industrial systems, either by bringing them some contextualised information in AR or by helping them with VR trainings. Thus they would improve their efficiency. However, integrating these new tools into existing processes of the company remains complex, due to the technologies and the data continuum needed, through the identification of use cases and the associated gains and by the diversity of actors and business experts involved in this process: the expert of the industrial system, the operator, the designer and the computer scientist.In order to develop those different industrial problematics, we first study the state of the art of scientific publications and existing technologies. Then, our research work has proposed a data modelling facilitating content authoring of augmented reality operations on industrial system. This work has also allowed to set up an experimental environment based on an educational production line and an augmented reality application developed thanks to that model.In a second part of this work, and in order to evaluate the efficiency of this technology, we have proposed a methodology allowing to evaluate augmented reality usage for maintenance, repair and operations on industrial systems according to performance, satisfaction and behavioural criteria. We analyse two case studies. They shows that contextualisation of information with augmented reality allows the operator to faster understand the task he needs to carry out than with paper instructions while reducing some kind of errors. Moreover we are proposing some guidelines in order to improve the augmented reality information efficiency. Besides, we are identifying which types of operation are improved with augmented reality. The work is also describing the rendering device influence on the use of augmented reality.Finally, and based on the augmented reality modelling, we are proposing an ontology allowing to unify content authoring of augmented and virtual reality so as to train or guide operator in their tasks. We are studying the use of this ontology for exploiting others data and company knowledge, as maintenance. This ontology is used for training scenarios in industrial environment and for guiding operator during their work.

Die europäische Fertigungsindustrie steht vor großen Veränderungen, die durch die zunehmende Nachfrage der Kunden nach maßgeschneiderten und/oder intelligenten Produkten, Industrie 4.0 Lösungen und Öffnung der Produktionsketten für Newcomer getrieben werden sowie durch die Veränderung hin zu Wertschöpfungsketten, in denen die Rollen von Lieferanten, Herstellern und Einzelhändlern verschwimmen. Diese sich dynamisch wandelnde Umwelt erfordert eine Anpassungsfähigkeit der Mitarbeiter, Fertigungswerkzeuge und Prozesse. Neue IKT-basierte Lösungen erleichtern einen Paradigmenwechsel, der Fabrikarbeiter als zukünftige "Wissensarbeiter" in den intelligenten Fabriken sieht, welcher nicht nur durch die Einführung neuer Technologien in die Fabriken gelingen kann. Arbeitsabläufe müssen umgestaltet werden und neue Ansätze zur kontinuierlichen Weiterentwicklung sind erforderlich. Bei der Verschiebung der Arbeitsaufgaben hin zur Wissensarbeit müssen bei der Anpassung der Arbeitsumgebungen zunehmend die Unterschiede bei den kognitiven Fähigkeiten berücksichtigt werden. Das hier vorgestellte Forschungsprojekt Factory2Fit zielt darauf ab, die menschlich zentrierte Fertigung auf ein neues Niveau zu bringen, indem den Mitarbeitern eine führende Rolle bei der Anpassung und Entwicklung ihrer eigenen Aufgaben zukommt. Das Hauptziel des Projektes ist es, adaptive Automatisierungslösungen zu entwickeln und zu pilotieren, die den Arbeitsablauf verbessern, den Arbeitnehmer dabei unterstützen, seine Kompetenzen zu entwickeln und die Mitarbeiter dazu befähigen, Wissen zu teilen und sich an der Gestaltung ihrer eigenen Arbeit zu beteiligen. Das Projekt Factory2Fit wird von Horizon 2020 (H2020/2014-2020), dem Programm für Forschung und Innovation der Europäischen Union, unter der Zuwendungsvereinbarung Nr. 723277 gefördert.

The project has explored the topic Smart factory with main focus on the future production staff. The project aims to investigate how the production staff is affected by Volvo Cars Skövde Engine Plant (SkEP) becoming a Smart factory, in the era of Industry 4.0. The definition of the Smart factory is a demand of Mobile- and wireless technologies, Human-oriented, pursue a Flexible production with Sustainable manufacturing, as well as utilization of CPS (Cyber-Physical Systems), IoT (Internet-of-Things) and Cloud storage. The current situation and the future five to twenty years were examined in order to define the future production staff. This by conducting an observational study and several interviews. The studies’ results were that SkEP cannot be regarded as smart since several demands are inadequate by definition. Five years are considered too short of a time for the plant to fulfill the demands. However, according to the interviews and literature, SkEP are expected to become smart in twenty years after time refinement of existing technologies and implementation of new ones. The authors estimate Leadership, Information, IT and Production lay-out to be the areas that require the most effort. The future production staff are expected to be flexible with workplace, working hours and able to manage multiple variants. They should be included in self-supporting teams where every individual possesses an expertise, are motivated and participating. Production staff should perform complex, varied jobs with more responsibility by endorsement of decision support systems. The staffs’ competence should consist of technical education, high basic and lay-out knowledge and the ability to contribute to the collection of information and analyses. Interaction with technology is expected to expand and the personnel must therefore have a well-established comprehension of technology. The concept Smart factory is extensive and relatively new, which means that it is constantly evolving. Thus it is important for SkEP to be updated and adjust to the impact from the outside world.

Dans le contexte actuel, la transformation de l’outil industriel par l’intermédiaire de nouveaux paradigmes de performance tels qu’Usine du Futur (Factory of the Future FoF), Industry 4.0 (I4.0) ou encore Smart Factory (SF) est au cœur des préoccupations actuelles des industriels. Les travaux présentés dans cette thèse portent sur la problématique de passage d’une situation spécifique existante (AS-IS) vers une situation cible type Usine du Futur (TO-BE) en prenant en compte la situation souhaitée AS-WISHED et les contraintes de ressources. Dans ce cadre, la principale contribution porte sur une approche reposant sur un modèle de co-évolution permettant de guider ce projet de transition au sein de l’organisation. Sur la base des travaux de Tolio et al. (2010), nous avons proposé un modèle de co-évolution amélioré en intégrant le niveau stratégique, le rôle du système d’information (SI) et celui de la place l’homme. Sur le plan théorique, le nouveau modèle de co-evolution aborde 3 domaines Produit/Production/SI qui sont structurés en deux niveaux d’analyse : externe (stratégique) et interne (structurel). L’ensemble de 6 sous-domaines comportent chacun 3 composants couvrant les choix relatifs à chaque sous-domaine et niveau d’analyse. Sur le plan managérial, la gestion de la co-évolution réside dans la modélisation des ces composants. Ensuite, nous caractérisons des liens de co-évolution existants entre les différents sous-domaines du modèle de co-évolution proposé. La démarche d’exploitation du modèle de co-évolution comporte trois étapes et considère les contraintes opérationnelles et les contraintes dites de co-évolution liées à la gestion des liens ou impacts entrant en jeu dans la co-évolution. Il permet de passer progressivement des modèles AS-IS et AS-WISHED pour aboutir à un modèle TO-BE. / Within the current context, the transformation of industries through new paradigms of performance such as The Factory of the Future (FoF), Industry 4.0 (I 4.0) or even The Smart Factory (SF) is at the heart of the industrials’ current concerns. The present work address the problem of the transition from a specific situation (AS-IS) to a target situation alike FoF (TO-BE) considering the desired situation AS-WISHED and the resources constraints. In this line of action, the main contribution concerns an approach based on a co-evolution model enabling to guide manufacturing industries to perform such a transition. Based on the work of Tolio et al. (2010), we propose an enhanced co-evolution model that integrates the strategic level of decisions, the information system role (IS) and the role of the human workforce. From the theoretical perspective, this new model consists in 3 domains: Product design/ Manufacturing/ IS which are structured into two levels of analysis: external (strategic) and internal (operational). The resulting structure of 6 sub-domains is in turn composed of 3 components covering the decisions related to each sub-domain and level of analysis. From the management perspective, the management of co-evolution relies on the modelling of their components. Hence, we exploit the modelling language constructs of the ISO 19440 (2007) standard for the internal components. Then, we characterize the existing co-evolution links between the different sub-domains of the proposed co-evolution model. At last, a 3 phase approach enabling to exploit the enhanced co-evolution model is proposed. It considers the feasibility constraints and the co-evolution constraints linked to the management of the links or impacts that came into play in the co-evolution. As such, it enables to work out progressively a feasible TO-BE model.