Ce travail propose une approche originale pour l'ordonnancement de tâches sous contraintes de temps et de ressources. Les méthodes et techniques développées s'inscrivent dans la problématique de l'"Analyse Sous Contraintes" (A.S.C.) des problèmes d'ordonnancement. Cette A.S.C. vise à caractériser les ordonnancements admissibles de manière à proposer au décideur un choix d'actions cohérentes vis-à-vis des contraintes, tout en lui offrant une certaine flexibilité face à des aléas éventuels. L'A.S.C. est décrite comme un processus d'inférence mettant en interaction une base de règles et une base de faits temporels et séquentiels représentant les caractéristiques des ordonnancements admissibles. Un logiciel (MASCOT) écrit en Prolog-II a été réalisé selon ce principe. Une nouvelle approche pour l'A.S.C. et plus particulièrement pour le raisonnement temporel sous contraintes de ressources a été développée. L'originalité de cette approche réside essentiellement dans la prise en compte du couplage temps/ressource à l'aide du concept d'intervalle temps-ressource qui conduit à utiliser un raisonnement énergétique. L'intervalle temps-ressource permet de représenter à la fois les tâches ou intervalles consommateurs et les intervalles de temps alloués sur lesquels des ressources sont disponibles, appelés intervalles fournisseurs. Le problème de l'ordonnancement de tâches amène à étudier l'interaction entre intervalles consommateurs et fournisseurs sur la base de considérations énergétiques. Le logiciel MASCOT met en jeu un processus de déduction symbolique. Ce type de déduction a été amélioré par la prise en compte de l'énergie obligatoirement consommée ou consommation obligatoire d'intervalles consommateurs sur un intervalle fournisseur. De nouvelles règles de déduction ont été écrites et intégrées dans MASCOT. D'autre part, un processus de déduction basé sur un raisonnement purement énergétique a été élaboré et implémenté (logiciel REPORT) en Prolog-II. Il utilise un autre type de déduction, la déduction numérique, qui permet d'affiner les bornes temporelles d'un intervalle fournisseur en considérant la consommation obligatoire des autres intervalles consommateurs. En d'autres termes, ces résultats consistent à actualiser des dates limites et correspondent à des conditions nécessaires d'admissibilité ; ils permettent ainsi de détecter des infaisabilités éventuelles. L'outil de modélisation utilisé est le graphe potentiels-bornes qui permet de représenter des contraintes numériques (sur la durée des tâches par exemple) et des contraintes symboliques entre intervalles. Il sert de support à un processus d'inférence par propagation numérique des contraintes.

Ce travail a pour objet la présentation d'une approche pour l'aide au dimensionnement, l'aide à l'élaboration de politiques de conduite et le pilotage en temps réel de cellules flexibles de fabrication. L'approche que nous proposons est articulée autour de la modélisation et de l'analyse d'une cellule flexible sous un ensemble de contraintes cycliques. Le modèle choisi est un réseau de Petri p-temporel t-temporisé plus général qu'un graphe d'événements. Il permet d'une part de découplet les contraintes de gammes des contraintes de ressources, et d'autre part de modéliser aussi bien les durées d'opération associées aux transitions qui sont les paramètres de notre problème, que les durées d'attente des pièces dans les stocks intermédiaires représentés par les places qui sont elles les inconnues du problème. Après avoir défini un régime stationnaire périodique forcé, des bornes minimales et maximales qui correspondent à des conditions nécessaires de réalisation d'une production plus ou moins flexible sont calculées à l'aide des techniques de la programmation mathématique. Ces bornes sont utilisées au niveau d'un algorithme de joueur de réseau de Petri p-temporel t-temporisé possédant un mécanisme de retour arrière ("backtrack") afin de calculer une stratégie particulière de réalisation de la production, l'objectif essentiel étant de réaliser un bon compromis entre efficacité et flexibilité. Finalement, en nous basant sur le résultat de l'ordonnancement prévisionel calculé, le modèle de réseau de Petri est utilisé pour un pilotage temps réel et réactif de la cellule au travers de l'utilisation d'un joueur temps réel ne possédant plus de mécanisme de retour arrière et permettant de décrire en temps réel l'enchaînement des traitements à effectuer sur les pièces, de communiquer avec l'environnement extérieur et d'être soumis à des contraintes temporelles explicites. Un exempl e d'application illustre l'approche exposée.