Pour rester performants et compétitifs, les systèmes de production doivent être capables de s’adapter pour faire face aux changements tels que l’évolution de la demande des clients. Il leur est essentiel de pouvoir déterminer quand et comment s’adapter (capacités, etc.). Malheureusement, de tels problèmes sont connus pour être difficiles. Les systèmes de production étant complexes, dynamiques et spécifiques, leurs gestionnaires n’ont pas toujours l’expertise nécessaire ni les prévisions suffisantes concernant l’évolution de leur système. Cette thèse vise à étudier la contribution que peut apporter l’apprentissage automatique à l’auto-adaptation des systèmes de production. Dans un premier temps, nous étudions la façon dont la littérature aborde ce domaine et en proposons un cadre conceptuel dans le but de faciliter l’analyse et la formalisation des problèmes associés. Ensuite, nous étudions une stratégie d’apprentissage à partir de modèles qui ne nécessite pas d’ensemble d’apprentissage. Nous nous intéressons plus précisément à une nouvelle approche basée sur la programmation génétique linéaire visant à extraire des connaissances itérativement à partir d’un modèle de simulation pour déterminer quand et quoi faire évoluer. Notre approche est implémentée à l’aide d’Arena et μGP. Nous l’appliquons à différents exemples qui concernent l’ajout/retrait de cartes dans un système à flux tiré, le déménagement de machines ou encore le changement de politique de réapprovisionnement. Les connaissances qui en sont extraites s’avèrent pertinentes et permettent de déterminer en continu comment chaque système peut s’adapter à des évolutions. De ce fait, elles peuvent contribuer à doter un système d’une forme d’intelligence. Exprimées sous forme d’un arbre de décision, elles sont par ailleurs facilement communicables à un gestionnaire de production. Les résultats obtenus montrent ainsi l’intérêt de notre approche tout en ouvrant de nombreuses voies de recherche. / Manufacturing systems must be able to continuously adapt their characteristics to cope with the different changes that occur along their life, in order to remain efficient and competitive. These changes can take the form of the evolution of customers demand for instance. It is essential for these systems to determine when and how to adapt (e.g., through changes in capacities). Unfortunately, such issues are known to be difficult. As manufacturing systems are complex, dynamic and specific in nature, their managers do not always have all the necessary expertise nor accurate enough forecasts on the evolution of their system. This thesis aims at studying the possible contributions of machine learning to the self-adaptation of manufacturing systems. We first study how the literature deals with self-adaptation and we propose a conceptual framework to facilitate the analysis and the formalization of the associated problems. Then, we study a learning strategy relying on models, which presents the advantage of not requiring any training set. We focus more precisely on a new approach based on linear genetic programming that iteratively extracts knowledge from a simulation model. Our approach is implemented using Arena and μGP. We show its benefits by applying it to increase/decrease the number of cards in a pull control system, to move machines or to change the inventory replenishment policy. The extracted knowledge is found to be relevant for continuously determining how each system can adapt to evolutions. It can therefore contribute to provide these systems with some intelligent capabilities. Moreover, this knowledge is expressed in the simple and understandable form of a decision tree, so that it can also be easily communicated to production managers in view of their everyday use. Our results thus show the interest of our approach while opening many research directions.

La combinaison des avancées médicales et technologiques a rendu possible le monitoring à distance des patients, introduisant le paradigme de la e-santé (e-health en anglais). Il comprend des services ou des systèmes de convergence de la médecine, la santé et l’information, avec l’e-surveillance et la télé-médecine. Le type de dispositif médical "healthcare" doit assurer une sûreté de fonctionnement optimale, que ce soit pour une analyse médicale ou l’application d’un traitement. Le niveau de sûreté et de performance est critique pour la santé du patient.Maintenant que ces dispositifs s’appliquent à un nombre croissant de patients, tous différents et vivant dans des conditions différentes, ils doivent être capables de s’adapter en termes de performances et s’adapter à l’activité, à l’environnement et au patient lui-même. Une stratégie globale et réutilisable d’auto-adaptation à été définie dans le but de mettre en place méthodiquement et de façon optimale le processus et les étapes de l’auto-adaptation. Une des pathologies importantes actuellement est le glaucome, une neuropathie oculaire détériorant le nerf optique induisant une perte du champ visuel progressive et irréversible. Le diagnostique et le suivi de cette pathologie se fait par une mesure de la Pression Intra-Oculaire(PIO). La méthode utilisée actuellement est contraignante et requière la manipulation experte d’un dispositif de mesure ponctuelle. De nouveaux capteurs biométriques ont vu le jour permettant une mesure continue et portable amenant un meilleur diagnostic ainsi qu’un suivi plus simple. Notre cas d’étude sera donc centré sur l’utilisation d’un capteur biométrique de mesure de la PIO qui servira de plate-forme de validation aux solutions proposées sachant qu’il devra être auto-adapté aux différentes anatomies, physiologies, biomécaniques et environnements du patient. Tous les indicateurs perturbateurs ou informateurs de la mesure sont regroupés en deux catégories, ceux liés à l’environnement et ceux liés aux conditions d’utilisation. Un état de l’art est proposé pour la première catégorie et un modèle analytique est proposé pour la deuxième. L’état de l’art montre que les expérimentations in vivo sont nécessaires pour compléter les connaissances sur les indicateurs majeurs dans le cas d’une mesure de la PIO faite par un capteur biométrique. Le modèle analytique inclut le couplage électromagnétique entre les deux antennes du capteur, ainsi que des phénomènes perturbateurs. Il suggère de nouveaux indicateurs indirects (Pente de la baseline et le coefficient du second ordre de la courbe de phase) pour l’adaptation aux phénomènes perturbateurs. / Thanks to the combination of medical and technological advances, it becomes feasible and relevant to operate remotely monitoring of patients, introducing e-health paradigm. It includes services or systems that are at the convergence of medicine, health and information, including e-monitoring and telemedicine. Among existing medical devices, the "healthcare" type must ensure optimum operational reliability whether it is for a medical analysis or a treatment’s application. The level of safety and performance are critical for the patient’s health. Since these devices apply to a growing number of patients, all different from each other and living under different conditions, the device must therefore be able to adapt it self to the patient’s needs, activity, his environment but also to the patient himself. A general reusable strategy of self-adaptation, aiming to define methodically and optimally the steps and processes of self-adaptation, have been defines. Diseases recognized as being of the current centuries diseases require regular medical follow. Among them is glaucoma, an ocular neuropathy that deteriorates the optic nerve leading to a progressive and irreversible loss of the vision field. To diagnose and monitor it, a measurement of the intraocular pressure (IOP) is mandatory. Current techniques are constraining and require the manipulation of punctual measurement tools by a doctor. New biometric devices have emerged allowing continuous and portable measurements to allow a better diagnostic and a simplified monitoring. Our case study will therefore rely on the use of a biometric IOP measurement device which will be used as a validation platform for the proposed solutions knowing that it must be self-adapted to the different anatomies, physiologioes, biomechanics and environments of the patient. All the disturbing or informative mesurement indicators are regrouped in two types, the environmental and the variability in operation. A state of the art is proposed for the first type and an analytical model for the second one. The state of the art shows that In-vivo experimentations are mandatory to complete the knwoledge of major indicator influencing the IOP measurement with a biometric sensor. The analytical model include the magnetic coupling between antennas and the impact of some disturbances. It suggests a new ideal indirect indicator (the slope of the baseline and second coefficient order of the Bode phase plot) for the disturbances adaptation. This model is valid for sensors with different dimensions of antennas.

La présente Thèse en Intelligence Artificielle est basée sur un tout premier concept nommé “Assistant Conversationnel”, lequel est abordé par le fait qu'un utilisateur quelconque souhaitant joindre un interlocuteur doit pouvoir toujours voir sa requête se réaliser, quelque soit le moyen choisi par le terminal et sans que l'utilisateur ait à choisir lui-même le moyen adéquat. Le problème principal à résoudre se définit en conséquence par la modélisation et la conception d'une interface intelligente, personnalisée et praticable par tous les publics sur les terminaux de communication spécialisables accédant à Internet. Nous avons alors créé et développé de nouveaux procédés “intelligents”, chargés entre-autres de rendre les opérations courantes moins fastidieuses sur des applications de messagerie électronique. Pour cela, nous avons établi un état de l'art des divers terminaux de communication disponibles sur le marché mondial, ainsi qu'une classification taxinomique poussée et une nouvelle hiérarchisation efficace des interfaces intelligentes. Puis, nous avons construit un “Modèle Auto-Adaptable d'Utilisateur” sur un apprentissage comportemental, incrémental et évolutif, finalement implémenté en quatre phases : 1. Analyse, représentation et classification des différentes actions réalisées par l'utilisateur. 2. Proposition régulière à l'utilisateur d'effectuer de manière auto-adaptable les actions apprises. 3. Exécution auto-adaptable de ces différentes séquences d'actions répétitives. 4. Simplification auto-adaptable d'éventuelles “erreurs” ou incohérences de manipulation. Ainsi, cette contribution innovante à l'interfaçage homme-machine avancé a permis d'aboutir à la validation complète d'un logiciel intelligent de communication, tout-à-fait autonome et portable, capable d'assister chaque utilisateur, néophyte comme très expérimenté, dans ses divers travaux quotidiens, et ce de manière conviviale et toujours respectueuse de ses préférences.

Ce mémoire est consacré à` l'étude expérimentale, numérique et analytique d'exemples de membranes élastiques ou capillaires. Les grandes déformations des plaques élastiques conduisent en général à la concentration de l'énergie autour de zones presque singulières qui sont linéaires (plis) ou ponctuelles (cônes). Ces singularités sont bien comprises seulement quand elles sont isolées. Nous considérons deux situations modèles présentant plusieurs plis et cônes. Des simulations des équations complètes, ainsi que des calculs analytiques utilisant l'énergie élastique des singularités et des arguments géométriques, sont en accord quantitatif avec les expériences. Les films formés d'un liquide visqueux se déforment aux temps courts comme des plaques élastiques. L'analogie entre l'écoulement d'un fluide visqueux et les déformations d'un solide élastique nous permet d'exhiber un nouveau type de singularité conique sur un film visqueux. Aux temps longs, les films liquides évoluent vers des formes qui minimisent leur énergie capillaire : des surfaces minimales. Nous déterminons les surfaces minimales qui s'appuient sur une double hélice et nous étudions leur stabilité à l'aide de leurs spectres de vibration. Si l'on force une surface minimale solide à vibrer, elle répond de façon notable seulement si la fréquence d'excitation est proche de l'une de ses fréquences propres. Un film de savon à l'équilibre prend la forme d'une surface minimale. Par contre, nous avons constaté que, quand on force le film, son amplitude de vibration varie peu avec la fréquence d'excitation car sa distribution spatiale d'épaisseur s'adapte au forçage. Nous considérons un équivalent mécanique, une masselotte qui coulisse sur une corde vibrante, et montrons que l'ajout d'un degré de liberté (l'épaisseur du film ou la position de la masselotte) à un système vibrant rend celui-ci auto-adaptatif : il répond à toute fréquence de forçage.

Nos travaux s'inscrivent dans le domaine du génie logiciel pour les systèmes informatiques à large échelle. Notre objectif est de fournir des techniques et des outils pour aider les architectes logiciels à maîtriser la complexité toujours grandissante de ces systèmes. Principalement fondées sur des approches par ingénierie des modèles, nos contributions s'organisent autour de trois axes. Le premier axe concerne le développement de systèmes à la fois fiables et flexibles, et ce à base de composants hiérarchiques équipés de capacités de reconfiguration dynamique. Par l'utilisation de nouvelles formes de contrats logiciels, les systèmes et frameworks que nous proposons prennent en compte differents formalismes de spécification et maintiennent les contrats à jour pendant l'exécution. Une seconde partie de nos travaux s'intéresse à fournir des capacités auto-adaptatives à ces systèmes contractuels, à travers des mécanismes de négociation de contrats et des sous-systèmes de monitoring eux-mêmes auto-adaptatifs. Un troisième axe concerne les lignes de produits logiciels dans lesquelles les features models sont largement utilisés pour modéliser la variabilité. Nos contributions consistent en un ensemble d'opérateurs de composition bien définis et implémentés efficacement pour les feature models, ainsi qu'un langage dédié permettant leur gestion à large échelle.

L'un des défis majeurs pour les décennies à venir, dans le domaine des technologies de l'information et de la communication, est la réalisation du concept des réseaux autonomes. Ce paradigme a pour objectif de rendre les équipements réseaux capables de s'autogérer, c'est-à-dire qu'ils pourront s'auto-configurer, s'auto-optimiser, s'auto-protéger et s'auto-restaurer en respectant les objectifs de haut niveau de leurs concepteurs. Les architectures majeures de réseaux autonomes se basent principalement sur la notion de boucle de contrôle fermée permettant l'auto-adaptation (auto-configuration et auto-optimisation) de l'équipement réseau en fonction des événements qui surviennent sur leur environnement. Le plan de connaissance est une des approches, très mise en avant ces dernières années par le monde de la recherche, qui suggère l'utilisation des systèmes cognitifs (l'apprentissage et le raisonnement) pour fermer la boucle de contrôle. Cependant, bien que les architectures majeures de gestion autonomes intègrent des modules d'apprentissage sous forme de boite noire, peu de recherches s'intéressent véritablement au contenu de ces boites. C'est dans ce cadre que nous avons fait une étude sur l'apport potentiel de l'apprentissage et proposé une méthode d'apprentissage distribué et collaboratif. Nous proposons une formalisation du problème d'auto-adaptation sous forme d'un problème d'apprentissage d'état-actions. Cette formalisation nous permet de définir un apprentissage de stratégies d'auto-adaptation qui se base sur l'utilisation de l'historique des transitions et utilise la programmation logique inductive pour découvrir de nouvelles stratégies à partir de celles déjà découvertes. Nous définissons, aussi un algorithme de partage de la connaissance qui permet d'accélérer le processus d'apprentissage. Enfin, nous avons testé l'approche proposé dans le cadre d'un réseau DiffServ et montré sa transposition sur le contexte du transport de flux multimédia dans les réseaux sans-fil 802.11. / One of the major challenges for decades to come, in the field of information technologies and the communication, is realization of autonomic paradigm. It aims to enable network equipments to self-manage, enable them to self-configure, self-optimize, self-protect and self-heal according to high-level objectives of their designers. Major architectures of autonomic networking are based on closed control loop allowing self-adapting (self-configuring and self-optimizing) of the network equipment according to the events which arise on their environment. Knowledge plane is one approach, very emphasis these last years by researchers, which suggests the use of the cognitive systems (machine learning and the reasoning) to realize closed control loop. However, although the major autonomic architectures integrate machine learning modules as functional block, few researches are really interested in the contents of these blocks. It is in this context that we made a study on the potential contribution machine learning and proposed a method of distributed and collaborative machine learning. We propose a formalization self-adapting problem in term of learning configuration strategies (state-actions) problem. This formalization allows us to define a strategies machine learning method for self-adapting which is based on the history observed transitions and uses inductive logic programming to discover new strategies from those already discovered. We defined, also a knowledge sharing algorithm which makes network components collaborate to improve learning process. Finally, we tested our approach in DiffServ context and showed its transposition on multimedia streaming in 802.11 wireless networks.