Ce travail de thèse adresse une problématique industrielle qui s'articule autour de la modélisation de la chaîne logistique, composée essentiellement de groupements de PME mécatroniques, afin d'analyser les caractéristiques organisationnelles et comportementales et d'en évaluer la performance. Le développement de la solution de modélisation s'inscrit dans une démarche de raffinement itératif et d'intégration progressive de modèles. Le cadre de cette démarche constitue le fondement du processus de développement adopté « ArchMDE » basé sur l'Ingénierie Dirigée par les Modèles (IDM). Par conséquent, les travaux de cette recherche sont caractérisés par une contribution double. Dans la première contribution, il s'agit de la proposition d'un métamodèle générique de la chaîne logistique. En puisant dans la littérature nous avons proposé une méthodologie de conceptualisation incrémentale et générique qui permet la génération d'un modèle conceptuel de la structure d'une chaîne logistique ainsi que les relations entre ses différentes entités. L'application de cette démarche a donné lieu à la construction d'un métamodèle décrivant le champ d'application étudié (PME mécatroniques). La seconde contribution permet de formaliser le comportement dynamique des concepts générés lors de la première étape en adoptant le paradigme multi-agent. Ainsi, nous avons proposé une agentification du métamodèle du domaine en se basant sur l'analogie naturelle entre la chaîne logistique et le système multi-agent. Cette agentification a donné lieu à un métamodèle du domaine agentifié avec une mise en place des protocoles d'interaction visant à synchroniser et piloter la chaîne logistique. L'étude des relations et du comportement dynamique des différents concepts a permis d'aboutir à un métamodèle d'implémentation qui exprime à la fois les deux vues statique et dynamique du domaine d'application. Ce dernier artefact a fait l'objet d'une instanciation et d'une implémentation d'un cas industriel réel dans un environnement JAVA.

non disponible

Toute action naturelle crée de l'énergie perdue qui pourrait être exploitée pour alimenter nos appareils électriques et mobiles. Nos environnements physiques disposent d'un nombre élevé de micro-sources d'énergies ; certes chacune est de faible puissance, mais leur multiplicité pourrait s'avérer significative, notamment dans le cadre du fonctionnement de microsystèmes. C'est le principe précédent qui a conduit nos travaux sur la problématique de la conception de microsystèmes autonomes. Ainsi, pour être innovante, l'ingénierie de microsystèmes doit à la fois s'appuyer sur la culture de l'électronique, de la mécanique mais aussi de l'énergétique. Le processus de conception est fortement pluridisciplinaire et son efficacité réside dans la capacité à mettre en oeuvre des méthodologies et des outils : - de conception collaborative, - de capitalisation des connaissances techniques, - d'ingénierie multi-physique, - d'ingénierie intégrée. Sur le base de ces fondamentaux, nous avons développé un outil d'aide à la conception. La méthodologie sous-jacente permet : 1- l'analyse et la structuration d'un problème de conception d'un microsystème autonome : cette phase conduit l'identification, la description fonctionnelle et environnementale du système et de son environnement. 2- la modélisation des connaissances : une analyse architecturale conduit à la description des composants et des interactions liées au microsystème (directement ou indirectement) puis à la modélisation des comportements, 3- la qualification énergétique et le couplage physique : la réutilisation structurée des modèles de connaissances est pilotée pour coupler les modèles physiques et décrire les sources, les puits et les mécanismes énergétiques des environnements, 4- la conduite de la recherche de concepts innovants : la base de connaissances, les critères de qualification et la description fonctionnelle préalablement construits sont agencés dans une seule méthode de conception virtuelle pour rechercher des concepts de solutions innovants, 5- le pré-dimensionnement : tout en assurant l'intégration des outils spécialisés de simulation (méthode des éléments finis et simulation fonctionnelle), le prédimensionnement de microsystèmes autonomes est supportée selon un schéma synthétique, assurant un raisonnement abductif (ou bottom-up). La conjonction des raisonnements physiques, l'intégration des méthodes et des cultures métiers, l'exploration virtuelle des espaces de solutions et la modélisation constituent les bases d'un nouveau moyen d'aide à la conception de microsystèmes autonomes. Cette approche a été déployée pour la conception d'un capteur piézoélectrique autonome.

Toute action naturelle crée de l’énergie perdue qui pourrait être exploitée pour alimenter nos appareils électriques et mobiles. Nos environnements physiques disposent d’un nombre élevé de micro-sources d’énergies ; certes chacune est de faible puissance, mais leur multiplicité pourrait s’avérer significative, notamment dans le cadre du fonctionnement de microsystèmes.C’est le principe précédent qui a conduit nos travaux sur la problématique de la conception de microsystèmes autonomes. Ainsi, pour être innovante, l’ingénierie de microsystèmes doit à la fois s’appuyer sur la culture de l’électronique, de la mécanique mais aussi de l’énergétique. Le processus de conception est fortement pluridisciplinaire et son efficacité réside dans la capacité à mettre en œuvre des méthodologies et des outils :- de conception collaborative,- de capitalisation des connaissances techniques, - d’ingénierie multi-physique,- d’ingénierie intégrée.Sur le base de ces fondamentaux, nous avons développé un outil d’aide à la conception. La méthodologie sous-jacente permet :1- l’analyse et la structuration d’un problème de conception d’un microsystème autonome : cette phase conduit l’identification, la description fonctionnelle et environnementale du système et de son environnement.2- la modélisation des connaissances : une analyse architecturale conduit à la description des composants et des interactions liées au microsystème (directement ou indirectement) puis à la modélisation des comportements,3- la qualification énergétique et le couplage physique : la réutilisation structurée des modèles de connaissances est pilotée pour coupler les modèles physiques et décrire les sources, les puits et les mécanismes énergétiques des environnements,4- la conduite de la recherche de concepts innovants : la base de connaissances, les critères de qualification et la description fonctionnelle préalablement construits sont agencés dans une seule méthode de conception virtuelle pour rechercher des concepts de solutions innovants,5- le pré-dimensionnement : tout en assurant l’intégration des outils spécialisés de simulation (méthode des éléments finis et simulation fonctionnelle), le pré-dimensionnement de microsystèmes autonomes est supportée selon un schéma synthétique, assurant un raisonnement abductif (ou bottom-up)La conjonction des raisonnements physiques, l’intégration des méthodes et des cultures métiers, l’exploration virtuelle des espaces de solutions et la modélisation constituent les bases d’un nouveau moyen d’aide à la conception de microsystèmes autonomes. Cette approche a été déployée pour la conception d’un capteur piézoélectrique autonome. / Any natural action creates lost energy which could be exploited to supply our electrical and mobile appliance. Our physical environments have a high number of micro-energy sources. Admittedly, each one provides low power but their multiplicity could be significant, in particular within the framework of the microsystem operation.The previous observation guided our works towards the problematic of autonomous microsystem design. Thus, to be innovative, microsystems engineering must lean on electronic, mechanical and energy domains. The design process is highly multidisciplinary and its efficiency depends on the ability to implement methods and tools:- of collaborative design- of capitalization of technical knowledge- of multiphysic engineering- of integrated design.Based on these fundamentals, we developed a design support tool. The underlying methodology enables:1- the design problem analysis and structuring of an autonomous microsystem: this phase leads to the identification and functional and environmental description of the system and its environment2- the knowledge modelling: an architectural analysis gives the description of components and interactions related to the microsystem (directly or indirectly). Then, it leads to a behaviour modelling.3- the energy qualification and physical coupling: the structured reuse of knowledge models is guided to couple physical models and describe the sources, sinks and the energy mechanism of the environment.4- the control of innovative concept search: the knowledge base, qualification criteria and functional description, previously constructed, are combined in an unique virtual design approach dedicated to search innovative concepts as a solution5- the predimensioning: this phase ensures the integration of specific simulation tools (finite elements method and functional simulation). The predimensioning of autonomous microsystems is supported by a synthetic scheme based on an abductive reasoning (bottom-up).The combination of physical reasoning, the integration of methods and engineering domains, the virtual exploration of solution spaces and the modelling represent a new way to support autonomous microsystem design. This approach was applied to the design of an autonomous piezoelectric sensor.