Reproduction de : Thèse de doctorat : Génie des procédés et de l'environnement : Toulouse, INPT : 2007. / Titre provenant de l'écran-titre. Bibliogr. 93 réf.

Thèse de doctorat : Génie des procédés et des produits : INPL : 2006. / Titre provenant de l'écran-titre. Bibliogr.

La gestion des perturbations des flux de production (problèmes d'approvisionnement, défaillances des ressources, problèmes de qualité...) est une problèmatique importante lors du pilotage de systèmes de production. Les architectures de pilotage existantes offrent peu de concepts à la fois spécifiquement dédiés et suffisament génériques pour permettre de gérer une variété de types de perturbations. Dans ce contexte, l'immunité biologique représente un système naturellement capable de réagir et de s'adapter aux menaces qui guettent l'organisme hôte. Nous nous inspirons des principes de fonctionnement de ce système pour identifier les principales caractéritiques d'une architecture distribuée de pilotage. Cette architecture met en oeuvre des fonctions suffisamment génériques et spécifiquement dédiées à la gestion des perturbations, telles que les fonctions de détection, d'identification et de réaction aux perturbations. Cette architecture est réalisée grâce à la technologie des systèmes multi-agents, et permet en plus de capitaliser les connaissances sur les perturbations en vue d'une réalisation future

Thèse doctorat : Génie des procédés : Université de Nantes : 2006. / Bibliogr. p. 284-303. Index.

Reproduction de : Habilitation à diriger des recherches : Sciences physiques : Lille 1 : 2005. / Synthèse des travaux en français. Recueil de publications en anglais non reproduit dans la version électronique. N° d'ordre (Lille 1) : 430. Curriculum vitae. Titre provenant de la page de titre du document numérisé. Bibliogr. p. 83-88. Liste des publications et des communications.

Les travaux de ce mémoire portent sur l'analyse et la conception optimale de systèmes manufacturiers composés de machines non fiables. Les systèmes considérés peuvent opérer selon une structure réseau d’assemblage/désassemblage. Des stocks tampons sont placés entre les machines pour les découpler les unes des autres. Ces machines peuvent opérer en mode de fonctionnement dégradé. Chaque machine est modélisée comme un système à trois états : fonctionnement nominal, panne totale et mode dégradé. On considère que le mode de fonctionnement dégradé affecte uniquement le taux de production nominal des machines et non la qualité des pièces produites. Afin d’évaluer le taux de production d’un tel réseau manufacturier à machines multi-états (dit complexe), une méthode d’évaluation analytique est tout d’abord explorée. Cette méthode consiste à remplacer chaque machine par une machine équivalente à deux états, puis à appliquer ensuite une des méthodes existantes pour les réseaux avec machines binaires. Après avoir découvert que cette méthode est imprécise même dans le cas simple de deux machines multi-états séparées par un stock, nous avons utilisé une simulation à base du logiciel Simio en vue d’une conception optimale du réseau. Dans cette conception, il est question de faire une sélection conjointe des technologies des machines et des tailles de stocks. L’objectif de l’optimisation est de maximiser le taux de production sous des contraintes de budget. La plupart des travaux existants considèrent le problème d’allocation des stocks tampons pour des lignes séries ou séries-parallèles, en considérant que les technologies des machines sont déjà choisies. L’extension ainsi développée est validée en utilisant différentes instances générées aléatoirement. Pour ce faire, le modèle de simulation développé est couplé à deux méthodes d’optimisation. La première méthode utilise l’outil d'optimisation OptQuest. La seconde méthode est une nouvelle heuristique basée sur un algorithme génétique (AG). Dans chacune des méthodes, l’outil d’optimisation se sert de l’estimation du taux de production effectuée par l’outil de simulation dan #s sa fonction d’objectif. Notre nouvelle méthode (simulation/AG) est comparée à une approche couplant une méthode analytique à un AG dans le cas de machines binaires. Les résultats numériques obtenus illustrent l’efficacité de notre méthode au niveau de la qualité des solutions, au détriment d’un temps de calcul moins performant. / This thesis focuses on the analysis and optimal design of manufacturing systems composed of unreliable machinery. The considered systems can operate in an assembly / disassembly structure. Buffer stocks are placed between the machines in order to decouple them from each other. These machines can operate in degraded mode. Each machine is represented as a system with three states: nominal operation, blackout and a degraded mode. We consider that the degraded mode affects only the nominal production rate of machines and not the quality of the parts produced. To assess the rate of production of such a manufacturing system with multi-state machine (called complex), an analytical method is first explored. This method consists on replacing each machine by an equivalent one with two states, and then applying one of the classical methods for networks with binary state machines. After discovering the lack of precision of this method, we used a simulation method based on the software Simio for the optimal design of networks with multi-state machines. In this design, it is about making a joint selection of technologies and buffer sizes between machines. The objective of the optimization is to maximize the rate of production under budget constraints. Most existing works consider the problem of allocating buffer stocks for serial lines or series-parallel when machine technologies are already chosen. Our method is developed and validated using different randomly generated instances. To do this, the developed simulation model is coupled with two optimization methods. The first method uses the OptQuest optimization tool. The second method is a new heuristic based on a genetic algorithm (GA). In each method, the optimizer uses the production rate estimation carried out by the simulation tool in its objective function. Our new method (simulation / GA) is compared to an approach coupling an analytical method to a GA in the case of binary machines. The numerical results illustrate the effectiveness of our method in terms of solution quality at the expense of the less efficient computation time.

Dans l'industrie de la fabrication de planchers de bois pour les remorques, la qualité d'un plancher est directement liée à la position relative des lattes de bois. Le procédé de fabrication actuellement en place chez notre partenaire industriel utilise une main-d'oeuvre abondante. Les planchers sont produits en continu et puisque les décisions de positionnement de lattes doivent se prendre très rapidement (chaque employé doit placer une latte à toutes les 1,5 seconde), même des employés d'expérience peuvent commettre des erreurs. Dans ce mémoire, nous proposons des méthodes rapides et efficaces pouvant être utilisées par un processus d'assemblage mécanique. Ces méthodes ont été utilisées pour assembler des planchers à l'aide de simulation par ordinateur. Par comparaison à l'assemblage manuel, qui produit des planchers ayant environ 5% de joints défectueux, nos méthodes d'assemblage produisent des planchers presque parfaits.

Les applications de contrôle automatique et d'optimisation doivent utiliser des données de qualité afin de prendre des actions ciblées et efficaces. Les imperfections des systèmes de mesure font en sorte que les données mesurées brutes ne présentent pas un portrait complet et précis des procédés. Les observateurs, en combinant les mesures brutes avec des connaissances sur les procédés, permettent, sous certaines conditions dont l'observabilité et une modélisation adéquate, de fournir des estimés fiables pour les variables non mesurées tout en diminuant les effets du bruit aléatoire de mesure sur les variables mesurées. La présente thèse vise particulièrement à explorer et valider les possibilités d'observer de manière non biaisée des procédés à partir de sous-modèles basés sur des lois de conservation auxquelles des équations empiriques stochastiques peuvent être ajoutées. La représentation d'état régulière est d'abord considérée, mais elle devient limitée en présence d'équations algébriques ainsi que dans le contexte errors-in-variables. Après avoir fait la preuve que ce contexte errors-in-variables est parfaitement compatible avec une représentation d'état généralisée même dans un cas où certaines entrées ne seraient pas mesurées, la représentation d'état généralisée est largement utilisée pour la modélisation dans cette thèse. Des observateurs optimaux sont présentés pour cette représentation d'état ainsi que les représentations d'état particulières statique, stationnaire et dynamique régulière. La réconciliation dynamique non linéaire de données basée sur la programmation non linéaire est privilégiée dans les situations où les contraintes sont non linéaires ou lorsque des contraintes d'inégalité deviennent actives. Les limites des observateurs statiques pour les applications en ligne sont démontrées et les observateurs stationnaires basés sur des structures similaires, mais nécessitant le réglage d'une matrice de variance supplémentaire, sont proposés en remplacement. Des méthodes pratiques sont proposées et testées pour le réglage des paramètres stochastiques. L'observation est appliquée à des procédés de traitement de la matière considérés parfaitement mélangés ainsi qu'à un tuyau avec écoulement piston à débit volumique variable. Les notions et les outils développés dans cette thèse peuvent être utiles et utilisés dans de nombreux secteurs industriels dont le traitement du minerai, la pyrométallurgie, la pétrochimie, le ciment, les biotechnologies et la transformation alimentaire. / Automatic process control and optimization applications must use good quality data in order to take targeted and effective actions. Raw measurements do not provide a complete and precise vision of process operations because measurement systems arc not perfect. Observers, by combining raw measurements with knowledge about processes, allow, under certain conditions such as sufficient observability and adequate modeling, to provide reliable estimates for unmeasured variables while decreasing random measurement noise effects on measured variables. The present thesis aims at exploring and validating the possibilities for the unbiased observation of processes using sub-models based on conservation laws to which stochastic empirical equations can be added. The regular state space representation is first considered but it becomes limited in the presence of algebraic equations and in the errors-in-variables environment. After showing that this errors-in-variables environment fits perfectly in a generalized state space representation even in a case where some inputs would not be measured, the generalized state space representation is then largely used for modeling in this thesis. Optimal observers are presented for this state space representation as well as for the particular static, stationary and regular dynamic state space representation. The nonlinear dynamic data reconciliation algorithm based on nonlinear programming should be favored in case of nonlinear constraints or when the inequality constraints become active. The limitations of static observers for on line applications are shown and stationary observers using the saine modeling structure, but requiring the tuning of an additional variance matrix, are proposed as an easy improvement. Practical methods are proposed and tested for the tuning of the two variance matrices used in state space modeling. The different observers are applied to processing units considered perfectly mixed and transportation units like a plug-flow pipe with a variable flowrate. The concepts and the tools developed in this thesis can be useful and used in many industrial sectors such as mineral processing, pyrometallurgy, petrochemistry, cement, biotechnology and food processing.