Thèse Année : 2024

Optimization of transportation task scheduling for collaborative and intelligent robots in the context of Industry 5.0.

Optimisation de l'ordonnancement des tâches de transport des robots intelligents et collaboratifs dans le contexte de l'industrie 5.0

Résumé

Task scheduling optimization in complex industrial environments, where humans and robots work seamlessly together, raises new challenges, particularly in terms of collision avoidance, deadlock management, and production time optimization (makespan). In the era of Industry 5.0, characterized by increased human-robot collaboration, this research aims to propose innovative solutions to enhance the performance of production systems in collaborative and inclusive environments. Consequently, this thesis reviews the evolution of industrial revolutions and highlights the limitations of traditional scheduling methods in light of this new collaborative paradigm. It develops a simulation-based approach, where the complex interactions between various workshop actors are modeled using a multi-agent system. Moreover, human worker behaviors are modeled using Markov chains and directly integrated into the simulation, providing a comprehensive representation of the workshop. The resulting simulator allows the evaluation of mobile robots' performance, taking into account the operational constraints imposed by human presence. The thesis also examines the impact of Autonomous Intelligent Vehicles (AIV), which offer greater flexibility than Automated Guided Vehicles (AGV), on the efficiency of production processes. Finally, a dynamic scheduling algorithm based on game theory is developed to optimize task management in real-time, integrating the presence of human operators. This approach generates responsive and efficient schedules, ensuring resilient production in the face of fluctuations in the industrial environment.
L'optimisation de l'ordonnancement des tâches dans des environnements industriels complexes, où cohabitent humains et robots, soulève de nouveaux défis, notamment en matière d'évitement des collisions, de gestion des blocages (deadlocks), et d'optimisation du temps de production (makespan). À l'ère de l'Industrie 5.0, caractérisée par une collaboration accrue entre travailleurs humains et robots, ce travail de recherche vise à proposer des solutions innovantes pour améliorer les performances des systèmes de production dans des environnements collaboratifs et inclusifs. Ainsi, cette thèse retrace l'évolution des systèmes industriels et met en lumière les limites des méthodes traditionnelles d'ordonnancement face à ce nouveau paradigme collaboratif. Elle développe une approche basée sur la simulation, dans laquelle la modélisation des interactions complexes entre les différents acteurs de l'atelier est représentée par un système multi-agents. De plus, les comportements des travailleurs humains sont modélisés à l'aide de chaînes de Markov et directement intégrés dans la simulation, afin d'avoir une représentation complète de l'atelier. Le simulateur ainsi obtenu permet d'évaluer les performances des robots mobiles en tenant compte des contraintes opérationnelles imposées par la présence humaine. La thèse examine également l'impact des véhicules autonomes intelligents (AIV), qui offrent une plus grande flexibilité que les véhicules autonomes guidés (AGV), sur l'efficacité des processus de production. Enfin, un algorithme d'ordonnancement dynamique, basé sur la théorie des jeux, est développé pour optimiser en temps réel la gestion des tâches dans l'atelier, en intégrant la présence des opérateurs humains. Cette approche permet de générer des ordonnancements réactifs et efficients, garantissant une production résiliente face aux fluctuations de l'environnement industriel.
Fichier principal
Vignette du fichier
Manuscrit_Thèse_final.pdf (5) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-04927759 , version 1 (03-02-2025)

Identifiants

  • HAL Id : tel-04927759 , version 1

Citer

Kader Sanogo. Optimisation de l'ordonnancement des tâches de transport des robots intelligents et collaboratifs dans le contexte de l'industrie 5.0. Informatique [cs]. Arts et Métiers, 2024. Français. ⟨NNT : 2024ENAME056⟩. ⟨tel-04927759⟩
0 Consultations
0 Téléchargements

Partager

More