Optimisation of intelligent systems global performance in a multui-agent environment
Optimisation de la performance globale de systèmes intelligents dans un environnement multi-agents.
Résumé
Production environments and manufacturing processes are becoming increasingly complex, dynamic, and uncertain. They face constant changes, with a current trend towards mass customization and a growing variety of products.In the context of the automotive sector, manufacturing processes are characterized by a wide variety of products, high and fluctuating production volume, and numerous vehicle components. These characteristics make internal logistics extremely complex and prone to disruptions.Traditional control systems for manufacturing processes are evolving towards more modular, intelligent, and distributed systems. Existing literature indicates that multi-agent systems (MAS) are a suitable approach to implement these new control systems. However, the number of reported real-world implementations in the industrial domain is limited.In this thesis, we have presented a methodology based on multi-agent systems to optimize the overall performance of a production process by managing the interactions of different involved agents.These works are mainly conducted in the parts supply processes to an automotive assembly line using the kitting process. We propose a multi-agent methodology to detect and respond to alerts of missing parts in a kit occurring during this process. Operators play an important role in the decision-making phase to implement the proposed methodology in the industrial field.We also adapt and apply this methodology in the welding workshops.We tested the proposed methodology in real scenarios, reconstructed with historical data from a Renault Group factory.The results obtained have shown the relevance of the methodology to address the studied industrial issues and allow us to consider deployment in the industrial field.
Les environnements de production et les processus de fabrication deviennent de plus en plus complexes, dynamiques et incertains. Ils font face à des changements constants, avec une tendance actuelle marquée vers la personnalisation de masse et une variété croissante de produits.Dans le contexte du secteur automobile, les processus de fabrication se caractérisent par une grande diversité de produits, un volume de production élevé et fluctuant, ainsi que de nombreux composants de véhicules. Ces caractéristiques rendent la logistique interne extrêmement complexe et sujette à des perturbations.Les systèmes de contrôle traditionnels pour les processus de fabrication évoluent vers des systèmes plus modulaires, intelligents et distribués. La littérature existante indique que les systèmes multi-agents (MAS) sont une approche adaptée pour mettre en œuvre ces nouveaux systèmes de contrôle.Cependant, le nombre d'implémentations réelles rapportées dans le domaine industriel est limité.Dans ces travaux de thèse, nous avons présenté une méthodologie basée sur les systèmes multi-agents pour optimiser la performance globale d’un processus de production, en gérant les interactions des différents agents impliqués.Ces travaux sont menés principalement dans les processus d'approvisionnement de pièces à une ligne d'assemblage automobile utilisant le processus de kitting.Nous proposons une méthodologie multi-agents pour détecter et répondre aux alertes de pièce manquante dans un kit, ayant lieu lors de ce processus.Dans le but de mettre en œuvre la méthodologie proposée sur le terrain industriel, les opérateurs jouent un rôle important dans la phase de prise de décision.Nous adaptons et appliquons également cette méthodologie dans le processus de tôlerie.Nous avons testé la méthodologie proposée dans des scénarios réels, reconstitués avec des données historiques provenant d'une usine du Groupe Renault.Les résultats obtenus ont montré la pertinence de la méthodologie pour répondre aux problématiques industrielles étudiées et permettent d'envisager un déploiement sur le terrain industriel.
Origine | Version validée par le jury (STAR) |
---|