Mardi 10 Décembre 2013 ORCA : Architecture hybride pour le contrôle de la myopie dans le cadre du pilotage des Systèmes Flexibles de Production Cyrille.

Présentation au sujet: "Mardi 10 Décembre 2013 ORCA : Architecture hybride pour le contrôle de la myopie dans le cadre du pilotage des Systèmes Flexibles de Production Cyrille."— Transcription de la présentation:

1 Mardi 10 Décembre 2013 ORCA : Architecture hybride pour le contrôle de la myopie dans le cadre du pilotage des Systèmes Flexibles de Production Cyrille PACH Thèse dirigée par Damien Trentesaux (Pr TEMPO-PSI) et co-encadrée par Thierry Berger (MCF TEMPO-PSI) Emmanuel Adam (MCF LAMIH-DIM)

2 Plan de la présentation
Contexte et objectifs Etat de l’art Le problème de myopie Le contrôle de la myopie Typologie des architectures hybrides Proposition d’une architecture et d’un modèle génériques L’architecture générique ORCA Nécessité d’un modèle de représentation d’ORCA Le modèle holonique Holo-Gen Application d’ORCA aux FMS Positionnement d’ORCA-FMS L’architecture ORCA-FMS Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen Mise en œuvre et validation d’ORCA-FMS Intégration de la gestion de l’énergie dans ORCA-FMS Conclusion et perspectives

3 Plan de la présentation
Contexte et objectifs Etat de l’art Le problème de myopie Le contrôle de la myopie Typologie des architectures hybrides Proposition d’une architecture et d’un modèle génériques L’architecture générique ORCA Nécessité d’un modèle de représentation d’ORCA Le modèle holonique Holo-Gen Application d’ORCA aux FMS Positionnement d’ORCA-FMS L’architecture ORCA-FMS Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen Mise en œuvre et validation d’ORCA-FMS Intégration de la gestion de l’énergie dans ORCA-FMS Conclusion et perspectives

4 Contexte Scientifique
Systèmes de transport Chaînes logistiques Recherche Opérationnelle Systèmes Multi-Agents Pilotage Intelligent des Systèmes de Production Flexibles Pilotage des Systèmes Complexes Systèmes manufacturiers Systèmes sociaux Système Boursier Lignes de Production Systèmes de Production de Biens et Services Systèmes Hospitaliers Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Systèmes biologiques

5 Contexte industriel Environnement industriel fortement changeant (variation de la demande, énergie variable, mass customization…) Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

6 Les architectures actuelles
Réactivité et capacité d’adaptation importante Performances optimales (ou proches) en régime déterministe Performance globale insuffisante en régime déterministe Difficulté à réagir en cas de perturbation ou d’incertitude Architectures de pilotage hétérarchique Architectures de pilotage hiérarchique (Buzacott & Yao, 1986) (Tharumarajah, 1996) (Kenneth et al., 1995) (Babiceanu & Chen, 2006) (Nagalingam & Lin, 2008) (Lee & Kim, 2008) Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion (Ounnar & Pujo, 2010) (Scattolini, 2009)

7 Performances en régime non-perturbé Performances en régime perturbé
Objectifs Quelle est la cause du manque de performance des architectures de pilotage hétérarchique ? Comment remédier à ce manque de performance ? Performances en régime non-perturbé Meilleures Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Moins Bonnes Performances en régime perturbé Moins Bonnes Meilleures

8 Plan de la présentation
Contexte et objectifs Etat de l’art Le problème de myopie Le contrôle de la myopie Typologie des architectures hybrides Proposition d’une architecture et d’un modèle génériques L’architecture générique ORCA Nécessité d’un modèle de représentation d’ORCA Le modèle holonique Holo-Gen Application d’ORCA aux FMS Positionnement d’ORCA-FMS L’architecture ORCA-FMS Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen Mise en œuvre et validation d’ORCA-FMS Intégration de la gestion de l’énergie dans ORCA-FMS Conclusion et perspectives

9 Identification du problème
Les Systèmes de Production Flexibles sont composés d’entités dans le cadre d’un pilotage intelligent. Entité : terme générique faisant référence à une unité autonome capable de communiquer, prendre des décisions et agir (Trentesaux, 2009). Les décisions de pilotage dans ces systèmes sont : prises de manière distribuée par les entités du système. basées sur l’information locale à la disposition des entités. pas forcément optimales au regard du système global. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

10 Etat de l’art dans d’autres domaines
Manque de « visibilité » des entités d’un système de production flexible. Synthèse de l’état de l’art dans d’autres domaines : Médecine : (Larousse, 2013) Economie : (Langer & Weber, 2005) Analyse du comportement Humain : (Reb & Connolly 2009) Marketing : (Johnston, 2009) Robotique mobile : (Mataric, 1992) Programmation dynamique : (Puterman, 1987) Proposition d’une définition de la myopie dans les systèmes de production flexibles. Myopie Myopic loss aversion Myopic regret avoidance Boundary & Capabitiliy Myopia Myopia Myopic Policy Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion La myopie représente le manque d’information d’une entité sur son futur et celui des autres entités du système. (Pach et al., 2011)

11 Exemple de myopie R1 R2 R3 R4 (Pach et al., 2011) (S3) (S3) S3 S3
Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion R4 Entité décisionnelle (Produit) Ressource (Pach et al., 2011)

12 Le contrôle de la myopie
Etudes de solutions existantes Spécifiques au cas d’étude Simulation (Cardin & Castagna, 2009) Information Unit (Cavalieri et al., 2000) Autonomous Control Entity (Ounnar et al., 2008) Prônent un contrôle hiérarchique Comparaison entre architecture hétérarchique et hiérarchique (Brennan 2000) Ajout de niveaux hiérarchiques (Sunderesh 2002,) Holon superviseur d’ADACOR (Leitão & Restivo, 2006) mixent hétérarchie et hiérarchie : hybride Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Architecture hiérarchique Architecture hybride Architecture hétérarchique Interaction hétérarchique Interaction hiérarchique

13 Typologie des approches hybrides
Homogène Hétérogène 1er axe de la typologie : le dynamisme du pilotage possibilité d’évolution de l’architecture de pilotage ou non ? Böhnlein et al., 2011 Chu et al., 2003 Cox & Durfee, 2003 Ottaway & Burns, 2000 Ou-Yang & Lin, 1998 Tawegoum et al., 1994 Cardin et al., 2013 Rolon & Martinez, 2012 Yang et al., 2008 Heragu et al., 2002 Maturana et al., 1999 Trentesaux et al., 1998 Parunak et al., 1985 2e axe de la typologie : l’homogénéité du pilotage le pilotage est-il identique pour toutes les entités du système ou non ? Statique 10’ Novas et al., 2012 Raileanu et al., 2011 Barbosa et al., 2011 Zambrano et al., 2011 Valckenaers et al., 2007 Dynamique Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

14 Spécifications Besoin d’une architecture générique
Applicable à différents domaines. Applicable à de nombreux cas d’études. Besoin d’une architecture réactive et optimisée Architecture hybride pour bénéficier des avantages de la hiérarchie et de l’hétérarchie. Architecture dynamique et hétérogène pour pouvoir réagir en limitant la dégradation de la performance globale. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

15 Plan de la présentation
Contexte et objectifs Etat de l’art Le problème de myopie Le contrôle de la myopie Typologie des architectures hybrides Proposition d’une architecture et d’un modèle génériques L’architecture générique ORCA Nécessité d’un modèle de représentation d’ORCA Le modèle holonique Holo-Gen Application d’ORCA aux FMS Positionnement d’ORCA-FMS L’architecture ORCA-FMS Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen Mise en œuvre et validation d’ORCA-FMS Intégration de la gestion de l’énergie dans ORCA-FMS Conclusion et perspectives

16 Composition d’ORCA Architecture for an Optimized and Reactive Control
(Pach et al., 2013) Couche de Contrôle Global Mode Exécutant Optimiseur Global Optimiseur Local 1 Optimiseur Local i Couche de Contrôle Local Optimiseur Local n Mode Autonome Couche Système Elément Système 1 Elément Système i Elément Système n Entité i Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

17 Comment mettre en œuvre ?
Systèmes Logistiques Systèmes Flexibles de Production Systèmes Hospitaliers Comment faciliter la mise en œuvre des concepts d’ORCA sur un cas d’application ? Modélisation des entités pour la mise en œuvre Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

18 Vers un modèle holonique
Différents modèles permettent de représenter notre architecture : holonique, bionique, multi-agents, fractal… L’intérêt du modèle holonique n’est plus à prouver depuis PROSA ( Van Brussel et al., 1998). Pour ORCA, les modèles holoniques existants nécessitent une adaptation. Proposition d’un modèle holonique plus générique Holo-Gen : Structurel Comportemental Interactionnel Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

19 Modèle structurel φ1 φ2 φ3 H1 H1.1 H1.2 H1.1.1 H1.2.1 H1.2.2
φ Elément Physique Interactions Inter-Holon Retour d’Information Ordre/recommandation de Pilotage Couche Pilotage Couche Pilotée Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

20 Modèle comportemental
Les comportements des holons sont décrits par la notion de rôle. (Pach et al. 2011) CHolon = {Rôles, Gestion Rôles} Rôles Ce sont les fonctions du Holon dans le système. Un rôle est joué dans un but précis et est défini par un ensemble de règles. Gestion Rôles C’est un rôle permanent permettant de gérer le passage d’un rôle à un autre pour le holon. Dans le cas particulier où un seul rôle est associé (statiquement) au holon, la « gestion rôles » n’a pas lieu d’être. Voir pour faire quelque chose pour le texte des tableaux Rôle = {Connaissance, Buts, Règles} Connaissance Elle regroupe l’ensemble des données nécessaires pour pouvoir jouer le rôle. Les pré-requis à l’obtention du rôle et à son activation sont inclus dans la connaissance. Buts Ce sont les objectifs à atteindre et les contraintes à satisfaire par le rôle. Ils correspondent aux obligations liées au rôle. Règles Elles sont constituées d’ensembles d’inférences élémentaires à suivre pour atteindre les buts du rôle. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

21 Modèle interactionnel
Les interactions sont modélisées par la notion de service. Basée sur la théorie générale des systèmes (Le Moigne, 1994) Services d’un Holon SE Espace SF Forme ST Temps SEI SEP SFI SFP STI STP Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Informationnel Physique

22 Plan de la présentation
Contexte et objectifs Etat de l’art Le problème de myopie Le contrôle de la myopie Typologie des architectures hybrides Proposition d’une architecture et d’un modèle génériques L’architecture générique ORCA Nécessité d’un modèle de représentation d’ORCA Le modèle holonique Holo-Gen Application d’ORCA aux FMS Positionnement d’ORCA-FMS L’architecture ORCA-FMS Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen Mise en œuvre et validation d’ORCA-FMS Intégration de la gestion de l’énergie dans ORCA-FMS Conclusion et perspectives

23 Gestion Coûts Produits
Positionnement d’ORCA-FMS Niveau Stratégique ERP … Planification Logistique Maintenance Gestion des Stocks … … Niveau Pilotage 2 MES Expéditions * Approvisionnement Gestion Coûts Produits Gestion Matière ORCA-FMS Ordonnancement Niveau Pilotage 1 Conduite Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Niveau Contrôle Commande Niveau Physique Système Physique

24 Architecture ORCA-FMS
Allocation des produits Allocation des produits Routage des produits Mode Exécutant Mode Autonome Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

25 Fonctionnement d’ORCA-FMS
Basculement « Retour » Entité Produit attend un produit physique Situation non conforme Routage & exéc. par la ressource Produit non fini Allocation réactive Ressource choisie Opération terminée Opération suivante Produit fini Produit physique lié à l’entité produit Analyse de la situation Basculement Situation conforme Allocation prédictive Produit non fini Ressource choisie Routage & exéc. par la ressource Opération terminée Opération suivante Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Produit fini Mode Exécutant Mode Autonome

26 Gestion Entité Ressource
Entité ressource avec Holo-Gen Gestion Entité Ressource SEI SEP SFI SFP STP STI Communication Transitique Traitement Usinage Mémorisation Stockage Cressource = { Performance - Economie, Gestion Rôles) Rôle = Performance Connaissance Vitesse de fonctionnement maximum, Gamme de fabrication, Trajectoires, Ordonnancement Global. Buts Fournir des services aux produits le plus rapidement possible. Règles Respecter l’ordonnancement Global, Respecter les gammes de fabrications, Utiliser la vitesse maximum. Rôle = Economie Connaissance Vitesse de fonctionnement économe, Gamme de fabrication, Trajectoires. Buts Fournir des services aux produits en consommant le moins possible. Règles Respecter les gammes de fabrications, Utiliser la vitesse économe. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Rôle = Gestion Rôles Connaissance Ordonnancement Global, Taux de charge de la ressource. Buts Choisir le meilleur rôle possible pour la ressource. Règles { Si le taux de charge prévu pour la ressource est faible, Alors jouer le rôle Économie, Sinon jouer le rôle Performance }.

27 Holo-Gen facilite la mise en œuvre d’ORCA-FMS sur une cellule réelle
Vers la mise en œuvre Optimiseur Local 2 Stock + File + robot Entité Ressource 1 Holo-Gen facilite la mise en œuvre d’ORCA-FMS sur une cellule réelle Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

28 Plan de la présentation
Contexte et objectifs Etat de l’art Le problème de myopie Le contrôle de la myopie Typologie des architectures hybrides Proposition d’une architecture et d’un modèle génériques L’architecture générique ORCA Nécessité d’un modèle de représentation d’ORCA Le modèle holonique Holo-Gen Application d’ORCA aux FMS Positionnement d’ORCA-FMS L’architecture ORCA-FMS Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen Mise en œuvre et validation d’ORCA-FMS Intégration de la gestion de l’énergie dans ORCA-FMS Conclusion et perspectives

29 Choix de mise en œuvre Modèle Linéaire (PLNE) Champs de Potentiel
Cellule AIP PRIMECA VALENCIENNES Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Produit Actif Ressource Active

30 Mise en œuvre du PLNE Solveur Cplex Produit Paramètres Calcul Cmax
Précédence Opérations Temps Transport Allocation Opérations Liaison Ordo Job et Ordo local machine Limitation du nombre de jobs selon capacité système de transport Calcul Cmax Précédence Opérations Temps Transport Allocation Opérations Solveur Cplex Produit Liaison Ordo Job et Ordo local machine Paramètres Limitation du nombre de jobs selon capacité système de transport NomOpération Identifiant de la ressource conseillée Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

31 Mise en œuvre Champs de Potentiel
potentiel S1 ? Champs de potentiel S2 Champs de potentiel S3 Niveau Physique S1 S2 S3 (S1) R1 (S2) P1 R2 Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion R3 P1 Produit (S1, S3) R1, R2, R3 Ressource S1, S2, S3 Service (Pach et al., 2012)

32 Produit Actif Eeepc (Sallez et al., 2010) Produit Passif
Gestion Produit Actif Eeepc Produit Passif φ Produit Passif Contrôle Navette Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Navette + RFID Navette φ + RFID φ

33 Ressource Active Robot φ Stock φ File φ Stock File Contrôle Stock
Contrôleur Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Gestion Ressource Active Contrôle File API

34 Validations sur le cas d’étude de l’AIP PRIMECA Valenciennes
par simulation et par expérimentation Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

35 Protocole Expérimental
Cmax régime normal #1 Etude des couches locale et globale Temps de résolution #2 Temps de bonne solution #3 PLNE CP Cmax Régime normal 15 % d’écart Recalcul PLNE CP PLNE > 1 heure Etude ORCA-FMS Cmax régime perturbé #4 Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion PLNE : Programme Linéaire à Nombre Entiers CP : Champs de Potentiel

36 Expérimentations Optimal ORCA-FMS CP PLNE Mode Autonome Mode Exécutant
Produits Temps (secondes) #1: P #2: A #3: I #4: A #5: P #6: I R2 en panne Comportement Optimal 376 Optimal ORCA-FMS Produits Temps (secondes) #1: P #2: A #3: I #4: A #5: P #6: I R2 en panne Mode Exécutant Mode Autonome Basculements individuels 388 Produits Temps (secondes) #1: P #2: A #3: I #4: A #5: P #6: I R2 en panne Mode Autonome 405 CP Produits Temps (secondes) #1: P #2: A #3: I #4: A #5: P #6: I R2 en panne Mode Exécutant Recalcul 3600+ Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion PLNE

37 Synthèse des expérimentations
ORCA-FMS peut être mise en œuvre sur un système industriel réel via le modèle Holo-Gen. ORCA-FMS permet de piloter notre système de façon optimisée et réactive sur les scénarios testés. Comment étendre ORCA-FMS pour intégrer de nouvelles contraintes ? Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

38 Plan de la présentation
Contexte et objectifs Etat de l’art Le problème de myopie Le contrôle de la myopie Typologie des architectures hybrides Proposition d’une architecture et d’un modèle génériques L’architecture générique ORCA Nécessité d’un modèle de représentation d’ORCA Le modèle holonique Holo-Gen Application d’ORCA aux FMS Positionnement d’ORCA-FMS L’architecture ORCA-FMS Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen Mise en œuvre et validation d’ORCA-FMS Intégration de la gestion de l’énergie dans ORCA-FMS Conclusion et perspectives

39 Intégration de l’énergie
Intégration dans la couche de contrôle local d’ORCA : Extension du modèle de Champs de Potentiel pour intégrer la consommation d’énergie dans les décisions (Pach et al. ,2013). R1 P1 Champs de Potentiel Resources S1 (S1) Niveau Physique R3 (S1, S3) Champs de Potentiel Produit P1 Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

40 Résultats Energie En fonction de la charge du système gain de 12 à 40% d’énergie consommée, Peu de variations au niveau du Cmax, Possibilité de limiter le nombre de basculements si ressources « sensibles ». Intégration d’une contrainte supplémentaire sans travail de re-conception important. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

41 Plan de la présentation
Contexte et objectifs Etat de l’art Le problème de myopie Le contrôle de la myopie Typologie des architectures hybrides Proposition d’une architecture et d’un modèle génériques L’architecture générique ORCA Nécessité d’un modèle de représentation d’ORCA Le modèle holonique Holo-Gen Application d’ORCA aux FMS Positionnement d’ORCA-FMS L’architecture ORCA-FMS Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen Mise en œuvre et validation d’ORCA-FMS Intégration de la gestion de l’énergie dans ORCA-FMS Conclusion et perspectives

42 Conclusions Myopie La myopie est présente dès qu’une architecture de pilotage permet une prise de décision distribuée sur de l’information locale. Cette myopie est la cause principale du manque de performance d’un système non hiérarchique et doit être corrigée si on veut améliorer la performance globale du système. A l’opposé, les entités myopes possèdent une réactivité importante. La myopie est donc le levier qui permet de balancer réactivité et performance globale. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Réactivité Performance

43 Conclusions ORCA-FMS ORCA-FMS permet de contrôler la myopie des entités du système pour conserver performances globales et réactivité dans notre cas d’étude. Possibilité d’intégrer des contraintes supplémentaires comme la gestion de l’énergie. ORCA-FMS a été mise en œuvre sur un système industriel. Ce type d’architectures est utilisable dans de nombreux cas d’études et domaines. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

44 Perspectives ORCA-FMS
Utiliser d’autres approches méta-heuristiques… Utiliser d’autres approches DMAS, coopération… Tester d’autres cellules ou systèmes physiques Obtenir les résultats d’autres approches sur le cas d’étude utilisé notamment grâce au benchmark proposé (Trentesaux et al., 2013) Tester d’autres scénarios, plus complexes, avec des pannes différentes… Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

45 Perspectives ORCA ORCA-ED : Projet ANR HOST
Situations de crises dans un service d’urgences ORCA-PI : Projet ARI π-NUTS Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Allocation des camions /trains au cross-dock

46 Autres Perspectives Approfondir l’étude du mécanisme de basculement retour (hétérarchique / hiérarchique). Etudier la compatibilité entre entités en mode autonome et en mode exécutant. Explorer la myopie dans d’autres fonctions du MES (ex. qualité, approvisionnement) ou de l’ERP (ex. planification, logistique). Mettre en œuvre ORCA-FMS à l’aide d’un langage acteur, adapté aux systèmes distribués, tel que Erlang, Scala, JavAct… Mettre en œuvre ORCA-FMS sur un système réellement implanté en industrie et connecté au marché. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion

47 Merci de votre attention

48 Références 1 Babiceanu, R.F., Chen, F.F., Development and Applications of Holonic Manufacturing Systems: A Survey. Journal of Intelligent Manufacturing 17, pp.111–131. Böhnlein, D., Schweiger, K., Tuma, A., Multi-agent-based transport planning in the newspaper industry. International Journal of Production Economics, vol. 131, no. 1, pp. 146–157,. Brennan, R. W., Performance comparison and analysis of reactive and planning-based control architectures for manufacturing », Robotics and Computer Integrated Manufacturing 16, pp Buzacott, J.A., Yao, D.D., Flexible manufacturing systems: a review of analytical models. Management Science, pp. 890–905. Cardin, O. Castagna, P. , Using Online Simulation in Holonic Manufacturing Systems. Engineering Applications of Artificial Intelligence 22, pp.1025–1033. Cavalieri, S., Garetti, M., Macchi, M., Taisch, M., An experimental benchmarking of two multi-agent architectures for production scheduling and control. Computers In Industry 43, pp.139–152. Cox, J. S., Durfee, E. H., Discovering and exploiting synergy between hierarchical planning agents. Proceedings of the second international joint conference on Autonomous agents and multiagent systems, pp. 281–288. Christensen, J.H., Holonic manufacturing systems: initial architecture and standards directions. Proceedings of the first European Workshop in Holonic Manufacturing Systems. Heragu, S. S., Graves, R. J., Byung-In Kim, St Onge, A., Intelligent agent based framework for manufacturing systems control. IEEE Transactions on Systems, Man and Cybernetics part A, vol. 32, no. 5, pp. 560–573.

49 Références 2 J. Jarvis, R. Rönnquist, D. McFarlane, L. Jain, « A Team-Based Approach to Robotic Assembly Cell Control ». Journal of Network and Computer Applications 29, , (2006) Johnston, K. ,2009. Extending the marketing myopia concept to promote strategic agility. Journal of Strategic Marketing 17: 2, pp Kenneth, N.M., Frank, R.S., Buzacott, J.A., A review of hierarchical production planning and its applicability for modern manufacturing. Production Planning Control 6, pp. 384–394. Lee, J.H., Kim, C.O., Multi-agent systems applications in manufacturing systems and supply chain management: a review paper. International Journal of Production Research 46, pp. 233–265. Leitão, P., Alves, J., Pereira, A.I., Solving myopia in real-time decision-making using Petri nets models’ knowledge for service-oriented manufacturing systems. Preprints of the IFAC Workshop on Intelligent Manufacturing Systems (IMS’10). Lisboa, Portugal. pp. 155–160. Leitão, P., Restivo, F., ADACOR: A holonic architecture for agile and adaptive manufacturing control. Computers In Industry 57, pp.121–130. Nagalingam, S.V., Lin, G.C.I., CIM-still the solution for manufacturing industry. Robot.ics Computers Integrated Manufacturing 24, pp. 332–344. Langer, T., Weber, M., Myopic prospect theory vs. myopic loss aversion: how general is the phenomenon? Journal of Economic Behavior & Organization 56, pp. 25–38. Mataric, J., Minimizing complexity in controlling a mobile robot population. Proceedings of the IEEE International Conference on Robotics and Automation1, pp

50 Références 3 Maturana, F., Shen, W., Norrie, D. H., MetaMorph: an adaptive agent-based architecture for intelligent manufacturing. International Journal of Production Research, vol. 37, no. 10, pp. 2159–2173. Novas, J. M., Van Belle, J., Saint Germain, B., Valckenaers, P., A Collaborative Framework between a Scheduling System and a Holonic Manufacturing Execution System”. Service Orientation in Holonic and Multi-agent Manufacturing and Robotics, Studies in Computer Intelligence 472, Springer Verlag, DOI: / _1. Ottaway, T.A., Burns, J. R., An adaptive production control system utilizing agent technology. International Journal of Production Research, vol. 38, no. 4, pp. 721–737. Ounnar, F., Pujo, P., Isoarchic and Multi-criteria Control of Supply Chain Network, Benyoucef, L., Grabot, B. (Eds.), Artificial Intelligence Techniques for Networked Manufacturing Enterprises Management. Springer London, London, pp. 161–180. Ounnar, F., Pujo, P., Mekaouche, L., Giambiasi, N., Integration of a flat holonic form in an HLA environment. J. Intell. Manuf. 20, pp. 91–111. Ou-Yang, C., Lin, J. S. , The development of a hybrid hierarchical/heterarchical shop floor control system applying bidding method in job dispatching,. Robotics and Computer-Integrated Manufacturing, vol. 14, no. 3, pp. 199–217. Parunak, H. V. D., Irish, B. W. , Kindrick, J., Lozo, W., Fractal actors for distributed manufacturing control. The engineering of knowledge-based systems, pp. 653–660. Puterman, M.L., Dynamic Programming, in: Encyclopedia of Physical Science and Technology. Academic Press, pp. 438–463.

51 Références 4 Raileanu, S., Parlea, M., Borangiu, T., Stocklosa, O., A JADE Environment for Product Driven Automation of Holonic Manufacturing. Service Orientation in Holonic and Multi-Agent Manufacturing Control, pp. 265–277. Reb, J. Connolly, T. , Myopic regret avoidance: Feedback avoidance and learning in repeated decision making. Organizational Behavior and Human Decision Processes 109, pp.182–189. Rolón, M., Martínez, E., Agent-based modeling and simulation of an autonomic manufacturing execution system. Computer In Industry, vol. 63, no. 1, pp. 53–78,. Scattolini, R., Architectures for distributed and hierarchical Model Predictive Control – A review. J. Process Control 19, pp. 723–731. Sunderesh, S., Heragu, R., Graves, B., Art, O., Intelligent Agent Based Framework for Manufacturing Systems Control. IEEE Transactions on systems, Man and Cybernectics – Part A: Systems and Humans, 32, 5, pp. 560 – 573. Tawegoum, R., Castelain, E., Gentina, J. C. , Hierarchical and dynamic production control in flexible manufacturing systems. Robotics and Computer-Integrated Manufacturing, vol. 11, no.4, pp. 327–334. Tharumarajah, A., Comparison of the bionic, fractal and holonic manufacturing system concepts. Int. J. Comput. Integr. Manuf. 9, pp. 217–226. Trentesaux, D., Distributed control of production systems. Eng. Appl. Artif. Intell. 22, pp.971–978. Trentesaux, D. Tahon, C., Ladet, P., 1998.Hybrid production control approach for JIT scheduling. Artificial Intelligence in Engineering, vol. 12, no. 1–2, pp. 49–67.

52 Références 5 Valckenaers, P., Van Brussel, H., Verstraete, P., Saint Germain, B., Schedule execution in autonomic manufacturing execution systems. Journal of manufacturing systems, vol. 26, no. 2, pp. 75–84. Van Brussel, H., Wyns, J., Valckenaers, P., Bongaerts, L., Peeters, P., Reference architecture for holonic manufacturing systems: PROSA. Computers In Industry 37, pp. 255–274. Yang, T., Ma, J., Hou, Z. G., Peng, G. , Tan, M., A Multi-agent Architecture Based Cooperation and Intelligent Decision Making Method for Multirobot Systems. Neural Information Processing, pp. 376–385. Zambrano, G., Pach, C., Aissani, N., Berger, T., Trentesaux, D., An approach for temporal myopia reduction in Heterarchical Control Architectures. IEEE International Symposium on, Industrial Electronics (ISIE), pp. 1767–1772.

53 Références 6 Pach, C., Zambrano, G., Berger, T., Sallez, Y., Trentesaux, D., Maitrise de la myopie des systèmes flexibles de production industriels, in: 12e Colloque National AIP PRIMECA. Le Mont Dore. Pach, C., Berger, T., Bonte, T., Trentesaux, D., 2013, ORCA-MS: a Dynamic Architecture for the Optimized and Reactive Control of Manufacturing Scheduling, Comp. Ind. [Submitted] Pach, C., Bekrar, A., Zbib, N., Sallez, Y., Trentesaux, D., An effective potential field approach to FMS holonic heterarchical control. Control Eng Pr. 1293–1309. Pach, C., Berger, T., Sallez, Y., Trentesaux, D., Deneux, D., Holo-Gen: modèle de contrôle holonique générique- mise en oeuvre sur un SFP. 13ème Colloque National AIP PRIMECA, Le Mont Dore. Pach, C., Zambrano, G., Adam, E., Berger, T., Trentesaux, D., Roles-based MAS applied to the control of intelligent products in FMS. Lect. Note Comput. Sci., HOLOMAS 6867, 185–194. Pach, C., Berger, T., Sallez, Y., Bonte, T., Adam, E., Trentesaux, D., 2013, Reactive and Energyaware Scheduling of Flexible Manufacturing Systems Using Potential Fields, ICT for Sustainability in Industry special Issue of Comp. Ind. [Accepted] Kadri, F., Pach, C., Chaabane, S., Berger, T., Trentesaux, D., Tahon, C., Sallez, Y., Modelling and management of the strain situations in hospital systems using ORCA approach. Presented at the International Conference on Industrial Engineering and Systems Management, Rabat. Trentesaux, D., Pach, C., Bekrar, A., Sallez, Y., Berger, T., Bonte, T., Leitão, P., Barbosa, J., 2013. Benchmarking Flexible Job-Shop Scheduling and Control Systems. Control Eng. Pr. 21, 1204–1225.

54 SLIDES ANNEXES

55 Etat de l’art Myopie Autre domaines

56 Exemple de Myopie 2 R1 P1 R2 R3 R4 (S1) P1 (S1,S2) S1 S2 S1 S2
Entité décisionnelle (Produit) Ressource

57 Expérimentations En régime normal PLNE CP 15 % d’écart
Champs de potentiel PLNE En régime pertubé PLNE CP PLNE incapable de réagir rapidement Une approche hybride comme ORCA-FMS vise à bénéficier des avantages du PLNE en régime normal et des Champs de Potentiel en régime perturbé

58 Champs de Potentiel

59 Modèle de champs de potentiel
Sp Capture des champs Gestion Produit Φr,p,s (t) Gestion des états Evènement Emission des champs Gestion Ressource μr αr,s (t) Sr Gestion des états Atténuation de l’environnement Φr,p,s (t) Mr,p(t) Seuils 𝝉h,r 𝝉l,r Φp,r,s (t) Evènement Capture des champs Emission des champs Φp,r,s (t) βp,r,s(t) μp Mp,r(t)

60 Cycles de gestion

61 Résultats Energie Optimisation selon Cmax, Consommation ou nombre de basculements des ressources.

62 Complexité et avancée technologique
(Garey et Johnson 1979)