La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

ORCA : Architecture hybride pour le contrôle de la myopie dans le cadre du pilotage des Systèmes Flexibles de Production 1 Cyrille PACH Thèse dirigée parDamien.

Présentations similaires


Présentation au sujet: "ORCA : Architecture hybride pour le contrôle de la myopie dans le cadre du pilotage des Systèmes Flexibles de Production 1 Cyrille PACH Thèse dirigée parDamien."— Transcription de la présentation:

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

2 Plan de la présentation 2 Contexte et objectifs Etat de lart o Le problème de myopie o Le contrôle de la myopie o Typologie des architectures hybrides Proposition dune architecture et dun modèle génériques o Larchitecture générique ORCA o Nécessité dun modèle de représentation dORCA o Le modèle holonique Holo-Gen Application dORCA aux FMS o Positionnement dORCA-FMS o Larchitecture ORCA-FMS o Exemple de représentation dentités dORCA-FMS avec Holo-Gen Mise en œuvre et validation dORCA-FMS Intégration de la gestion de lénergie dans ORCA-FMS Conclusion et perspectives

3 Plan de la présentation 3 Contexte et objectifs Etat de lart o Le problème de myopie o Le contrôle de la myopie o Typologie des architectures hybrides Proposition dune architecture et dun modèle génériques o Larchitecture générique ORCA o Nécessité dun modèle de représentation dORCA o Le modèle holonique Holo-Gen Application dORCA aux FMS o Positionnement dORCA-FMS o Larchitecture ORCA-FMS o Exemple de représentation dentités dORCA-FMS avec Holo-Gen Mise en œuvre et validation dORCA-FMS Intégration de la gestion de lénergie dans ORCA-FMS Conclusion et perspectives

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

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

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

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

8 Plan de la présentation 8 Contexte et objectifs Etat de lart o Le problème de myopie o Le contrôle de la myopie o Typologie des architectures hybrides Proposition dune architecture et dun modèle génériques o Larchitecture générique ORCA o Nécessité dun modèle de représentation dORCA o Le modèle holonique Holo-Gen Application dORCA aux FMS o Positionnement dORCA-FMS o Larchitecture ORCA-FMS o Exemple de représentation dentités dORCA-FMS avec Holo-Gen Mise en œuvre et validation dORCA-FMS Intégration de la gestion de lénergie dans ORCA-FMS Conclusion et perspectives

9 9 Identification du problème Les Systèmes de Production Flexibles sont composés dentités dans le cadre dun 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 linformation locale à la disposition des entités. pas forcément optimales au regard du système global. Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

10 Manque de « visibilité » des entités dun système de production flexible. Synthèse de létat de lart dans dautres 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 dune définition de la myopie dans les systèmes de production flexibles. 10 Etat de lart dans dautres domaines La myopie représente le manque dinformation dune entité sur son futur et celui des autres entités du système. (Pach et al., 2011) Myopie Myopic loss aversion Myopic regret avoidance Boundary & Capabitiliy Myopia Myopia Myopic Policy Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

11 Exemple de myopie 11 R2R2 R1R1 R3R3 S3S3 S3S3 (S 3 ) Entité décisionnelle (Produit) Ressource R4R4 (Pach et al., 2011) Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

12 Etudes de solutions existantes Spécifiques au cas détude 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 dADACOR (Leitão & Restivo, 2006) mixent hétérarchie et hiérarchie : hybride 12 Le contrôle de la myopie Architecture hiérarchique Architecture hybrideArchitecture hétérarchique Interaction hétérarchique Interaction hiérarchique Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

13 13 1 er axe de la typologie : le dynamisme du pilotage possibilité dévolution de larchitecture de pilotage ou non ? 2 e axe de la typologie : lhomogénéité du pilotage le pilotage est-il identique pour toutes les entités du système ou non ? Typologie des approches hybrides 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 Novas et al., 2012 Raileanu et al., 2011 Barbosa et al., 2011 Zambrano et al., 2011 Valckenaers et al., 2007 Statique Dynamique Homogène Hétérogène Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

14 Besoin dune architecture générique Applicable à différents domaines. Applicable à de nombreux cas détudes. Besoin dune architecture réactive et optimisée Architecture hybride pour bénéficier des avantages de la hiérarchie et de lhétérarchie. Architecture dynamique et hétérogène pour pouvoir réagir en limitant la dégradation de la performance globale. 14 Spécifications Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

15 Plan de la présentation 15 Contexte et objectifs Etat de lart o Le problème de myopie o Le contrôle de la myopie o Typologie des architectures hybrides Proposition dune architecture et dun modèle génériques o Larchitecture générique ORCA o Nécessité dun modèle de représentation dORCA o Le modèle holonique Holo-Gen Application dORCA aux FMS o Positionnement dORCA-FMS o Larchitecture ORCA-FMS o Exemple de représentation dentités dORCA-FMS avec Holo-Gen Mise en œuvre et validation dORCA-FMS Intégration de la gestion de lénergie dans ORCA-FMS Conclusion et perspectives

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

17 17 Comment mettre en œuvre ? Comment faciliter la mise en œuvre des concepts dORCA sur un cas dapplication ? Modélisation des entités pour la mise en œuvre Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion Systèmes Flexibles de Production Systèmes Hospitaliers Systèmes Logistiques

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

19 19 Modèle structurel H1H1 H φ1φ1 H φ2φ2 H φ3φ3 H 1.1 H 1.2 φ Elément Physique Interactions Inter-Holon Retour dInformation Ordre/recommandation de Pilotage Couche Pilotage Couche Pilotée Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

20 20 Modèle comportemental Les comportements des holons sont décrits par la notion de rôle. (Pach et al. 2011) Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion C Holon = {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 RôlesCest un rôle permanent permettant de gérer le passage dun rôle à un autre pour le holon. Dans le cas particulier où un seul rôle est associé (statiquement) au holon, la « gestion rôles » na pas lieu dêtre. Rôle = {Connaissance, Buts, Règles} Connaissance Elle regroupe lensemble des données nécessaires pour pouvoir jouer le rôle. Les pré-requis à lobtention 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. RèglesElles sont constituées densembles dinférences élémentaires à suivre pour atteindre les buts du rôle.

21 21 Modèle interactionnel Les interactions sont modélisées par la notion de service. Basée sur la théorie générale des systèmes (Le Moigne, 1994) Services dun Holon SESE SESE SFSF SFSF STST STST S EI S EP S FI S FP S TI S TP EspaceTempsForme Informationnel Physique Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

22 Plan de la présentation 22 Contexte et objectifs Etat de lart o Le problème de myopie o Le contrôle de la myopie o Typologie des architectures hybrides Proposition dune architecture et dun modèle génériques o Larchitecture générique ORCA o Nécessité dun modèle de représentation dORCA o Le modèle holonique Holo-Gen Application dORCA aux FMS o Positionnement dORCA-FMS o Larchitecture ORCA-FMS o Exemple de représentation dentités dORCA-FMS avec Holo-Gen Mise en œuvre et validation dORCA-FMS Intégration de la gestion de lénergie dans ORCA-FMS Conclusion et perspectives

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

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

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

26 26 Entité ressource avec Holo-Gen S EI S EP S FI S FP S TP S TI Communication Transitique TraitementUsinage MémorisationStockage C ressource = { Performance - Economie, Gestion Rôles) Rôle = Performance ConnaissanceVitesse de fonctionnement maximum, Gamme de fabrication, Trajectoires, Ordonnancement Global. ButsFournir des services aux produits le plus rapidement possible. RèglesRespecter lordonnancement Global, Respecter les gammes de fabrications, Utiliser la vitesse maximum. Rôle = Economie ConnaissanceVitesse de fonctionnement économe, Gamme de fabrication, Trajectoires. ButsFournir des services aux produits en consommant le moins possible. RèglesRespecter les gammes de fabrications, Utiliser la vitesse économe. Rôle = Gestion Rôles ConnaissanceOrdonnancement Global, Taux de charge de la ressource. ButsChoisir 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 }. Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion Gestion Entité Ressource

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

28 Plan de la présentation 28 Contexte et objectifs Etat de lart o Le problème de myopie o Le contrôle de la myopie o Typologie des architectures hybrides Proposition dune architecture et dun modèle génériques o Larchitecture générique ORCA o Nécessité dun modèle de représentation dORCA o Le modèle holonique Holo-Gen Application dORCA aux FMS o Positionnement dORCA-FMS o Larchitecture ORCA-FMS o Exemple de représentation dentités dORCA-FMS avec Holo-Gen Mise en œuvre et validation dORCA-FMS Intégration de la gestion de lénergie dans ORCA-FMS Conclusion et perspectives

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

30 30 Mise en œuvre du PLNE 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 Liaison Ordo Job et Ordo local machine Limitation du nombre de jobs selon capacité système de transport Produit Paramètres Solveur Cplex Solveur Cplex NomOpération Identifiant de la ressource conseillée Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

31 31 R1R1 P1P1 Champs de potentiel S 1 Champs de potentiel S 1 Champs de potentiel S 2 Champs de potentiel S 2 Champs de potentiel S 3 Champs de potentiel S 3 (S 1 ) (S 2 ) Niveau Physique Niveau Physique S1S2S3S1S2S3 R2R2 R3R3 (S 1, S 3 ) P1P1 Produit R 1, R 2, R 3 Ressource S 1, S 2, S 3 Service ? Mise en œuvre Champs de Potentiel (Pach et al., 2012) Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

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

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

34 sur le cas détude de lAIP PRIMECA Valenciennes 34 Validations et par expérimentation Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion par simulation

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

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

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

38 Plan de la présentation 38 Contexte et objectifs Etat de lart o Le problème de myopie o Le contrôle de la myopie o Typologie des architectures hybrides Proposition dune architecture et dun modèle génériques o Larchitecture générique ORCA o Nécessité dun modèle de représentation dORCA o Le modèle holonique Holo-Gen Application dORCA aux FMS o Positionnement dORCA-FMS o Larchitecture ORCA-FMS o Exemple de représentation dentités dORCA-FMS avec Holo-Gen Mise en œuvre et validation dORCA-FMS Intégration de la gestion de lénergie dans ORCA-FMS Conclusion et perspectives

39 Intégration dans la couche de contrôle local dORCA : Extension du modèle de Champs de Potentiel pour intégrer la consommation dénergie dans les décisions (Pach et al.,2013). 39 Intégration de lénergie Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion R1R1 P1P1 Champs de Potentiel Resources S 1 Champs de Potentiel Resources S 1 (S 1 ) Niveau Physique Niveau Physique R3R3 (S 1, S 3 ) Champs de Potentiel Produit P 1 Champs de Potentiel Produit P 1

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

41 Plan de la présentation 41 Contexte et objectifs Etat de lart o Le problème de myopie o Le contrôle de la myopie o Typologie des architectures hybrides Proposition dune architecture et dun modèle génériques o Larchitecture générique ORCA o Nécessité dun modèle de représentation dORCA o Le modèle holonique Holo-Gen Application dORCA aux FMS o Positionnement dORCA-FMS o Larchitecture ORCA-FMS o Exemple de représentation dentités dORCA-FMS avec Holo-Gen Mise en œuvre et validation dORCA-FMS Intégration de la gestion de lénergie dans ORCA-FMS Conclusion et perspectives

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

43 43 Conclusions ORCA-FMS ORCA-FMS permet de contrôler la myopie des entités du système pour conserver performances globales et réactivité dans notre cas détude. Possibilité dintégrer des contraintes supplémentaires comme la gestion de lénergie. ORCA-FMS a été mise en œuvre sur un système industriel. Ce type darchitectures est utilisable dans de nombreux cas détudes et domaines. Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

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

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

46 Approfondir létude du mécanisme de basculement retour (hétérarchique / hiérarchique). Etudier la compatibilité entre entités en mode autonome et en mode exécutant. Explorer la myopie dans dautres fonctions du MES (ex. qualité, approvisionnement) ou de lERP (ex. planification, logistique). Mettre en œuvre ORCA-FMS à laide dun 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. 46 Autres Perspectives Contexte Etat de lart ORCA ORCA-FMS Validation Energie Conclusion

47 47

48 Références 1 48 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 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 (IMS10). 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 Références 2 49

50 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. Références 3 50

51 Références 4 51 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 52 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 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., Benchmarking Flexible Job-Shop Scheduling and Control Systems. Control Eng. Pr. 21, 1204–1225. Références 6 53

54 54

55 Etat de lart Myopie Autre domaines

56 P1P1 R2R2 R1R1 R4R4 R3R3 P1P1 Entité décisionnelle (Produit) Ressource S1S1 S2S2 S1S1 S2S2 (S 1 ) (S 1,S 2 ) Exemple de Myopie 2 56

57 57 PLNE CP En régime normal 15 % décart 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 PLNE Champs de potentiel Expérimentations

58 58 Champs de Potentiel

59 59 Modèle de champs de potentiel Atténuation de lenvironnement Φ r,p,s (t) M r,p (t) Emission des champs Φ p,r,s (t) β p,r,s (t) μpμp M p,r (t) β p,r,s (t) Seuils h,r l,r Φ p,r,s (t) Evènement Capture des champs Emission des champs Gestion Ressource μrμr α r,s (t) SrSr Gestion des états SpSp Capture des champs Gestion Produit Φ r,p,s (t) Gestion des états Evènement

60 60 Cycles de gestion

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

62 62 Complexité et avancée technologique (Garey et Johnson 1979)


Télécharger ppt "ORCA : Architecture hybride pour le contrôle de la myopie dans le cadre du pilotage des Systèmes Flexibles de Production 1 Cyrille PACH Thèse dirigée parDamien."

Présentations similaires


Annonces Google