Approches de pilotage inspirées des systèmes vivants

3.2.1. Les approches bioniques

Les systèmes de production bioniques (SPB) ont été proposés pour la première fois par

Okino [Okino, 93]. Cette approche exploite les propriétés des systèmes naturels, c’est-à-dire qu’elle

transpose les caractéristiques biologiques (auto-organisation, évolution, apprentissage, ou

adaptation) pour concevoir un système de production [Ueda, 01]. Cette imitation concerne aussi le

pilotage de ces systèmes. En effet, les entités qui composent un système de production bionique

sont autonomes et auto-organisées, par analogie avec les cellules qui composent un système vivant.

Généralement, c’est une architecture de pilotage totalement décentralisée qui est adoptées pour ce

genre de systèmes de production.

Fondée sur une analogie entre les systèmes de production et les systèmes vivants, Vaario et

al. [Vaario et al., 97] combinent les techniques de la réalité virtuelle avec des principes

d’auto-organisation pour concevoir un système de pilotage intelligent dans lequel l’utilisateur peut

participer à l’élaboration des décisions grâce à une interface de simulation (voir Figure 8). L’idée de

base de ce système de pilotage auto-organisé est la définition d’un champ de gradient (attraction ou

répulsion) pour chaque entité (transporteur ou machine). Ces champs expriment la force qui existe

entre les différentes entités autonomes en fonction de la distance qui les sépare. Dans le cas d’un

ordonnancement, l’allocation d’une tâche est assurée par une concordance entre les champs

d’attraction de la machine et celui de la tâche. La validation est fournie à travers l’exemple d’une

ligne d’assemblage de bicyclettes. Cette approche auto-organisée est intéressante car elle dote les

différentes entités d’une autonomie importante qui permet une recherche continue de la machine

ou du produit la (le) plus adapté(e) pour traiter une tâche (pour être traité). Néanmoins, les auteurs

considèrent que toutes les entités sont capables de se déplacer (même les machines) ce qui n’est

pas vrai pour la plupart des SPBS.

Chapitre I : Amélioration continue des performances des systèmes de production de biens et de services : état de l’art

Visualisation 2D

Simulation

auto

organisée

Outils de

communications

Modèle par

Réalité

virtuelle

Actions proposées

Positions actualisées

Réalité virtuelle Simulateur auto organisé

Figure 8- Approche biologique par auto-organisation [Vaario et al., 97]

Dans ce même cadre (inspiration des systèmes naturels), Brezocnik et Balic [Brezocnik et

Balic, 01] proposent un modèle d’une unité d’assemblage de pièces mécaniques auto-organisée.

L’auto-organisation de cette unité consiste à doter l’ensemble des pièces de caractéristiques de

l’évolution génétique des systèmes vivants (brassage, croisement, mutation) afin d’obtenir des

pièces assemblées (produit fini). En outre, les perturbations sont prises en compte en introduisant

des pièces présentant des défauts dimensionnels. Cette approche, grâce à l’heuristique qu’elle

propose (algorithmes génétiques), peut être utile pour l’ordonnancement d’un SPBS : une gamme

de tâches peut être assimilée aux différentes étapes proposées par cette approche, voir Figure 9. En

outre, ce travail est intéressant dans le sens où il met en œuvre les notions d’exploitation et

d’exploration continues de l’espace des solutions assurées grâce à l’évolution des populations

génétiques et s’intègre ainsi parfaitement dans une logique d’amélioration continue des

performances. Cette approche n’inclut pas de mécanismes d’apprentissage (les mauvaises

combinaisons peuvent se reproduire) et les perturbations liées au fonctionnement des machines ne

sont pas prises en compte.

Organismes

Organes

Tissus

Cellules ^Pièces _mécaniques

Première

Combinaison

Deuxième

combinaison

Combinaison finale

‘Bonne pièce’

(a): Évolution biologique (b): Combinaison des pièces mécaniques

‘mauvaise pièce’

Figure 9- Imitation de l’évolution biologique pour une unité d’assemblage [Brezocnik et Balic, 01]

3.2.2. Les approches par phéromones

Chapitre I : Amélioration continue des performances des systèmes de production de biens et de services : état de l’art

al., 91]). Cette approche s’inspire du comportement de fourmis cherchant à se nourrir. Chaque fois

qu’une fourmi se déplace, elle sécrète une substance (phéromone) sur son chemin. Les autres

fourmis suivront les chemins établis par leurs prédécesseurs. Le tableau Tab. 3 fournit une analogie

entre l’approche par phéromones et le fonctionnement des systèmes de production :

Approche par phéromones Analogie Mise en œuvre

Fourmi Observation, création et diffusion des

informations ^{Agent ressource, agent ordre de} fabrication

Phéromone Informations, feedback, évaporation, … Objets communicants

Environnement Tableaux noirs distribués (embarqués) Système de transfert (convoyeurs)

Tab. 3 Analogie entre l’approche par phéromones/système physique

L’approche proposée dans [Sallez et al., 04] utilise cette technique et se base sur deux

modèles : approche orientée ressource et approche orientée produit. Dans les deux cas, une

autonomie de prise de décision est donnée à chaque type d’entités afin d’aboutir à un

comportement global caractérisé par un haut niveau de performances. Cette approche est

intéressante dans la mesure où elle traite des situations de pannes (une simulation sur un cas réel

est donnée) et met en avant l’importance d’un retour d’expérience (les trajets suivis par chaque

produit). Cette propriété constitue à notre avis une approche pertinente qui a montré l’intérêt de

l’apprentissage par renforcement (bon ou mauvais trajet ?) pour l’amélioration continue des

performances (amélioration de la qualité des trajectoires), voir Figure 10 :

Passer à la

tâche suivante

Choisir le nœud de

destination

Choisir un nœud voisin

au nœud courant

Se déplacer vers le

nœud voisin

Es ce que le nœud à

destination est atteint ?

Exécuter la tâche

Tâche finie

D ’autres

tâche

nécessaires

Produit fini

Non

Oui

Non

Oui

Figure 10- Modèle orienté produit par phéromone [Sallez et al., 04]

Peeters et al. [Peeters et al., 01] présentent une approche pour la reconfiguration des

systèmes flexibles de production. Dans cette approche, chaque entité (identifiée à une fourmi) est

totalement autonome et n’interagit pas avec les autres entités. Elle s’informe uniquement de l’état

de son environnement (grâce aux phéromones) et adapte son comportement en fonction de ce

qu’elle observe dans cet environnement. En effet, au fur et à mesure, un phénomène de

renforcement émerge : les trajets contenant de la nourriture sont renforcés par la déposition

d’autres phéromones et par conséquent ces trajets sont les plus suivis. Au contraire, pour les trajets

les moins suivis, les phéromones s’évaporent ce qui rend ces trajectoires moins attirantes. Cette

référence traite essentiellement le problème de la non diversification des données (variation des

trajectoires) et représente les avantages suivants : simplicité de la mise en œuvre, d’implémentation

et de modification du système de pilotage ou encore des mécanismes de coordination simples.

Néanmoins, elle présente des inconvénients : le temps nécessaire pour trouver les bonnes

trajectoires est important et la nécessité d’un ajustement des différents paramètres (nombre

Chapitre I : Amélioration continue des performances des systèmes de production de biens et de services : état de l’art

Dans le document Proposition d'une architecture logique d'un système de pilotage hétérarchique évolutif par apprentissage (Page 38-41)