3. État de l’art dans le domaine de l’amélioration continue des performances
3.2. 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)