N
OUS AFFIRMIONS lors de l’introduction de ce manuscrit qu’il était possible de générer auto-matiquement un modèle de simulation de flux dédié aux entreprises manufacturières, sur la base d’une collecte temps réel des trajectoires produits. Pour ce faire, et suite à une caractérisation du processus théorique de modélisation transformant des données collectées en une représentation des phénomènes physiques auxquels elles sont liées, nous avons précisé la notion de modélisation adaptative des systèmes manufacturiers par le biais des trajectoires-produit. Pour aborder cette pro-blématique dans notre champ d’étude, nous avons dans un second temps mené une analyse biblio-graphique visant à préciser le concept de simulation et la notion de trajectoire spatio-temporelle, ainsi que ses usages dans des domaines scientifiques divers. Cette notion de trajectoire est en effet un des points clés de notre proposition. Peu de travaux de la littérature de production font explicite-ment référence à ces notions de trajectoire comme point d’entrée à la modélisation-identification des systèmes d’intérêt. Ceci explique en grande partie le choix de nous intéresser à des domaines scien-tifiques connexes lors de notre étude bibliographique sur le sujet. Il est ressorti de ces études que les trajectoires spatio-temporelles possédaient des capacités très intéressantes pour coder les relations structurelles du système à modéliser. L’alternative méthodologique choisie pour ces travaux, le Data Driven Simulation ou DDS, élargit les perspectives des processus classiques de modélisation et de maintenance des modèles pour la simulation. Elle ne peut cependant s’envisager que sur des sys-tèmes déjà en fonctionnement, son intérêt étant d’autant plus important que le système à modéliser est complexe. Les propositions réalisées au chapitre 3 s’appuient sur une formalisation mathéma-tique des trajectoires de chacun des exemplaires des produits en circulation dans le système observé. Le regroupement de ces trajectoires, selon un indicateur de similarité basé sur la distance spatio-temporelle les séparant, permet de définir un type de produit et de le caractériser. De manière indi-recte, et comme nous l’avons déjà mentionné, cela nous permet de connaître les gammes et nomen-clatures des produits, mais également le layout du système de production. Les principes mis en œuvrepour la partie adaptation du modèle aux évolutions du système observé sont simples et pour l’essen-tiel liés à des phénomènes d’évaporation des traces laissées par les produits et les buffers-opérations après un certain temps. L’implémentation réalisée et les validations menées nous conduisent au final à affirmer qu’il est possible de générer automatiquement un modèle de simulation de flux dédié aux entreprises manufacturières, sur la base d’une collecte temps réel des trajectoires produits. La faisa-bilité théorique de notre approche originale est ainsi montrée. Elle nous semble être une alternative nouvelle et intéressante pour la modélisation et la simulation des systèmes complexes et évolutifs.
Bien sûr de nombreuses hypothèses subsistent, et en particulier sur les technologies à la source des flux de localisation des produits. Cependant on peut noter l’émergence actuelle d’une commu-nauté scientifique très active dont l’objet d’étude est lié au positionnement Indoor. Nul doute que des progrès seront réalisés sur ces problématiques dans les prochaines années.
L’introduction de connaissances supplémentaires à celles déjà introduites pour la construction du modèle peut également permettre d’améliorer le réalisme de celui-ci. Cependant, l’ajout de ces connaissances particulières à un type de système particulier rendra la méthode proposée moins gé-nérique. La question de la généricité de l’approche pourrait alors se poser. Quoiqu’il en soit, les prin-cipales contributions scientifiques des travaux présentés dans ce manuscrit se situent dans :
– la proposition d’une approche originale de génération automatique de modèles de simula-tion de flux sur la base des données de localisasimula-tion des produits dans le temps (ou trajectoires spatio-temporelles).
– l’étude bibliographique originale menée au regard du domaine d’étude concerné
– la méthode formelle de construction d’un modèle de simulation de flux, utilisant des graphes pour représenter les trajectoires des produits, et dont le méta-modèle est basé sur une ontologie minimaliste, très peu de connaissances a priori sur le système à modéliser étant requises.
On pourrait envisager différents types de perspectives à ces travaux. Le premier d’entre eux concerne les améliorations possibles à nos propositions. Parmi celles-ci, la première d’entre elles concerne la notion d’identifiant associé à chacun des composants constituant le produit final. Cette hypothèse, posée au début de nos travaux, pourrait à notre sens être levée. En effet, l’ensemble des trajectoires de chacun des composants du produit final (le graphe orienté), regroupe des informations spatio-temporelles suffisantes à l’identification finale du produit. La trajectoire peut alors apparaître comme une signature liée à chaque type de produit. Il n’est, dans ce cas, plus nécessaire de lier un identifiant à chacun des composants. Cette amélioration possible ne concerne uniquement que l’implémen-tation réalisée. La seconde amélioration possible concerne un type de connaissance qu’il est
égale-95
ment possible d’extraire du flux des données de localisation. L’observation détaillée des séquences d’arrivée et de départ des composants dans une file d’attente peut en effet permettre d’en extraire le comportement et donc la (ou les règles) de priorité avec laquelle la file d’attente est gérée. Ceci per-mettrait d’accéder à une connaissance sur les décisions locales (priority rules) prises au niveau des serveurs. Cette nature d’information pourrait compléter le modèle issu du générateur dans sa version actuelle. La deuxième famille de perspectives est plus large, et concerne en premier lieu la validation du générateur par rapport à des données réelles.
Le second chantier pourrait concerner le contrôle du système d’intérêt par le biais d’un cou-plage entre modèle d’évaluation (obtenu par le générateur) et l’optimisation d’une fonction de per-formance. En effet, le modèle de simulation obtenu par la générateur est de type champs de potentiel. Les metaheuristiques les plus récentes (ACO, APN) utilisent également ce type de modèle. La proxi-mité conceptuelle de la partie évaluation et optimisation peut donc permettre d’accroître l’efficacité du couplage entre elles. Ce couplage constitue certainement une piste très intéressante de recherche très en lien avec nos travaux.
Au final, la problématique abordée dans ces travaux est assez proche des problématiques de modélisation-identification. La notion de trajectoire spatio-temporelle, sur laquelle nous nous sommes fortement appuyés pour nos propositions, peut, de par sa nature continue, constituer un lien (une passerelle) intéressante entre les mondes de l’automatique continue et des SED. Nul doute que c’est là une piste à explorer, nos travaux constituant une première tentative dans ce sens.