3. État de l’art dans le domaine de l’amélioration continue des performances
3.3. Approches ‘techniques’
3.3.3. L’approche holonique
L’application du paradigme holonique est relativement nouvelle pour le pilotage des
systèmes de production. Cette approche associe les meilleures propriétés des systèmes de pilotage
hiérarchiques et hétérarchiques20 (voir par exemple PROSA21 [Valckenaers et al., 98], MetaMorph
[Maturana et al., 99] ou [Simão et al., 06]). Cette association offre une garantie des performances
(grâce aux mécanismes de coordination dans les systèmes de pilotage hiérarchiques) et une grande
robustesse contre les perturbations (grâce à une structure de pilotage hétérarchique) [Bongaerts et
al., 00]. Morel et al. [Morel et al., 03] ont montré que cette approche constitue un moyen adéquat
pour faire le lien entre la productique (entreprise intégrée) et l’automatique. En outre, l’approche
holonique permet la représentation et l’intégration de l’opérateur humain dans le système de
20 L’appellation ‘holarchique’ est attribuée pour exprimer un compromis entre organisations hiérarchiques et
organisations distribuées [Charpentier et al., 01].
Chapitre I : Amélioration continue des performances des systèmes de production de biens et de services : état de l’art
pilotage. Mařík et Lažanský [Mařík et Lažanský, 00] dressent les similarités et les différences entre
les systèmes multi agents et les systèmes holoniques.
Dans le cadre des systèmes de production de produits personnalisés (une grande variabilité
de produits) Gouyon [Gouyon, 04], en se focalisant sur les problèmes de flexibilité, de
reconfiguration et de traçabilité de chaque produit, utilise une approche originale qui consiste à
intégrer le produit dans la boucle de contrôle, en le dotant de fonctions décisionnelles, voir Figure
13. La contribution présentée dans cette référence porte sur la structuration et la synthèse du
contrôle par le produit de la production. Les techniques de synthèse formelle de la commande,
issues de la théorie du contrôle par supervision (Supervisory Control Theory, [Ramadge et
Wonham, 87]) permettent dans cette approche d’obtenir automatiquement une structure de
contrôle à partir de modèles de procédé et d’objectifs à atteindre. Cette contribution propose
d’élaborer :
• ‘hors ligne’ les règles de commande des différentes ressources de production. Chaque
ressource (modélisée par un holon) est capable de collaborer avec d’autres ressources dans un
but global qui est la fabrication d’un produit,
• ‘en ligne’ des règles de contrôle personnalisé qui sont embarquées dans les produits (un produit
est un holon composé d’une partie physique et d’une partie informationnelle).
Les mécanismes décisionnels proposés dans cette approche sont composés de deux
processus :
• un processus de contrôle de la fabrication par le produit composé de quatre sous processus :
o un sous processus de contrôle qui assure le routage sur les différentes ressources de
production,
o un sous processus d’activation réalisé par les ressources coordonnées par le produit,
o un sous processus opératif correspondant au procédé de fabrication du produit,
o un sous processus d’observation des transformations du produit réalisé par les ressources
du système.
Actionner Observer
Contrôler
Opérer
Produit
Ressources
Figure 13- Processus de contrôle d’une ressource par le produit [Gouyon, 04]
Chapitre I : Amélioration continue des performances des systèmes de production de biens et de services : état de l’art
o un sous processus d’activation qui transforme l’information transmise par le processus de
contrôle en une action physique sur le produit,
o un sous processus d’opération qui assure une transformation morphologique, spatiale ou
temporelle du produit,
o un sous processus d’observation qui interprète la transformation physique et qui la
transmet au processus du contrôle du produit.
Ces travaux confirment l’orientation actuelle vers des fonctions de pilotage décentralisées au
niveau des entités qui composent un SPBS. Cette orientation paraît appropriée pour mettre en
œuvre une autonomie décisionnelle et intégrer des mécanismes d’apprentissage. En effet, la
fonction de pilotage est distribuée dans les produits et dans les ressources. De plus, la prise de
décision globale concernant l’optimisation de la productivité est assurée par l’interrogation d’un
système de pilotage type MES (Manufacturing Execution System). Une telle architecture de
pilotage donne la possibilité aux entités d’évoluer et d’adapter leur fonctionnement et par
conséquent élaborer les décisions adéquates. L’adaptation continue des décisions en fonction du
contexte constitue un moyen pour améliorer continuellement les performances d’un SPBS.
Maturana et al. [Maturana et al., 99] proposent une architecture de pilotage appelée
MetaMorph. C’est une structure holonique basée sur un ensemble de médiateurs. Ces médiateurs
sont des supports de prise de décision qui coordonnent les activités du système holonique. Cette
coordination implique trois phases principales : l’identification des tâches à exécuter (subtasking),
la création de communautés virtuelles d’agents et l’exécution des tâches. Les mécanismes
d’adaptation dans cette architecture sont facilités par des changements structurels et
organisationnels.
En considérant la même architecture, Shen et al. [Shen et al., 98] proposent une approche
originale qui résulte de la dotation de ces médiateurs avec des capacités d’apprentissage (voir
Figure 14) par une analyse de l’expérience passée (learning from history). La seconde originalité de
cette architecture, la plus importante à notre avis, réside dans la projection temporelle des
comportements des différents médiateurs (prédiction) à l’aide de la simulation (learning from
future).
Réactivité
Planning
Modélisation
Coopération
Autonomie
Réactivité
Planning
Modélisation
Coopération
Autonomie
Apprentissage
Agent-ressource Agent-médiateur
Figure 14- Les caractéristiques de base de l’architecture MetaMorph [Maturana et al., 99]
Ainsi :
• le premier type d’apprentissage est de type apprentissage à base de cas (Case Based Learning), il
est réservé principalement à l’affectation des différentes tâches sur les différentes ressources,
• le deuxième type d’apprentissage est assuré grâce à une simulation du comportement du
système sur un futur proche, ce type d’apprentissage est réservé au traitement des
fonctionnements perturbés. Cette simulation utilise un modèle virtuel du système pour prévoir
Chapitre I : Amélioration continue des performances des systèmes de production de biens et de services : état de l’art
le comportement des différents médiateurs.
Les critiques qui peuvent être faites à cette approche concernent d’une part, l’approche
centralisée (médiateurs) qui peut présenter des limites avec l’augmentation des tâches et/ou des
ressources. D’autre part, la projection dans le futur est une approche peu réaliste compte tenu des
hypothèses émises et de l’évolution du système pendant la période de simulation. Néanmoins, cette
référence met en avant le rôle important de l’apprentissage dans le processus décisionnel à travers
les possibilités qu’il offre par exemple pour traiter le problème de la tolérance aux pannes. En effet,
des capacités d’apprentissage permettent au système de pilotage d’acquérir des nouvelles
connaissances, ce qui contribue à l’élaboration des décisions plus pertinentes. Cette propriété
d’évolutivité du système de pilotage s’inscrit dans une logique d’amélioration continue des
performances.
3.4.Approches issues d’autres domaines
3.4.1. L’identification automatique
McFarlane et al. ([McFarlane et al., 02]) combinent l’identification automatique avec
l’approche multi agents pour concevoir des produits intelligents (le concept de l’IMS, Intelligent
Manufacturing Systems est présenté dans [Zaremba et Morel 03]) et par conséquent mettre en
œuvre un système de pilotage décentralisé et intelligent. L’identification automatique est une
extension logique des codes à barres et cette nouvelle technique (Electronic Product Code (EPC))
consiste à associer à chaque produit une étiquette scannée par un lecteur (RFID).
Selon les auteurs, l’avantage de l’emploi de cette technique est l’amélioration du suivi des
produits et des stocks. L’identification automatique est la liaison entre le produit et son agent
correspondant. Dans ce sens, un produit intelligent :
• possède une identité unique,
• est capable de communiquer avec son environnement,
• peut stocker ses propres données,
• utilise un langage pour exprimer ses besoins ou ses caractéristiques,
• est capable de participer au processus de pilotage (voir Figure 15-b).
Décisions
Pilotage par le
processus Actions
Opérations
Décisions
Pilotage par le
processus et le produit Actions
Opérations
(a) Approche classique de pilotage
Chapitre I : Amélioration continue des performances des systèmes de production de biens et de services : état de l’art
L’utilisation des technologies récentes (RFID, voir [Wong et McFarlane, 06]) est proposée
pour élaborer un système de pilotage par le produit. En outre, sa mise en œuvre permet
l’auto-organisation (autonomie) et des capacités d’apprentissage (évolutivité) dans le processus
décisionnel de chaque produit. Or ces deux aspects ne sont pas traités dans la référence citée bien
qu’ils représentent à notre avis une excellente alternative pour contribuer à l’amélioration continue
des performances d’un SPBS.
Nous avons présenté, à ce stade du chapitre, un état de l’art s’appuyant sur des références
issues de la productique. Nous avons jugé essentiel d’étendre cette étude sur d’autres domaines.
Dans ce sens, la robotique mobile représente un domaine dans lequel l’aspect ‘amélioration
continue des performances’ est omniprésent (amélioration continue des connaissances d’un robot).
Dans la partie suivante nous présentons les apports qu’offre la robotique mobile transposables
et/ou source d’inspiration pour le cas des systèmes de production de biens et de services.
Dans le document
Proposition d'une architecture logique d'un système de pilotage hétérarchique évolutif par apprentissage
(Page 43-47)