Le projet Swarm-bots

Il s’agit d’un projet financé par le programme Technologies Futures et Emergentes de la

communauté européenne ([Swarm, 05]) qui vise à mettre en œuvre des nouvelles approches pour

la conception et l’implémentation d’artéfacts (objets) auto-organisés. Un ‘swarm-bot’ est une

agrégation (ou collection dont le nombre peut atteindre 100) de petits robots mobiles capables de

s’auto-assembler en se connectant/déconnectant l’un de l’autre. Cette auto-organisation leur

permet d’explorer, de naviguer et de transporter des objets sur des terrains difficiles. En outre,

leurs mouvements donne lieu à un comportement global et collectif leur permettant par exemple

de passer une fosse (améliorer une performance globale) ou d’éviter des obstacles (perturbations).

Pour ce type d’applications, le système de pilotage est axé autour de deux idées complémentaires :

• la conception d’un système de contrôle qui imite les systèmes biologiques (les insectes sociaux),

• la dotation de ces robots de capacités d’apprentissage. En effet, chaque swarm-bot apprend de

ses actions et des actions des autres robots.

Les applications possibles d’une telle approche peuvent être à titre d’exemple l’exploration

de l’espace (planète Mars) ou les fonds marins (installation/réparation de câblage de

télécommunication, pipeline, …). Dans ce cas, les swarm-bots opèrent dans un ‘milieu hostile’ et

possèdent peu de connaissances au début de leurs fonctionnements. McLurkin [McLurkin, 04]

affirme que le ‘swarm-bot’ représente la tendance future des recherches en robotique et devra aider

l’humanité à accomplir des tâches délicates (sauvetage pendant les périodes des catastrophes

naturelles).

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

explorent un environnement fermé (zone de dimension 6 m x 6 m comportant plusieurs couloirs

et pièces). Le but de cette application est de disperser efficacement ces robots dans cet

environnement ainsi que de leur permettre de charger périodiquement leur batterie en se

connectant à des bornes d’alimentation. Les robots communiquent entre eux par transmission

infra rouge, des signaux lumineux et des messages sonores. La trajectoire et les mouvements de

chaque robot ont pour origine la détection de la présence des autres robots (système de voisinage).

Ainsi, cette intelligence collective permet de disperser tous les robots et l’évitement de collisions.

Une autre application (dispersion de 108 robots afin de trouver un objet au sein d’une base

militaire) est également présentée.

Cette approche montre l’intérêt d’une décentralisation totale des capacités décisionnelles au

niveau des différentes entités. En effet, cette décentralisation permet à la fois des capacités

d’auto-organisation (autonomie et prise de décision locale) et d’apprentissage (évolution des

connaissances des swarm-bots). L’apport essentiel de ce travail est la confirmation (grâce à des

simulations) que même en ayant un très grand nombre d’entités autonomes, un comportement

cohérent et performant peut émerger. Nous sommes persuadés que cette architecture de pilotage

peut être transposable dans le cas d’un SPBS pour assurer l’amélioration continue de ses

performances.

Le tableau Tab. 4 récapitule et synthétise l’apport des différentes approches qui contribuent

(totalement ou partiellement) ou qui peuvent représenter une source d’inspiration pour assurer

l’amélioration continue des performances des SPBS. Sur ce même tableau, figure(nt) la ou les

problématique(s) qu’elles traite(nt) :

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

Approches

de pilotage ^{Nature de} l’approche ^{Référence(s) Type de pilotage Concept(s) pouvant présenter un} apport pour l’amélioration

continue des performances

Outils/méthodes de mise en œuvre Problématique(s)

traitée(s)

[Brezocnik et Balic, 01] PPP Autonomie Algorithmes génétiques/simulation Perturbations, la non

diversification des

données

[Vaario et al., 97] PPP/PPR Autonomie Simulation (réalité virtuelle) Cohérence des décisions

Les systèmes

bioniques

[Beslon, 95] PPR Apprentissage Réseaux de neurones La non diversification

des données

[Sallez et al., 04] PPP/PPR Autonomie + apprentissage Système par

phéromones/Simulation ^{Perturbations}

à inspiration

biologique

Les systèmes par

phéromones

[Parunak et Brueckner,

01] ^{PPP Autonomie Système par phéromones Cohérence des décisions}

Les systèmes

multi agents ^{[Aydin et Öztemel, 00] PPR Apprentissage SMA/Simulation Évaluation} performances ^des

[Shen et al., 98],

[Maturana et al., 99] ^{PPR Apprentissage Système holonique/Simulation Perturbations}

Les systèmes

holoniques

[Gouyon, 04], [Simão

et al., 06], [Baïna et

Morel, 06]

PPP Autonomie Système holonique/Simulation Cohérence des décisions

[Saad et al., 97] PPR Autonomie SMA Perturbations

‘techniques’

Les approches

hétérarchiques [Tchako, 94],

[Trentesaux, 96] ^{PPR Autonomie Système multi agents Perturbations,} des décisions ^cohérence

Identification

automatique ^{[McFarlane et al., 02] PPP Autonomie Système holonique/multi agents}

Swarm-bots [McLurkin et Smith,

04] ^{PPP Autonomie + apprentissage Swarm-bots}

Autres

domaines

Robotique [Brooks, 91], [Smart et

Kaelbling, 02] ^{PPP Autonomie + apprentissage Robots}

La non diversification

des données, cohérence

des décisions

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

3.5.Analyses

L’analyse du Tab. 4 ci-dessus nous permet de constater que la plupart des contributions

présentées dans l’état de l’art et qui peuvent contribuer à l’amélioration continue des performances

proposent une structure hétérarchique de pilotage. Cette orientation est doublement justifiée par

les possibilités offertes par les progrès technologiques actuels et l’échec des approches de pilotage

classiques à s’adapter à l’évolution du contexte industriel. Cependant, nous remarquons que :

• la généricité des approches proposées est limitée. En effet, il s’agit souvent de proposer une

contribution pour un type donné de système de production avec généralement une mise en

œuvre grâce aux systèmes multi agents ou holoniques,

• les travaux utilisant simultanément l’autonomie et l’apprentissage dans la prise de décision

restent limités. Ces deux propriétés peuvent être complémentaires dans le but d’une

amélioration continue des performances,

• les problèmes de stabilité et de retard, en raison de leurs difficultés théoriques et

expérimentales, ne sont pas beaucoup étudiés,

• l’aspect évolutif du système de pilotage est peu étudié. Nous nous proposons dans ce travail

d’étudier cette caractéristique nécessaire pour l’amélioration continue des performances,

• il existe peu de travaux qui proposent conjointement le pilotage par le produit et le pilotage par

les ressources.

Les observations précédentes nous ont conduit à mener notre travail de recherche sur la

conception d’un système de pilotage de SPBS, hétérarchique, générique et fondé sur l’autonomie et

l’apprentissage. Ces propriétés doivent procurer au système de pilotage les capacités d’évolution

nécessaires à l’amélioration continue des performances.

Dans le document Proposition d'une architecture logique d'un système de pilotage hétérarchique évolutif par apprentissage (Page 47-50)