3. État de l’art dans le domaine de l’amélioration continue des performances
3.3. Approches ‘techniques’
3.4.3. 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)