Thèse préparée par Sara Taguemount

Titre : Méthodes d’optimisation pour la conception et le pilotage des systèmes de production sous
contrainte énergétique

Début de thèse : 01/11/2021
Fin de thèse :

Résumé : Cette thèse propose de s’intéresser principalement à deux verrous scientifiques : (i) La conception d’un système productif à consommation énergétique maitrisée, et (ii) son pilotage flexible et réactif, sous contrainte d’efficience énergétique. Dans une première phase des travaux de thèse, des choix de procédés de fabrication à la fois performants et à faible consommation énergétique seront considérés. Un des verrous concerne alors la conception et l’évolution du système de production, en intégrant I’évolution des demandes clients et contraintes énergétiques. La considération de certaines contraintes difficiles à représenter (incompatibilités entre procédés, temps de reconfigurations, variabilité des durées des opérations) peut alors nécessiter leur couplage avec des modèles de simulation. Au-delà des choix initiaux de conception du système, son mode de pilotage est également très impactant sur l’efficience énergétique globale. La présence de contraintes réglementaires ou contractuelles, ou la simple évolution de la disponibilité d’une source d’énergie peut amener l’entreprise à revoir ses objectifs ou modes de production. Compte tenu des besoins de flexibilité, le pilotage d’un tel système requiert le développement de méthodes d’optimisation dynamique adaptées à un système à évènements discrets. Les méthodes d’optimisation dynamique sont des méthodes auto-adaptatives qui s’appuient sur des processus de prévision et d’intelligence artificielle pour être capables de proposer des solutions proches de l’optimum dans un contexte de variations soudaines des données. Un pilotage énergétiquement efficient du système de production nécessite donc d’intégrer des méthodes de prévision sur des facteurs tels que la disponibilité de sources d’énergie renouvelable, ou d’autres aléas à déterminer. Plusieurs difficultés supplémentaires sont à considérer : {i) identifier les données pertinentes à exploiter pour déterminer un nouvel ordonnancement dans un contexte dynamique faisant Intervenir des notions de consommation d’énergie ; (ii) Déterminer à quel moment le nouvel ordonnancement doit prendre le pas sur le précédent {i.e. des changements trop fréquents peuvent induire des difficultés au sein de l’atelier) ; Proposer des méthodologies de modélisation et des algorithmes d’optimisation reposant sur des outils d’apprentissage afin de proposer des ordonnancements bénéficiant d’informations passées et qui puissent être mis à jour sans provoquer de modifications majeures. L’objectif de la thèse est de proposer un ensemble cohérent de méthodes d’optimisation qui seront évaluées expérimentalement et pourront être validées sur des cas d’études issus du partenariat industriel avec I’entreprise ELM-Leblanc (groupe Bosch).

Mots clés :

Date de soutenance prévue :

Encadrement :