fouque.jpg, par jfages

Soutenance de thèse d'Anthony FOUQUÉ

Génie Industriel et Informatique

Centre Génie Industriel

sur "Système d'aide à la décision pour le diagnostic industriel qualitatif"

Mardi 30 novembre 2021 à 14h00

à IMT Mines Albi

LIEN DE CONNEXION

Composition du jury

• M. Robert Pellerin : Professeur à Polytechnique Montréal (Canada)
• M. Luis Camarinha-Matos : Professeur à UNINOVA (Portugal).
• M. François Peres : Professeur à ENI Tarbes (France).
• M. Pierre Jaeck : PMO Directeur à SYMRISE (France) - Examinateur
• M. Philippe Bornert : CEO à AGILEA (France) - Examinateur invité
• M. Frédérick Benaben : Professeur à IMT Mines Albi (France) - Co-directeur de thèse
• M. Hamideh Afsarmanesh : Professeur à University of Amsterdam (Netherlands) - Co-directeur de thèse
• M. Matthieu Lauras : Professeur à IMT Mines Albi (France) - Co-directeur de thèse

Résumé

Les entreprises industrielles sont soumises depuis plusieurs années maintenant à une pression sans précédent pour s’adapter aux différentes variations de la demande, aux aléas fournisseurs ou tout simplement à leurs changements intrinsèques. Ce besoin d’adaptation nécessite d’avoir la capacité de pouvoir analyser rapidement et efficacement l’état de santé actuel de l’entreprise. Or, le temps de collecte, traitement et restitution de données et informations quantitatives nécessaires à de tels diagnostics, est plus lent que les changements auxquels sont confrontés les entreprises. C’est pourquoi le but de ce travail de recherche a été de proposer une méthodologie de diagnostic industriel rapide, qui soit basée sur une approche semi-automatisé et des informations qualitatives. Après avoir réalisé dans un premier chapitre un état de l’art sur les méthodes existantes en termes de diagnostic industriel, nous avons finalement fait le choix d’axer notre proposition scientifique et technique sur la méthode des Thinking Processes issue de la Théorie des Contraintes. Cette méthode qui hérite des fondements théoriques associés à la théorie des graphes et aux réseaux bayésiens, présente de nombreux atouts potentiels pour mener un diagnostic qualitatif d’un système de production de biens ou de services. Malheureusement, elle présente aussi de nombreux écueils tels que le haut niveau d’expertise et d’expérience requis pour la mettre en oeuvre ou le délai très long nécessaire à son déploiement. Ainsi, afin de bénéficier plus largement de la puissance supposée de cette méthode, le présent travail de recherche a développé les contributions suivantes.

Le second chapitre s’intéresse ainsi à la formalisation et à la structuration d’une démarche originale de diagnostic industriel inspiré de la méthode des Thinking Processes. Il développe également une architecture fonctionnelle et une architecture technique originales permettant de structurer un système d’aide à la décision capable d’accompagner la démarche développée. Enfin, il définit et développe un prototype logiciel appelé DOSSARD permettant de concrétiser les éléments définis dans le système d’aide à la décision précédent.

Le troisième chapitre, lui, formalise sous forme de base de connaissances orientée graphe, la validation et l’enrichissement d’un arbre des réalités actuelles générique adapté à la caractérisation des systèmes de production de type fabrication sur stock (MTS). Il élabore également un arbre des réalités actuelles générique (base de connaissances), totalement nouveau, adapté aux systèmes de production de type fabrication sur commande ou projet (ETO). Il s’intéresse enfin à la mise en oeuvre d’une solution technique permettant d’instancier les deux précédentes bases de connaissances dans le cadre du système d’aide à la décision DOSSARD.

Le quatrième chapitre décrit comment ces contributions ont été testées et validées sur une cinquantaine de cas industriels afin de démontrer leur valeur ajoutée et d’identifier également leurs limites. Il en résulte que la démarche proposée et le système d’aide à la décision associé permettent bien d’atteindre les résultats escomptés. Notamment ils permettent d’accélérer très significativement la vitesse de diagnostic tout en améliorant la pertinence et la robustesse du livrable produit. Enfin, dans un dernier chapitre conclusif, le manuscrit propose un ensemble de perspectives de recherche prometteuses. D’abord, si de nombreuses expérimentations terrain ont pu être menés dans le cadre de ce travail de recherche, l’essentiel des cas portaient sur des systèmes de production sur stock (MTS). La proposition faite reste donc à valider plus largement sur des cas de production sur commande ou projet (ETO) et surtout, elle reste à étendre aux nombreux autres systèmes existants tels que l’assemblage à la commande (ATO), la configuration à la commande (CTO) ou encore la distribution par exemple. Enfin, même si le nombre de cas industriels mobilisés pour cette étude est élevé, il demeure beaucoup trop limité pour envisager éprouver véritablement les bases de connaissances et les règles d’inférence associés. Aussi, des travaux complémentaires visant à démultiplier le nombre d’expérimentations de façon réelle ou simulée pourraient permettre d’envisager développer des règles d’apprentissage ad hoc afin de rendre la démarche et le système d’aide à la décision associé plus robustes encore.