|
Date : 26 septembre 2023 10:00 - Type : Thesis - Mahdi EL ALAOUI EL ABDELLAOUI - Amphi A22 - Espace Fauriel
Méthodologie de Modélisation d'Entreprise orientée Industrie 4.0: Application aux Systèmes d'Aide à la Décision pour les Systèmes de Production |
La nouvelle révolution industrielle «Industrie 4.0» complexifie la prise de décision dans les systèmes de production en raison de nombreux défis, tels que le cycle de vie court du produit, l’intégration des données et la considération de la durabilité. Les entreprises ont besoin d’aide pour relever ces défis et déployer une usine intelligente.
Cette thèse s’inscrit dans ce cadre, et propose une nouvelle méthodologie d’implémentation des systèmes d’aide à la décision orientée Industrie 4.0. Tout d’abord, nous identifions et classons les problèmes de décision d’un système de production, et examinons leurs interactions. Ensuite, nous étudions leurs principales évolutions en Industrie 4.0, et proposons une cartographie permettant de les représenter.
Sur cette base, en ayant recours à la modélisation d’entreprise, nous cherchons à développer des systèmes d’aide à la décision agiles et rapidement reconfigurables adaptés à l’industrie 4.0. Par ailleurs, nous identifions des lacunes des cadres de modélisation d’entreprise existantes, et proposons une nouvelle méthodologie de modélisation d’entreprise orientée Industrie 4.0 «MEMOI4.0».
MEMO I4.0 propose une approche structurée de deux étapes. L’étape stratégique/tactique pour créer les modules de base et enrichir la bibliothèque des modules. L’étape opérationnelle pour construire le modèle intégré et évaluer les performances. Enfin, l’application de MEMO I4.0 sur des études de cas industriel de l’entreprise «elm.leblanc» afin de dériver des systèmes d’aide à la décision, a montré sa capacité à réduire considérablement le temps de développement des projets de modélisation, ainsi sa compatibilité avec l’Industrie 4.0.
Mots clés: Industrie 4.0, Usine Intelligente, Architecture d’enteprise, Modélisation d’entrepirse, Systèmes de production, Jumeaux numérique, Simulation, Optimisation, Systèmes d’aide à la décision, Nouveaux indicateurs clés de performance.
Le jury de cette soutenance de thèse de doctorat est composé de :
DA CUNHA Catherine Professeure Ecole Centrale de Nantes Rapporteure
SGARBOSSA Fabio Professeur Norwegian University of Science and Technology Rapporteur
VALLESPIR Bruno Professeur Université de Bordeaux Rapporteur
DELORME Xavier Professeur Ecole des mines de Saint-Etienne Directeur de thèse
GRIMAUD Frédéric Professeur Ecole des mines de Saint-Etienne Co-directeur de thèse
GIANESSI Paolo Docteur Ecole des mines de Saint-Etienne Co-encadrant
STEPHENS Erwan Ingénieur elm.leblanc, Bosch Group Invité.