Processus Autonomiques de gestion pour l'Industrie 4.0

En raison de la révolution numérique, connue sous le nom d'Industrie 3.0, les frontières entre les mondes physique et digital se rétrécissent pour donner vie à des usines plus interconnectées et intelligentes dans lesquelles les employés, les machines, les processus et les produits interagissent de manière à donner une meilleure organisation de tous les moyens productifs, toute l'entreprise elle-même pour atteindre des niveaux plus élevés d'efficacité et de productivité. Ces technologies transforment profondément notre société, permettant de tout personnaliser en détail, de réduire les coûts des biens et services, de transformer les conditions de sécurité des travailleurs, entre autres. En ce sens, l'Industrie 3.0 a agi comme un catalyseur qui a promu de nouveaux mécanismes de production, à l'origine d'une nouvelle révolution industrielle connue sous le nom d'Industrie 4.0. Le concept d'Industrie 4.0 est utilisé pour désigner la nouvelle génération d'usines connectées, robotiques et intelligentes. Fondamentalement, la vision de l'Industrie 4.0 est de donner des capacités intelligentes à la production et aux opérations physiques pour créer un écosystème plus holistique et mieux connecté.Principalement, cette thèse vise à responsabiliser la gestion des processus pour l'Industrie 4.0, en proposant une pile de cinq niveaux, notée 5C. Les niveaux de pile 5C représentent un moyen de relever les défis d'intégration et d'interopérabilité afin qu'ils puissent être résolus de manière incrémentielle à chaque niveau. Dans cette perspective, nous devons commencer à résoudre les problèmes de connexion et de communication comme une première étape pour promouvoir des processus d'organisation plus élaborés comme la coordination, la coopération et la collaboration. Essentiellement, le 5C désigne des éléments essentiels pour permettre l'intégration autonome et l'interopérabilité des acteurs de l'Industrie 4.0.De ce point de vue, nous présentons une première contribution qui est destinée à faire face aux défis d'intégration du contexte de l’Industrie 4.0 au niveau de la connexion et de la communication. En second lieu, nous allons résoudre certains défis d'intégration de l'Industrie 4.0 au niveau de la coordination, de la coopération et de la collaboration. Enfin, nous mettons en œuvre un cycle autonome de tâches d'analyse de données pour l'autosurveillance, en utilisant plusieurs techniques d'exploration minière de tout sur des sources de données correspondant à un véritable processus de fabrication. Il définit un système de supervision basé sur la valeur propre, selon la classification faite par Xu et al. (2017), qui peut traiter et vérifier les fonctionnalités et l'applicabilité de notre cadre dans les processus de fabrication. De plus, le système d'auto-supervision développé dans ce projet de thèse sera comparé à d'autres travaux de recherche.Because of the digital revolution, also known as Industry 3.0, the boundaries between the physical and digital worlds are shrinking to give life to a more interconnected and smart factories. These factories allow employees, machines, processes, and products to interact oriented to provide a better organization of all the productive means, empowering the entire company itself to achieve higher levels of efficiency and productivity. These technologies are profoundly transforming our society, allowing customizing everything in detail, reducing goods and services costs, transforming worker's and job’s conditions for safety and security, among others. In that sense, Industry 3.0 acted as a catalyst that promoted new production mechanisms, which originated a new industrial revolution known as Industry 4.0. The concept of Industry 4.0, is used to designate the new generation of connected, robotics, and intelligent factories. Fundamentally, the vision of Industry 4.0 is to give smart capabilities to the production and physical operations to create a more holistic and better-connected ecosystem.One crucial aspect to consider, regarding the idea of the Industry 4.0 concept, is related to integrability and interoperability of the actors involved in manufacturing processes. It means that people, things, processes, and data have to be able not only to make decisions for themselves and to carry out their work in a more autonomous way (independence) but, also, the self-management of the whole factory (need to promote integrability and interoperability). The previous statement implies that the production processes’ actors should be able to autonomously negotiate in order to reach agreements linked to achieve both individual and collective production goals. In that sense, Industry 4.0 represents not only a new way to produce goods and services but also a crucial integration challenge of the actors involved in the manufacturing processes that need connection, communication, coordination, cooperation, and collaboration (denoted as 5C) capabilities that allow them to comply with the vision of Industry 4.0.Principally, this thesis aims at empowering processes management for Industry 4.0, proposing a stack of five levels, denoted as 5C. The 5C stack levels represent a way to deal with integration and interoperability challenges so that they can be solved incrementally at each level. From this perspective, we must start solving connection and communication issues as a first step to promote more elaborated organization processes like coordination, cooperation, and collaboration. Mainly, the 5C denote the elements needed to allow autonomous integration and interoperability of actors in Industry 4.0.From this point of view, in this thesis project, we present a first contribution that is oriented to deal with the integration challenges regarding the Industry 4.0 context at the level of connection and communication. In the second place, we will solve some integration challenges of Industry 4.0 at the level of coordination, cooperation, and collaboration. Finally, we implement an autonomous cycle of data analytics tasks for self-supervising, using several Everything-mining techniques over data sources corresponding to a real manufacturing process. It defines a self-value-driven supervisory system, according to the classification made by Xu et al. (2017), that can process and verify the functionalities and applicability of our framework in manufacturing processes. Moreover, the self-supervising system developed in this thesis project is compared to other research works