Dynamic scheduling of a hybrid flow-shop production system using a digital twin

Les industriels, aujourd'hui, font face à des changements dans leur environnement de production provoqués par la révolution technologique de l'industrie 4.0, les incertitudes des paramètres de production et à la dynamique accrue due à l'évolution rapide de leur marché (par exemple, multiplication des clients, demande de plus en plus personnalisée et imprévisible, ...). Ces changements de l'environnement complexifient le processus de gestion de la production et des perturbations et évènements internes et externes aux systèmes. En effet, les systèmes de production sont, désormais, confrontés à des difficultés pour répondre à toutes les exigences des clients et à l'intégration de nouvelles références produit en raison des limitations du système de contrôle et d'ordonnancement de production à gérer les changements.L'objectif principal de cette thèse est de proposer un outil permettant d'améliorer l'adaptabilité des systèmes de production. Nos travaux s'inscrivent dans le cadre du projet SA2QPI (Système d'Aide à l'Amélioration de la Qualité et la Productivité Industrielle) que nous réalisons en collaboration avec l'entreprise de fabrication de parfums PUIG-France et les laboratoires Quartz d'ISAE-SUPMECA et LMPE de l'ENSIT.L'amélioration de l'adaptabilité des systèmes de production face à ce contexte peut être réalisée sur deux niveaux : le niveau de contrôle et de pilotage de la production ou le niveau de configuration des infrastructures de production. Dans ce contexte, nos premiers travaux proposent une approche qui vise à accompagner progressivement les entreprises vers des Systèmes Manufacturiers Adaptables (SMA) en leur offrant des solutions adaptées à leurs objectifs, priorités et contraintes ainsi qu'à la nature des changements adressés. Cette approche permet d'analyser le besoin de chaque entreprise en se basant sur une modélisation générique d'un système manufacturier adaptable (SMA) par une approche d'Ingénierie Systèmes Basée sur les Modèles (MBSE en anglais). Cette approche a été appliquée sur un cas d'étude réel (système de fabrication du parfum de l'entreprise PUIG-France), ce qui nous a conduit à identifier le niveau de pilotage et de contrôle et notamment l'optimisation de l'ordonnancement comme la solution la plus adéquate pour améliorer l'adaptabilité de leur fabrication.Pour répondre à ce besoin, nos travaux de thèse se sont orientés vers le développement d'un outil d'ordonnancement dynamique basé sur la combinaison d'une approche d'optimisation et de simulation.Pour l'optimisation, nous avons développé un modèle d'ordonnancement basé sur la programmation linéaire mixte en nombres entiers permettant de modéliser les contraintes spécifiques du processus de fabrication et les exigences réglementaires du cas d'étude. Ce modèle prend notamment en considération l'état initial de l'atelier et la disponibilité des machines de fabrication. En ce qui concerne l'approche de simulation, un modèle de l'atelier a été développé, incluant les aspects stochastiques et les contraintes supplémentaires qui sont difficiles ou impossibles à modéliser avec la programmation linéaire. Ces deux modèles sont connectés à l'atelier de fabrication réel pour créer un jumeau numérique. Le jumeau numérique développé permet ainsi d'ordonnancer la production en prenant en compte les paramètres de production incertains et la probabilité d'occurrence des phénomènes aléatoires (comme les pannes ou indisponibilités des machines) et de réordonnancer la production en fonction d'événements internes et externes, afin d'atteindre l'adaptabilité souhaitée (pour le niveau contrôle). Enfin, ces développements ont été validés sur des scénarios réels du système de fabrication de parfums afin de démontrer la faisabilité et la pertinence de l'approche d'ordonnancement dynamique basée sur le jumeau numérique proposée.Manufacturers, today, are facing changes in their production environment caused by the technological revolution of Industry 4.0, uncertainties in production parameters and increased dynamics due to the rapid evolution of their market (e.g., multiplication of customers, more and more personalized and unpredictable demand ...). These changes in the environment make the process of managing production and taking into account disturbances and internal as well as external events more complex. Indeed, production systems are now facing difficulties to meet all customer requirements and to integrate new product references due to the limitations of the production control and scheduling systems to manage the changes.The main objective of this thesis is to propose a tool to improve the adaptability of production systems. Our work is part of the SA2QPI project (Système d'Aide à l'Amélioration de la Qualité et la Productivité Industrielle) that we are carrying out in collaboration with PUIG-France, a perfume manufacturing company, and the laboratories Quartz of ISAE-SUPMECA and LMPE of ENSIT.The improvement of the adaptability of production systems in this context can be achieved on two levels: the level of control and piloting of production or the level of configuration of production infrastructures. In this context, our first work proposes an approach that aims at progressively accompanying companies towards Adaptable Manufacturing Systems (AMS) by offering them solutions adapted to their objectives, priorities and constraints as well as to the nature of the addressed changes. This approach allows to analyze the needs of each company based on a generic modeling of an adaptable manufacturing system (AMS) by a Model-Based Systems Engineering (MBSE) approach. This approach has been applied on a real case study (perfume manufacturing system of the company PUIG-France), which led us to identify the level of piloting and control and especially the optimization of scheduling as the most appropriate solution to improve the adaptability of their manufacturing.To meet this need, our thesis work focused on the development of a dynamic scheduling tool based on the combination of an optimization and simulation approaches .For the optimization, we have developed a scheduling model based on mixed integer linear programming (MILP) that allows to model the specific constraints of the manufacturing process and the regulatory requirements of the case study. In particular, this model takes into consideration the initial state of the workshop and the availability of the manufacturing machines. Regarding the simulation approach, a model of the shop floor has been developed, including stochastic aspects and additional constraints that are difficult or impossible to model with MILP. These two models are connected to the real manufacturing shop to create a digital twin. The developed digital twin thus allows to schedule the production by taking into account the uncertain production parameters and the probability of occurrence of random phenomena (such as breakdowns or unavailability of machines) and to reschedule the production according to internal and external events, in order to achieve the desired adaptability (for the control level).Finally, these developments have been validated on real scenarios of the perfume manufacturing system in order to demonstrate the feasibility and the relevance of the proposed dynamic scheduling approach based on the digital twin