Équipe MPM - Management de la Production et de la Maintenance
Responsable d'équipe : Abdelhakim KHATAB
Finalité de la recherche
La finalité de ce programme de recherche est de développer un cadre formel d’aide à la décision basé sur des approches innovantes de modélisation et d’optimisation permettant de soutenir les activités de maintenance, de production/service, de distribution et de remanufacturing qui soient durables, intelligentes, fiables et résilientes. Les problèmes abordés s'intéressent au système durant son cycle de vie : de sa phase de conception, jusqu’à sa gestion en fin de vie, en passant par une phase d’exploitation. Ce programme de recherche s’appuiera naturellement sur les résultats de recherche antérieures développés au sein de l’équipe MPM, tout en prenant en compte les nouveaux défis de l’industrie 4.0/5.0 liés aux changements réglementaires, aux impacts environnementaux et humains.
Axes de recherche scientifiques
- Axe 1 - Analyse et amélioration de performance des systèmes de production de biens et de services
- Verrou 1.1 - le premier verrou relève de la complexité des systèmes de production de biens et des services. En effet, les systèmes industriels deviennent de plus en plus complexes et leur exploitation rationnelle devient par conséquent un challenge qui confère un rôle crucial à la fonction maintenance rendant les stratégies de maintenance plus complexes. Cette complexité est inhérente à la nature des systèmes qui ne peuvent plus être considérés comme de simples entités réduites à un seul composant critique. En effet, ils doivent être considérés comme reconfigurables et constitués d’une multitude de composants technologiquement hétérogènes, géographiquement distribués et connectés selon des structures complexes, et sujets à des dépendances économiques, stochastiques et structurelles.
- Verrou 1.2 - ce deuxième verrou est relatif à la collecte et au traitement de données pour la prise de décision en maintenance (maintenance prédictive). Ces données proviennent, par exemple, des capteurs embarqués, des outils des nouvelles technologies de l’Internet industriel des objets (IIoT) et des systèmes cyber-physiques (CPS) qui assurent la connectivité des machines, des opérations, des équipements et des personnes. Ces données serviront pour l’estimation de la loi de dégradation ou encore pour prédire la durée de vie résiduelle utile (residual useful lifetime : RUL) de chaque composant du système. Dans ce contexte, les algorithmes d’apprentissage machine et d’intelligence artificielle seront largement exploités.
- Verrou 1.3 - ce verrou est lié au profil des missions accomplies par le système ainsi que l’ensemble des contraintes opérationnelles et organisationnelles auxquelles le système est soumis. Les contraintes opérationnelles incluent l’environnement d’exploitation (empreinte carbone, consommation énergétique, etc.), les ressources limitées en maintenance (budget, temps, agent, etc.) ainsi que l’ensemble des incertitudes pouvant impacter les performances nominales du système. Les contraintes organisationnelles sont liées, entre autres, à l’affectation et l’ordonnancement des tâches de production/service et des actions de maintenance. Tenir compte de ces contraintes permet une exploitation rationnelle du système.
- Verrou 1.4 - ce verrou est lié aux stratégies intégrées de maintenance. En effet, les activités, à titre d’exemple, de maintenance et de production, bien qu’elles soient interdépendantes, répondent à des objectifs conflictuels. Cependant, ces deux types d’activités sont généralement planifiées de manière séquentielle, voire indépendante. En conséquence, les plans de production et de maintenance résultants ne sont pas optimaux/efficients. Il est donc nécessaire de développer des approches intégrées globales qui permettent de garantir un équilibre optimal entre les différents objectifs de maintenance, de production, de transport, etc.
- Axe 2 - Gestion des systèmes en fin de vie
- Verrou 2.1 - ce premier verrou est relatif à la variabilité de l'état de dégradation des produits retournés et qui affecte la fiabilité et les performances des composants récupérés. Il est ainsi nécessaire de développer des modèles d'optimisation et d'apprentissage innovants pour faire face aux incertitudes liées à la récupération, au traitement, au transport, à la distribution et à la maintenance des produits concurrents neufs et remanufacturés.
- Verrou 2.2 - le second verrou de cet axe de recherche relève de l’obsolescence des technologies. Il nécessite de développer des modèles d’aide à la décision qui intègrent, en plus des données de fiabilité et de maintenance, l’ensemble des données liées à l’évolution et à l’obsolescence des technologies. Il nécessite également d’étudier l’impact d’une telle obsolescence, et des décisions de remanufacturing et d’investissement qui en résultent, sur les décisions de maintenance.