Les premiers résultats des thèses soutenues par l’ARC8 en 2012 sont maintenant disponibles !

Thi Ai Lanh NGUYEN, doctorante au laboratoire G-SCOP, soutiendra sa thèse de doctorat le Lundi 4 Avril 2016 à 10h00 à Grenoble INP, site Viallet, Amphi Gosse sur le thème : « Reconception de l’outil de production dans un contexte de minimisation de la consommation énergétique »

« Face aux problématiques liées à la consommation énergétique, les industriels prennent conscience de réduire cette consommation. Une des pistes possibles est de repenser les moyens de production qui dans la plupart des cas ont été conçus pour répondre principalement à des performances de productivité. Les solutions retenus mettent en œuvre des technologiques énergivores. En mettant en avant les contraintes énergétiques lors de la reconception des moyens de production, il est possible de réduire de manière significative la consommation énergétique sans pour autant changer le procédé.

Cette thèse propose une méthodologie pour reconcevoir les moyens de production. Celle-ci s’appuie sur une approche « design for x » où x est l’efficacité énergétique. Dans un premier temps, l’analyse du moyen de production est effectuée et un indicateur d’efficacité et de gain potentiel a été défini. Cet indicateur est alors interprété lors de la reconception des moyens de production tout en s’assurant de la dépendance des actions de conception, évitant ainsi les transferts d’impacts. Ces actions sont structurées en 4 pistes de reconception. Cette méthodologie est illustrée à l’aide d’un cas d’étude. »

Mots clés: Design for x, efficacité énergétique, reconception, scénario de reconception

Farzad Niakan, doctorant au laboratoire DISP, a soutenu sa thèse de doctorat le 7 décembre dernier à l’Insa de Lyon.

La révolution la plus récente dans l’industrie (révolution industrielle 4.0) nécessite une plus grande flexibilité, agilité et efficacité dans l’utilisation des équipements de production. Le système manufacturier cellulaire dynamique (DCMS) est l’un des meilleurs systèmes de production qui répondent à ces exigences. En outre, l’importance croissante du développement durable force les fabricants et les gestionnaires à prendre en compte les enjeux environnementaux et sociaux dans la conception et la configuration des systèmes de fabrication. Cette thèse porte sur la configuration durable des DCMS en proposant trois modèles mathématiques. Le plus grand challenge de cette étude est (i) de choisir des critères sociaux et environnementaux appropriés, (ii) de les intégrer dans des modèles mathématiques et (iii) d’étudier l’impact de ces critères sur des DCMS.
Le premier modèle est bi-objectif afin de faire un compromis entre certains critères sociaux (offres d’emplois, risques de la machine, etc.) et économiques. Pour être plus proche de situations de la vie réelle, certains paramètres tels que la demande, les coûts liés aux machines et la capacité en temps des machines sont considérés comme incertains. Pour résoudre ce problème, une méthode d’optimisation robuste est appliquée pour faire face à cette incertitude.
Dans le deuxième modèle, toutes les dimensions du développement durable sont prises en compte dans le modèle mathématique bi-objectif proposé. La première fonction objectif modélise des critères économiques et la seconde des aspects environnementaux (déchets de production), tandis que certaines contraintes représentent des questions sociales (principalement le « Daily Noise »). En raison de la NP-difficulté du problème, une nouvelle approche novatrice appelée NSGA II-MOSA est proposée.
Le troisième modèle proposé a trois fonctions objectif, une pour chaque type d’enjeux : environnemental, social et économique. Nous proposons une méthode possibiliste hybride pour faire face à l’incertitude et une approche floue interactive est considérée pour résoudre un modèle multi-objectif déterministe pour des solutions de compromis.
Enfin, la dernière partie de la thèse étudie la possibilité d’appliquer les trois modèles proposés à l’industrie grâce à une méthode plus facile. Une approche d’optimisation-simulation innovante est introduite pour faire face à la configuration de DCMS : (i) La phase d’optimisation fonctionne comme méthode de fractionnement de scénarii pour réduire le nombre de configurations alternatives en se concentrant sur les niveaux stratégique et tactique. (ii) Ensuite, un outil de simulation détaille le niveau opérationnel en étudiant la performance de chaque alternative et l’interaction entre plusieurs composants de cellules.