GSCOP RUB LAB 2022

Etude de fonctionnalités génériques et paramétrables de diagnostic et de pronostic intégrées aux solutions MES existantes pour l’amélioration de la performance industrielle.

Directeur de thèse : ZAMAI Eric

Laboratoire : G-SCOP

Co-encadrant de thèse : HENRY Sébastien 

Laboratoire : DISP

Etablissement d'inscription en thèse : Grenoble-INP      

Financement :  Financeur : région Rhône-Alpes - ARC 8

Date de début : septembre 2013

Durée : 36 mois

Montant : 1700 € net par mois                                    

Profil recherché

Issu d'une formation d'ingénieur ou d'un master, le candidat disposera idéalement des compétences dans les domaines suivants :

  • Pilotage des systèmes de production.
  • Systèmes d'information associés (MES, Traçabilité, Analyse de performance, ...).
  • Outil de l'Intelligence Artificielle pour la classification et l'apprentissage.
  • Parfaite maîtrise de l'anglais (écrit et oral) et facilité de rédaction.
  • Esprit d'analyse et de synthèse, capacité d'abstraction, autonomie et goût pour le travail en équipe.
Candidature

Les dossiers de candidature sont à renvoyer à Eric ZAMAI et Sébastien HENRY avant le 30 juin 2013 par mail et se composeront des pièces suivantes :

  • CV détaillé et lettre de motivation,
  • Notes et classement de la partie théorique du master,
  • Résumé de stage de Master,
  • Lettre de recommandation de l'encadrant de stage de master.
Sujet de thèse 

Titre :

Etude de fonctionnalités génériques et paramétrables de diagnostic et de pronostic intégrées aux solutions MES existantes pour l'amélioration de la performance industrielle.

Contexte des travaux

Dans le contexte actuel caractérisé par de fortes incertitudes sur les évolutions des marchés et la recherche d'une meilleure compétitivité par l'amélioration de la performance industrielle, les entreprises ont besoin aujourd'hui plus qu'hier de disposer d'informations précises et exactes sur l'état réel de leur système de production. Ces informations sont devenues vitales afin de prendre rapidement les meilleurs décisions à tous les niveaux hiérarchiques ; de l'état réel des stocks afin de gérer les approvisionnements et de planifier le travail à réaliser au niveau de l'usine comme des opérateurs, à la valeur des indicateurs de performance tels que le TRS/TRG afin pour le responsable de production de décider des actions prioritaires d'amélioration, jusqu'à la connaissance de l'état de santé des équipements de production afin de réagir aux aléas de fonctionnement. Disposer à chaque instant de ces informations avec des points de vue différents (machine pour un chef d'équipe et la maintenance, atelier pour le responsable de production, usine pour la direction, produit pour la R&D) nécessite une approche globale du pilotage de la production permettant de capter l'ensemble des données requises pour la détermination de ces informations. Les systèmes de type Manufacturing Execution System (MES) visent à répondre à ce besoin en intégrant l'ensemble des fonctions nécessaires au pilotage d'un système de production avec un modèle de données unique répondant aux besoins de chacune des fonctions (http://www.club-mes.com).

Les solutions MES actuelles fournies par les éditeurs ont acquis une certaine maturité et sont aujourd'hui préférées bien souvent à des développements spécifiques plus coûteux et plus difficile à maintenir. En effet, ces solutions MES proposent des fonctions génériques à paramétrer telles que la gestion des recettes, l'exécution de la production, la traçabilité ou encore l'analyse de performance. Cette généricité basée sur un paramétrage des fonctions est la garantie d'un déploiement moins couteux et plus rapide. Mais force est de constater que ces solutions comme d'ailleurs le modèle proposé par le MESA (http://www.mesa.org) ne couvrent pas entièrement les besoins industriels actuels en n'intégrant pas à ce jour de fonctions de diagnostic et de pronostic suite à la détection à postériori d'une déviation du process de fabrication. Ces fonctionnalités sont pourtant devenues aujourd'hui essentiels à un grand nombre d'industriels pour leur permettre d'une part d'identifier rapidement la cause de cette déviation (l'aléa) afin d'améliorer leur réactivité (modifications des paramètres machine, changement de lot de matière première, maintenance corrective, etc) et d'autre part de mesurer avec une précision suffisante l'impact de cet aléa sur les produits fabriqués depuis l'occurrence de l'aléa jusqu'à l'observation de la déviation du process. Cette mesure est d'autant plus importante quand les produits impactés par l'aléa ont déjà été expédiés et doivent être rappelés. Il s'agit alors de limiter le coût du rappel et de limiter l'impact sur l'image de marque en rappelant idéalement uniquement les produits défectueux.

Problématique Scientifique

Les fonctions de diagnostic et pronostic ont fait l'objet de très nombreux travaux de recherche mais toujours menés dans un contexte très particulier, au niveau machine comme au niveau atelier. Ces fonctions basées sur des outils complexes sont très difficiles à déployer pour les industriels qui se basent pour cela sur des collaborations avec des laboratoires de recherche. Ceci est aujourd'hui un véritable frein au déploiement industriel des fonctionnalités de diagnostic et de pronostic limitant et/ou retardant la connaissance des industriels sur l'état réel de leur système de production. La démocratisation de ces deux fonctionnalités requiert d'offrir des solutions paramétrables, intégrées aux solutions MES existantes et au minimum génériques pour un secteur industriel (micro-électronique, pharmaceutique, agro-alimentaire, plasturgie, etc). Ainsi, les travaux de thèse viseront à :

1.      Spécifier des fonctions génériques et paramétrables de diagnostic et pronostic pour un secteur industriel pour lequel la société COURBON basée à Saint Etienne et partenaire du projet offre une solution MES. Livrables : Caractéristiques des systèmes de production concernés, Informations délivrées par les fonctions de diagnostic et pronostic, liste des paramètres, données à collecter.

2.      Etudier la faisabilité de l'intégration de ces fonctions au sein d'un système MES. Livrables : analyse des processus métiers mettant ainsi en exergue les interactions avec les autres fonctions MES, l'impact sur le modèle de données et les autres fonctions notamment celle de collecte des données au regard des normes ISA-95/ISA-88.

3.      Déterminer le ou les outils avec les modèles associés qui seront construits si nécessaire par apprentissage à partir des données collecter. Proposer une première version de ces fonctions permettant par la suite une phase de validation. Livrables : fonctions génériques paramétrables de diagnostic et pronostic.

4.      Intégrer les fonctions de diagnostic et pronostic développées au sein d'une solution MES existantes. Livrables : nouveaux modèles de données.

5.      Proposer une méthodologie de déploiement de ces fonctions dans un contexte industriel et notamment des phases d'apprentissage des modèles. Livrables : modèle de processus avec la définition notamment des activités de collectes de données et de détermination des valeurs des paramètres.

 

La thèse fera l'objet d'un suivi de la part de l'ARC8 pour la région Rhône-Alpes :

  • 6 mois : un rapport d'activité qui conditionne le renouvellement de l'allocation en seconde année et une fiche succincte présentant le sujet en vue de sa valorisation;
  • 18 mois : un rapport d'activité qui conditionne le renouvellement de l'allocation en troisième année ;
  • 36 mois : une fiche détaillée présentant la thèse et ses résultats.

Il est attendu que le doctorant vienne présenter ses travaux lors de manifestations organisées par l'ARC8, en particulier la journée des doctorants qui aura lieu vers les 18 mois de thèse."

Partenaires

1.Laboratoire G-SCOP (Grenoble, Sciences pour la Conception, l'Optimisation et la Production, http://www.g-scop.grenoble-inp.fr), apport en particulier des compétences sur les fonctions de diagnostic et pronostic dans le domaine de la microélectronique acquises au travers des projets Européens IMPROVE et INTEGRATE.

2.Laboratoire DISP (Lyon, Décision et Information pour les Systèmes de Production, http://www.disp-lab.fr), apport plus particulièrement des compétences sur la modélisation des processus métiers et les systèmes d'information tel que le MES et notamment les problématiques d'intégration et d'alignement.

3.Société COURBON (Saint-Etienne, http://www.courbon.fr), apport sur la définition des besoins industriels en terme de diagnostic et pronostic, sur la connaissance du pilotage des systèmes de production et enfin sur les solutions MES et leur déploiement dans un environnement industriel.

4.Un utilisateur de solution MES qui sera sollicité avec l'aide de la société COURBON et dont le process de production et l'état de déploiement d'une solution MES correspondront aux besoins industriels identifiés et aux verrous scientifiques associés permettant une validation des résultats sur un cas industriel.

Bibliographie

ANSI/ISA-88. IEC 61512, Batch Control

ANSI/ISA-95, IEC 62264, Enterprise - Control Systems Integration

Quoc-Bao Duong, E. Zamaï, Khoi-Quoc Tran-Dinh, "Confidence estimation of feedback in- formation for logic diagnosis", Engineering Application and Artificial Intelligence, Available online 29 September 2012, DOI information: 10.1016/j.engappai.2012.08.008, IF = 1,665.

Quoc-Bao Duong, Eric Zamaï, Khoi-Quoc Tran-Dinh, "Confidence Estimation of Feedback Information Using Dynamic Bayesian Networks" 38th Annual Conference of the IEEE Industrial Electronics Society, (IECON12), 25-28 October 2012, Montreal, Canada.

A. Ben Khedher, S. Henry and A. Bouras, Quality improvement of product data exchanged between engineering and production through the integration of dedicated information system, 11th Biennial Conference On Engineering Systems Design And Analysis (ESDA2012) , Nantes, France, juillet 2012

Omar SAKKA, Doctorat de l'INSA de Lyon (2008-2012) « Alignement sémantique entre référentiels d'entreprise - Application aux systèmes d'exécution de la fabrication (MES) »

Anis BEN KHEDHER, Doctorat de l'Université Lyon 2 (2008-2012) « Amélioration de la qualité des données produits échangées entre l'ingénierie et la production à travers l'intégration de systèmes d'information dédiés »

M-F. Bouaziz, E.  Zamaï, S. Monot, F. Duvivier, S. Hubac, "Towards a Bayesian Net- work methodology to improve maintenance of complex semiconductor systems ", Christophe Bérenguer, Antoine Grall, Carlos Guedes Soares Advances in Safety, Reliability and Risk Management: ESREL 2011, CRC Press (2011), Taylor and Francis Group, London, UK. ISBN 978-0-203-13510-5, pp 116 - 123.

A. Ben Khedher, S. Henry and A. Bouras, Integration between MES and Product Lifecycle Management, IEEE International Conference on Emerging Technologies and Factory Automation (ETFA'11), Toulouse, France, 5-9 septembre, 2011.

L. Pietrac, A. Leleve, S. Henry, On the use of SysML for Manufacturing Execution System design, IEEE International Conference on Emerging Technologies and Factory Automation (ETFA'11), Toulouse, France, 5-9 septembre, 2011.

Ben Khedher A, S. Henry and A. Bouras, An analysis of the interaction among design, industrialization and production, International Conference on Product Lifecycle Management (PLM10), Bremen, Allemagne, July 12-14 (2010)

Millet P.-A., O. Sakka, V. Botta-Genoulaz, An Owl based ontology of SCOR model. A pre-requisite for strategic alignment. MOSIM 2010, Hammamet, 12-14 Mai, 10p, (2010)

Ben Khedher A., S. Henry and A. Bouras, Industrialization and manufacturing steps within the product life cycle management context, International Conference on Advances in Production Management Systems (APMS09), Bordeaux, France, Sep. 2009.

Dupuis, D. et Barra, J.-M. (2009). La gestion des ateliers de fabrication (mes) : enjeux et fonctions. Etude, CXP Holding.

E. Deschamps, S. Henry and E. Zamaï, "Operating part model for on-line diagnosis". 18th International Workshop on Principles of Diagnosis (DX), Nashville, USA, 2007.

E. Deschamps and E.  Zamaï,  "Diagnosis for Control System Reconfiguration", 4th IFAC Conference on Management and Control of Production and Logistics (MCPL),  Sibiu, Roumania, 2007.

Contact : eric.zamai@grenoble-inp.fr