Soutenance de thèse de Mathis ALLIBE (DOME2S) jeudi 18 décembre 2025 à 14h00 en Amphithéâtre Barbillon, Grenoble INP - UGA - Génie Industriel, 46 Av. Félix Viallet, 38031 Grenoble

Membres du jury :

Direction de thèse :
 

• Gülgün ALPAN-GAUJAL, PROFESSEURE DES UNIVERSITES, GRENOBLE INP - UGA / Directrice de thèse
• Abdourahim SYLLA, MAITRE DE CONFERENCES, GRENOBLE INP - UGA / Co-encadrant de thèse

Rapporteurs :
 

• Catherine DA CUNHAn PROFESSEURE DES UNIVERSITES, Ecole Centrale de Nantes / Rapporteur
• Elise VAREILLES, MAITRE DE CONFERENCES, IMT Mines Albi / Rapporteur

Examinateurs :
 

• Pierre DAVID, PROFESSEUR DES UNIVERSITES, Université Grenoble Alpes / Examinateur
• Lilia GZARA,PROFESSEURE DES UNIVERSITES, Institut national des sciences appliquées de Lyon / Examinatrice
• Ali SIADAT,PROFESSEUR DES UNIVERSITES, Ecole Nationale Supérieure d'Arts et Métiers / Examinateur

Résumé : 

La personnalisation de masse a profondément transformé l’industrie, imposant des systèmes capables de produire une grande diversité de produits sans compromettre leur efficacité. Les Systèmes de Production Reconfigurables (SPR) répondent à ce défi grâce à leur flexibilité et leurs machines modulaires. Le Problème de Reconfiguration de Machines (PRM) consiste à déterminer les réglages et outils attribués aux machines pour s’adapter à des demandes évolutives et à diverses contraintes de production. Les approches d'optimisation classiques peinent à passer à l’échelle et négligent la réutilisation des solutions existantes. Cette thèse propose ainsi une approche hybride combinant le Raisonnement à Partir de Cas (RàPC) et un modèle de Problème de Satisfaction de Contraintes (PSC). En exploitant les expériences passées et un solveur de contraintes, elle améliore les performances et la scalabilité. Une étude de cas en valide l’efficacité, montrant des gains en calcul et le potentiel de la méthodologie.


English version 

Thesis defense titled “ Hybrid Artificial Intelligence for Self-Reconfiguration of Production Systems in the context of Smart Industry ”, achieved under the supervision of :
 

• Gülgün ALPAN and Abdourahim SYLLA, at G-SCOP laboratory. 

The defense will be held on Thursday, December 18th, 2025, at 2 p.m. in Barbillon amphitheater, located at 46 Av. Félix Viallet, 38000 Grenoble, in Grenoble INP - Génie Industriel.

This thesis will be defended publicly in front of a jury constituted of:

Reviewers :
 

• Catherine DA CUNHA, PROFESSEURE DES UNIVERSITES, Ecole Centrale de Nantes / Reviewer
• Elise VAREILLES, MAITRE DE CONFERENCES, IMT Mines Albi / Reviewer

Examiners :
 

• Pierre DAVID, PROFESSEUR DES UNIVERSITES, Université Grenoble Alpes / Examiner
• Lilia GZARA,PROFESSEURE DES UNIVERSITES, Institut national des sciences appliquées de Lyon / Examiner
• Ali SIADAT,PROFESSEUR DES UNIVERSITES, Ecole Nationale Supérieure d'Arts et Métiers / Examiner

You may also attend the defense remotely using the following video conference link : Weblink
ID de réunion : 437 638 4990
Code d'accès:  457817

Abstract:

Mass customization has transformed manufacturing, requiring systems to handle high product diversity without sacrificing efficiency. Reconfigurable Manufacturing Systems (RMS) address this by enabling flexible adaptation through modular machines and workstations. A key challenge is the Machine Reconfiguration Problem (MRP) which addresses how machine settings and tools are allocated to comply with evolving demands and production constraints. Traditional optimization methods struggle with scalability and neglect reuse of past solutions. This thesis proposes a hybrid approach combining Case-Based Reasoning (CBR) with a Constraint Satisfaction Problem (CSP) model. By reusing past configurations and integrating constraint solving, the method improves efficiency, reduces computational effort, and enhances scalability. A case study demonstrates the approach’s effectiveness, showing its potential to support adaptive, sustainable manufacturing in the era of mass customization.

The defense will be in english.