Architecture multi-agents et optimisation multicritère pour le pilotage dynamique des systèmes manufacturiers reconfigurables sous incertitude

Offre de thèse

Date limite de candidature

01-05-2026

Date de début de contrat

01-10-2026

Directeur de thèse

DAHANE Mohammed

Encadrement

Le doctorant sera encadré par un enseignant-chercheur HDR au sein du laboratoire LGIPM, équipe MPM. Un suivi régulier sera assuré à travers des réunions hebdomadaires ou bimensuelles portant sur l'avancement scientifique, les choix méthodologiques et les résultats obtenus. Le doctorant participera aux activités scientifiques du laboratoire (séminaires, réunions d'équipe, groupes de travail). Un comité de suivi individuel sera mis en place conformément aux règles en vigueur, afin d'assurer un suivi annuel de l'avancement de la thèse. Des formations complémentaires seront suivies dans le cadre du catalogue doctoral (méthodologie de recherche, valorisation, communication scientifique,...).

Type de contrat

Concours pour un contrat doctoral

Candidater à cette offre

école doctorale

IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES

équipe

MPM - Management de la Production et de la Maintenance

contexte

Les systèmes manufacturiers reconfigurables (RMS) ont été largement étudiés comme une réponse aux besoins croissants de flexibilité et d'adaptabilité des systèmes de production modernes (Koren et al., 1999 ; ElMaraghy, 2005). Fondés sur des principes de modularité, d'intégrabilité et de convertibilité, ils visent à ajuster rapidement la capacité et les fonctionnalités des systèmes de production en fonction de l'évolution des besoins. Les recherches menées dans ce domaine ont principalement porté sur la conception des architectures de production, la sélection des ressources, l'évaluation de la modularité et l'optimisation multicritère des configurations (Benderbal et al., 2017 ; Haddou Benderbal et al., 2018 ; Ameer & Dahane, 2023). Ces dernières années, plusieurs travaux ont également mis en évidence l'intérêt croissant des RMS dans le contexte de l'industrie 4.0, en insistant sur leur rôle dans la conception de systèmes manufacturiers plus intelligents, évolutifs et interopérables (Ameer & Dahane, 2025). Toutefois, la majorité des approches proposées restent fondées sur des hypothèses statiques ou sur des décisions prises hors ligne. Elles traitent principalement des problèmes de conception ou de configuration optimale, mais répondent encore insuffisamment aux besoins de pilotage dynamique en présence de variabilité et de perturbations. Or, les environnements industriels actuels sont marqués par des fluctuations de la demande, des aléas de production, des indisponibilités de ressources et des besoins de reconfiguration plus fréquents. Le passage d'une logique de conception optimale à une logique de pilotage adaptatif sous incertitude constitue ainsi un enjeu scientifique majeur pour les RMS. Dans ce cadre, les systèmes multi-agents offrent une voie particulièrement prometteuse pour modéliser des systèmes manufacturiers distribués, complexes et évolutifs, en représentant explicitement les entités du système, leurs comportements et leurs interactions (Monostori et al., 2006 ; Shen et al., 2006). En parallèle, les méthodes d'optimisation multicritère permettent de traiter les compromis entre plusieurs objectifs de performance contradictoires, tels que le coût, les délais, la robustesse des décisions et l'effort de reconfiguration (Deb et al., 2002 ; Jain & Deb, 2014). L'intérêt de telles approches a déjà été montré dans des travaux antérieurs sur les RMS, notamment pour la sélection de machines, l'évaluation de la modularité et la conception multicritère de configurations reconfigurables (Benderbal et al., 2017 ; Haddou Benderbal et al., 2018 ; Ameer & Dahane, 2023). L'enjeu scientifique principal de cette thèse réside ainsi dans la conception d'un cadre intégré de pilotage dynamique des systèmes manufacturiers reconfigurables sous incertitude, en combinant modélisation multi-agents, simulation et optimisation multicritère. L'objectif est de développer des mécanismes décisionnels capables d'aider à la reconfiguration et au pilotage opérationnel du système dans des environnements perturbés et évolutifs, tout en maintenant un compromis satisfaisant entre plusieurs critères de performance.

spécialité

Automatique, Traitement du signal et des images, Génie informatique

laboratoire

LGIPM - Laboratoire de Génie Informatique, de Production et de Maintenance

Mots clés

Système manufacturier reconfigurable (RMS), Pilotage dynamique, Modélisation multi-agents, Optimisation multicritère, Reconfiguration dynamique, Industrie 4.0

Détail de l'offre

Les systèmes manufacturiers reconfigurables (Reconfigurable Manufacturing Systems, RMS) constituent une réponse pertinente aux exigences croissantes de flexibilité, de modularité et d'adaptabilité dans les environnements industriels modernes (Koren et al., 1999 ; ElMaraghy, 2005). Les travaux existants ont largement contribué à la conception et à l'optimisation des RMS, notamment pour la sélection des machines, l'évaluation de la modularité et la configuration multicritère des systèmes (Benderbal et al., 2017 ; Haddou Benderbal et al., 2018 ; Ameer & Dahane, 2023).

Cependant, la plupart de ces approches restent fondées sur des décisions statiques ou hors ligne et répondent encore insuffisamment aux besoins de pilotage dynamique en environnement incertain. Or, les systèmes de production actuels sont confrontés à la variabilité de la demande, aux perturbations opérationnelles et à des besoins de reconfiguration plus fréquents. Dans ce contexte, les systèmes multi-agents apparaissent comme un cadre particulièrement adapté pour représenter les entités du système, leurs interactions et les mécanismes de décision distribuée dans des environnements complexes et évolutifs (Monostori et al., 2006 ; Shen et al., 2006).

Cette thèse vise à développer une architecture multi-agents pour le pilotage dynamique des systèmes manufacturiers reconfigurables sous incertitude. L'approche proposée combinera modélisation distribuée, simulation et optimisation multicritère afin de soutenir des décisions de pilotage tenant compte de plusieurs objectifs potentiellement conflictuels, tels que le coût, les délais, la robustesse des décisions et l'effort de reconfiguration. Des méthodes de type NSGA-II et NSGA-III pourront être mobilisées pour explorer les compromis entre ces objectifs (Deb et al., 2002 ; Jain & Deb, 2014), dans la continuité de travaux récents menés sur l'optimisation multicritère des RMS (Ameer & Dahane, 2023).

Les travaux porteront sur la formalisation des RMS en environnement incertain, la conception de mécanismes décisionnels distribués, le développement d'un cadre simulation–optimisation et la validation de l'approche sur des cas d'étude représentatifs. Les contributions attendues concernent la proposition d'un cadre intégré de pilotage dynamique des RMS, fondé sur la modélisation multi-agents et l'optimisation multicritère, ainsi que le développement de nouvelles stratégies de décision adaptées aux systèmes manufacturiers reconfigurables.

Keywords

Reconfigurable Manufacturing Systems (RMS), Dynamic control, Multi-agent modeling, Multi-objective Optimization, Dynamic Reconfiguration, Industry 4.0

Subject details

Reconfigurable Manufacturing Systems (RMS) provide a relevant response to the growing requirements for flexibility, modularity, and adaptability in modern industrial environments (Koren et al., 1999; ElMaraghy, 2005). Existing research has significantly contributed to RMS design and optimization, particularly for machine selection, modularity assessment, and multi-objective system configuration (Benderbal et al., 2017; Haddou Benderbal et al., 2018; Ameer & Dahane, 2023). However, most of these approaches remain based on static or offline decision frameworks and still provide limited support for dynamic control under uncertainty. Yet current production systems are increasingly exposed to demand variability, operational disruptions, and more frequent reconfiguration needs. In this context, multi-agent systems offer a particularly suitable framework for representing system entities, their interactions, and distributed decision mechanisms in complex and evolving manufacturing environments (Monostori et al., 2006; Shen et al., 2006). This PhD aims to develop a multi-agent architecture for the dynamic control of Reconfigurable Manufacturing Systems under uncertainty. The proposed approach will combine distributed modeling, simulation, and multi-objective optimization in order to support control decisions involving several potentially conflicting objectives, such as cost, lead time, decision robustness, and reconfiguration effort. NSGA-II and NSGA-III type methods may be used to explore trade-offs between these objectives (Deb et al., 2002; Jain & Deb, 2014), in line with recent work conducted on multi-objective RMS optimization (Ameer & Dahane, 2023). The research will address the formalization of RMS in uncertain environments, the design of distributed decision mechanisms, the development of a simulation–optimization framework, and the validation of the proposed approach through representative case studies. Expected contributions include the proposal of an integrated framework for the dynamic control of RMS based on multi-agent modeling and multi-objective optimization, as well as the development of new decision strategies for reconfigurable manufacturing systems.

Profil du candidat

M2 en Génie Industriel, Recherche Opérationnelle, Informatique ou discipline connexe, avec un excellent dossier académique.
Solides compétences en optimisation (notamment multicritère), métaheuristiques, programmation (Python) et modélisation des systèmes de production.
Une connaissance des systèmes multi-agents, de la simulation ou des systèmes de prise de décision distribuée serait un atout.
Des bases en gestion de l'incertitude, apprentissage automatique ou systèmes distribués sont également appréciées.

Candidate profile

Master's degree in Industrial Engineering, Operations Research, Computer Science, or a related field, with an excellent academic record.
Strong skills in optimization (especially multi-objective optimization), metaheuristics, programming (Python), and production systems modeling.
Knowledge of multi-agent systems, simulation, or distributed decision-making systems would be an asset.
Basic understanding of uncertainty management, machine learning, or distributed systems is also appreciated.

Référence biblio

- Koren, Y., Heisel, U., Jovane, F., Moriwaki, T., Pritschow, G., Ulsoy, A. G., & Van Brussel, H. (1999). Reconfigurable manufacturing systems. CIRP Annals, 48(2), 527-540.
- ElMaraghy, H. A. (2005). Flexible and reconfigurable manufacturing systems paradigms. International Journal of Flexible Manufacturing Systems, 17(4), 261-276.
- Monostori, L., Váncza, J., & Kumara, S. R. T. (2006). Agent-based systems for manufacturing. CIRP Annals - Manufacturing Technology, 55(2), 697-720.
- Shen, W., Hao, Q., Yoon, H. J., & Norrie, D. H. (2006). Applications of agent-based systems in intelligent manufacturing: An updated review. Advanced Engineering Informatics, 20(4), 415-431.
- Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A fast and elitist multi-objective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation, 6(2), 182-197.
- Jain, H., & Deb, K. (2014). An evolutionary many-objective optimization algorithm using reference-point-based nondominated sorting approach, Part II: Handling constraints and extending to an adaptive approach. IEEE Transactions on Evolutionary Computation, 18(4), 602-622.
- Haddou Benderbal, H., Dahane, M., & Benyoucef, L. (2017). Flexibility-based multi-objective approach for machines selection in reconfigurable manufacturing system (RMS) design under unavailability constraints. International Journal of Production Research, 55(20), 6033-6051.
- Haddou Benderbal, H., Dahane, M., & Benyoucef, L. (2018). Modularity assessment in reconfigurable manufacturing system design: an Archived Multi-Objective Simulated Annealing-based approach. The International Journal of Advanced Manufacturing Technology, 94(1-4), 729-749.
- Ameer, M., & Dahane, M. (2023). NSGA-III-based multi-objective approach for reconfigurable manufacturing system design considering single-spindle and multi-spindle modular reconfigurable machines. The International Journal of Advanced Manufacturing Technology, 128(5-6), 2499-2524.
- Ameer, M., & Dahane, M. (2025). Reconfigurable manufacturing systems for Industry 4.0: Concepts, challenges, and applications. In Design and Operation of Smart Reconfigurable Manufacturing Systems in Industry 4.0/5.0.