• Actualités
Publié le

Dans cette page :


L’Industrie 5.0 marque une étape cruciale dans le secteur manufacturier, en plaçant l’humain au centre des processus tout en intégrant des technologies avancées. Dans la continuité de l’Industrie 4.0, qui se concentre sur l’automatisation, l’Industrie 5.0 cherche à rendre les systèmes de production durables et résilients, ce qui nécessite une réévaluation de l’utilisation des ressources pour prendre en compte les enjeux environnementaux et sociaux.

Sur le campus de notre école d’ingénieurs à Lyon, Candice Destouet, doctorante en génie industriel, a récemment publié un article de recherche à ce sujet. Dans cet article, elle présente, avec ses collaborateurs, des modèles mathématiques d’optimisation qui visent à harmoniser les dimensions économique, environnementale et sociale au sein des systèmes de production. Son travail met en lumière des approches innovantes pour intégrer ces considérations essentielles dans le processus manufacturier.

Références

Laboratoire CESI LINEACT :

Direction de la thèse :

  • Directeur de la thèse : Bélahcène Mazari, Directeur National de la Recherche et de l’Innovation CESI
  • Co-encadrant(s) : Belgacem Bettayeb, enseignant-chercheur, Campus de Lille ; Houda Tlahig, enseignante-chercheuse, Campus de Lyon

L’importance de la planification durable

L’indice OCRA 

L’indice « Occupational Repetitive Action »  (OCRA) est une méthode d’évaluation permettant l’analyse de l’exposition des travailleurs à des tâches présentant divers facteurs de risque de TMS des membres supérieurs (répétitivité, force, postures et mouvements contraignants, absence de périodes de récupération, facteurs aggravants définis comme des « facteurs additionnels »).

Aujourd’hui, les entreprises ne doivent plus seulement viser la rentabilité. Elles doivent aussi prendre en compte le bien-être de leurs employés et la réduction de leur impact écologique. Les chercheurs, comme Candice, travaillent sur des modèles mathématiques capables de considérer simultanément ces trois facteurs.

Deux modèles d’optimisation

Pour relever ces défis, deux modèles d’optimisation sont développés. Le premier modèle se concentre sur :

  • Minimiser le temps total de production (nommé MAKESPAN dans le domaine)
  • Réduire la consommation d’énergie
  • Diminuer les troubles musculo-squelettiques (TMS) des opérateurs, en utilisant l’indice OCRA pour évaluer l’exposition aux risques

Le deuxième modèle vise à maximiser le niveau de satisfaction des travailleurs, en tenant compte de leurs préférences concernant les machines, la variété des tâches et les horaires de travail.

Un équilibre à atteindre

L’objectif final est de trouver un équilibre entre les trois dimensions (économique, environnementale et sociale) au sein des systèmes de production. En intégrant les préoccupations humaines et environnementales dans le processus de fabrication, les entreprises améliorent non seulement leur performance économique et contribuent également à un avenir plus durable et équitable pour tous.

L’Industrie 5.0 redéfinit l’approche de la production. En plaçant l’humain et la durabilité au cœur des préoccupations, elle offre une opportunité unique de créer des systèmes de fabrication à la fois efficaces et responsables. L’avancement de ces modèles d’optimisation représente un pas significatif vers cette vision d’un avenir industriel durable.

Le parcours de Candice en recherche

Candice, doctorante à CESI, vient de publier un article de recherche éclairant sur le sujet : elle nous présente son travail.

  • Bonjour Candice ! Pour commencer, peux-tu te présenter ?

Je suis Candice Destouet, j’ai 26 ans. Actuellement, je suis en dernière année de thèse à CESI LINEACT, où je me spécialise en génie industriel. Avant cela, j’ai obtenu un master en Mathématiques Appliquées et Statistiques, avec une spécialité en Recherche Opérationnelle.

  • Dans quel(s) domaine(s) de recherche scientifique s’inscrit l’article que tu as publié ?

Ma recherche s’inscrit dans les domaines de l’Industrie 5.0, du génie industriel, des mathématiques appliquées, de la recherche opérationnelle et de l’intelligence artificielle.

Cette publication découle de mes travaux de thèse, dans un contexte à la fois scientifique et industriel. Concernant le point de vue scientifique, j’explore l’utilisation de l’intelligence artificielle pour résoudre des problèmes d’ordonnancement dynamique dans des systèmes manufacturiers flexibles et durables. Concernant le point de vue industriel, j’aimerais répondre aux défis contemporains liés au développement durable et à l’intégration du facteur humain dans le cadre de l’Industrie 5.0.

  • Dans cette publication, quelle(s) question(s) de recherche est / sont traitée(s) ?

Dans cette publication, je cherche d’abord à savoir comment établir un ordonnancement « durable » qui équilibre les aspects économiques, environnementaux et sociaux. Ensuite, je cherche aussi à comprendre quel est l’impact des préférences et du confort ergonomique des opérateurs sur l’ordonnancement. Enfin, je cherche quelle méthode de résolution est la plus efficace pour atteindre cet ordonnancement.

  • Peux-tu nous en dire plus sur les types de travaux qui ont été menés ?

Lors de cette étude, nous avons mené plusieurs travaux, notamment :

   – La formulation d’un modèle mathématique multi-objectifs prenant en compte les trois dimensions essentielles : économique (minimiser le temps total de production), environnementale (réduire la consommation d’énergie) et sociale (diminuer les risques ergonomiques avec l’indice OCRA).

   – L’implémentation d’un algorithme NSGA-III amélioré pour résoudre ce problème et obtenir un ordonnancement optimal.

   – L’analyse des résultats pour évaluer l’impact des opérateurs sur l’ordonnancement.

  • Quelles sont les domaines d’application visés de ces travaux ?

Ces travaux sont applicables à tous types d’industries, avec des adaptations nécessaires selon les spécificités de chaque secteur.

  • Quelles sont les perspectives de ces travaux ?

Actuellement, notre modèle est « statique », ce qui signifie qu’une fois l’ordonnancement établi, il ne peut pas être ajusté en cas de perturbations. Nous visons à le rendre dynamique, capable de s’adapter à des aléas comme l’absence d’un opérateur ou un retard, afin de déterminer comment ces facteurs impactent l’ordonnancement.