Erwan Tranvouez, « Intelligence artificielle distribuée et ordonnancement : une approche coopérative du réordonnancement d’atelier par systèmes multi-agents »
Résumé
L’Intelligence Artificielle Distribuée (IAD) et plus particulièrement les Système Multi-Agents (SMA) proposent aujourd’hui des solutions à de nombreux problèmes industriels. Notre recherche s’intéresse plus précisément à l’ordonnancement d’ateliers de production confrontés à des événements perturbateurs. Nous abordons ce problème selon une approche de Résolution Coopérative et Distribuée de Problème (RCDP) nous conduisant à proposer une méthode de réordonnancement coopératif d’atelier. Cette méthode repose sur une modélisation organisationnelle accordant une autonomie aux machines de production leur permettant de coopérer entre elles afin de traiter au plus tôt une perturbation. Dans cette perspective, nous avons élaboré un ensemble de stratégies et d’opérations de réparation consistant en des modifications locales et limitées d’un ordonnancement perturbé. Pour définir les processus coopératifs décrits dans la méthode de réordonnancement coopératif, nous proposons une modélisation multi-agents d’un atelier de production comportant deux grands types d’agents (agents ordonnanceur et service). Un formalisme de Représentation de Comportements d’Agents (RCA), consistant en un graphe d’états fortement typés, est également défini pour spécifier par des plans comportementaux (PC), les activités des agents en coopération. Sur la base de la spécification de stratégies de réordonnancement par ce formalisme ainsi que de la modélisation multi-agents associés, nous avons développé un prototype informatique appelé MACSS (MultiAgent Cooperative reScheduling System). Ce développement repose sur l’élaboration et l’utilisation d’outils informatiques permettant la conception et l’implémentation en règles de production CLIPS, des plans comportementaux spécifiés par des graphes RCA. Enfin, Nous illustrons la mise en œuvre de la méthode de réordonnancement coopératif, en utilisant MACSS sur un cas pratique pour simuler le comportement d’un atelier de production face à des perturbations.
Abstract
Distributed Artificial Intelligence (DAI) and more particularly MultiAgent Systems (MAS) propose nowadays solutions to many industrial problems. Our research focuses more precisely on workshop scheduling facing disrupting events. We address this issue by proposing a co-operative workshop rescheduling method with a Cooperative Distributed Problem Solving (CDPS) approach. This method is based on an organisational modelling of a workshop granting autonomy to the workshop machines, enabling them to engage cooperations to manage a disruption the earliest as possible. To achieve this, we have elaborated a set of repair scheduling strategies and operations consisting in local and limited modification of a disrupted scheduling. To define the cooperative processes involved in the cooperative rescheduling method, we propose a workshop multiagent-modelling composed of two category of agents (scheduler and service agents). An Agent Behaviour Representation Formalism (ABR), consisting in a strongly typed State Graphs, is also proposed to specify, with Behavioural Plans (BP), the agents activities. Based on the strategies specifications made with this formalism, combined to the corresponding multiagents modelling, we have developed a software prototype called MACSS (MultiAgent Cooperative reScheduling System). Its development relies on the elaboration and the use of software tools enabling the design and the implantation of these behavioural plans (specified by ABR graphs) in CLIPS rules. Finally, we depict the use of the co-operative rescheduling method by using MACSS on an industrial case, in order to simulate the behaviour of a workshop facing disruptions.