Stratégies de contrôle avancées pour systèmes de production sous contraintes environnementales : politiques intégrées et apprentissage par renforcement

Résumé

Cette recherche développe et valide des stratégies de contrôle pour les systèmes manufacturiers non fiables opérant sous contraintes environnementales. L’approche proposée combine deux méthodologies distinctes : la programmation dynamique stochastique combinée avec la résolution numérique pour les configurations hybrides, et l’intelligence artificielle par apprentissage par renforcement pour les systèmes simples. La première contribution porte sur le contrôle des systèmes de production hybrides intégrant fabrication et refabrication sous contraintes environnementales. Une politique de contrôle environnemental de seuil dynamique est développée pour coordonner les activités de production tout en respectant les limites environnementales imposées. Cette stratégie intègre simultanément les coûts économiques et environnementaux tout en gérant la priorisation et la commutation entre machines selon l’état du système et les contraintes d’émissions GES. L’évaluation comparative révèle des gains substantiels par rapport aux politiques pertinentes de la littérature, tant en efficience économique qu’en conformité environnementale. La seconde contribution explore le potentiel de l’apprentissage par renforcement pour piloter les systèmes de base M1P1 dans un environnement stochastique. L’algorithme d’optimisation de politique proximale (PPO) est déployé avec un réglage méthodique des paramètres d’apprentissage. La validation s’effectue progressivement, commençant par une configuration basique avant d’incorporer les exigences environnementales. La comparaison qualitative atteste de la pertinence des techniques d’IA et établit une base méthodologique pour des applications ultérieures plus sophistiquées. La synthèse de ces travaux souligne la nécessité d’intégrer les préoccupations environnementales dans l’optimisation manufacturière et révèle la synergie entre méthodologies classiques et innovations technologiques. Ces développements offrent aux gestionnaires industriels des instruments performants pour harmoniser les objectifs économiques et écologiques tout en maîtrisant les aléas opérationnels.

Date	19 déc. 2025
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Mustapha Ouhimmou (Directeur(-trice)) & Ali Gharbi (Codirecteur(-trice))