Development of an approach to risk management in supply chain maintenance activities : Modelling and Simulation approach based on multi-agent systems.
Développement d’une approche d’aide à la maitrise des risques dans les activités de maintenance d'une chaine logistique : Approche par modélisation et simulation basée sur les systèmes multi-agents
Résumé
The main objective of this thesis is to develop a multi-agent approach to designing a model to overcome risks of maintenance activities. The aim is to explore the maintenance complexity and to indicate the interactions between the maintenance function and the risk assessment.Firstly, we are interested in designing a systemic model to identify and model the industrial system, to show the different interactions between its elements, to analyze and to evaluate risks of maintenance activities. We propose the MOSAR method and the UML language to design a cognitive reference model. This model served as a starting point for designing a database using the SQL language, which is operated by Multi-Agent model to acquire the necessary information for its operation.On the other hand, we develop a framework of a multi-agent system that aims to anticipate failures scenarios and the decision-making by simulating the studied system behaviour. A comparison between the existing platforms dedicated to Multi-Agent Systems is performed to choose the appropriate platform for the simulation.Finally, the developed models are applied in the LPG supply chain (Liquefied Petroleum Gas). A simulator was developed using the AnyLogic platform in order to study the system behaviour and to simulate the failure scenarios chosen by the industry, for the calculation of the criticality from three parameters (Frequency, severity, detectability), and for obtaining a Dashboard containing a set of maintenance performance indicators. The proposed simulation models help to guide the industries toward good decisions to avoid risky situations that may trigger disruptive events damaging.
Cette thèse a pour objectif principal de développer un simulateur multi-agents pour concevoir un système d'aide à la maitrise des risques des activités de maintenance. Le but est d'explorer la complexité de la maintenance et de spécifier les interactions entre la fonction maintenance, l'analyse et l'évaluation des risques. Nous nous intéressons d’une part, à concevoir un modèle systémique permettant d’identifier et de modéliser un système industriel, à montrer les différentes interactions entre ses éléments, à analyser et évaluer les risques des activités de maintenance. Nous proposons la méthode MOSAR et le langage UML pour concevoir un modèle cognitif de référence. Ce modèle a servi de point de départ pour la conception d’une base de données à l’aide du langage SQL, qui est exploitée par le modèle Multi-Agents afin d’acquérir les informations nécessaires à son fonctionnement.D’autre part, nous développons une architecture d’un Système Multi-Agents qui a pour vocation d’anticiper les situations de défaillances et la prise de décisions à l’aide de la simulation du comportement du système étudié. Une comparaison entre les plateformes existantes dédiées aux Systèmes Multi-Agents est effectuée pour choisir la plateforme adéquate à notre problématique pour la réalisation de la simulation.Finalement, les modèles développés sont appliqués dans le cadre d’une chaîne logistique pour le chargement et le déchargement de GPL (Gaz de Pétrole Liquéfié). Un simulateur a été développé à l’aide de la plateforme AnyLogic dans le but d’étudier le comportement du système et de simuler les scénarios de défaillances choisis par l’industriel pour le calcul de la criticité à partir de trois paramètres (fréquence, gravité, détectabilité) et l’obtention d’un Tableau de Bord contenant un ensemble d’indicateurs de performance de la maintenance. Les modèles de simulation proposés permettent d’orienter les industries vers les bonnes décisions pour éviter les situations à risques pouvant déclencher des événements perturbateurs dommageables.
Origine : Version validée par le jury (STAR)