Détection des dérives temporelles pour le pilotage de flux de production dans l'industrie des semiconducteurs

Detection of time shift failure to control of production flows in the semiconductor industry

• Auteur / Autrice : Claire Paya
• Direction : Yannick Pencolé, Euriell Le Corronc
• Type : Thèse de doctorat
• Discipline(s) : Informatique et Télécommunications
• Date : Soutenance le 29/03/2022
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Analyse et d'Architecture des Systèmes (Toulouse ; 1968-....)
• Jury : Président / Présidente : Isabel Demongodin
• Jury : Examinateurs / Examinatrices : Yannick Pencolé, Euriell Le Corronc, Cyril Briand, Philippe Vialletelle
• Jury : Rapporteurs / Rapporteuses : Zineb Simeu-Abazi, Bertrand Cottenceau

Mots clés

Mots clés contrôlés

Petri, Réseaux de

Planification

Semiconducteurs

Mots clés libres

Détection

Localisation

Diagnostic

Graphe d'événement temporisé

Semiconducteur

Algèbre (max,+)

Dérives temporelles

Detection

Localization

Diagnosis

Timed Event Graph

Semiconductor

(max,+) algebra

Timed shift failures

Résumé

L'objectif de cette thèse en contrat CIFRE avec STMicroelectronics Crolles est de développer des méthodologies et des outils d'aide à la décision permettant de gérer efficacement les flux de production de l'usine Crolles300 en détectant au plus tôt les ralentissements voire les retards d'une ligne automatisée de production sur l'ensemble des produits. Dans ces travaux, on décrit dans un premier temps le fonctionnement des usines de semiconducteurs, les principes de planification sur des chaînes de production complexes et en particulier le fonctionnement des outils de planification. Ce contexte industriel est sujet à une forte variabilité et son analyse a permis d'identifier que la détection des retards entre la production et la planification ne pouvait se faire par comparaison qu'au niveau élémentaire des opérations sur la chaîne de production. Pour résoudre ce problème, on propose de définir un ensemble de méthodes formelles de diagnostic à base de modèle en s'appuyant sur la modélisation du système à l'aide du formalime des Graphes d'Evénements Temporisés (GET) en vue de détecter et de localiser des dérives temporelles. Les GET sont une sous-classe des réseaux de Petri temporels qui permet de représenter graphiquement des systèmes (max,+)-linéaires. Deux méthodes de détection sont proposées. La première est définie à l'aide d'observateurs (max,+) permettant d'estimer l'état courant du système faisant face à des perturbations. Cette méthode peut également être exploitée pour localiser la dérive temporelle dans le système (max,+)-linéaire. La seconde méthode proposée s'applique sur des systèmes (max,+) linéaires à temps incertain borné, c'est-à-dire des systèmes dont les temps d'attente dans les états ne sont plus fixes mais appartenant à des intervalles. Enfin, l'utilisation de ces deux méthodes est illustrée sur un exemple en s'appuyant sur des données réelles de la chaîne de production.

The objective of this thesis, funded as a CIFRE contract with STMicroelectronics Crolles, is to develop methodologies and decision support tools that allow the efficient management of production flows in the Crolles300 plant by detecting, as early as possible, any slowdowns or even delays in an automated production line for all products. In this work, we first describe how semiconductor factories operate, how planning is performed on complex production lines and how planning softwares actually create production plans. This industrial business is subject to a strong variability and the analysis of this variability has led us to assert that the detection of time drifts between the real production flow and the plan could be only achieved by comparing flows at the elementary operational level of the production line. To solve this problem, we propose to define a set of formal model-based diagnostic methods over systems that can modeled as Timed Event Graph (TEG) in order to detect and localize time drifts. TEGs are a subclass of time Petri nets that graphically represent (max,+)-linear systems. Two detection methods are then proposed. The first one is based on (max,+) observers that estimate the current state of the system facing time disturbances. This method can also be used to localize time drifts in (max,+)-linear systems. The second proposed method applies to linear (max,+)-systems with bounded uncertain time, i.e. systems whose waiting time in state is no longer punctual but belongs to a time interval. Finally, the use of both methods is illustrated on an example using real data from the production line.