Modélisation et représentation immersive de la performance d'une chaine d'assemblage finale aéronautique pour l'évaluation des impacts des risques et opportunités auxquelles elle est soumise.

Modeling and immersive representation of the performance of an aeronautical final assembly line to assess the impact of the risks and opportunities to which it is subject.

• Auteur / Autrice : Camélia Bellepeau
• Direction : Frédérick Benaben, Benoit Montreuil
• Type : Projet de thèse
• Discipline(s) : Informatique et Génie Industriel
• Date : Inscription en doctorat le 01/11/2023
• Etablissement(s) : Ecole nationale des Mines d'Albi-Carmaux
• Ecole(s) doctorale(s) : École doctorale Systèmes
• Partenaire(s) de recherche : Laboratoire : CGI - Centre de Génie Industriel
• Partenaire(s) de recherche : Equipe de recherche : SGC - Sécurité et Gestion de Crise

Mots clés

Mots clés libres

Aide à la décision

Gestion de la performance

Science des données

Technologie Immersive

Intelligence Artificielle

Data Science

Artificial Intelligence

Performance Management

Immersive Technology

Decision Support

Résumé

Le projet doctoral concerne l'étude et la définition d'un modèle descriptif de la performance d'une chaîne d'assemblage finale dans le domaine aéronautique. Ce modèle est destiné à permettre de formaliser d'une part les attributs représentatifs du système observé, et d'autre part les caractéristiques de son environnement significatif. Par ailleurs, ce modèle est destiné à représenter les indicateurs permettant d'évaluer la performance de la chaîne d'assemblage observée selon les principes de la « Physique des Décisions » (POD) et selon une approche de visualisation de trajectoire de performance, utilisant les technologies. Ce projet doctoral s'articulera autour de trois composantes principales : - La modélisation formelle de la chaîne d'assemblage finale et de sa performance : Tout d'abord, le modèle construit devra s'appuyer sur un modèle de référence réalisé en utilisant un outil de simulation approprié. Ce modèle de simulation de référence est destiné à permettre de vérifier les hypothèses qui seront faites au fur et à mesure et à valider la crédibilité et la qualité du modèle construit (même si par ailleurs les hypothèses pourront aussi être soutenues par les données historiques du système). Ensuite, ce modèle sera basé sur l'étude approfondie des attributs du système étudié (par attribut on entend les variables natives et potentiellement contrôlables de la chaîne d'assemblage) afin de déterminer le juste ensemble de ces attributs. Similairement, ce modèle sera également basé sur l'étude approfondie des caractéristiques significatives de l'environnement du système observé (par caractéristiques significatives on entend les variables de l'environnement et des composants d'environnement dont les valeurs influencent le comportement du système). Enfin, ce modèle intègrera une hiérarchie d'indicateurs de performance représentatifs de la performance du système. Cette hiérarchie d'indicateurs décrit comment les indicateurs les plus fins se composent pour constituer les indicateurs de plus hauts niveaux, jusqu'à la performance elle-même, racine de cet arbre hiérarchique d'indicateurs. - La définition des mécanismes d'impact des risques et opportunités : La prise en charge de la dynamique comportementale et des effets cascades inhérents au système spécifiquement observé implique d'être en mesure de définir comment des risques ou des opportunités peuvent modifier le système et sa performance. Pour ce faire, une première phase concernera l'identification et la définition des risques et opportunités associées au système étudié. Cette phase reposera sur (i) l'étude des données historiques, autant que sur (ii) la conduite d'interviews ou (iii) l'analyse systémique de la chaîne d'assemblage. Une deuxième phase concernera la traduction de ces risques et opportunités en termes de variations des attributs du système et des caractéristiques de son environnement. Enfin, la troisième phase relèvera de l'utilisation d'approches, techniques et outils à définir ou à choisir pour être en mesure de projeter les impacts quantitatifs des risques et opportunités sur les indicateurs de performances. L'objectif crucial est de travailler dans l'espace de performance du système observé (i.e. l'espace multi-dimensionnel dont les dimensions sont les indicateurs de performance du système et dans lequel la performance du système est observée comme une trajectoire), et d'être en mesure de transformer les variations d'attributs ou de caractéristiques en champs de forces dans cet espace de performance, influençant la trajectoire de performance. - L'exploitation du modèle de gestion de la performance : L'application des résultats obtenus à la chaîne d'assemblage finale doit permettre de mettre en évidence un bénéfice tangible et concret. On pourra par exemple envisager les pistes d'exploitation suivantes : • Aide à la décision par optimisation. • Aide à la définition d'objectifs. • Mesure de résilience.

The doctoral project concerns the study and definition of a descriptive model of the performance of a final assembly line in the aeronautical field. This model is intended to formalize the attributes of the observed system, on the one hand, and the characteristics of its significant environment, on the other. In addition, this model is intended to represent the indicators used to evaluate the performance of the observed assembly line, according to the principles of the 'Physics of Decisions' (POD) and a performance trajectory visualization approach, using the technologies. This doctoral project will focus on three main components: - Formal modeling of the final assembly line and its performance: Firstly, the model built will have to be based on a reference model produced using an appropriate simulation tool. This reference simulation model is intended to enable us to verify the assumptions that will be made as we go along, and to validate the credibility and quality of the model built (even though the assumptions may also be supported by historical system data). Next, this model will be based on an in-depth study of the attributes of the system under study (by attributes we mean the native and potentially controllable variables of the assembly line) in order to determine the right set of these attributes. Similarly, this model will also be based on an in-depth study of the significant characteristics of the observed system's environment (by significant characteristics we mean the environmental variables and components whose values influence the system's behavior). Finally, this model will incorporate a hierarchy of performance indicators representative of system performance. This hierarchy of indicators describes how the finest indicators combine to form the highest-level indicators, right up to performance itself, the root of this hierarchical tree of indicators. - Defining the impact mechanisms of risks and opportunities: Taking into account the behavioral dynamics and cascading effects inherent in the system specifically observed means being able to define how risks or opportunities can modify the system and its performance. To do this, the first phase involves identifying and defining the risks and opportunities associated with the system under study. This phase will be based on (i) the study of historical data, as much as on (ii) interviews or (iii) systemic analysis of the assembly line. A second phase will involve translating these risks and opportunities into terms of variations in the system's attributes and the characteristics of its environment. Finally, the third phase will involve the use of approaches, techniques and tools to be defined or chosen in order to be able to project the quantitative impacts of risks and opportunities on performance indicators. The crucial objective is to work in the performance space of the observed system (i.e. the multi-dimensional space whose dimensions are the system's performance indicators, and in which the system's performance is observed as a trajectory), and to be able to transform variations in attributes or characteristics into force fields in this performance space, influencing the performance trajectory. - Exploitation of the performance management model: The application of the results obtained to the final assembly line should reveal tangible, concrete benefits. For example, the following applications could be considered: - Decision support through optimization. - Help in defining objectives. - Resilience measurement. Translated with www.DeepL.com/Translator (free version)