Les Systmes MultiAgents pour la Gestion de Production

1
Les Systèmes Multi-Agents pour la Gestion de
Production

• Jean-Pierre Müller
• IIUN - Université de Neuchâtel
• jean-pierre.muller_at_unine.ch

2
Contenu

• Les problèmes à résoudre
• Cahier des charges
• Solutions multi-agents
• Conclusion

3
Gestion de production descendante

• Décomposition en sous-problèmes
• Conception, ordonnancement, production, marketing
• La décomposition repose sur des connaissances de
  moyen et long termes
• Prévision des marchés, produits et processus de
  longue durée
• Limites
• Plus difficile avec des cycles de vie courts
• La connaissance à moyen et long terme nest plus
  disponible
• Manque de flexibilité, adaptabilité

4
Gestion de production ascendante

• Réalisation de comportement globaux par
  auto-organisation
• Ordonnancement, optimalité, etc. comme phénomènes
  émergents
• Avantages
• Flexibilité, adaptabilité
• Peut reposer sur des prédictions locales/ciblées
• Limites
• Manque de compréhension de la conception de
  systèmes auto-organisants
• Sentiment de perdre le contrôle

5
Pourquoi les systèmes multi-agents?

• Agents comme entités autonomes
• Propres buts et objectifs
• Connectivité/communication
• Complétude
• Modélisation et résolution de problèmes des
  systèmes complexes
• Focus sur les interactions plutôt que les
  comportements individuels
• Adequat pour
• Des systèmes très complexes et hétérogènes
• Prise en compte de lauto-organisation

6
Ordonnancement dynamique

• Caractéristique du système cible
• Planification de type  Flow-shop  ou
   Job-shop 
• Prise en compte dynamique des modifications
• Lissage des centres de charge
• Les séquences des opérations dépendent des
  articles à produire
• Traitement des perturbations en mode interactif
• Fonction objectif à minimiser

7
Eco-résolution et optimisationLe modèle
Le problème à résoudre
Systèmes multi-agents
Optimisation par recuit simulé
8
Eco-résolution et optimisationLe recuit simulé
(I)

• Plusieurs sous-espaces de solutions
• Fonction f définie sur lespace de recherche
• Problème trouver une solution pour laquelle f
  est optimale

f
9
Eco-résolution et optimisationLe recuit simulé
(II)

• Proposition dun déplacement
• c1 gt c2
• Approche hill climbing
• si f(c1)f(c2) alors accepté
• sinon refusé
• Approche par recuit simulé
• si f(c1)f(c2) alors accepté
• sinon
• si rand0,1ltexp((f(c2)-f(c1))/T(k))
  alors accepté
• sinon refusé

10
Ordonnancement datelier flexible MARSA
11
MARSA le problème

• NP-complet
• Hypothèses
• Flow shop
• Modèle stationnaire
• Graphe d'actions séquence linéaire d'actions
• Objectif
• Minimisation des temps de réglage
• Minimisation des retards des ordres clients

12
MARSAdynamique globale

• les DCs demandent les ressources en essayant de
  placer leurs actions par ordre de précédence
• Les premières actions sont placées temporellement
  au hasard
• Les ressources calculent le nouvel état
• Les ressources décident daccepter ou non le
  nouvel état (recuit simulé)

13
Dynamique multi-agent les agents DC

• Accointances
• Ressources potentielles actions
• Comportement de satisfaction
• Rien
• Comportement d'insatisfaction
• Activation d'une action Ai
• Réactions aux messages
• si Ai alloué, activation de Ai1
• si DC rejeté (Ai refusé), activation de A1
• si Ai rejeté (dépassement date limite),
  réactivation de Ai

14
Dynamique multi-agent les agents ressource

• Accointances
• Ressources précédentes et suivantes
• CDs des actions potentielles
• Condition de satisfaction
• Tolerance0
• Comportement de satisfaction
• Rien
• Comportement d'insatisfaction
• si tous les CDs alloués et tolerance ! 0 alors
• Rejète un CD aléatoirement

15
Dynamique multi-agent les agents ressource

• Réaction aux messages génération d'un nouvel
  état
• Placement de l'action
• Détermination des dates (début et fin)
• si date de fin du CD dépasse la date limite,
  satisfaisant les contraintes
• Ejections d'autres CD
• Déplacement des actions sur la gauche
• Réaction aux effets de bord
• Décision
• si accepté, ressource informe les CDs de partir
• si refus, ressource informe le CD de partir
• si tolerance0, relaxation de la contrainte et
  placement du CD à la fin

16
Comment modéliser sous la forme dagents ?

• Chaque livraison -gt 1 Agent Livraison
• Gammes darticles -gt Opérations gérées par Agent
  Livraison
• Chaque centre de fabrication -gt 1 Agent Centre
• Planification -gt émerge par le placement des
  opérations dans les agents centres
• Chaque stocks -gt 1 Agent Stock
• Fonction Objectif -gt Information centralisée par
  un agent global

17
Fonction objectif (à minimiser)

• nb. commandes placées en retard ?(1,nc) Uj (1)
• retardement des commandes avec priorité ?(1,nc)
  ?j Uj (2)
• retard moyen 1/nc ?(1,nc) Tj (3)
• Coût à optimiser c1 (1) c2 (2) c3 (3)
• c1, c2, c3 sont des coefficients associés.

18
Agent Commande (1) généralité

• Création
• Quand une commande de livraison est arrivée au
  SMA
• Par la plate-forme
• Destruction
• Quand sa dernière opération est terminée (la
  fabrication est finie).
• Par lagent lui-même
• Objectif Assurer que toutes ses opérations sont
  placées sur les centres.

19
Agent Commande (2) Comportement

• Comportement proactif
• Envoyer ses opérations à placer vers les agents
  centres pour quils puissent les placer
• Comportement réactif
• Recevoir des perturbations (messages) et traiter
• la modification sur le délai
• insertion/suppression des opérations
• opération rejetée par les centres

20
Agent Commande (3) Opérations

• Opération créé avec l'agent commande
• Valeurs initialement données
• durée dexécution, séquence (op-avant, op-après),
  centre
• Valeurs calculées par Agent Commande
• temps-plus-tôt valeur estimée pour la fin
  dexécution (au plus tôt) de lopération avant,
  ou 0 ( maintenant)
• temps-plus-tard pour respecter le délai, valeur
  estimée pour le début dexécution de lopération
  daprès

21
Agent Centre (1) généralité

• Création
• Au moment de linitialisation de la plate-forme.
• Par la plate-forme
• Destruction
• Quand le message de destruction arrive.
• Par lagent lui-même.
• Objectif Placer le maximum dopérations
  possibles
• Maximiser le taux dutilisation

22
Agent Centre (2) comportement

• Comportement proactif
• trouver une place pour mettre lopération
  demandée sans surcharge
• Comportement réactif sil y a une perturbation
• i.e., une nouvelle opération à placer ou demande
  de retirer des opérations déjà placées,
• retirer lopération et la rendre à lagent
  commande.
• Prise de décision placer ou rejeter une
  opération par recuit simulé

23
Interaction

• Exemple d interaction pendant le traitement de
  nouvelle livraison

Black Board
Introduction nouvelle commande
Demande évaluation de la fonction objectif
Confirmation, livraison en retard
Opération à placer
Agents Centres
Agents Commandes
Confirm. Date-debut
Rejet opération
24
Perspectives

• Actuellement
• Le système multi-agent est sur un serveur
• Distribution
• Mettre les agents (Stock et centre) dans les
  applications clients sur les centres de charge et
  les magasins
• A faire
• Gestion des machines des centres de charges
  (contrôle de production
• Utilisation pour faire les offres (délais de
  livraison)

25
Conclusion

• Les systèmes multi-agents
• Pour les systèmes complexes
• Pour la modèlisation, résolution et organisation
  des systèmes de support
• Méthodologie de conception pour la résolution de
  problèmes par émergence
• Application à des problèmes réels de gestion de
  production
• Permet lintégration dentreprise (entreprise
  virtuelle)