Les Systèmes Multi-Agents 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@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 n’est 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 l’auto-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 optimisation:Le modèle Le problème à résoudre Systèmes multi-agents Optimisation par recuit simulé

8. Eco-résolution et optimisation:Le recuit simulé (I) • Plusieurs sous-espaces de solutions • Fonction f définie sur l’espace de recherche • Problème: trouver une solution pour laquelle f est optimale f

9. Eco-résolution et optimisation:Le recuit simulé (II) • Proposition d’un déplacement: • c1 => 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 rand[0,1]<exp((f(c2)-f(c1))/T(k)) alors accepté • sinon refusé

10. Ordonnancement d’atelier 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. MARSA:dynamique 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 d’accepter 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 Ai+1 • 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 • Tolerance=0 • 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 tolerance=0, relaxation de la contrainte et placement du CD à la fin

16. Comment modéliser sous la forme d’agents ? • Chaque livraison -> 1 Agent Livraison • Gammes d’articles -> Opérations gérées par Agent Livraison • Chaque centre de fabrication -> 1 Agent Centre • Planification -> émerge par le placement des opérations dans les agents centres • Chaque stocks -> 1 Agent Stock • Fonction Objectif -> 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 l’agent 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 qu’ils 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 d’exécution, séquence (op-avant, op-après), centre • Valeurs calculées par Agent Commande • temps-plus-tôt : valeur estimée pour la fin d’exécution (au plus tôt) de l’opération avant, ou 0 (= maintenant) • temps-plus-tard : pour respecter le délai, valeur estimée pour le début d’exécution de l’opération d’après

21. Agent Centre (1) : généralité • Création : • Au moment de l’initialisation de la plate-forme. • Par la plate-forme • Destruction : • Quand le message de destruction arrive. • Par l’agent lui-même. • Objectif : Placer le maximum d’opérations possibles • Maximiser le taux d’utilisation

22. Agent Centre (2) : comportement • Comportement proactif : • trouver une place pour mettre l’opération demandée sans surcharge • Comportement réactif : s’il y a une perturbation • i.e., une nouvelle opération à placer ou demande de retirer des opérations déjà placées, • retirer l’opération et la rendre à l’agent 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 l’intégration d’entreprise (entreprise virtuelle)