620 likes | 696 Views
Mardi 10 Décembre 2013. ORCA : Architecture hybride pour le contrôle de la myopie dans le cadre du pilotage des Systèmes Flexibles de Production. Cyrille PACH. Thèse dirigée par Damien Trentesaux (Pr TEMPO-PSI) et co -encadrée par Thierry Berger (MCF TEMPO-PSI)
E N D
Mardi 10 Décembre 2013 ORCA : Architecture hybride pour le contrôle de la myopie dans le cadre du pilotage des Systèmes Flexibles de Production Cyrille PACH Thèse dirigée par Damien Trentesaux (Pr TEMPO-PSI) et co-encadrée par Thierry Berger (MCF TEMPO-PSI) Emmanuel Adam (MCF LAMIH-DIM)
Plan de la présentation • Contexte et objectifs • Etat de l’art • Le problème de myopie • Le contrôle de la myopie • Typologie des architectures hybrides • Proposition d’une architecture et d’un modèle génériques • L’architecture générique ORCA • Nécessité d’un modèle de représentation d’ORCA • Le modèle holonique Holo-Gen • Application d’ORCA aux FMS • Positionnement d’ORCA-FMS • L’architecture ORCA-FMS • Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen • Mise en œuvre et validation d’ORCA-FMS • Intégration de la gestion de l’énergie dans ORCA-FMS • Conclusion et perspectives
Plan de la présentation • Contexte et objectifs • Etat de l’art • Le problème de myopie • Le contrôle de la myopie • Typologie des architectures hybrides • Proposition d’une architecture et d’un modèle génériques • L’architecture générique ORCA • Nécessité d’un modèle de représentation d’ORCA • Le modèle holonique Holo-Gen • Application d’ORCA aux FMS • Positionnement d’ORCA-FMS • L’architecture ORCA-FMS • Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen • Mise en œuvre et validation d’ORCA-FMS • Intégration de la gestion de l’énergie dans ORCA-FMS • Conclusion et perspectives
Contexte Scientifique Systèmes de transport Chaînes logistiques Recherche Opérationnelle Pilotage Intelligent des Systèmes de Production Flexibles Systèmes Multi-Agents Pilotage des Systèmes Complexes Systèmes manufacturiers Systèmes sociaux Système Boursier Lignes de Production • Systèmes de Production • de Biens et Services Systèmes Hospitaliers Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Systèmes biologiques
Contexte industriel Environnement industriel fortement changeant (variation de la demande, énergie variable, mass customization…) Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Les architectures actuelles Performances optimales (ou proches) en régime déterministe Réactivité et capacité d’adaptation importante Difficulté à réagir en cas de perturbation ou d’incertitude Performance globale insuffisante en régime déterministe Architectures de pilotage hiérarchique Architectures de pilotage hétérarchique (Buzacott & Yao, 1986) (Tharumarajah, 1996) (Kenneth et al., 1995) (Babiceanu & Chen, 2006) (Nagalingam & Lin, 2008) (Lee & Kim, 2008) Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion (Scattolini, 2009) (Ounnar & Pujo, 2010)
Objectifs • Quelle est la cause du manque de performance des architectures de pilotage hétérarchique ? • Comment remédier à ce manque de performance ? Performances en régime non-perturbé Meilleures Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Moins Bonnes Performances en régime perturbé Meilleures Moins Bonnes
Plan de la présentation • Contexte et objectifs • Etat de l’art • Le problème de myopie • Le contrôle de la myopie • Typologie des architectures hybrides • Proposition d’une architecture et d’un modèle génériques • L’architecture générique ORCA • Nécessité d’un modèle de représentation d’ORCA • Le modèle holonique Holo-Gen • Application d’ORCA aux FMS • Positionnement d’ORCA-FMS • L’architecture ORCA-FMS • Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen • Mise en œuvre et validation d’ORCA-FMS • Intégration de la gestion de l’énergie dans ORCA-FMS • Conclusion et perspectives
Identification du problème Les Systèmes de Production Flexibles sont composés d’entités dans le cadre d’un pilotage intelligent. • Entité : terme générique faisant référence à une unité autonome capable de communiquer, prendre des décisions et agir (Trentesaux, 2009). • Les décisions de pilotage dans ces systèmes sont : • prises de manière distribuée par les entités du système. • basées sur l’information locale à la disposition des entités. • pas forcément optimales au regard du système global. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Etat de l’art dans d’autres domaines • Manque de « visibilité » des entités d’un système de production flexible. • Synthèse de l’état de l’art dans d’autres domaines : • Médecine : (Larousse, 2013) • Economie : (Langer & Weber, 2005) • Analyse du comportement Humain : (Reb & Connolly 2009) • Marketing : (Johnston, 2009) • Robotique mobile : (Mataric, 1992) • Programmation dynamique : (Puterman, 1987) • Proposition d’une définition de la myopie dans les systèmes de production flexibles. Myopie Myopicloss aversion Myopic regret avoidance Boundary & CapabitiliyMyopia Myopia Myopic Policy Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion La myopie représente le manque d’information d’une entité sur son futur et celui des autres entités du système. (Pach et al., 2011)
Exemple de myopie R1 S3 S3 (S3) R2 (S3) R3 Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion R4 Ressource Entité décisionnelle (Produit) (Pach et al., 2011)
Le contrôle de la myopie Etudes de solutions existantes • Spécifiques au cas d’étude Simulation (Cardin & Castagna, 2009) Information Unit (Cavalieri et al., 2000) Autonomous Control Entity (Ounnar et al., 2008) • Prônent un contrôle hiérarchique Comparaison entre architecture hétérarchique et hiérarchique (Brennan 2000) Ajout de niveaux hiérarchiques (Sunderesh 2002,) Holon superviseur d’ADACOR (Leitão & Restivo, 2006) • mixent hétérarchie et hiérarchie : hybride Interaction hiérarchique Interaction hétérarchique Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Architecture hiérarchique Architecture hybride Architecture hétérarchique
Typologie des approches hybrides Hétérogène Homogène 1er axe de la typologie : le dynamisme du pilotage possibilité d’évolution de l’architecture de pilotage ou non ? Böhnlein et al., 2011 Chu et al., 2003 Cox & Durfee, 2003 Ottaway & Burns, 2000 Ou-Yang & Lin, 1998 Tawegoum et al., 1994 Cardin et al., 2013 Rolon & Martinez, 2012 Yang et al., 2008 Heragu et al., 2002 Maturana et al., 1999 Trentesaux et al., 1998 Parunak et al., 1985 • 2e axe de la typologie : l’homogénéité du pilotage • le pilotage est-il identique pour toutes les entités du système ou non ? Statique Novas et al., 2012 Raileanu et al., 2011 Barbosa et al., 2011 Zambrano et al., 2011 Valckenaers et al., 2007 Dynamique Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Spécifications Besoin d’une architecture générique • Applicable à différents domaines. • Applicable à de nombreux cas d’études. Besoin d’une architecture réactive et optimisée • Architecture hybride pour bénéficier des avantages de la hiérarchie et de l’hétérarchie. • Architecture dynamique et hétérogène pour pouvoir réagir en limitant la dégradation de la performance globale. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Plan de la présentation • Contexte et objectifs • Etat de l’art • Le problème de myopie • Le contrôle de la myopie • Typologie des architectures hybrides • Proposition d’une architecture et d’un modèle génériques • L’architecture générique ORCA • Nécessité d’un modèle de représentation d’ORCA • Le modèle holonique Holo-Gen • Application d’ORCA aux FMS • Positionnement d’ORCA-FMS • L’architecture ORCA-FMS • Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen • Mise en œuvre et validation d’ORCA-FMS • Intégration de la gestion de l’énergie dans ORCA-FMS • Conclusion et perspectives
Composition d’ORCA Architecture for an Optimized and Reactive Control (Pach et al., 2013) Couche de Contrôle Global Mode Exécutant Optimiseur Global Optimiseur Local 1 Optimiseur Local i Couche de Contrôle Local Optimiseur Local n Mode Autonome Couche Système Elément Système 1 • Elément Système i • Elément Système n Entité i Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Comment mettre en œuvre ? Systèmes Logistiques Systèmes Flexibles de Production Systèmes Hospitaliers • Comment faciliter la mise en œuvre des concepts d’ORCA sur un cas d’application ? • Modélisation des entités pour la mise en œuvre Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Vers un modèle holonique • Différents modèles permettent de représenter notre architecture : holonique, bionique, multi-agents, fractal… • L’intérêt du modèle holonique n’est plus à prouver depuis PROSA ( Van Brussel et al., 1998). • Pour ORCA, les modèles holoniques existants nécessitent une adaptation. • Proposition d’un modèle holonique plus générique Holo-Gen : • Structurel • Comportemental • Interactionnel Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Modèle structurel H1 H1.1 H1.2 H1.1.1 H1.2.1 H1.2.2 φ1 φ2 φ3 φ Elément Physique Ordre/recommandation de Pilotage Couche Pilotage Couche Pilotée Interactions Inter-Holon Retour d’Information Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Modèle comportemental Les comportements des holons sont décrits par la notion de rôle.(Pach et al. 2011) Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Modèle interactionnel • Les interactions sont modélisées par la notion de service. • Basée sur la théorie générale des systèmes (Le Moigne, 1994) Services d’un Holon SE SF ST Espace Forme Temps SFP SEI SEP SFI STI STP Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Informationnel Physique
Plan de la présentation • Contexte et objectifs • Etat de l’art • Le problème de myopie • Le contrôle de la myopie • Typologie des architectures hybrides • Proposition d’une architecture et d’un modèle génériques • L’architecture générique ORCA • Nécessité d’un modèle de représentation d’ORCA • Le modèle holonique Holo-Gen • Application d’ORCA aux FMS • Positionnement d’ORCA-FMS • L’architecture ORCA-FMS • Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen • Mise en œuvre et validation d’ORCA-FMS • Intégration de la gestion de l’énergie dans ORCA-FMS • Conclusion et perspectives
Positionnement d’ORCA-FMS Niveau Stratégique ERP … Planification Logistique Gestion des Stocks Maintenance … … Niveau Pilotage 2 MES Expéditions * Approvisionnement Gestion Coûts Produits Gestion Matière ORCA-FMS Ordonnancement Niveau Pilotage 1 Conduite Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Niveau Contrôle Commande Niveau Physique Système Physique
Architecture ORCA-FMS Allocation des produits Allocation des produits Routage des produits Mode Exécutant Mode Autonome Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Fonctionnement d’ORCA-FMS Basculement « Retour » Entité Produit attend un produit physique Produit physique lié à l’entité produit Analyse de la situation Basculement Situation conforme Situation non conforme Allocation réactive Allocation prédictive Ressource choisie Produit non fini Ressource choisie Routage & exéc. par la ressource Routage & exéc. par la ressource Produit non fini Opération terminée Opération terminée Opération suivante Opération suivante Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Produit fini Produit fini Mode Autonome Mode Exécutant
Entité ressource avec Holo-Gen Gestion Entité Ressource SEI SEP Transitique Communication SFI Traitement SFP Usinage Cressource= { Performance - Economie, Gestion Rôles) STI Mémorisation STP Stockage Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Vers la mise en œuvre Optimiseur Local 2 Stock + File + robot Entité Ressource 1 Holo-Gen facilite la mise en œuvre d’ORCA-FMS sur une cellule réelle Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Plan de la présentation • Contexte et objectifs • Etat de l’art • Le problème de myopie • Le contrôle de la myopie • Typologie des architectures hybrides • Proposition d’une architecture et d’un modèle génériques • L’architecture générique ORCA • Nécessité d’un modèle de représentation d’ORCA • Le modèle holonique Holo-Gen • Application d’ORCA aux FMS • Positionnement d’ORCA-FMS • L’architecture ORCA-FMS • Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen • Mise en œuvre et validation d’ORCA-FMS • Intégration de la gestion de l’énergie dans ORCA-FMS • Conclusion et perspectives
Choix de mise en œuvre ModèleLinéaire (PLNE) Champs de Potentiel Cellule AIP PRIMECA VALENCIENNES Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion ProduitActif Ressource Active
Mise en œuvre du PLNE Calcul Cmax Calcul Cmax Précédence Opérations Précédence Opérations Temps Transport Temps Transport Allocation Opérations Solveur Cplex Allocation Opérations Liaison Ordo Job et Ordo local machine Liaison Ordo Job et Ordo local machine NomOpération Produit Paramètres Limitation du nombre de jobs selon capacité système de transport Identifiant de la ressource conseillée Limitation du nombre de jobs selon capacité système de transport Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Mise en œuvre Champs de Potentiel S1 S2 S3 R1 R2 R3 Champs de potentiel S1 ? Champs de potentiel S2 Champs de potentiel S3 Niveau Physique (S1) (S2) P1 Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion P1 Produit R1, R2, R3 Ressource (S1, S3) S1, S2, S3 Service (Pach et al., 2012)
Produit Actif (Sallez et al., 2010) • Gestion Produit • Actif Eeepc Produit Passif φ Navette φ + RFID φ Produit Passif Contrôle Navette Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Navette + RFID
Ressource Active Fileφ Stock File Robot • Stockφ • Robotφ Contrôle Stock Contrôle Robot Contrôleur Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion • Gestion Ressource • Active Contrôle File API
Validations • par simulation et par expérimentation • sur le cas d’étude de l’AIP PRIMECA Valenciennes Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Protocole Expérimental Cmax Régime normal • Etude des couches locale et globale #1 PLNE CP • Cmax régime normal 15 % d’écart • Temps de résolution #2 • Temps de bonne solution #3 Recalcul PLNE CP • Etude ORCA-FMS #4 • Cmax régime perturbé PLNE > 1 heure Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion PLNE : Programme Linéaire à Nombre Entiers CP : Champs de Potentiel
R2 en panne Produits Basculements individuels #6: I #5: P Mode Autonome #4: A Mode Exécutant #3: I #2: A Mode Exécutant #1: P Temps (secondes) R2 en panne R2 en panne • Produits • Produits #6: I #6: I #5: P #5: P #4: A #4: A Mode Autonome Comportement Optimal #3: I #3: I #2: A #2: A #1: P #1: P R2 en panne Produits Temps (secondes) Temps (secondes) #6: I #5: P #4: A Recalcul Mode Exécutant Mode Exécutant #3: I #2: A #1: P Temps (secondes) Expérimentations Optimal 388 ORCA-FMS CP 376 405 PLNE Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion 3600+ 3600+
Synthèse des expérimentations ORCA-FMS peut être mise en œuvre sur un système industriel réel via le modèle Holo-Gen. ORCA-FMS permet de piloter notre système de façon optimisée et réactive sur les scénarios testés. Comment étendre ORCA-FMS pour intégrer de nouvelles contraintes ? Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Plan de la présentation • Contexte et objectifs • Etat de l’art • Le problème de myopie • Le contrôle de la myopie • Typologie des architectures hybrides • Proposition d’une architecture et d’un modèle génériques • L’architecture générique ORCA • Nécessité d’un modèle de représentation d’ORCA • Le modèle holonique Holo-Gen • Application d’ORCA aux FMS • Positionnement d’ORCA-FMS • L’architecture ORCA-FMS • Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen • Mise en œuvre et validation d’ORCA-FMS • Intégration de la gestion de l’énergie dans ORCA-FMS • Conclusion et perspectives
Intégration de l’énergie R1 R3 • Champs de • Potentiel Resources S1 • Intégration dans la couche de contrôle local d’ORCA : Extension du modèle de Champs de Potentiel pour intégrer la consommation d’énergie dans les décisions (Pach et al. ,2013). • Champs de • Potentiel • Produit P1 Niveau Physique (S1) P1 Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion (S1, S3)
Résultats Energie • En fonction de la charge du système gain de 12 à 40% d’énergie consommée, • Peu de variations au niveau du Cmax, • Possibilité de limiter le nombre de basculements si ressources « sensibles ». • Intégration d’une contrainte supplémentaire sans • travail de re-conception important. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Plan de la présentation • Contexte et objectifs • Etat de l’art • Le problème de myopie • Le contrôle de la myopie • Typologie des architectures hybrides • Proposition d’une architecture et d’un modèle génériques • L’architecture générique ORCA • Nécessité d’un modèle de représentation d’ORCA • Le modèle holonique Holo-Gen • Application d’ORCA aux FMS • Positionnement d’ORCA-FMS • L’architecture ORCA-FMS • Exemple de représentation d’entités d’ORCA-FMS avec Holo-Gen • Mise en œuvre et validation d’ORCA-FMS • Intégration de la gestion de l’énergie dans ORCA-FMS • Conclusion et perspectives
Conclusions Myopie • La myopie est présente dès qu’une architecture de pilotage permet une prise de décision distribuée sur de l’information locale. • Cette myopie est la cause principale du manque de performance d’un système non hiérarchique et doit être corrigée si on veut améliorer la performance globale du système. • A l’opposé, les entités myopes possèdent une réactivité importante. • La myopie est donc le levier qui permet de balancer réactivité et performance globale. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Performance Réactivité
Conclusions ORCA-FMS • ORCA-FMS permet de contrôler la myopie des entités du système pour conserver performances globales et réactivité dans notre cas d’étude. • Possibilité d’intégrer des contraintes supplémentaires comme la gestion de l’énergie. • ORCA-FMS a été mise en œuvre sur un système industriel. • Ce type d’architectures est utilisable dans de nombreux cas d’études et domaines. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Perspectives ORCA-FMS Utiliser d’autres approches méta-heuristiques… Utiliser d’autres approches DMAS, coopération… Tester d’autres cellules ou systèmes physiques Obtenir les résultats d’autres approches sur le cas d’étude utilisé notamment grâce au benchmark proposé (Trentesaux et al., 2013) Tester d’autres scénarios, plus complexes, avec des pannes différentes… Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Perspectives ORCA ORCA-ED : Projet ANR HOST Situations de crises dans un service d’urgences ORCA-PI : Projet ARI π-NUTS Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion Allocation des camions /trains au cross-dock
Autres Perspectives • Approfondir l’étude du mécanisme de basculement retour (hétérarchique / hiérarchique). • Etudier la compatibilité entre entités en mode autonome et en mode exécutant. • Explorer la myopie dans d’autres fonctions du MES (ex. qualité, approvisionnement) ou de l’ERP (ex. planification, logistique). • Mettre en œuvre ORCA-FMS à l’aide d’un langage acteur, adapté aux systèmes distribués, tel que Erlang, Scala, JavAct… • Mettre en œuvre ORCA-FMS sur un système réellement implanté en industrie et connecté au marché. Contexte Etat de l’art ORCA ORCA-FMS Validation Energie Conclusion
Références 1 Babiceanu, R.F., Chen, F.F., 2006. Development and Applications of Holonic Manufacturing Systems: A Survey. Journal of Intelligent Manufacturing 17, pp.111–131. Böhnlein, D., Schweiger, K., Tuma, A., 2011. Multi-agent-based transport planning in the newspaperindustry. International Journal of Production Economics, vol. 131, no. 1, pp. 146–157,. Brennan, R. W., 2000. Performance comparison and analysisof reactive and planning-based control architectures for manufacturing », Robotics and Computer Integrated Manufacturing 16, pp.191-200 Buzacott, J.A., Yao, D.D., 1986. Flexible manufacturing systems: a review of analytical models. Management Science, pp. 890–905. Cardin, O. Castagna, P. , 2009. Using Online Simulation in Holonic Manufacturing Systems. Engineering Applications of Artificial Intelligence 22, pp.1025–1033. Cavalieri, S., Garetti, M., Macchi, M., Taisch, M., 2000. An experimental benchmarking of two multi-agent architectures for production scheduling and control. Computers In Industry 43, pp.139–152. Cox, J. S., Durfee, E. H., 2003. Discovering and exploitingsynergybetweenhierarchical planning agents. Proceedings of the second international joint conference on Autonomous agents and multiagentsystems, pp. 281–288. Christensen, J.H., 1994. Holonic manufacturing systems: initial architecture and standards directions. Proceedings of the first European Workshop in Holonic Manufacturing Systems. Heragu, S. S., Graves, R. J., Byung-In Kim, St Onge, A., 2002. Intelligent agent based framework for manufacturing systems control. IEEE Transactions on Systems, Man and Cybernetics part A, vol. 32, no. 5, pp. 560–573.
Références 2 J. Jarvis, R. Rönnquist, D. McFarlane, L. Jain, « A Team-Based Approach to Robotic Assembly Cell Control ». Journal of Network and Computer Applications 29, 160-176, (2006) Johnston, K. ,2009. Extending the marketing myopia concept to promote strategic agility. Journal of Strategic Marketing 17: 2, pp.139-148. Kenneth, N.M., Frank, R.S., Buzacott, J.A., 1995. A review of hierarchical production planning and its applicability for modern manufacturing. Production Planning Control 6, pp. 384–394. Lee, J.H., Kim, C.O., 2008. Multi-agent systems applications in manufacturing systems and supply chain management: a review paper. International Journal of Production Research 46, pp. 233–265. Leitão, P., Alves, J., Pereira, A.I., 2010. Solving myopia in real-time decision-making using Petri nets models’ knowledge for service-oriented manufacturing systems. Preprints of the IFAC Workshop on Intelligent Manufacturing Systems (IMS’10). Lisboa, Portugal. pp. 155–160. Leitão, P., Restivo, F., 2006. ADACOR: A holonic architecture for agile and adaptive manufacturing control. Computers In Industry 57, pp.121–130. Nagalingam, S.V., Lin, G.C.I., 2008. CIM-still the solution for manufacturing industry. Robot.ics Computers Integrated Manufacturing 24, pp. 332–344. Langer, T., Weber, M., 2005. Myopic prospect theory vs. myopic loss aversion: how general is the phenomenon? Journal of Economic Behavior & Organization 56, pp. 25–38. Mataric, J., 1992. Minimizing complexity in controlling a mobile robot population. Proceedings of the IEEE International Conference on Robotics and Automation1, pp. 830-835.
Références 3 Maturana, F., Shen, W., Norrie, D. H., 1999. MetaMorph: an adaptive agent-based architecture for intelligent manufacturing. International Journal of Production Research, vol. 37, no. 10, pp. 2159–2173. Novas, J. M., Van Belle, J., Saint Germain, B., Valckenaers, P., 2013. A Collaborative Framework between a Scheduling System and a Holonic Manufacturing Execution System”. Service Orientation in Holonic and Multi-agent Manufacturing and Robotics,Studies in Computer Intelligence 472, Springer Verlag, DOI: 10.1007/978-3-642-35852-4_1. Ottaway, T.A., Burns, J. R., 2000. An adaptive production control system utilizing agent technology. International Journal of Production Research, vol. 38, no. 4, pp. 721–737. Ounnar, F., Pujo, P., 2010. Isoarchic and Multi-criteria Control of Supply Chain Network, Benyoucef, L., Grabot, B. (Eds.), Artificial Intelligence Techniques for Networked Manufacturing Enterprises Management. Springer London, London, pp. 161–180. Ounnar, F., Pujo, P., Mekaouche, L., Giambiasi, N., 2008. Integration of a flat holonic form in an HLA environment. J. Intell. Manuf. 20, pp. 91–111. Ou-Yang, C., Lin, J. S. , 1998. The development of a hybridhierarchical/heterarchical shop floor control system applyingbiddingmethod in job dispatching,. Robotics and Computer-IntegratedManufacturing, vol. 14, no. 3, pp. 199–217. Parunak, H. V. D., Irish, B. W. , Kindrick, J., Lozo, W., 1985. Fractal actors for distributedmanufacturing control. The engineering of knowledge-basedsystems, pp. 653–660. Puterman, M.L., 1987. Dynamic Programming, in: Encyclopedia of Physical Science and Technology. Academic Press, pp. 438–463.