Stratégies d'intégration du processus de cadenassage/décadenassage en production manufacturière intelligente : vers la santé, sécurité et environnement (SSE) 4.0

Delpla, Victor (2024). Stratégies d'intégration du processus de cadenassage/décadenassage en production manufacturière intelligente : vers la santé, sécurité et environnement (SSE) 4.0. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (14MB) | Prévisualisation

Résumé

Cette thèse explore des stratégies d'intégration des procédures de cadenassage/décadenassage (Lockout-Tagout / LOTO) dans un environnement manufacturier intelligent, visant à améliorer la santé, la sécurité et l'environnement dans le cadre de la transition vers l’Industrie 4.0. Le LOTO est une procédure de sécurité utilisée pour garantir que les machines soient correctement arrêtées et ne puissent pas être redémarrées avant la fin des travaux de maintenance. L'objectif principal est d'apporter des solutions concrètes aux défis rencontrés dans l'industrie manufacturière pour la planification, la préparation et l’exécution des procédures LOTO.

Une politique conjointe de production, maintenance et LOTO opérationnel a été proposée, avec le développement d'un modèle sur la théorie du contrôle optimale stochastique et utilisant les équations de Hamilton-Jacobi-Bellman. Les résultats montrent une réduction significative des coûts de production grâce à l'inclusion du LOTO opérationnel. De plus, un outil de gestion de la production et de la maintenance de gestion a été obtenu.

L'assistance à la rédaction des procédures LOTO a été abordée avec l'utilisation de l'apprentissage machine et de l’apprentissage profond. Des algorithmes de classification multitâches ont été employés pour prédire les dispositifs à verrouiller à partir des noms de machines. Le temps nécessaire à l’élaboration des procédures LOTO diminue, mais cette assistance de rédaction se restreint aux machines simples. Les machines complexes nécessitent encore une intervention humaine en raison de la criticité du LOTO.

La fusion des procédures LOTO a été automatisée à l'aide d'un modèle d'optimisation en programmation non-linéaire en nombres entiers multi-objectifs, planifiant les trajets des équipes de maintenance en fonction des machines à verrouiller. L'utilisation d'algorithmes de résolution de problème de routage de véhicules a permis de réduire les déplacements des travailleurs et le temps de verrouillage de plus de 30%.

Des stratégies de LOTO intelligentes adaptées à l’environnement manufacturier ont également été développées. La première approche, basée sur la position géographique des dispositifs, permet aux équipes de se répartir géographiquement les dispositifs à verrouiller, maximisant l’utilisation des ressources humaines et réduisant le temps de verrouillage de 20%. La seconde approche est une approche dynamique du LOTO, où les procédures s’adaptent en temps réel aux imprévus, réduisant le temps de verrouillage de 30% dans les scénarios les plus difficiles.

Les technologies intelligentes, dans le contexte de l’Industrie 4.0, telles que l'Internet des Objets et l'Intelligence Artificielle peuvent considérablement améliorer les procédures LOTO en augmentant l'efficacité des opérations. Une réduction significative des temps de cadenassage, une meilleure gestion des ressources humaines et une amélioration de la continuité de la production sont possibles avec les stratégies proposées. Les résultats ont été développés et validés avec des études de cas réels provenant des partenaires industriels.

Titre traduit

Integration strategies for lockout/tagout processes in intelligent manufacturing: towards health, safety and environment (HSE) 4.0

Résumé traduit

This thesis explores strategies for integrating Lockout-Tagout (LOTO) procedures into an intelligent manufacturing environment, aiming to enhance health, safety, and environmental conditions during the transition to Industry 4.0. LOTO is a safety procedure used to ensure that machines are properly shut off and cannot be restarted before maintenance work is completed. The primary objective is to provide concrete solutions to the challenges faced in the manufacturing industry regarding the planning, preparation, and execution of LOTO procedures.

A joint policy for production, maintenance, and operational LOTO has been proposed, with the development of a model based on the stochastic optimal control theory and using Hamilton- Jacobi-Bellman equations. The results show a significant reduction in production costs due to the inclusion of operational LOTO. Additionally, a management tool for production and maintenance has been developed.

The assistance in drafting LOTO procedures was addressed using machine learning and deep learning. Multi-task classification algorithms were employed to predict the devices to lock out based on machine names. The time required to develop LOTO procedures decreases, but this drafting assistance is limited to simple machines. Complex machines still require human intervention due to the criticality of LOTO.

The fusion of LOTO procedures was automated using a multi-objective mixed-integer nonlinear programming optimization model, planning the routes of maintenance teams based on the machines to lock out. Using vehicle routing problem-solving algorithms reduced worker travel and locking time by more than 30%.

Intelligent LOTO strategies adapted to the manufacturing environment were also developed. The first approach, based on the geographical position of devices, allows teams to geographically distribute the devices to lock out, maximizing human resource utilization and reducing locking time by 20%. The second approach is a dynamic LOTO approach, where procedures adapt in real-time to unforeseen events, reducing locking time by 30% in the most challenging scenarios.

Intelligent technologies, in the context of Industry 4.0, such as the Internet of Things and Artificial Intelligence, can significantly improve LOTO procedures by increasing the efficiency of operations. A significant reduction in lockout times, better management of human resources, and improved production continuity are possible with the proposed strategies. The results have been developed and validated with real case studies from industrial partners.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thèse par articles présentée à l’École de technologie supérieure comme exigence partielle à l’obtention du doctorat en génie". Comprend des références bibliographiques (pages 215-239).
Mots-clés libres:	cadenassage/décadenassage, santé, sécurité, environnement, SSE, programmation dynamique stochastique, optimisation multi-objectif, simulation à évènements discrets, apprentissage machine, apprentissage profond
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Hof, Lucas
Codirecteur:	Codirecteur Kenné, Jean-Pierre
Programme:	Doctorat en génie > Génie
Date de dépôt:	12 févr. 2025 14:35
Dernière modification:	12 févr. 2025 14:35
URI:	https://espace.etsmtl.ca/id/eprint/3532

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt