A memetic ant colony system algorithm for multiple machine scheduling in additive manufacturing with orientation selection of parts and energy costs ​

Imaginez un atelier d'usine où les machines ne découpent pas de la matière pour façonner une pièce, mais la construisent plutôt, couche par couche, à partir d'un plan numérique. Il s'agit de la fabrication additive, un processus souvent appelé impression 3D, qui a révolutionné la façon dont nous créons tout, des composants aéronautiques aux implants médicaux. Parce que ces machines peuvent produire des formes complexes sans moules, elles offrent une incroyable flexibilité. Cependant, cette flexibilité s'accompagne d'un casse-tête logistique. Lorsqu'une usine dispose de plusieurs de ces machines fonctionnant simultanément, et qu'une commande importante de pièces différentes doit être réalisée, le gestionnaire doit décider de deux choses difficiles en même temps : quels éléments doivent être regroupés pour être imprimés dans un seul lot, et comment ces pièces doivent être pivotées sur le plateau de la machine pour en faire tenir le plus possible. De plus, ces machines sont de véritables gouffres énergétiques ; les lasers et les chauffages qui fusionnent le matériau consomment d'énormes quantités d'électricité, faisant du coût de fonctionnement une préoccupation majeure tant pour l'environnement que pour la rentabilité.

Pendant des années, des chercheurs ont tenté de résoudre ce casse-tête de planification, en se concentrant principalement sur la manière de terminer le travail le plus rapidement possible. Ils ont développé divers programmes informatiques pour déterminer la meilleure façon de regrouper les pièces dans des lots et de les affecter aux machines. Pourtant, une lacune importante subsistait dans la recherche. La plupart des études ignoraient le fait qu'une seule pièce peut souvent être imprimée selon plusieurs orientations différentes, chacune modifiant l'espace qu'elle occupe et l'énergie qu'elle consomme. De plus, peu d'études ont donné la priorité à l'économie d'énergie plutôt qu'au gain de temps, même si les coûts énergétiques augmentent et que la durabilité devient un objectif critique pour l'industrie moderne.

Une équipe de chercheurs de l'Université de Séville, en Espagne, a désormais abordé ce problème complexe avec une nouvelle approche qui combine deux puissantes stratégies de calcul. Ils ont créé un algorithme sophistiqué conçu pour gérer le double défi du regroupement efficace des pièces et de la minimisation de l'énergie requise pour l'impression. Leur méthode, qu'ils appellent système de colonies de fourmis mémétique, s'inspire de la façon dont les vraies colonies de fourmis trouvent le chemin le plus court vers la nourriture. Dans la nature, les fourmis laissent derrière elles une trace chimique appelée phéromone ; plus de fourmis empruntent un chemin fructueux, plus l'odeur devient forte, guidant les autres à suivre. Les chercheurs ont traduit ce comportement en un programme informatique où des « fourmis » virtuelles explorent des millions de façons possibles de regrouper et d'orienter les pièces. Au fur et à mesure que le programme fonctionne, il apprend quelles combinaisons de pièces et de rotations mènent aux meilleurs résultats, renforçant ces modèles réussis tout en écartant les moins efficaces.

Pour rendre ce système encore plus efficace, les chercheurs y ont ajouté une seconde couche d'intelligence. Une fois que les fourmis virtuelles proposent une solution, une procédure de recherche locale intervient pour l'affiner. Cette étape agit comme un inspecteur méticuleux, effectuant de petits ajustements — comme faire pivoter une seule pièce ou échanger deux pièces entre les lots — pour voir si le coût énergétique peut être encore réduit. En combinant l'exploration large de la méthode de la colonie de fourmis avec ce raffinement local précis, l'algorithme peut naviguer à travers le nombre massif de possibilités impliquées dans la planification de ces machines sans rester bloqué dans une solution sous-optimale.

L'équipe a testé son nouvel algorithme en utilisant un large éventail de scénarios, incluant des cas de test standards issus d'études précédentes et de nouveaux scénarios plus complexes où les pièces pouvaient être imprimées selon deux ou trois orientations différentes. Ils ont comparé leurs résultats aux meilleures solutions connues des méthodes existantes ainsi qu'à des modèles mathématiques exacts qui sont connus pour trouver la réponse parfaite mais sont trop lents pour traiter de grands problèmes. Les résultats ont été frappants. Dans les tests conçus pour minimiser le coût moyen de production, le nouvel algorithme a trouvé de meilleures solutions que les méthodes existantes dans près de la moitié des cas, et a égalé les meilleurs résultats dans les autres. Lorsque l'objectif était de terminer le travail le plus rapidement possible, l'algorithme a de nouveau surpassé les méthodes précédentes, trouvant des calendriers plus rapides pour de nombreux cas de test.

La découverte la plus significative concerne l'énergie. Lorsque les chercheurs ont permis à l'algorithme de choisir parmi plusieurs orientations pour chaque pièce, les économies d'énergie ont été substantielles. Dans les scénarios comportant deux orientations alternatives, le coût énergétique moyen a chuté d'environ 3,3 %. Lorsqu'il y avait trois orientations disponibles, les économies sont passées à près de 6 %. Dans certains cas spécifiques impliquant trois machines, la réduction a atteint les 9,5 %. Ces chiffres peuvent sembler faibles au premier abord, mais dans un contexte industriel où les machines fonctionnent en continu, de telles réductions se traduisent par des économies massives sur les factures d'électricité et une diminution significative de l'empreinte carbone du processus de fabrication.

L'étude a également révélé un arbitrage important. Lorsque la planification se concentrait strictement sur la finition de la tâche le plus vite possible, les coûts énergétiques ont souvent grimpé en flèche, augmentant de plus de 20 % en moyenne par rapport aux calendriers conçus spécifiquement pour économiser l'énergie. Dans les cas les plus extrêmes, avec six machines en fonctionnement, la pénalité énergétique pour privilégier la vitesse au détriment de l'efficacité pouvait atteindre 36 %. Cette conclusion suggère que chercher simplement à imprimer plus vite n'est pas toujours la stratégie la plus efficace. Au contraire, une approche équilibrée qui prend en compte à la fois le temps et l'énergie, et qui tire parti de la flexibilité de rotation des pièces, offre une voie bien plus intelligente.

Les chercheurs ont validé leurs conclusions en faisant tourner l'algorithme sur un processeur informatique standard, complétant les calculs complexes en quelques minutes ou quelques heures, là où les modèles mathématiques exacts échouaient souvent à trouver une solution dans un délai raisonnable. Cela démonte que la nouvelle méthode est non seulement efficace, mais aussi pratique pour les usines réelles qui doivent prendre des décisions rapidement. En prouvant qu'envisager des orientations de pièces alternatives peut réduire considérablement les coûts énergétiques sans sacrifier la vitesse, ce travail fournit une feuille de route claire pour les fabricants souhaitant rendre leurs lignes de production additive plus durables et rentables. L'étude conclut que, bien que le problème de la planification de ces machines soit incroyablement complexe, la bonne combinaison de recherche intelligente et de raffinement local peut débloquer des efficacités qui étaient auparavant hors de portée.