Optimisation multicritère en conception
La conception est une activité de transformation provoquant un changement d’état d’un produit/service qui est perçue comme un processus , une séquence d’activités de conception nécessaires pour créer une ou plusieurs représentations d’un produit .
Les processus de conception sont souvent composés des phases d’expression du besoin, de recherche de concepts, de recherche d’architecture et de conception détaillée étant elle-même constituée de la réalisation de calculs, de simulations, du dimensionnement, etc.
Le processus de conception est également définit comme un processus de décision . Dans les processus de conception ou de décision, l’objectif est de faire le meilleur choix parmi plusieurs autres possibles. En science, le « meilleur » fait référence à une décision qui maximise ou minimise plusieurs critères simultanément, on parle alors d’optimisation.
La prise de décision multicritère (MCDM pour Multi Criteria Decision Making) fait référence à la prise de décision en présence de multiples critères habituellement en conflits (Zanakis et al., 1998). Les problèmes de MCDM sont communément catégorisés comme continus ou discrets en fonction du type d’alternatives de solution, selon qu’elles sont en nombre fini (discret) ou en nombre infini (caractéristiques évoluant de manière continue). Yoon et Hang (1995) les classent comme : Prise de décision multi-attribut (MADM), avec un nombre discret et habituellement limité d’alternatives prédéfinies nécessitant des comparaisons inter et intra attributs – les attributs sont des critères – qui impliquent la réalisation de compromis par le décisionnaire.
Prise de décision multi-objective (MODM), avec des valeurs de variables de décision qui sont à déterminer dans un domaine continu et un nombre infini d’alternatives (ou très grand) pour satisfaire les contraintes et les préférences du décisionnaire en optimisant au mieux tous les objectifs – ou encore performances -.
La visualisation d’information
Comme synthétisé par Keim (2001), les techniques de visualisation d’information sont classifiées selon trois critères : les données qui sont à visualiser, la technique de visualisation et la méthode d’interaction et de distorsion. Pour visualiser un type de données spécifique, il est possible de combiner les techniques de visualisation en conjonction avec les méthodes d’interaction et de distorsion. Dans notre cas d’optimisation multicritère en conception, nous nous intéressons à des ensembles de données à N-dimensions « Multidimensional ».
Cinq techniques de visualisation sont indiquées :
« Standard 2D/3D Display » utilise les techniques standards de visualisation en deux dimensions et trois dimensions comme les nuages de points et les graphiques en barres.
« Geometrically transformed displays » utilise des transformations et projections géométriques pour produire des visualisations utiles comme le Parallel Coordinate.
« Icon-based displays » affiche chaque item de données comme un icône et chaque valeur de dimension comme une fonction de l’icône. (voir Chernoff’s faces, Star-Diagram, Spider Graph, etc.) « Dense pixel displays » affiche chaque valeur de dimensions comme un pixel de couleur et les pixels appartenant à chaque dimension sont groupés en des zones adjacentes. En organisant et colorant les pixels d’une manière appropriée, la visualisation résultante fournit des informations détaillées sur les clusters, et les dépendances.
« Stacked displays » affiche des données divisées d’une manière hiérarchique comme le Treemap.
Le Design by Shopping
Balling (1999) a relevé que le processus de conception traditionnel, basé sur l’optimisation, qui est de formuler le problème de conception, obtenir un modèle d’analyse et exécuter un algorithme d’optimisation, laisse les concepteurs insatisfaits de leurs résultats.
Pour lui, cette insatisfaction vient du fait que le problème de conception n’est pas correctement formulé. Nous pouvons souligner qu’avec l’approche traditionnelle, le concepteur ne fait pas parti du processus. Il se trouve en entrée et en sortie. Comme nous l’avons illustré dans la section précédente, le processus de conception est relativement contraignant pour le concepteur. De plus, Balling indique que l’approche traditionnelle réduit la créativité du concepteur.
Comme le souligne Zhang et ses collègues (2012), dans de nombreux cas, les concepteurs (et les gens en général) ne savent pas ce qu’ils veulent vraiment jusqu’à ce qu’ils voient certains modèles :
“The objectives and constraints used in optimization were not what the owners and stakeholders really wanted. In many cases, people do not know what they really want until they see some designs.” (cité dans Zhang et al., 2012)
Le processus de conception traditionnel est opaque pour les concepteurs. Ils ne peuvent pas «toucher» certains modèles et/ou se représenter le possible (i.e. des solutions faisables). Les concepteurs ont besoin d’apprendre de leurs alternatives, de faire le lien entre les paramètres de conception et les variables de performance avant de prendre une décision. Les concepteurs, comme les consommateurs, veulent faire leur « marché » (notre traduction de “shopping”) pour gagner en intuition sur les compromis, sur les solutions faisables et infaisables.
Le Design by Shopping propose, dans un premier temps, de permettre aux concepteurs d’explorer l’espace de conception et, dans un deuxième temps, d’optimiser et de sélectionner une solution optimale dans l’ensemble des solutions possibles. Ainsi, le concepteur peut développer des attentes réalistes de ce qui est possible.
Explorer l’espace de conception est l’activité qui permet aux concepteurs d’accéder au « champ » des possibles et d’apprendre de leurs alternatives. Car l’exploration leur permet de « toucher » des modèles et de faire le lien entre les paramètres de conception et les variables de performance en découvrant et manipulant les solutions possibles.
L’exploration d’espace de conception
L’exploration d’espace de conception est une méthode qui « incarne » le paradigme de Design by Shopping. Cette méthode est considérée comme un moyen prometteur pour la prise de décision car elle fournit un moyen visuel et intuitif pour formuler, ajuster et résoudre les problèmes d’optimisation multicritère en conception.
Cette méthode est utilisée pour l’optimisation en conception avec des projets complexes. Nous identifions des exemples d’utilisation dans des situations d’optimisation multi- objective :
Dans le domaine de l’automobile avec la configuration d’un nouveau véhicule. Dans le domaine de l’aéronautique avec la conception d’une aile. Dans le domaine de l’aérospatial avec l’optimisation de trajectoire d’un satellite.
Plus particulièrement dans le domaine de l’aérospatial, nous trouvons l’utilisation de cette méthode dans des situations d’optimisation multi-attribut notamment lors de la conception conceptuelle (conceptual design). Nous relevons tout particulièrement les travaux de Ross et ses collègues issus du Massachusetts Institute of Technology, pour l’architecture système en ingénierie concourante, pour la conception de systèmes spatiaux et pour le gain de connaissance et de compréhension en conception.
Pour présenter l’exploration d’espace de conception (ou Trade Space Exploration, Trade faisant référence au compromis que doit souvent réaliser le concepteur), nous proposons de décrire le processus et les grandes phases de l’exploration et les outils existants pour appliquer cette méthode.
Table des matières
INTRODUCTION GENERALE
Champ de notre recherche
Organisation du Manuscrit
1 PREMIERE PARTIE : Positionnement scientifique et état de l’art
1.1 OPTIMISATION MULTICRITERE EN CONCEPTION
1.1.1 Les différentes approches
1.1.2 Le Design by Shopping
1.1.3 L’exploration d’espace de conception
1.1.4 L’essentiel du Chapitre 1
1.2 DECISION INFORMEE
1.2.1 La décision
1.2.2 La décision informée : Etat de l’art
1.2.3 Les thématiques gravitant autour de la décision informée
1.2.4 Importance du terme « décision informée »
1.2.5 Notre définition de la décision informée
1.2.6 L’essentiel du chapitre 2
1.3 LES REPRESENTATIONS GRAPHIQUES
1.3.1 La visualisation d’information
1.3.2 Les représentations des ensembles multidimensionnels
1.3.3 Comparaison
1.3.4 Les tâches
1.3.5 Bilan
1.3.6 L’essentiel du chapitre 3
CONCLUSION DE LA PREMIERE PARTIE
2 DEUXIEME PARTIE : Problématique et démarche de recherche
2.1 Positionnement de nos travaux de recherche
2.1.1 Définition du périmètre
2.1.2 Définition des deux composantes de notre problématique
2.2 Les hypothèses de résolution
2.3 Notre plan d’actions
CONCLUSION DE LA DEUXIEME PARTIE
3 TROISIEME PARTIE : Expérimentations
3.1 INTRODUCTION DE L’EXPERIMENTATION N°1
3.1.1 Description des graphiques et du jeu de données
3.1.2 Déroulement de l’expérimentation n°1
3.1.3 Les mesures
3.1.4 Synthèse
3.2 INDICE DE QUALITE
3.2.1 Recherche des solutions non-dominées
3.2.2 Indice Basique
3.2.3 Notre indice de qualité
3.3 TRAITEMENT DES RESULTATS 1
3.3.1 Le compromis
3.3.2 La recherche de compromis
3.3.3 Le ressenti
3.3.4 Conclusion pour la sélection en M.A.D.M.
3.4 INTRODUCTION DE L’EXPERIMENTATION N°2
3.4.1 Présentation de la plateforme d’expérimentation
3.4.2 Déroulement de l’expérimentation n°2
3.4.3 Synthèse
3.5 ANALYSE PRELIMINAIRE : GROUPES DE PARTICIPANTS
3.5.1 Connaissance en exploration d’espace de conception
3.5.2 Confiance du Participant
3.5.3 Conclusion pour les données des participants
3.6 EXPERIMENTATION 2.1 : PHASE SELECTION
3.6.1 Mesures liées à la phase de sélection
3.6.2 Traitement des résultats 2.1
3.6.3 Conclusion pour la phase de sélection
3.7 EXPERIMENTATION 2.2 : PHASE OPTIMISATION
3.7.1 Mesures liées à la phase d’optimisation
3.7.2 Traitement des résultats 2.2
3.7.3 Conclusion pour la phase d’optimisation
3.8 EXPERIMENTATION 2.3 : PHASE DECOUVERTE
3.8.1 Mesures liées à la phase de découverte
3.8.2 Traitement des résultats 2.3
3.8.3 Conclusion pour la phase de découverte
3.9 PERFORMANCE DES GRAPHIQUES DANS L’EXPLORATION D’ESPACE DE CONCEPTION
3.10 EXPERIMENTATION 2.4 : DECISION INFORMEE
3.10.1 Mesures liées à la décision informée
3.10.2 Traitement des résultats 2.4
3.10.3 Conclusion sur la décision informée
CONCLUSION DE LA TROISIEME PARTIE
4 QUATRIEME PARTIE : Apports, limites et perspectives
4.1 Apports
4.1.1 Préconisations de visualisation d’information pour la prise de décision
4.1.2 Apports orientés méthodologie
4.1.3 Apports à destination de la communauté scientifique en génie industriel
4.2 Limites et perspectives
CONCLUSION GENERALE
Liste des publications
BIBLIOGRAPHIE
