Etudiant : MANSSOURI MOHCINE

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. EL FAHSSI KHALID

Annèe : 2025

Résumé : Les lignes de production sont parmi les systèmes les plus utilisés pour la fabrication industrielle à grande échelle. Un objectif clé dans un tel système est d'assurer une charge de travail équilibrée entre les postes qui le contituent. Cependant, cet équilibre est perturbé en pratique par des événements imprévus, tels que des pannes d'équipement, entraînant des retards et une baisse de productivité. Pour résoudre ce problème, plusieurs approches basées sur l'optimisation ont été proposées. Néanmoins, un écart persiste entre la génération de recommandations de rééquilibrage optimisées et leur compréhension et utilisation effectives par les opérateurs, en particulier dans les environnements dynamiques et soumis à des contraintes de temps. Dans ce contexte, les systèmes conversationnels orientés tâches, également appelés chatbots sont apparus comme une solution prometteuse pour améliorer l'interaction entre l’homme et la machine. Ces assistants sont capables de comprendre les besoins des opérateurs exprimés en langage naturel, et d’y répondre en sollicitant les services backend adaptés, tels que les algorithmes d’optimisation. Notre contribution consiste à concevoir, comparer et évaluer trois architectures différentes (End-To-End, Pipeline, Pipeline$^{+}$), afin d’identifier celle qui offre une exécution plus rapide et plus précise dans des environnements industriels dynamiques.