Mechatronic systems are inherently complex to design due to the integration of software, electronic and mechanical components. The dependencies between these components are both complex to model and difficult to consider early in the design phase.

The objective of this Ph.D. is to develop a multi-objective layout design optimization algorithm to synthesize a mechatronic system, by placing its components based on the device's purpose. This Ph.D. mainly focuses on design support during the conceptual and preliminary design phases.

The layout design of a mechatronic design is achieved by following guidelines defined by the management of the dependencies between components. A dependency is defined as the impact of one component on another one. A positive dependency implies that one component helps another to accomplish the functional requirements of the product. While a negative dependency implies that one component hinders another component to fully accomplish functional requirements of the product. Using the management of the dependencies as the core of the design support tool, it is possible to support the user during the problem statement of the layout design.

Furthermore, the tool also translates the problem statement into an optimization problem in terms of objectives and constraints. This optimization is a combinatorial exercise considering all the possible positions and choices of the components. To resolve this optimization, approximation methods, particularly evolutionary algorithms are used and adapted to solve this problem. To test the developed design support tool in this thesis, the layout design of an autonomous greenhouse has been used as a case study.

Firstly, a novel problem statement of the layout design of an autonomous greenhouse has been developed and translated into an optimization problem of 15 objectives. Then, this problem was solved using a single-objective genetic algorithm by doing a weighted sum of the 15 objectives. This demonstrated that the proposed tool is able to formulate the layout design of a mechatronic problem adequately.

Then, the optimization problem of the layout design of an autonomous greenhouse has been adapted to allow the use of multi-objective evolutionary algorithms. During this adaptation, we were able to develop a novel objective reduction method by doing the weighted sum of objectives by subsystems identified with the aid of the axiomatic design method. This allows reducing the number of objectives from 15 to 5. Then, this problem was solved with the non-dominated sorting genetic algorithm II (NSGA-II). After a 15 to 20 min optimization time, the result yielded 50 possible layout designs of an autonomous greenhouse.

Finally, the modularization process has been integrated into the computer-aided design tool. Indeed, during the optimization phase, the components can be combined to form a module and reduce the volume occupied by the components. The formation of modules is done using the product-related dependencies between components as well as design structure matrices using complex numbers. This along with the NSGA-III allowed reducing the number of modules of an autonomous greenhouse from 9 to a minimum of 4.

Les systèmes mécatroniques sont fondamentalement complexes à concevoir étant donné le besoin d’intégration de composantes mécaniques, électroniques ainsi que logiciel. Les dépendances entre ces composantes sont à la fois difficiles à modéliser et à prendre en compte tôt dans le processus de conception.

L’objectif de cette thèse est de développer un outil d’aide à la conception assistée par ordinateur afin de supporter les concepteurs à positionner et choisir les composantes pour un produit mécatronique. En d’autres mots, le but est de réaliser le schéma de configuration des composantes d’un produit tôt dans le processus de conception.

De plus, l’outil permet de traduire le problème de positionnement en un problème d’optimisation en termes d’objectifs et de contraintes. Cette optimisation est donc un exercice combinatoire considérant toutes les positions et tous les choix de composantes possibles. Afin de résoudre cette optimisation, les méthodes d’approximation, plus précisément, les algorithmes évolutifs sont utilisés et adaptés. Afin de tester l’outil d’aide à la conception développé dans cette thèse, le schéma de configuration d’une serre autonome a été utilisé comme étude de cas.

Dans un premier temps, une nouvelle formulation du problème de configuration d’une serre autonome a été développée et traduite en une optimisation à 15 objectifs. Par la suite, ce problème a été résolu en utilisant un algorithme génétique ayant qu’une seule fonction objective en faisant la somme pondérée des 15 fonctions objectives. Ceci a donc permis de démontrer que l’outil proposé permettait de formuler un problème de configuration d’un produit mécatronique adéquatement.

Par la suite, le problème d’optimisation de la configuration de la serre autonome a été adapté afin de permettre l’utilisation d’un algorithme évolutif multiobjectif. En réalisant cette adaptation, nous avons aussi développé une nouvelle méthode de réduction d’objectifs en faisant la somme pondérée d’objectifs par sous-systèmes identifiés à l’aide la méthode de conception axiomatique. Ceci a permis de réduire le nombre d’objectifs de 15 à 5. Ce problème a, par la suite, été résolu grâce à l’algorithme « non-dominated sorting genetic algorithm II » (NSGA-II). Après 15 à 20 minutes de calcul, le processus d’optimisation a proposé 50 configurations possibles d’une serre autonome.

Finalement, le processus de modularisation a été intégré dans l’outil d’aide au design. En effet, durant l’optimisation, les composantes peuvent se combiner, permettant ainsi de former des modules et de réduire le volume occupé par les composantes. La formation du module est faite grâce à la gestion des dépendances entre composantes ainsi qu’à la représentation par matrices utilisant des nombres complexes. Ceci combiné au NSGA-III a permis de réduire le nombre de modules d’une serre autonome de 9 à un minimum de 4.