Une d

1

• Une démarche d'aide à la décision pour la
  conception et la gestion des systèmes industriels

Bertrand JULLIEN - Frédéric GRIMAUD Ecole des
Mines de Saint-Etienne
2
Introduction
Améliorer en permanence la qualité et la
productivité c'est l'enjeu de l'industrie des
années 1990
Diminution des coûts de fabrication
Quels outils donner au décideur pour comprendre,
dimensionner, gérer ces systèmes ?
3
Notions de système Les systèmes industriels
de production La complexité dans ces
systèmes Les problèmes posés
4
Quelques définitions ...
Fabriquer Transporter Stocker
sont les principales fonctions d'un système
industriel de production
5
Quelques définitions ...
Des RESSOURCES pour
Fabriquer Transporter
Stocker
Magasins En-Cours Magasiniers ...
Chariots Convoyeurs Robots Réseaux Palettes Carist
es ...
Machines Outillages Régleurs Fraiseurs ...
Dimensionner et Gérer
qu'il faut
Combien ? Capacité ? Horaires ? Alimenter une
machine, Router un chariot, Transporter une pièce
Une ressource est nécessaire à la réalisation
d'une opération, et peut être partagée par
plusieurs opérations (ressource critique,
goulot)
6
Quelques définitions ...
Faire fonctionner un système de
production DIMENSIONNER et GERER au mieux ces
ressources pour fabriquer des produits de façon
à satisfaire le client tout en respectant les
règles opératoires.

• Des contraintes
• Des critères
• Des décisions à prendre

et sans oublier ...
7
Quelques définitions ...
Les critères les plus fréquents
- dans les meilleurs délais - en réduisant les
en-cours - en utilisant les ressources - en
favorisant la qualité, - ...
Tout à la fois CRITERES HETEROGENES ... ET
CONTRADICTOIRES
Quelques contraintes
- gammes et nomenclatures - durée d'usinage -
MTBF, MTTR - Topologie des réseaux - Capacité des
stocks - Vitesse des moyens de manutention - ...
- Non préemptibilité - "Code de la route" - ...
8
Vers une flexibilité accrue ...
Gestion d'un atelier flexible
Gestion d'un atelier "classique"
Temps pour une pièce
Temps pour une machine
9
... avec une complexité croissante

• La complexité dun tel système est liée
  
• au nombre important des processus quil faut
  gérer
• fabrication, transport, stockage
• à leur interdépendance
• flux tendu, ressources partagées
• au manque dinformations
• concurrence, marché
• à la nature des décisions à prendre
• pas dalgorithme
• à la variété des critères dappréciation
• aux aléas

Décomposition (diviser pour régner ...) ?
Loptimisation dun système nest pas réductible
à un ensemble doptimisations partielles
10
Une problématique intéressante !
Problèmes de FONCTIONNEMENT
Problèmes de DIMENSIONNEMENT
Problèmes de MAINTENANCE
Un système industriel de production
Problèmes de PANNES ET ALEAS
Problèmes de PRODUCTIVITE
Problèmes d' ORDONNANCEMENT
11
Processus de Modélisation Quelques modèles
de la gestion industrielle La Simulation
12
La modélisation
" Pour un observateur A, b est un modèle de B si
A peut apprendre , à partir de b quelque chose
d'utile sur le fonctionnement de B " Minsky 68
Recherche de solution sur le modèle
Implantation de la solution
13
Les méthodes de résolution
Contraintes
Paramètres inconnus
Résultats Souhaités
Modèle
Physique
Symbolique
MODELE
METHODES Déterministe Stochastique
Déterministe Analyse Monte-Carlo
Stochastique Probabilité Simulation
SYSTEME
14
Les modèles de la gestion industrielle
Nombre de contraintes / Fiabilité des
données - - Temps de
calcul disponible
- Formalisation
15
Les limites des méthodes analytiques

• Lorsquil sagit de modéliser des systèmes
  complexes, les méthodes analytiques sont limitées
  
• le temps nest pas explicitement pris en compte
  on raisonne sur
• des régimes permanents
• les interactions ne sont pas toujours modélisées
  on raisonne sur
• des propriétés théoriques
• les aléas ne sont pas toujours facilement
  représentables on rai-
• sonne sur des moyennes
• elles ne fonctionnent que sous certaines
  hypothèses

Appliqués à la gestion industrielle, les modèles
analytiques sont souvent partiels et simplifiés,
cest-à-dire NON VALIDES (non fidèles, non
représentatifs du système réel)
16
Les méthodes de résolution
L'infidélité ... est cause d' ERREURS GRAVES
17
Les outils d'évaluation des performances
Modules de Simulation en G.P.A.O.
Les outils d'aide à l'implantation
Le tableur
L'intelligence artificielle
La gestion de projet
La Recherche opérationnelle et les mathématiques
appliquées
La SIMULATION de flux
18
Les avantages de la simulation ...

• Reproduire, faute de calculer
• Représenter la réalité
• Prendre en compte les grandeurs aléatoires
• Raisonner d'après les flux
• Observer instant par instant
• Tenir compte des conflits de ressources
• Approche dynamique
• Prendre en compte les règles de pilotage d'un
  système
• Etre accessible aux décideurs opérationnels

Un modèle se simulation permet de
représenter fidèlement un système complexe ...
MAIS ...
19
... et ses inconvénients
Il ne permet pas, contrairement aux méthodes
analytiques de résoudre directement le problème.
Il sagit dun modèle com-portemental (What if)
Gammes Nomenclatures Ressources Processus Marché R
ègles de gestion
Changements détat Indicateurs de performance
Interprétation
20
Démonstration
21
Démonstration
22
Les étapes d'un tel projet Les différents
acteurs Les écueils classique à éviter
23
Les grandes étapes
Définition des Objectifs La Modélisation de la
connaissance Le recueil des données (gestion
des phénomènes aléatoires) Rédaction du dossier
d'analyse fonctionnelle Construction des modèles
de simulation Ecriture des modèles Vérification
et Validation Exploitation des modèles Les
plans d'expériences Analyse des résultats
ü
ü
ü
Principales difficultés
ü
24
La modélisation de la connaissance
Recueil des données "physiques" "logiques et
décisionnelles"
Modélisation des phénomènes aléatoires
Loi d'arrivée , Temps de réglages, ... Taux de
succès aux contrôles,
Temps inter-pannes, Temps de réparation, Temps de
cycles.
Par des distributions
25
A propos des distributions aléatoires ...
Un panel étendu de distribution Loi
normale, Loi exponentielle, Loi triangulaire,
...
"Une Loi triangulaire vaut toujours mieux qu'une
moyenne"
26
A propos des distributions aléatoires ...
Prise en compte de la dynamique des
systèmes Rend compte de la répartition, de la
dispersion des données d'une population mais
Le choix doit être judicieux (gros travail de
collecte et de modélisation) et être fait avec
le maximum de garanties Recherche de
linformation ou collecte directe Observation
d'histogramme des fréquences Tests
d'adéquation, ... Faute de quoi
Garbage In
Garbage Out !
27
Les dangers dun mauvais choix
"" Service ""
X
G
Lintervalle A entre deux arrivées de clients est
de 1 Mn La durée de service S est de 0.99 Mn
Quelle est le nombre moyen M de clients en
attente ?
A S M Cste(1) Cste(1) 0 Expo(1) Expo(0.99)
77.9 Expo(1) Expo(0.98) 49.5 Gauss(1.0,0.1) Ga
uss(0.99,0.1) 0.56
28
Un premier bilan sur les données ...
Rédaction d'un dossier d'analyse fonctionnelle
"Il décrit l'intégralité des fonctionnalités du
modèle, à partir des objectifs du cahier des
charges et des données recueillies."
Un descriptif du système modélisé (logique de
fonctionnement) Les paramètres que l'on veut
faire varier (effectifs, durées de traitement,
décisionnel, ...) Les critères de
performances (nature, unité, fréquence, ...) Un
"plan d'expérience" (Début de rationalisation
des essais)
ü
ü
ü
ü
29
Construisons un modèle ...
Commencer par un modèle simple, voire
sommaire (à présenter aux utilisateurs et à
réajuster)
accompagné de ses
TESTS de VERIFICATION et VALIDATION
"Un test réussi est un test qui a découvert des
fautes"
Construisons-nous le système correctement
? Bilan matière, tests des situations
(standard, extrême), simulation
déterministe Construisons-nous le bon système
? Sens critique, remise en question, validation
d'experts, ...
ü
ü
30
Exploitons ce modèle ...
Les campagnes de simulation peuvent être très
longues
Problème
Paramètres à déterminer
Plan dexpériences Jeux d'essais systématiques
Processus Contraintes
Modèle de Simulation
Performances
Interprétation
Fin
31
Les résultats d'une simulation (1/2)
Des chiffres ...
Taux d'occupation
Pourcentage de serveurs occupés
Nombre moyen de clients
Nombre moyen d'entités qui attendent dans la
file ou reçoivent un service
Temps moyen de réponse
Somme du temps moyen d'attente dans la file
d'attente et du temps moyen de service
Débit moyen
Nombre moyen d'entités qui sont servis par unité
de temps
et des ...
32
Les résultats d'une simulation (2/2)
... Animations
Fournit à l'utilisateur une vision synthétique,
intuitive et évolutive des phénomènes étudiés.
ü
ü
Est porteuse d'informations.
Favorise la perception des phénomènes, et
la communication dans les projets de simulation.
ü
ü
Permet de "valider" le modèle
ü
Présente le comportement transitoire du système
étudié.
33
Analysons les résultats
Résultats d'un modèle de simulation
Ä
Utilisation de techniques d'analyses statistiques
ü
Expression des résultats avec leur
dispersion, Histogrammes, Etude de la
sensibilité des résultats aux paramètres en
entrée Intervalle de confiances, ...
ü
ü

ü
34
Les compétences des acteurs
Les rôles à distribuer Les demandeurs de
l'étude Les personnes impliqués dans le système
étudié Les experts en simulation Les
utilisateurs du modèle
Direction générale ou industrielle ingénieur,
technicien ou personnel d'exploitation ??? ???
ü
ü
ü
ü
PROFIL IDEAL Culture sur la problématique du
domaine étudié Rigueur intellectuelle
Compétences en statistique Bases en Recherche
Opérationnelle Expériences d'outils de simulation
35
Attention aux pièges !!!
Manque d'information et de formation des
différents intervenants
Objectifs mal définis
Données non fiables en entrée
Pas assez de réplications de la simulation
36
Attention aux pièges !!!
... et surtout
Modélisation trop détaillée
"Se concentrer sur LES GOULOTS"
"Un modèle est toujours TROP COMPLEXE"
"ne pas modéliser les TOURS DE MAINS"
37
PARTIE IV Domaines et acteurs
Domaines dutilisation Principaux produits
Evolution prévisible Références
38
Domaines
Simulation technique intéressante et puissante,
parfois la seule utilisable, particulièrement
adaptée à laide à la prise de décision sur un
système complexe mais elle doit être rentable
Il faut évaluer les enjeux associés aux objectifs
de l'étude (coût espéré du risque, gain espéré,
payback)
39
Domaines
Démarche valide pour les systèmes industriels de
production, mais aussi pour

• Les flux administratifs
• Les flux de personnes
• La transitique

• Le secteur hospitalier
• La logistique
• Les réseaux de transport

Modélisation et Simulation de flux Démarche
d'aide à la décision économique et industrielle
...
40
Produits
Langage de simulation - formalisme complexe et
difficile à acquérir rapidement - développement
lent prise en compte de la complexité grande
capacité d'abstraction
Simulateur dédiés facilité d'utilisation
rapidité d'analyse et de développement -
représentation rigide - simplification excessive
des outils complémentaires et non
concurrents Systèmes industriels complexes
langages de Simulation les plus adaptés
41
Prix, références, support, ...
des PRIX
VARIETES des produits, des FONCTIONNALITES
proposées
Attention aux supports techniques, ...
Les bonnes adresses ...
CETIM 10, rue Barrouin 42 000 Saint-Etienne CXP
45, rue du rocher Paris 8ème Dossier périodique
de la presse industrielle Society fo Computer
Simulation 'SCS'
42
Pour se documenter

• Sites Internet
• Eurosim (Société savante européenne)
• http//eurosim.tuwien.ac.at/
• Logiciels de simulation sur le Web
• http//simsrv.cs.uni-magdeburg.de/cgi-bin/showsim
  software
• Simulation discrète, produits commerciaux
• http//ourworld.compuserve.com/homepages/jphilipp
  e_vacher/
• commerce.htm
• Ces listes contiennent des liens vers les
  sites des éditeurs dans lesquels on peut trouver
  présentations, démonstrations, versions
  dévaluation téléchargeables, ...

A consulter !
43
Evolutions prévisibles

• La simulation pourrait être mieux utilisée
  dans ses domaines
• dapplication traditionnels conception de
  systèmes, formation
• Enquête 1991, Industrie Manufacturière GB
• Une technologie mal connue
• Notoriété 30
• Pénétration 9
• Mais qui satisfait pleinement ses utilisateurs
• Indice de satisfaction 92
• meilleure adaptation aux aléas
• meilleure compréhension du système
• réduction des délais
• réduction des coûts de production

44
Dans lavenir

• Intégration au système dinformation / décision
  de
• lentreprise
• On pourra rechercher la meilleure solution dun
  problème en fonction des outils de gestion et des
  informations dont on dispose réellement
• Utilisation en temps réel
• Aide au pilotage au quotidien (Quand lancer cette
  com-mande urgente non planifiée ? A quelle date
  sera-t-telle livrée au client ?)
• Développement massif des pédagogies par études
  de
• cas
• Outil particulièrement adaptée à lenvironnement
  NTIC

45
Quelques références
Gestion des flux en entreprise Modélisation et
simulation Jean-François CLAVER, Dominique PITT,
Jacqueline GELINIER HERMES 1997 http//www.edition
s-hermes.fr/575-4.htm La simulation industrielle
aide réelle ou virtuelle à la prise de
décision Eric BALLOT Revue Française de Gestion
Industrielle Vol 16, n 1, 1997 Simulation with
Arena (fourni avec le CD-ROM dévaluation) David
KELTON, Randall SADOWSKI, Deborah
SADOWSKI MacGraw-Hill, 1997
46
Un exemple
Un nouvel équipement est à installer dans une
chaîne de fabrication. Il sagit de comparer 2
matériels concurrents mais fonctionnellement ident
iques. Le flux de production alimente cet
équipement au rythme exponentiel dune pièce
toutes les 3.3 minutes et la chaîne de
fabrication fonc-tionne 8 heures par jour.
Chaque matériel est caractérisé par des
données constructeur concernant la cadence
(durée opératoire par pièce), la qualité
(pourcentage de rebuts), la fiabilité
(fréquence et durée des pannes. La durée de vie
de linvestissement est de 4 ans, soit 1000
jours de travail. La marge produite est de 10 F /
pièce.
M1 M2 Fiabilité (MTBF ) Exp(160)
Exp(480) (MTTR)
Nor(10,5) Nor(60,30) Qualité (
rebuts) 5 7 Cadence
Lnor(3,1) Lnor(2.8,0.1) Investissement
200 kF 650 kF Fonctionnement / an
200 kF 75 kF
47
Modèle analytique (simpliste !)
M1 M2 (1) Pièces à faire 480/3.3 145 145 (2)
Nombre pannes 80/MTBF 3 1 (3) Durée
réparations (2)MTTR 30 60 (4) Temps usinage
disponible 480-(3) 450 420 (5) Temps usinage
nécessaire (2)Cadence 435 406 Les deux machines
ont donc la capacité à absorber le flux (6)
Nombre de pièces conformes (1)Qualité 137 134 (7)
Produits sur 4 ans (kF) (6) 10 1370 1340 (8)
Investissement (kF) 200 650 (9) Fonctionnement
sur 4 ans 800 300 Gains (7)-(8)-(9) 370 390
48
Résultats et conclusions
M1 M2 Etude analytique pièces conformes
/ jour 137 134 gains / 4 ans 370 390 Une
seule simulation pièces conformes /
jour 130 128 gains / 4 ans 300 330 500
simulations pièces conformes /
jour 129 121 intervalle de confiance à 95
0.7 1.5 gains / 4 ans 290 260
Contrairement à ce que laissait penser létude
analytique ou la simulation unique, M1 est
meilleur que M2, même dans le cas le plus
défavorable puisque le gain de M1 est au moins
283 et celui de M2 au plus 275.