10 ème congrès international de génie industriel cigi13 eigsi la rochelle, 12-14 juin 2013 s....
Post on 04-Apr-2015
108 Views
Preview:
TRANSCRIPT
1
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
PLANIFICATION STRATÉGIQUE:
S. Kemmoe - CRCGMN. Tchernev, P.A. Pernot – LIMOS pernot@isima.fr
DIMENSIONNEMENT DE LA CAPACITÉ ET DE LA FLEXIBILITÉ SOUS INCERTITUDE
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
AGENDA
1) Contexte: planification et incertitude
2) Problème considéré
3) Modélisation (MILP)
4) Incertitude sur la demande: processus
de simulation de Monte Carlo
5) Application numérique
6) Conclusion - Perspectives
S. Kemmoe; N. Tchernev; P.A. Pernot 2
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
AGENDA
1) Contexte: planification et incertitude
2) Problème considéré
3) Modélisation (MILP)
4) Incertitude sur la demande: processus
de simulation de Monte Carlo
5) Application numérique
6) Conclusion - Perspectives
S. Kemmoe; N. Tchernev; P.A. Pernot 3
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
Pilotage des activités industrielles: 3 types de planification
4S. Kemmoe; N. Tchernev; P.A. Pernot
opérationnelle tactique stratégique
M M+1 M+18 M+72
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
Pilotage des activités industrielles:3 types de planification 3 types de décisions
5S. Kemmoe; N. Tchernev; P.A. Pernot
opérationnelle tactique stratégique
M M+1 M+18 M+72
Décisions longs termes: horizon de 18 mois à 10 ans
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
Pilotage des activités industrielles: 3 types de planification 3 types de décisions
6S. Kemmoe; N. Tchernev; P.A. Pernot
opérationnelle tactique stratégique
M M+1 M+18 M+72
Décisions longs termes: horizon de 18 mois à 10 ans
Décisions moyens termes: horizon de 1 mois à 18 mois
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
Pilotage des activités industrielles: 3 types de planification 3 types de décisions
7S. Kemmoe; N. Tchernev; P.A. Pernot
opérationnelle tactique stratégique
M M+1 M+18 M+72
Décisions longs termes: horizon de 18 mois à 10 ans
Décisions moyens termes: horizon de 1 mois à 18 mois
Décisions courts termes:quelques semaines
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
Les typologies de décisions en détail:
Planification stratégique• Horizon 2 à 10 ans - Maille mensuelle;• Décisions d’investissements;• Dimensionnement capacitaire;• Affectation produits/usines (maille agrégée).
Planification tactique• Horizon 1-18 mois- Maille hebdomadaire;• Affectation produits/lignes de production (maille finale);
Planification opérationnelle• Horizon qq semaines - Maille journalière;• Affectation produits/machines.
8S. Kemmoe; N. Tchernev; P.A. Pernot
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
Les typologies de décisions en détails:
Planification stratégique• Horizon 2 à 10 ans - Maille mensuelle;• Décisions d’investissements;• Dimensionnement capacitaire;• Affectation produits/usines (maille agrégée).
Planification tactique• Horizon 1-18 mois- Maille hebdomadaire;• Affectation produits/lignes de production (maille finale);
Planification opérationnelle• Horizon qq semaines - Maille journalière;• Affectation produits/machines.
9S. Kemmoe; N. Tchernev; P.A. Pernot
Déclinaison
Déclinaison
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
Pilotage des activités industrielles: Déclinaison des décisions
10S. Kemmoe; N. Tchernev; P.A. Pernot
opérationnelle tactique stratégique
M M+1 M+18 M+72
Décisions longs termes• Dimensionnement
capacitaire;• Affectation produits /
usines (maille agrégée).
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
Pilotage des activités industrielles: Déclinaison des décisions
11S. Kemmoe; N. Tchernev; P.A. Pernot
opérationnelle tactique stratégique
M M+1M+18
Décisions longs termes• Dimensionnement
capacitaire;• Affectation produits /
usines (maille agrégée).Décisions moyens termes
• Affectation produits finis / lignes de production (maille finale).
+ enrichissement des nouvelles données « marché ».
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
Pilotage des activités industrielles: Déclinaison des décisions
12S. Kemmoe; N. Tchernev; P.A. Pernot
opérationnelle tactique
M M+1
+ enrichissement des nouvelles données « marché ».
Décisions courts termes:• Affectation produits / machine.
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
Pilotage des activités industrielles: Déclinaison des décisions
13S. Kemmoe; N. Tchernev; P.A. Pernot
opérationnelle tactique stratégique
M M+1 M+18 M+72
Décisions longs termes• Dimensionnement
capacitaire;• Affectation produits /
usines (maille agrégée).Décisions moyens termes
• Affectation produits finis / lignes de production (maille finale).
!!! Importance de la planification stratégique!!!
Décisions courts termes:• Affectation produits / machine.
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
14S. Kemmoe; N. Tchernev; P.A. Pernot
Mise en œuvre de la planification stratégique:
Décisions
• Localisation des usines;
• Dimensionnement capacitaire;
• Allocation des productions.
Données
• Coûts de production;
• Contexte politique;• Législations;• Demande;• …
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
15S. Kemmoe; N. Tchernev; P.A. Pernot
Mise en œuvre de la planification stratégique:
Décisions
• Localisation des usines;
• Dimensionnement capacitaire;
• Allocation des productions.
Données
• Coûts de production;
• Contexte politique;• Législations;• Demande;• …
Incertitude
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
16S. Kemmoe; N. Tchernev; P.A. Pernot
Mise en œuvre de la planification stratégique:
Décisions
• Localisation des usines;
• Dimensionnement capacitaire;
• Allocation des productions.
Données
• Coûts de production;
• Contexte politique;• Législations;• Demande;• …
Incertitude
Flexibilité: ajuster les activités du système considéré en fonction de la réalisation des paramètres incertains.Ex de leviers: flexibilité volume, mix flexibilité, stocks de sécurité,…
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
17S. Kemmoe; N. Tchernev; P.A. Pernot
Objectif des travaux présentés
Proposer un modèle de dimensionnement long terme des capacités et de la flexibilité d’un
système de production tenant compte de l’incertitude relative à la
demande.
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
AGENDA
1) Contexte: planification et incertitude
2) Problème considéré
3) Modélisation (MILP)
4) Incertitude sur la demande: processus
de simulation de Monte Carlo
5) Application numérique
6) Conclusion - Perspectives
S. Kemmoe; N. Tchernev; P.A. Pernot 18
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
PROBLÈME CONSIDÉRÉ
19S. Kemmoe; N. Tchernev; P.A. Pernot
Un système de production, fabriquant un portefeuille de plusieurs produits,…;
…constitué d’un ensemble d’usines existantes…; …composées elles-mêmes de lignes de production…; …auxquelles sont associées des capacités maximales
théoriques…; ..correspondantes à des données structurelles (débit
maximal des machines,…).
Usine 1Ligne de
production 1
Ligne de production 2
Usine 2Ligne de
production 3
Ligne de production 4
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
20S. Kemmoe; N. Tchernev; P.A. Pernot
Cas d’une ligne de production
Capacité maximale théorique
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
21S. Kemmoe; N. Tchernev; P.A. Pernot
Cas d’une ligne de production
Capacité maximale théorique
Charge
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
22S. Kemmoe; N. Tchernev; P.A. Pernot
Cas d’une ligne de production
Capacité maximale théorique
ChargeCapacité utilisable / Dimensionnement
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
23S. Kemmoe; N. Tchernev; P.A. Pernot
Cas d’une ligne de production
Capacité maximale théorique
ChargeCapacité utilisable / Dimensionnement
Surcharge perte de ventes
Sous-charge hausse du CRI
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
24S. Kemmoe; N. Tchernev; P.A. Pernot
Cas d’une ligne de production
Capacité maximale théorique
ChargeCapacité utilisable / Dimensionnement
Surcharge perte de ventes
Sous-charge hausse du CRI
Constitution de stocks diminutions pertes de ventes et sous-charges MAIS coûts de stockage
Constitution de stocks
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
25S. Kemmoe; N. Tchernev; P.A. Pernot
Cas d’une ligne de production
Capacité maximale théorique
ChargeCapacité utilisable / Dimensionnement
Surcharge perte de ventes
Sous-charge hausse du CRI
Recours à la flexibilité volume diminution pertes de ventes MAIS surcoûts
Constitution de stocks diminutions pertes de ventes et sous-charges MAIS coûts de stockage
Constitution de stocks
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
26S. Kemmoe; N. Tchernev; P.A. Pernot
Vision « Réseau de production »
Changement d’allocation des produits
= mix flexibilité + coût associé
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONTEXTE : PLANIFICATION ET INCERTITUDE
27S. Kemmoe; N. Tchernev; P.A. Pernot
Objectif « affiné »:
Proposer un modèle pour le dimensionnement capacitaire long terme d’un système de production permettant de maximiser le profit exprimé comme la différence entre:
Le chiffre d’affaires issu des ventes
et les coûts: de non saturation des capacités; associés à l’utilisation périodique de la flexibilité volume; associés à la mix flexibilité; associés aux stocks.
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
AGENDA
1) Contexte: planification et incertitude
2) Problème considéré
3) Modélisation (MILP)
4) Incertitude sur la demande: processus
de simulation de Monte Carlo
5) Application numérique
6) Conclusion - Perspectives
S. Kemmoe; N. Tchernev; P.A. Pernot 28
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
MODÉLISATION - MILP
29S. Kemmoe; N. Tchernev; P.A. Pernot
Ensembles: Périodes T / Lignes de production L / Usines U / Agrégats produits P Variables principales:
Variables
Dimensionnement capacitaire des lignes de production
Quantités périodiques produites sur chaque ligne de production
Recours à la flexibilité volume périodique
Investissements machines
Sous-charge périodique
Stocks
Satisfaction de la demande
lcapa
tlpqte ,,
vtlf ,
lpadapt ,
tlnSat ,tpstk ,
tpstd ,
Stratégique
Tactique
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
MODÉLISATION - MILP
30S. Kemmoe; N. Tchernev; P.A. Pernot
Fonction objectif:
Maximiser le profit = Chiffre d’affaire – coûts opérationnels
Où
Chiffre d’affaires (CA):
Coûts opérationnels:
Coûts de stockage:
Adaptation des lignes de production:
Utilisation de la flexibilité volume:
Non saturation des lignes de production:
P T
ptp pventestd ,
P T
stocktp cstk ,
P L
mplp cadapt ,
P L
vflexvtl cf _,
P L
Satntl cnSat _,
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
MODÉLISATION - MILP
31S. Kemmoe; N. Tchernev; P.A. Pernot
Dimensionnement des capacités
P
tlvtlltlp tlnSatfcapaqtePdt ,,,,,,
tlcfcapa theoriquetl
vtll ,,,,
tlcapanSat ltl ,,,
(1)
(2)
(3)
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
MODÉLISATION - MILP
32S. Kemmoe; N. Tchernev; P.A. Pernot
Evaluation des stocks
Borne sur la satisfaction de la demande
Dimensionnement des capacités
Investissements machines
Contraintes de coupes
Intégrité des variables
P
tlvtlltlp tlnSatfcapaqtePdt ,,,,,,
tlcfcapa theoriquetl
vtll ,,,,
tlcapanSat ltl ,,,
pstkInitqtePdtstkstd pL
tlppp ,,,1,1,
1,
,1,,,,,
tp
stkqtePdtstkstd tpL
tlptptp
tpdstd tptp ,,,,
T
lptlp lpMadaptqtePdt ,,,,,
tlaSataf tlvtl ,,1,,
tlMaSatnSat tltl ,,,,
tlMaff vtl
vtl ,,,,
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
+ contraintes d’intégrité et de positivité des variables
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
AGENDA
1) Contexte: planification et incertitude
2) Problème considéré
3) Modélisation (MILP)
4) Incertitude sur la demande: processus
de simulation de Monte Carlo
5) Application numérique
6) Conclusion - Perspectives
S. Kemmoe; N. Tchernev; P.A. Pernot 33
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
INCERTITUDE SUR LA DEMANDE: SIMULATION DE MONTE CARLO
34S. Kemmoe; N. Tchernev; P.A. Pernot
Simulation de Monte Carlo:approcher l’espérance par la moyenne;
Mise en œuvre:
Evaluer sur un ensemble de scénarios de demande…;
…plusieurs dimensionnements capacitaires…;
…correspondants à différentes configurations envisageables (contraintes de free cash flow, incréments
machines,…).
Choisir le « meilleur » au regard du profit espéré.
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
INCERTITUDE SUR LA DEMANDE: SIMULATION DE MONTE CARLO
35S. Kemmoe; N. Tchernev; P.A. Pernot
Choisir une configuration de
capacité c
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
INCERTITUDE SUR LA DEMANDE: SIMULATION DE MONTE CARLO
36S. Kemmoe; N. Tchernev; P.A. Pernot
Choisir une configuration de
capacité c
Générer un scénario de demande
Evaluer le profit (modèle linéaire
simplifié)
Décisions capacitaires figées
Modèle linéaire = planification de la
production
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
INCERTITUDE SUR LA DEMANDE: SIMULATION DE MONTE CARLO
37S. Kemmoe; N. Tchernev; P.A. Pernot
Choisir une configuration de
capacité c
Générer un scénario de demande
Evaluer le profit (modèle linéaire
simplifié)
Nb maximum
d’itérations atteint?
Critère de convergence
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
INCERTITUDE SUR LA DEMANDE: SIMULATION DE MONTE CARLO
38S. Kemmoe; N. Tchernev; P.A. Pernot
Choisir une configuration de
capacité c
Générer un scénario de demande
Evaluer le profit (modèle linéaire
simplifié)
Calculer le profit espéré
Nb maximum
d’itérations atteint?
NON
OUI
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
INCERTITUDE SUR LA DEMANDE: SIMULATION DE MONTE CARLO
39S. Kemmoe; N. Tchernev; P.A. Pernot
Choisir une configuration de
capacité c
Générer un scénario de demande
Evaluer le profit (modèle linéaire
simplifié)
Calculer le profit espéré
Sélectionner la meilleure
solution
Nb maximum
d’itérations atteint?
Fin?
NON
OUIOUI
NON
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
AGENDA
1) Contexte: planification et incertitude
2) Problème considéré
3) Modélisation (MILP)
4) Incertitude sur la demande: processus
de simulation de Monte Carlo
5) Application numérique
6) Conclusion - Perspectives
S. Kemmoe; N. Tchernev; P.A. Pernot 40
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
APPLICATION NUMÉRIQUE
41S. Kemmoe; N. Tchernev; P.A. Pernot
Données structurelles: 10 produits; 12 périodes; 4 lignes de productions.
Scénarios de demande: Pour chaque produit, tirage aléatoire dans un intervalle
entre -20% et +20% autour d’une demande nominale.
4 dimensionnements capacitaires tests: Tirage aléatoire d’une valeur comprise entre 60% et
100% des capacités maximales pour chaque ligne de production.
Nombre d’itérations / critère de convergence: 150 scénarios de demande générés (faible intervalle
de confiance).
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
APPLICATION NUMÉRIQUE
42S. Kemmoe; N. Tchernev; P.A. Pernot
RQ: Demandes nominales saisonnalisées
Profils de demandes nominales représentatifs
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
APPLICATION NUMÉRIQUE
43S. Kemmoe; N. Tchernev; P.A. Pernot
Résultats
Profit espéré
(PE)
½ intervalle confiance
(IC)IC/E
Configuration 1 158 178 206 0,13 %
Configuration 2 154 031 244 0,16 %
Configuration 3 157 783 185 0,12 %
Configuration 4 157 599 255 0,16 %
RQ: seuil de confiance de 95%
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
APPLICATION NUMÉRIQUE
44S. Kemmoe; N. Tchernev; P.A. Pernot
Exemple de planificationDemande nominale / Première dimensionnement capacitaire.
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
AGENDA
1) Contexte: planification et incertitude
2) Problème considéré
3) Modélisation (MILP)
4) Incertitude sur la demande: processus
de simulation de Monte Carlo
5) Application numérique
6) Conclusion - Perspectives
S. Kemmoe; N. Tchernev; P.A. Pernot 45
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
CONCLUSION / PERSPECTIVES
46S. Kemmoe; N. Tchernev; P.A. Pernot
Problème stratégique de déploiement des capacités / dimensionnement capacitaire;
MILP déterministe…;
..intégré au sein d’un processus de simulation de Monte Carlo.
Perspectives:Etude sur un cas réel;Mise en œuvre d’une méthode de type « Kim et
Nelson » pour la réduction des temps de calcul.
47
10
èm
e C
ongrè
s In
tern
ati
onal de G
énie
Ind
ust
riel
CIG
I13
EIG
SI La
Roch
elle
, 1
2-1
4 juin
2013
MERCI POUR VOTRE ATTENTION
S. Kemmoe - CRCGMN. Tchernev, P.A. Pernot – LIMOSpernot@isima.fr
top related