modélisation dun atelier de forge par un job-shop flexible anthony caumond phillippe lacomme...

Modélisation d’un atelier de forge par un Job-Shop flexible

Anthony Caumond

Phillippe Lacomme

Nikolay Tchernev Réunion Bermudes du 27/09/02

Réunion BERMUDES du 27/09/02 T2

• L’entreprise

• L’atelier de forge

• Le problème à résoudre

• La démarche de modélisation

• Le problème théorique

• Les modèles

• Une approche d’optimisation

Plan de l’exposé

L’entreprise :L’entreprise :

• Le marché

• Le processus de fabrication


• Fabrication d’alliages de fer– super alliages, alliages rapides, ...

• Clients– aérospatiale, armement, énergie, automobile,

outillage, médical, construction mécanique

L’entreprise marché


L’entreprise processus de fabrication

L’atelier de forgeL’atelier de forge

• Contexte

• Schéma physique

• Différents types de flux

• Unité de flux


L’atelier de forge Contexte

stock

Acièrie

dem ande m éta l pour unecom m ande entière

dé la i, passage dansd 'au tres services

ordonnanceur

com m andesva lides

sem ainescouran tes e tp récédentes

/H/ ressource

s s2 s3 s5 s6s5ja lonnées à la

sem aine

com m andes

p lanneur

planification au plus

tard à capacité infinie

planification opérationnelle


L’atelier de forge Schéma physique

Pont36

Pont22

GLAMAP resse4500 T

5T1

8T

FD29

FD16FD15FD17FD

65FD66

FD67

FD34

P resse2500 T

FD14

FD13

FD12FD

11

FD10

S M X

5T2

3T

Pont23

FD4

FD5

S M XT

3T3


L’atelier de forge Les différents types de flux

stock

sortie

SMX

4500T

2500T

1 23'

Flux type Flow-Shop hybride



Retour sur l’étage 1

stock

sortie

SMX

4500T

2500T

1 24'

3four de

remise au feu

four dechauffe



Changement de ressource sur l’étage 2

stock

sortie

SMX

4500T

2500T

1 2

43 5


Le modèle Unité de flux

Job

Gamme

Opération

Lot de type2

Pièce

Lot de type1

Machineétage 2

Liste demachinesétage 1

lot detype 2

lot detype 2

lot detype 1

stock sortie

SMX

4500T

2500T

Le problème à résoudreLe problème à résoudre

• Problèmes théoriques sous-jacents

• Lien entre les problèmes

• Contraintes

• But


Le problème à résoudre Problèmes théoriques sous jacent

• Problèmes de planification

– Ordonnancer les jobs

– Planifier les opérations

– Constituer les lots à l’étage 1

– Affecter les lots aux machines

– Affecter les gammes aux jobs

– Ranger les pièces des lots dans les

machines (Bin Packing)


Le problème à résoudre Lien entre les problèmes

Bin Packing

Planification desopérations

Ordonnancementdes Jobs

Affectationaux fours Affectation aux

Presses affectationgamme / job

Constitution de lots


Le problème à résoudre Contraintes

• Ordonnancer les jobs– contraintes temporelles (entre les jobs)– dates de début de traitement au plus tôt ou

imposées

• Planifier les opérations– changement d’outil étage 1 et 2– contraintes de regroupement à l’étage 2– « durée de traitement» comprise dans un intervalle

donné (Etage 1)– l’intervalle dépend des pièces affectées au lot


Le problème à résoudre Contraintes

• Constitution de lots– compatibilité des pièces dans les lots– lots prédéfinis (lots étage 2 et certains lots étage 1)– l'intersection des intervalles des temps de

traitement des pièces est non nulle

• Affectation lot/machine étage 2 (gamme / job)

• Affectation lot / machine étage 1– plages d’ouverture des machines– contrainte entre le lot et la machine– contrainte entre les pièces du lot et la machine


Le problème à résoudre But

• Créer un outil d’Aide à la Décision pour– la planification de l’atelier

• En vue de :– prendre en compte les aléas de fonctionnement– augmenter l’horizon de planification– formaliser le savoir-faire

• Contrainte sur l’outil:– un outil 'rapide'– un outil mode interactif

Le modèleLe modèle

• Schéma du modèle

• Hypothèses simplificatrices

• Démarche de modélisation


Le modèle Schéma du modèle

stockd 'entrée

stock desortie

lo t é tage 1lo t é tage 2k lo t é tage 2k+1,

k>0lo t é tage 2k lo t é tage 2k+1,

k>0

lo t é tage 2k

C entre décis ionne l


Le modèle Démarche de modélisation

• Etape 1. Approche fonctionnelle SADT

• Etape 2. Validation du modèle SADT

• Etape 3. Extraction des données

• Etape 4. Approche Objets

• Etape 5. Modèle mathématique


Le modèle Hypothèses simplificatrices

• l'étage 2 est l'étage goulet

• l'étage 1 de capacité suffisante par rapport à

l'étage 2

• Optimisation avec capacité infinie à l'étage 1

L’approche d’optimisationL’approche d’optimisation

• Le couplage triple : principe

• Le couplage triple : application

• Principe de l’heuristique

• Déroulement d’un exemple

• Extensions


L’approche d’optimisation Le couplage triple: principe

Module d’optimisation

Module d'évaluation

Etat courant

Décision de gestion

Ordonnancement

Evaluation

Règles de gestion

Planification


L’approche d’optimisation Le couplage triple: application

Module d’optimisation

Module d'évaluation

Règles de gestion

R0: Calcul des datesdes opérations en

fonction de l’ordonnancement

Métaheuristique sur l’ordonnancement des pièces


L’approche d’optimisation Principe de l’heuristique

Placer les jobs en respectant l'ordonnancement– placer les opérations au plus tôt– ne pas remettre en cause les jobs précédents dans

l'ordonnancement

• But : construire un échéancier valide d’opérations

• Données d’entrée : ordonnancement des jobs

• Données de sortie : affectation job/gamme, date de début des opérations


L’approche d’optimisation Déroulement d’un exemple

0 1

tem ps

m ach ine

2

50 8 11 12 16

M 1

M 1

0

2

m achine

tem ps

103

975 1612118

M 1 2

m achine

tem ps

10

16-7=9>7

3 4

0 75 1612118


L’approche d’optimisation Déroulement d’un exemple

M 1 2

m achine

tem ps

10

16

3

0 65 12118

M 1 2

m achine

tem ps

10 3

0 65 12118

4

16 18

43M 1 2

m achine

tem ps

10 5 6

65 12118 16 18 20 23210


Heuristique Extensions

Extension 1:Changement d’outil ajouter le temps de

changement d’outil aux temps de traitement

Extension 2 :Prise en compte de plusieurs machines

dupliquer les échéanciers

Extension 3 :Affectation gamme / job meilleure solution

locale

Résultats: Taille de résultats100 000 itérations

Jeu de données généré aléatoirement

Jeu de données réel

Nombre d’OF 8 16 100 200 100 200

Temps de calcul 29 26 268 628 100 250

Dernière amélioration

milliers d’itérations11 17 93 87 80 30

Makespan 73 89 588 1185 2675 7178

Tx d’utilisation %

Machine 1 50 68 67 61 44 33

Machine 2 67 47 68 65 95 95

Machine 3 60 65 60 70 35 35

Conclusion

• Modélisation complète du système– Formalisation de la connaissance (SADT,

modèle objet, ...)– Validation des modèles

• Proposition d’outils et de méthodes d’optimisation

• Conception d’un outil d’Aide à la Décision

modélisation dun atelier de forge par un job-shop flexible anthony caumond phillippe lacomme...

Documents