production de biens et services : applications en ...sevaux/publications/s-ort-04-slides.pdf ·...

LAMIH-Université de Valenciennes

Production de Biens et Services :Production de Biens et Services :

Applications en ordonnancement et Applications en ordonnancement et réseaux de transportréseaux de transport

Présentation GDRPrésentation GDR--MACS groupe ORTMACS groupe ORT13 Février 200413 Février 2004Marc SEVAUXMarc SEVAUX

Plan généralPlan général

Présentation de l’équipe Systèmes de productionPrésentation de l’équipe Systèmes de productionet du LAMIHet du LAMIHThèmes abordés dans le cadre du groupe ORTThèmes abordés dans le cadre du groupe ORT

Planification réactive pour la maintenance des Planification réactive pour la maintenance des TGVsTGVsSystème d’aide à la régulation pour le transport Système d’aide à la régulation pour le transport bibi--modalmodal

Optimisation avancée pour le CARPOptimisation avancée pour le CARP


EquipeEquipe LAMIH / SPLAMIH / SP

Modélisation / Conception Modélisation / Conception des Systèmes de Productiondes Systèmes de Production

de biens et de servicesde biens et de services

Le LAMIHLe LAMIH

Modélisation/Conception des systèmes de production

de biens et de services

2 PR, 1 HDR, 9 MdCSP 2 IR, 2 IE

6 doctorants

ROIOptimisation

BIOMSHM RAIHMPERCO

Modélisation et Intégration des opérateurs humains dans les

systèmes HM

SFModélisation/Commande

des systèmes

DRCMES

DEVGDMGénie Mécanique

LAMIH/SP LAMIH/SP -- Thématiques de rechercheThématiques de recherche

ConceptionExploitation

Modélisation produit / process

Pilotage des

Systèmes de Production

de biens et de servicesPilotage / Evaluationdu processusde conception

Aide à la décision

LAMIH/SP LAMIH/SP -- Thématiques de recherche

Modélisation produit / process

Thématiques de recherche

ModèleModèle dede produit multiniveauxproduit multiniveaux

Modèle génériqueModèle générique de de processus processus de conceptionde conception

Modélisation Modélisation technicotechnico--économiqueéconomique

Système d’aide à la conceptionSystème d’aide à la conception


Pilotage et Evaluation du processus de conception


Formalisation du processusFormalisation du processus de conceptionde conception

ModèlesModèles de conception de conception coopérativecoopérative

Modèles physicoModèles physico--économiques d'évaluationéconomiques d'évaluation desdescoûtscoûts en conception en conception

Capitalisation et gestion des connaissancesCapitalisation et gestion des connaissances


Pilotage des systèmes de production


ModèlesModèles de structuresde structures distribuéesdistribuées de de pilotagepilotage

Méthodologie de couplages Méthodologie de couplages multiméthodesmultiméthodes(algorithmique, RO, heuristiques,....)(algorithmique, RO, heuristiques,....)

Systèmes d’aide au pilotageSystèmes d’aide au pilotage

LAMIH/SP LAMIH/SP -- Thématiques de rechercheThématiques de recherche

Domaines d'application

TransportsIngénierie

urbaineSystèmes

Manufacturiers

Secteur

Hospitalier

LAMIH/SP LAMIH/SP -- CollaborationsCollaborations

RégionalesRégionalesGraisyhmGraisyhm (Commande/pilotage de systèmes (Commande/pilotage de systèmes complexes)complexes)Action de Recherche Concertée “Ingénierie urbaineAction de Recherche Concertée “Ingénierie urbaine””Projet TAT Projet TAT –– MOST MOST –– TransportsTransportsProjet ANR Projet ANR –– Sûreté de fonctionnement Sûreté de fonctionnement -- Transports Transports

NationalesNationalesGDR MACS GDR MACS –– CNRS CNRS (Actions Spécifiques, (Actions Spécifiques, EquipeEquipe Projet Projet MultilaboratoiresMultilaboratoires))

InternationalesInternationalesProjets européens, Actions Intégrées Projets européens, Actions Intégrées

LAMIH/SP LAMIH/SP -- CollaborationsCollaborations

Secteur industriel Secteur industriel AérospatialeAérospatiale,, AlstomAlstom, EADS, Renault, SNCF, ...., EADS, Renault, SNCF, ....

SecteurSecteur dede l’ingénierie urbainel’ingénierie urbaineEntreprisesEntreprises,, architectesarchitectes,, collectivitéscollectivités localeslocales

SecteurSecteur des servicesdes servicesCentres hospitaliersCentres hospitaliers (Valenciennes,(Valenciennes, LilleLille,, NîmesNîmes))SociétéSociété de transportsde transports urbainsurbains


Planification réactive de systèmes Planification réactive de systèmes complexes. Application à la complexes. Application à la

maintenance des TGV maintenance des TGV

Intervenants:Intervenants:Yann Le Yann Le QuéréQuéré, Marc , Marc SevauxSevaux, , Christian Christian TahonTahon, Damien , Damien TrentesauxTrentesaux

PlanPlan

Présentation du cas industrielPrésentation du cas industrielProblématique scientifiqueProblématique scientifiqueEtatEtat de l’artde l’artSpécificationsSpécificationsPropositionPropositionConclusionConclusion

Cas industriel : produits et ressourcesCas industriel : produits et ressources

Structure TSC

RemorquesCTA

BogiesOMULCT

Motrice

Cas industriel : planification des tâchesCas industriel : planification des tâches

Directeur d’établissement

Pôle programmation

OMU CTATSCLCT

Planification semestrielle

Planification mensuelle

Cas industriel : planification des tâchesCas industriel : planification des tâches


Ordohebdomadaire

Chef d’unité de production

Responsableproduction

Unité de travail

Unité de travail

Unité de travail

Unité de travail

Analyse des dysfonctionnementsAnalyse des dysfonctionnements

Type de problèmes Pourcentage d’occurence

Impact en jours cumulés

Diagnostic erroné (durée prévue, affectation prévue)

30% 8

Coordination 11% 0 Logistique 11% 1

Modifications de charges dues à une cause

externe

10% 1

Préparation des tâches 10% 3 Outillages 10% 3

Approvisionnements 10% 1 Qualité 5,5% 7 Grève 2,5% 1

Cas industriel : constat et objectifCas industriel : constat et objectif

Résultats 2000 : Pour 7 rames, une seule a été livrée Résultats 2000 : Pour 7 rames, une seule a été livrée dans les délais prévus.dans les délais prévus.

1 à 20 jours de retard pour un cycle de maintenance 1 à 20 jours de retard pour un cycle de maintenance de 50 jours.de 50 jours.

Objectif : Respecter les engagements fixés par la Objectif : Respecter les engagements fixés par la planification des immobilisations des rames.planification des immobilisations des rames.

Problématique scientifiqueProblématique scientifique

Planification «Planification « hors lignehors ligne »:»:Coordination.Coordination.Coopération.Coopération.

Réactivité «Réactivité « en ligneen ligne »:»:Information.Information.Décision (modification de la planification).Décision (modification de la planification).

Spécificités des contraintesSpécificités des contraintes

Contraintes de Contraintes de séquencementséquencement des tâches.des tâches.Contraintes de sécurité.Contraintes de sécurité.Contraintes d’accessibilité.Contraintes d’accessibilité.Contraintes d’outillage.Contraintes d’outillage.Contraintes de capacité des ressources.Contraintes de capacité des ressources.Contraintes de stockage.Contraintes de stockage.Contraintes d’approvisionnements.Contraintes d’approvisionnements.

Spécificités du problèmeSpécificités du problème

Complexité du problème :Complexité du problème :Nombre et durée des tâches incertainsNombre et durée des tâches incertainsForte connexion des tâches due aux contraintes.Forte connexion des tâches due aux contraintes.

Pas d’exhaustivité des scénariosPas d’exhaustivité des scénarios

Manque de flexibilité des ateliersManque de flexibilité des ateliers

EtatEtat de l’artde l’art

Références Description Prévision Réaction Problème

[Esquirol] [Lopez] Horizons glissants Oui implicite

temps de prise de décision non pris en compte

[Kouvelis] [Yu] Ordonnancement orbuste Oui implicite

Non exhaustivité des

scénarios[Boucon] [Mebarki]

Plans et règles de priorité Oui Oui Myopie ou

complexité

[Demeulemeester] [Herroelen]

Algorithme cut/set Oui Oui

Complexité et imprévisibilité a

priori

[Roubellat] GOP Oui OuiManque de

flexibilité de l'atelier

Spécifications du système Spécifications du système d’aide à la décisiond’aide à la décision

Planification :Planification :Performance globale de la planification. Performance globale de la planification. Robustesse des ordonnancements (UT).Robustesse des ordonnancements (UT).

Réactivité :Réactivité :En cours en évolution pendant la prise de En cours en évolution pendant la prise de décision. décision. Intégrer les temps de réaction dans la prise de Intégrer les temps de réaction dans la prise de décision. décision.

Spécifications du système Spécifications du système d’aide à la décisiond’aide à la décision

Axe de décision :Axe de décision :Déterminer des séquences de tâches.Déterminer des séquences de tâches.Fixer les dates de début en considérant le critère Fixer les dates de début en considérant le critère de robustesse.de robustesse.

Axe d’information :Axe d’information :Simuler le processus de décision partagéeSimuler le processus de décision partagéeDéduire les en cours en fonction des temps de Déduire les en cours en fonction des temps de transfert d’information.transfert d’information.

Proposition : principe du SADProposition : principe du SAD

Intégration des temps de réaction dans le processus de calcul d’ordonnancement


Ordo 1 Ordo 4Ordo 3Ordo 2

Aléa type1Type de réaction 1

Temps de réaction 1 Aléa type1Type de réaction 2

Temps de réaction 2

Proposition : principe du SADProposition : principe du SAD

Aléa Spécifique.Aléa Spécifique.Simulation du processus de décision : Simulation du processus de décision :

Entrée Entrée spécificité de l’aléa, modification spécificité de l’aléa, modification calculée.calculée.Sortie Sortie type de réaction, temps de réaction. type de réaction, temps de réaction.

Calcul de la modification Calcul de la modification Entrée Entrée type de réaction, temps de réaction.type de réaction, temps de réaction.Sortie Sortie modification calculée.modification calculée.

Modification

Simulation du processus de décision

Spécificité de l’aléa

Calcul de la modification

Proposition : méthodeProposition : méthode

Calcul de la modification :Calcul de la modification :Propagation par contraintes : détermination des Propagation par contraintes : détermination des séquences de tâches.séquences de tâches.

Simulation du processus de décision :Simulation du processus de décision :Réseau de Réseau de PetriPetri colorés temporisés.colorés temporisés.

ConclusionConclusion

Problème de prévisions.Problème de prévisions.Problème d’information. Problème d’information. Intégration de la simulation de processus et du Intégration de la simulation de processus et du processus luiprocessus lui--même.même.Réalisé pendant la thèse :Réalisé pendant la thèse :

Implantation SAD à la SNCF.Implantation SAD à la SNCF.En perspectiveEn perspective

Intégration de la dynamique du problème.Intégration de la dynamique du problème.



Planification réactive pour la maintenance des Planification réactive pour la maintenance des TGVsTGVsAide à la régulation des systèmes de transport Aide à la régulation des systèmes de transport intermodauxintermodaux



Aide à la régulation des systèmes de Aide à la régulation des systèmes de transport intermodauxtransport intermodaux

Intervenants :Intervenants :Thérèse Thérèse BonteBonte, , Karim BouamraneKarim BouamraneMarc Marc SevauxSevaux, Christian , Christian TahonTahon

PlanPlan

L’intermodalitéL’intermodalité

La régulationLa régulation

Le projet Valenciennois: Le projet Valenciennois: TransvillesTransvilles

Le système d’aide à la régulationLe système d’aide à la régulation

L’intermodalitéL’intermodalité

Définition: principe d’organisation de l’offre de Définition: principe d’organisation de l’offre de transport visant à coordonner plusieurs systèmes par transport visant à coordonner plusieurs systèmes par une gestion et un aménagement spécifique des une gestion et un aménagement spécifique des interfaces entre les différents réseaux interfaces entre les différents réseaux

vélo

tram

bus

train

route

tram

routebus

train

vélo

L’intermodalité L’intermodalité (2)(2)

elle nécessite: elle nécessite:

coopération institutionnellecoopération institutionnelle

coordination de l’offrecoordination de l’offre

harmonisation tarifaire (harmonisation tarifaire (billeteriebilleterie unique, carte)unique, carte)

de lieux d’échange entre les moyens de transport (parc de lieux d’échange entre les moyens de transport (parc relais, pôles d’échange…)relais, pôles d’échange…)

information information multimodalemultimodale: système d’information et : système d’information et d’orientation commund’orientation commun

Le régulateur Le régulateur

Il supervise en temps réel le fonctionnement du Il supervise en temps réel le fonctionnement du réseau de transport en communréseau de transport en commun

Il diagnostique les perturbations et met en place des Il diagnostique les perturbations et met en place des procédures de régulation procédures de régulation

pour optimiser la qualité du servicepour optimiser la qualité du servicetout en tenant compte des contraintes tout en tenant compte des contraintes d’exploitation.d’exploitation.

Les outils de la régulationLes outils de la régulation

Le Tableau de Marche (TM): description complète du Le Tableau de Marche (TM): description complète du fonctionnement théorique optimisé du réseau dans une fonctionnement théorique optimisé du réseau dans une journée (courses, horaires, chauffeurs…)journée (courses, horaires, chauffeurs…)

Le Système d’aide à l’Exploitation (SAE): Le Système d’aide à l’Exploitation (SAE): assure la localisation des véhiculesassure la localisation des véhiculesinforme les passagersinforme les passagersdéclenche une alarme si ldéclenche une alarme si l ’écart entre le TM et les ’écart entre le TM et les conditions réelles est trop grand conditions réelles est trop grand permet la mise à jour du TM permet la mise à jour du TM permet une exploitation de l’information en différé permet une exploitation de l’information en différé

Organisation de la régulation Organisation de la régulation

Tableau de marche (T.M.)

Système d’Aide à l’Exploitation

(S.A.E.)

Le réseau

Régulateur

état du réseau

état mis à jour

alarme

Le projet Valenciennois: Le projet Valenciennois: TransvillesTransvilles

Volonté de définir une nouvelle politique de Volonté de définir une nouvelle politique de déplacements pour l’agglomérationdéplacements pour l’agglomération

Tarification «Tarification « TranscarteTranscarte »»

Mise en place du tramwayMise en place du tramway

Nouveau plan de circulation associé au tramway Nouveau plan de circulation associé au tramway intégrant tous les transports en commun (autobus, intégrant tous les transports en commun (autobus, trains, tramway)trains, tramway)

Le ProjetLe Projet

Système d’aide à la décision destiné au régulateur pour Système d’aide à la décision destiné au régulateur pour faciliter sa tâche en cas de fonctionnement dégradé du faciliter sa tâche en cas de fonctionnement dégradé du réseau.réseau.

Partenaires:Partenaires:Laboratoire d'Automatique et d'Informatique industrielle Laboratoire d'Automatique et d'Informatique industrielle de Lille de Lille EcoleEcole Centrale de Lille Centrale de Lille Laboratoire d'Automatique et de Mécanique Industrielles Laboratoire d'Automatique et de Mécanique Industrielles et Humaines de Valenciennes et Humaines de Valenciennes INRETS INRETS SEMURVALSEMURVAL

Nouvelle organisation de la régulationNouvelle organisation de la régulation

dialogue

S.A.D.

état du réseau

état mis à jour

Régulateur

Tableau de marche (T.M.)

Système d’Aide à l’Exploitation

(S.A.E.)

Le réseau

alarme

Le système d’aide à la décisionLe système d’aide à la décision

Objectifs généraux:Objectifs généraux:

Détecter des situations de dysfonctionnementDétecter des situations de dysfonctionnementProposer au régulateur un ensemble de solutionsProposer au régulateur un ensemble de solutionsLui permettre d’apprécier la pertinence des Lui permettre d’apprécier la pertinence des solutionssolutionsL’aider à mettre à jour les informationsL’aider à mettre à jour les informations

Architecture générale du S.A.D.Architecture générale du S.A.D.

Information des voyageurs

interface régulateur

Simulateur

Régulation du trafic

en interstations

Régulation du trafic

aux nœuds de correspondance

Gestion des flux de passagers

En station

Système d’aide à la décision

Moniteur d’activation:- aide à identifier la perturbation- aide à trouver une solution

La simulationLa simulation

Utilisation de QUEST (Utilisation de QUEST (DelmiaDelmia))Environnement destiné à la simulation de fluxEnvironnement destiné à la simulation de fluxDéfinition du modèle par interface graphique ou Définition du modèle par interface graphique ou par un langage propriétairepar un langage propriétaire

Développement d’un modèle de simulationDéveloppement d’un modèle de simulationTramway Tramway BusBusPôles d’échangePôles d’échangePassagersPassagers

Â

Á

¿

À

A genetic algorithm

with population management(GA|PM)

for the CARP

Christian Prins1, Marc Sevaux2, Kenneth Sorensen3

1University of Technology of Troyes, France2University of Valenciennes, France

2University of Antwerp, Belgium

Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 1

Outline

Outline

• The Capacitated Arc Routing Problem

• Principle of GA|PM

• An existing memetic algorithm

• Computational experiments

• Conclusion


The Capacitated Arc Routing Problem


Data:

undirected network G

n nodes including a depot with vehicles of capacity W

m edges including a set of t required edges or tasks

each edge has a demand and a traversal cost

Goal: process all tasks with a min-cost set of trips

Applications: urban waste collection, winter gritting etc.

NP-hard: Solved in practice with constructive heuristics,

and metaheuristics

Tabu Search (Eglese,1994,1996; Hertz et al. 2000),

GLS (Beullens et al. 2001) or

HGA (Lacomme et al. 2001).



A small example: gdb1

7

9

2 3

4

12 5

6

7

1

10

811

2

18

13

920

17

4 11

5

14

16

12

19

3

10

19

8

20

18

4

3

12 nodes, 22 edges, capacity = 5, unit demands



Optimal solution: gdb1

9

2 3

4

12 5

6

7

1

10

811

T1: 99

9

2 3

4

12 5

6

7

1

10

811

T2: 30



Optimal solution: gdb1 (continued)

9

2 3

4

12 5

6

7

1

10

811

T3: 66

9

2 3

4

12 5

6

7

1

10

811

T4: 71



Optimal solution: gdb1 (end)

9

2 3

4

12 5

6

7

1

10

811

T5: 50

Optimal solution: 5 trips; total cost= 316


Principle of GA|PM

Principle of GA|PM

GA|PM GA

Small population Large population

High-quality solutions Mixed-quality solutions

Local improvement No local improvement

Diversity through population

management

Diversity through randomness

• Control intensification/diversification balance through population

management strategies


Principle of GA|PM

GA|PM Algorithm

1: initialise population P

2: set population diversity parameter ∆3: repeat

4: select: p1 and p2 from P

5: crossover: p1 ⊗ p2 → c1, c2

6: local search: on c1 and c2

7: for each child c do

8: while dP (c) < ∆ do

9: mutate c

10: end while

11: remove solution: P ← P\b12: add solution: P ← P ∪ c

13: end for

14: update diversity parameter ∆15: until stopping criterion satisfied


Principle of GA|PM

Population management

• Distance between solutions d(s1, s2)

– Should be measured in the solution space

– Should reflect “difference” between solutions

– e.g. Hamming distance for binary representations

• Distance to population

dP (s∗) = minsi∈P

d(s∗, si)

• Locally improved solution s∗ is only added to the population if

dP (s∗) ≥ ∆

• Use ∆ to control population diversity


Principle of GA|PM

Population management strategies

Generations

∆

Generations

∆

Generations

∆

Generations

∆

No improvements found


An existing memetic algorithm


• Solution encoding :

G coded as a symmetric digraph with 2m arcs, 2 per edge

Chromosome = ordered list of τ tasks

No trip delimiter: giant tour or priority order for 1 vehicle

• Selection: by binary tournament

• Crossover : OX for sequencing problems

• Initial solutions: Path-Scanning, Augment-Merge, Ulusoy

• Local search: on a real representation of the solution

• Restarts: done after relacing part of the population



Adding population management

Distance measure

Find a trade-off between accuracy and computation time

Distance used → Levenshtein

Strategy

Start with slight differences between solutions

After π iterations w/o improvement of the best solution, δ is

increased by a factor γ.

Generations

∆

No improvements found

for π iterations


Computational results

Computational results

Tested on 21 instances from Golden DeArmon and Baker

Algorithm Dev. LB LB hits Av. Time Res. Av. XOvers

SMA 0.65 15 0.37 0 2750.5

BMA-nr 0.33 18 0.95 0 3013.1

GAPM-nr 0.24 20 0.90 0 880.9

BMA 0.17 21 4.79 5(3) 9960.2

GA|PM 0.17 21 1.59 3(1) 1968.9

Average CPU Time is given in seconds

Res.: Restarts done (leading to an optimal solution)


Conclusion and future work

Conclusion and future work

• GA|PM: Genetetic Algorithms with Population Management

• Actively control diversity of population through management

• Diversification vs. intensification can be controlled

• Solves some problems of “classical GA”

• Performs better than hybrid GA on tested problems

• Distance measures are time-consuming

• Compute for the other classical instances


production de biens et services : applications en ...sevaux/publications/s-ort-04-slides.pdf ·...

Documents