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
MODELISATION ET SIMULATION
2 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Améliorer en permanence la qualité et la productivité : c'est l'enjeu de l'industrie des années 1990
Quels outils donner au décideurpour comprendre, dimensionner, gérer ces systèmes ?
Diminutiondes coûts de fabrication
Diversités des produits
Augmentation de la qualité
Augmentation de la réactivité
Augmentation de la concurrence
Introduction
3 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Notions de système
Les systèmes industriels de production
La complexité dans ces systèmes
Les problèmes posés
PARTIE I : Les systèmes industriels de production
4 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Fabriquer Transporter Stocker
sont les principales fonctions d'un système industriel de production
Déco
mp
osit
ion
ver
s p
lus d
e d
étail
Niveau Système de Production
UNITÉ DE PRODUCTION
Niveau Usine
ESPACEDE FABRICATION F1
ATELIER DE FABRICATION A2
Niveau Espace de fabrication (ateliers)
ILOT DE FABRICATION I1
Niveau Procédé
Niveau M achineAg
rég
atio
n v
ers
un
e vis
ion
glo
bal
e
TAPIS C1 STOCK S1MACHINE
M1
Quelques définitions ...
5 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Fabriquer Transporter Stocker
MachinesOutillagesRégleursFraiseurs ...
ChariotsConvoyeursRobotsRéseauxPalettesCaristes ...
MagasinsEn-CoursMagasiniers ...
Combien ? Capacité ? Horaires ?
Alimenter une machine, Router un chariot,Transporter une pièce
Dimensionner
et Gérer
Des RESSOURCES pour
qu'il faut
Quelques définitions ...
Une ressource est nécessaire à la réalisation d'une opération, et peut être partagée par plusieurs
opérations (ressource critique, goulot)
6 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
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 ...
Quelques définitions ...
7 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Tout à la fois=
CRITERES HETEROGENES... ET CONTRADICTOIRES
Les critères les plus fréquents
Quelques contraintes
- dans les meilleurs délais- en réduisant les en-cours- en utilisant les ressources- en favorisant la qualité,- ...
- 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"- ...
Quelques définitions ...
8 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Description de l’atelier
Description des produits
Planification
Ordonnancement
Perturbation ?
Changement de type de
production ?
OUINON
NON
OUI
Système
Temps Réel
usinage
réglage
Attente
Temps pour une machine :
usinage
stockage et transfert
Temps pour une pièce :
Gestion d'un atelier flexibleGestion d'un atelier "classique"
Vers une flexibilité accrue ...
9 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
La complexité d’un tel système est liée :
• au nombre important des processus qu’il faut gérer fabrication, transport, stockage
• à leur interdépendanceflux tendu, ressources partagées
• au manque d’informationsconcurrence, marché
• à la nature des décisions à prendre pas d’algorithme
• à la variété des critères d’appréciation• aux aléas
... avec une complexité croissante
Décomposition (diviser pour régner ...) ?
L’optimisation d’un système n’est pas réductible à un ensemble d’optimisations partielles
10 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Un système industriel
de production
Problèmes deDIMENSIONNEMENT
Problèmes deFONCTIONNEMENT
Problèmes dePRODUCTIVITE
Problèmes deMAINTENANCE
Problèmes dePANNES ET ALEAS
Problèmes d'ORDONNANCEMENT
Une problématique intéressante !
11 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
PARTIE II : MODELISATION ET SIMULATION
Processus de Modélisation
Quelques modèles de la gestion industrielle
La Simulation
12 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Implantationde la solution
" Pour un observateur A, est un modèle de B si A peut apprendre , à partir de quelque chose d'utile sur le fonctionnement de B "
Minsky 68
La modélisation
Recherche de solutionsur le modèle
Problème Construction d’un modèle
13 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Paramètresinconnus
Contraintes
RésultatsSouhaités
Physique Symbolique
METHODES Déterministe Stochastique
Déterministe Analyse Monte-Carlo
Stochastique Probabilité SimulationSYSTEME
MODELE
Modèle
Les méthodes de résolution
14 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Décision Opérationnelle Tactique Stratégique
ProgrammableRégulation et suivi
Calcul opérationnel
Planification
Recherche opérationnelleStatistiques
StructuréeGestion ressourcesGestion produits
Heuristiques
Politique industriellePolitique sociale
Recherche opérationnelleHeuristiquesSimulation
Stratégie industrielle
Recherche opérationnelleSimulationIA
Non structuréePolitique socialePolitique industriellePolitique financière
SimulationIA
Stratégie socialeStratégie industrielle
?
+ Nombre de contraintes / Fiabilité des données -- Temps de calcul disponible +
-
Fo
rma
lisa
tion
+
Les modèles de la gestion industrielle
15 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Les limites des méthodes analytiques
Lorsqu’il s’agit de modéliser des systèmes complexes, les méthodes analytiques sont limitées :
• le temps n’est 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, c’est-à-dire :
NON VALIDES (non fidèles, non représentatifs du système réel)
16 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Flux
Nombre
de chariots
METHODE ANALYTIQUE
SIM ULATIO N
400
65%
3 5
Les méthodes de résolution
L'infidélité ... est cause d' ERREURS GRAVES
17 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Le tableur
La gestion de projet
La Recherche opérationnelleet les mathématiques appliquées
Les outils d'aide à l'implantation
Modules de Simulationen G.P.A.O.
La SIMULATIONde flux
L'intelligenceartificielle
Les outils d'évaluation des performances
18 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
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
Les avantages de la simulation ...
Un modèle se simulation permet de représenterfidèlement un système complexe ... MAIS ...
19 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
... et ses inconvénients
Il ne permet pas, contrairement aux méthodes analytiques de résoudre directement le problème. Il s’agit d’un modèle com-portemental (What if)
GammesNomenclaturesRessourcesProcessusMarchéRègles de gestion
Changements d’étatIndicateurs de performance
Interprétation
20 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Démonstration
21 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Démonstration
22 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Les étapes d'un tel projet
Les différents acteurs
Les écueils classique à éviter
PARTIE III : La conduite d'un projet de simulation
23 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
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 modèlesVérification et Validation
Exploitation des modèles
Les plans d'expériencesAnalyse des résultats
Les grandes étapes
Pri
nci
pale
s diffi
cult
és
24 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Recueil des données "physiques"
"logiques et décisionnelles"
Modélisation des phénomènes aléatoires
Temps inter-pannes,Temps de réparation,Temps de cycles.
Loi d'arrivée , Temps de réglages, ...Taux de succès aux contrôles,
Par des distributions
La modélisation de la connaissance
25 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
0
2
4
6
8
10
125 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Arrivées par 10 minutes
Fré
qu
ence
s o
bse
rvée
s (%
)
0
2
4
6
8
10
12
14
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Arrivées par 10 minutes
Fré
qu
ence
s o
bse
rvée
s (%
)
Un panel étendu de distribution
Loi normale,Loi exponentielle,Loi triangulaire, ...
"Une Loi triangulaire vaut toujours mieux qu'une moyenne"
0102030405060708090
100
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
A propos des distributions aléatoires ...
26 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
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 l’information ou collecte directeObservation d'histogramme des fréquencesTests d'adéquation, ...
Faute de quoi :
A propos des distributions aléatoires ...
Garbage In Garbage Out !
27 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Les dangers d’un mauvais choix
G X
"" Service ""
L’intervalle A entre deux arrivées de clients est de 1 MnLa 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) 0Expo(1) Expo(0.99) 77.9Expo(1) Expo(0.98) 49.5Gauss(1.0,0.1) Gauss(0.99,0.1) 0.56
28 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
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)
Un premier bilan sur les données ...
29 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Commencer par un modèle simple, voire sommaire
(à présenter aux utilisateurs et à réajuster)
TESTS deVERIFICATION et VALIDATION
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, ...
"Un test réussi est un test qui a découvert des fautes"
accompagné de ses :
Construisons un modèle ...
30 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Problème
Modèle de Simulation
Plan d’expériences Jeux d'essais systématiques
Interprétation
Exploitons ce modèle ...
ProcessusContraintes
Paramètresà déterminer
Performances
Fin
Les campagnes desimulation peuventêtre très longues
31 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
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 ...
Des chiffres ...
Les résultats d'une simulation (1/2)
32 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
... Animations
Fournit à l'utilisateur une vision synthétique, intuitive et évolutive des phénomènes étudiés.
Est porteuse d'informations.
Favorise la perception des phénomènes, et la
communication dans les projets de simulation.
Permet de "valider" le modèle
Présente le comportement transitoire du système étudié.
Les résultats d'une simulation (2/2)
33 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Résultats d'unmodèle de simulation
Utilisation de techniquesd'analyses statistiques
0
2
4
6
8
10
12
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Arrivées par 10 minutes
Fré
qu
ence
s o
bse
rvée
s (%
)
Expression des résultats avec leur dispersion,
Histogrammes,
Etude de la sensibilité des résultats aux paramètres en entrée
Intervalle de confiances,...
Analysons les résultats
34 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
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 généraleou industrielle
ingénieur, technicien oupersonnel d'exploitation
???
???
PROFIL IDEAL
Culture sur la problématique du domaine étudié
Rigueur intellectuelle Compétences en statistiqueBases en Recherche OpérationnelleExpériences d'outils de simulation
Les compétences des acteurs
35 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Objectifs maldéfinis
Manque d'information et de formation des différents intervenants
Pas assez de réplications de la simulation
Données non fiablesen entrée
Attention aux pièges !!!
36 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
"Un modèle est toujoursTROP COMPLEXE"
"ne pas modéliser lesTOURS DE MAINS"
"Se concentrer surLES GOULOTS"
Modélisation trop détaillée
... et surtout
Attention aux pièges !!!
37 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Domaines d’utilisation
Principaux produits
Evolution prévisible
Références
PARTIE IV : Domaines et acteurs
38 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Simulation=
technique intéressante et puissante, parfois la seule utilisable,
particulièrement adaptée à l’aide à la prise de décision sur un système complexe
mais elle doit être rentable : Il faut évaluer les enjeuxassociés aux objectifs de l'étude
(coût espéré du risque, gain espéré, payback)
Conception de nouveaux systèmes
Modification d'un système existant
Pilotage des systèmes
Formation à l’utilisation du système
Domaines
39 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Démarche validepour 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
...
Domaines
40 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Langage de programmation classique
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 etde développement
- représentation rigide
- simplification excessive
des outils complémentaires et non concurrents
Systèmes industriels complexes =langages de Simulation les plus adaptés
Produits
41 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
des PRIX
VARIETES des produits,
des FONCTIONNALITES proposées
Attention aux supports techniques, ...
CETIM 10, rue Barrouin 42 000 Saint-EtienneCXP 45, rue du rocher Paris 8èmeDossier périodique de la presse industrielleSociety fo Computer Simulation 'SCS'
Les bonnes adresses ...
Prix, références, support, ...
42 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Pour se documenter
Sites Internet
• Eurosim (Société savante européenne)http://eurosim.tuwien.ac.at/
• Logiciels de simulation sur le Webhttp://simsrv.cs.uni-magdeburg.de/cgi-bin/showsimsoftware
• Simulation discrète, produits commerciauxhttp://ourworld.compuserve.com/homepages/jphilippe_vacher/commerce.htm
Ces listes contiennent des liens vers les sites des éditeurs dans lesquels on peut trouver : présentations, démonstrations, versions d’évaluation téléchargeables, ...
A consulter !
43 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Evolutions prévisibles
La simulation pourrait être mieux utilisée dans ses domainesd’application 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 aléasmeilleure compréhension du systèmeréduction des délaisréduction des coûts de production
44 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Dans l’avenir
• Intégration au système d’information / décision de l’entreprise
On pourra rechercher la meilleure solution d’un 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 l’environnement NTIC
45 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Quelques références
Gestion des flux en entrepriseModélisation et simulationJean-François CLAVER, Dominique PITT, Jacqueline GELINIERHERMES 1997http://www.editions-hermes.fr/575-4.htm
La simulation industrielle : aide réelle ou virtuelle à la prise de décisionEric BALLOTRevue Française de Gestion IndustrielleVol 16, n° 1, 1997
Simulation with Arena (fourni avec le CD-ROM d’évaluation)David KELTON, Randall SADOWSKI, Deborah SADOWSKIMacGraw-Hill, 1997
46 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Un exemple
Un nouvel équipement est à installer dans une chaîne de fabrication.Il s’agit de comparer 2 matériels concurrents mais fonctionnellementidentiques.Le flux de production alimente cet équipement au rythme exponentield’une 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 l’investissement 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 kFFonctionnement / an 200 kF 75 kF
47 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
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
Modèle analytique (simpliste !)
48 / 48Conférence Modélisation-Simulation / B. JULLIEN - F. GRIMAUD
Résultats et conclusions
M1 M2
Etude analytiquepièces conformes / jour 137 134gains / 4 ans 370 390
Une seule simulationpièces conformes / jour 130 128gains / 4 ans 300 330
500 simulationspièces conformes / jour 129 121intervalle de confiance à 95 % 0.7 1.5gains / 4 ans 290 260
Contrairement à ce que laissait penser l’étude analytique ou lasimulation unique, M1 est meilleur que M2, même dans le casle plus défavorable puisque le gain de M1 est au moins 283 etcelui de M2 au plus 275.