Gestion de La Production

Gestion de Production
Pierre Lopez
LAAS-CNRS
Laboratoire d'Analyse et d'Architecture des Systmes
Centre National de la Recherche Scientifique
Toulouse
P. Lopez LAAS-CNRS
Plan du cours
Introduction
Historique
Typologie des SP
Flexibilit, gestion d'activits
Structures organisationnelles
Modles et mthodes en planification-ordonnancement
Programmation linaire
Thorie des graphes
Mthodes (gnrales) de rsolution exactes et approches
Mthodes spcifiques
Mthodes gnrales en GP
Gestion des stocks
Planification des besoins en composants
Juste--temps
P. Lopez LAAS-CNRS
Bibliographie
Vincent GIARD
Gestion de la production
Economica, 2003, 3me dition
Grard BAGLIN et al.

Management industriel et logistique
Economica, 1990
Jean BENASSY
La gestion de production
Hermes, 1998, 3me dition
Lionel DUPONT
La gestion industrielle
Hermes, 1998
Patrick ESQUIROL et Pierre LOPEZ

L'ordonnancement
Economica, 1999
Pierre LOPEZ et Franois ROUBELLAT
Ordonnancement de la production
Herms, 2001
P. Lopez LAAS-CNRS
1re partie : Introduction

1. Historique
2. Dfinitions
2.1. Vision automaticienne
Systme de Production
GPAO
2.2. Vision systmique : 4 grandes activits
2.3. Trois sous-systmes
systme physique
systme dcisionnel
systme informationnel
2.4 Flexibilit
3. Gestion d'activits
3.1. Dfinition
3.2. Approche multiniveaux
3.3. Organisation matricielle
4. Typologie des systmes de production

4.1. en fonction de lorganisation des ressources
4.2. en fonction du pilotage de la production
4
Historique
XVIIIme s. : production artisanale

XIXme s. : production manufacturire (armes, tabac)
XXme s. : dsir de rationalisation des facteurs de production
point de dpart de la gestion de production...
Taylor (1911) : organisation du travail base sur
distinction radicale entre conception et excution

recherche systmatique des conomies de gestes et mouvements
utilisation maximale de la machine
Ford (1913) : standardisation de la production et travail la chane
Harris et Wilson (1913-1924) : quantit conomique

Fayol (1916) : modle hirarchique d'organisation de la production
avance du concept de flexibilit dans les entreprises
savoir, prvoir, organiser, commander, coordonner, contrler
Gantt (1917) : ordonnancement
P. Lopez LAAS-CNRS
SP GP GPAO (1)
Systme de Production
vision automaticienne : transformer un ensemble de
matires premires ou de composants semi-finis en
produits finis
assurer l'organisation du systme de production afin de
fabriquer les produits en quantits et temps voulus
compte tenu des moyens (humains ou technologiques)
disponibles
Gestion de Production Assiste par Ordinateur
P. Lopez LAAS-CNRS
SP GP GPAO (2)
mat. 1res
ou comp. finis
Systme
de
Production
comp. finis
ou produits finis
GP
GPAO
Avantage : vision synthtique

Inconvnient : masquage des activits non orientes
fabrication (tude de march, conception, recherche, ...)
P. Lopez LAAS-CNRS
Vision systmique d'un SP
donnes
techniques
clients
gestion
de stocks
gestion des
matires
fournisseurs
stocks
gestion du
travail
donnes
commerciales
planification
ordonnancement
fabrication
suivi de
fabrication
P. Lopez LAAS-CNRS
Quatre grandes activits de la GP
gestion des donnes techniques
description des produits et des familles de produits

(nomenclatures)
description des processus de ralisation (gammes)
gestion des donnes commerciales

reoit les commandes et tablit les calendriers de livraison souhaits
gestion des matires
assurer l'approvisionnement en matires premires ou composants

assurer le stockage de produits fabriqus
gestion du travail
organiser dans le temps la ralisation des tches en leur attribuant
les ressources ncessaires. Prend en compte les donnes techniques
et commerciales et celles du suivi de fabrication (quantits dj
fabriques, tat des ressources...).
P. Lopez LAAS-CNRS
Distingo de 3 sous-systmes dans un SP
Systme physique
Systme dcisionnel
lments directement impliqus dans le processus de fabrication

soumis aux perturbations manant de l'environnement
gestion des activits du systme physique

prise en compte des contraintes environnementales
besoin de ractivit
Systme informationnel
assurer les liens systme physique-systme dcisionnel et systme

dcisionnel-environnement
besoin de ractivit
P. Lopez LAAS-CNRS
10
Flexibilit dans les entreprises
Flexibilit
Flexibilit vs. Ractivit
capacit d'un systme industriel crer ou grer la varit, afin de s'adapter

aux changements de l'environnement, internes (pannes machines, absences de
personnel...) ou externes (commandes urgentes, retard d'appros...), tout en
maintenant son quilibre
moyen pour une meilleure ractivit industrielle
flexibilit lie au nombre de choix possibles en rponse une perturbation

ractivit = processus de recherche de solution la perturbation
Apparition d'alas
practivit : prparation un changement prvisible

proactivit : action en vue de provoquer un changement souhait
P. Lopez LAAS-CNRS
11
La gestion d'activits
Activit = action d'un moyen socio-technique, d'une entreprise
Gestion d'activits = organiser la programmation d'un ensemble

d'activits sous contraintes de temps et de ressources
Applications
planification des flux

ordonnancement de tches / affectation de ressources
gestion de ressources
Traitement
mthodes stochastiques vs. dterministes

mthodes exactes vs. approches
approches par contraintes
P. Lopez LAAS-CNRS
12
Gestion d'activits : approche multi-niveaux
volume et htrognit des objectifs
approche globale inadapte (trop complexe)

distribution en plusieurs centres de dcision possdant
une abstraction et une hirarchie distinctes
[Antony 65] : classification des dcisions dans une

structure 3 niveaux qui diffrent par :
l'horizon de dcision
le niveau de comptence hirarchique
l'agrgation de la dcision
P. Lopez LAAS-CNRS
13
Niveaux de dcision en planification
planification long terme (dcisions stratgiques) :
planification moyen terme (dcisions tactiques)
tablissement d'un plan de production (dfinition des taux de production

pour chaque famille de produits)
organisation des moyens
horizon de 1 mois 1 an
planification court terme (dcisions oprationnelles)
dfinit la stratgie gnrale ou les macrostructures (tude de march,

investissements, campagne publicitaire)
horizon de 1 5 ans
dfinit des ordonnancements dtaills (objets terminaux et ressources

individualises)
horizon de 1 jour 1 semaine
micro-planification (conduite)
temps rel
P. Lopez LAAS-CNRS
14
Structures organisationnelles en GP (1)
Organisation hirarchique fonctionnelle

stratgique
tactique
gestion de projet
planification
oprationnel
ordonnancement
systme de production
P. Lopez LAAS-CNRS
15
Structures organisationnelles en GP (2)
Organisation matricielle projet/mtier

RP1
RP1
RP1
RM1
RM2
RM3
RM4
Contexte de lIngnierie Concourante

ordonnancement coordination entre diffrents acteurs
P. Lopez LAAS-CNRS
16
Typologie des SP (1)
En fonction de l'organisation des ressources
production continue : produit ne peut attendre qu'une ressource se

libre (ex : industries de process sidrurgie, ptrochimie, chimie
lourde, pharmacie, agroalimentaire)
production de masse : produits quasi-identiques, en grande
quantit, moyens de production spcialiss et organiss afin
d'optimiser le cycle de production (ex : industrie automobile...)
production en petite et moyenne sries : diversit forte des
produits, type de demande (personnalis) prohibe quipement
spcialis ressources polyvalentes, lancement par lot afin de
minimiser les cots lis a une campagne de fabrication (ex :
industries de sous-traitance : quipementiers, service)
production unitaire (gestion de projet) : production en trs faible
quantit, cycle de production lev, nombreuses ressources (ex :
industrie aronautique, spatial, BTP, )
P. Lopez LAAS-CNRS
17
Organisation en ligne de production
ordre de passage sur les postes de travail toujours identique (flow

shop)
importance de la fiabilit du matriel, la panne d'une machine

provoquant l'arrt de la chane prpondrance de la
maintenance
quilibrage de la chane afin que le produit passe un temps aussi

constant que possible sur chaque poste. But : flux rythm des
produits sans accumulation d'en-cours ni perte de temps.
P. Lopez LAAS-CNRS
18
Organisation en ateliers
main d'uvre qualifie et quipements polyvalents

importance de la gestion des approvisionnements cots de
manutention importants
diminution des cots
optimisation de la localisation relative des centres de production :

agencement de l'espace
technologie de groupe : constitution de "sous-usines" base sur des
considrations techniques
multiplicit des routes entre postes de travail prpondrance de

la problmatique d'ordonnancement
P. Lopez LAAS-CNRS
19
Organisation de type srie unitaire
mobilisation de toutes les ressources de l'entreprise pour la

ralisation d'un projet, sur une assez longue priode
"survie" des entreprises ralise par la gestion en parallle de
plusieurs projets, des stades diffrents d'avancement
personnel qualifi excute des tches caractre non rptitif
quipements polyvalents
problme des stocks secondaire (produit fini non stockable et
approvisionnements spcifiques au projet)
problmes majeurs : respect des dlais et matrise des cots
rle essentiel de l'ordonnancement
P. Lopez LAAS-CNRS
20
10
En fonction du pilotage de la production
production la commande : dclenche par la commande ferme

d'un client grande varit de produits, demande alatoire
production pour stock : dclenche par anticipation d'une demande

solvable ventail des produits restreint, demande importante et
prvisible
production mixte : fabrication sur stocks et la commande
production flux tendus
P. Lopez LAAS-CNRS
21
2me partie
Modles et mthodes en
planification-ordonnancement
1. Planification - Programmation linaire
2. Problmes d'ordonnancement
2.1. Dfinitions
2.2. Contraintes
Contraintes temporelles - Ingalits de potentiels
Contraintes de ressources
2.3. Typologie des problmes
3. Ordonnancement de projet
Position du problme
Diagramme de Gantt
Graphe potenties-tches
Mthode PERT
4. Ordonnancement datelier
Position du problme et dfinitions
Problme une machine
Flow shop
Job shop
Open shop
22
11
Programmation Linaire (1)

planification optimale du travail sur des ressources moyen
terme
production = processus continu sur un horizon relativement
important
modlisation par des quations ou des inquations linaires
o les inconnues sont les volumes de production sur chaque
priode
Objet : dterminer ces inconnues de faon optimiser un
critre (minimisation des en-cours, des stocks, des cots,
maximisation des marges bnficiaires)
Max Z = A.X
sous : C.X B
X0
P. Lopez LAAS-CNRS
23
Programmation Linaire (2)
Exemple
2 produits 1 et 2 dont les marges brutes sont respectivement 3 et 5

units montaires par unit de produit
fabrication = usinage + montage
capacit de l'atelier d'usinage = 1800 h/mois
capacit de l'atelier de montage = 1000 h/mois
1 unit du produit 1 (resp. 2) ncessite 2 heures (resp. 3 heures)
d'usinage et 1 heure (resp. 2 heures) de montage
Programme linaire
Dterminer :
maximisent :
sous les contraintes :
P. Lopez LAAS-CNRS
x1 et x2
qui
3x1 et 5x2
2x1+3x2 1800
x1 + 2x2 1000
x1, x2 0
24
12
PL : interprtation gomtrique
x2
800
droite de pente -3/5
correspondant au critre
600
2x
+3
x2
400
=1
80
rgion
admissible
(600, 200)
x1 = 0
200
x1 +
2x
x2 = 0
200
400
600
=1
800
000
1000
x1
600 units du produit 1 et 200 units du produit 2

marge brute totale = 2800 units montaires
P. Lopez LAAS-CNRS
25
PL : rsolution (1)
Le Simplexe
mise en vidence d'une base (affectation de var.) ralisable initiale

identification de la solution optimale en partant de la solution
initiale et en passant par une suite de solution adjacentes
complexit exponentielle mais trs grande efficacit en pratique
Problmes en nombres entiers
mthodes de coupe : relaxation des contraintes d'intgrit et

rsolution du problme continu
optimum entier STOP

sinon ajout de contraintes de faon tronquer la rgion admissible (ou
polydre) sans exclure aucune solution entire, jusqu' ce que
l'optimum soit entier
mthodes d'exploration arborescente
essentiellement pour les problmes bivalents (variables binaires)
P. Lopez LAAS-CNRS
26
13
PL : rsolution (2)
mthode de coupe
2me contrainte
solution fractionnaire
1re contrainte
une coupe
P. Lopez LAAS-CNRS
27
PL : diffrents problmes
Problme d'affectation
min i j cijxij
sous j xij=1, i
i xij=1, j
xij {0,1} , i,j
Problme de transport
min i j cijxij
sous j xijqi (quantit produite), i
i xijdj (demande), j
xij , i,j
matrices totalement unimodulaires : sous-matrices carres

unimodulaires (dterminant = 1) ou singulires (dterminant = 0)
la solution continue est entire
mthodes de flot maximal cot minimal : algorithmes de FordFulkerson, de Busacker-Gowen,
cf. problme du sac--dos : valeur associe chaque objet
algorithme pour l'affectation : mthode hongroise
algorithme pour le transport : stepping stone
P. Lopez LAAS-CNRS
28
14
PL : dualit et solveurs
Problmes primal/dual
min
sous
Z = CT X
max
W = b TU
AX b
sous
ATU C
X0
U0
3 proprits de la dualit :
Le dual du dual est le primal
Z* = W*
La rsolution par l'algorithme primal permet de dterminer tous les
lments de la solution de son dual
Solveurs : Xpress-MP, Cplex, Excel, Matlab (Tool Box

"Optimisation")
1re phase : relaxation en variables continues (Simplexe)
2me phase : optimisation combinatoire
P. Lopez LAAS-CNRS
29
Ordonnancement
dcrit
l'excution de tches
et
l'affectation de ressources
au cours du temps
compte tenu de contraintes
et de manire
satisfaire des objectifs
ressource
tche (ou activit ou opration)
restriction sur l'excution des tches

de temps ou de ressource
objectif
P. Lopez LAAS-CNRS
entit lmentaire caractrise par une date

de dbut et/ou de fin, une dure et une
intensit de ressource
interruptible ou non
contrainte
moyen socio-technique disponible en

quantit limite (capacit)
renouvelable ou consommable
disjonctive ou cumulative
optimalit vis--vis de critres

admissibilit vis--vis des contraintes
30
15
Profil d'excution d'une tche

On peut distinguer 3 phases dans l'excution de la tche
intensit de
ressource
temps
phase principale
prparation
finition
La dure de la tche peut tre une fonction de la quantit de moyens

utiliss pour son excution (notion de vitesse ou de performance des
ressources) : pi=f[aik (t)]
P. Lopez LAAS-CNRS
31
Problmes d'ordonnancement (1)
Etant donn :
un ensemble de tches
un ensemble de ressources
Dterminer :
quand les tches sont excutes ?

dbut (1), dure (2), fin (3)
1
comment les ressources sont affectes aux tches ?
5
3
B
temps
nature et intensit (4), squencement (5)
Applications
organisation du travail dans un atelier de fabrication

gestion de projet
confection d'emplois du temps
conception d'algorithmes de gestion (informatique, spatial, )
P. Lopez LAAS-CNRS
32
16

Plusieurs classes de problmes dterministes
Ordonnancement sans contraintes de ressource

ex : ordonnancement de projet
un projet unique
nombre lev de tches
relations temporelles complexes (contraintes potentielles)
les niveaux de ressources
sont des variables de
dcision (peuvent tre
adapts au plan)
D
ressources
temps
P. Lopez LAAS-CNRS
33
Ordonnancement avec contraintes de ressource
ordonnancement d'atelier/informatique
une machine
m machines identiques
m machines ddies
emploi du temps
11
12
13
21
22
23
31
32
33
Un problme de flow-shop 33
Ordonnancement avec ressources cumulatives
renouvelables/consommables
doublement contraintes
Budget
Ordonnancement
premptif/non premptif
temps
P. Lopez LAAS-CNRS
34
17
Ordonnancement/Affectation
placement des tches en temps et en espace

temps continu
contraintes temporelles
contraintes de ressources
diagramme de Gantt
ressources
R2
11
22
21
R1
12
13
23
temps
Cmax
P. Lopez LAAS-CNRS
35
Optimisation : mthodes exactes
Cheminement dans les graphes

Procdures d'exploration arborescentes
Programmation mathmatique
algorithme de rsolution par tentative et retour arrire

(backtracking)
"Branch and Bound"
programmation linaire en variables entires, mixtes
programmation dynamique
Rsultats spcifiques
propres chaque type de problme
P. Lopez LAAS-CNRS
36
18
Optimisation : mthodes approches
Heuristiques
"procdure exploitant au mieux la structure du problme considr, dans

le but de trouver une solution de qualit raisonnable en un temps de calcul
aussi faible que possible"
algorithmes gloutons (myopes)
rgles de priorit
Mtaheuristiques
cadre gnral de rsolution composes de deux grandes parties :
exploration : permet de visiter des rgions diffrentes dans l'espace des

solutions
exploitation : permet de savoir o se trouvent les meilleures solutions
solution unique (Tabou, recuit simul, ...)

population de solutions (algorithmes gntiques, ...)
P. Lopez LAAS-CNRS
37
Tabou, Recuit (recherche locale)
Principe
Mthode Tabou
A partir d'une solution initiale connue x, amlioration du critre par la

recherche de la meilleure solution x' dans un voisinage de x ; si pas
d'amlioration arrt, sinon x=x'.
A partir d'une solution initiale x, on examine compltement le voisinage
de x. On conserve la meilleure solution x'. On mmorise la solution
retenue dans une liste taboue d'une longueur donne.
Recuit simul
A partir d'une solution initiale x, un voisin x' est gnr alatoirement. On

calcule l'cart des fonctions cot f = f(x')-f(x). Si f 0, x=x'. Si f > 0,
x' remplace x avec une probabilit d'acceptation EXP(- /T) o T est un
paramtre, appel temprature, qui dcrot au cours de la procdure.
P. Lopez LAAS-CNRS
38
19
Algorithmes gntiques
(approche volutive)
Principe
Une population initiale est gnre alatoirement. Chaque solution

est code comme une chane de caractres (gnes). L'exploration
est ralise par les oprateurs de mutation (modification d'un gne)
et assure la diversification du voisinage ; l'exploitation est assure
par les oprateurs de croisement (permutation de gnes entre
solutions parents) et recherche les meilleurs enfants possibles.
P. Lopez LAAS-CNRS
39
Problme une machine

SPT
Rgle de Smith : WSPT (stock d'encours, temps de cycle, retard

algbrique, moyens ou pondrs)
Rgle de Jackson : EDD (retards maximum)
Algorithme de Moore-Hodgson : EDD modifie (nombre de tches
en retard)
P. Lopez LAAS-CNRS
40
20
Flow Shop
M1
M2
M3
Minimisation de la dure totale
2 machines Rgle de Johnson :

le travail i prcde le travail j si dans une squence optimale si :
min(pi1, pj2) < min(pj1, pi2)
Cas gnral : extension de la rgle de Johnson (heuristique CDS)
Pas de stockage sur machine

(industrie agroalimentaire)
flow shop sans attente
M1
M2
M3
problme du voyageur de commerce

P. Lopez LAAS-CNRS
41
Job Shop
M1
M2
M3
Minimisation de la dure totale
2 machines Algorithme de Jackson : bas sur la constitution de

4 familles (M1, M2, M1-M2, M2-M1) et rgle de Johnson
2 travaux mthode graphique (Akers)
Cas gnral : gnration d'ordonnancements actifs, sans retard,
heuristique de machine goulet ("bottleneck heuristic")
P. Lopez LAAS-CNRS
42
21
Open Shop
gammes de fabrication non connues l'avance
2 problmes
ex : construction de lotissements, rparation ou maintenance

d'engins, tenue d'examens mdicaux, ...
fixer un ordre de passage sur les machines pour chaque travail
trouver une squence de travaux sur chacune des machines
Minimisation de la dure totale, 2 machines et nonpremption rgle LAPT (Longest Alternate Processing
Time first) :
slection sur une machine libre du travail dont l'opration sur l'autre
machine possde la plus grande dure
Pour d'autres critres ou ds la considration de 3 machines

problmes NP-difficiles (sauf Om|pmtn|Cmax)
P. Lopez LAAS-CNRS
43
Contexte dynamique
Arrive continuelle de nouveaux travaux

Modifications des caractristiques du problme
Informations modlises comme un processus stochastique rgi
par une loi alatoire
Mthode analytique : thorie des files d'attente
valeurs des critres pour diffrentes rgles de priorit

rsultats analytiques sur les valuations en moyenne en rgime
stationnaire
rsultats pauvres pour les problmes d'atelier
Simulation
base sur des mthodes de Monte Carlo (mthode de simulation du

hasard)
permet d'viter des hypothses trop simplificatrices
facilit de gnrer un ordonnancement et d'examiner divers scnarios
P. Lopez LAAS-CNRS
44
22
La gestion d'activits
Activit = action d'un moyen socio-technique, d'une entreprise
Gestion d'activits = organiser la programmation d'un ensemble

d'activits sous contraintes de temps et de ressources
Applications
planification des flux

ordonnancement de tches / affectation de ressources
gestion de ressources
Traitement
mthodes stochastiques vs. dterministes

mthodes exactes vs. approches
approches par contraintes
P. Lopez LAAS-CNRS
45
Approche par contraintes

des problmes de dcision
originalit : formulation du problme de dcision

exclusivement en termes de contraintes
modle = < {variables de dcision}, {contraintes} >
contrainte = expression reliant des variables de dcision
solution = ensemble de valeurs qui satisfait toutes les contraintes
caractristiques
analyse du problme, rduction de la combinatoire, sparation

analyse/rsolution
flexibilit, modularit de l'approche
adapte au contexte de l'aide la dcision (volution du modle)
P. Lopez LAAS-CNRS
46
23
Approche par contraintes

de l'ordonnancement
Problmes de Satisfaction de Contraintes (CSP)
Thorie de l'ordonnancement
thormes de dominance
bornes infrieures et suprieures des solutions optimales
procdures arborescentes de rsolution
rgles de propagation des contraintes de ressources
rgles de cohrence locale pour les contraintes temporelles

stratgies de recherche heuristiques
Programmation par contraintes
Programmation Logique avec Contraintes

librairies C++
P. Lopez LAAS-CNRS
47
Propagation de contraintes (1)
ensemble de techniques permettant de simplifier la

rsolution
approche non-dterministe : caractrisation ensemble

de dcisions
renforcement de consistance : simplifier la rsolution du problme
(suppression des redondances, filtrage des valeurs des variables
n'appartenant aucune solution)
structuration des dcisions
limitation des actions possibles
explicitation des degrs de libert disponibles
P. Lopez LAAS-CNRS
48
24
Rgles d'limination et
d'ajustement lie aux
paires de disjonction
tches
Tche 3
Tche 2
Exemple :
dj - ri < pi + pj i non avant j
Tche 1
problme disjonctif j avant i

ajustements de ri et dj
t
Propagation
tches
Tche 3
Tche 2
Tche 1
P. Lopez LAAS-CNRS
49
Ordonnancement & affectation
problme mixte d'ordonnancement et d'affectation
affectation de ressources : ensemble de ressources possibles

dures dpendantes des ressources
pour k, dure des tches variables pi,k [pi,kmin, pi,kmax]
exemple : Job Shop avec affectation

( M1 ,[5 ,7 ])
( M 2 ,[9 ,12])
( M 3 ,[5,10])
( M 4 ,[8,14])
( M1 ,[3,6])
( M1 ,[ 6,10])
( M 2 ,[ 2,4])
( M 2 ,[3,7])
( M 4 ,[5,10])
( M 3 ,[ 2,4])
P. Lopez LAAS-CNRS
50
25

i est affecte sur Rk
j peut tre affecte sur Rk
ri
dj
i , pi ,k
Rk
i non avant j
j , p j ,k
rj
A j ! A j \ {Rk }
i , pi ,k
Rk
j , p j ,k
P. Lopez LAAS-CNRS
j p/ i
di
51
3me partie
Quelques mthodes de GP
1. Gestion des stocks
1.1. Prambule
1.2. Modle de la quantit conomique optimale (EOQ)
1.3. Exemples
2. Planification des besoins en composants

2.1. Introduction
2.2. Calcul des besoins bruts
2.3. Planification au plus tard
2.4. Calcul des besoins nets
3. Juste--temps
3.1. Introduction
3.2. Mthode Kanban
4. OPT
52
26
Gestion des stocks : prambule (1)
une des plus vieilles mthodes de GP

gestion base sur la notion de stock
stocks = 20 80 % du total du bilan d'une entreprise industrielle (selon l'activit)
assurer un stock moyen pour
viter des stocks trop importants (coteux : immobilisation d'une source

de revenu et besoin de gestion du stock)
viter des stocks trop faibles (difficult d'adaptation aux variations de la
demande) stocks ngatifs (ou pnurie, rupture, manque)
3 types de stocks
matires premires (anticiper les fluctuations des prix et les ventuelles

dfaillances des fournisseurs...)
en-cours (dcouplage des divers stades de la production et quilibrage des
flux, protection contre les arrts momentans)
produits finis (rduction des dlais de livraison, amortir les fluctuations de
la demande, de la production, parer aux priodes chmes (aot))
P. Lopez LAAS-CNRS
53
Gestion des stocks : prambule (2)
Hypothses
But
planification moyen terme

demande prvisible et relativement constante (production sur stock)
cots de stockage et d'approvisionnement connus et constants
cots proportionnels au nombre de pices
viter les ruptures de stock tout en conservant un niveau de stock le
plus faible possible
QUAND ET COMBIEN COMMANDER ?
Principe : minimiser une fonction de cot conomique
cot de possession li aux quantits stockes

cot de commande li au lancement en production, aux appros...
cot de rupture li aux retards de livraison
P. Lopez LAAS-CNRS
54
27
GdS : Modle de la Quantit

Economique de Commande (EOQ) (1)
EOQ = "Economic Order Quantity"

valable pour demande rgulire et taux d'appros
constant, recompltement priodique, pas de rupture
base sur une politique optimale de gestion des stocks
dont les caractristiques sont :
succession
d'ordres d'approvisionnement dont l'effet est de remonter le niveau du

stock, et
de phases o le stock diminue rgulirement sous l'effet de la
demande)
il est moins coteux d'attendre que le stock soit vide

pour passer commande (courbe y = Dx + Q)
temps de cycle = intervalle entre 2 commandes : Tcycle = Q/D
P. Lopez LAAS-CNRS
55
GdS : Modle de la Quantit

Economique de Commande (EOQ) (2)
niveau
de stock
Q
-D
t
Tcycle=Q/D
remplissage du stock non instantan (production par un site A de

l'atelier en amont du site B dont on gre le stock)
pour qu'un site A produise Q un taux P, il faut un temps Q/P,
pendant lequel la demande D du site B par unit de temps effectue un
prlvement DQ/P ; globalement, on a donc un taux P-D pendant une
dure Q/P, et on obtient Qmax = (P-D)Q/P = (1-D/P)Q
P. Lopez LAAS-CNRS
56
28
GdS : Politique optimale de gestion

des stocks dans un cadre de production
niveau
de stock
Q
Q(1-D/P)
P -D
-D
t
Q/P
(Q/D-Q/P)
Tcycle=Q/D
P. Lopez LAAS-CNRS
57
GdS : Formule de Wilson (1)

Rappel des notations
P = taux de production par priode

Q = taille en volume de la commande (stock)
D = demande en volume par priode
Tcycle = intervalle entre deux commandes (priode)
Cp = cot de possession par unit de produit et par priode
Cc = cot de commande
CT(Q) = cot total de stockage par priode
Le cot de possession entre 2 instants t1 et t2 est proportionnel au nb

cumul darticles stocks et la longueur de [t1,t2] ; il est donc
proportionnel l'aire contenue sous la courbe d'volution des stocks ;
do :
Cp
( Cp
%
DCc
D Q
1
D
CT (Q) = &&
Q(1 ! ) + Cc ## "
=
Q(1 ! ) +
2
P
D
T
2
P
Q
'
$ cycle
qui forme une hyperbole dont le minimum est trouv en galant zro
la drive par rapport Q. On obtient alors la formule de Wilson :
P. Lopez LAAS-CNRS
58
29
GdS : Formule de Wilson (2)

CT(Q)
dCT (Q )
=0
dQ
global
possession
commande
Q*
EOQopt = Q* =
2Cc DP
C p ( P ! D)
P. Lopez LAAS-CNRS
" CT (Q*) = 2 DCcC p (1 !
D
)
P
59
GdS : Exemple (1)

Donnes
demande hebdomadaire d'une pice D=200 units/semaine
cot de possession Cp=0,5 / unit / semaine
cot administratif d'une commande = 500
frais de livraison = 500
Donc :
cot global de commande Cc=1000
Hypothse : remplissage instantan du stock (fournisseur extrieur)

Q* =
2Cc D
Cp
CT (Q*) = 2 DCcC p
Q*= 895 pices

CT(Q*)=447,21 par semaine soit 2,24 /pice
T*=4,47 semaines
P. Lopez LAAS-CNRS
60
30
GdS : Exemple (2)

Donnes
demande annuelle d'une pice D=50000 units/an
production maximale P=200000 units/an
cot de commande Cc=500
cot de possession Cp=3 /unit/an
usine travaille H=240 jours/an
Donc :
demande journalire = 50000/240 = 208,33
production journalire = 200000/240 = 833,33
stock net journalier = 833,33 - 208,33 = 625
Production de Q units en 240Q/200000 jours, au bout desquels on aura

625.240Q/200000=0,75Q units stockes
Si Q=8000, et si le stock initial est nul, la production ncessitera 9,6
jours et permettra de stocker 6000 pices qui seront consommes en
6000/208,33=28,8 jours
Q*=4714 pices et CT(Q*)=10607
P. Lopez LAAS-CNRS
61
Planification des besoins en composants :

Introduction (1)
Apparue aux Etats-Unis dans les annes 65-70
Hypothses
MRP1 : Material Requirements Planning

dans les annes 80 prise en compte de la capacit limite des
ressources (MRP2 : Manufacturing Resource Planning)
planification moyen terme dans une production flux pousss
production rptitive (grande srie)
But
anticiper la demande pour s'adapter ses variations

QUAND ET COMBIEN PRODUIRE ?
par rapport la gestion des stocks, on met l'accent sur les
problmes lis la fabrication, les stocks apportant des contraintes
et des cots que l'on cherche minimiser
P. Lopez LAAS-CNRS
62
31

Introduction (2)
Implantation
Il faut disposer d'un systme d'information informatis (donnes
physiques, donnes comptables, plan directeur de production
comportant les quantits produire par famille de produits
Master Production Schedule , les niveaux des diffrents stocks et
une organisation des moyens disponibilit variable)
MPS
MRP
INV
Ordres de
fabrication
P. Lopez LAAS-CNRS
BOM
Ordres
d'achat
63

Introduction (3)
Principe de MRP1
3 phases
calcul des besoins bruts
planification au plus tard de la mise en fabrication des pices (ou
absorption des dlais)
calcul des besoins nets
Mise en uvre
dcisions prises chaque niveau valides par simulation
remise en cause si problme
MRP2 : ajout d'heuristiques (agissant sur le lancement

en production de pices) pour rester dans les limites
imposes par les ressources
P. Lopez LAAS-CNRS
64
32
PBC : Calcul des besoins bruts

Bas sur les liens de nomenclature (reprsentation arborescente)
lien
B
(1)
E
(1)
C
(2)
D
(2)
E
(1)
F
(2)
A se compose d'un sous-ensemble B, de deux

sous-ensembles C et de quatre pices F
Nombre de composants pour un compos

de niveau immdiatement suprieur
(coefficient technique ou de montage)
En final, le montage d'une unit de A

suppose de disposer de trois units de E et
de seize units de F
Pour 200 produits A commands, il faut

approvisionner 600 pices E et 3200 pices
F : ce sont les besoins bruts
A
F
(4)
F
(4)
Dfaut majeur : production non date et ne tenant pas compte des

stocks
P. Lopez LAAS-CNRS
65
PBC : Planification au plus tard (1)
Pour rpondre au problme de la production non

date, on va se servir du principe de calcul des besoins
bruts en prenant en compte les dcalages temporels
induits par l'attente d'un produit en un instant donn
"On met la nomenclature l'horizontale en lui faisant

subir une rotation de 90 dans le sens des aiguilles
d'une montre."
P. Lopez LAAS-CNRS
66
33
cycles de montage de A, C et D = 1 semaine

cycle de montage de B = 2 semaines
dlais d'approvisionnement de E = 1 semaine et F = 2 semaines
E
F
E
C
F
F
-6
-5
-4
-3
-2
-1
Pour fabriquer 200 produits A, on doit passer commande de 800 pices F au

dbut de la semaine -6, de 1600 au dbut de la semaine -4 et de 800 au dbut
de la semaine -3. On doit galement passer commande de 200 E au dbut de la
semaine -4 et de 400 au dbut de la semaine -3 Politique "lot-for-lot"...
P. Lopez LAAS-CNRS
67
Cycle total de fabrication d'un produit fini (A) = somme des

plus longs cycles chaque niveau de nomenclature (6)
Parallle avec un chemin critique puisque tout retard sur ce
chemin (manant de livraison ou de fabrication) affecte
d'autant la livraison au client
Les pices lances en fabrication sont affectes une
consommation prvue (politique lot-for-lot qui implique de
commander exactement le nombre d'articles ncessaires par
priode) permet de travailler sans stock (en thorie)
Inconvnient majeur de MRP1 : dcorrlation entre les
dlais et les volumes de production (qui se traduit
gnralement par l'introduction d'heures supplmentaires
pour faire face l'importance du dpassement des dlais
pour des volumes importants) justification de MRP2
P. Lopez LAAS-CNRS
68
34
PBC : Calcul des besoins nets (1)
Demande pour A sur les semaines 1 6 :

10, 20, 30, 40, 50, 50
Stocks initiaux :
A=30, B=70, C= 100, D=100, E=100, F=500
On part du niveau suprieur de la nomenclature : produit fini A
semaine 1 : demande couverte par le stock stock = 20

semaine 2 : demande couverte par le stock stock = 0
semaine 3 : lancement de 30 units en semaine 2
Pour pouvoir lancer A, il faut disposer des composants B, C et F

Pour B :
semaines 2 et 3 :demandes couvertes par le stock stock = 0
...
P. Lopez LAAS-CNRS
69
PBC : Calcul des besoins nets (2)

Demande A
Stock initial A
Besoin net A
Lancement A
Besoin brut B
Stock initial B
Besoin net B
Lancement B
Besoin brut C
Stock initial C
Besoin net C
Lancement C
Besoin brut D
Stock initial D
Besoin net D
Lancement D
Besoin brut E
Stock initial E
Besoin net E
Lancement E
Besoin brut F
Stock initial F
Besoin net F
Lancement F
P. Lopez LAAS-CNRS
1
10
30
0
0
0
70
0
0
100
0
0
0
100
0
0
0
100
0
0
0
500
0
540
2
20
20
0
30
30
70
0
50
60
100
0
40
100
100
0
100
90
100
0
140
380
500
0
-
Semaines
3
4
30
40
0
0
30
40
40
50
40
50
40
0
0
50
50
80
100
40
0
40
100
100
100
100
0
100
150
100
10
0
140
100
100
660
120
540
-
5
50
0
50
50
50
0
50
100
0
100
-
6
50
0
50
-
70
35
Juste--temps : Introduction (1)
Apparue au Japon dans les annes 80 (Toyota)
Hypothses
planification court terme dans une production flux tirs

flux tirs : relancer de nouvelles phases de fabrication pour
remplacer des produits ou des composants sortis des stocks
production de masse
But
fournir le produit exactement au moment du besoin et exactement

dans la quantit dsire
minimiser les en-cours
tendre vers un flux de produits continu, approcher les quatre zros
(0 stock / 0 retard / 0 dfaut / 0 panne)
P. Lopez LAAS-CNRS
71
Juste--temps : Introduction (2)
Principe
simpliste
mise en ligne des machines pour accrotre la fluidit
quipements spcialiss, oprateurs polyvalents
flux tirs et recherche des quatre 0 (runion entre les diffrents

acteurs de la production)
P. Lopez LAAS-CNRS
72
36
JAT : La mthode Kanban (1)
Description
OF en provenance de l'aval = "ticket" ou "Kanban"

un Kanban comporte les informations suivantes :
dsignation de la pice et de l'opration

dsignation des lieux d'origine et de destination
quantit par conteneur (conteneur sert aux manipulations inter-postes)
nombre de tickets en circulation dans la boucle
particularit d'un Kanban : circule en permanence dans le flux de

fabrication ; il descend le flux avec les pices et le remonte une fois
les pices consommes
chaque poste de transformation possde un tableau mural de
Kanbans ; une colonne par rfrence ; chaque colonne possde des
index indiquant un niveau de lancement en fabrication possible (lot
conomique) et un seuil d'alerte imposant un lancement en urgence
(remarque : la mthode Kanban n'induit pas de 0 stock comme le voudrait le juste--temps)

P. Lopez LAAS-CNRS
73
Problme
dterminer le nombre de Kanbans de chaque type ncessaires dans

l'atelier
fait par simulation ou ttonnements successifs (on enlve des
Kanbans jusqu' ce que des ruptures de stock apparaissent)
Diffrentes phases
(a) le Kanban est mis sur le conteneur de pices qui viennent d'tre
fabriques au poste amont
(b) le Kanban accompagne le conteneur au poste suivant (en aval
du flux) et reste sur le conteneur en attente
(c) au moment o le conteneur est mis en fabrication sur le poste
aval, le Kanban est libr et retourne au poste amont
(d) le Kanban est plac dans un planning, prs du poste amont ; il
sera retir de ce planning au moment d'une nouvelle mise en
fabrication
P. Lopez LAAS-CNRS
74
37
Circulation des Kanbans

poste
amont
planning Kanban
(a)
(b)
poste
aval
(c)
flux physique
des conteneurs
(d)
flux des Kanbans

Kanban sur
un conteneur
Kanban libre
P. Lopez LAAS-CNRS
75
OPT (Optimized Production Technology)
plus une philosophie qu'une mthode

concept de flux tirs traduit par un flux de lancement
adapt au rythme des machine les plus lentes
base sur un ensemble de 10 rgles de bon sens utilisant
la notion de ressource goulot
il faut quilibrer les flux (dynamique) et non les capacits (statique)

l'utilisation d'une ressource non goulot n'est pas lie sa capacit
1 h perdue sur une ressource goulot est 1 h perdue pour tout le
systme
1 h gagne sur une ressource non goulot est un leurre
les lots de fabrication doivent tre de taille variable et non fixe
calculs des besoins en composants et calcul du plan de production
doivent tre raliss simultanment (remet en cause le MRP)
...
P. Lopez LAAS-CNRS
76
38
P. Lopez LAAS-CNRS
77
Ordonnancement de projet
Mthode chemin critique (PERT)
modlisation par graphe potentiels

recherche des ordonnancements au plus tt/tard
identification des tches critiques
caractrisation des marges
P. Lopez LAAS-CNRS
78
39
Algorithme gnral de rsolution

tant que il reste des variables non affectes
et que une inconsistance globale nest pas dtecte
appliquer les raisonnements
si une inconsistance est dtecte
alors si il existe des choix non explors
alors retour arrire sur un choix non explor
sinon inconsistance globale dtecte
sinon
slectionner une variable encore libre
choisir une valeur pour cette variable et mmoriser les autres
P. Lopez LAAS-CNRS
79
Affectation et "Branch and Bound"

Tourne Tour 1 Tour 2 Tour 3
Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8
Principe de sparation :
affecter un camion une
tourne
Fonction d'valuation :
somme des cots minimaux
par tourne
P. Lopez LAAS-CNRS
80
40

0 71

Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8
tourne
par tourne
71 = 62 + 1 + 8
P. Lopez LAAS-CNRS
81

Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8
0 71
Cam A Tour 1
Cam A Tour 3
Cam A Tour 2
3 126
112 1
tourne (Cam A)
par tourne
P. Lopez LAAS-CNRS
2 71
82
41

Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8
0 71
Cam A Tour 1
Cam A Tour 3
Cam A Tour 2
3 126
112 1
tourne (Cam B)
par tourne
P. Lopez LAAS-CNRS
2 71
Cam B Tour 1
Cam B Tour 3
5 151
83 4
83

Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8
0 71
Cam A Tour 1
Cam A Tour 3
Cam A Tour 2
3 126
112 1
tourne (optimum)
par tourne
P. Lopez LAAS-CNRS
2 71
Cam B Tour 1
83 4
(Cam C Tour 3)
Cam B Tour 3
5 151
84
42

Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8
0 71
Cam A Tour 3
Cam A Tour 1
Cam A Tour 2
3 126
112 1
tourne (optimum)
par tourne
2 71
Cam B Tour 1
83 4
Cam B Tour 3
(Cam C Tour 3)
5 151
Les nuds pendants sont sonds par test d'optimalit
P. Lopez LAAS-CNRS
85
Programme linaire
min ijk x(i,j,k)
sous
j,k, ijk x(i,j,k) < 1
i,j,k, x(i,j,k) - x(i,j,k-1) < 1
j, ik t(i,j)*x(i,j,k) < tmax(j)
t(i,j) R
x(i,j,k) {0,1}
critre
contraintes globales
contraintes de domaines
rsolution par solveurs : Xpress-MP, Cplex, Excel, Matlab (Tool

Box "Optimisation")
1re phase : relaxation en variables continues (Simplexe)
2me phase : optimisation combinatoire
P. Lopez LAAS-CNRS
86
43

Gestion de La Production

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Gestion de La Production

Diunggah oleh

Hak Cipta:

Format Tersedia

Gestion de Production

Flexibilit, gestion d'activits

Modles et mthodes en planification-ordonnancement

Thorie des graphes

Mthodes (gnrales) de rsolution exactes et approches

Gestion des stocks

Planification des besoins en composants

Grard BAGLIN et al.

Patrick ESQUIROL et Pierre LOPEZ

1re partie : Introduction

4. Typologie des systmes de production

XVIIIme s. : production artisanale

Taylor (1911) : organisation du travail base sur

distinction radicale entre conception et excution

Ford (1913) : standardisation de la production et travail la chane

Harris et Wilson (1913-1924) : quantit conomique

avance du concept de flexibilit dans les entreprises

savoir, prvoir, organiser, commander, coordonner, contrler

Gantt (1917) : ordonnancement

Gestion de Production Assiste par Ordinateur

Avantage : vision synthtique

Vision systmique d'un SP

Quatre grandes activits de la GP

gestion des donnes techniques

description des produits et des familles de produits

gestion des donnes commerciales

gestion des matires

assurer l'approvisionnement en matires premires ou composants

Distingo de 3 sous-systmes dans un SP

lments directement impliqus dans le processus de fabrication

gestion des activits du systme physique

assurer les liens systme physique-systme dcisionnel et systme

Flexibilit dans les entreprises

Flexibilit vs. Ractivit

capacit d'un systme industriel crer ou grer la varit, afin de s'adapter

flexibilit lie au nombre de choix possibles en rponse une perturbation

practivit : prparation un changement prvisible

Activit = action d'un moyen socio-technique, d'une entreprise

Gestion d'activits = organiser la programmation d'un ensemble

planification des flux

mthodes stochastiques vs. dterministes

Gestion d'activits : approche multi-niveaux

volume et htrognit des objectifs

approche globale inadapte (trop complexe)

[Antony 65] : classification des dcisions dans une

Niveaux de dcision en planification

planification long terme (dcisions stratgiques) :

planification moyen terme (dcisions tactiques)

tablissement d'un plan de production (dfinition des taux de production

planification court terme (dcisions oprationnelles)

dfinit la stratgie gnrale ou les macrostructures (tude de march,

dfinit des ordonnancements dtaills (objets terminaux et ressources

Structures organisationnelles en GP (1)

Organisation hirarchique fonctionnelle

Structures organisationnelles en GP (2)

Organisation matricielle projet/mtier

Contexte de lIngnierie Concourante

Typologie des SP (1)

En fonction de l'organisation des ressources

production continue : produit ne peut attendre qu'une ressource se

Typologie des SP (2)

Organisation en ligne de production

ordre de passage sur les postes de travail toujours identique (flow