Modélisation Du Processus de Pilotage D'un Atelier en Temps Réel

THSE
En vue de l'obtention du
DOCTORAT DE LUNIVERSIT DE TOULOUSE

Dlivr par l'Institut National Polytechnique de Toulouse Discipline ou spcialit : Systmes Industriels
Prsente et soutenue par Samieh MIRDAMADI Le 17 Juin 2009 Modlisation du processus de pilotage dun atelier en temps rel laide de la simulation en ligne couple lexcution
JURY
Jean Pierre CAMPAGNE Andr THOMAS Pierre CASTAGNA Lionel DUPONT Franck FONTANILI
Professeur, INSA, Lyon Professeur, CRAN, Nancy Professeur, IRCCyN, Nantes Professeur, cole des Mines dALBI Enseignant chercheur, cole des Mines dALBI
Rapporteur Rapporteur Examinateur Examinateur Examinateur
cole doctorale : cole doctorale systmes (EDSYS) Unit de recherche : Centre Gnie Industriel - cole des mines d'Albi Directeurs de Thse : Lionel DUPONT Co directeur de thse : Franck FONTANILI
Remerciements
Je souhaite remercier tout dabord mon directeur de thse M. Lionel DUPONT, professeur de laboratoire gnie industriel de lcole des Mines dAlbi pour mavoir accueillie dans ce laboratoire et mavoir accompagne et soutenue. Ainsi que mon encadrant M. Franck FONTANILI, enseignant chercheur lcole des Mines dAlbi, pour mavoir encadre tout au long de cette priode de thse. Je remercie plus particulirement le professeur Pierre CASTAGNA IRCCyN de Nantes de mavoir fait lhonneur de prsider le jury. Jadresse galement mes remerciements aux autres membres du jury, pour avoir accept de juger nos travaux en qualit de rapporteurs : Professeur Jean-Pierre CAMPAGNE INSA de Lyon, Professeur Andr THOMAS CRAN de Nancy. Je remercie aussi lensemble du dpartement Gnie Industriel de lcole des Mines dAlbi, de mavoir accepte durant cette priode, particulirement Isabelle FOURNIER pour son soutien durant cette priode et la relecture du manuscrit. Je ne peux pas citer tous les doctorants et enseignants chercheurs du centre mais ils ont tous particip la russite finale de cette thse. Il ne mest pas possible doublier les soutiens inconditionnels et silencieux des professeurs Herv PINGAUD et Didier GOURC pour mavoir occasionnellement aide dans mon travail durant cette priode et pour leurs sympathies et leurs prdispositions pour aider les autres. Je tiens remercier toutes les personnes du site exprimental de Rascol pour mavoir permis de travailler sur la plateforme exprimentale technologique pour mettre en place la dmonstration de ces travaux. Jadresse particulirement mes remerciements M. Daniel BLACHE, M. Jean-Claude GRISENTI, M. Frdrique DUBOSC pour leurs soutiens matriels et leurs conseils pratiques. Je ne saurai jamais assez remercier ma mre et mon pre qui, dans des conditions difficiles et loin de moi, participent la ralisation de mes projets. Je noublie videmment pas mes surs, Sara et Shirin, qui mont rassure en me remplaant auprs deux pendant tout ce temps. Une pense particulire va enfin et bien sr Olivier pour son amour, sa patience et son soutien qui ma supporte avant dtre docteur et me supportera encore, enfin je lespre.
Merci encore tous
Sommaire gnral de la thse
Introduction et problmatique...1 I. Pilotage des systmes de production ............................................................................................. 7 I.1. Introduction ........................................................................................................................ 9 I.2. Pilotage dun systme......................................................................................................... 9 I.3. Pilotage des systmes industriels...................................................................................... 11 I.4. Fonctions gnriques du pilotage de la production .......................................................... 14 I.5. Finalits des systmes de pilotage de la production ......................................................... 18 I.6. volution des systmes de production et de leurs objectifs ............................................. 19 I.7. Flexibilit et ractivit...................................................................................................... 22 I.8. Typologie des structures de pilotage ................................................................................ 24 I.9. Structure retenue par la suite. ........................................................................................... 26 I.10. Typologie du pilotage selon lorigine de perturbation et selon la priode de lancement 28 I.11. Conclusion...................................................................................................................... 31 II. Les outils daide la dcision pour le pilotage datelier.......................................................... 35 II.1. Introduction..................................................................................................................... 37 II.2. Les progiciels existants pour le pilotage dune unit de production supervision, ordonnancement .......................................................................................................... 37 II.3. Choix des outils pour le pilotage en temps rel datelier MES et SED ..................... 44 II.4. Optimisation en couplant les mthodes simulatoire/analytique dans un atelier de fabrication intermittente ................................................................................................. 58 II.5. Conclusion de cette optimisation .................................................................................... 70 III. Simulation en ligne couple lexcution................................................................................ 77 III.1. Introduction.................................................................................................................... 79 III.2. Simulation en ligne ........................................................................................................ 79 III.3. Proposition de modlisation du processus de pilotage en temps rel laide de la simulation en ligne ......................................................................................................... 87 III.4. Chronogramme dutilisation de la simulation en ligne pour le pilotage en temps rel 109 III.5. Couplage entre Simulation et MES pour laide la dcision dans le pilotage ............ 116 III.6. Conclusion ................................................................................................................... 122 IV. Dmonstration de la faisabilit technique ............................................................................. 129 IV.1. Introduction ................................................................................................................. 131 IV.2. Prsentation de la plateforme exprimentale............................................................... 131 IV.3. Construction du modle de simulation hors ligne de la plateforme exprimentale..... 141 IV.4. tude de la faisabilit technique pour raliser des simulations en ligne...................... 150 IV.5. Conclusion................................................................................................................... 153 Conclusions et perspective...157
Introduction et problmatique
Dans un monde en perptuel changement, les industriels ont besoin dtre ractifs pour rester comptitifs et pour conqurir de nouveaux marchs. Pour y arriver, ils sont contraints damliorer leur faon de piloter la production, tant au niveau stratgique, pour sadapter aux progrs de la technologie ou suivre les volutions du march, quau niveau oprationnel, pour ragir face aux alas. Au niveau stratgique, ceci les conduit modifier et adapter leurs moyens de production pour faire face l'arrive de nouveaux produits et de nouveaux concurrents, pour rduire notamment leurs dlais de fabrication. Lobjectif de la ractivit en production est de pouvoir adapter rgulirement le systme de production la demande. Les industriels doivent aussi matriser leur systme de production au niveau oprationnel. Ils doivent tre capables de ragir sur le trs court terme aux vnements imprvus tels quune modification ou une annulation dun ordre de fabrication, larrive dune commande urgente, des perturbations alatoires du systme de production et ce, de faon la moins perturbante et la plus rapide possible. Pour y parvenir au mieux, les entreprises manufacturires ont besoin de ragir au moment opportun pendant la fabrication. Parmi les solutions possibles, elles peuvent adapter leurs systmes de production face lapparition dalas via le systme de pilotage datelier. Le pilotage concerne lorganisation des relations entre le sous-systme physique et le soussystme de dcision et lorganisation lie la prise de dcision [Le Moigne, 1974]. Le pilotage a pour but dassurer la cohrence des dcisions entre des ordres issus de la gestion prvisionnelle court terme et les actions excutes au niveau du systme de production. Il doit faire face aux contraintes de dcision et dobjectif et aux alas du systme physique comme les pannes machines, les retards, etc. Le pilotage datelier doit sappliquer notamment dune manire prcise et rapide en comparant ltat rel du systme de production en exploitation et ltat attendu. Il existe de nombreux outils pour assurer le pilotage dun atelier et de nombreux travaux [Hanisch et al., 2003], [Kouiss et Pierreval, 1999], etc. apportent leur contribution en particulier dans le domaine de lordonnancement datelier en temps rel ractif , de la maintenance et de la fiabilit des quipements, de la supervision, des MES Manufacturing Execution System , etc. Loriginalit de ce travail de recherche repose sur lutilisation de la simulation de flux vnements discrets, qui nest gnralement pas un outil destin au pilotage mais plutt la conception et lamlioration de processus. Le potentiel de la simulation est trs vaste, car elle est applicable tous les flux de lindustrie et mme des services, tous les niveaux hirarchiques et toutes les phases du cycle de vie dun systme de production [Berchet, 2000]. Le plus souvent, le logiciel de simulation est utilis en phase de conception ou damlioration des ateliers pour dimensionner les capacits des stocks et files dattente, pour tester des rgles de fonctionnement, pour identifier les goulots dtranglement, pour mesurer linfluence des perturbations, etc. La simulation de flux peut galement tre utilise en phase dexploitation, en complment doutils de planification ou dordonnancement pour, par exemple, estimer des dlais. Elle permet aussi de dterminer les valeurs optimales des paramtres de pilotage appliquer au systme de production avant de lancer lexcution en couplant au modle de simulation un algorithme doptimisation [Fontanili, 1999].
Dans ce travail de recherche, la simulation sera applique en ligne, cest--dire connecte au systme rel. Lintrt est davoir un outil daide la dcision centr sur le pilotage datelier par rapport des vnements se produisant en temps rel et pour un horizon trs court terme. Cette simulation en ligne permet danalyser et de comparer plusieurs scnarii du systme de production, notamment partir dvnements comme lapparition dune panne, larrive dune commande urgente, etc. On sintressera essentiellement aux systmes de production de type manufacturier flux discontinu en nous appuyant sur un simulateur de flux vnements discrets, cest--dire dans lequel les variables dtat changent seulement lors dvnements tels le dbut ou la fin dune opration, la libration dun poste de travail, loccurrence dune panne, la mise en attente des pices dans une file, etc. [Bel et Kieffer, 2002]. La prise de dcision au sein du pilotage datelier de production est applique sur les diffrents niveaux hirarchiques. Gnralement, cette dcision aux niveaux stratgique et tactique sapplique priodiquement, comme par exemple toutes les semaines ou tous les jours. Au niveau oprationnel, la dcision est base sur les vnements pouvant survenir tout instant avec une frquence dapparition parfois infrieure la seconde. Cette prise de dcision trs court terme et en temps rel permet de piloter au mieux latelier de production pour obtenir le rsultat prvisionnel. Lun des intrts majeur dutiliser la simulation pour le pilotage est de disposer dun outil permettant de se projeter dans le futur sur le trs court terme pour mesurer les consquences dun vnement venant dapparatre. Cest ce que nous pouvons appeler la simulation Look-ahead , que nous pouvons traduire en franais par Pr-vision. Un autre intrt qui sera aussi dvelopp dans cette thse est daider la prise de dcision en simulant en acclr plusieurs scnarii de correction, afin de limiter les consquences dun vnement critique. Cela pourrait permettre aussi davoir un retour dexprience sur la dcision de lexploitation vers la conception. En conclusion, la simulation en ligne nous parat tre lun des outils les plus intressants daide la dcision pour le pilotage datelier, alors quil nexiste que trs peu dapplications industrielles dans les systmes manufacturiers. Le mmoire de cette thse est compos de quatre parties : Dans la premire partie, nous ferons un tat de lart sur le pilotage datelier du point de vue de la littrature scientifique et notamment nous examinerons le rle de la prise de dcision dans le pilotage datelier. Ensuite, en nous basant sur des interviews ralises auprs dun groupe dindustriels, nous comparerons les problmatiques du pilotage prsentes dans la littrature avec le ressenti sur le terrain. Lobjectif de cette comparaison est non seulement de mieux connatre les besoins du terrain, mais aussi de faire voluer les pratiques et damener des solutions pour amliorer le pilotage de la production court terme. Pour atteindre les objectifs de production court terme, nous avons besoin dutiliser des outils daide au pilotage. Actuellement, lvolution considrable de linformatique permet de disposer doutils logiciels toutes les tapes du cycle de vie dun systme de production. Dans la seconde partie de cette thse, nous tudierons les outils logiciels existants et utiliss par lindustrie. Nous nous focaliserons plus spcifiquement sur la phase dexploitation de la production et nous retiendrons les outils daide au pilotage qui permettent le meilleur respect des objectifs fixs. Nous aborderons loutil de simulation de flux vnements discrets (SED) et puis dcrirons le fonctionnement de la SED et ses applications dans les diffrents domaines de pilotage. Lusage le plus courant est la simulation hors ligne, sans aucun lien
direct avec le systme rel. Cette utilisation dconnecte du systme rel ne nous permet pas de prendre en compte les informations remontant du terrain. Elle ne permet pas de prendre une dcision exploitable dans le systme rel. Un autre usage consiste faire de la simulation en ligne, comme voqu prcdemment. Ceci ncessite de pouvoir suivre lvolution du systme rel et dalimenter le simulateur avec les informations caractrisant cette volution. Dans ce travail, nous proposons de coupler un outil de simulation en ligne avec un outil dexcution datelier de type MES afin de piloter un processus de production en temps rel. Ces deux outils nous semblent en effet complmentaires pour mieux piloter latelier de production. Un MES permet dtre inform des tats actuel et pass dun systme de production et donc dvnements imprvus. Par contre, aucune fonction de simulation nest prvue, mme dans le cadre de la norme ISA S95 (Enterprise Control System Integration). Cette norme sattache la formalisation des changes autour du systme de production vers les autres domaines de lentreprise. Notre ide est donc de coupler ces deux outils, voire mme dintgrer un simulateur dans un MES. Comme montr dans la partie prcdente, pour optimiser les rgles de pilotage, le systme de dcision doit possder des informations fiables sur le systme de production. La simulation permet de modliser des systmes en utilisant des ressources, des postes de travail, des stocks, etc. Ces lments sont caractriss par des tats, par exemple disponible, occup, en panne, etc. La dynamique du systme est simule grce une horloge et des vnements qui modifient les tats de ces lments. Lutilisation directe de la simulation va nous fournir des rsultats qui seront analyss pour permettre une optimisation. Cette optimisation ncessite de raliser un grand nombre de simulations, ce qui est fastidieux et donne donc un temps de rsolution trs long. Dans la partie II de cette thse, nous proposons une dmarche de modlisation faisant appel de faon complmentaire deux approches : analytique et simulatoire. En premier lieu, la rsolution analytique permet de cibler trs rapidement des populations de solutions proches de loptimum. Les difficults majeures de la modlisation analytique se situent dans la phase de modlisation, puisque le problme doit tre dcrit par un systme d'quations. Ensuite, lutilisation de la simulation permet non seulement de vrifier les rsultats fournis par la rsolution analytique, mais aussi d'apporter des informations complmentaires en tenant compte non seulement de la dynamique des flux mais aussi des capacits statiques. Par ailleurs, la simulation peut prendre en compte des phnomnes alatoires afin de dmontrer la robustesse du modle, ce qui est beaucoup plus difficile avec la modlisation analytique. Dans la troisime partie de cette thse, nous dtaillerons dabord les caractristiques et les conditions dutilisation dun simulateur en ligne, puis nous nous intresserons son couplage ou son intgration avec un MES pour le pilotage et laide la dcision. Nous proposerons dutiliser la simulation en ligne en nous appuyant sur un modle aliment par des donnes provenant dun systme rel en cours de fonctionnement. Nous identifierons les besoins et les problmes poss par la ralisation dune telle simulation comme la ncessit davoir, en temps rel, des informations concernant ltat courant du systme rel, la synchronisation entre le systme rel et le modle dans le cas o ltat du modle ne correspondrait pas ltat du systme rel, la dtection et lidentification des vnements qui ont un impact sur les objectifs planifis, la mesure des consquences de certains vnements sur lobjectif, etc. Nous tudierons ensuite les apports de la simulation en ligne couple un MES sur le processus de pilotage de la production et la prise de dcision. Nous prsenterons donc les spcifications attendues pour la ralisation de ce couplage et les conditions de mise en uvre. Concernant le pilotage et laide la dcision, nous nous appuierons sur quelques
situations reprsentatives (panne dune machine, ordre de fabrication annul, drive dun temps de cycle, etc.) pour mettre en vidence notre contribution. Malgr lintrt de la simulation en ligne pour le pilotage, les outils de simulation du march ne comportent pas de fonctionnalits rpondant aux besoins noncs dans la troisime partie. En consquence, notre connaissance, il nexiste pas dapplications industrielles de couplage entre simulation en ligne et MES pour le pilotage dun atelier. Pour mieux convaincre les industriels de lintrt de ce travail, dans la dernire partie de cette thse nous prsenterons des solutions pratiques aux besoins et spcifications noncs prcdemment en nous appuyant sur une plateforme exprimentale. Nous dtaillerons et analyserons des exprimentations afin de valider en pratique le concept de simulation en ligne comme une aide au pilotage et aussi de faire ressortir les difficults de dveloppement.
Rfrences bibliographiques de lintroduction
[Bel et Kieffer, 2002] G. Bel, J. P. Kieffer, Pilotage assist par la simulation discrte, Herms Science Europe Ltd (Ed.) : Mthodes du pilotage des systmes de production, pp. 99-127, 2002. [Berchet, 2000] Claire Berchet, Modlisation pour la simulation dun systme daide au pilotage industriel, 2000, Thse, Institut National Polytechnique de Grenoble. [Fontanili, 1999] Franck Fontanili, Intgration d'outils de simulation et d'optimisation pour le pilotage d'une ligne d'assemblage multiproduit transfert asynchrone, Thse de doctorat, Universit Paris XIII, 1999. [Hanisch et al., 2003] Andr Hanisch, Juri Tolujew, Klaus Richter et Thomas Schulze, Modeling people flow : Online simulation of pedestrian flow in public buildings, 35th Conference on Winter Simulation : driving innovation. New Orleans : Winter Simulation Conference, 2003, pp. 1635-1641. [Kouiss et Pierreval, 1999] Khalid Kouiss et Henri Pierreval, Implementating an on-line simulation in a flexible manufacturing system., ESS99 Conference, Nurenberg, 1999, pp. 484-488. [Le Moigne, 1974] Jean-Louis Le Moigne, Les systmes de dcision dans les organisations, Presses Universitaires de France, Paris, 1974.
Partie I I. Pilotage des systmes de production
Sommaire dtaill de la partie I
I. Pilotage des systmes de production ............................................................................................. 7 I.1. Introduction ...................................................................................................................... 9 I.2. Pilotage dun systme....................................................................................................... 9 I.3. Pilotage des systmes industriels................................................................................... 11 I.4. Fonctions gnriques du pilotage de la production..................................................... 14
I.4.1. Planification ............................................................................................... 15 I.4.2. Programmation........................................................................................... 15 I.4.3. Ordonnancement ou squencement ........................................................... 15 I.4.4. Conduite..................................................................................................... 16 I.4.5. Commande ................................................................................................. 16
I.5. Finalits des systmes de pilotage de la production .................................................... 18
I.5.1. Rpondre la demande client .................................................................... 18 I.5.2. Fournir aux ateliers des conditions de travail satisfaisantes ...................... 18 I.5.3. Donner lentreprise les moyens financiers qui lui sont ncessaires ........ 19
I.6. volution des systmes de production et de leurs objectifs ........................................ 19
I.6.1. Modle de production de masse ........................................................... 19 I.6.2. Modle de production au plus juste ..................................................... 20 I.6.3. Modle de production personnalise ................................................... 21
I.7. Flexibilit et ractivit.................................................................................................... 22 I.8. Une typologie des structures de pilotage ...................................................................... 24
I.8.1. Structure centralise................................................................................... 24 I.8.2. Structure hirarchise................................................................................. 25 I.8.3. Structure coordonne ................................................................................. 25 I.8.4. Structure distribue .................................................................................... 26 I.8.5. Structure distribue supervise .................................................................. 26 I.8.6. Structure dcentralise ............................................................................... 26
I.9. Structure retenue par la suite ....................................................................................... 26 I.10.Typologie du pilotage selon lorigine de perturbation et selon la priode de lancement....................................................................................................................... 28
I.10.1. Pilotage prdictif...................................................................................... 28 I.10.2. Pilotage proactif ....................................................................................... 28 I.10.3. Pilotage ractif ou pilotage en temps rel ................................................ 29 I.10.4. Pilotage correctif...................................................................................... 30
I.11. Conclusion..................................................................................................................... 31
Partie I : Pilotage des systmes de production
I.1. Introduction
Pour rester comptitives sur des marchs de plus en plus incertains, les entreprises ont besoin dtre ractives. Elles doivent souvent faire face des vnements imprvus tels quune annulation ou une modification de commande, la prise en compte dune commande urgente, des alas du systme de production, etc. Ceci ncessite davoir des outils de pilotage de la production capables de ragir face aux vnements critiques. Parmi tous les outils utiliss dans lindustrie pour le pilotage et laide la dcision, nous nous intressons en particulier lutilisation couple dun logiciel de type systme dexcution des fabrications Manufacturing Execution System et dun logiciel de simulation vnement discret. Lobjectif de cette premire partie est de prsenter le contexte gnral dans lequel sinscrit notre travail : celui du pilotage des systmes de production. Nous commencerons par parler du pilotage dun systme en gnral avant de faire un rapide historique sur le pilotage des systmes de production. Dans la partie trois, nous dtaillerons les diffrentes fonctions gnriques du pilotage de la production. Ces fonctions sont dcliner selon les objectifs propres aux entreprises et au type datelier gr. Cest pourquoi, dans les parties suivantes, nous nous intresserons dune part aux volutions des systmes de production et des modes de pilotage et dautre part aux volutions des ateliers de production et de leur architectures. Enfin, nous distinguerons les diffrents types de pilotage selon leur capacit ragir et faire face aux diffrents vnements.
I.2. Pilotage dun systme

Le pilotage des systmes de production a fait lobjet de nombreux travaux et de publications depuis deux ou trois dcennies, que ce soit dans le milieu industriel ou dans le milieu acadmique. Force est de constater quil ny a pas daccord complet sur la dfinition de ce vocable, ni mme sur ce quil recouvre, selon que lon a faire des automaticiens, des gestionnaires, des chercheurs en gnie industriel ou des diteurs de logiciel. Lobjet de ce premier chapitre est de dlimiter le champ de notre tude et de prciser les termes employs. Pour les dictionnaires, piloter cest tout la fois conduire, diriger, gouverner. Implicitement, le pilotage fait rfrence un systme complexe. Ceci se retrouve dans le langage commun : on conduit sa voiture, mais on pilote une formule 1 ou un avion. Piloter un engin revient en premier lieu : fixer la cible atteindre, dterminer la meilleure trajectoire de rfrence pour atteindre cette cible. Une fois lengin lanc, il sagit par ordre de priorit de (voir la Figure I.1) : (i) (ii) (iii) surveiller la trajectoire relle, corriger les carts observs avec la trajectoire de rfrence pour ramener lengin sur cette trajectoire, modifier ventuellement la trajectoire de rfrence si des informations sur le comportement de lengin et/ou sur lunivers extrieur montrent soit quelle nest plus maintenable, soit quelle nest plus la meilleure suivre pour atteindre la cible fixe, changer de cible si ces mmes informations montrent que la cible initiale ne peut tre atteinte ou si des impratifs dordre suprieur la remettent en cause.
(iv)
Figure I.1 : cible et trajectoire
Ceci peut se gnraliser tout systme complexe, quelle que soit sa nature (physique, sociale, organisationnelle, etc.). On voit se dgager deux lments principaux dun pilotage : la cible et la trajectoire . La cible est lie aux finalits et attentes du systme tudi. Pour mesurer ladquation de la cible vise avec les attentes du systme, on doit disposer dindicateurs de performance propres au systme, Le suivi de la trajectoire est li aux capacits de lengin et aux turbulences de lenvironnement externe. Techniquement, la surveillance et le contrle de la trajectoire sont conditionns par les caractristiques physiques de lengin et par la nature des informations venant la fois de lengin et de lenvironnement externe. Dans cette thse, les systmes tudis sont les systmes de production manufacturire. La cible, ici la production raliser, dpend des orientations prises par lentreprise pour rpondre au march. Les indicateurs de performance datteinte de la cible porteront sur les rsultats financiers, la satisfaction client, etc. La trajectoire, ici lenchanement des activits de fabrication sur les postes de travail, va elle dpendre des caractristiques du systme de production et des ateliers. Les indicateurs de performance porteront sur le respect des dlais planifis, le taux de charge des machines, etc. En considrant la diversit des orientations et des caractristiques du systme, on comprend la difficult avoir une dfinition unique du pilotage des systmes de production. Dans la littrature, on peut en trouver de nombreuses. Nous les tudierons dans la partie deux. De plus, les organisations industrielles ont subi de nombreuses mutations ces dernires dcennies. Comme tout autre systme, les organisations industrielles sont contraintes dvoluer sous la pression de leur environnement. Or, on est oblig de constater que le monde, sous linfluence de lhomme, a connu plus de changements ces dernires dcennies quil nen avait connu au cours des millnaires prcdents. Ceci est tout aussi valable pour lenvironnement industriel. Si lon se restreint aux entreprises, leur volution est principalement due : (i) (ii) (iii) au renversement du rapport entre loffre et la demande, la mondialisation et la globalisation de lconomie, aux mutations techniques et technologiques.
10
Les entreprises ont du se remettre en question et modifier leur apprhension de lenvironnement. Ces volutions vont aussi impacter les modes de pilotage des systmes industriels. (i) Dune part, prises dans une conomie de march de plus en plus contraignante, les entreprises de production sont confrontes des demandes clients de plus en plus volatiles, mais aussi une concurrence de plus en plus forte au fur et mesure que disparaissent les barrires douanires (march commun ou accords commerciaux internationaux). Face cette double contrainte, elles ont t conduites adapter leur finalit. Par la suite, les priorits sur les attendus du systme de production ont t changes. On parle ainsi de pilotages par les cots, les dlais, la qualit, etc. Ceci sera trait dans la partie quatre. Dautre part, les appareils de production ont fortement volu, tant au niveau matriel quau niveau organisationnel. L'utilisation de machines-outils commande numrique (MOCN), de lignes flexibles et l'automatisation permettent par exemple de raliser un compromis entre la productivit des lignes de production fordienne et la flexibilit/ractivit des machines servies par l'oprateur humain. Les nouvelles formes dorganisation du travail, la polyvalence permettent de reporter sur les oprateurs une partie des dcisions. Les quipements et les machines sont de plus en plus automatiss et les ressources productives sont devenues ainsi de plus en plus coteuses. Larrive des systmes informatiques permet de remonter plus facilement les informations sur ltat rel du systme et de fournir des systmes daide la dcision plus performants. On peut ainsi beaucoup plus facilement et rapidement suivre la trajectoire suivie. Ceci sera trait plus avant dans les parties six et sept.
(ii)
Le petit exemple de lengin piloter nous permet aussi de faire ressortir les trois composantes essentielles dun systme piloter : (i) le systme physique, qui comprend tout la fois lengin piloter, les quipements (capteurs) permettant de surveiller la trajectoire et les gouvernes (actionneurs) permettant de la modifier, le systme dinformation, qui assure la collecte et la mmorisation des informations provenant de lengin et de lenvironnement, le systme de dcision, qui, en fonction des informations reues et des indicateurs de performance retenus, dcide des actions mener pour atteindre les objectifs.
(ii) (iii)
I.3. Pilotage des systmes industriels

Parmi les nombreuses dfinitions du pilotage industriel, la premire que nous retiendrons est celle de [Mlze, 1972], qui fait ressortir le concept de module de pilotage . Cette entit, base de lanalyse modulaire des systmes, constitue le premier formalisme spcifique ddi la comprhension du mcanisme de prise de dcision, en particulier dans les systmes de production. Pour lui, ce module de pilotage comprend un dcideur ainsi que des sous-systmes dcisionnels et dvolution.
11
[Le Moigne, 1974] introduit la sparation entre systme physique, systme dinformation et systme de dcision. Pour lui, le pilotage concerne la dfinition et lorganisation des relations entre sous-systme physique et sous-systme de dcision, ainsi que lorganisation des activits lies la prise de dcision. Dans les systmes de production, ceci induit une notion de boucle ferme : une activit nest rellement dcisionnelle que sil existe une boucle de rtroaction entre le systme physique et le systme dcisionnel. Ceci va permettre au systme dcisionnel de contrler que les rsultats obtenus sur le systme physique sont conformes lattendu et dans le cas contraire, va lui permettre de rectifier les ordres. Le schma dsormais classique de Le Moigne fait ressortir le rle du systme dinformation, qui fait lintermdiaire entre les sous-systmes physique et de dcision (voir la Figure I.2). Ceci met en exergue le fait que, la plupart du temps, les dcisions sont prises non pas en se basant sur la ralit du terrain, mais en se basant sur les informations que lon a de ce terrain.
Figure I.2 : dcomposition classique dun systme en trois sous-systmes
Ceci implique deux niveaux de risques dans la prise de dcision. Une dcision peut savrer inadapte : soit parce que le systme de dcision est mal conu et/ou mauvais, soit parce que les informations sur lesquelles il se fonde sont errones. Considrons un exemple trs simple. Dans une gestion de stock point de commande, on passe une nouvelle commande lorsque le stock restant atteint un seuil s donn. Si on tombe quand mme dans une situation de pnurie : (i) (ii) soit la valeur du seuil s a t mal calcule (erreur du systme de dcision), soit linformation que le stock rel a atteint le seuil s na pas t transmise au moment opportun et la commande a t dclenche trop tard par le systme de dcision.
Avec larrive de lautomatique, des technologies informatiques et des logiciels industriels tous les niveaux des systmes de production, on dispose actuellement de moyens de plus en plus performants pour remonter les informations du terrain vers les systmes dinformations. Paradoxalement, les risques derreurs croissent aussi. Arriver faire
12
concider systme rel et systme dinformation est dautant plus crucial que lon travaille en temps rel. Dans le chapitre trois, nous traiterons ces aspects dans le cas particulier dun atelier de production et des bases de donnes gres par un logiciel de type MES. Selon lapproche automaticienne [Breuil, 1984], on retrouve derrire le concept de pilotage un systme physique ou partie oprative, qui effectue les oprations relles et un systme de commande . La partie oprative effectue les oprations ordonnes par la partie commande. La partie commande labore les ordres partir des informations et des retours venant de la partie oprative et des objectifs assigns. Pour [Doumeingts, 1984], piloter un systme cest assigner chaque partie du systme un ou plusieurs objectifs atteindre . Par nature, le systme est donc finalis. Les activits de pilotage ont pour rle de guider chacune des parties du systme vers ses objectifs. Le systme doit, l aussi, possder des dispositifs de retour dinformation et de feed back pour assurer la concordance entre les objectifs assigns et les rsultats obtenus. Cette dfinition laisse ouvert le problme de la cohrence entre les objectifs des sous-systmes et du systme complet. [Lorino, 1992] place lobjectif global de lentreprise au centre du processus de pilotage. Pour lui, piloter, cest dfinir des rgles de comportement cohrentes avec cet objectif global. En termes actuels, on retrouve la notion de processus. Lobjectif global de lentreprise est laboutissement dun ensemble dactivits lies, autrement dit dun processus. Piloter cest donc : dterminer le processus suprieur de lentreprise, dcliner ce processus en sous processus, assurer que chaque activit participe en cohrence avec les autres latteinte de lobjectif global. Par la suite, [Lorino, 1997] assimile la performance de lentreprise au surplus que dgage lentreprise (diffrence entre la valeur fournie et les ressources consommes). En termes de processus on parlerait maintenant de cration de valeur ajoute montaire. Nous verrons par la suite que, dans le contexte actuel, la valeur cre par une activit doit sestimer en termes plus larges que le simple flux financier (qualit, ractivit, dlais). In fine, au niveau de lentreprise, la performance se traduira par des rentres montaires. Dans ce cadre, le pilotage tente de rpondre la question suivante : quelles sont les rgles dactions et de dcisions mettre en uvre au niveau de chaque activit pour assurer lentreprise une cration de valeur suffisante. Le fait que le pilotage doive se dcliner au niveau de lactivit pose de nombreux problmes, en particulier : (i) (ii) comment assurer que les objectifs particuliers et parfois contradictoires de chaque activit convergent vers lobjectif global, comment grer les interdpendances entre les activits : une action mene sur une activit peut influencer en cascade la performance des activits qui la suivent, comment synchroniser des activits en parallle qui concourent une mme ralisation et grer les dcalages temporels entre activit en srie.
(iii)
13
De nombreux auteurs restreignent le pilotage de la production au pilotage de latelier proprement dit et au temps rel. [Trentesaux, 1996] dfinit le pilotage comme la structure de dcision et dinformation associe la gestion en temps rel . Ce pilotage en temps rel comprend deux sous-fonctions lies par une boucle de rtro action : (i) (ii) la conduite, qui est la fonction dcisionnelle qui donne les ordres, la commande, qui excute les ordres dcids par la conduite et lui retourne les donnes de suivi.
Pour [Grabot et Huguet, 1996], le pilotage permet la production court terme de latelier en accord avec les objectifs tablis par la gestion de production et en adaptant la production aux perturbations pouvant subvenir au niveau de latelier et de son environnement. Pour terminer ce tour volontairement restreint de la littrature, nous prsentons la dfinition de lAPICS. Ce terme de pilotage d'atelier au sens gnral, ou Production Activity Control [Apics, 2005], est la fonction qui consiste faire cheminer et rpartir le travail excuter dans les units de production ainsi qu' piloter les fournisseurs. Le pilotage datelier recouvre les principes, mthodes et techniques ncessaires pour ordonnancer, piloter, mesurer et valuer lefficacit des oprations de production. Dans le cas particulier dun atelier manufacturier ou Shop Floor , la gestion et le pilotage utilisent les donnes en provenance du terrain pour mettre jour et communiquer la situation des ordres de fabrication et des centres de charge, ainsi que pour contrler les mouvements de matires dans lusine. Les sous-fonctions principales de la gestion d'atelier sont les suivantes : affecter une priorit chaque ordre de fabrication, grer le niveau des en-cours, donner la situation des ordres de fabrication, communiquer les sorties relles pour grer la capacit, fournir la quantit par emplacement et par ordre de fabrication pour grer et comptabiliser les en-cours et mesurer lefficience, lutilisation et la productivit de la main-duvre et des machines. Les sous- fonctions principales du pilotage des flux sont bases dabord sur les cadences de production et sur un chargement datelier correspondant, puis sur le contrle et la gestion de la production.
I.4. Fonctions gnriques du pilotage de la production

Daprs [le Moigne, 1974], dcider cest identifier et rsoudre les problmes que rencontre toute organisation. La conduite des systmes de production peut se dcrire selon les trois niveaux hirarchiques de dcision : stratgique, tactique et oprationnel qui correspondent respectivement des dcisions long terme, moyen terme et court terme. (i) Les dcisions stratgiques sont les dcisions qui introduisent des orientations durables de lentreprise sur un horizon long terme. On rangera dans cette catgorie, par exemple, les dcisions concernant limplantation de nouvelles units de production, la conception dune nouvelle ligne de production, les dcisions portant sur de nouvelles orientations en termes de produits ou de marchs. Si une rflexion stratgique est ncessaire tout au long de la vie de lentreprise, les questions stratgiques se posent plus particulirement quand lentreprise affronte des changements importants tels quune hausse ou une baisse significative des demandes ou encore une fusion ou une cession dune partie de lactivit.
14
(ii)
Les dcisions tactiques concernent la mise en uvre et ladaptation des dcisions prises au niveau stratgique sur une priode plus courte. Elles concernent particulirement la planification mensuelle de la production afin de rpondre la demande, des flux matires tout au long de la chane logistique (approvisionnements, production, stockage, distribution) et la gestion des ressources en hommes et quipements. Les dcisions oprationnelles nous intressent plus particulirement. La dcision ce niveau met en application le plan dactions prvu par le niveau tactique. Ce sont les dcisions qui concernent les actions court terme, comme par exemple lordonnancement de la production. La procdure de prise de dcision intervient durant la production de deux faons : de faon priodique ou vnementielle. Dans le premier cas, le dclenchement de la procdure de prise de dcision est rgulier et il est fait des intervalles de temps rguliers. Dans lautre cas, le dclenchement repose sur lapparition dvnements dans le systme. Par la suite, nous dtaillerons ces deux cas en les appliquant sur une ligne exprimentale.
(iii)
Si lon sintresse plus spcifiquement aux activits de gestion de production manufacturire, on va retrouver classiquement cinq fonctions essentielles prsentes dans la Figure I.3. I.4.1. Planification La planification de la production se dcline sur les trois niveaux de dcision. Elle part dune vision long terme sur les volutions du march, en prenant en considration les risques et opportunits de lenvironnement (concurrence, fournisseurs, volution des lgislations et des technologies). Cette vision long terme est concrtise sous forme dun business plan (ou plan dentreprise). Au niveau tactique, le plan industriel et commercial ou PIC va dfinir un compromis entre les objectifs marketing, financiers et la production. Enfin la planification sur un plus court terme va tablir le plan directeur de production (PDP). Ce plan intgre les commandes fermes et/ou prvisionnelles et les retards de livraison. Ce PDP constitue lentre du systme de pilotage datelier. I.4.2. Programmation Elle est charge, partir du plan directeur de production, dtablir un programme prvisionnel de production atelier par atelier, capacit infinie ou suivant une charge globale admissible par latelier. Ce programme prend en compte les besoins dpendants et indpendants et calcule des besoins nets en fonction des stocks, des en-cours, des tailles des lots de fabrication, des taux de rebut La programmation consiste essentiellement dcliner les objectifs de la planification en ordre de fabrication (OF) sur les diffrents ateliers et postes de travail et reste dans une logique de dfinition du quoi produire . I.4.3. Ordonnancement ou squencement Ordonnancer, cest programmer dans le temps lexcution des tches raliser sur une ressource particulire (comme une machine) ou groupe de ressources (comme un atelier). Lordonnancement fournit donc un calendrier dorganisation du travail pour latelier fixant les dates de dbut et de fin de chaque tche. Squencer consiste plus simplement dterminer lordre dans lequel les diffrentes tches ou les diffrents produits passeront sur une ressource
15
ou un groupe de ressources. Les dates de dbut et de fin de chaque tche ne sont donc pas explicitement fixs. Dans les deux cas, lobjectif est de raliser les OF du programme prvisionnel (dlais, quantit, qualit, etc.) tout en cherchant optimiser lutilisation des moyens de production en termes de charge, den-cours etc. Lordonnancement doit respecter les contraintes de succession dues aux gammes de fabrication et les contraintes technologiques. Il est bas sur des calculs de charge, de temps moyen de fabrication et de respect du dlai. Un ordonnancement, aussi bon soit-il, ne peut atteindre tous les objectifs, gnralement contradictoires. Gnralement, il retient comme critre essentiel le respect des dlais (minimisation des retards ou des retards pondrs). On se rapproche ici de la dfinition du comment produire . I.4.4. Conduite La phase de conduite est charge de raliser la production prvue par lordonnancement. Comme on la vu, ce dernier fournit une solution ralisable son niveau, solution qui nest pas toujours une solution ralisable au niveau de la conduite. Une des raisons de cet cart rside dans le caractre rigide des donnes et contraintes prises en compte pour tablir lordonnancement prvisionnel. Cette phase doit rgler tous les problmes non rsolus par le niveau prvisionnel (charges ou contraintes locales). Elle doit aussi prendre en compte lensemble des contraintes de fabrication (contrles de la qualit, arrts lis la maintenance), les problmes poss par les oprateurs (niveau de qualification, comptences, etc.), toutes prsentes ce niveau, et ragir aux alas pour que la production prvue soit possible. De fait, ltat rel du systme productif nest parfaitement connu qu linstant du lancement rel dune opration. Nous sommes ici dans loprationnel. Dans cette phase, les problmes daffectation de ressources doivent tre rsolus en temps rel (rponses aux questions quand et avec quoi produire). Il nest pas tonnant que les performances rellement obtenues au sein dun atelier soient souvent loignes de celles initialement prvues par les phases prvisionnelles amont. La conduite constitue la fonction charnire entre la gestion prvisionnelle et la gestion temps rel du systme de production. Le paramtre temps et la rapidit de rponse sont primordiaux dans cette phase. I.4.5. Commande Ce niveau, directement en relation avec le systme de production, a un rle dinterface et dinterprteur. Sa tche essentielle est de traduire un ordre en une squence dinstructions comprhensibles par la partie oprative. Il est concrtis soit par un oprateur pilotant une machine et assurant le suivi de ralisation, soit par un automatisme capable dinterprter un ordre et de renseigner la conduite sur ltat davancement de celui-ci.
16
Figure I.3 : fonction gnrale du pilotage dans la production
Lorsque le systme nest pas perturb, les phases senchanent les unes aprs les autres, chacune fixant le cadre de travail de la suivante et optimisant son niveau : la planification aboutit la dfinition des rfrences produire en rponse la demande, la programmation clate la production en ordre de fabrication raliser sur les postes de travail, lordonnancement fournit les dates de dbut et de fin de chaque tche sur la ressource considre, la conduite ralise lordonnancement. En cas de perturbation interne ou externe, la rponse va dpendre de lamplitude de cette perturbation : une simple panne sur une machine peut tre traite par la conduite, larrt total dun quipement entrane une raction au niveau de la programmation. Certains imprvus sont plus complexes. Par exemple, une commande imprvue pourra remettre en question : la planification, si elle demande de mobiliser de nouvelles ressources, la programmation, si les ressources ncessaires sont disponibles, mais quelle comporte un sous-ensemble qui doit faire lobjet dun nouvel OF, lordonnancement, si elle est ralisable, mais doit simplement sinsrer dans le flux de production, la conduite. Plus la raction se fait dans les niveaux bas, plus on sera ractif.
17
I.5. Finalits des systmes de pilotage de la production

Nous avons soulign que, dans un systme de pilotage, la cible dpendait des finalits du systme considr. La question laquelle nous voulons rpondre dans cette partie est de dterminer ce quest la finalit dun systme de production. Si la littrature traite abondamment du pilotage, de manire surprenante, cet aspect est pass sous silence. Dans lenvironnement actuel, fortement concurrentiel, avec des produits de plus en plus souvent personnaliss, les productions se font de moins en moins rptitives. Dans un tel environnement dynamique et fortement perturb, les entreprises se doivent daccrotre la ractivit et la flexibilit de leur systme de production. Raliser la production demande pour satisfaire les clients dans les dlais prvus, avec la qualit requise, tout en restant financirement en bonne sant, constitue un dfi de plus en plus difficile. Dans ce cadre, la finalit des systmes de production manufacturire est donc dassurer qu tout moment la production ralise satisfasse les trois impratifs suivants [Dupont, 1998] : (i) (ii) (iii) rpondre la demande client, fournir la production proprement dite (ateliers, oprateurs) les conditions de travail les plus satisfaisantes possibles, donner lentreprise les moyens financiers ncessaires pour assurer sa prennit.
Nous allons dtailler ces trois impratifs et voir, en particulier, les indicateurs de performance qui sy rattachent. Ces indicateurs sont de diverses natures selon le type dentreprises et les priorits fixes. I.5.1. Rpondre la demande client On assiste depuis quelques dcennies un glissement dune conomie de production, dans laquelle les clients achtent ce que les entreprises produisent de manire standard, une conomie de march o les entreprises doivent rpondre des demandes clients personnalises et de moins en moins prvisibles. Cette volution a contraint les entreprises considrer le besoin client comme base de toute rflexion et organiser leurs processus internes (la production) et externes (la logistique) sur cette base. Pour mesurer la satisfaction client dans le processus de production, les entreprises, en prise directe avec le march, se sont focalises essentiellement sur le triptyque Cot, Qualit, Dlai . On trouvera ainsi des indicateurs sur le cot en sortie dusine, le pourcentage de clients livrs temps, le pourcentage de produits retouchs, rebuts ou retourns par le SAV. Pour des entreprises livrant la commande ou produisant des biens de consommation courante, les indicateurs porteront sur les volumes de production ou sur les stocks de sortie. I.5.2. Fournir aux ateliers des conditions de travail satisfaisantes Le second rle essentiel dun systme de production, rle quon oublie parfois tellement il est implicite, est de permettre sur le terrain que la production seffectue dans les meilleures conditions possibles . L aussi, ceci va se dcliner de manire diffrente selon les entreprises. Dans un premier temps, ceci implique au moins que les ressources ncessaires la production soient prsentes. Ces ressources sont tout aussi bien les ressources humaines (en nombre et en qualifications), les quipements que les matires et composants entrant dans la composition des produits finis. Les indicateurs lis aux conditions de travail peuvent donc
18
porter sur la main-duvre (comme lissage des charges horaires, nombre dheures dinactivit pour manque de matires, nombre dheures supplmentaires), sur les quipements (taux dactivit, nombre dheures dutilisation) ou sur les approvisionnements (nombre de rapprovisionnement durgence, taux de rupture). I.5.3. Donner lentreprise les moyens financiers qui lui sont ncessaires La rentabilit dune entreprise manufacturire repose entirement sur les ventes des produits quelle fabrique. La majeure partie des cots des produits est due aux cots matires et main-duvre directe, donc aux cots engags par le systme de production. Les indicateurs pertinents seront ici les indicateurs financiers de rentabilit de l'entreprise ROE, return on equity ou de rentabilit conomique ROCE, return on capital employed . Au niveau de latelier, on trouve aussi la marge dgage sur cot direct (diffrence entre les ventes et les cots directement imputables la production : main-duvre, matires, stockage). Idalement, les trois impratifs doivent tre satisfaits. Fondamentalement, on a donc affaire des problmatiques multicritres. Bien souvent, on tourne la difficult en gardant comme seul objectif la maximisation de la rentabilit. Limpratif de satisfaction de la demande est assur par des contraintes de taux de service minimum et la prise en compte des conditions de travail par des contraintes de charge de travail maximum. Cest le cas des modles bien connus de planification de la production par programmation linaire. Les variables de dcision de base correspondent au nombre Xij de produits i fabriquer sur la priode j et au nombre Sij de produits i en stock la fin de la priode j. Les demandes assurer et les approvisionnements disponibles sont considrs comme des paramtres dentre. Les conditions de travail sont prises en compte sous forme de contraintes charges/capacit sur les quipements, la main-duvre et les matires.
I.6. volution des systmes de production et de leurs objectifs

Soulignons aussi que limportance donne chacun des impratifs a volu au cours du temps et varie selon les entreprises. Depuis le dbut du XXe sicle, la production industrielle n'a cess de se diversifier et de devenir plus complexe. Schmatiquement, on peut considrer que les systmes de production se sont progressivement structurs afin de se mettre en parfaite adquation avec les divers modles conomiques et sociaux de leur poque. Nous pouvons distinguer trois phases successives dans l'volution des modles production/consommation. Chacune de ces phases est accompagne d'un modle de production particulier, entrane pour l'appareil de production une organisation particulire afin de rpondre au mieux la demande et dicte des objectifs diffrents. I.6.1. Modle de production de masse Le premier modle est celui de la production de masse ou mass production . Ce modle, intimement li aux noms de Ford et Taylor, reprsente l'avnement du phnomne de consommation de masse et de la production en grande srie de produits standardiss. Techniquement, la production de masse est associe au dveloppement des chanes de production et l'introduction massive de la mcanisation au sein de la fonction production. Sur le plan humain, cest l'Organisation Scientifique du Travail (O.S.T.), dveloppe par
19
Taylor ds 1903 dans son livre Shop Management , qui prime. L'Organisation Scientifique du Travail repose sur les grands principes suivants : la division des tches : les fonctions de conception, de coordination, de contrle et dexcution doivent tre nettement distingues et effectues par des acteurs diffrents. Les responsabilits sont clairement attribues aux cadres. On aboutit de fait une division sociale du travail entre les ouvriers (excutants), les chefs datelier (coordination, contrle) et les ingnieurs du bureau des tudes et des Mthodes (conception), la parcellisation des tches : les tches doivent tre relativement simples et rapides excuter, do une parcellisation du travail global, la spcialisation : chaque salari doit toujours effectuer le mme travail, l'individualisation : le travail doit tre pens de manire ce que les ouvriers puissent l'effectuer sans avoir communiquer avec qui que ce soit, la rationalisation du travail : les gestes doivent tre simplifis au maximum. Les travailleurs font lobjet dun entranement et dun chronomtrage, la motivation se fait par la rmunration la pice. Structurellement, le taylorisme est accompagn d'une organisation pyramidale de l'entreprise, ce qui entrane un cloisonnement intensif des diffrentes fonctions. Dans les ateliers, on aboutit ainsi la stricte sparation des tches dexcution (excutes par les oprateurs) et les tches de dcision (dvolues la matrise). Cette organisation est entirement oriente vers la comptitivit par les prix, lment central de concurrence. Le pilotage se fait essentiellement sur des indicateurs de cots, le plus souvent en se basant sur les cots directs de production. I.6.2. Modle de production au plus juste Avec la fin des trente glorieuses (1945-1975) et lmergence du client roi , demandeur de produits de qualit et de sries limites, la production de masse et le taylorisme deviennent inadapts. Les consommateurs exigent des produits diffrencis et un taux de renouvellement rapide. Il faut pouvoir sadapter aux productions en petite srie ou avec une forte diversit, ce qui ncessite de frquents changements de postes, de nouveaux rglages machines, etc. Par ailleurs, lautomatisation modifie les techniques de production et cre de nouvelles exigences professionnelles. Les Japonais, confronts ds les annes 1945-50 ces nouvelles contraintes, vont sappuyer sur leurs ouvriers pour augmenter la flexibilit de leurs entreprises. De nouvelles pratiques apparaissent : la polyvalence, la poly comptence, lenrichissement des tches. Cest lessor du modle japonais de Toyota et de la lean production ou production au plus juste , qui va laminer la mass production . Les entreprises ont alors d s'adapter aux besoins de leur clientle, amliorer la qualit et rduire leurs dlais. Elles ont ainsi cherch largir leurs gammes de produits afin d'exploiter commercialement les particularits des individus-clients. Adapter la production, que ce soit en volume ou en mix, aux alas de l'activit (variation du march, incidents de production, problme dapprovisionnement), demande de pouvoir redfinir de manire souple les postes de travail. Ceci peut se faire en privilgiant la flexibilit des quipements. Une autre possibilit consiste se surquiper et dplacer les oprateurs sur les postes ou les machines. Par exemple, sur une ligne en U comportant quatre
20
machines, on mettra quatre oprateurs (un par machine) pour un rythme de production maximum, deux oprateurs soccupant chacun de deux machines pour une production moyenne et un seul oprateur pour une production faible. La mise en uvre de ce type d'organisation ncessite dune part que les oprateurs puissent travailler efficacement sur les diffrents postes (polyvalence), mais aussi quils soient capables de s'adapter rapidement. De plus, les Japonais vont dlguer peu peu aux oprateurs une partie du contrle qualit (juste--temps, TQM), des oprations de maintenance (5S, TPM). La sparation voulue par Taylor entre les diverses catgories sestompe. Les oprateurs ralisent des tches plus varies, qui demandent aussi des capacits danalyse et de rflexion. Cet enrichissement des tches suppose un personnel bien form, polyvalent, avec de multiples comptences et surtout, qui accepte de prendre des responsabilits et de sinvestir. La concurrence entre les entreprises est axe non seulement sur les cots, mais aussi sur la qualit, les dlais et la diversit de loffre. Larrive massive du management de la qualit dans les ateliers va impacter leur pilotage. La matrise statistique des processus permet de remdier aux causes de variabilit assignables et les cartes de contrle utilises en cours de production vont permettre aux oprateurs dagir prventivement en cas de drives de la qualit. Lauto-contrle et le contrle au poste suivant permettent de limiter la diffusion de la non-qualit dans le processus de fabrication, mais en contrepartie, cre de lincertitude sur les dures de production et augmente le risque darrts non prvus et de rupture de flux. La formalisation des procdures rsultant de lassurance qualit, des normes ISO 9000, va tout la fois stabiliser les processus de production et rigidifier la prise de dcision. Les diverses mthodes de lamlioration continue (5S, SMED, Kaizen etc.), trs chronophages, font voluer elles aussi le pilotage. I.6.3. Modle de production personnalise Depuis une vingtaine d'annes, on voit l'mergence d'un troisime modle de production personnalise ou mass customization dans lequel le dfi est de fournir de manire massive des produits totalement personnaliss. L'entreprise ne doit plus seulement fournir, au juste prix, un produit adapt la demande du client, elle doit fournir le produit dsir par un client bien identifi. La concurrence porte aussi sur les services connexes la production. Ainsi, les services avals (livraison, suivi des commandes, service aprs vente) font l'objet d'une concurrence tenace. Il ne s'agit plus pour l'entreprise de suivre la demande de sa clientle, mais bien de la devancer afin de fournir au client, au moment o la demande se cre, le produit adapt. Ces transformations de lorganisation impactent fortement le rle des oprateurs. Une des ides fortes consiste responsabiliser et rendre autonomes les diffrents acteurs de la production. Plus gnralement, le management et le processus de dcision sont dcentraliss et descendus au plus proche du terrain : les nouvelles formes dorganisation reposent en grande partie sur limplication et l'initiative des oprateurs. Ceux-ci sont amens participer directement l'organisation de la production et collaborer, au moins titre consultatif, la prise de dcision. Ceci implique un partage de linformation et une remise en question notamment du rle de la matrise intermdiaire. Ainsi, les oprateurs en quipes autonomes travaillent sans la prsence permanente de leur suprieur hirarchique. Le nombre de niveaux hirarchiques a tendance diminuer,
21
le personnel doit tre polyvalent, assurer des fonctions de production, de contrle qualit et de maintenance des machines. Il est indispensable de le former en permanence, de le sensibiliser la politique qualit etc, ds lors qu'ils sont rendus autonomes, les responsables dateliers ont d apprendre intgrer, dans leur mode de fonctionnement, des perturbations plus ou moins attendues sans pour autant baisser les cadences ou augmenter les cots de production. La rduction gnralise des stocks rsultant de la lean production et accentue par la mass customization supprime l'indpendance entre les sous-systmes. Grce la prsence de stock, l'entreprise pouvait travailler sans se proccuper de la gestion interne de ses fournisseurs, un atelier pouvait optimiser localement son fonctionnement sans se proccuper des ateliers avec qui il est relation. Une entreprise sans stock devient ainsi un systme plus complexe grer, ce qui multiplie le risque d'erreur et aussi un systme beaucoup plus fragile, puisque tout incident quelque endroit que ce soit va se propager tout au long de la chane. Do la ncessit de considrer maintenant la chane fournisseur client dans son ensemble Supply Chain Management et de se focaliser, en interne, sur la gestion des flux pour viter les ruptures de flux sur les postes de travail. Le pilotage par les flux se veut flexible en permettant par exemple le re-routage des flux ou en utilisant des gammes de fabrication alternatives afin de grer au mieux loccupation des ressources.
I.7. Flexibilit et ractivit

Ces nouvelles tendances s'accompagnent, pour la fonction production, de contraintes extrmement fortes en termes de qualit et dlais notamment, tant au stade de la conception quau stade de lusage : (i) alors que les modles prcdents s'accompagnaient d'une certaine prennit de l'appareil de production, le renouvellement rapide s'accompagne d'une remise en cause perptuelle de l'outil de production, rduisant d'autant le dlai dvolu sa conception, les produits sont de plus en plus labors et doivent respecter des cahiers des charges de plus en plus stricts et exigeant en termes de qualit, de fiabilit, de tolrance. De plus, la production est souvent soumise des normes renforces : ISO 9000, ISO 14000, audits fournisseurs, AFAQ, la dcentralisation des processus de dcision a conduit gnraliser la recherche d'une flexibilit et d'une ractivit maximale.
(ii)
(iii)
Les appareils productifs doivent devenir flexibles et tre capables de se reconfigurer en fonction de la demande. Dans sa dfinition gnrale, la flexibilit traduit l'aptitude d'un systme changer facilement et moindre cot pour pouvoir s'adapter aux circonstances. Pour beaucoup, la flexibilit constitue le mode privilgi de rponse linstabilit et limprvisibilit de lenvironnement. Mais sil y a accord sur le terme, il ny a pas toujours accord sur le contenu. Dans les faits, on constate que la flexibilit est multiforme et peut porter aussi bien sur les quipements (ateliers flexibles), sur les hommes (polyvalence), lorganisation etc. La racine latine du terme flexibilit est le mot : flectere (flchir), verbe daction exprimant une transformation dun tat vers un autre. La flexibilit dun systme est relative sa capacit changer dtat. Comme le roseau, lentreprise flexible plie mais ne rompt pas . Au sens trs large du terme, la flexibilit permet lentreprise de changer pour
22
survivre aux transformations de son environnement. Grossirement, une entreprise a trois manires de rester en adquation avec son environnement : (i) (ii) ragir aux alas (tels que : pannes machines, absence dun composant) et utiliser ses mcanismes de rgulation pour les absorber. sadapter aux variations de lenvironnement (par exemple : variation de la demande, action commerciale des concurrents). Cette flexibilit exige une capacit agir rapidement sur les trois lments de base de lentreprise : ses produits (conception modulaire, diffrentiation retarde), ses processus et ressources (ateliers flexibles, polyvalence des oprateurs), son organisation (choix des fournisseurs, rseau logistique), agir sur lenvironnement afin dengendrer des modifications favorables lentreprise (ex : crer de nouveaux besoins, imposer de nouvelles normes).
(iii)
Applique aux systmes de production, cette dfinition nous conduit considrer la flexibilit comme : la capacit d'un systme de production grer la variabilit de la production et s'adapter son environnement de faon conomique et continue. La flexibilit dans les ateliers a donn lieu de nombreux travaux. En gnral, on distingue principalement la flexibilit en volume et la flexibilit en varit dun mme produit (mix produit). Si la flexibilit est la capacit grer des productions diffrentes, la ractivit concerne, elle, la capacit ragir de manire prompte aux alas quils soient dorigines interne (bris d'outil, panne de machine, accident...) ou externe (rupture dapprovisionnement, modification de commande). La flexibilit et la ractivit, au niveau des ateliers, peuvent sobtenir en jouant essentiellement sur les ressources humaines et sur les quipements. En ce qui concerne les ressources humaines, deux voies sont offertes : (i) jouer sur lorganisation du travail : le chemin allant de lOrganisation Scientifique du Travail au groupe autonome est fondamentalement une recherche de flexibilit et la ractivit, jouer sur lamnagement du temps de travail : en faisant varier le nombre doprateurs (adaptation quantitative), en utilisant la comptence des oprateurs (adaptation qualitative), en modulant le nombre dheures effectues par chacun (amnagement du temps de travail), en modifiant la dure douverture de lentreprise (amnagement du mode de travail).
(ii)
En ce qui concerne les quipements et les moyens de production, la flexibilit est cre essentiellement en jouant sur la surcapacit (donc sur le quantitatif) et sur lautomatisation (le qualitatif). La surcapacit consiste se surquiper et dupliquer certains quipements. Trs souvent, ceci est coupl la polyvalence des oprateurs. Avec le dveloppement de lautomatisation, des nouvelles technologies et de l'informatique, on a vu apparatre dans les ateliers des quipements polyvalents en interaction plus ou moins complte. Du plus simple au plus complexe, on peut distinguer :
23
(i)
(ii) (iii) (iv) (v) (vi)
(vii)
les machines outils commandes numriques (MOCN) : initialement bandes perfores, actuellement lectroniques et programmables, les MOCN avec magasins porte-outils, les robots d'usinage (robots soudeurs, etc.), les cellules flexibles constitues autour d'un groupe de MOCN desservies par des robots de transferts, les centres d'usinage constitus autour d'un groupe de MOCN desservies par un systme de palettisation, la ligne flexible automatique qui est un atelier de production constitu de cellules flexibles ou de centres d'usinages, de systmes automatiques de chargement et dchargement, d'un systme de transfert (convoyage par chane, palettes, chariots filoguids). De plus, la production est contrle par un systme informatique, ce qui demande l'ajout : de capteurs sur la ligne, d'automates ou d'ordinateurs de contrle, d'un ordinateur central, latelier flexible (ou Flexible Manufacturing System, FMS) est constitu [GIA 94] dun ensemble de machines relies par un systme de manutention automatique, le tout contrl par un systme central informatis . L'atelier flexible doit permettre des cycles de fabrication complexes, variables, passant par des machines diffrentes ou dans un ordre diffrent. Ces caractristiques le distinguent de la ligne flexible (un cycle de fabrication, plusieurs usinages possibles) et de la cellule flexible qui n'effectue gnralement qu'un nombre restreint d'oprations sur une mme pice.
I.8. Typologie des structures de pilotage

Enfin, les systmes de pilotage peuvent sorganiser selon diverses architectures. Nous tablissons une description et une comparaison de chacun dentre elles. I.8.1. Structure centralise Il sagit de lapproche la plus classique et la plus ancienne. Ici, toutes les ressources sont pilotes par un centre de dcision unique, qui supervise la production, synchronise et coordonne les diffrentes ressources et gre en temps rel les imprvus qui surviennent. Le pilotage se fait essentiellement sur la base dun ordonnancement prvisionnel des diffrentes tches (intgrant donc l'ensemble des ressources et des entits). Cet ordonnancement est calcul sur des valeurs moyennes des charges machines et des dures dexcution. Ceci permet de conserver une certaine souplesse d'excution (maintenance, rparation...) et de garder une petite marge de scurit. Les perturbations limites peuvent tre absorbes. Les perturbations trop importantes entranent le recalcul dun nouvel ordonnancement. Cette approche est adapte aux petits systmes de production. Elle se rencontre frquemment dans les petites entreprises o lessentiel du pilotage consiste bien souvent rordonnancer manuellement les tches.
24
I.8.2. Structure hirarchise Dans le cas de systmes de production plus complexes, on est amen dcomposer le systme en sous-systmes. Cette dcomposition est effectue : par fonctions (approvisionnement, ateliers, logistique aval), par horizons (court, moyen et long termes). Dans un schma de dcision hirarchise, un centre de niveau suprieur coordonne et fixe un cadre de dcision pour les niveaux infrieurs. Ce cadre de dcision va leur fixer les objectifs et les contraintes respecter. Les niveaux infrieurs se voient ainsi dlguer un certain degr dautonomie de dcision (dans le cadre fix). En retour, ils doivent remonter au niveau suprieur des informations sur les rsultats atteints. Chacune des structures est donc dote de deux fonctions principales : une fonction de planification : les ordres reus des niveaux suprieurs sont traits et dcomposs en sous-ordres transmis au niveau infrieur, une fonction d'observation : chaque structure de niveau infrieur envoie un compte rendu la structure de niveau suprieur. Celle-ci collecte les diffrents comptes rendus, les traite et met son tour un compte-rendu global vers le niveau suprieur. Chaque structure va donc pouvoir grer un certain nombre dalas son niveau. L'apparition de perturbations de plus grande ampleur entrane cependant la remise en cause des dcisions des niveaux suprieurs. Par rapport au modle centralis, ce modle permet de limiter l'impact des perturbations. Mais nous constatons labsence de liaisons transversales entre les diffrents sous-systmes. I.8.3. Structure coordonne Les liaisons entre les diffrents sous-systmes de pilotage dun mme niveau (ex : production, maintenance) sont ajoutes dans la structure dite coordonne . Cette architecture augmente la capacit de dcision dans chacun de ces niveaux pour avoir une rsolution locale des problmes. La coopration entre les diffrents sous-systmes de pilotage cherche optimiser la rponse et mieux ragir localement en cas dapparition de perturbations. De nombreux travaux de recherche sintressent lapplication de cette approche comme par exemple CODECO [Pellet, 1985], qui peut tre considr comme une extension, par lintgration de la coopration intra niveau du modle ORABAID. Chaque sous-systme de pilotage du niveau infrieur organise ses fonctions localement selon ses contraintes et en collaboration avec les autres sous-systmes de mme niveau. La difficult se situe dans la dtermination du degr de libert de dcision pour chaque poste de conduite locale. Indiquons galement le modle de conduite PCS [Archimde, 1991], qui considre le dveloppement dune fonction de ractivit base sur la dfinition et lexploitation dune typologie de perturbation.
25
I.8.4. Structure distribue Cette structure rsout la difficult rencontre dans la structure coordonne pour la communication et la circulation dinformation entre diffrents niveaux. Elle est base sur une rpartition des capacits de dcisions sur un ensemble de centres de pilotage. Cette approche est particulirement adapte dans les productions avec des flux simples, des demandes stables ou faible variation et lapparition dalas rguliers ou connus. I.8.5. Structure distribue supervise En gnral, cette structure offre des possibilits dintercommunication des systmes de pilotage de diffrents niveaux permettant lchange dinformations et la transmission des dcisions prises. Cette structure est caractrise par la coopration entre les sous-systmes dpendant dun mme systme suprieur. Ce systme suprieur sert commander ou corriger une dcision prise afin de satisfaire les objectifs plus globaux, car il a une vision plus large du processus de production dans lentreprise. Nous pouvons citer certaines expriences, comme par exemple les travaux de [Brennan, 2000], [Tacquard et al., 1995], [Trentesaux, 1996], qui prsentent une structure avec une performance plus leve au niveau de la ractivit et de la flexibilit. En effet, chaque lment a pour fonction de planifier sur ses sous-objectifs propres, de ragir face des alas et danalyser les rsultats. Un systme superviseur contrle le processus de production de faon plus gnrale pour tablir les ratios de production sur plusieurs priodes, proposer diffrents choix lorsque les objectifs risquent de ne pas tre atteints et synthtiser les rsultats. I.8.6. Structure dcentralise Dans cette structure, tous les centres de pilotage sont au mme niveau fonctionnel, ce qui la diffrencie de la structure distribue. Il nexiste pas de centre de pilotage de niveau hirarchique suprieur. Les centres de dcision doivent sauto-organiser pour assurer une gestion cohrente. Ces systmes de pilotage totalement dcentraliss sont rests marginaux, principalement en raison des problmes de synchronisation entre les contrleurs locaux. La plupart du temps, on conserve une certaine structure hirarchique. Les tches de suivi de la production ou de lancement des oprations apparaissent comme des entits de haut niveau distribuant le travail aux autres modules. Les centres des diffrents niveaux sont interconnects via des bus de communication permettant lchange dinformations et la transmission des dcisions. Ceci nest rendu possible que par larrive des nouvelles techniques informatiques (systme dinformation, bases de donnes partages, logiciel de type MES) dans les ateliers de production.
I.9. Structure retenue par la suite

Parmi les structures exposes prcdemment, cest la structure hirarchise qui a t adopte le plus couramment dans les systmes de taille importante. Lapplication quasiment automatique de cette structure hirarchise dans lindustrie prsente des avantages importants, notamment au niveau de la maintenance du systme de dcision, de laccessibilit plus aise au systme dinformation, du traitement des informations, etc. Par sa nature hirarchique, cette structure est particulirement adapte pour la mise en place dune planification hirarchique dclinant les dcisions sur les trois niveaux long, moyen et court
26
termes. De plus chacun des niveaux peut dcider sur les donnes agrges les plus pertinentes pour son horizon de dcision. Dun autre ct, du fait du grand nombre de niveaux hirarchiques, cette structure ncessite plus de circulation et dchange dinformations entre les centres de dcision, ce qui peut rduire la fiabilit des informations changes et en consquence rduire la qualit des dcisions prises. La mise en place de cette structure dans lindustrie ne favorise pas la ractivit dans la prise de dcision. En particulier, elle limite la coordination et la collaboration entre entits de mme niveau, car il faut systmatiquement transiter par le niveau suprieur. Cela signifie aussi accrotre les difficults lorsque lon demande une modification dans le systme de production. Pour amliorer la ractivit, on a essay de coupler structure coordonne et structure hirarchise. Lutilisation dun pilotage bas sur une telle structure coordonne-hirarchise permet de prendre en compte premirement les objectifs locaux grce laspect coopratif entre les diffrents centres de pilotage dun mme niveau, mais aussi les objectifs globaux de la production.
Figure I.4 : le positionnement des structures de pilotage
27
La Figure I.4 prsente les diffrentes structures de pilotage expliques ci-dessus. Laxe vertical de ce schma reprsente laspect centralisation versus dcentralisation de ces structures. Laxe horizontal les positionne selon leur facilit de mise en uvre dans diffrents contextes industriels. Certaines structures sappliquent plus facilement aux systmes caractriss par des flux produits linaires, des demandes stables et avec des perturbations prvisibles. Les structures composites (distribue supervise, coordonne hirarchise) se rencontrent plus dans les systmes ncessitant de la flexibilit et de la ractivit face aux alas. Dans nos travaux, nous voulons montrer lintrt de coupler un logiciel de type MES et un logiciel de simulation pour en faire un outil de pilotage de la production. Le MES fournit en particulier la capacit de remonter et danalyser les informations de suivi remontant du systme oprant. La simulation, de son ct, offre un potentiel danalyse des diffrentes phases du cycle de vie dun systme, et ce, pour tous les flux industriels et tous les niveaux hirarchiques. Pour que cet outil puisse donner toute sa mesure, nous nous plaons dans le cadre dune structure coordonne-hirarchise.
I.10. Typologie du pilotage selon lorigine de perturbation et selon la priode de lancement

Lindustrie manufacturire est contrainte damliorer son pilotage datelier au niveau oprationnel pour ragir face aux alas. Nous proposons de distinguer quatre types de pilotage selon que la dcision est prise avant le lancement de la production ou en cours dexcution et selon la nature des perturbations prises en compte (perturbation prvisionnelle ou relle). I.10.1. Pilotage prdictif Le pilotage prdictif est destin prparer le lancement dun systme existant. Il se fait donc a priori. Il permet de dfinir lobjectif de la production et la meilleure trajectoire pour y parvenir et de prendre des dcisions pour assurer le fonctionnement courant. Ce pilotage est bas sur des paramtres (comme le temps opratoire dune machine, le taux darrive, le taux de panne etc.) estims de manire dterministe (ex : le temps opratoire moyen est de 15 minutes) ou probabiliste (ex : le temps opratoire suit une loi uniforme entre deux valeurs minimum et maximum). Les paramtres de pilotage sont dtermins avant lexcution sur le systme rel. Un expert ou un outil est charg de trouver la meilleure dcision (ex. rgle de priorit). Le pilotage prdictif fournit en quelque sorte le scnario optimal dans un environnement non perturb. Les outils utiliss sont lordonnancement prvisionnel, les mthodes de modlisation, la GPAO, les ERP mais aussi les outils de simulation hors ligne. Les meilleurs paramtres trouvs vont souvent tre directement implants dans des automates programmables pour permettre lexcution de la production. Mais ce pilotage pose gnralement des difficults aprs le lancement de la production, car ces paramtres choisis sont obtenus partir dun modle et ne correspondent pas toujours la ralit du terrain. I.10.2. Pilotage proactif Le pilotage proactif est utilis galement dans la phase de prparation avant que le processus de production ne soit lanc. Lobjectif ici est danticiper un certain nombre dalas
28
et de dterminer a priori la meilleure rponse possible apporter si lala survient. On va donc ainsi pouvoir rpondre trs vite et tre beaucoup plus ractif. Ce pilotage est bas sur les mmes principes que le pilotage prdictif, mais : il consiste dabord anticiper les perturbations les plus certaines et le plus grand nombre possible de perturbations ventuelles. Ces donnes peuvent tre remontes grce aux indicateurs de performance dun systme dj existant ou bien extraites dune base de donnes mmorisant les vnements passs, ensuite, il cherche identifier les risques de ne pas atteindre les objectifs initialement fixs, notamment de ne pas respecter le dlai prvisionnel face aux perturbations. La simulation hors ligne est aussi un des outils utiliss pour ce pilotage afin danticiper les perturbations et calculer les risques ventuels de ne pas respecter lobjectif vis. I.10.3. Pilotage ractif ou pilotage en temps rel Le pilotage ractif intervient pendant lexcution de la production, une fois le lancement effectu. Il a pour but de corriger les valeurs des variables de dcision lors de lapparition dun vnement imprvu. Ce pilotage doit ragir en temps rel. Cest la raison pour laquelle on lappelle aussi pilotage en temps rel. Dans le meilleur des cas, lvnement a t anticip dans la phase de pilotage proactif et la rponse est connue. Souvent, lvnement na pu tre anticip. On peut distinguer deux situations ncessitant une raction : des vnements imprvisibles peuvent survenir, sans que l'on puisse les anticiper par un pilotage prdictif ou proactif. Il peut s'agir par exemple de l'arrive d'une commande urgente, de la modification d'une commande ou encore d'une panne sur une machine. Le pilotage ractif devient ncessaire pour analyser les consquences de cet vnement imprvu par rapport lobjectif de production et, le cas chant, pour dterminer les paramtres de pilotage corriger pour minimiser l'impact de cette perturbation [Berchet, 2000], des drives sont dtectes (par exemple, le temps de cycle dune machine augmente dans le temps). Ces drives peuvent avoir pour consquence le non-respect des objectifs ou la survenue ultrieure d'vnements plus perturbants. Par exemple, laugmentation de la dure dune opration peut entraner un retard gnralis ou limpossibilit de maintenir lordonnancement prvisionnel. Ceci permet au dcideur d'appliquer de faon prventive des modifications aux paramtres de pilotage. La ractivit de ce pilotage dpend donc de lvolution de ltat du systme par rapport ce qui avait t prvu par le pilotage prdictif. Le pilotage ractif utilise des outils tels que les algorithmes en ligne, la maintenance prventive, et pour ce qui nous intresse plus particulirement dans cette thse, la simulation en ligne en phase dexploitation du systme de production. Le pilotage ractif dpend donc de lvolution de ltat du systme et des vnements arrivs en cours de fonctionnement par rapport ce qui avait t prvu par le pilotage prdictif ou proactif. Il est donc ncessaire d'analyser les consquences dun vnement imprvu sur lobjectif de production et de dterminer les paramtres de pilotage corriger pour minimiser l'cart par rapport la trajectoire prvue et ventuellement par rapport lobjectif. Lhistorique de ces vnements
29
et des corrections effectues par le pilotage ractif peut tre archiv afin d'tre utilis pour les prochaines modlisations en tant intgr la base de cas des pilotages prdictif et proactif. Dans le cas de surveillance de drives, le dcideur doit tre capable de dterminer si les paramtres surveills sont encore ou non, dans des plages de valeurs acceptables. A cet effet, on peut utiliser lquivalent dune carte de contrle (cf. MSP - Matrise Statistique des Processus). Prenons le cas de la dure opratoire dune opration dusinage (voir la Figure I.5 et la Figure I.6). Cette dure a une valeur attendue (valeur idale), par exemple 10 mn. Compte tenu des variations inhrentes au processus de production, on sait que la dure relle est comprise entre 8 et 12 mn. Ces valeurs correspondront aux valeurs limites de surveillance infrieure (LSI) et suprieure (LSS) dune MSP. Si la dure constate sort de ces limites, on doit dclencher une action prventive afin de ramener cette dure vers des valeurs attendues (un usinage trop rapide induisant des problmes de qualit, un usinage trop lent risquant de perturber lordonnancement prvisionnel). On peut de mme tablir des valeurs de limites de contrle infrieure (LCI) et suprieure (LCS). Le franchissement de ces valeurs amnera lui la mise en place dactions correctives ou la remise en question de lobjectif.
Figure I.5 : exemple de carte de contrle pour la dure opratoire dune machine
Figure I.6 : exemple de carte de contrle pour un stock
I.10.4. Pilotage correctif Dans le cas o lon ne peut pas matriser une drive et ramener un paramtre dans les valeurs attendues, il est possible quil soit trop tard pour appliquer une dmarche prventive. Il faut alors une dmarche qui modifie la trajectoire de rfrence ou mme lobjectif de production. L aussi, il est ncessaire de mmoriser les faits dans une base de donnes pour une utilisation ultrieure. En effet, ce niveau est effectu la suite dune valeur limite, qui
30
signifie lapparition relle dun ala comme une panne machine. Latteinte de cette limite dclare le dclenchement dune dmarche corrective, en ralisant par exemple une maintenance corrective. Le rsultat du pilotage correctif et les causes de disfonctionnements survenus peuvent argumenter les pilotages prdictif et proactif en enregistrant lhistorique dans une base de donnes qui pourra servir dans la prochaine modlisation. Dans la Figure I.7, nous comparons la priodicit dapplication et le positionnement de ces diffrents types de pilotages expliqus selon la priode temporelle dans la production.
Figure I.7 : diffrents pilotages selon la priode de lancement en exploitation
I.11. Conclusion
Cette partie de la thse avait pour objectif de prsenter le contexte gnral du pilotage des systmes de production. Nous avons expliqu les diffrentes fonctions gnriques du pilotage de la production selon le type datelier de production et selon les objectifs des entreprises. Nous avons aussi expliqu dune part les volutions des systmes de production et des modes de pilotage et dautre part, les volutions des ateliers de production en comparant leur architecture. Et enfin, nous avons distingu les diffrents types de pilotage selon lorigine des perturbations survenues et la priode temporelle dans la production. Nous avons expliqu notamment un pilotage en temps rel ou pilotage ractif durant la fabrication afin de pouvoir ragir face aux vnements critiques. Parmi tous les outils utiliss dans lindustrie pour le pilotage et laide la dcision, nous nous intressons en particulier lutilisation couple dun systme dexcution des fabrications et dune simulation vnement discret pour le pilotage datelier de production. La partie suivante de cette thse permet de prsenter la raison pour laquelle nous avons choisi ces outils pour le pilotage en temps rel en analysant les avantages et les difficults dintgration de ces deux outils.
31
Rfrences bibliographiques partie I

[Apics, 2005] Apics Dictionary, The American Production and Inventory Control Society, Inc., 2005, Edition No. 11. [Archimde, 1991] B. Archimde, Conception d'une architecture ractive distribue et hirarchise pour le pilotage des systmes de production, Thse de doctorat, universit de Bordeaux I, 1991. [Berchet, 2000] Claire Berchet, Modlisation pour la simulation dun systme daide au pilotage industriel, 2000, Thse, Institut National Polytechnique de Grenoble. [Brennan, 2000] R. Brennan, Performance comparaison and analysis of reactive and planning based control architectures for manufacturing, Robotics and Computer Integrated Manufacturing, Vol. 16, pp. 191-200, 2000. [Breuil , 1984] Alain Dominique Breuil, Outil de conception et de dcision dans les organisations de gestion de production , Doctorat dEtat es Sciences, Universit de Bordeaux I, soutenue le 13 novembre 1984. [Doumeingts, 1984] Guy Doumeingts, Mthode GRAI : Mthode de conception en productique, Doctorat dEtat es Sciences, Universit de Bordeaux I, soutenue le 13 novembre 1984. [Dupont, 1998] Lionel Dupont, La gestion industrielle, Edition Herms, ISBN : 2-86601708-0, 1998. [Giard, 2003] Vincent Giard, Gestion de la production et des flux, 3me dition Edition Economica, ISBN : 2-7178-4498-8, 2003. [Grabot et Huguet, 1996] Bernard Grabot, Pierre Huguet Reference models and objectoriented method for reuse in production activity control system design, Computer in Industry, 1996, No. 32, pp. 17-31. [Le Moigne, 1974] Jean-Louis Le Moigne, Les systmes de dcision dans les organisations, Presses Universitaires de France, Paris, 1974. [Lorino, 1992] Philippe Lorino, La gestion par les activits, dans valuer pour voluer du Sminaire AFGI du 15 octobre 1992. [Lorino, 1997] Philippe Lorino, Mthodes et pratiques de la performance Le guide du pilotage, Les Editions dOrganisation, 512 pages, 1997. [Mlze, 1972] Jacques Mlze, Lanalyse modulaire des systmes de gestion, A.M.S., Paris, ditions Hommes et Techniques, 1972.
32
Rfrences bibliographiques partie I
[Pellet, 1985] X. Pellet, Sur la hirarchisation des dcisions- Application la conduite dateliers, Thse de doctorat, Institut national polytechnique de Grenoble, 1985. [Tacquard et al., 1995] C. Tacquard, P. Baptiste et H. Manier, A behavioral model to schedule and control a flexible manufacturing ring: application to the push and the pull flows, International conference on Industrial Engineering and Production Management, Marrakech, Maroc, pp. 127-136, 1995. [Trentesaux, 1996] Damien Trentesaux, Conception dun systme de pilotage distribu, supervis et multicritre pour les systmes automatiss de production , Thse de Doctorat en Automatique - Productique, Institut National Polytechnique de Grenoble, soutenue le 24 janvier 1996.
33
Partie II II. Les outils daide la dcision pour le pilotage datelier

Sommaire dtaill de la partie II
II. Les outils daide la dcision pour le pilotage datelier.......................................................... 35 II.1. Introduction .................................................................................................................. 37 II.2. Les progiciels existants pour le pilotage dune unit de production ........................ 37
II.2.1. Supervision ............................................................................................... 38 II.2.1.1. Quelques dfinitions de la supervision............................................... 39 II.2.1.2. Positionnement de la supervision dans le pilotage............................. 39 II.2.1.3. Outils de supervision dans lindustrie ................................................ 41 II.2.1.4. Principales fonctionnalits des outils de supervision ......................... 41 II.2.2. Ordonnancement Scheduling en temps rel ....................................... 43
II.3. Choix des outils pour le pilotage en temps rel datelier........................................... 44
II.3.1. MES Manufacturing Execution System ............................................. 44 II.3.1.1. Dfinition et positionnement dans lentreprise .................................. 45 II.3.1.2. Norme S95 et fonctions du MES........................................................ 47 II.3.1.3. Contrainte du MES pour le pilotage................................................... 49 II.3.2. Simulation de flux vnements discret (SED)....................................... 49 II.3.2.1. volution des outils de simulation pour l'ingnierie .......................... 50 II.3.2.2. Classification de la simulation selon diffrents critres..................... 52 II.3.2.3. SED dans le cycle de vie dun systme de production................. 53 II.3.2.4. Contraintes dutilisation des outils de simulation .............................. 55 II.3.2.5. Simulation hors ligne, usage le plus courant pour le pilotage............ 57
II.4. Optimisation en couplant les mthodes simulatoire/analytique dans un atelier de fabrication intermittente........................................................................................... 58
II.4.1. Optimisation en thorie ............................................................................ 58 II.4.1.1. Les mthodes analytiques................................................................... 58 II.4.1.2. Les mthodes simulatoires ................................................................. 59 II.4.1.3. La combinaison des deux approches dans la thorie.......................... 61 II.4.2. Application pratique ................................................................................. 61 II.4.2.1. Description du job shop...................................................................... 62 II.4.3. Rsolution par couplage des deux approches ........................................... 63 II.4.3.1. Modlisation analytique ..................................................................... 64 II.4.3.2. Squencement..................................................................................... 67 II.4.3.3. Modlisation simulatoire.................................................................... 68 II.4.3.3.1. Simulation dterministe horizon fini ........................................ 68 II.4.3.3.2. Simulation dterministe horizon infini ..................................... 69 II.4.3.3.3. Simulation stochastique horizon infini ..................................... 70
II.5. Conclusion de cette optimisation................................................................................. 70
35
Partie II : Les outils daide la dcision pour le pilotage datelier
II.1. Introduction
Pour tre comptitives, les entreprises ont de plus en plus recours aux technologies de production avances. Ces technologiques concourent simultanment lautomatisation des ateliers de fabrication et linformatisation des fonctions connexes la production (conception, de gestion de production, logistique). Dans ce chapitre, nous nous focaliserons sur les outils logiciels propres la gestion et la conception des ateliers. Nous commencerons par les outils supportant les fonctions de supervision et nous dtaillerons plus spcifiquement les logiciels de type MES (Manufacturing Execution System). Nous poursuivrons avec les logiciels de type simulation de flux vnements discrets (SED), utiliss le plus souvent dans la phase de conception des ateliers. La simulation utilise seule peut conduire lutilisateur multiplier les simulations en jouant avec les diffrents paramtres (par exemple : dimension des aires de stockage, rgle de priorit sur les postes) pour trouver une bonne solution. Une approche consisterait coupler simulation et optimisation par des mthodes analytiques. Dans la dernire partie de ce chapitre, nous montrerons sur un exemple acadmique lintrt de ce couplage.
II.2. Les progiciels existants pour le pilotage dune unit de production

Depuis les annes 1980, laccroissement de la diversit et de la complexit des produits a progressivement conduit les entreprises utiliser des progiciels informatiques dans le processus de production. Avec le dveloppement considrable de linformatique, ces progiciels sont maintenant disponibles dans toutes les tapes du cycle de vie dun systme de production. On peut cependant noter le faible nombre doutils informatiques existant dans le domaine de l'ingnierie de processus comparativement ceux qui existent en conception de produit ou en exploitation. La Figure II.1 tire des travaux de [Klingstam, 1999] le met en vidence.
Figure II.1 : comparaison des outils informatiques utiliss pour tablir le lien entre la conception de produits et lexploitation dans lindustrie daprs [Klingstam, 1999]
Pour la phase de conception, il existe des outils de Conception Assiste par Ordinateur (CAO) gnraux (Catia, AutoCad, SolidWorks, ProEngineer) et des outils d'Ingnierie de Processus Assiste par Ordinateur (IPAO) plus spcifiques aux systmes de production (Delmia, Tecnomatix) ou encore des outils de simulation de flux (Witness, Arena, Promodel, Automod, eM-Plant, Quest). Ces outils de simulation de flux sont utiliss essentiellement en phase de conception, pour le dimensionnement dune nouvelle ligne ou dun nouvel atelier.
37
En phase damlioration, il est possible dutiliser les mmes outils que ceux appliqus en phase de conception, comme par exemple les logiciels de simulation de flux. On dispose galement doutils de maintenance et de re-engineering comme les logiciels de DMS (Design Maintenance System). Pour la phase d'exploitation, on dispose de plusieurs outils adapts aux divers niveaux de dcision : APS et ERP pour les moyen et long termes en dcisions stratgique et tactique, outils oprationnels datelier pour lordonnancement court terme. Il y a une dizaine d'annes sont apparus les outils de MES (Manufacturing Execution System), qui disposent de plusieurs fonctions ou services plus volus que la simple supervision (la norme ISA S95). Ils permettent de lancer et de suivre les ordres de fabrication sur le trs court terme et se situent de fait entre les outils de contrle/commande en temps rel des automates et les outils de planification moyen et long termes. Un MES permet donc daider la prise de dcision grce des tableaux de bord informant de ltat du systme en temps rel et des historiques sur les vnements passs, mais ne permet pas de garantir la qualit ou loptimalit de la dcision. On constate souvent que les outils informatiques de conception et dexploitation sont utiliss sparment et quil ny a donc pas de retour dexprience de lexploitation vers la conception. Cest notamment le cas de la simulation de flux et du MES. Comme nous lavons prsent dans la Figure II.2, lapplication de ces deux outils en cours dexcution pourra optimiser la dcision prise pour le pilotage.
Figure II.2 : positionnement des outils de gestion industrielle
Lobjectif gnral de ce travail de recherche est donc dtablir un lien entre un outil de simulation de flux en phase dexcution et un outil de MES tout en affinant progressivement la cohrence du modle de simulation par rapport au systme rel grce la mise jour dynamique des donnes utilises. Par la suite nous dtaillerons des nouvelles technologies de Supervision et les outils oprationnels datelier pour l'ordonnancement court terme. II.2.1. Supervision Lobjectif est de prsenter la situation de la supervision dans lindustrie, le rle de la supervision, son positionnement dans le pilotage atelier et la mise en uvre de diffrents superviseurs industriels proposs depuis plusieurs annes sur le march. Les chercheurs amricains utilisent le terme SCADA Supervisory Control And Data Acquisition . Ce terme est quivalent au terme franais Supervision . Il distingue les deux fonctions de
38
Supervisory Control quivalent Conduite et Data Acquisition quivalent Collecte de donnes du terrain . Nous avons retenu quelques dfinitions de la supervision qui nous semblent proches des fonctions de base des logiciels utiliss dans lindustrie. II.2.1.1. Quelques dfinitions de la supervision La supervision doit contrler lexcution dune opration ou dun travail effectu par dautres entits sans rentrer dans les dtails de cette excution. Elle joue des rles diffrents selon que lon est en fonctionnement normal ou anormal de lexcution [Combacau et al., 2000] : dans le cas de fonctionnement normal, elle prend les dernires dcisions en temps rel correspondant aux degrs de libert exigs par la flexibilit dcisionnelle. Dans ce cas, il est ncessaire de faire de lordonnancement en temps rel, de loptimisation, de modifier en ligne les algorithmes de commande et de surveillance ; dans le cas de fonctionnement anormal, comme lapparition dune dfaillance, elle prend les dcisions ncessaires pour assurer le retour vers un fonctionnement normal. Elle va choisir une solution curative, effectuer des r-ordonnancements, dclencher les procdures durgence, etc. Daprs [Cimax, 1998] et [Exera, 1996], la supervision permet de visualiser en temps rel ltat dvolution dune installation automatise, afin que loprateur puisse prendre, le plus vite possible, les dcisions permettant datteindre les objectifs de production. Et daprs [CETIM, 1994], les principaux objectifs de la supervision, dans le cas des processus de fabrication, consistent : modifier les caractristiques de coupe en fonction de ltat de loutil, ragir en temps rel, participer au maintien des cadences de production leur niveau optimal, permettre la reconfiguration des paramtres de fonctionnement, assurer un certain niveau de disponibilit, faciliter le diagnostic de pannes pour optimiser les tches de maintenance. De ces dfinitions de la supervision, nous pouvons conclure que la fonction supervision dans la production a un rle dcisionnel doptimisation. Elle sappuie sur la collecte de donnes issues du systme physique et traite en temps rel les donnes collectes pour quelles soient utilisables pour la procdure de prise de dcision. II.2.1.2. Positionnement de la supervision dans le pilotage Il existe diverses interprtations des deux termes supervision et pilotage . Ceci nous amne prciser rapidement leurs fonctionnements et leur positionnement dans la production. La supervision et le pilotage sont deux fonctions du systme de dcisionnel dans un systme de production dont les rles sont inverses mais complmentaires, ce qui apparat daprs des travaux de [Alonard et al., 1994] et ce quillustre la Figure II.3 tire des travaux de [Pujo et Kieffer, 2002].
39
Figure II.3 : positionnement de la supervision et du pilotage par rapport aux principales fonctions
Le rle de la supervision consiste construire des informations reprsentant ltat du systme oprant laide dagrgations successives dinformations et ceci en adquation avec chacun des niveaux de dcision. Les deux fonctions du pilotage et de la supervision sont souvent utilises de manire intgre, notamment si lune des deux apparat moins complexe. Le rle du pilotage est de mettre en uvre les fonctions qui permettront datteindre les objectifs de production et qui permettront le contrle-commande sr et ractif dun systme de production. Nous avons dj distingu les diffrents niveaux de pilotage dans la partie prcdente. Nous rappelons ici la ncessit davoir dfini les fonctions temps rel pour la mise en uvre du pilotage au moment de lexcution comme la surveillance et la maintenance. Ces fonctions appliqueront le plan de production prvisionnel tout en contrlant le bon fonctionnement. Comme nous avons expliqu que le pilotage et la supervision sont complmentaires, nous regardons donc le positionnement de la supervision par rapport la surveillance et la maintenance : la fonction surveillance est constitue dun ensemble de fonctions sexcutant en temps rel et ayant pour but de reconstituer ltat rel du procd au sein de modles utiliss par le systme de conduite de latelier [Toguyeni et al., 2002]. La fonction surveillance fournit donc des indicateurs pertinents la supervision et maintient ltat de diffrents modles au plus prs de la ralit, pour quils servent de support aux prises de dcision pour la conduite ractive dun atelier, la fonction maintenance se charge de conserver au parc de ressources un niveau de performance compatible avec les objectifs de production [Ly et al., 2000 ]. Dans tous les types de maintenance, le dclenchement dune opration de maintenance est un processus dcisionnel qui se base sur ltat mesur ou estim des ressources. Ces dcisions doivent tre prises de manire cohrente avec celles de la supervision, au mme titre que les dcisions de reconfiguration de loutil de production. Dans un systme complexe, la supervision doit tre hirarchise comme les fonctions de pilotage. La hirarchisation de la supervision dun systme de production du point de vue de [CETIM, 1994] est ralis trois niveaux : (i) au premier niveau, constitu de la machine et de sa commande, la supervision valide en temps rel les signaux acquis partir dune dtection comme une panne. Les informations de panne seront envoyes la commande et ensuite seront envoyes vers le niveau suprieur pour un diagnostic plus profond ;
40
(ii) au second niveau, la supervision considre lensemble des machines dun atelier. Les informations issues du premier niveau sont interprtes et un diagnostic plus pouss est labor. Les rsultats sont prsents loprateur qui entreprend des actions en consquence. ce niveau, la supervision peut tre en interaction avec la planification, ce qui permet de gnrer des actions vers le premier niveau ; (iii) au troisime niveau, enfin, la supervision alimente par la gestion de production rend compte des informations ncessaires la gestion, lordonnancement de la production, la maintenance, etc. II.2.1.3. Outils de supervision dans lindustrie Lintgration des superviseurs dans les systmes industriels a permis dappliquer les concepts de surveillance, de diagnostic et doptimisation assists par ordinateur dans les ateliers de production. La supervision a dabord t ralise par les oprateurs humains qui prenaient connaissance des donnes en temps rel dans leurs secteurs. Ensuite, un responsable de niveau hirarchique plus lev recevait des informations agrges sur le fonctionnement de latelier. Le dveloppement de la supervision a aussi amen lapparition des salles de contrle avec des tableaux reprsentant une vue synoptique de latelier et des indicateurs concernant ltat des processus. Ultrieurement, cette reprsentation est devenue plus accessible et facile dutilisation. A sa demande, loprateur peut acqurir les informations utiles en jouant avec une multitude de vues sur des crans plus petits. Par la suite, dautres fonctionnalits ont t intgres dans cet outil, comme la gestion des alarmes, lhistorique des donnes, lenregistrement des anomalies, etc. Lautomatisation de plus en plus pousse des industries manufacturires avait pour objectif damliorer la productivit, dviter de dvelopper un nouveau systme de contrle chaque nouvelle application mais aussi damliorer la ractivit face tous les changements. Cest la raison pour laquelle les industries se sont orientes vers les outils informatiques et les outils de supervision. En effet, ces derniers pouvaient runir toutes les donnes concernant lavancement de la fabrication dans un lieu unique. Parmi les outils de supervision du march les plus souvent utiliss, citons : Intouch 5 (Wonderware), Monitor OCS (Schneider), Os 520M (Siemens), Panorama (Codra, Europ Supervision), Fix MMI (Intellution), PC Vue32 (Arc Informatique), Wizcon (PC Soft International), Genesis (Iconics), Factory Link (Usdata). II.2.1.4. Principales fonctionnalits des outils de supervision Actuellement, les outils de supervision sont utiliss par la plupart des industries manufacturires pour leurs fonctions intgres dont les principales sont : la gestion dune base de donnes temps rel, la communication, larchivage des donnes, le gestionnaire dalarmes, la fonction vue synoptique (graphique) et la fonction de calcul. Gestion dune base de donnes temps rel : cette fonction est la fonction essentielle dun superviseur. Cette base de donnes doit tre gre en temps rel sur toutes les donnes de diffrentes natures requises. Ces donnes peuvent tre lies directement des quipements physiques, aux rsultats dun module de calcul intgr dans le superviseur, lies dautres applications, etc. En gnral, ces donnes sont rparties en deux types de variables externes ou internes qui peuvent tre enregistres sous diffrentes formes [Bouazdi et Renault, 1994] : hirarchise (relation dite 1-n entre les variables), relationnelle (relation n-n entre les
41
variables) et dfinie (variables dclares mais sans relation entre elles). Cette base de donnes peut raliser le rafrachissement des donnes requises de diffrentes manires : cyclique (ou priodique, la priode peut tre dfinie par lutilisateur), cyclique paramtrable (le rafrachissement porte sur une partie de la base de donnes), flash (rafrachissement au moment de lappel), slectif (rafrachissement lors de lapparition lcran), exception (rafrachissement uniquement des variables qui ont chang dtat). Sil est trop frquent, le rafrachissement cyclique peut diminuer la caractristique de ractivit dun systme. Le rafrachissement sur exception permet de diminuer les temps de communication et dappel, mais il ncessite dutiliser un lment pour dtecter les changements dtat (exemple : un serveur de communication OPC) afin dacqurir les donnes non obtenues dans la supervision. Communication : cette fonction est une fonction fondamentale notamment pour les industries automatises et difficile raliser, car les communications sont multiples. Daprs [Toguyeni et al., 2002], la communication est possible sous diffrentes formes : local au poste de supervision : les principales techniques de liaisons utilises pour les communications locales sont : DDE Dynamic Data Exchange, DLL Dynamique Link Library et OLE Object Linking and Embedding, externes avec les quipements industriels : un noyau de communication est intgr dans loutil de supervision ; il peut utiliser diffrentes interfaces physiques pour atteindre les autres quipements, communication avec la base de donnes : avec une base de donnes partage entre toutes les fonctions laquelle le superviseur est capable daccder pour crire ou lire les informations utiles. Le langage SQL est utilis pour consulter les bases de donnes, entre diffrents composants de la supervision : les concepts les plus utiliss pour communiquer et distribuer les modules de supervision sont : COM/DCOM, CORBA et le serveur OPC [OPC, 2001]. OPC, qui signifie OLE for Process Control [OPC, 2001], est une extension particulire des techniques dchange OLE. OPC est un logiciel interface standard qui permet au systme exploitation Windows de communiquer avec les quipements industriels. Lavantage est de fournir une plateforme unique et standard dchange entre diffrents quipements de fabrications. Cet outil permet aussi de filtrer des alarmes, horodater les informations et les donnes, etc. Gestionnaire dalarmes : certaines variables de base de donnes temps rel sont associes des alarmes qui indiquent une situation anormale dans le systme. A ce moment, loprateur est inform quune variable dpasse une valeur ou une plage de valeurs prdfinies comme normales, pour prendre une valeur anormale. Les alarmes sont souvent hirarchises en plusieurs niveaux pour renseigner loprateur selon limportance des risques et le dlai.
42
Archivage des donnes : les changements dtat et les mesures peuvent tre sauvegards de manire cyclique ou vnementielle afin de visualiser par exemple les courbes de tendance, de rutiliser les donnes archives ou de faire des analyses plus fines. Fonction vue synoptique/traitement graphique : les outils de dessin intgrs dans la supervision permettent de visualiser une vue synoptique volue. Cela facilite la rutilisation des composants graphiques dune application lautre et rduit les dlais de dveloppement et les risques derreur. Nous avons vu les fonctionnalits principales de la supervision. Cependant, quand la supervision se situe dans la conduite ou le pilotage dun systme complexe, elle ncessite des fonctions plus complexes. La plupart des superviseurs industriels actuels ne disposent pas de formalismes pour les traitements vnementiels et ractifs. Ceci est assur de plus en plus par les logiciels de type MES Manufacturing Execution System , qui assurent diffrentes fonctions. Nous dtaillerons ce niveau et sa dcomposition en plusieurs tches dans les chapitres suivants. II.2.2. Ordonnancement Scheduling en temps rel Lordonnancement est dfini comme lensemble des consignes permettant la ralisation du plan de travail court terme compte tenu des moyens disponibles. Nous pouvons voquer les trois approches possibles [Marty, 1997] : par activits (en identifiant les activits entre deux changements dtat), par processus (en identifiant les squences dvnements qui obissent une mme logique), par vnements (on suit le modle travers ses changements dtat). Gnralement, le problme dordonnancement consiste organiser dans le temps la ralisation de tches, compte tenu de contraintes temporelles et des contraintes portant sur lutilisation et la disponibilit des ressources requises [Esquirol et Lopez, 1999]. une tche est une activit dont lexcution peut demander plusieurs oprations ; les tches et oprations sont lies par des relations de prcdences, selon un ordre total pour les fabrications linaires ou selon un ordre partiel pour les cas dassemblage. une ressource est un moyen technique, financier ou humain destin tre utilis pour la ralisation dune tche et disponible en quantit limite. On classe les ressources en deux types : les ressources consommables (matires premires, budget, etc.) consommes lors de la ralisation de la tche et les ressources renouvelables (les quipements, les machines, lespace, les hommes, etc.), qui sont mobilises pendant lexcution dune tche mais redeviennent ensuite disponibles pour dautres tches. Dans le cas de ressources renouvelables, on distingue les ressources cumulatives qui peuvent tre rparties sur plusieurs tches simultanment (quipe douvriers, espace de travail, etc.) et les ressources disjonctives, qui sont rserves pendant un temps donn la ralisation dune tche (machine, robot, etc.). Les problmes dordonnancement datelier sont pour lessentiel des problmes avec ressources disjonctives, car les ressources principales sont les machines, ne pouvant raliser quune seule opration la fois et chaque opration concerne un produit ou un lot (plusieurs produits identiques sont regroups). On distingue trois grands types de problmes : lordonnancement dans un atelier cheminement unique (flow-shop), lordonnancement de divers types de cellules flexibles, lordonnancement dans un atelier cheminements multiples (job-shop).
43
Les algorithmes les plus utiliss, notamment dans les logiciels du march, reposent sur des rgles de priorit. Lorsquune machine devient disponible et quil existe plusieurs oprations en attente dexcution sur cette machine, on doit choisir lopration effectuer. Ce choix se fait selon une rgle dite de priorit. Parmi les rgles de priorit les plus courantes en ordonnancement, on trouve les rgles bases sur des critres portant sur les dlais, les dures opratoires, les dates darrives, la taille des files dattentes, le nombre doprations restant, etc. Une rgle applique en ordonnancement peut tre constante (rgle statique) ou voluer en fonction de lenvironnement (rgle dynamique). Si lon sintresse aux mthodes dordonnancement, nous pouvons retrouver toutes les mthodes de recherche oprationnelle : la dcomposition, la programmation dynamique, les mthodes heuristiques et mtaheuristiques : le recuit simul, les tabous, les algorithmes gntiques. Dans le contexte dynamique dun atelier de production, la dure dexcution des oprations peut varier et les machines ne sont pas constamment disponibles pour raison de maintenance, pannes ou rparations. Ces informations peuvent tre modlises par des distributions de probabilits ou par une loi alatoire. Pour rpondre ces problmes dordonnancement stochastique, deux approches sont possibles : lapproche analytique et la simulation. Lintrt des mthodes analytiques est trs limit pour aborder des problmes datelier job-shop, open-shop et flow-shop. Pour ces types datelier, lapproche par la simulation est trs souvent envisage comme une manire simple et rapide de concevoir des solutions dordonnancement. La simulation offre aussi la possibilit de tester un nombre important de rgles de priorit ou mme les effets des modifications de paramtres sur les rsultats obtenus dans un cadre dterministe. Dans les chapitres suivants, nous dtaillerons cette mthode de simulation.
II.3. Choix des outils pour le pilotage en temps rel datelier

Nous avons choisi dappliquer en cours dexcution deux outils qui peuvent optimiser la dcision prise pour le pilotage. Dune part, pour pallier le manque dune base de donnes en temps rel ou au manque de donnes relles du terrain, on utilisera un MES Manufacturing Execution System . Dautre part, pour avoir la possibilit de se projeter dans le futur, on utilisera un logiciel de simulation. Par la suite nous expliquerons plus en dtail les fonctions, les apports, les limites et le rle de chacun de ces deux outils pour raliser un pilotage datelier de production. II.3.1. MES Manufacturing Execution System La performance des entreprises est aujourdhui lie leur ractivit et leur flexibilit pour rpondre aux demandes du march. Cela explique que ces entreprises sont souvent conduites changer leurs fabrications. Pour ces entreprises, la ractivit et la flexibilit doivent rpondre des questions primordiales comme : peut-on fabriquer rapidement un nouveau produit ou un produit personnalis ? (dfinir la recette et les procdures de travail associes, former les oprateurs, etc.) Peut-on fabriquer un produit demand, sous quel dlai et quel prix ? Peut-on diagnostiquer rapidement une drive et retracer son origine ? Peut-on communiquer la bonne information en temps rel, tout moment de la fabrication ? Peut-on rordonnancer la production rapidement ? (pour faire face une commande imprvue et urgente, pour ragir la panne dun appareil, etc.)
44
La supervision nest pas suffisamment arme pour faire face ces exigences ou au pilotage dun systme complexe. Il lui manque des fonctions pour les traitements vnementiels et ractifs. Le MES Manufacturing Execution System est lvolution du systme de supervision qui peut assurer le mieux ces exigences. La diffrence principale entre la Supervision et le MES rside dans la possibilit de remonter du terrain en temps rel les informations ncessaires la fabrication. Ce terme de MES date du dbut des annes 1990 aux Etats-Unis et nest devenu populaire que quelques annes plus tard en Europe. Un MES se caractrise par une certaine interpntration entre le logiciel et le matriel [Bourrieres et al., 2005]. Ce terme anglo-saxon MES est traduit en franais par Systme dexcution des fabrications . II.3.1.1. Dfinition et positionnement dans lentreprise Daprs [Barkmeyer et al., 1999], un MES est un ensemble de composants matriels et logiciels permettant la gestion et loptimisation des activits de production du lancement de la commande jusqu lobtention des produits finis. Tout en maintenant des donnes prcises et jour, le MES guide, initie, rpond et rapporte les vnements de lusine au moment o ils se produisent. Un MES fournit des informations critiques aux modules daide la dcision travers lentreprise. Le MES a pour rle principal de faire une liaison entre le niveau planification de la production et le niveau excution, qui nest pas considr prcisment par les logiciels comme les MRP et les ERP. En effet, pour cette liaison, deux systmes dinformation diffrents doivent inter-opr : le systme dinformation de gestion de lentreprise (compos par les automates API et la supervision) et le systme dinformation de contrle de la fabrication (compos par les progiciels de gestion industrielle, GPAO, ERP). Le MES joint ces deux systmes. Le positionnement de ce logiciel entre les deux systmes planification et excution est illustr dans la Figure II.4.
Information Stratgique Dcision
S.I. de Gestion
APS ERP
Tactique
MES
S.I. de Fabrication
Supervision Contrle Commande Processus de fabrication
Dans larchitecture plus prcise dcrite dans la Figure II.5, on constate la communication et lchange dinformations entre le MES et les diffrents systmes infrieur, suprieur et le dcideur dans un atelier de production. Premirement, une communication est ralise entre le systme oprant et le systme contrle-commande .
Oprationnel
Figure II.4 : positionnement du MES dans lentreprise
45
Temps Rel
Temps Diffr
Cette communication se ralise par des protocoles de terrain (Ethernet industriel) dfini entre les actionneurs et les capteurs installs dans le systme oprant et lAutomate Programmable Industriel API ou Programmable Logic Controller PLC install au niveau systme contrle-commande. (i) Le systme dexcution MES a en charge la communication permettant de relier les deux niveaux infrieur et suprieur de latelier. (a) Premirement, le systme excution MES reoit les valeurs acquises du processus de fabrication et ltat davancement des oprations en cours renvoys par le systme contrle-commande. Ces valeurs concernent par exemple : une alarme dclenche, un vnement survenu, la dure opratoire, le temps restant, le lot en cours de fabrication, lanalyse matires premires, etc. (b) Nous sommes toujours en change dinformations entre les deux niveaux dexcution et de contrle-commande, mais dans lautre direction. Le niveau dexcution MES a aussi le rle dlaborer les actions qui doivent tre excutes par le systme contrle commande. Ces actions consistent par exemple dterminer la quantit dun produit, le planning de la maintenance prventive, une fiche de scurit, la procdure et le mode opratoire des ressources et des personnels, etc. (ii) Le niveau dexcution MES, a la charge de communiquer avec le niveau planification du systme dinformations de lentreprise . (c) Le systme dexcution doit transfrer le rsultat de ce qui a t fabriqu au systme dinformations de lentreprise. Ces rsultats expriment les oprations de fabrication expliques dans le paragraphe (a), mais dune faon plus gnrale et utile pour le niveau suprieur. Ces informations sont par exemple la date de mise disposition, ltat des ordres de fabrications, ltat des ressources, ltat des matires premires, ltat du personnel, la traabilit des produits, les dates de dbut et fin des oprations, etc. (d) Toujours entre les deux niveaux suprieurs, le systme dexcution MES reoit les commandes clients qui sont planifies par le systme dinformation de lentreprise afin de raliser les actions ncessaires pour la production de ces commandes. Les informations reues par le MES sont, par exemple, les procdures gnrales de production, les ressources, ltat des stocks, etc. (iii) Le niveau dexcution doit aussi communiquer des informations ncessaires avec le dcideur. (e) Le niveau dexcution doit transfrer ce qui a t ralis par les oprateurs au dcideur pour pouvoir conduire la fabrication. Ces informations sont, par exemple, ltat de la fabrication et notamment les vnements survenus ou des alarmes dclenches. (f) Le systme excution permet aussi denvoyer aux oprateurs les fabrications raliser dfinies par le dcideur. Ces fabrications peuvent tre modifies suite un vnement ou une alarme dclenche. Les dcideurs doivent souvent sadapter ces changements.
46
Figure II.5: change des informations entre le systme contrle-commande, le systme dinformations de lentreprise et le dcideur grce au systme dexcution de la fabrication ou MES
II.3.1.2. Norme S95 et fonctions du MES La norme S95 est issue des travaux raliss lISA Instrumentation, Systems & Automation Committee [ANSI/ISA-S95, 2000] par le groupe SP95. Il sagit du 95e projet trait par ce comit et la norme S95 constitue aujourdhui une rfrence reconnue par lensemble des acteurs du domaine du MES. Cette norme sattache la formalisation des changes autour du systme de production vers les autres domaines de lEntreprise. En effet, dans un projet MES, il faut penser la structuration fonctionnelle (rfrences articles, nomenclature, quipements). Ces informations sont partages par dautres systmes dinformation. Les problmatiques dintgration sont fondamentales. Lintrt du S95 est de structurer la rflexion pour raliser lintgration. La norme S95 dcrit la notion dactivits dont ont besoin les applications MES pour tre dployes. Daprs [Peyrucat, 2003] les activits en question sont au nombre de 8 : planification, dispatching, traabilit, acquisition/historisation, gestion des ressources, analyses et dfinition. Nous pouvons dire que les objectifs dutilisation de la norme S95 en quelques mots sont : dtablir des vocabulaires communs pour tous les types de procds (continus, discontinus et discrets), de trouver une vue commune des problmes, de construire un modle commun, de dfinir des structures de donnes et dachever rapidement les spcifications. Lanalyse mene dans la S95 conduit modliser les fonctionnalits du MES comme indiqu dans la Figure II.6 daprs [ANSI/ISA-S95, 2000]. Grce aux travaux de la S95 et son succs, le MES peut dfinir aujourdhui ces fonctions danalyse de performance, de traabilit, etc.
47
Figure II.6 : modle oprationnel de la S95 (ORDINAL Technologies, daprs ANSI/ISA-S95)
MESA Manufacturing Enterprise Solutions Association , association amricaine spcialise du MES, a dfini les fonctionnalits de cet outil [MES, 2001]. Par la suite, nous expliquons ces fonctionnalits et lavantage et le rle de chacune pour le pilotage. (1) Gestion des ressources : cette fonction du MES peut assurer la gestion de toutes les ressources de latelier (quipements, personnel, documents, etc.), suivre en temps rel lvolution de leur tat, prendre toutes les dispositions pour que chacune delles soit disponible au moment o on en a besoin, conformment au planning de fabrication, enregistrer lhistorique de leur utilisation. (2) Ordonnancement : le rle est dordonnancer les activits et les produits pour optimiser les performances de latelier en tenant compte de ltat rel des quipements et des personnels disponibles. (3) Cheminement des produits et des lots : lavantage est de dterminer le cheminement des produits et des lots dans latelier conformment aux recettes ou gammes de fabrication utilises et en tenant compte de ltat rel de latelier (pannes, retards, etc.), permettre lexcution de tches non prvues dans la recette (recyclages, nettoyages, mises en attente, etc.). (4) Gestion des documents : son rle est de grer et distribuer tous les documents ncessaires lexploitation de latelier (recettes, procdures, schmas, cahier de quart, etc.). (5) Collecte et acquisition de donnes : avec cette fonction, le MES est capable de fournir les interfaces permettant de collecter les donnes de production en provenance de latelier, que celles-ci soient saisies manuellement par les oprateurs ou acquises automatiquement par le systme de contrle-commande. (6) Gestion du personnel : cette fonction, permet de grer les acteurs de latelier, mettre jour leur disponibilit, enregistrer qui a fait quoi, quand et pendant combien de temps ; la gestion du personnel peut tre utilise par la fonction de gestion des ressources pour lattribution des tches. (7) Gestion de la qualit : le rle est danalyser en temps rel lvolution de tous les indicateurs qualit do quils viennent (procd, laboratoire, etc.), identifier les problmes
48
potentiels, signaler ces problmes aux acteurs de latelier en recommandant des actions (changement de consigne, demande dinspection, etc.). (8) Gestion du procd : cette fonction doit analyser lvolution du procd, identifier les problmes potentiels, corriger automatiquement ces problmes ou les signaler aux oprateurs en recommandant des actions. (9) Gestion de la maintenance : son rle est de planifier les tches visant maintenir loutil de production dans ltat ncessaire une production optimale (maintenances priodique, prventive et corrective) et de maintenir un historique de ces activits. (10) Traabilit produit : elle doit permettre de connatre tout moment ltat de chaque batch, lot ou campagne de production engage (dans quel quipement se trouve-t-il, qui travaille dessus, quels ingrdients sont utiliss, quelles sont les conditions opratoires, etc.), de maintenir un historique qui permet de retracer la gnalogie de tout batch, lot ou campagne fabriqu. (11) Analyse des performances : cette fonction permet de comparer les rsultats obtenus aux objectifs fixs par lentreprise, les clients ou les contraintes rglementaires et de fournir des rapports aux utilisateurs. Mme si lapparition du MES est relativement rcente, les fonctionnalits expliques comme la traabilit, lordonnancement, la gestion de procd, la gestion des ressources, la gestion de stocks... ne sont pas nouvelles pour le monde industriel. La nouveaut vient plus prcisment de linteractivit entre les fonctionnalits. II.3.1.3. Contrainte du MES pour le pilotage Dans le concept du pilotage datelier de production, nous constatons que le MES ne rpond pas toutes ces questions comme : quels sont les impacts dun ala survenu sur le systme dans le futur ? Quels sont les consquences d'un changement des quipements de fabrication ? Quels sont les effets d'une modification des paramtres de pilotage sur le systme ? Les utilisateurs du MES disposent dun outil performant qui leur donne des informations sur le trs court terme et leur permet de prendre des dcisions. Cependant, ils ne disposent daucun outil permettant de garantir que la dcision quils prennent est la bonne, ce qui peut parfois avoir des consquences graves dans leur fabrication. En effet, la prise de dcision pour le pilotage du systme de production se fait sans connatre les volutions des nouvelles valeurs dcides dans la production. La majorit des outils dexploitation comme le MES nutilise pas lexprience acquise pour optimiser les solutions proposes. Ce manque de projection dans le futur peut tre combl par lutilisation dun logiciel de simulation de flux. Cest la raison pour laquelle nous dtaillerons ce type de logiciel dans le paragraphe suivant. II.3.2. Simulation de flux vnements discrets (SED) La simulation est lactivation dans le temps du modle tudi, partir dhypothses que lon veut tester. La simulation met en uvre la description que constitue le modle afin de connatre son comportement dynamique et de pouvoir prdire leffet de tel paramtre ou scnario sur le systme [Claver et al., 1997]. [Gogg, 1993] dfinit la simulation comme lart et la science de la cration dune reprsentation dun processus ou dun systme dans le but
49
dexprimenter et dvaluer. [Pegden, 1995] prcise que la modlisation et la simulation de flux sont le processus de conception dun modle dun systme rel et de conduite dexprimentations sur ce modle dans le but de comprendre le fonctionnement et dvaluer diffrentes stratgies de pilotage. La simulation de flux permet donc de reproduire le comportement dynamique dun processus rel sur un ordinateur, sans aucun risque et avec une grande rapidit d'excution, puis de rpondre des questions du type Qu'est-ce qui se passe si? . La Simulation de Flux permet : d'observer le comportement dynamique d'un systme : simuler pour comprendre dexprimenter des solutions de changement : simuler pour amliorer d'utiliser le modle pour prdire son comportement : simuler pour anticiper En production et logistique , la simulation est principalement utilise pour : analyser les flux physiques et informationnels, analyser les tats des ressources. De faon synthtique, on peut dire que la simulation de flux vnements discrets : est un outil adapt aux systmes complexes, ne ncessite pas de modlisation mathmatique, permet un niveau de dtail pouvant tre lev, prsente une forme proche du systme rel, grce la visualisation, apporte des arguments de communication et met en confiance, offre la possibilit de tester diffrentes organisations, aide prendre de meilleures dcisions. II.3.2.1. volution des outils de simulation pour l'ingnierie [Pidd, 2004] propose une classification mettant en vidence six catgories d'outils de simulation suivant deux critres : la polyvalence et la facilit d'utilisation. La Figure II.7 illustre cette classification. Les premiers outils de simulation sur ordinateur destins l'ingnierie de production industrial engineering sont apparus dans les annes 1950. L'un des pionniers est Jay W. Forrester, qui est l'origine de la dynamique des systmes en 1956 et de nombreuses applications sur ordinateur. Cest dans les annes 1960 que sont apparus les premiers langages informatiques destins la simulation vnements discrets : GPSS General Purpose Simulation System , CSL Continuous Simulation Langage , SimScript, Simula, etc. Les annes 1970 constituent une priode d'expansion pour la simulation grce aux progrs de l'informatique. Alors qu'auparavant, la modlisation tait ralise par programmation et la simulation proprement dite obtenue uniquement par calculs, la simulation interactive et visuelle Visual Interactive Simulation prsente par [Hurrion, 1976] sest dveloppe et est lorigine du premier outil moderne , See-Why . Ces outils ont permis de s'affranchir en grande partie de la connaissance dun langage de
50
modlisation et ont apport une aide supplmentaire lanalyse des flux grce des animations graphiques du processus. Cest aussi dans cette dcennie quest apparu le langage DEVS Discrete Event System Specification et les premires applications de simulation distribue.
Polyvalence A faire soi-mme Fortran Pascal C++ Java etc...
Bibliothques Gasp Langages de Simon simulation ECSL Siman SimScript Simula
Diagrammes de flux Gnrateurs GPSS Hocus CAPS/ ECSL Draft Sigma VS7
Modlisation et Simulation Visuelles et Interactives SeeWhy Siman/ Cinema Witness Xcell+ SimFactory
Facilit dutilisation
Figure II.7: classification en fonction de la polyvalence et de la facilit d'utilisation [Pidd, 2004]
Dans les annes 1980, la production industrielle a subi une profonde mutation pour sadapter aux volutions des marchs. De nouveaux concepts sont apparus tels que le Juste-Temps (JIT), OPT, les ateliers flexibles (FMS), la logistique, etc. qui ont entran la disparition progressive des mthodes tayloriennes. Paralllement, l'informatique a aussi connu une profonde volution avec l'apparition des ordinateurs personnels, ce qui a permis un essor considrable des outils de simulation pour l'ingnierie. De nombreux logiciels ont vu le jour et la plupart existent encore aujourd'hui, sous une version plus volue : Witness, Hocus, Genetik, Siman, Promodel, etc. A partir des annes 1990 et jusqu nos jours, les outils de simulation nont pas apport de grandes nouveauts, mais des amliorations notables sont apparues concernant la facilit de modlisation VIMS Visual Interactive Modelling Systems , les possibilits d'animation et la reprsentation en 3D, louverture ou la compatibilit avec d'autres applications informatiques (feuilles de calcul, bases de donnes, GPAO, ERP, MES, etc.), la distribution sur internet, le couplage avec des algorithmes d'optimisation, etc. Avec larrive du concept de SCM Supply Chain Management , de nouveaux besoins sont apparus en simulation de flux, pas seulement limite un atelier mais plutt des rseaux dateliers et dentrepts, et ncessitant parfois une forte interaction avec des simulateurs de plans de production (PIC, PDP, ordonnancement). La conception et le pilotage d'une chane logistique entranent en effet de nombreuses questions : si l'on ajoute une nouvelle usine et deux nouveaux entrepts, quel sera l'effet sur les stocks ? Les pics de demande affectent-ils la chane ? Quels sont les effets d'une modification des paramtres de gestion des stocks sur le niveau des stocks ? Comment rduire les stocks sans avoir d'impact sur le taux de service ?
51
Le march des outils de simulation est trs concurrentiel. Nous prsentons ici un aperu des principaux outils classs suivant cinq catgories : gnralistes : Anylogic, Arena, eM-Plant, Enterprise Dynamics, Extend, MicroSaint, Promodel, Quest, Simul8, Witness, etc., spcialistes : Automod (convoyeurs, vhicules, portiques, balancelles), Demo3D (manutentions), spcialistes Supply Chain : Eurobios SCS, SupplyChainSIM, scMod/scSIM, procds : Human (oprateurs), Jack (oprateurs), iGrip (robots), complmentaires : ExpertFit, StatFit (analyse statistique), OptQuest (optimisation). II.3.2.2. Classification de la simulation selon diffrents critres Une classification des modles de simulation est propos par [Law et Kelton, 1991] qui distingue les modles physiques des modles logico-mathmatiques : les modles physiques sont ceux dans lesquels le systme rel est reprsent par une rplique ou une maquette, une chelle diffrente et ventuellement l'aide de matriaux diffrents. Ils sont utiliss des fins d'entranement : simulateurs de vol, de conduite, maquettes de vhicules pour des essais arodynamiques, etc., les modles logico-mathmatiques ou symboliques sont dfinis par des relations logiques et quantitatives, qui sont manipules et changes pour voir comment le modle du systme rel ragit. Ils sont excuts sur des ordinateurs. C'est exclusivement ce type de modle qui sera prsent dans ce chapitre. Une autre distinction concerne la prise en compte d'alas ou de variations alatoires dans le modle : si le systme est indpendant de l'influence de variables alatoires ou imprvisibles, on utilise un modle dterministe, si les alas jouent un rle significatif dans le comportement du systme (exemple typique : les pannes), on utilise un modle stochastique. Une troisime catgorie distingue : les modles statiques, pour lesquels le temps n'intervient pas. Par exemple un modle comptable permettant de calculer le bnfice en fin d'anne l'aide d'un tableur ; les modles dynamiques, pour lesquels le comportement est une fonction du temps. Par exemple le systme de manutention dans une usine. Enfin, l'intrieur des modles dynamiques, on distingue : les modles vnements discrets (ou discontinus) dans lesquels les changements d'tat ne surviennent que lors d'vnements tels le dbut ou la fin d'une opration, la mise en attente d'une pice dans un stock, la libration d'une ressource, etc., les modles continus, plus adapts aux flux continus, qui utilisent des quations mathmatiques pour prendre en compte les changements d'tat qui s'effectuent
52
de faon continue au cours du temps. Les valeurs des variables d'tat sont recalcules rgulirement selon un pas d'horloge d'aprs ces quations. Par exemple un racteur chimique, les modles combins (ou mixtes), qui intgrent les deux aspects. Par exemple : lindustrie mtallurgique ou agroalimentaire.
Dans [CER, 1988], on trouve encore une autre classification de la modlisation pour la simulation de flux en fonction de l'approche : l'approche par vnements : cest l'approche la plus gnrale. Elle consiste rassembler tous les vnements qui peuvent se produire et dcrire la logique des changements d'tat. On peut distinguer dans la logique des changements d'tat : des rgles lies aux modes opratoires sur le procd de fabrication. Exemple : fin de l'usinage d'une pice, des rgles lies la conduite / gestion. Exemple : si le lot A est prt avant le lot B, alors dmarrer la fabrication du lot C sur le traitement thermique. La difficult des rgles de conduite aux postes de fabrication est une des difficults de cette approche. Une fois le travail effectu pour la phase de modlisation, l'criture du modle consiste programmer la logique des changements d'tat. Le logiciel doit tre en mesure de stocker la liste des vnements crs. Le droulement de la simulation consiste en la recherche, dans la liste, du prochain vnement prvu. L'chancier est le module qui gre l'avance du temps au fur et mesure que les vnements apparaissent.
L'approche par activits : Cest une approche qui s'appuie sur un raisonnement naturel : un procd est dcrit comme l'enchanement d'activits et d'attentes. On peut le regarder travers les activits en indiquant les conditions ncessaires leur dbut et leur fin. Les attentes dbutent la fin de chaque activit. Elles se terminent lorsque les conditions ncessaires l'activit suivante sont runies. La modlisation consiste programmer les conditions de dclenchement et de fin des activits. A chaque incrmentation du temps, on examine si les conditions de dbut et de fin des activits sont ralises ; L'approche par processus : on parle de cette approche lorsque la modlisation consiste rassembler des processus. Les processus sont forms de squences d'vnements et d'activits : dure d'une activit, utilisation d'une machine, stockage de pices, etc. Ces processus peuvent tre paramtrs. Dans le logiciel, ils correspondent des sous-programmes ou des primitives avec lesquels on peut dcrire le fonctionnement d'une installation. La puissance d'un logiciel sera lie aux processus mis la disposition de l'utilisateur (manutention par robot, par convoyeur, etc.). II.3.2.3. SED dans le cycle de vie dun systme de production La simulation vnements discrets est la simulation la plus utilise dans le domaine des flux logistiques. Par la suite de ce chapitre, nous nous limiterons donc cette catgorie de simulation qui peut tre classe en fonction de la phase du cycle de vie dans laquelle se trouve le processus simul : conception, amlioration ou exploitation. La Figure II.8 met en vidence cette classification.
53
(i)
Une grande majorit des applications est ralise dans les phases de conception d'un nouveau processus ou d'amlioration d'un processus existant. La simulation apporte une aide pour dimensionner les stocks et les quipements, vrifier les rgles de gestion, mesurer les consquences d'vnements alatoires (par exemple, rupture d'approvisionnement, annulation de commande ou commande urgente, etc.). Une utilisation mergente de la simulation est son utilisation comme mulateur. Lide est dutiliser un simulateur pour reproduire le comportement dun systme de production rel, ce simulateur tant command par le futur systme de pilotage de lunit de production. Cette disposition permet la mise au point du systme de pilotage alors que le systme rel de production nexiste pas encore, le but tant de rduire la dure de la phase de mise au point de lunit de production. Notons par ailleurs que le dveloppement des possibilits de couplage de la plupart des outils facilite ce type dutilisation de la simulation. En phase d'exploitation oprationnelle d'un processus, la simulation peut tre utilise comme outil d'aide au pilotage afin de dterminer ou d'affiner certains paramtres avant l'excution de la production. Elle est un complment intressant d'autres outils de planification tels que les ERP, plutt destins grer le moyen ou le long terme. Dans cette mme phase d'exploitation, une possibilit encore peu rependue de la simulation consiste la coupler en temps rel avec le processus rel on-line afin de permettre un pilotage ractif ou correctif. Les simulations sont dclenches partir d'vnements qui se produisent sur le systme rel et permettent ainsi de mesurer les drives par rapport aux objectifs viss : dpassement du dlai en cas de rupture d'approvisionnement, saturation de stocks en cas d'annulation de commande, etc. Si la drive est juge inacceptable et doit tre minimise, la simulation peut ensuite tre utilise pour rechercher la correction appliquer aux variables de pilotage.
(ii)
(iii)
(iv)
Avant d'utiliser cet outil, il est important de savoir ce que l'on peut en attendre, notamment par rapport aux outils de modlisation mathmatique. Voici une liste non exhaustive des possibilits offertes par la simulation de flux l'utilisateur dans les trois phases du cycle de vie d'un processus : (i) en conception : justifier et quantifier les investissements ncessaires, spcifier et illustrer le cahier des charges, dfinir les caractristiques globales, choisir entre des projets contrasts, identifier les goulots d'tranglement, etc., en amlioration : identifier les problmes existants, valuer diverses propositions de modification, choisir entre plusieurs solutions damlioration, garantir les rsultats dune modification, choisir les rgles de pilotage des flux et de gestion des files d'attente, tudier l'influence des perturbations, dterminer les capacits des ressources, etc., en exploitation : prvoir des dlais (en complment dun ERP et dun ordonnancement), aider la dcision en pilotage, etc.
(ii)
(iii)
54
La Figure II.8 met en vidence le nombre d'applications de simulation dans chacune de ces phases. Mme si les applications destines concevoir ou amliorer un processus sont aujourd'hui les plus courantes, les perspectives offertes par la simulation on-line pour l'aide au pilotage d'un processus sont prometteuses.
Figure II.8 : rpartition des applications de simulation en fonction de la phase du cycle de vie du processus
II.3.2.4. Contraintes dutilisation des outils de simulation Nous avons vu un aperu des avantages dapplication de la simulation et ses potentiels trs vastes dans les diffrents niveaux hirarchiques de lentreprise, dans tous les types de flux et dans toutes les phases du cycle de vie dun produit. Cet outil pourrait tre un outil performant et utile dans toutes les phases, si elle tait utilise pertinemment [Kosturiak et Milan, 1997]. Cependant concrtement, aujourdhui, ce potentiel et ces possibilits ne sont pas appliques dans leur totalit [Vernadat, 1999]. Par la suite, nous aborderons les limites des applications de la simulation. (i) Le problme de qualit de donnes utilises dans la simulation : cet outil permet toujours dobtenir un rsultat, mais n'apporte rien quant sa validit par rapport au systme rel que l'on simule. Un point trs important concerne la qualit des donnes utilises par la simulation. Elle nest pas capable de donner des rsultats justes si les donnes sont imprcises. Il est indispensable de vrifier la validit de ces donnes sous peine dobtenir des rsultats sans commune mesure avec ceux obtenus sur le systme rel. Cela est particulirement critique quand le systme simul est d'un niveau de complexit ne permettant pas une vrification analytique des rsultats fournis par la simulation. La difficult de modliser jusqu un niveau de dtail reprsentatif du systme rel : ils ne peuvent dcrire les caractristiques dun systme qui na pas t compltement modlis. La phase de modlisation se droule gnralement en plusieurs tapes. On commence par construire un modle global du systme, puis on laffine progressivement, en validant chaque tape avant de
(ii)
55
perfectionner le modle. Le problme qui se pose lors de la modlisation est de savoir jusqu quel niveau de dtail il faut aller pour que le modle soit reprsentatif de la ralit. Il est donc prfrable de rechercher affiner le modle, plutt que de se contenter dun modle trop gnral et imprcis. (iii) La ncessit des changes dinformations entre deux systmes pilotage et systme physique : en effet, les outils de simulation actuels sont trs orients vers la modlisation des flux du systme physique de latelier. Mais ils ne considres pas la gestion des changes de ces informations entre le systme physique et le systme pilotage, alors quil est ncessaire de modifier rgulirement un modle de simulation pour reproduire au mieux le processus physique et le processus de pilotage ou bien pour les valuer. Le problme doptimiser la performance du systme par la simulation : loutil de simulation est capable de rpondre des questions comme Quest-ce qui se passe si? . Il nest pas capable doptimiser la performance du systme. Une fois que le modle est programm et valid, la simulation fonctionne comme une bote noire en fonction d'un scnario de fonctionnement. Elle ne fait donc que reproduire le comportement du systme modlis. La difficult de modliser un systme de pilotage en intgrant le processus de prise de dcision dans la simulation : cette difficult est relative au problme prcdent. Les activits de dcision influent naturellement sur les performances de latelier, mais en effet, ces activits ne sont pas prise en compte dans le processus dvaluation de limpact des actions dclenches sur la performance du systme physique. Prises en compte, de telles activits permettent dinterprter les donnes issues du modle de simulation. Les outils de simulation du commerce comme Arena, Witness, Promodel, GPSS, Extend ne sont pas encore adapts pour modliser le processus de pilotage dun systme de production en prenant en compte les dcisions. La difficult dintervenir sur le modle de simulation : cela est galement relatif au problme doptimisation de la performance, expliqu ci-dessus. La possibilit dintervenir durant la simulation sur le modle de faon automatise, suite lapplication dun plan daction, rsultat du processus de pilotage, est limit [Berchet, 2000]. Ces interventions peuvent tre, par exemple, la modification de lorganisation physique du systme, modification dune rgle de gestion, etc. Ces types dintervention en cours de simulation sont limites et ne sont pas encore intgrs dans les outils actuels. Cette limite sexplique effectivement par le fait que la prise de dcision et son impact sur le systme de production ne sont pas pris en compte en temps rel, au cours de la simulation. Il faut ainsi attendre la fin du modle de simulation pour analyser les rsultats, analyser les causes, retrouver les nouvelles valeurs pour les variables, modifier ces paramtres et puis relancer la simulation avec ces nouvelles valeurs de variables. Le problme de modlisation dun modle de simulation et la complexit des concepts utiliss : la modlisation de la simulation est toujours rserve des spcialistes capables de traduire les quipements du systme rel sous la forme de modules de loutil de simulation. En effet, les modules de modlisation nont pas toujours une correspondance avec les entits du systme rel et exigent des
(iv)
(v)
(vi)
(vii)
56
connaissances et une exprience en modlisation [Bakalem, 1996]. Le manque dexprience par tous les utilisateurs rend difficile lutilisation de loutil et la comprhension de cette dmarche. En consquence, pour une meilleure comprhension par lutilisateur simple de la simulation, les programmations et les concepts utiliss doivent tre simplifis sur la forme, la prsentation.Par exemple en utilisant un langage gnrique, ce qui peut aussi rsoudre le problme de rutilisation des modles. (viii) La difficult de cohrence entre les modles statique et dynamique : le modle statique prsente les caractristiques structurelles du systme de production et le modle dynamique son comportement en fonction de lvolution du temps. La cohrence entre ces deux modles est difficile du fait de lutilisation de formalismes diffrents pour les deux modles. Le couplage des mthodes danalyse et les modles de simulation ont eu une solution pour la difficult du modlisation de systme physique, du systme de dcision et dinformation. II.3.2.5. Simulation hors ligne, usage le plus courant pour le pilotage Aujourdhui, la simulation hors ligne est assez rpandue dans lindustrie manufacturire et les applications portant sur des ateliers de production sont nombreuses. Elle est applique principalement dans les phases de conception et damlioration dun processus. On peut aussi l'utiliser en phase dexploitation, en pilotages prdictif et proactif, en complment doutils de planification ou d'ordonnancement. On peut par exemple rechercher une squence optimale de lancement ou encore dterminer la taille optimale des files dattente, ainsi que leurs rgles de gestion, tout en prenant en compte les phnomnes alatoires. Le niveau de dtail du modle de simulation apporte des informations que ne fournissent pas les autres outils. Le temps de rponse de la simulation de flux, trs nettement infrieur celui du systme rel, permet de tester un grand nombre de combinaisons des paramtres en couplant au modle un algorithme doptimisation [Fontanili et Ponsonnet, 1999]. Au moment du lancement dune production, la meilleure solution trouve par la simulation est injecte dans loutil de pilotage ractif du systme rel. Comme il ny a aucun couplage direct entre le modle de simulation et le systme rel, les simulations sont lances en initialisant le modle soit dans un tat vide et disponible , soit dans un tat obtenu aprs une priode de monte en rgime. Dans ce deuxime cas, ltat initial du modle ne correspond donc pas exactement ltat du systme rel un instant donn.
57
II.4. Optimisation en couplant les mthodes simulatoire/analytique dans un atelier de fabrication intermittente
Les objectifs de performance que lon souhaite atteindre en production sont souvent contradictoires. Il est difficile de trouver une solution optimale qui satisfasse tous les critres de performance, comme par exemple un niveau de stock trs faible, des cots rduits et une rponse rapide la demande du client. Cette complexification des systmes de production ncessite lutilisation de mthodes doptimisation. Ces mthodes doivent servir daide la dcision pour dimensionner les nouveaux quipements et dterminer les paramtres de pilotage appropris en fonction des critres de performance souhaits. En illustrant notre propos avec lexemple dun atelier de type job shop, nous proposons une dmarche qui utilise la complmentarit dune rsolution analytique et simulatoire. Dans un premier temps, la rsolution analytique permet de cibler trs rapidement des populations de solutions proches de loptimum et de rduire le nombre de combinaisons tester. Elle donne des renseignements statiques sur les lments, indpendamment les uns des autres, comme par exemple la capacit de chaque machine, la capacit des stocks dencours, les gammes utiliser, etc. A ce stade de ltude, ni les phnomnes alatoires dans le systme, ni la dynamique des flux ne sont pris en compte et la solution est base sur des donnes dterministes. On peut qualifier cette rsolution de statique ou capacitaire. Dans un second temps, il est ncessaire dintgrer les interactions entre les diffrents lments du systme pour comprendre son comportement dynamique. La simulation de flux est un des outils capables, non seulement de vrifier la solution propose par la rsolution analytique, mais aussi de fournir les informations manquantes sur la dynamique des flux en prenant en compte des donnes stochastiques et des vnements alatoires. Lun des intrts de commencer par une rsolution analytique est dobtenir certaines donnes utiles la construction du modle et dautres donnes pour alimenter les simulations proprement dites. Sans rsolution analytique pralable, le nombre de solutions tester avec la simulation peut savrer trs important et entraner de ce fait un grand nombre de simulations et donc un temps de rsolution trs long. En effet, pour les systmes de production complexes, la simulation de flux est un travail trs fastidieux, qui monopolise des ressources tant pour sa modlisation que pour les nombreux essais de simulation qui sen suivent. La rduction de lespace de solutions par rsolution analytique permet un gain de temps non ngligeable, compte tenu de lampleur de la tche, en slectionnant a priori les solutions optimales par rapport des critres et des contraintes prdfinis. Dans ce chapitre, nous montrerons au travers dun exemple tout lintrt du couplage ou de la complmentarit de ces deux mthodes et enfin, nous analyserons les rsultats et conclurons sur lintrt de cette dmarche. II.4.1. Optimisation en thorie II.4.1.1. Les mthodes analytiques Les mthodes analytiques cherchent reprsenter une situation relle par un modle mathmatique, puis identifier les meilleures dcisions dans le modle en esprant qu'elles seront aussi les meilleures dans la ralit. La situation est modlise par des contraintes, dont le but est de sparer le possible de l'impossible. Usuellement, les dcisions sont values l'aide de fonctions objectifs ou conomiques. Cela revient donc trouver le minimum (ou le maximum) d'une fonction objectif parmi les solutions qui respectent les contraintes. Il existe
58
de nombreuses mthodes qui dpendent fortement de la fonction objectif, de la nature des contraintes et du type des variables de dcision [Minoux, 1983]. Pour les problmes qui ne sont pas NP-complets, la rsolution est faite par un algorithme polynomial, condition que le polynme soit de degr raisonnable. Certains problmes ont de bonnes caractristiques, qui permettent de les rsoudre l'aide d'une formule de rcurrence. Les mthodes de programmation dynamique peuvent alors ventuellement permettre de rsoudre le problme avec une complexit polynomiale ou pseudo-polynomiale. Les processus stochastiques concernent tous les problmes alatoires, en particulier des problmes de fiabilit (de systmes, de composants lectroniques) et des phnomnes d'attente. La programmation linaire est trs souvent utilise pour rsoudre des problmes combinatoires. Elle permet de rsoudre les problmes dans lesquels les variables sont continues. Lorsqu'il y a des variables discrtes, programmation linaire et mthodes arborescentes peuvent tre combines. La programmation non linaire peut aussi tre utilise. La possibilit de modliser des contraintes ou des fonctions objectifs non linaires offre une puissance de modlisation trs importante, mais les algorithmes de rsolution des programmes non linaires sont significativement moins efficaces que ceux de la programmation linaire. Les mthodes de type A* ou branch and bound sont couramment mises en uvre pour trouver la solution exacte d'un problme de recherche oprationnelle. Pour une rsolution efficace, un soin particulier est apport au calcul des bornes suprieures ou infrieures pour la valeur de la solution. La programmation par contraintes permet de mettre en uvre rapidement et efficacement de telles mthodes de recherche arborescente. Plusieurs bibliothques (logiciels) d'optimisation, commerciales ou non, reposent sur cette approche (ILOG Solver, Chip, Mozart/Oz, FaCiLe). De nombreux logiciels d'optimisation de problmes rels utilisent ainsi cette technologie. Lorsque la solution optimale ne peut tre obtenue en un temps raisonnable, on a souvent recours des mthodes approches de type heuristique ou mtaheuristique. De nombreux travaux ont t effectus pour tudier les algorithmes et heuristiques, en particulier pour loptimisation de lordonnancement, pour des jobs shop statiques et dynamiques [Gere, 1966], [Blackstone et al., 1982], [Rajendran et Holthaus, 1999], [Jain et Meeran, 1999]. Un problme dordonnancement peut se caractriser par une srie de jobs, chacun compos dune ou plusieurs oprations. Les oprations doivent tre effectues dans un ordre dtermin sur des machines dtermines. Lobjectif de lordonnancement est de trouver lordre des jobs qui minimise (ou maximise) un critre (ou plusieurs) de performance [Rajendran et Holthaus, 1999]. A cause du nombre considrable de combinaisons possibles, les problmes dordonnancement de job shop sont dits NP-difficiles [Jain et Meeran, 1999]. La rsolution des problmes NP-complets est coteuse en termes de puissance de calcul, dans la mesure o pour garantir une solution optimale cela ncessite une recherche exhaustive o toutes les solutions possibles doivent tre essayes et values. Comme une telle recherche exhaustive prend un temps de calcul dmesur pour les problmes plus complexes, il est courant de sacrifier loptimalit de la solution lefficacit de la recherche en guidant par une heuristique la recherche de solutions et en valuant seulement une fraction de toutes les combinaisons. II.4.1.2. Les mthodes simulatoires Le modle analytique nest toujours pas suffisant pour prendre les dcisions qui simposent pour concevoir ou optimiser les performances dun atelier de fabrication. Par
59
exemple pour dfinir les rgles optimales de pilotage, le systme de dcision doit possder des informations prcises sur le systme de production. La simulation permet de modliser des systmes sans utiliser un langage mathmatique, mais plutt en manipulant des lments (machines, ressources, stocks, etc.) caractriss par des tats (disponible, occup, etc.) qui vont nous permettre de reprsenter la ralit. La dynamique est simule grce une horloge et des vnements qui modifient les tats de ces lments. Quand aucun modle analytique nexiste, la simulation fournit des rsultats qui sont ensuite analyss pour permettre une optimisation. Une optimisation est donc possible, cependant elle peut ncessiter une grande quantit de simulations en modifiant chaque fois un grand nombre de donnes, ce qui rend fastidieux le travail de simulation. En effet, la complexit croissante des systmes de production fait que souvent, aucun modle analytique satisfaisant nexiste. Cest pourquoi de nombreux travaux cherchent coupler lutilisation de la simulation une rsolution analytique pour faire de loptimisation en utilisant des mthodes approches, comme les mtaheuristiques. Les mtaheuristiques sont gnralement des algorithmes stochastiques itratifs, qui progressent vers un optimum global, cest--dire l'extremum global d'une fonction, par chantillonnage dune fonction objectif. Elles se comportent comme des algorithmes de recherche, tentant dapprendre les caractristiques dun problme afin den trouver une approximation de la meilleure solution [Collet et Rennard, 2006]. Les mtaheuristiques les plus classiques sont celles fondes sur la notion de parcours. Dans cette optique, lalgorithme fait voluer une seule solution sur lespace de recherche chaque itration. La notion de voisinage est alors primordiale. Les plus connues dans cette classe sont le recuit simul [Prudius et Andradottir, 2005], la mthode Tabou [Glover et Laguna, 1997], [Nowicki et Smutnicki, 1996], la recherche voisinage variable (les stratgies dvolution) [Rechenberg, 1973], la mthode GRASP [Feo et Resende, 1988] ou encore les mthodes de bruitage. Dans cette classification, lautre approche utilise la notion de population. La mta heuristique manipule un ensemble de solutions en parallle, chaque itration. On peut citer les algorithmes gntiques [Holland, 1975], [Goldberg, 1989], [Koza, 1992], loptimisation par essaims particulaires [Chong et Yoke Hean Low, 2006], les algorithmes de colonies de fourmis. La recherche dans ce domaine tant trs active, il est impossible de produire une liste exhaustive des diffrentes mta heuristiques doptimisation. La littrature spcialise montre un grand nombre de variantes et dhybridations entre toutes ces mthodes, particulirement dans le cas des algorithmes volutionnaires pour faire de loptimisation multi-objectif [Deb, 2001]. La littrature donne quelques exemples doptimisation multi-objectif base sur la simulation, par exemple dans [Eskandari et al., 2005] et [Baesler et Seplveda, 2001]. Seule une petite fraction des travaux concernent les problmes de pilotage des oprations. [Almeida et al., 2001] utilisent une approche doptimisation multi-objectif des paramtres de pilotage via la simulation dans une raffinerie de ptrole. La mthode quils proposent est base sur un algorithme gntique. En utilisant cette technique, les auteurs ont russi trouver une solution pour un problme rel de production en raffinerie avec trois objectifs : maximiser la production de diesel, maximiser la production de fuel et minimiser les cots. [Allaoui et Artiba, 2004] propose une mthode base sur la combinaison du recuit simul et de rgles de dispatching pour loptimisation multi-objectif dun flow shop via simulation. Lindisponibilit stochastique et dterministe des machines est considre dans la stratgie doptimisation. Les auteurs ont appliqu cette mthode pour rsoudre un problme dordonnancement NP-difficile en optimisant les encours, le makespan et lutilisation des ressources. [Gupta et Sivakumar, 2002] prsentent une mthode doptimisation multi-objectif
60
pour le pilotage de la fabrication de semiconducteurs via simulation base sur la programmation linaire. La mthode propose a t utilise pour trouver une solution Pareto optimale un problme NP-difficile dordonnancement de tches indpendantes sur une machine simple. Les objectifs optimiser taient le temps de cycle moyen et lutilisation des machines. Un certain nombre dtudes thoriques de type job shop ont t menes avec succs en utilisant cette mthode. II.4.1.3. La combinaison des deux approches dans la thorie La littrature met en vidence que la simulation est le plus souvent utilise en premier lieu pour construire le modle analytique. La phase doptimisation intervient ensuite pour maximiser ou minimiser la fonction objectif. Pourtant, il nous semble intressant dadopter la dmarche inverse, qui consiste construire le modle de simulation de flux en saidant des rsultats dune rsolution analytique. [Hicks, 1999] a propos une mthodologie en quatre tapes pour utiliser la simulation et loptimisation pour la planification stratgique dune chane logistique. Elle comporte dabord une tape doptimisation avec un solveur mixte pour dgager une structure gnrale du rseau qui satisfait les besoins prvus, minimise les cots de structure et supporte les contraintes managriales prvues. Elle permet de trouver un optimum global trs rapidement. Par contre, la solution ne donne quune image trs approximative du systme rel. La deuxime tape est une tape de simulation de flux du rseau par vnements discrets. Loptimisation apporte une aide dans les choix de conception, mais ne donne aucune information sur le comportement dynamique. Par contre, la simulation de flux fournit des informations sur le comportement et peut aider dans le choix des rgles de pilotage. La troisime tape consiste optimiser les rgles de pilotage pour dfinir les meilleures. Lauteur propose ici dutiliser loptimisation via la simulation selon les techniques classiques que lon trouve dans la littrature et qui ont t dtailles prcdemment. Enfin, la quatrime tape consiste vrifier la robustesse du modle propos en variant les cas dutilisation. Nous proposons par la suite une dmarche qui combine les deux approches. La mthode analytique sera dabord utilise pour choisir, parmi plusieurs gammes possibles, celles qui permettent de satisfaire les dlais. Pour alimenter la simulation, une tape intermdiaire consistera choisir une loi de distribution darrive des gammes en fonction du temps. Nous utiliserons un tableur pour gnrer cette squence darrive des gammes. Ensuite, la simulation prendra le relais, alimente avec le squencement cr dans le tableur, dabord pour vrifier les rsultats donns par la rsolution analytique en termes de capacit, puis pour vrifier le comportement dynamique en termes de flux. II.4.2. Application pratique Nous allons illustrer nos propos avec un modle datelier de production de type job shop et nous allons montrer la complmentarit entre les deux approches analytique et simulatoire afin de dterminer les paramtres de pilotage du systme tudi. Les critres de performance habituellement utiliss dans les problmes dordonnancement sont lutilisation des postes de travail, le temps de cycle, le dbit de sortie et le niveau de stock, qui sont maximiser ou minimiser suivant les cas. Une alternative ces critres est le makespan, qui est souvent tudi par la communaut scientifique dans les problmes dordonnancement de job shop. Cest dailleurs lun des critres que nous avons retenu pour notre modle et que nous allons minimiser. Rappelons quil sagit de la dure entre le dbut de la fabrication de la premire pice jusqu la fin de la fabrication de la dernire pice.
61
II.4.2.1. Description du job shop Cette tude de cas correspond un atelier de fabrication intermittente. Dans ce type de production, les ordres de fabrication sont traits par lots et chaque lot suit une gamme spcifique. L'atelier est compos de diffrents postes de travail et chaque poste comprend un stock aval gr en FIFO chaque entre de machine. Le poste de travail M1 est un poste dbauche des pices, le poste M2 ralise la finition et le poste M3 est capable denchaner les oprations dbauche et de finition. Il y a deux types de pices possibles, P1 et P2 (Figure II.9). Pour chaque pice, il faut raliser les deux oprations dbauche et de finition.
Figure II.9 : diffrentes gammes pour les deux pices
Pour chaque pice, quatre gammes sont possibles, soit au total huit gammes avec des temps de cycle diffrents suivant les machines et le type de pice (Tableau II.1). Les gammes 4 et 8 ralisent les deux oprations dbauche et de finition sur le mme poste de travail M3. Entre deux lots conscutifs dune mme pice sur une mme machine, il est ncessaire de raliser un rglage. De la mme faon, il y a un temps de setup pour passer dun type de pice un autre. Les temps moyens de bon fonctionnement (MTBF) sur chaque machine et la dure moyenne de rparation (MTTR) sont aussi indiqus dans le tableau 2. (Tableau II.2).
Pice Gamme G1 G2 G3 G4 G5 G6 G7 G8 Opration 1 Poste Tcyc M1 3 M1 3 M3 4 M3 8 M1 5 M1 5 M3 3 M3 9 Opration 2 Poste Tcyc M2 4 M3 4 M2 4 M2 M3 M2 3 6 3 M1 400 100 15 5 M2 210 40 20 5 M3 196 4 25 10
P1
MTBF MTTR SETUP (P1-P2 ou P2-P1) REGLAGE (P1-P1 ou P2-P2)
P2
Tableau II.2 : les lois de panne et de rglage (en 1/10 h)
Tableau II.1 : les temps de cycle des gammes (en 1/10 h)
Cet atelier travaille huit heures par jour, 250 jours par an, soit 2000 heures/an. Les lancements se font par lots de 100 pices. La demande annuelle prvisionnelle est respectivement de 2500 pices P1 et 4000 pices P2. Lobjectif principal est de satisfaire cette demande. Deux questions se posent : quelles gammes opratoires doit-on utiliser pour permettre une utilisation quilibre des postes de travail ? quelle doit tre la dimension des aires de stockage de chacun des postes ? Pour rpondre la premire question, nous allons utiliser une approche analytique base sur des paramtres statiques moyens : demande, temps doccupation des postes. Ceci nous permettra de dterminer un mix de gammes assurant un fonctionnement quilibr de latelier. Par contre, cette approche ne nous permet pas destimer la dynamique des flux de pices (en particulier de connatre le nombre de rglage et de setup) ou de dimensionner les aires de stockage.
62
Pour rpondre la seconde question, nous devons donc simuler les flux dans latelier en nous basant sur le mix rsultant de lapproche analytique. Bien souvent, les utilisateurs sont tents de mettre en place la simulation sans faire dapproche analytique, puis de jouer avec le simulateur en faisant varier les paramtres jusqu obtenir un rsultat correct. Ici, vu que les gammes opratoires sont flexibles, la combinatoire des mix de gammes est grande et il nest pas certain que lon trouve par essais erreurs, un mix convenable. II.4.3. Rsolution par couplage des deux approches La dmarche que nous avons adopte se droule en trois tapes principales prsentes dans la Figure II.10. La premire tape nous permet de modliser le problme sous la forme dquations mathmatiques. La rsolution analytique de ce problme mathmatique donne une solution statique correspondant aux gammes utiliser pour satisfaire la demande en pice dans le dlai imparti. Par exemple, pour raliser 25 lots de P1, le rsultat de la rsolution analytique donne une rpartition en 6 gammes 1 et 19 gammes 2. Avant de lancer la simulation, il faut gnrer au pralable une squence dordres de lancement pour les commandes en respectant les rsultats fournis par la rsolution analytique. Cette squence est obtenue en rpartissant dans le temps les gammes de fabrication grce une loi de distribution alatoire. Par exemple, pour une priode de 150 jours ouvrables et la ralisation de 6 gammes P1, une rpartition uniforme donnera un lancement des gammes P1 tous les 20 30 jours. Cette tape ncessite de complter les hypothses de dpart, notamment pour dterminer la loi de distribution retenue ou encore choisir l'horizon de simulation (fini ou infini). La dernire tape consiste vrifier en dynamique les rgles de pilotage de latelier. La simulation de flux permet cette vrification en tenant compte de lvolution du temps. Si les rsultats fournis par la simulation valident les rsultats analytiques, il faudra raliser dautres simulations en mesurant l'influence de donnes stochastiques et non plus dterministes.
Figure II.10 : prsentation de la dmarche combine
A l'issue de cette tape, nous pourrons apprhender les performances de notre modle, ce qui nous permettra de dfinir les rgles de pilotage suivre. Si les rsultats de la simulation ne satisfont pas les objectifs, alors il faut tester un ordonnancement diffrent. Le processus suivant (Figure II.11) illustre la dmarche dtaille en trois tapes que nous avons adopte pour cette tude de cas.
63
Figure II.11 : processus dtaill de complmentarit par les rsolutions statiques, squencement et dynamique
II.4.3.1. Modlisation analytique Dans cette tape, lobjectif et la problmatique doivent tre dcrits sous la forme d'quations mathmatiques. Les variables sont dfinies : Gj : nombre de fois o un lot de pices suit la gamme j (i=1..6) CPi : temps copeau (usinage de pices) du poste de travail i = 1..3 SETi : temps de setup du poste de travail i = 1..3 REGi : temps de rglage du poste de travail i = 1..3 REPi : temps de rparation du poste de travail i = 1..3 Di : temps restant disponible sur le poste de travail i = 1..3
Paramtres : dans le modle analytique, il est impossible de dterminer si deux lots passent successivement sur le mme poste. correspondent une mme pice et ncessitent un simple rglage, correspondent deux pices diffrentes et ncessitent un changement doutil (setup).
64
Nous avons fait tourner le modle en fixant, a priori, un taux de setup et (1- ) de rglage. Ce taux est identique sur tous les postes. Objectifs : lobjectif est davoir un fonctionnement qui assure une charge minimale de latelier (de manire pouvoir accepter de nouvelles commandes ventuelles) et un fonctionnement quilibr des postes de travail (pas de postes excessivement chargs). Pour cela, nous avons choisi de maximiser la somme des disponibilits Dj sur les postes. Pour avoir un temps de battement minimal sur chaque poste, nous avons ajout des contraintes de disponibilit minimale sur chaque poste. Ce temps a t pris gal 9 % du temps douverture : Di > 1800. Contraintes : dans un premier temps, nous dtaillerons les diffrentes tches possibles dans un temps douverture datelier T. Pour chaque poste de travail, le temps total douverture est de 250*8 h soit 20000 1/10 h. Ce temps comprend du temps de charge CP, du temps disponible D, du temps de rglage REG, du temps de setups SET et du temps de rparation REP. Soit i lindice de la machine considre, nous obtenons donc lquation suivante :
i, CPi + Di + REGi + SETi + REPi =20000
Il faut maintenant prciser le calcul de tous les termes de cette expression. Calcul du temps de charge CPi : cest le temps ncessaire pour produire lensemble des pices sur chaque poste de travail. Pour le poste dbauche par exemple, le tableau 1 nous indique quil est utilis par les gammes G1 et G2 des pices P1 et par les gammes G5 et G6 des pices P2. De mme, les temps de cycle sont de 3/10h pour les pices P1 et de 5/10h pour les pices P2. Enfin, on sait que les lancements se font par lots de 100 pices. Soient j lindice de la gamme, Gj le nombre de gamme j ralis sur la machine i et tc(j,i) le temps de cycle pour raliser la gamme Gj sur la machine i. Ainsi, la charge totale se modlise par lquation :
i, CPi =
jtc(j,i).Gj
Calcul du temps de setup SETi : cest le temps consacr au rglage de la machine quand on change de rfrence de pice. Rappelons que nous avons choisi dquilibrer le nombre de setups et de rglages, ce qui explique le coefficient 0.5. Soient Ts(i) le temps de setup pour la machine M(i), nous obtenons :
i, SETi = .ts(i). jGj
Calcul du temps de rglage REGi : soit tr(i) le temps de rglage pour la machine M(i), nous obtenons :
i, REGi =(1 ).tr(i). jGj
Calcul du temps de rparation REPi : le nombre de pannes est obtenu en divisant le temps copeau (le temps dusinage ou de travail sur les pices) Cpi par le temps moyen de fonctionnement entre deux pannes MTBF(i). Le temps de rparation est obtenu en multipliant le nombre de pannes par le temps moyen de rparation MTTR(i).
i, REPi =CPi .MTTR (i) / MTBF (i)
65
Contraintes sur le nombre de pices fabriquer : nous savons que les quatre premires gammes correspondent au produit P1, alors que les quatre dernires correspondent P2. Nous pouvons donc crire que :
G1+G2+G3+G4=25 , G5+G6+G7+G8=40
Rsolution analytique : la rsolution de notre modle analytique a t ralise laide du solveur Lingo10.0. Ce solveur est un programme de rsolution, qui combine plusieurs algorithmes. Suivant le type dquation (linaire ou non-linaire), il choisit lalgorithme le plus adapt. Notre problme est de type PLNE (Programme Linaire en Nombre Entier). LINGO le rsout par des mthodes branch and bound. Le Modle sous Lingo est prsent dans la Figure II.12.
Figure II.12 : exemple de programmation du problme sous LINGO
Synthse et critique des rsultats analytiques : nous avons fait varier le taux de setup de 0 % 100 % par pas de 20 %. Le Tableau II.3 donne le nombre de lots suivant chacune des gammes et la disponibilit de chacun des postes.
Setup Reglage G1 G2 G3 G4 G5 G6 G7 G8 D1 D2 D3 0% 100% 7 18 20% 80% 7 18 40% 60% 7 18 60% 40% 6 19 80% 20% 6 19 100% 0% 6 19
7 33 6058 2075 1964
7 33 6026 2004 1888
8 32 5328 1863 2057 *)
9 31 4626 2213 1805
10 30 3920 2075 1983
10 30 3850 1937 1836
Tableau II.3 : rsultat de la rsolution analytique
66
Les rsultats analytiques nous indiquent que seules quatre gammes sont retenir (G1, G2) pour les pices P1 et (G5, G7) pour les pices P2. Les proportions varient lgrement en fonction du paramtre . Ce taux de setup et de rglage ne peut tre dtermin que par la simulation. Limportant ici est dobtenir une plage assez fine des rgles de lancement en fabrication, rgles sur lesquelles la simulation va pouvoir jouer de manire plus fine. II.4.3.2. Squencement Grce la simulation, il est possible de vrifier la dynamique de l'atelier, mais nous ne pouvons pas directement utiliser les rsultats de la rsolution analytique pour alimenter la simulation. En effet, il manque des donnes lies la rpartition des gammes sur lhorizon de fabrication. Une tape intermdiaire de squencement est ncessaire. Pour notre travail, nous avons choisi dutiliser un tableur pour gnrer alatoirement ce squencement. On rpartit les gammes de fabrication obtenues dans le temps, comme le montre la Figure II.13.
Nb Lot P1 Taille d'un Lot P1 P1 Gamme 1 Gamme 2 Gamme 3 Gamme 4 Total P1 % P1 Dlais Prvu P1 Jours 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Lancement P1 Gamme P1 2 Lancement P2 25 100 Nb. 6 19 Nb Lot P2 Taille d'un Lot P2 P2 Gamme 5 Gamme 6 Gamme 7 Gamme 8 Total P2 % P2 40 100 Nb. 9 31 40 62%
25 38% 250
Temps inter-arrive Loi Normale P2 Gamme P2 7
P2
P1
P2
Figure II.13: un tableur pour gnrer le squencement
Pour notre cas dtude, nous avons choisi de crer le squencement des lancements des ordres de fabrication : dans le cas dterministe, avec une rpartition constante des intervalles de temps : les gammes sont toujours espaces du mme nombre de jours, ensuite, dans le cas stochastique, avec une rpartition alatoire des intervalles de temps : les gammes sont espaces dun nombre de jours qui suit une loi de distribution alatoire. Pour notre travail, nous avons choisi une distribution normale. Quelques hypothses pralables ont t ncessaires. Tout dabord, nous imposons que le premier lancement soit effectu le premier jour de la simulation. De mme, nous avons choisi de ne pas lancer dordre de fabrication durant les dix derniers jours de simulation afin que toutes les pices soient fabriques dans le dlai. Ainsi, la rpartition des ordres de fabrication ne se fait en ralit que sur 240 jours, la simulation durant au total 250 jours. Indpendamment pour P1 et P2, on gnre une premire squence alatoire pour dfinir le
67
jour de lancement en utilisant une loi normale. Il suffit de fournir la moyenne et lcart type souhaits qui correspondent lintervalle de temps moyen entre deux pices successives. Une fois les jours de lancement choisis, on slectionne la gamme qui sera utilise avec une loi de probabilit base sur les rsultats analytiques. En raison du caractre alatoire de cette rpartition, il est ncessaire de lancer plusieurs excutions successives pour obtenir une rpartition de gammes identique au rsultat analytique. Cette squence permet dalimenter correctement le modle de simulation pour valuer le comportement dynamique du job shop intermittent tudi. II.4.3.3. Modlisation simulatoire Nous pouvons dire que le modle de simulation de flux se compose de trois modules. Le premier module soccupe de la gestion du temps : cest lui qui extrait le squencement dfini pour simuler lordre de lancement des gammes. Le second module est un gnrateur de pices. Chaque fois quun lancement dordre de fabrication est ralis, il fournit les pices utiles sa ralisation aux machines concernes. Les rgles de pilotage sont dfinies au niveau des articles pour leur indiquer quel chemin ils doivent suivre. Le troisime module concerne latelier physique. Il comporte les postes de travail et les stocks. Pour vrifier le comportement dynamique de latelier, nous raliserons successivement trois scnarios de simulation : avec des donnes dterministes sur un horizon fini, avec des donnes dterministes horizon infini et avec des donnes stochastiques horizon infini. Ces scnarios nous permettrons de vrifier la complmentarit des rsultats statiques obtenus par la modlisation analytique avec les rsultats dynamiques de la modlisation simulatoire. II.4.3.3.1. Simulation dterministe horizon fini Nous utilisons le terme dterministe, car le modle de simulation est aliment par des donnes dterministes, et lon ne prend pas en compte les phnomnes alatoires dans le modle lui-mme. Le rsultat obtenu analytiquement indique le choix des gammes de production. Comme le montre le Tableau II.4, pour chaque produit, seules deux des quatre gammes possibles sont utilises. Par exemple, la fabrication des 25 O.F. du produit P1 est obtenu par 6 O.F. suivant la gamme 1 et 19 O.F. suivant la gamme 2. Sachant que la taille de lot par O.F. est de 100 pices et que les temps de cycle sont connus, on peut dterminer par calcul la charge de chaque machine. La simulation doit vrifier que latelier peut produire les gammes dfinies dans les dlais prvus. Tout dabord, nous allons raliser une Simulation Dterministe Horizon FINI, qui est cense donner des rsultats proches de la modlisation analytique. Le terme dhorizon fini signifie que le modle de simulation se terminera avec un modle vide : plus aucune pice ne sera prsente dans latelier et les machines seront toutes disponibles. La Figure II.14 illustre lvolution des encours dans l'atelier sur lhorizon de simulation. Cet enregistrement fait apparatre trois parties : une priode de monte en rgime pendant laquelle le niveau des encours augmente, une priode de rgime nominal pendant laquelle le flux moyen entrant est identique au flux moyen sortant, ce qui stabilise le niveau des encours, une priode de fin de production, pendant laquelle l'atelier se vide. La simulation continue jusqu lobtention dun modle vide ltat final.
68
Nb. Nb. Nb. Gamme Lot Gamme Pices 1 6 600 2 19 1900 P1 25 3 0 4 0 5 13 1300 6 0 P2 40 7 27 2700 8 0 Nb. Opration Tps de charge dh/100
Nb. Op.M1 6 [3] 19 [3]
13 [5] 0 [5]
38 140
Nb. Nb. Op.M2 Op.M3 6 [4] 19 [4] 0 [4] 0 [4] 0 [8] 13 [3] 0 [6] 27 [3] 27 [3] 0 [9] 46 46 144 157
Tableau II.4 : la charge et le choix des gammes
Figure II.14 : niveaux des encours dans une simulation dterministe horizon fini
On note une lgre diffrence de 5 % au niveau du makespan entre le modle analytique (20000 1/10 heures) et le modle de simulation (20984 1/10 heures). Ceci entraine un retard de la livraison des commandes de 13 jours par rapport au dlai prvu. Cette diffrence sexplique par le fait quil y a un phnomne denchanement des oprations dans la simulation, qui est inexistant dans le modle analytique o les machines fonctionnent indpendamment les unes des autres. Une notion de prcdence dordre de ralisation a t introduite, do lapparition de ce dcalage. Ce phnomne peut aussi sexpliquer par le fait que la ligne est vide au dbut de la simulation. Il y a donc de linertie avant quelle natteigne son rgime permanent. Par contre, le taux doccupation des machines est cohrant dun modle lautre, de mme que le temps de charge de chaque machine (Tableau II.5). La simulation permet dobtenir des donnes plus prcises sur le nombre de rglages et de setups effectus sur chaque poste.
Nb. Op. M1 M2 M3 38 46 46 Analytique (= 20000) % Occ. Tps Charge 70,00% 14000 72,00% 14400 78,50% 15700 Simulation (=20565) % Occ. Tps Charge 66.72% 14000,52 68.62% 14399,22 74.82% 15700,22 Setup Rglage Tps reg+setup Nb.Setup Tps.Setup Nb.Rglage Tps.Rglage M1 24 [15] 13 [5] 425 M2 11 [20] 34 [5] 390 M3 25 [25] 20 [10] 825 Tps totale 1205 435
Tableau II.5 : comparaison du taux doccupation et du temps de charge de chaque machine
Tableau II.6 : le temps de rglage et de setup
II.4.3.3.2. Simulation dterministe horizon infini Dans ce cas, nous ralisons la simulation sur une priode suffisamment longue de rgime nominal. Ce qui signifie que nous excluons de ltude les priodes de monte en rgime et de fin de production.
Figure II.15 : niveaux des encours dans une simulation horizon infini
Dans notre travail, nous avons choisi une priode de rgime nominal dun an faisant suite une priode de monte en rgime de 2 ans (= 40000 dh). Les statistiques de simulation
69
sont donc fournies sur une anne de rgime nominal. Le niveau des encours se stabilisent entre deux valeurs (Figure II.15). Aprs cette priode de monte en rgime, on constate que latelier a la capacit de raliser les commandes de 25 produits P1 et de 40 produits P2 sur une dure de 245 jours (Figure II.15). Cette dure est donc infrieure au dlai prvu, ce qui permet de dire que latelier est dans ce cas capable datteindre lobjectif. Ces rsultats confirment ceux fournis par la modlisation analytique. Par contre, les rsultats de cette simulation permettent dtablir que le niveau des stocks en aval de chaque poste de travail est diffrent de celui obtenu par la modlisation analytique. La capacit maximum de stock est indique dune valeur de 3 pour la machine usinage et dune valeur de 4 pour la machine finition et usinage-finition. II.4.3.3.3. Simulation stochastique horizon infini Dans ce dernier scnario, on utilise des donnes stochastiques qui sont plus proches de la ralit. Par exemple, nous avons utilis une loi normale pour la distribution des Temps Inter Arrives (TIA) des pices et des temps de rglage et setup. De la mme faon, nous avons utilis une loi Erlang pour la distribution de MTBF et une loi Gamma pour la distribution de MTTR. Aprs une priode de monte en rgime de 3 ans (= 60000dh), on constate que latelier ralise les commandes de 25 produits P1 et de 40 produits P2 sur une dure de 265 jours au lieu de 250 jours (Figure II.16). La simulation stochastique horizon infini fait donc apparatre un retard de 15 jours par rapport lobjectif.
Figure II.16 : niveaux des encours dans simulation stochastique horizon infini
Par ailleurs, comme pour les scnarios prcdents, la simulation met en vidence que le niveau de stock en aval de chaque poste de travail doit tre suffisant pour amortir les variations de flux. On constate une augmentation des capacits de stocks par rapport la simulation dterministe en horizon infini. La valeur 9 pour la capacit de stock 1, 1a valeur 5 pour le stock 2 et la valeur 3 pour le stock 3. Les encours sont donc suprieurs au modle dterministe.
II.5. Conclusion de cette optimisation

Dans ce travail, nous avons propos une dmarche complmentaire de deux approches analytique et simulatoire afin de dimensionner un atelier de production manufacturier. Nous nous sommes appuys sur un cas dtude dun atelier de type job shop pour illustrer cette dmarche. Les rsultats des diffrents scnarios de simulation confirment en partie les rsultats obtenus par la rsolution analytique, mais fournissent des rsultats plus prcis notamment sur la capacit minimale des stocks et le dlai de ralisation.
70
La rsolution analytique se justifie plusieurs titres, en complment de la simulation : dabord, elle permet de trouver trs rapidement une solution optimale, globale ou locale, ensuite, elle fournit des informations trs utiles pour guider les dcideurs dans leurs choix, notamment pour des problmes de dimensionnement et dordonnancement, enfin, elle facilite la construction dun modle de simulation de flux. Par ailleurs, la simulation nen reste pas moins recommande pour apprhender le comportement dynamique du systme modlis et valider les rgles de pilotage. La simulation apporte par exemple une information plus prcise sur la capacit des stocks entre les machines par rapport la rsolution analytique. Pour la conception dun systme rel, cette prcision peut savrer dterminante, la fois sur le plan technique et sur le plan financier. Une erreur de dimensionnement de stock peut en effet avoir des consquences fcheuses sur les performances dun atelier. Enfin, la littrature met clairement en vidence les limites de lapproche analytique seule pour traiter des cas complexes. Couple une approche simulatoire, lapproche analytique reste donc attractive pour modliser ces cas complexes.
71
Rfrences bibliographiques partie II
[Alonard et al., 1994] C. Alonard, E. Dindeleux et R. Sonen, Conduite des systmes de production, Techniques de lIngnieur, A 8 260-R 7 598, 1994. [Allaoui et Artiba, 2004] H. Allaoui, and A. Artiba, Integrating simulation and optimization to schedule a hybrid flow shop with maintenance constraints, Computers & Industrial Engineering, Vol. 47, pp. 431-450, 2004. [Almeida et al., 2001] M. R. Almeida, S. Hamacher, M. A. C. Pacheco, and M. B. R. Velasco, Applying genetic algorithms to the production scheduling of a petroleum refinery, MIC'2001- 4th Metaheuristics International Conference, pp. 773-777, 2001. [ANSI/ISA-S95, 2000] American National Standard, The Instrumentation, Systems, and Automation Society, Enterprise-Control System Integration, Part I: Models and Terminology, Approved 15 July 2000. [Baesler et Seplveda, 2001] F.F. Baesler, and J. A. Seplveda, Multi-Objective Simulation Optimization for a Cancer Treatment Center, Proceedings of the 2005 Winter Simulation Conference, Institute of Electrical and Electronics Engineers, Piscataway, 2001. [Bakalem, 1996] Mohammed Bakalem, Modlisation et simulation orientes objet des systmes manufacturiers, Thse de Doctorat en Electronique - Electrotechnique-Automatique, Universit de Savoie, soutenue le 4 juillet 1996.
[Barkmeyer et al., 1999] Edward Barkmeyer , Peter Denno, Shaw Feng, Evan Wallace, et Albert Jones. NIST Response to MES Request for Information, NISTIR 6397, National Institute of Standards and Technology, Gaithersburg, MD, 1999.
[Berchet, 2000] Claire Berchet, Modlisation pour la simulation dun systme daide au pilotage industriel, 2000, Thse, Institut National Polytechnique de Grenoble. [Blackstone et al., 1982] J. Blackstone, D. Phillips et G. Hogg, A State-of-The-Art Survey of Dispatching Rules for Manufacturing Job Shop Operations. International Journal of Production Research, Vol. 20, pp. 26-45, 1982. [Bouazdi et Renault, 1994] S. Bouazdi, D. Renault, Supervision des procds automatiss : guide technique et fichier produits pour une meilleure exploitation des installations automatises, CETIM, n3 C59, 1994. [BOURRIERES et al., 2005] J.P. BOURRIERES, B. GRABOT, C. MERCE Pilotage des systmes multi-sites de production : outils industriels et mthodes avances, Techniques de l'Ingnieur, S 7662, 15 pages, 2005.
72
[Cardin et Castagne, 2006] O. Cardin, P. Castagne, Utilisation de la simulation proactive : une aide au pilotage des systmes de production, 6e Confrence Francophone de Modlisation et Simulation-MOSIM06, Maroc, 2006. [CETIM, 1994] Centre Technique des Industries Mcaniques, http://www.cetim.fr/index.jsp. [Cernaut, 1988] CERNAUT, La simulation des systmes de production, Cepadues editions, Toulouse, 1988. [Chong et Yoke Hean Low, 2006] C.S. Chong and M. Yoke Hean Low, A Bee Colony Optimization Algorithm to Job Shop Scheduling, SIMTech, School of Computer Engineering, Nanyang Technological University, Winter Simulation Conference, 2006. [Cimax, 1998], CIMAX, Introduction la supervision, Edition Applicatif, n 4, dcembre 1997-janvier-fvrier 1998. [Claver et al., 1997] Jean Franois Claver, Jacqueline Glinier et Dominique Pitt, Gestion des flux en entreprise : modlisation et simulation, Livre, ditions Herms, Paris, 1997, ISBN 286601-575-4. [Collet et Rennard, 2006] P. Collet et J.-P. Rennard, Introduction to stochastic optimization algorithms, Handbook of Research on Nature-Inspired Computing for Economics and Management, dit par J.-P. Rennard, IDEA Group Inc, 1100 pages, 2006. [Combacau et al., 2000] M. Combacau, P. Berruet, E. Zamai, P. Charbonnaud et A. Khatab, Supervision and monitoring of production systems, Proceeding of the IFAC/IEEE MCPL2000 conference, Grenoble, septembre 2000. [Deb, 2001] K. Deb, Multi-objective Optimization Using Evolutionary Algorithms, John Wiley & Son, 2001. [Eskandari et al., 2005] H. Eskandari, L. Rabelo, and M. Mollaghasemi, Multiobjective simulation optimization using an enhanced genetic algorithm, Proceedings of the 2005 Winter Simulation Conference, Institute of Electrical and Electronics Engineers, Piscataway, 2005. [Esquirol et Lopez, 1999] Patrick Esquirol et Pierre Lopez, Livre Lordonnancement, Ed. Economica, Collection Gestion, Srie : Production et techniques quantitatives appliques la gestion. [Exera, 1996] EXERA, Guide de choix, systme de supervision pour automatisme programmable, n EXERA : S3681F96, dition 1996. [Feo et Resende, 1988] T.A. Feo and M. Resende, A probabilistic heuristic for a computationally difficult set covering problem, Operations Research Letters 8, pp. 67-71, 1988. [Fontanili et Ponsonnet, 1999] F. Fontanili, R. Ponsonnet, Integration of simulation and optimization tools for the control of a multiproduct assembly line with asynchronous transfer, LINstitut de lInformation Scientifique et Technique du CNRS, Cote INIST : T 130661, 1999.
73
[Gere, 1966] W. S. Gere, Heuristics in jobshop scheduling, Management Science, Vol. 13, No. 1, pp. 167-175, 1966. [Gogg, 1993] J. Gogg, Introduction to simulation, proceedings of Winter Simulation Conference, pp. 9-17, 1993. [Glover et Laguna, 1997] F. Glover and M. Laguna, Tabu search, Kluwer Academic Publishers, Boston, 1997. [Goldberg, 1989] D. Goldberg, Genetic algorithms in search, optimization & machinelearning, Addison-Wesley, 1989. [Gupta et Sivakumar, 2002] A. K. Gupta and A. I. Sivakumar, Simulation based Multiobjective Schedule Optimization in Semiconductor Manufacturing, Proceedings of the 2002 Winter Simulation Conference, Institute of Electrical and Electronics Engineers, Piscataway, 2002. [Hicks, 1999] D.A. Hicks, A four step methodology for using simulation and optimization technologies in strategic supply chain planning, Proceedings of the 1999 Winter Simulation Conference, 1999. [Holland, 1975] J. Holland, Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Harbor, 1975. [Hurrion, 1976] R.D. Hurrion, The design use and required facilities of an interactive visual computer simulation language to explore production planning problems, PhD Thesis, University of London. [Kosturiak et Milan, 1997] Jan Kosturiak et Milan Gregor, FMS simulation : some experience and recommendations , Revue Simulation Practice and Theory n6, pp. 423-442, 1997. [Jain et Meeran, 1999] A.S. Jain and S. Meeran, Deterministic job shop scheduling: past, present and future, European Journal of Operational Research, Vol.113, pp. 390, 1999. [Klingstam et Gullander, 1999] P. Klingstam, P. Gullander, Overview of simulation tools for computer-aided production engineering, Computers in Industry 38, pp. 173,186, 1999. [Koza, 1992] J.R. Koza, Genetic programming: on the programming of computers by means of natural selection, The MIT Press, Cambridge, 1992. [Law et Kelton, 1991] A.M. Law, W.D. Kelton, Simulation modelling and analysis, 2nd edition, McGraw-Hill, New York, 1991. [Ly et al., 2000 ] F. Ly, A.K.A Toguyeni et E. Craye, Indirect predictive monitoring flexible manufacturing system, Robotics and Computer Integrated Manufacturing systems. Elsevier Science, Vol. 16, pp. 321-338, 2000. [Marty, 1997] Claude Marty, Livre Le juste--temps : produire autrement, edition Herms, Paris, 1997.
74
[MES, 2001] http://www.mesa.org, Site de lassociation MESA International (Manufacturing execution System). [Minoux, 1983] M. Minoux, Programmation mathmatique tomes I et II. , Dunod, 1983. [Nowicki et Smutnicki, 1996] E. Nowicki and C. Smutnicki, A fast taboo search algorithm for the job shop problem, Management Science, Vol. 42, No. 6, pp. 797-813, 1996. [OPC, 2001] www.opcfoundation.org, Site de la fondation OPC (OLE for Process Control). [Pegden, 1995] D. Pegden, Introduction to simulation using Siman, McGraw-Hilln, 1995. [Peyrucat, 2003] Jean-Franois Peyrucat, Informatique industriel, les logiciels de MES, Mesures 758, octobre 2003. [Pidd, 2004] M. Pidd, Computer Simulation in Management Science, John Wiley and Sons, 5th Edition, 2004. [Prudius et Andradttir, 2005] Andrei A. Prudius and S. Andradttir, Two Simulated Annealing Algorithms for Noisy Objective Functions, Georgia Institute of Technology, Winter Simulation Conference, 2005. [Pujo et Kieffer, 2002] Patrick Pujo et Jean-Paul Kieffer, livre Fondements du pilotage des systmes de production, Chapitre 1, Hermes Sience Publications, Paris, 2002. [Rajendran et Holthaus, 1999] C. Rajendran et O. Holthaus, A comparative study of dispatching rules in dynamic flowshops and jobshops, European Journal of Operational Research Vol. 116, No. 1, pp. 156-170, 1999. [Rechenberg, 1973] I. Rechenberg, Evolutionsstrategie: Optimierung technischer Systeme nach Prinzipien der biologischen Evolution, Frommann-Holzboog, 1973. [Toguyeni et al., 2002] Armand Togueni, Khalid Kouiss et Michel Combacau, Livre Fondements du pilotage des systmes de production, Chapitre 4 Supervision datelier, Hermes Sience Publications, Paris, 2002. [Vernadat, 1999] FB. Vernadat, Requirements for simulation tools in enterprise engineering, Proc. 15th Int. Conference On CAD/CAM, Robotics and Factories of the Future, CARs & FOF99, Aguas de Lindoia, SP Brazil, August 18-20, Vol.1, pp. MT5 - 19 MT5-24, 1999.
75
Partie III III. Simulation en ligne couple lexcution
Sommaire dtaill de la partie III

III. Simulation en ligne couple lexcution................................................................................ 77 III.1. Introduction................................................................................................................. 79 III.2. Simulation en ligne...................................................................................................... 79
III.2.1. Les diffrentes formes de la simulation en exploitation ......................... 79 III.2.2. tat de lart sur la simulation en ligne..................................................... 83
III.3. Proposition de modlisation du processus de pilotage en temps rel laide de la simulation en ligne..................................................................................................... 87
III.3.1. change de donnes entre les processus de pilotage et oprationnel...... 89 III.3.2. Analyse de la fonction principale niveau [A-0] du processus de pilotage en temps rel............................................................................................ 92 III.3.3. Fonction [A1] - Observer le processus oprationnel en utilisant une simulation en temps rel.......................................................................... 93 III.3.3.1. Caractrisation des donnes ncessaires ........................................... 94 III.3.3.1.1. Disponibilit des donnes .......................................................... 94 III.3.3.1.2. Acquisition de donnes .............................................................. 94 III.3.3.1.3. Qualit et exactitude des donnes .............................................. 94 III.3.3.1.4. Frquence de synchronisation.................................................... 95 III.3.3.2. Fonction [A11] - Calibrer le modle................................................. 96 III.3.3.3. Fonction [A12] - Initialiser le modle............................................... 97 III.3.3.4. Fonction [A13] - Adapter le modle aux vnements ...................... 97 III.3.3.4.1. Synchroniser les vnements du modle ................................... 98 III.3.3.4.2. Ajuster les paramtres.............................................................. 100 III.3.4. Fonction [A2] - Se projeter dans le court terme en utilisant une simulation de projection........................................................................ 101 III.3.4.1. Fonctions [A21] et [A22]- Slectionner un critre de filtrage et Classifier les vnements courants............................................... 102 III.3.4.2. Fonction [A23] Filtrer les vnements dclencheurs................... 103 III.3.4.3. Fonction [A24] Simuler en acclr ............................................ 104 III.3.5. Fonction [A3] - Dcider en utilisant une simulation de correction....... 105 III.3.5.1. Fonction [A31] valuer la situation (ti+t ).............................. 107 III.3.5.2. Fonction [A32] Rechercher des solutions.................................... 107 III.3.5.3. Fonction [A33] valuer les solutions........................................... 108 III.3.5.4. Fonction [A34] Valider une solution adapte .............................. 109
77
Partie III : Simulation en ligne couple lexcution
III.4. Chronogramme dutilisation de la simulation en ligne pour le pilotage en temps rel ............................................................................................................................ 109
III.4.1. Processus gnral de pilotage laide de la simulation en ligne .......... 109 III.4.2. Comparaison entre diffrentes stratgies dutilisation de la simulation en ligne....................................................................................................... 111 III.4.2.1. Stratgie dutilisation de deux modles de simulation et dinitialisation sur un tat unique ................................................. 111 III.4.2.2. Stratgie dutilisation de deux modles de simulation et dinitialisation sur des tats successifs ......................................... 112 III.4.2.3. Stratgie dutilisation dun seul modle de simulation et dinitialisation sur un tat unique ................................................. 113 III.4.2.4. Problme de reprise de la simulation en temps rel........................ 115
III.5. Couplage entre Simulation et MES pour laide la dcision dans le pilotage .... 116
III.5.1. tat de lart de la simulation couple lexcution pour le pilotage datelier.................................................................................................. 117 III.5.2. Analyse du besoin et spcifications attendues pour le couplage........... 120
III.6. Conclusion.................................................................................................................. 122
78
III.1. Introduction
Dans cette partie, lobjectif est de mettre en avant lutilisation de la simulation de flux en ligne pour aider au pilotage dun processus oprationnel rel. Dans la partie II, les principaux outils informatiques utiliss pour le pilotage ont t prsents. Parmi ceux-ci, nous avons prsent tout particulirement la simulation hors ligne utilise le plus souvent en complment dun outil dordonnancement, pour vrifier la faisabilit de la ralisation dordres de fabrication par exemple, tout en prenant en compte des phnomnes alatoires (variations de temps de cycle, etc.), des interruptions prvues (changements de format, rglages, etc.) ou imprvues (pannes, etc.). Dans cette partie, nous allons mettre en avant lide principale de notre travail de recherche, qui consiste utiliser la simulation pour piloter un processus en temps rel en tant connect et synchronis ce processus, do lappellation de simulation en ligne. Nous proposons en particulier une modlisation du processus de pilotage en temps rel, afin de dcrire les diffrentes fonctions ncessaires. Nous abordons aussi diffrentes stratgies dutilisation des simulateurs en ligne pour le pilotage, avec un ou deux modles de simulation et avec plusieurs mthodes dinitialisation de ces modles. Nous terminons cette partie par une discussion sur le couplage ou lintgration de la fonction [Piloter un atelier en temps rel] laide de la simulation en ligne dans un outil de MES. En effet, ce type doutil rpond plusieurs fonctions de base dcrites par la norme ISA S95, mais aucune fonction ne correspond laide la dcision pour le pilotage, mme si certaines permettent de prendre des dcisions, mais sans aucune garantie du rsultat. Lobjectif de la simulation en ligne pour le pilotage dun processus est dapporter des informations objectives sur les consquences dun vnement dans le court terme et, de la mme manire, sur les diffrents scnarios envisags dans le cas o cet vnement entrane un cart par rapport aux objectifs fixs.
III.2. Simulation en ligne

Le pilotage ractif est fonction de lvolution de ltat du systme et des vnements qui peuvent arriver au cours du fonctionnement par rapport ce qui avait t prvu. Comme cela a t prsent dans la partie II, on peut utiliser des outils comme lordonnancement, la supervision, le MES, etc. pour assurer ce pilotage ractif. Dans cette thse, nous nous intresserons plus particulirement un autre outil, trs peu utilis comme outil de pilotage ractif : la simulation en ligne, cest--dire en phase dexploitation du systme et en temps rel par rapport la production. III.2.1. Les diffrentes formes de la simulation en exploitation En plus des utilisations courantes (conception et/ou amlioration de processus), quelques travaux de recherche ont t mens pour dmontrer lintrt de la simulation de flux comme outil de prvision court terme, en phase dexploitation de la production. Dans ce chapitre, nous proposons de faire un survol de la littrature concernant les diffrentes utilisations de la simulation en exploitation. Nous tenterons en particulier daborder de faon exhaustive et de dfinir les diffrents termes utiliss tels que simulation en ligne, look-ahead simulation, hardware-in-the-loop, mulation, etc. La simulation en ligne signifie quil est possible de sengager dans une simulation en cours et de valider immdiatement le rsultat des simulations alternatives [Becker, 2005]. La simulation en ligne vnements discrets est aussi dfinie par [Manivannan et Banks, 1992] comme un systme automatis capable d'effectuer des simulations dterministes et stochastiques en temps rel ou quasi en temps rel, pour la supervision, le pilotage, et
79
lordonnancement . La simulation en ligne vnements discrets est donc l'un des outils pouvant tre utilis pour aider la prise de dcision en temps rel dans un atelier manufacturier. Dans une simulation en ligne vnements discrets, les donnes courantes du systme physique rel sont utilises pour initialiser le modle de simulation. Des simulations en ligne vnements discrets peuvent tre effectues pendant que latelier est en fonctionnement. Une nouvelle dcision peut tre prise d'aprs les rsultats des simulations avant dtre directement transmise au systme d'excution rel [Davis, 1998]. Dans un autre domaine, celui des btiments publics, la simulation en ligne est un outil qui peut tre particulirement utile pour amliorer les aspects de la scurit et de la planification court terme dans les phases d'organisation et de fonctionnement [Hanisch et al., 2003]. Le terme de simulation en mode Look-ahead est propos par [Peters et Smith, 1998] et [Ramakrishnan et al., 2002]. Une simulation Look-Ahead est lance en temps rel et connecte au systme de production pour connatre le fonctionnement du systme chaque instant. La simulation Look-Ahead est un outil prometteur pour prvoir les dlais d'excution et les dlais de livraison. Dans le domaine de llectronique, on trouve le concept de simulation de type Hardware In the Loop ou HILS propos par [Hanselmann, 1993] pour dvelopper et simuler des systmes de contrle destins tre connects des quipements physiques rels. Ce mode de simulation est uniquement utilis en temps rel. Ce qui particularise ce concept est lutilisation de vrais composants dans la boucle de pilotage, associs des composants simuls. Les raisons qui motivent lutilisation dun simulateur HILS lors dessais sur les systmes de commande sont : soit le processus asservi nest pas disponible, soit les cots engendrs par sa construction sont trs levs, soit les essais comportent des risques importants pour la sret globale de lopration, soit la nature du processus ne permet pas des tests dterministes dans son environnement naturel. Les simulateurs HILS intgrent un calculateur au sein dun environnement simul. Cet environnement inclut une partie des composants du systme physique comme par exemple les gnrateurs de valeurs de consigne, les capteurs, les actionneurs, ainsi que les composants servant effectuer les diagnostics. Certains composants physiques (hardware) peuvent tre utiliss et intgrs la boucle (in the loop), do le nom donn cette simulation.
Figure III.1: principe d'utilisation de la simulation de type Hardware In the Loop d'aprs [Munteanu et al., 2006]
80
La Figure III.1 illustre le principe dun tel simulateur. Les applications sont nombreuses et de natures trs diffrentes mais le fondement technologique des simulateurs Hardware In the Loop sont plus dvelopps que leur conceptualisation. Par exemple, [Hanselmann, 1996] et [Kiffmeier, 1996] rapportent une application HILS dans lindustrie automobile et [Munteanu et al., 2006] rapporte une application dans le domaine des systmes de conversion dnergie olienne. Le terme mulation est aussi utilis au sens de simulation et d'imitation, en particulier dans les domaines de l'informatique et de l'lectronique. Plus prcisment, ce terme dcrit un principe gnral consistant remplacer un systme par un autre sans changement du fonctionnement d'un point de vue externe. Un mulateur est utilis pour faciliter la correction d'un systme et pour remplacer un systme prim ou inutilisable par un nouveau systme. Il est donc possible de faire fonctionner lmulateur comme un nouveau systme, de la mme manire que le systme simul [LeBaron et Hendrickson, 2000], [Brennan, 2000]. Par exemple, dans le domaine de llectronique, un mulateur est un ensemble lectronique conu pour pouvoir remplacer physiquement le microprocesseur ou d'autres systmes lectroniques. Lmulateur est interfac avec un ordinateur de dveloppement pour permettre l'ingnieur de piloter et d'observer le fonctionnement du microprocesseur mul. Le terme mulation en temps rel est aussi utilis quand lmulateur respecte les contraintes temporelles comme le temps de rponse, le cycle dcriture, etc. [Davis, 1998], [McGregor, 2002]. Comme nous navons pas trouv de comparaison prcise dans la littrature, nous proposons dans le Tableau III.1 une synthse des diffrences significatives entre mulation et simulation.
Simulation 1. Vitesse dexcution
Grande vitesse
Emulation
En temps rel
2. volution du modle
Dpend de la vitesse du processeur de lordinateur
Synchronis avec lhorloge
3. Objectif 4.Visualisation des informations dtat 5. Dcision
Tester diffrentes solutions
Tester le systme de contrle Assurer la raction du systme de contrle
Une seule image du systme
Chaque sous-systme a sa propre image
Dcision instantane dans la simulation Ncessaire (pour recrer, comprendre des vnements et corriger le modle) Pas ncessaire Car tous les vnements qui influencent lexcution sont contenus dans le modle
Temps de rponse dans les systmes rels Incertaine (car les vnements sont imprvisibles) Importante pour fonctionner srement dans des conditions varies
6. Rptabilit
7. Robustesse
Tableau III.1: une synthse de diffrences significatives dans lutilisation et le fonctionnement dune simulation et une mulation
La simulation de type Hardware In the Loop et lmulation sont deux concepts bass sur le mme principe dutilisation en temps rel mais on peut distinguer quelques petites diffrences.
81
Dans la Figure III.2, on peut voir quun simulateur Hardware In the Loop a pour but de simuler des systmes de pilotage connects aux vrais quipements physiques.
Figure III.2: principe dutilisation dune simulation de type Hardware in the loop
Par contre, la Figure III.3 illustre le principe gnral dun mulateur pour remplacer le systme physique rel. Cest la commande relle qui est connecte lmulateur. Ce type dapplication a pour objectif principal de mettre au point le systme de commande en le testant sur un systme physique virtuel plutt que sur un systme physique rel.
Figure III.3 : principe gnral dune mulation
En conclusion, les termes prcdents rencontrs dans la littrature mettent en vidence que la distinction nest pas toujours aise. La diffrence entre simulation en ligne, simulation en temps rel, simulation Hardware In the Loop, simulation Look-Ahead et enfin mulation, nest pas universellement dfinie. Pour cette raison, par la suite de ce manuscrit, lorsque nous parlerons de simulation en ligne, cela signifiera quil sagit dune simulation pour laquelle il y a : une utilisation de donnes provenant du systme physique rel, une volution en temps rel, synchronise avec lvolution du systme physique rel. La simulation en ligne nous semble tre un outil prometteur, mais pour lequel les ralisations pratiques dans lindustrie sont peu courantes, notamment dans le domaine de lindustrie manufacturire ou de process. Par la suite de ce travail, nous allons donc faire un tat de lart des applications et des travaux bass sur la simulation en ligne dans le domaine de la production industrielle.
82
III.2.2. tat de lart sur la simulation en ligne Dans les travaux que nous avons recenss, les auteurs dmontrent lintrt de la simulation en ligne dans la production en sappuyant sur des applications relles ou exprimentales. Pour cela, ils utilisent le plus souvent diffrents logiciels du commerce. [Wu et Wysk, 1989] utilisent une simulation intervalles de temps gaux (priodique) pour tester diffrentes rgles locales dordonnancement et dcider quelles sont les meilleures selon plusieurs critres. Dans leur article, ils ne parlent pas du recueil dinformations depuis latelier, comme par exemple ltat des machines ou le niveau des stocks. La position des pices est uniquement connue sur les machines car les moyens de transfert ne sont pas pris en compte. Le problme de linitialisation du modle sur ltat du systme rel nest, lui non plus, pas voqu par les auteurs. Lutilisation de la simulation en ligne pour aider les contrleurs ariens est propose dans [Rogers et Flanagan, 1991]. Dans ce domaine, lobjectif est dtudier limpact des dcisions prises par les contrleurs. Les simulations sont initialises par les donnes provenant du centre de contrle en temps rel. Ces donnes renseignent sur la position trs prcise de chaque lment (avion) tout instant dans le systme. Elles sont archives dans une base de donnes indiquant ltat actuel du systme rel. De ce fait, linitialisation du modle se fait pratiquement en temps rel partir de la base de donnes. Cet article, qui nest pas rellement dans le domaine de la production industrielle, met en vidence le besoin en donnes relles pour alimenter la simulation en ligne. Grce aux nombreux systmes qui collectent des donnes dans lespace arien pour garantir le contrle et la scurit, ce domaine dapplication est donc relativement ais pour la simulation en ligne. Il nen est pas de mme pour le domaine de la production industrielle, o il est peu frquent de disposer de donnes prcises et fiables sur ltat des lments (articles en cours de fabrication). Lintrt davoir une liaison entre un modle de simulation en ligne et les donnes du terrain afin dobtenir des rsultats exploitables court terme et daider la dcision est montr par [Manivannan et Banks, 1992]. Ces auteurs prsentent lavantage dun tel systme pour laide la dcision travers ltude de diffrents scnarios lors de loccurrence dune panne dans le systme. De plus, ils se sont intresss aux difficults rencontres lors de la mise en uvre du systme, comme par exemple le rafrachissement des donnes collectes, la manire de collecter ces donnes, quelle soit automatique ou manuelle, la stabilit du systme modlis et la frquence des simulations. Mais ils ne valident pas leur concept sur une application relle. [Brandin et al., 1992] prsentent lide dun systme appel Timed-Discrete Event System pour superviser le comportement dune cellule de production. Ce systme prsente lintrt davoir une rtroaction partir du systme rel vers la supervision mais de faon hors ligne (off-line feedback). Cela permet de ne pas avoir un accs direct aux quipements du systme rel et de corriger certains paramtres en cours de fonctionnement. Les travaux de [Gonzales et Davis, 1997a, b] prsentent une mise en application dun systme de pilotage bas sur la simulation en utilisant une architecture distribue de contrle. Les auteurs utilisent une nouvelle architecture appele Recursive Object-Oriented Control Hierarchy qui est destine au pilotage en temps rel dun systme. Ils ont dvelopp un mulateur physique dun FMS et ils ont dcompos l'mulateur en un ensemble d'objets ordonnancs en utilisant l'architecture propose. Ils ont utilis lapproche de simulation
83
appele Hierarchical Object-Oriented Programmable Logic Simulator pour tudier le pilotage base de simulation. Cette approche modlise prcisment les interactions entre les contrleurs et elle considre explicitement les contraintes pour dfinir les mcanismes de transition dtat pour lvolution dun systme distribu vnements discrets. Pour avoir une image de ltat du systme, cette approche de simulation ne communique pas en direct avec le systme rel, mais elle se focalise particulirement sur la communication et lchange des messages. Dans [Gonzales et Davis, 1998], les auteurs prsentent diffrentes modlisations qui prennent en compte le fonctionnement rel de loutil de production. Les donnes auxquelles ils se sont le plus intresss sont les temps machines, les temps de transfert par convoyeurs, les pannes, la maintenance prventive, etc. La difficult se situe, dune part, dans la relation entre le systme rel et la simulation, et dautre part, dans linfluence de la commande sur le systme rel. La collecte des informations d'tat peut galement tre difficile. Dans beaucoup de cas, les structures de donnes internes utilises ne sont pas disponibles. Mme si elles ltaient, il resterait encore dterminer la relation des donnes avec l'tat actuel du systme. Les auteurs utilisent des dictionnaires complets de donnes communes entre la commande et le modle de simulation. Pour la plupart des outils de commande du commerce, cette information n'est pas disponible. En rsum, quand on utilise les outils de simulation et de commande du commerce, on est rarement capable de dfinir une reprsentation conforme de l'tat du systme pour le modle de simulation et la commande. Par consquent, les auteurs concluent que l'initialisation du modle de simulation sur l'tat courant de systme devient extrmement difficile, sinon impossible raliser. [Peters et Smith, 1998] prsentent une simulation dun systme de commande appel TSCS pour TAMCAM Simulation Control System. Ils utilisent ce systme pour tudier les avantages et inconvnients de la simulation en ligne dans larchitecture de commande. La simulation peut galement tre utilise en mode Look Ahead pour valuer des politiques alternatives de commande. La Figure III.4 prsente limplmentation quils envisagent, ralise avec Arena RT (pour Real Time), Access, Visual Basic et Visual C++. Les auteurs utilisent des lois de distribution alatoires dans la modlisation de leur systme.
Figure III.4 : les connexions entre les diffrents outils daprs [Peters et Smith, 1998]
La simulation quils font tourner en parallle du systme rel sert collecter les diffrentes dures de production. Lhistorique de ces dures sert alors valuer les coefficients des distributions alatoires, coefficients qui sont rutiliss pour la simulation en mode Look-Ahead pour connatre le fonctionnement du systme en cet instant. La simulation Look-Ahead est galement un outil prometteur pour prvoir les dlais d'excution. Alors que
84
la fabrication flexible et agile est de plus en plus rpandue, la capacit de dcrire lexcution court terme d'un systme de fabrication est un point critique. TSCS fournit un cadre pour la conduite base sur la simulation. La ralisation dun prototype a dmontr la faisabilit de ce principe pour amliorer l'exploitation et la commande des systmes de fabrication. La simulation vnements discrets a t largement rpandue comme un outil d'valuation et de validation des systmes manufacturiers complexes. Le concept de simulation en ligne a t expos dans [Davis, 1998]. Lauteur a confirm que la modlisation et lanalyse des simulations vnements discrets est la seule alternative pour valuer les systmes complexes. Dans une simulation en ligne vnements discrets, les donnes courantes qui sont recueillies sur le systme physique, sont utilises pour initialiser le modle de simulation. Des simulations sont effectues pendant que le systme rel continue son volution. Une nouvelle dcision est prise selon les rsultats des simulations et est directement transmise au systme d'excution du systme rel. [Kouiss et Pierreval, 1999] proposent une application base sur une simulation en ligne. Ils ont travaill sur le concept de mise en relation des donnes de terrain avec la simulation. Lobjectif est de permettre lutilisateur dtudier diffrents ordonnancements lors dun dysfonctionnement et daider loprateur prendre des dcisions afin dviter une perte de productivit. Les dysfonctionnements considrs sont par exemple des pannes, des arrts pour maintenance machine, des ruptures de stocks, etc. Ce travail de recherche a aussi pour objectif daider surveiller le systme par analyse et comparaison entre les donnes relles et simules. Ils ont dvelopp une application sur un systme exprimental pour valider leur approche. La dure de production est par exemple lune des informations du terrain ncessaire pour la mise jour des paramtres de la simulation. Le simulateur, en lien avec le systme exprimental et le modle de simulation, se dclenche sur un tat similaire au systme rel. Les auteurs ne prcisent pas quelles sont les difficults possibles pour initialiser le modle partir du systme rel. Pour faire face une augmentation de la production, une entreprise de lindustrie aronautique tente de mettre en uvre une dmarche de pilotage lui permettant dintgrer les diffrentes phases du pilotage dun atelier, depuis la planification jusqu la commande des machines. Dans ce but, il a t dcid de dvelopper un simulateur dcrivant de manire trs prcise le comportement de cet atelier sur un horizon court. Les auteurs [Castagna et al., 2001] rpondent ce besoin en montrant la place de la simulation dans les outils daide la dcision pour le pilotage de cette unit de production. Leur dmarche suppose de pouvoir prendre en compte la situation courante de latelier en temps rel. Cela pose le problme de linitialisation du modle de simulation et des conditions pour rsoudre ce problme. En effet, ltat initial du modle est toujours en changement et dpend de lvolution de la production dans latelier. [Ramakrishnan et al., 2002] discutent des objectifs lis la mise en application dune architecture de commande base sur la simulation pour des interactions actives de chane logistique. Ils utilisent un modle type Look-Ahead RT ( pour Real Time) lanc en temps rel et connect au systme de production. Ce modle a pour but de comparer les fins de tche programmes des oprations dune supply chain avec celles dfinies dans la base de donnes. Dans le cas de drive, une simulation Look-Ahead est lance pour dterminer si la tendance va augmenter et sil faut dclencher des actions correctives dans le systme. Les modles sont dvelopps sur Arena 4.0 avec une base de donnes SQL. Il y a trs peu dinformations sur limplmentation pratique de leur solution.
85
La simulation est utilise dans [Hanisch et al., 2003] pour observer lvolution du flux de personnes dans les lieux publics comme par exemple dans les gares, aroports, etc. Leur objectif est de crer une simulation en ligne transparente, cest--dire pour laquelle loprateur na pas besoin de paramtrer et danalyser les rsultats de la simulation pour prendre une dcision. Le problme est quil nexiste pas doutil de simulation pour organiser le dplacement dun grand nombre de pitons dans les endroits publics. Le modle doit tre capable danticiper et de prvenir les problmes de surpopulation dans les magasins, gares, etc. court terme et partir des flux existants. Un jeu de simulation est lanc priodiquement, pour une dure de cycle de 5 minutes. Le systme dinformation mesure le flux de personnes en plusieurs points du lieu public. Ensuite, il dtermine lvolution du public dans un horizon de 60 minutes. Les auteurs ont utilis les lois probabilistes sur les temps de dplacement entre deux points pour dterminer la dynamique du systme. Ce modle de simulation est dvelopp en VBA sur Excel afin destimer les entres et sorties dans chaque lieu pour dterminer leur nouvelle population. Pour la ralisation dune simulation en temps rel, [Fowler et Rose, 2004] prsentent lutilisation dun modle de simulation qui est synchronis de manire permanente avec ltat actuel du systme de production rel. Pour cela, les auteurs dtaillent les problmes sur ltat du systme qui doivent tre rsolus : (1) avant de dmarrer la collecte des donnes, quels sont les types de donnes ncessaires pour obtenir une image fiable du systme ? (2) Que faire si des donnes ncessaires la simulation ne sont pas disponibles ou ne peuvent pas tre gnres automatiquement partir des autres informations ? (3) Que faire si la qualit des donnes collectes est trop faible pour la simulation ? (4) Que faire si la frquence de mise jour est trop longue ? Tous les problmes ci-dessus doivent tre rsolus pour simuler et reproduire le comportement du systme. Daprs les auteurs, pour y arriver, le modle doit avoir des fonctionnalits similaires celles dun MES. Ceci peut tre ralis en utilisant un logiciel MES du march et en dveloppant des interfaces avec le simulateur ou en redveloppant un MES l'intrieur du simulateur. Dans ce dernier cas, le MES se comportera seulement approximativement par rapport un vrai MES. En outre, le modle doit avoir la capacit d'tre synchronis rgulirement avec l'tat de systme. Ce modle est une copie mre pour tous les modles de simulation exigs pour la prise de dcision. Ds qu'un problme oprationnel apparat, une copie de la copie mre est cre et l'analyse sera tablie partir de cette copie. L'utilisation de modles de simulation peut aider la planification oprationnelle de la production. Le travail propos par [Leo et al., 2004] a pour objectif de vrifier le plan de production partir d'une supervision et de l'intgration avec les donnes d'un ERP. Les auteurs dcrivent comment des modles de simulation peuvent tre utiliss pour la planification de la production oprationnelle et pour la maintenance. Ils envisagent aussi l'intgration dun outil d'intelligence artificielle pour l'aide la dcision. Ce travail ne montre pas clairement comment est ralise linitialisation du modle. De plus, le temps de rponse ou le temps disponible pour tester plusieurs scnarios de simulation nest pas voqu. Lapplication de la simulation en ligne est prsente dans [Gupta et Sivakumar, 2005]. La simulation est lie un ordonnanceur dans un CSS pour Conjunctive Simulated Scheduling . La simulation est utilise pour tester linfluence de lordonnancement prvu, et cet ordonnancement se sert du calendrier de la simulation comme base de temps de lalgorithme afin de diminuer les temps de calcul. Les auteurs exposent les avantages et bnfices thoriques dune telle mthode ainsi que les difficults dimplantation sur un cas rel, du fait de la ncessaire liaison de la simulation en ligne avec le systme rel.
86
Lapproche SRDM pour Simulation-based Real-time Decision Making est prsente par [Yoon et al., 2006]. Cette approche est destine une prise de dcision par la simulation en ligne vnements discrets. Elle utilise la dmarche classique (surveillance, collecte des donnes, simulation, dcision et excution). Le problme mis en avant est le manque de temps pour simuler chaque rgle alternative. Une mthode base dintelligence artificielle est propose pour le rsoudre. [Iassinovski et al., 2007] se sont appuys sur un systme de production permettant, entre autre, lutilisation de la simulation en ligne dans une scierie. Les auteurs ont dvelopp un outil appel SDBuilder pour System Dynamics Builder, qui permet dintgrer dans un outil daide la dcision des techniques de parcours de graphes, de simulation en ligne, etc. Le but est de dcouper au mieux des troncs darbre en fonction du carnet de commandes actuel pour diminuer les chutes. La validation de leur approche se fait par mulation de la scierie et non pas sur la scierie relle. Les auteurs ont choisi de dvelopper cette mulation galement sur SDBuilder. De ce fait, ils ne dmontrent pas la faisabilit de leur approche au niveau du couplage avec le systme rel, mais uniquement le couplage entre deux modles de simulation/mulation. De plus, leur implmentation impose lutilisation globale de leur solution logicielle, ce qui reprsente une contrainte forte pour une utilisation industrielle. travers les travaux tudis concernant les applications de la simulation en ligne, la majorit des auteurs expose les avantages thoriques dune telle mthode, mais il existe trs peu de dmonstrations pratiques ou de travaux prsentant tout simplement les difficults de ralisation ou dintgration de diffrents outils. Comme le montre les articles prcdents, les difficults dimplantation sur un cas rel sont rarement mises en avant, alors que cela constitue certainement lune des raisons majeures de labsence dapplications industrielles. Dans le chapitre suivant, nous proposons maintenant de modliser le processus de pilotage laide de la simulation en ligne.
III.3. Proposition de modlisation du processus de pilotage en temps rel laide de la simulation en ligne
La modlisation et la simulation de flux sont le plus souvent utilises pour prendre des dcisions en phase de conception ou damlioration dun processus de production sur un horizon de temps moyen long. Comme cela a t prsent dans la partie II de cette thse, la simulation a pour objectifs de choisir les quipements et les machines dun atelier, de dfinir les moyens de transport, de dterminer les capacits des stocks, etc. Il est aussi possible dutiliser la simulation avec des objectifs non pas lis au dimensionnement ou la topologie du systme physique, mais plutt orients sur la dtermination des rgles de pilotage et des valeurs optimales des variables de pilotage. Le pilotage est alors assist par la simulation, mais il sagit le plus souvent dune simulation hors ligne, sans connexion entre le systme physique rel et le modle. Ce type de simulation a t prsent dans la partie 2 de cette thse. Dans cette nouvelle partie, nous prsentons nos travaux de recherche sur le pilotage en temps rel dun processus oprationnel laide de la simulation en ligne. Nous proposons en particulier une modlisation du processus de pilotage avec un tel outil. Par la suite, nous appelons dcideur la personne physique responsable du pilotage de la production en temps rel. Sa responsabilit porte en particulier sur les dcisions quelle doit tre en mesure de prendre trs rapidement, pendant le droulement de la production, pour
87
corriger les valeurs des variables de pilotage afin de respecter les objectifs. Sa connaissance, son expertise et son exprience ne sont pas toujours suffisantes pour parer toutes les situations et trouver une bonne rponse. Cela a parfois pour consquence des carts importants sur les rsultats attendus. Dans ce contexte de prise de dcision en temps rel par un dcideur, nous proposons de modliser lensemble du processus de pilotage afin de mettre en vidence les diffrentes fonctions utiles et les outils informatiques dassistance au dcideur. La plupart des cartographies de processus distinguent les processus oprationnels, les processus de pilotage et les processus support. Notre travail se limite au processus de pilotage de niveau oprationnel. La Figure III.5 illustre la modlisation de niveau lev partir de laquelle nous avons bas notre recherche. La matire duvre principale du processus de pilotage est informationnelle, alors que celle du processus de production est plutt matrielle, tout du moins dans le cadre dapplication qui nous intresse le plus, celui de la production industrielle de biens (atelier manufacturier). Nous pouvons y voir, pour chaque processus, la fonction principale ainsi que les relations bidirectionnelles entre le pilotage et la production. En entre, la fonction principale du processus de pilotage utilise les ordres de fabrication prvisionnels (mentionnant les produits et les quantits fabriquer) et planifis (par exemple la date de fin de fabrication). En sortie de ce processus, on obtient les valeurs des variables de pilotage permettant le contrle du processus oprationnel. Le dcideur doit choisir les meilleures valeurs pour ces paramtres en fonction de lobjectif prvu de la production et aussi des informations courantes du systme rel. Les informations rcupres la sortie du processus oprationnel sont prises en compte comme donnes de contrle de la fonction de pilotage. Cet change dinformations en cours de production permet de prendre des dcisions bases sur les donnes relles et davoir un pilotage en temps rel.
Figure III.5 : relation entre le processus de pilotage atelier en temps rel et le processus oprationnel et support de la simulation en ligne
88
III.3.1. change de donnes entre les processus de pilotage et oprationnel Afin de contrler en temps rel les activits oprationnelles dun atelier de production, il est ncessaire de dfinir les valeurs des variables de pilotage qui doivent tre appliques au fonctionnement du systme rel chaque instant. Les variables de pilotage correspondent aux consignes et aux actions appliquer au processus oprationnel chaque instant pendant la production. Les valeurs de ces variables sont le rsultat de la logique de dcision situe au niveau du processus de pilotage. Dans un pilotage en temps rel, le retour dinformations tout instant (ti) provenant du processus oprationnel influence la prise de dcision pour dterminer les valeurs des variables de pilotage. Ces donnes de terrain garantissent que les dcisions seront en rapport avec les activits oprationnelles. Nous distinguons trois types de donnes de terrain permettant de connatre ltat courant des quipements, dobtenir des indicateurs instantans ou statistiques et de contrler les valeurs des paramtres ajustables. Ltat courant un instant (ti) correspond ltat dans lequel se trouve un quipement rel suite un vnement. Par exemple, linstant (t1), une machine qui, aprs avoir t disponible, reoit une pice traiter (vnement), passe de ltat disponible ltat occup. Une machine peut bien sr prendre dautres tats : bloque, en panne, en rparation, en rglage, en attente, etc. Les indicateurs instantans et statistiques nous permettent dobserver la performance du processus oprationnel et didentifier les lments du systme pouvant tre amliors. Parmi les indicateurs possibles, on peut citer par exemple, le taux d'occupation ou de disponibilit dune machine, le nombre d'oprations effectues, la liste des articles passs sur une machine, lidentification de larticle en cours de traitement dans une machine, la dure opratoire de chaque article, le temps moyen d'opration, la date de disponibilit, la date de dbut et de fin dopration, la variation de la productivit, etc. Les paramtres ajustables sont slectionns par le dcideur parmi lensemble des variables de pilotage. En effet, les variables de pilotage peuvent tre dcomposes en deux groupes complmentaires : le premier groupe comporte les variables ayant des valeurs constantes durant la production et le deuxime groupe comporte les variables ayant des valeurs ajustables. Afin de distinguer les deux groupes sans ambigut, nous dsignerons les variables du second groupe par paramtres ajustables. La rpartition de chaque variable dans lun de ces deux groupes est au choix du dcideur pour chaque lancement de la production. En ce qui concerne les paramtres ajustables, une valeur initiale est envisage au dmarrage de chaque production, mais cette valeur peut tre corrige au cours de la production par le dcideur en fonction de ltat courant du processus. La Figure III.6 illustre lchange des diffrents types de donnes entre les deux processus oprationnels et de pilotage en temps rel.
89
Figure III.6 : change des donnes en temps rel entre le processus oprationnel et le processus de pilotage
Pour illustrer en pratique lchange de donnes entre le processus de pilotage et le processus oprationnel, nous proposons de nous appuyer dabord sur un exemple simple, celui dune machine dans un atelier de production. La Figure III.7 met en vidence, sous la forme combine dun chronogramme et dun diagramme dtat, les trois types de donnes prsents prcdemment. Lobtention de ces informations peut tre priodique suivant, par exemple, des intervalles de temps gaux comme linstant (t1+t) dans le chronogramme de la Figure III.7 ou bien vnementiel linstant (t 6) suite une panne sur la machine. linstant (t1 + t), ces trois types de donnes informent sur : (1) ltat courant de la machine (occup), (2) les indicateurs instantans et statistiques : le temps de cycle courant, le temps de cycle moyen, la liste des articles en cours de traitement, (3) les paramtres ajustables : la dure de lopration prdfinie pour cette machine, sachant que la valeur de ce paramtre peut tre ajuste en fonction du rsultat de lopration courante. De la mme faon, suite lvnement (panne) qui se produit linstant (t6), les trois types dinformations doivent tre disponibles et actualiss avec les valeurs courantes.
Figure III.7 : obtention de trois types de donnes pour prsenter limage actuelle de la production sur une demande priodique ou vnementielle
Considrons maintenant un exemple un peu plus complet. Prenons un atelier de production avec trois quipements de base : un stock, un convoyeur, une machine devant produire deux pices A et B (voir Figure III.8). Nous allons maintenant montrer la ncessit de disposer dinformations compltes provenant de tous les quipements aprs larrive dun vnement critique.
90
Figure III.8 : modle datelier simple de production
Diffrents changements dtat sont possibles pour chaque quipement de ce processus correspondant des vnements normaux tels que lentre ou la sortie dune pice. La Figure III.9 fait apparatre des diagrammes de changement dtat pour les trois quipements de cet atelier. Le premier vnement correspond larrive de deux pices dans le stock au moment (t0). Un autre vnement correspond la sortie de la premire pice du stock (e2) ou la mise en route du convoyeur (e3) linstant (t1). La production continue en fonction des paramtres dtermins et on peut dcrire les changements dtat associs aux trois types dinformations comments dans lexemple prcdent sur tous les quipements et chaque instant donn. On doit galement prendre en compte des vnements imprvus ou des phnomnes alatoires, comme par exemple larrive dune panne sur la machine qui correspond lvnement (e8) avant la fin prvue de son opration. Lapparition de ce changement dtat survient au moment (t4) qui correspond ltat vide du stock et ltat en fonction du convoyeur. Le convoyeur, aprs avoir fini son temps de cycle prvu, se trouve en tat bloqu. Cela peut avoir des consquences majeures sur le systme et finalement avoir un impact sur lobjectif planifi de la production. Pour rduire ou viter les carts par rapport lobjectif, il peut donc tre fort utile de connatre le comportement du systme suite larrive dun vnement imprvu. Pour ce faire, il est indispensable de disposer dinformations compltes provenant du terrain afin de connatre ltat courant du processus oprationnel. Cet tat courant conditionne en effet les rsultats fournis par une projection dans le futur. Si lon ne connat pas prcisment ltat courant du processus oprationnel, il est illusoire de se projeter dans le futur, quel que soit le moyen.
Figure III.9 : besoin dinformations compltes de tous les quipements aprs larrive dune panne machine (t4)
91
III.3.2. Analyse de la fonction principale niveau [A-0] du processus de pilotage en temps rel Dans ce chapitre, il sagit de proposer une modlisation du processus de pilotage en temps rel laide dun outil de simulation en ligne. Le processus oprationnel ne sera pas plus dtaill que ce qui a t fait sur la cartographie gnrale des processus de la Figure III.5. Lobjectif principal est de pouvoir dfinir et spcifier les principales fonctions du processus. La simulation de flux en ligne tant loutil choisi pour supporter tout ou partie de ces fonctions, nous dtaillerons aussi les possibilits offertes par cet outil, que ce soit pour observer en temps rel, pour se projeter dans le futur ou pour corriger les variables de pilotage.
Figure III.10 : fonction principale [Piloter un atelier en temps rel]
Comme cela a t mentionn prcdemment et comme le montre la Figure III.10, le dcideur est aussi une ressource pour la ralisation de cette fonction de pilotage. Il a la responsabilit de ragir au moment de lapparition dvnements critiques dans la production et doit tre en mesure de prendre une bonne dcision, dans un temps souvent trs limit et sans tre certain que cette dcision soit la meilleure. Nous qualifions dvnements critiques tous les vnements inattendus pouvant avoir un impact sur les objectifs de production. En cas dapparition dun vnement critique, loutil de simulation en ligne peut aider le dcideur prendre une dcision suivant un processus en trois tapes. Pendant la premire tape, qui sexcute jusqu lapparition de lvnement, la simulation en ligne peut tre utilise sous la forme dune simulation en temps rel afin davoir une image complte et fidle du comportement du processus oprationnel. Elle permet donc dobserver le systme rel au travers du modle plutt que le systme rel directement. Pour la deuxime tape, la simulation en ligne est utilise sous la forme dune simulation de projection (en acclrant le temps) pour mesurer les consquences des vnements en se projetant dans le futur. Enfin, pour la dernire tape du processus de dcision, la simulation en ligne peut aider le dcideur choisir une solution adapte au systme rel en tant utilise sous la forme dune simulation de correction.
92
La Figure III.11 reprsente le niveau [A0] de modlisation du processus de pilotage avec le formalisme IDEF0 ou SADT. La fonction principale du niveau [A-0] se dcompose en trois fonctions de niveau A0 : la fonction [Observer], la fonction [se Projeter], la fonction [Dcider].
Figure III.11 : modlisation niveau [A0] du processus de pilotage
Par la suite, chaque fonction est dcrite en dtail ainsi que lutilisation de la simulation en ligne comme support pour chacune de ces fonctions. III.3.3. Fonction [A1] - Observer le processus oprationnel en utilisant une simulation en temps rel Pour cette fonction, nous nous plaons dans la phase dexploitation dun systme de production. La fonction [Observer] a pour objectif de rassembler les informations dtat et de fonctionnement du systme rel chaque instant de la production. Elle permet donc de connatre la situation courante et dtre inform de lapparition dun vnement imprvu. Par exemple, un instant donn, il est important de connatre le niveau et le positionnement des encours dans le flux, ltat des ressources, etc. Pour supporter cette fonction, loutil le plus gnralement utilis est la supervision ou, de faon encore plus perfectionne, le MES (voir la partie II). Dans ce travail, nous proposons dutiliser la simulation de flux en temps rel, comme cela a t initi par [Cardin, 2007]. Dans sa thse, partir dun principe nonc par [Straburger et al., 2005], il propose lutilisation dun simulateur en temps rel appel observateur, sexcutant en parallle du systme rel. Lun des points forts de son travail est quil dmontre, grce un systme exprimental en grandeur relle, lintrt de relier un simulateur un processus oprationnel.
93
Avec lutilisation de la simulation de flux en temps rel pour observer le processus oprationnel, le comportement dynamique du modle de simulation doit tre le plus proche possible du comportement du processus rel. Pour y parvenir, il est indispensable de connatre ltat courant du processus rel. Le modle de simulation doit utiliser des donnes relles provenant du terrain. Il est tout dabord ncessaire de dterminer les donnes utiles et de sassurer de leur disponibilit, puis de les collecter partir des quipements rels et enfin de garantir la qualit et lexactitude de ces donnes. III.3.3.1. Caractrisation des donnes ncessaires III.3.3.1.1. Disponibilit des donnes Gnralement, les donnes utilisables pour le modle ont deux caractristiques : disponibilit et qualit [Fowler et al., 2004]. La disponibilit des donnes prcise si toutes les donnes du systme physique peuvent tre dtermines ou mesures. On peut garantir que les informations sont compltes pour une utilisation quand toutes les donnes ncessaires sont disponibles par acquisition ou calcul partir des donnes existantes. III.3.3.1.2. Acquisition de donnes Le systme dacquisition de donnes doit permettre daccder aux diffrentes donnes provenant du terrain et plus particulirement de chacun des quipements. On distingue trois mthodes gnrales pour acqurir les donnes : Les donnes peuvent tre obtenues manuellement en utilisant les ressources humaines intervenant dans le processus oprationnel. Par exemple, on demande un oprateur de saisir dans une application informatique le nombre des pices ralises sur une machine aprs les avoir comptes. Cette premire mthode nest, bien sr, pas la panace quand il sagit de faire du pilotage en temps rel, car le temps dacquisition peut savrer long, sans parler des risques derreur de saisie. Plutt que de les compter, loprateur peut tre inform par des capteurs installs sur le systme rel qui lui fourniront les informations saisir. Cette deuxime mthode permet de rduire le temps dacquisition, mais reste soumise aux alas de la saisie manuelle. Les donnes peuvent provenir dun systme de gestion de base de donnes (SGBD) d'un ERP ou dun MES. Le traitement statistique des valeurs ainsi archives sur des priodes plus ou moins importantes va permettre de calibrer le modle avec des paramtres mis sous forme de lois de distribution alatoires. Les donnes peuvent enfin tre acquises directement en temps rel par raccordement un automate ou un rseau dautomates disposant d'un protocole d'change de donnes comme par exemple OPC (Ole for Process Control). On obtient ainsi les valeurs instantanes. Cest cette solution qui est privilgier pour synchroniser les vnements du processus rel aux vnements du modle. III.3.3.1.3. Qualit et exactitude des donnes La qualit et lexactitude des donnes est dpendante des erreurs dacquisition et des erreurs de mesure (Figure III.12). Pour certaines applications comme la simulation de flux de trafic ou de flux des pitons, lacquisition des informations ncessaires nest pas toujours
94
correcte car les donnes sont impossibles ou difficiles collecter. Par ailleurs, elle dpend des mises jour et de la diffrence entre la date dinitialisation du modle et la date de la mesure. Pour la simulation en ligne, lidal est bien sr de disposer de donnes disponibles, compltes et de bonne qualit. Malgr cette vidence thorique, la ralit dmontre que dans la pratique, les difficults sont nombreuses. Dans la partie IV de cette thse, une application exprimentale sera prsente et les difficults lies la disponibilit et la qualit des donnes seront voques plus prcisment.
Figure III.12 : donnes utilisables dans un modle
III.3.3.1.4. Frquence de synchronisation La synchronisation des vnements dans un modle peut tre dclenche de plusieurs manires : de faon priodique, cest--dire des intervalles de temps gaux. Par exemple, on peut synchroniser et mettre jour les donnes du modle toutes les deux minutes, de faon vnementielle. Dans ce cas, le dclenchement de la synchronisation dpend de lapparition de certains changements dtat qui ne correspondent pas aux changements dtat prvus. Parmi les changements dtat, on considre en particulier ceux correspondant aux points de dtection situs sur le systme rel, modliss par des points de dcision, la demande du pilote datelier, sans que cette synchronisation soit dclenche de manire automatique. Aprs avoir apport ces prcisions sur limportance des donnes provenant du processus rel, nous proposons maintenant de dcomposer la fonction [Observer] en trois fonctions de niveau [A1] illustres par le diagramme SADT de la Figure III.13. la premire fonction [A11] a pour objectif de calibrer les paramtres du modle partir de donnes provenant du processus oprationnel, la deuxime fonction [A12] a pour objectif dinitialiser le modle de simulation avec les tats courants du processus oprationnel ; la troisime fonction [A13] a pour objectif dadapter le comportement dynamique du modle au comportement du systme rel au cours de temps.
95
Figure III.13 : modlisation niveau [A1] de la fonction [Observer]
Ces trois fonctions du niveau [A1] sont dcrites dans les chapitres suivants. III.3.3.2. Fonction [A11] - Calibrer le modle Comme son nom lindique, lobjectif de cette fonction est darriver ce que le modle de simulation soit calibr sur le processus oprationnel. Cela signifie qu partir de donnes identiques, notamment pour les valeurs de temps et de capacit lies chacun des quipements, le comportement dynamique du modle de simulation sera trs proche de celui du processus oprationnel. Les donnes peuvent avoir une valeur instantane, moyenne ou encore suivre une loi de distribution alatoire. Par exemple, pour un temps de cycle dune machine, il est possible dutiliser une valeur instantane, une valeur moyenne calcule partir de plusieurs valeurs instantanes ou bien encore utiliser une loi de distribution mathmatique. En gnral, dans un atelier de production, ces donnes dcrivent non seulement les caractristiques des ordres de fabrication, mais aussi les caractristiques des postes de travail ou des machines comme par exemple le temps de cycle moyen, le MTBF, le MTTR, le temps de rglage, etc. Les valeurs de ces donnes ncessaires pour le calibrage sont collectes soit directement sur le systme rel, en relation directe avec la commande de bas niveau (gnralement par lintermdiaire dun automate programmable ou dun rseau dautomates) ou par interrogation dune base de donnes de production, de type MES ou ERP, ventuellement en association avec un outil danalyse statistique de donnes. Il est noter que cette fonction de calibrage se fait de faon statique, cest--dire sans quil y ait de simulation proprement dite. Il ny a donc aucun article prsent dans le modle et tous les lments sont dans un tat disponible. Les donnes ncessaires au calibrage sont affectes aux diffrents lments du modle afin de garantir par la suite des simulations sappuyant sur des valeurs les plus proches possibles des donnes du processus oprationnel rel.
96
III.3.3.3. Fonction [A12] - Initialiser le modle Cette fonction est destine placer le modle de simulation dans un tat correspondant ltat du processus rel. Il sagit de lun des points les plus dlicats rsoudre. En effet, la plupart des simulateurs du commerce ne sont pas prvus pour tre utiliss en ligne et en temps rel, mais plutt hors ligne et sans synchronisation de temps avec le processus rel. En simulation hors ligne, linitialisation dun modle se fait habituellement en partant de ltat vide (pas dencours dans latelier). Ensuite, on simule une priode de monte en rgime permettant datteindre un tat stationnaire. Bien que cet tat stationnaire puisse correspondre ltat stationnaire moyen du processus rel, un instant donn, le modle a fort peu de chance de se trouver dans le mme tat que le processus rel. Pour remplir la fonction [Observer], cette approximation nest pas satisfaisante car lon souhaite quil y ait vraiment un paralllisme dvolution de ltat du modle avec ltat du processus rel. La situation initiale du modle a donc une importance considrable pour que la simulation dobservation puisse reflter une image proche de la ralit. A un instant donn, cela revient renseigner le simulateur avec des informations sur lemplacement des encours dans latelier (positionnement des pices sur les convoyeurs, les machines, dans les stocks, etc.) ainsi que sur ltat des diffrents lments du modle (tat courant et temps prvu jusquau prochain changement dtat). Cela peut se faire instantanment si lon dispose de toutes les donnes ncessaires non seulement sur la localisation des articles mais aussi sur ltat des diffrents lments. Dans ce cas, le modle est initialis partir dune photo de ltat du processus rel, qui est reproduite dans le modle de simulation. Si lon ne dispose pas de toutes les donnes ncessaires linstant demand, cela peut aussi se faire en faisant voluer lhorloge de simulation en temps rel et en introduisant, partir dvnements rels, des articles dans le modle jusqu ce que ltat du modle converge vers ltat du processus oprationnel. La priode de monte en rgime du modle correspond lvolution du modle pour atteindre ltat courant du processus oprationnel. III.3.3.4. Fonction [A13] - Adapter le modle aux vnements Aprs la ralisation des fonctions [calibrer] et [initialiser] des chapitres prcdents, le modle se trouve donc dans un tat correspondant la situation actuelle du processus rel. La simulation en temps rel peut donc tre lance en parallle du processus oprationnel avec un comportement dynamique trs proche. Mais il est possible que lavancement du modle ne soit pas identique lavancement du processus rel. Ce problme peut soit tre caus par un manque de synchronisation des vnements du modle par rapport aux vnements du systme rel, soit tre la consquence dvnements imprvus dans le systme rel. Lobjectif de la fonction [Adapter le modle aux vnements] est de maintenir de faon dynamique ltat du modle de simulation dans un tat identique au systme. Nous proposons de dcomposer cette fonction en deux fonctions de niveau infrieur : [Synchroniser] les vnements ou changements dtat du modle de simulation par rapport au systme rel, [Ajuster] les paramtres du modle dans le cas o lon constate lapparition rptitive de certains vnements non synchroniss avec le fonctionnement rel du systme, la cause pouvant provenir par exemple de la drive de certains temps de cycle du systme rel.
97
III.3.3.4.1. Synchroniser les vnements du modle Le modle doit prsenter la dynamique dun systme rel et il doit tre synchronis dans le cas o le changement dtat du modle ne correspond pas au changement dtat du systme rel. Ces changements dtats ne peuvent avoir lieu qu des instants dtermins dans le temps que lon appelle vnements [Bel et Kieffer, 2002] comme par exemple, lvnement darrive dune pice dans le systme, lvnement de dbut ou de fin dopration pour une pice sur une machine, etc. Lapparition asynchrone de ces vnements dans le systme rel et dans le modle fait apparatre des carts sur, par exemple, la position des pices dans le processus rel, ltat actuel dune machine (en panne, occupe ou libre), la longueur des files d'attente lentre ou la sortie dune machine et les articles qui la composent. ce niveau danalyse fonctionnelle, lvolution dun modle calibr (au niveau des paramtres) et initialis (au niveau de ltat) dans la partie prcdente doit tre compar avec lvolution du processus rel. Lobjectif de cette comparaison entre deux systmes, lun rel et lautre modlis, est de diffrencier les carts par rapport la dmarche prvue afin de pouvoir les synchroniser. Les carts entre les deux systmes peuvent signifier soit que (i) le modle de simulation est en retard par rapport lvolution du processus rel ou bien que (ii) lvolution du systme rel est en avance par rapport au modle. Exemple dune synchronisation : prenons lexemple du positionnement dune palette dans une chane de production. La prsence de chaque palette est dtecte par des dtecteurs installs aux points importants sur les convoyeurs, le plus souvent lentre et la sortie. Dans le modle de simulation vnements discrets, les points de dcision correspondent aux points de dtection dans le systme rel. linstant t1 durant le fonctionnement parallle de deux systmes, nous constatons par exemple un dcalage entre la dtection de la palette i lentre du convoyeur rel et le passage de cette mme palette i au point de dcision du modle. Le logigramme de la Figure III.14 dcrit la procdure que lon applique pour synchroniser le modle au systme rel dans les deux cas dvolution du processus rel, en avance ou en retard par rapport au modle. Dans cet exemple, on considre que chaque palette porte un numro i (tiquette code barre, RFID, etc.) permettant de lidentifier. A chaque dtection dune palette n i sur le point de dtection x du systme rel, la procdure est dclenche afin de corriger la position de la palette virtuelle i sur le point de dcision du modle. (I) Le cas I correspond au comportement attendu du modle. Larrive simultane de la palette i sur le point de dtection du systme rel et de la palette virtuelle i sur le point dcision du modle correspond cette situation. Pour valider cela, nous navons qu vrifier la prsence des palettes un instant prcis dans les deux systmes sur les points similaires et ensuite contrler la valeur des identifiants i affects une palette dans les deux systmes rel et modlis. Le cas II correspond un retard de la simulation par rapport au rel. Nous avons obtenu le changement dtat de la variable prsentant le passage de la palette sur le point de dtection ainsi que la valeur de lidentifiant de la palette i. A ce moment, la prsence de cette palette na pas encore t obtenue au point de dcision correspondant dans le modle. Il faut dabord trouver la position actuelle de la palette virtuelle i dans le modle et identifier le convoyeur et la position qui lui correspond. Ensuite, il faut supprimer la palette virtuelle i de cette position sur le convoyeur o elle se trouve et lintroduire sur le point de dcision du bon convoyeur condition que cette position soit disponible.
(II)
98
Dans le cas o une palette j se trouve dj sur ce point de dcision, il est ncessaire de la supprimer de ce point et dintroduire la palette i sa position. ce moment dans la production, la palette virtuelle j nexiste plus dans le modle et il suffit maintenant dattendre la dtection de la palette relle j par le dtecteur du systme rel et ensuite dintroduire une palette virtuelle j sur le point similaire dans le modle sil ny pas de prsence dune autre palette sur ce point. (III) Dans le cas III, le modle de simulation est en avance par rapport au systme rel. La palette i na toujours pas t dtecte dans le systme rel, alors que sa prsence a t valide dans le modle au point de dcision correspondant. Dans ce cas, il suffit de bloquer la palette virtuelle i du modle sur le point de dcision et dattendre davoir les conditions correspondant au cas (I) cest--dire attendre larrive dune palette relle avec lidentifiant qui lui correspond avant de la librer dans le modle.
Figure III.14 : exemple de la synchronisation sur le positionnement dune palette
99
Nous avons appliqu ce logigramme sur une ligne exprimentale proche de lexemple prcdent. Nous pouvons ainsi dmontrer en pratique que la fonction de synchronisation met jour le positionnement des palettes et la situation de tous les lments enregistrs dun processus rel. La synchronisation reste dans une boucle avec la fonction de comparaison entre les deux systmes pour pouvoir corriger successivement les carts et vnements imprvus en cours de la production. Pour synchroniser un modle de simulation vnements discrets, il est ncessaire de connatre la date de loccurrence dun vnement rel pour pouvoir la comparer la date du mme vnement sur le simulateur. III.3.3.4.2. Ajuster les paramtres Comme cela a t prsent dans le chapitre prcdent, durant lobservation du processus de production par un modle de simulation, les vnements du modle peuvent tre synchroniss avec les vnements du systme rel en cas dcart important entre les deux. Dans le cas o ces carts seraient rptitifs, il est ncessaire de disposer dune fonction pour en faire une analyse. ce stade de ladaptation du flux dynamique dun modle par rapport au rel, le dcideur doit analyser les raisons de ce dcalage et essayer de trouver lorigine et les causes relatives aux carts. Cette fonction doit tre applique simultanment avec la fonction de synchronisation permettant de connatre les causes et lorigine des carts. Ce problme peut tre la consquence dune initialisation incomplte de donnes que lon rsout avec une synchronisation, mais si cette correction devient rptitive, cela signifie que le problme de dcalage est relatif au calibrage du modle. Le dcideur doit distinguer sil sagit dun problme de paramtrage incorrect du modle quil faudra donc corriger ou sil sagit dun problme ponctuel de dcalage dun vnement. Le diagramme FAST Function Analysis System Technic de la Figure III.15 hirarchise toutes les fonctions dcoulant de la fonction Observer. La fonction de service est la fonction [Observer], qui est ralise pour rpondre au besoin du dcideur et les fonctions techniques sont les fonctions internes permettant dassurer la fonction de service.
Figure III.15 : analyse fonctionnelle interne en utilisant la mthode FAST
Les trois fonctions permettant dobserver lvolution de la production ont t dtailles prcdemment : calibrer les paramtres, initialiser les tats courants et adapter le modle aux vnements. Le logigramme de la Figure III.16 complte la description fonctionnelle prcdente en mettant en vidence les diffrentes tapes du processus dobservation de la production en temps rel.
100
Figure III.16 : le fonctionnement dans le processus [Observer]
Pour cette fonction [A1]-[Observer le processus oprationnel], nous avons fait apparatre un premier apport de la simulation en ligne pour le pilotage en temps rel. En premier lieu, elle permet de disposer dun observateur dont le comportement dynamique est trs proche du processus rel. Certains auteurs parlent aussi de visualisation en temps rel. Cela peut sapparenter limage que lon obtient par exemple avec un outil de supervision, mais qui est plus souvent destin la surveillance des automatismes qu la reprsentation du flux. Lintrt majeur de lobservateur est de disposer dun modle de simulation essentiellement destin simuler les flux, ce qui correspond au besoin du pilotage. Dans la partie suivante, nous allons tudier comment cette vision de la ralit avec un modle de simulation en temps rel peut aider le dcideur prvoir le comportement du systme dans le futur. III.3.4. Fonction [A2] - Se projeter dans le court terme en utilisant une simulation de projection Pour cette fonction, la production est toujours en phase dexcution. Durant cette phase, il est possible que des vnements imprvus ou des anomalies dans le processus rel surviennent. Les vnements imprvus peuvent tre par exemple une panne machine, lannulation dune commande ou larrive dune commande urgente, une brusque variation du temps opratoire ou de la qualit sur une machine pour la fabrication de pices identiques, etc.
101
Le dcideur a besoin de se projeter dans le court terme et de visualiser les consquences de cet vnement imprvu sur lobjectif. Nous appellerons ce processus une pr-vision, volontairement crit en deux mots. Cela doit tre ralis le plus rapidement possible afin de pouvoir prendre une dcision corrective et appliquer cette dcision dans le processus oprationnel. Lutilisation de la simulation en ligne en acclrant le temps partir dune situation relle peut aider le dcideur se projeter dans le futur proche pour vrifier si lobjectif prvu sera atteint. La fonction [se Projeter] dans le temps par la simulation va tre ralise partir dun modle qui se trouve dans un tat correspondant un tat proche du processus rel. La garantie de dmarrer une simulation de projection avec un modle dans un tat proche du processus rel est un lment dterminant sur les rsultats obtenus lissue de la priode de projection. III.3.4.1. Fonctions [A21] et [A22] - Slectionner un critre de filtrage et Classifier les vnements courants Lapparition dun vnement important comme une panne machine durant la production relle peut entraner des consquences majeures. Mais dautres vnements beaucoup moins importants nont aucune consquence et ne ncessitent donc pas de se projeter dans le futur. Dans ce chapitre, nous allons donc proposer de classifier les vnements afin de mettre en vidence ceux que lon considrera a priori comme critiques. Ce sont les vnements appartenant cette classe qui dclencheront le simulateur en temps acclr.
selon Discret ou discontinu (changement d'tat binaire) Changement d'tat Dviant (le changement d'tat est associ au franchissement d'un seuil limite) humain capacit de travail, augmentation de l'absentisme des oprateurs, changement de l'quipe d'oprateurs, grve, motivation, ... pannes machines, informatiques, problme logiciel, problme de transport et logistique, saturation des stocks, panne d'une ressource, dfaillance propre des machines de production, bris d'outils, saturation des ressources, variation de la productivit, blocage opration,... manque de pices en stock, pices rebuts, pices nonconformes, mauvaise qualit, retard des O.F., choix d'augmenter la production d'un produit spcifique, modification de l'urgence d'une opration, annulation d'une commande, relation avec fournisseurs, arrt ou interruption de la fourniture d'nrgie, commande d'un produit personalis, arrive d'une commande urgente, changement de rglementation, changement du temps de travail, intgrit du systme, objectif gnral, relation avec indicateurs de pilotage, ressouces humaines, Gravit des impacts (importance des consquences de l'vnement sur les diffrents objectif du projet Criticit frquence, gravit, probabilit d'apparition, probabilit de dtection, exemple la mise en attente d'une pice dans une file, l'occurence d'une panne, la libration d'une ressource,
Classification des vnements selon differnts critres
equipements Interne (endogne) Origine matire informations dcision
Externe (exogne)
Type d'impacts
Evaluation
Tableau III.2 : exemple dune classification des vnements selon diffrents critres
102
Le rle du dcideur est de classifier tous les vnements qui surviennent dans le processus rel afin didentifier le plus critique. Mais il existe diffrents critres pour raliser cette classification. Il est donc ncessaire que le dcideur slectionne le critre en fonction de lobjectif planifi et prvisionnel de la production courante. Le Tableau III.2 montre un exemple de classification des vnements selon diffrents critres. Comme le montre la Figure III.17, les deux premires fonctions pour la ralisation dune simulation de projection correspondent [A21]-[slectionner un critre de filtrage] et ensuite [A22]-[classifier les vnements courants]. Ces deux fonctions vont aider le dcideur raliser plus facilement la troisime fonction [A23]-[filtrer les vnements dclencheurs]. La liste des vnements dclencheurs nest pas fige pour un systme de production donn. Elle dpend du systme tudi, mais aussi des objectifs fixs, qui eux, peuvent varier. Par exemple, si nous nous focalisons sur un objectif de dlai, les vnements importants sont ceux qui peuvent entraner un retard de production comme laugmentation du temps de cycle dune machine ou larrive dune nouvelle commande. Si de plus nous avons des contraintes de qualit des pices produites, le taux de rebut ou la non qualit seront eux aussi prendre en compte. Sils deviennent plus importants que ce qui est attendu, il sera ncessaire de fabriquer plus de pices pour obtenir la quantit souhaite. Par effet induit, le temps de production sera plus long que prvu et il sera ncessaire de sassurer que ceci ne cre pas de retard.
Figure III.17 : dcomposition de la fonction [se Projeter]au niveau [A2]
III.3.4.2. Fonction [A23] Filtrer les vnements dclencheurs Tous les vnements qui se produisent sur le systme rel ne ncessitent pas le lancement d'une simulation de projection. Lapparition de certains vnements sont normaux et on sait l'avance qu'ils nentraneront pas de perturbations dans le futur. Ce type dvnement est appel dans la Figure III.8 vnement prvu. Dautres vnements similaires
103
sont dj apparus et ont dj t pris en compte cette occasion. Ce type dvnement est prsent comme vnement imprvu mais connu dans le schma. Si lon considre que ce type dvnement a une probabilit forte dapparition, il est inutile de lancer une simulation de projection si l'on est capable de retrouver le traitement qui avait t appliqu lors des dernires apparitions. Il suffit de r appliquer cette mme solution. Avant de lancer une ou plusieurs simulations, il est donc important de [filtrer] les vnements. Cette fonction est prsente comme troisime fonction au niveau A2 du schma SADT. Le filtrage des vnements peut viter de dclencher le modle en acclr partir de tous les changements dtat normaux, car tous les changements dtat nont pas forcement des impacts importants sur lobjectif. Cest le dcideur qui choisit dutiliser la simulation de projection et qui doit aussi estimer une dure approximative pour cette excution.
Figure III.18 : diffrencier les vnements survenant au cours de la production
III.3.4.3. Fonction [A24] Simuler en acclr La simulation de projection en acclrant le temps peut tre dclenche pour plusieurs raisons : pour synchroniser le modle : pour la fonction [Observer] en temps rel, nous avons expliqu la synchronisation entre les deux systmes rel et simul. La ralisation de cette fonction signifie quil y a un dcalage entre loccurrence dun vnement rel et le mme vnement en simulation. Cela peut constituer une des raisons du dclenchement de la simulation de projection en fonction de la dcision prise par le dcideur. Pour ajuster les paramtres : cette fonction est ralise dans le cas o les dcalages au niveau de lapparition dvnements entre les deux systmes deviennent rptitifs. Cela peut aussi tre une raison pour dclencher la simulation en acclr afin de prvenir la situation dans le futur avant effectuer des corrections sur les paramtres. Suite lanalyse de donnes de production archives : nous avons la possibilit de rcuprer lhistorique des donnes relles en utilisant un outil dexcution comme le MES. Lanalyse de ces donnes peut fournir une indication sur les drives de certaines variables. Si lon constate une tendance marque la drive (par exemple, le temps de cycle dune machine est en constante augmentation aprs plusieurs cycles successifs), il peut tre intressant de dclencher une simulation de projection en acclr. partir dvnements propres : lutilisation de capteurs internes au systme de production peuvent nous permettre didentifier les vnements dclencheurs propres comme le changement dtat dune machine, dun stock, etc.
104
A partir dvnements induits comme lannulation dune commande ou le lancement dune commande urgente, un problme de matires premires avec le fournisseur, etc. Aprs avoir identifi les vnements dclencheurs pour raliser la fonction [A2]-[se Projeter], ce sont les actions raliser avant le dclenchement dune simulation en acclr et la dure de ces actions respecter qui doivent tre dtailles. Le temps disponible pour raliser la fonction [A2]-[se Projeter] est gnralement trs bref car ltat de la production est toujours en changement. Cette dure dpend de la vitesse de la ralisation de plusieurs actions avant le dmarrage du simulateur que nous avons spcifies de faon temporelle dans la Figure III.19. Pour commencer, la vitesse de dtection des anomalies rsulte de la sensibilit des capteurs placs sur les points de dtection des vnements propres, de la rapidit du systme et des moyens de transfert des informations concernant lvnement critique externe au dcideur. Plus prcisment, ces vnements critiques peuvent tre signals suite une synchronisation, un ajustement des paramtres, une analyse de donnes, des vnements propres ou induits. Le dcideur est donc alert que lun des vnements critiques sest produit et que cela ncessite de diagnostiquer ce type danomalie et de prvoir ventuellement une simulation de projection. Le lancement de cette simulation est lapprciation du dcideur en fonction des objectifs atteindre. La priode de ralisation de la fonction [A2]-[se Projeter] est trs limite car cette priode peut rapidement augmenter le retard dapplication de la dcision prise dans le processus oprationnel. Pour rsoudre cette problmatique, le dcideur doit dabord dterminer les conditions darrt de la simulation (une date limite ou une situation prcise) et ensuite estimer la dure approximative de la simulation. En effet, le dcideur doit calculer et fixer une date maximale pour effectuer cette simulation en fonction de la vitesse du processus oprationnel.
Figure III.19 : les actions raliser aprs identification dvnement dclencheur et simulation de projection
Aprs avoir estim la dure consacrer pour lanalyse et la simulation, il est ncessaire didentifier ltat courant du processus rel dans le modle et de dclencher le simulateur. La dure de la simulation en acclr dpend encore de la vitesse du moteur du simulateur. La fin de la simulation doit indiquer le temps calcul par le dcideur. Ce rsultat va tre envoy dans la procdure de dcision explique dans le chapitre suivant. III.3.5. Fonction [A3] - Dcider en utilisant une simulation de correction Dans le chapitre prcdent, nous avons discut de la possibilit dapparition dvnements imprvus ou danomalies en phase dexcution dun processus rel comme une panne machine, larrive dune commande urgente, etc. Nous avons aussi expliqu que, suite une anomalie, lvolution du systme dans le futur peut tre connue grce lutilisation de
105
la simulation de projection. Dans ce chapitre, nous allons analyser la procdure de prise de dcision afin de modifier les variables de pilotage prdfinies selon les derniers changements dtat constats dans le processus rel. Nous allons aussi voir la place et laide de la simulation de projection dans la fonction [Dcider]. Daprs [Le Moigne, 1974], [Dcider] cest identifier et rsoudre les problmes que rencontre toute organisation. Dans toutes les entreprises industrielles, les dcisions prendre se hirarchisent selon un horizon correspondant leur implication dans lvolution du systme. Gnralement, ces dcisions prendre interviennent dans les diffrents niveaux : (i) Les dcisions stratgiques introduisent des orientations durables de lentreprise industrielle sur un horizon long terme. Par exemple : conception dune nouvelle ligne de production, choix des activits, des marchs, construction du systme de production, installation de nouvelles units, etc. (ii) Les dcisions tactiques sintressent la mise en uvre et ladaptation des dcisions prises au niveau stratgique sur une priode plus courte. Elles concernent particulirement la planification mensuelle des flux de produits dans la production, lapprovisionnement, stockage, distribution. (iii) Les dcisions oprationnelles sont celles qui nous intressent plus particulirement dans cette partie. Les dcisions ce niveau mettent en application le plan dactions ralis au niveau tactique. Elles contiennent les actions court terme, comme par exemple lordonnancement de la production. La procdure de prise de dcision intervient durant la production de deux faons, priodique et vnementielle. La notion daide la dcision est explique dans [Roy, 1985] comme lactivit qui, prenant appui sur des modles, aide obtenir des lments de rponse aux questions que se pose un intervenant dans un processus de dcision. Le point trs important pour laide la dcision est de prvoir le comportement du systme. Celui-ci tient compte de plusieurs facteurs. Il faut dabord prendre en compte ltat du systme au moment de la dtection dune anomalie et ensuite, il faut tudier les volutions possibles du processus examin partir de cet tat. Nous avons donc besoin dun modle dynamique du systme rel pour prvoir les consquences de diffrentes volutions avant de prendre la bonne dcision et de lappliquer sur le systme rel. Dans cette partie, nous allons donc dtailler la fonction [A3] [Dcider] afin de piloter un atelier de production en temps rel. Lentre principale de cette fonction correspond la situation du processus oprationnel (ti + t) qui rsulte de la simulation de projection vue dans la partie prcdente. La sortie principale correspond aux valeurs corriges et optimises pour les variables de pilotage prdfinies. Cette fonction contient diffrentes tapes permettant de prendre une bonne dcision en cours dexcution de la production. Nous dcomposons la fonction [A3]- [Dcider] en quatre fonctions prsentes dans la Figure III.20.
106
Figure III.20 : dcomposition de la fonction [Dcider] et support de la simulation de correction
III.3.5.1. Fonction [A31] valuer la situation (ti+t ) La premire fonction concerne une valuation de la situation du processus rel dans le futur. En effet, grce la simulation de projection, nous avons dfini cette situation (ti + t) suite une anomalie survenue dans le systme. La date et les conditions darrt de la simulation ont t dfinies prcdemment par le dcideur en fonction de lobjectif. Toutes les fonctions qui dcoulent de la fonction [A3]-[Dcider] vont tre excutes dans le cas o lon constate des changements imprvus sur lobjectif de production. Nous proposons une fonction [A31]-[valuer la situation (ti + t)] pour liminer les situations qui nont pas besoin dune correction dans les valeurs des variables de pilotage. Le rle du dcideur est ici de dfinir les conditions de lancement dune procdure de dcision et de juger si la situation obtenue exige un changement de valeurs de variables. Cela sera ralis en fonction de lobjectif prvu et des besoins de la production considre. La fonction [A31][valuer la situation (ti + t)] vite un dclenchement dune procdure de dcision aprs chaque projection dans le temps. Les situations limines aprs ralisation de cette fonction concernent les vnements inconnus du processus oprationnel qui nont pas dimpact dans lavenir du systme. En effet, la fonction [A31]-[valuer la situation (ti + t)] sapplique comme deuxime filtrage de la fonction principale [A0]-[piloter un atelier en temps rel]. Ces filtrages aident le dcideur rduire la dure des procdures de projection, de dcision et de correction du pilotage. III.3.5.2. Fonction [A32] Rechercher des solutions Dans la pratique de latelier de production et du point de vue industriel, les exigences pour prendre une bonne dcision correspondent la demande finale de la production et la situation actuelle de l'atelier de production. Le dcideur doit modifier les valeurs des variables
107
de dcision en fonction de lcart calcul dans la partie prcdente. Cela correspond utiliser une dmarche pour tester ses ides, pour essayer de connatre leurs consquences sur l'objectif et pour trouver de nouvelles ides pour l'implmentation sur le terrain. En cas dapparition ordinaire dvnements connus, il peut sappuyer sur son exprience et appliquer une solution dj prouve. Mais dans un systme de production complexe, les difficults pour une prise de dcision efficace peuvent devenir trs importantes du fait de lapparition de certains vnements non prvisibles. Deux des difficults majeures concernent dabord la grande quantit d'informations quil faut prendre en compte au moment de la dcision et ensuite le dlai trs court respecter pour choisir la bonne dcision adapte au systme. De ce fait, le dcideur doit tre aid de manire exacte et rapide grce une approche beaucoup plus prcise et scientifique que celle base uniquement sur son exprience. Pour cela, plusieurs alternatives (ou volutions) doivent pouvoir tre values afin de connatre rapidement et prcisment leur impact sur l'objectif de production. III.3.5.3. Fonction [A33] valuer les solutions Puisque nous sommes en phase dexcution de la production, la procdure de dcision suite une anomalie dans le systme doit garantir la qualit de la dcision afin davoir des rsultats plus fidles. Par ailleurs, la procdure de prise de dcision doit tre excute en un temps raisonnable. Pour raliser cette procdure, nous proposons lutilisation dun modle de simulation de correction. En effet, le modle de simulation dun systme a dj t utilis dans la phase dexcution de la production. Il permet dune part, de rendre compte de toutes les observations faites et, dautre part, de prvoir la future situation du systme suite une anomalie survenue. Lutilisation de la simulation en mode acclr permet de prvoir le comportement du systme considr dans les conditions plus varies que celles ayant donn naissance aux observations. En effet, ces conditions doivent tre dfinies partir des diffrentes stratgies appliques par le dcideur. Aprs application de chaque stratgie propose, nous effectuons une simulation en acclr, toujours en respectant le dlai prdfini par le dcideur. Nous remarquons que le point de dmarrage de cette simulation ne concerne plus ltat obtenu dans la procdure de projection (ti + t) et correspond ltat actuel obtenu partir de la procdure dobservation (ti). Comme nous lavons montr dans le schma prcdent, lobtention de ltat (ti + t) dans la procdure de dcision na servi quau diagnostic du lancement de la simulation de correction. Un lment important pour le lancement de cette simulation de correction est de connatre les informations dfinissant la situation actuelle du systme rel (ti). Cette situation sobtient partir de la fonction [A1]-[Observer] comme nous lavons prsent dans la figure ci-dessus. A partir de ltat linstant (ti), la fin de cette simulation est le rsultat du nouveau scnario retenu et indique la situation dans le futur (ti + t) en se basant sur une nouvelle condition. Les mcanismes de prise de dcision doivent permettre davoir une grande ractivit du systme physique. Il est donc souhaitable de pouvoir excuter plusieurs simulations en peu de temps. La dure pour raliser la procdure de prise de dcision doit respecter le dlai fix par le dcideur. Il s'agit de pouvoir lancer et obtenir les rsultats pour au moins une simulation entre l'apparition de deux vnements sur le systme rel. Si la premire simulation met en
108
vidence une drive du systme rel par rapport son objectif, il faut donc prvoir de lancer plusieurs simulations afin de dterminer les valeurs des variables de dcision corriger. Pour rduire la dure de cette procdure, on peut envisager une paralllisation des simulations plutt que des lancements squentiels. III.3.5.4. Fonction [A34] Valider une solution adapte Aprs chaque lancement de la simulation de correction, nous avons appliqu la fonction de validation sur ce rsultat par rapport lobjectif. Dans le cas o le rsultat est non adapt notre systme rel, la procdure pour lapplication dune nouvelle stratgie sera rapplique jusqu lobtention dune solution correcte. Les variables de pilotage corriges peuvent donc tre maintenant implmentes dans le processus oprationnel.
III.4. Chronogramme dutilisation de la simulation en ligne pour le pilotage en temps rel

III.4.1. Processus gnral de pilotage laide de la simulation en ligne Le processus de pilotage en temps rel laide de la simulation en ligne intgre la fois des fonctions destines observer le comportement du processus oprationnel, dautres fonctions destines se projeter dans le futur proche pour valuer lvolution du systme suite un vnement imprvu ou un dysfonctionnement, et enfin, des fonctions pour aider la prise de dcision afin de choisir la meilleure solution corrective. Nous avons prsent prcdemment le processus correspondant la fonction Observer. Dans la Figure III.21, nous illustrons de faon squentielle et logique lensemble des fonctions du processus gnral et les relations quil peut y avoir entre elles pour piloter latelier. La premire relation correspond au dclenchement des fonctions destines se projeter dans le futur proche partir dun cart constat dans les fonctions destines observer le comportement du processus oprationnel. Un filtrage est appliqu pour viter de dclencher la simulation de projection pour nimporte quel cart. Le dclenchement des fonctions pour aider la prise de dcision sera ralis suite une valuation sur la future situation du systme (ti + t). Si lcart par rapport lobjectif dpasse les limites fixes par le dcideur, des fonctions destines optimiser les variables de pilotage sont lances. chaque itration, la simulation permet de vrifier si lcart est minimis par rapport lobjectif. Cette boucle (optimisation/simulation) peut tre rpte jusqu lobtention dun cart le plus faible possible. Les variables de pilotage peuvent alors tre corriges sur le systme rel.
109
Figure III.21 : le processus de pilotage datelier en temps rel avec les trois principales fonctions remplies par la simulation en ligne
110
III.4.2. Comparaison entre diffrentes stratgies dutilisation de la simulation en ligne Nous avons propos une modlisation du processus de pilotage en temps rel sur un systme de production en cours de fonctionnement. Cette modlisation sapplique sur un intervalle de temps qui commence la dtection dun vnement critique sur le terrain jusqu la correction dans le systme rel des nouvelles valeurs des variables de pilotage. Dans ce chapitre, nous proposons dtudier la chronologie des vnements du processus de pilotage propres cette priode et de comparer diffrentes stratgies possibles dutilisation de la simulation en ligne. III.4.2.1. Stratgie dutilisation de deux modles de simulation et dinitialisation sur un tat unique Lutilisation dune simulation en temps rel appele systme de visualisation par [Straburger et al., 2005] permet davoir un modle dont lvolution est ralise en parallle avec le systme rel. Le principal intrt est de pouvoir visualiser ou observer sur le simulateur ltat du systme rel tout instant de la production. Dans le mme cadre dutilisation, [Cardin, 2006] appelle Observateur un simulateur dont lvolution est parallle au systme rel. Il utilise cet observateur pour initialiser un simulateur proactif dans ltat actuel du systme rel. La plupart des informations destines linitialisation du simulateur proactif pourraient tre directement obtenues partir des outils destins la surveillance ou la supervision, mais certaines ne sont pas disponibles. Par exemple, il est rarement possible de connatre en continu la position des articles dans le systme rel, car seuls quelques points de passage sont instruments par des dtecteurs. Lobservateur est donc utilis pour mettre disposition du simulateur proactif lensemble des donnes dinitialisation. Le chronogramme dtaill de la Figure III.22 illustre lenchanement dvnements internes au processus de pilotage aprs lapparition dun vnement externe critique. Selon [Cardin, 2007], lobservateur volue grce une horloge en temps rel synchronise avec lavancement du temps universel. Nous pouvons donc observer lapparition de tous les vnements dtects du systme rel sur laxe observateur de la figure grce son lien direct avec le systme rel.
Figure III.22 : chronogramme de lutilisation conjointe dun observateur et dun simulateur proactif selon lapplication de [Cardin, 2007]- stratgie dinitialisation sur un tat unique
111
A linstant (t3), plusieurs simulations successives peuvent tre lances en acclr avec le simulateur proactif pour analyser, aprs une dure (tn)-(t 3), les consquences de cet vnement dans le futur, linstant rel (tn). La premire simulation lance en mode proactif montre lvolution des vnements dans le futur mais sans correction. Le point de dpart de cette simulation doit correspondre ltat du systme rel la date de dtection (t3) de lvnement (e3). Dans ce cas, le simulateur proactif peut donc tre initialis avec les donnes provenant de lobservateur. Le point darrt ou la condition darrt de cette simulation est estim en respectant le comportement du systme rel et la dure de prise de dcision. Cette condition darrt peut correspondre une date (tn) ou bien un objectif de production. Supposons que la dure dune simulation proactive est gale (t4-t3) en temps acclr et correspond lquivalent de (tn)-(t3) en temps rel. Dans ce cas, la situation de la production linstant (tn) dans le futur sera obtenue linstant (t4) dans le temps rel. On appelle (tn) dans le schma pour diffrencier une situation virtuelle de linstant (tn) qui correspond (t4) dans le temps rel. Les simulations successives la suite dune premire simulation proactive prsentent la future situation du systme, mais cette fois avec lapplication de corrections. Les points de dpart de ces simulations sont aussi initialiss au mme point de dpart (t3) que lors de la premire simulation proactive, sachant que le systme rel a probablement volu. Dans le cas o nous avons besoin de nombreuses exprimentations pour trouver une meilleure solution de correction, il est possible que lcart soit de plus en plus grand entre ltat pris en compte (t3) pour initialiser le simulateur proactif et ltat actuel rel, par exemple (t6). Si le comportement dynamique du simulateur proactif nest pas proche du comportement dynamique du systme rel, ceci peut entraner des rsultats de la simulation proactive loigns de la ralit venir. Les analyses des rsultats et la dcision en consquence seront inexactes, car cette dcision est base sur un tat obtenu au moment de lapparition dun vnement (t3), qui ne correspond plus ltat actuel rel (t6). III.4.2.2. Stratgie dutilisation de deux modles de simulation et dinitialisation sur des tats successifs Dans les travaux prcdents, nous avons parl de lutilisation de deux types de simulation pour le pilotage. Nous montrons dans la Figure III.23 que le premier type concerne lutilisation de la simulation en temps rel et que le deuxime type correspond une utilisation de la simulation en acclr. La simulation en mode acclr est utilise tout dabord comme une simulation de projection pour mesurer les impacts dun vnement critique dans le futur, puis comme une simulation de correction pour mesurer les consquences des corrections proposes. Grce lutilisation conjointe des deux simulateurs, le problme dcrit prcdemment au sujet de linitialisation du modle de simulation proactif peut trouver une solution en se basant sur les donnes exactes dfinissant le vrai tat actuel. Ces donnes peuvent tre obtenues partir du modle de simulation en temps rel en rafrachissant le modle de simulation de correction avec les donnes courantes dans le systme rel tout instant (t4), (t5) ou (t6), etc.
112
Figure III.23 : chronogramme dutilisation de deux modles de simulation-stratgie dinitialisation sur des tats successifs
Linconvnient de cette solution est quil faut initialiser le modle de simulation pour chaque dclenchement de la simulation de correction partir dun nouvel tat du modle de simulation temps rel, ce qui peut prendre plus de temps. Lavantage est davoir des rsultats plus prcis, ce qui peut augmenter la qualit de la dcision sur les valeurs des variables de dcision. La stratgie choisie sera fonction de la prcision souhaite, du temps de ralisation dune simulation en acclr, de la frquence des vnements, du temps dacquisition des donnes, du temps de prise de dcision, etc. III.4.2.3. Stratgie dutilisation dun seul modle de simulation et dinitialisation sur un tat unique Nous proposons par la suite, une stratgie avec un seul modle de simulation, utilis la fois pour visualiser le comportement du systme en utilisant une horloge en temps rel et aussi pour se projeter et dcider en utilisant une horloge en temps acclr. Cette stratgie avec un seul modle est dtaille dans la Figure III.24. En supposant quun vnement critique (e3) est dtect linstant (t3) sur le systme rel, la simulation est dclenche en acclr pour mesurer les impacts. Le dcideur a prcis jusqu quel temps pouvait se drouler cette simulation (temps darrt). Le modle de simulation en temps rel a suivi lvolution du systme rel jusqu cet instant (t3).
113
Figure III.24 : chronogramme dutilisation dun seul modle de simulation en mode temps rel et en mode acclr pour la projection et la correction-stratgie dinitialisation sur un tat unique
Dans la phase de simulation de projection, le modle, lanc en acclr, va reproduire lvolution des vnements suivants dans le systme jusquau temps darrt. Lintrt dutiliser le mme modle que pour la simulation en temps rel est dliminer le temps dacquisition des donnes provenant du terrain. A linstant o lon dclenche la simulation de projection, le modle est initialis dans un tat proche du systme rel. Lutilisation dun deuxime simulateur obligerait aussi initialiser le modle. Avec cette stratgie un seul modle, ltat initial de la simulation de correction est connu automatiquement grce ltat de la simulation en temps rel au moment de lapparition de lvnement. Cette simulation de projection appele (Sp) sur le schma permet de montrer limpact sur lobjectif, suite lvnement critique dtect. Dans la phase de correction, des simulations appels (Sc1), (Sc2), (Sc3) peuvent tre appliques si le rsultat de la simulation de projection prsente un cart jug trop important par rapport lobjectif. Dans ce cas, chaque simulation de correction permet dvaluer des solutions avec de nouvelles valeurs des variables de pilotage. Plusieurs simulations de correction peuvent tre rptes avec, pour chacune delles, une modification des valeurs des variables de pilotage, jusqu ce que lobjectif soit atteint. Dans ce travail, nous ne dtaillons pas les techniques permettant de gnrer les solutions des variables de pilotage, mais celles-ci peuvent tre obtenues soit partir dalgorithmes soit partir de rgles prtablies ou dune base de connaissance. Chaque simulation de correction est dclenche partir dun tat initial pris en compte (t3). linstant (t7), correspondant la fin des simulations de correction, les nouvelles valeurs des variables de pilotage sont appliques sur le systme rel.
114
Nous pouvons donc conclure que lintrt dune telle stratgie un seul modle de simulation et dinitialisation sur un tat unique est : (i) de simplifier le processus de pilotage en utilisant un seul outil de simulation. Ce modle permet de visualiser la dynamique du processus rel, de mesurer les impacts dun vnement dans le futur et daider la procdure de prise de dcision en valuant les diffrentes solutions de correction, de ne pas avoir besoin dinitialiser un autre modle de simulation de projection, puisquil suffit dacclrer lhorloge du simulateur partir de linstant (t3), dacqurir les donnes une seule fois pour initialiser chaque simulation, ce qui peut savrer intressant quand les contraintes de temps sont importantes dans le processus de pilotage en temps rel, notamment avec un objectif bas sur le dlai.
(ii) (iii)
Lutilisation dune telle stratgie prsente cependant des inconvnients : (i) les simulations de correction successives lances jusqu trouver le meilleur scnario (Sc3) linstant (t7) sont toujours initialises sur ltat pris en compte (t3). Si ces simulations de correction sont nombreuses et de dure cumule importante, il est possible de constater des changements majeurs entre ltat pris en compte (t3) et le vrai tat actuel (t7), un autre inconvnient est de perdre la fonction [observer] de la simulation en temps rel pendant les phases de projection et de correction. A lissue de la correction des variables de pilotage, il est donc ncessaire de reprendre la simulation en temps rel. Ce problme est prsent dans le chapitre suivant. III.4.2.4. Problme de reprise de la simulation en temps rel Supposons que la dernire simulation de correction indique (Sc3) dans la Figure III.25 corresponde la meilleure solution choisie parmi lensemble des scnarios proposs. Une fois que les valeurs des variables de pilotage values dans (Sc3) ont t implmentes dans le systme rel, il faut reprendre le processus de simulation en temps rel. Nous proposons une stratgie pour rsoudre le problme de reprise de simulation en temps rel afin dattendre lapparition dun autre vnement critique dans le processus oprationnel rel et de reboucler ventuellement toutes les tapes prcdentes. La fin de la simulation de correction (Sc3) correspond linstant (t7) dans le temps rel. Nous avons donc besoin de connatre ltat du processus rel cet instant (et7) et dinitialiser notre modle de simulation unique dans cet tat. Lvolution de ltat du processus rel, depuis larrive dun vnement critique linstant (t3) jusqu la modification de certaines valeurs des variables de pilotage linstant (t7) est pris en compte dans chaque simulation de correction en acclr. En effet, durant chaque simulation de correction, tous les vnements vont se produire mais dans un temps rduit par rapport au temps rel. Les instants (t4), (t5), (tn) dans la ralit correspondent aux points indiqus (t4), (t5), (tn) dans les simulations de correction successives.
(ii)
115
Figure III.25 : chronogramme prsentant le problme de reprise de la simulation en temps rel suite lapplication de la stratgie dutilisation dun seul modle de simulation
Ltat virtuel du processus rel linstant (t7) a t vu par la dernire simulation de correction (Sc3) grce son horloge de temps acclr, mais cet tat na pas t enregistr. Une fois que lon connat la date de fin de la dernire simulation de correction, il est donc ncessaire de relancer une simulation avec les mmes valeurs des variables de pilotage et de larrter linstant (t7) qui doit correspondre ltat rel (t7). La simulation temps rel reprend donc partir de cet instant. Cependant, un risque existe que le systme rel nait pas conserv un comportement proche du modle de simulation entre lapparition de lvnement critique et lapplication des valeurs corriges des variables de pilotage. Dans ce cas, ltat virtuel initial de reprise de la simulation en temps rel peut tre diffrent de ltat rel. Il faut alors avoir recours la fonction [Adapter], qui a t prsente dans le chapitre III.2.1.3.
III.5. Couplage entre Simulation et MES pour laide la dcision dans le pilotage
Nous avons tudi diffrentes applications de la simulation en ligne en phase dexploitation dune production et nous avons aussi propos une modlisation du processus de pilotage avec diffrents modes dutilisation de la simulation en ligne dans les diffrentes tapes du pilotage. Dans cette partie, nous prsentons une structure de pilotage en temps rel dun systme de production bas sur le couplage entre un outil de simulation en ligne vnements discrets et un systme dexcution de la fabrication MES. Comme nous lavons expliqu dans la partie II de cette thse, le MES a pour objectif dexcuter les commandes sur le processus oprationnel. Il utilise une base de donnes et il comporte notamment une fonction permettant lacquisition des donnes de terrain. Prsent
116
comme un outil de pilotage, le MES ne dispose pas de fonction de simulation destines laide la dcision. Si les informations fournies par le MES permettent au dcideur de constater en temps rel lapparition dvnements critiques et donc de prendre des dcisions de correction, aucune fonction ne permet de vrifier la pertinence de la dcision retenue. Comme cela a t montr dans les chapitres prcdents, la simulation en phase dexcution de la production permet dvaluer diffrentes dcisions possibles en ralisant plusieurs scnarios de la simulation avant dagir sur le systme de production rel. Nous proposons donc de coupler ces deux outils en ajoutant au MES une nouvelle fonction de simulation pour laide la dcision dans le processus de pilotage. Dans la Figure III.26, nous montrons lutilisation des deux outils.
Figure III.26 : couplage entre MES et simulation en ligne
III.5.1. tat de lart de la simulation couple lexcution pour le pilotage datelier Dans les diffrents travaux de couplage pour le pilotage, les auteurs prsentent plusieurs solutions de systmes composs doutils de simulation, de supervision, dexcution de la production, de systmes dacquisition des donnes, de bases de donnes, dmulateur du systme physique, etc. Ils montrent les principes et les difficults de mise en uvre dun tel systme et lintrt davoir un lien direct entre modle et processus rel de production. La mthode ETS Event-Time Synchronization est prsente par [Manivannan et Banks, 1991] pour rsoudre les problmes de pilotage en ligne. Cette mthode permet davoir un modle de simulation avec le mme comportement et la mme complexit que le systme rel pour permettre le pilotage en ligne face aux vnements. Elle synchronise les vnements et ajuste leur temps associ entre le modle et latelier. La connexion dun systme dacquisition de donnes avec un mulateur permet de collecter ltat et la performance mesure de systme mul. Cependant, cette application ne montre pas les relations entre les diffrents types dvnements sur les entits, ressources et activits. [Tayanithi et al., 1992] proposent une nouvelle architecture appele KBOLS Knowledge Based On Line Simulation ou simulation en ligne base de connaissances afin dobtenir une meilleure productivit et de minimiser les interruptions. Ce travail prend en compte seulement deux types d'interruptions : les pannes machine et les commandes urgentes ; il ne considre pas les vnements critiques avant l'arrive des perturbations. Tout d'abord, la simulation en ligne est utilise avec les donnes courantes pour analyser les effets des interruptions. Ensuite, une base de connaissances est utilise pour le traitement des interruptions. Pour finir, un mulateur du systme physique permet de vrifier les rsultats avant l'application sur le systme rel. La principale difficult est le temps de rponse entre la modification de la dcision du pilotage et lexcution du pilotage actuel. Cet article est lun des papiers les plus complets sur la simulation en ligne. Pourtant, les auteurs nexpliquent pas en dtail le
117
problme de linitialisation de lmulateur et la faon dont ils injectent les donnes relles dans le simulateur. [Katz et al., 1993] dmontrent l'avantage dun pilotage vnementiel via la simulation par rapport un pilotage priodique, notamment face aux changements d'ordonnancement (reordonnancement) causs par des interruptions telles que des ordres urgents et des carts dans le plan de production. [Drake et Smith, 1996] se focalisent sur le pilotage et lanalyse de scnario court terme. Pour cela, ils insistent galement sur les difficults de mise en place de la simulation en ligne. Pour les auteurs, les systmes de simulation en ligne incorporeront terme deux puissantes caractristiques : (i) la capacit prvoir correctement le comportement futur de latelier compte tenu de son tat actuel, (ii) la capacit dmuler et/ou supplanter la logique de commande dun systme manufacturier. Ces deux capacits offrent des avantages potentiels une varit d'utilisateurs dans une organisation de fabrication. La Figure III.27 montre un systme de simulation en ligne intgr avec plusieurs services fonctionnels. Les auteurs donnent un schma gnral de mise en place de cette simulation vis--vis des autres systmes de lentreprise et il donne un exemple dapplication de ce schma laide du langage de simulation SIMAN.
Figure III.27 : un systme de simulation en ligne pour la planification, l'ordonnancement et le suivi [Drake et Smith, 1996]
[Smith et al., 1996] ont dvelopp une application de pilotage base sur la simulation pour envisager la date de traitement dun plan et obtenir le produit fini. Pour avoir des rsultats fiables, ils indiquent les changes et les frquences dchange des donnes entre le modle de simulation et le systme rel. Le modle doit bien sr tre proche de la ralit. Pour mieux prendre en compte ltat courant du systme dans la simulation, ils utilisent les donnes rcoltes et ils calculent le temps doccupation de chaque poste de travail pour linjecter dans chaque nouvelle simulation. Lutilisation de la simulation pour aider au pilotage reste souvent difficile mettre en place cause de la difficult de collecter les donnes du terrain dune manire cohrente et automatique. Il est difficile de garder un modle et ses donnes suffisamment proches de la ralit pour que les rsultats soient exploitables. De plus, les logiciels de simulation ne facilitent pas toujours la prise en compte de donnes relles. La simulation en ligne prsente donc deux problmes qui sont, tout dabord, la collecte efficace et automatique des donnes du terrain et ensuite, leur intgration dans le modle de simulation. Lauteur [Davis, 1999]
118
prdit quune des directions futures dvolution de la simulation sera la simulation base sur les technologies web. Ces simulations permettront tous les acteurs dinteragir sur un modle travers une simple interface, programme par exemple en Java. Il expose quil nexiste pas de procdures exactes qui permettent aux utilisateurs de sinterfacer efficacement avec les donnes temps rel. La simulation est un outil utilis dans le monde industriel dans les phases qui concernent la conception ou le dimensionnement des systmes de production ou bien comme un outil daide la dcision. [Varady, 1999] utilise une simulation qui permet une modlisation fidle de loutil de production et qui prend en compte la dynamique de systme rel. Elle peut donc apporter un rel avantage pour aider un pilotage efficace et pour une optimisation des performances. Le pilotage proactif via la simulation est prsent dans [Pujo et al., 2004]. Ils construisent le modle DEVS dun atelier comportant plusieurs lignes de type KANBAN enchevtres. Cet atelier considre plusieurs rfrences de produits. Les auteurs utilisent la technique de warm-up pour rsoudre le problme dinitialisation des simulations. Cette mthode consiste toujours partir dun tat vide de latelier et suivre une trajectoire permettant damener le systme dans ltat actuel. Cela ncessite souvent des grands archivages des volutions passes du systme rel en vue de construire la trajectoire au moment souhait. Cette technique nest donc pas toujours utilisable. [Kouiss et Najid, 2004] prsentent une structure de pilotage complexe base sur le couplage d'un progiciel datelier de type MES et la simulation en utilisant une base de donnes en temps rel. Le schma de la Figure III.28 prsente le fonctionnement gnral de leur pilotage. Ils utilisent la simulation en ligne comme dtecteur de drivation du systme. Une simulation est lance pour donner une estimation au MES du comportement du systme. Les rsultats obtenus avec ces estimations sont compars chaque moment. Si la drive augmente, une alarme est dclenche et le pilote doit prendre une dcision pour corriger. Le problme est la liaison avec le rel. Ils ne font quobserver le comportement rel et ajuster en consquence les distributions alatoires utilises dans le modle de simulation. Ce modle est lanc partir dun tat du systme vide. Lide gnrale est davoir une correction permanente et de faire intervenir la dcision en utilisant une structure darbre de dcision. Ce travail est orient vers une mthode de pilotage vnementiel afin de corriger le systme en permanence. Une exprimentation sur une cellule flexible dassemblage a t ralise en utilisant le logiciel de simulation ARENA, le superviseur INTOUCH et la base de donnes INSQL.
Figure III.28 : architecture de fonctionnement [Kouiss et Najid, 2004]
119
Le couplage des systmes commerciaux de simulation discrets avec les systmes de ralit virtuelle ou les systmes de visualisation en temps rel est propos par [Straburger et al., 2005]. Ce couplage ouvre de nouvelles possibilits pour l'change temporel entre le produit et la conception de processus. Cet article se concentre sur les problmes techniques de ce couplage comme le lien entre simulation et ralit virtuelle, lchange de donnes, le paralllisme temporel entre le systme de visualisation et le temps rel, etc. Les auteurs discutent notamment de la synchronisation, car cest le facteur principal pour permettre une visualisation interactive assure dans le monde virtuel. En conclusion, le but de cet tat de lart est de montrer la place de la simulation en ligne pour le pilotage. Au travers des diffrents travaux de recherche tudis, il apparat que la simulation est lun des outils les plus efficaces daide la dcision pour le pilotage datelier. On peut constater que lide dutiliser la simulation en ligne comme un outil daide la dcision pour le pilotage a t beaucoup mentionne dans les travaux recherche, mais que malheureusement, il nexiste que de trs rares applications industrielles de ce concept. Les travaux prsents dans ce mmoire de thse montrent les apports de la simulation pour le pilotage ractif afin de prvoir le comportement court terme du systme de production. Ces travaux clairent aussi sur les difficults tablir un lien direct et constant entre le modle et le systme rel. Pour rpondre ces problmes, cette thse contribue exposer des solutions pour mettre en uvre le couplage, comme par exemple la synchronisation, lacquisition des donnes, le filtrage des donnes, linitialisation du modle, etc. III.5.2. Analyse du besoin et spcifications attendues pour le couplage Prcdemment, nous avons dfini le processus de pilotage afin de corriger les valeurs des variables de pilotage suite lapparition dvnements dans le processus rel. La Figure III.29 montre les relations entre le processus oprationnel et le processus de pilotage.
Figure III.29 : informations provenant du processus oprationnel appliquer au processus de pilotage
120
Si lon sintresse aux informations sortant du processus oprationnel (ti), elles doivent tre utilises non seulement comme contrle de la fonction [observer], mais aussi comme des donnes dentre de la fonction [se projeter]. Nous avons vu le support dun outil de simulation de flux dans les diffrentes fonctions de pilotage. Cet outil a la capacit de nous informer sur la situation future du systme en testant plusieurs scnarios. Dans les chapitres prcdents, nous avons expliqu les types dinformations dont nous avons besoin pour le pilotage, mais nous navons pas indiqu la faon dacqurir ces donnes. L'objectif gnral est donc d'tablir un lien entre un outil de simulation de flux et un outil dexcution datelier tout en affinant progressivement la cohrence du modle de simulation par rapport au systme rel grce la mise jour dynamique des donnes utilises. Dans ce but, nous prsentons larchitecture gnrale de lintgration des deux outils de simulation et de MES dans la Figure III.30.
Figure III.30 : architecture de couplage Simulation-MES
Les progiciels de type ERP (Enterprise Resource Planning) et GPAO (Gestion de Production Assiste par Ordinateur) permettent de planifier la demande et les besoins. Une optimisation oprationnelle est propose par les APS (Advanced Planning System). Chacun de ces outils a sa propre base de donnes afin de stocker lensemble des informations ncessaires. Lutilisation de ces outils nest pas souvent voque pour prciser les liaisons entre le niveau planification et le niveau excution. Un outil de MES a pour principal intrt de raliser cette liaison entre le systme dinformation de la gestion dentreprise et le systme dinformation de la production.
121
Le MES peut rcuprer les donnes provenant du systme de gestion de production pour gnrer lordonnancement oprationnel puis lancer les ordres et suivre la production. Le MES rcupre aussi les donnes partir du niveau dexcution dans le processus oprationnel, ce qui correspond la fonctionnalit dacquisition de donnes de cet outil. Nous avons expliqu dans les chapitres prcdents que cette fonctionnalit peut tre ralise de faon automatique, ce qui est le plus fiable ou bien de faon manuelle par loprateur positionn dans la chane de production. La manire dacqurir les donnes et la frquence dacquisition de donnes peuvent tre diffrentes en fonction du systme de contrle-commande utilis, comme par exemple lutilisation dautomates programmables industriels (API), ventuellement connects en rseaux locaux. Lutilisation dune base de donnes relie au MES permet denregistrer les vnements survenus dans le pass avec leurs dates dapparitions. La supervision permet de communiquer avec les oprateurs en affichant les informations via une interface homme-machine. Le dcideur est donc capable de suivre la production en temps rel et dvaluer en permanence les valeurs des variables de pilotage rcupres du terrain pour pouvoir intervenir si une variable est en dehors de sa valeur nominale et de son intervalle de tolrance. Dans ce cas, le dcideur utilise la simulation pour trouver une valeur permettant de corriger le systme. Pour cela, tous les vnements survenus sont transmis au module qui ralise la fonction [Analyser les vnements critiques] afin de slectionner les vnements dclencheurs de la simulation. Le principe retenu pour lutilisation de cette simulation et linitialisation du modle sont mis en uvre, comme nous lavons expliqu dans les chapitres prcdents. Le rsultat de la simulation sera valu par le dcideur. La meilleure solution sera transfre et excute dans le systme rel.
III.6. Conclusion
Dans le premier chapitre de cette partie, nous avons discut des diffrentes utilisations de la simulation en ligne. Nous avons essay de distinguer quelques diffrences entre simulation en ligne, simulation en temps rel, simulation de type Hardware In the Loop, simulation Look Ahead et mulation. Nous considrons quune simulation est en ligne quand les donnes provenant du systme rel sont prises en compte par le modle et quand ce modle volue en temps rel et se synchronise avec lvolution relle du systme oprationnel. Aprs avoir tudi quelques travaux concernant de telles simulations, nous avons constat quil existe trs peu dapplications pratiques dans ce domaine par rapport aux travaux thoriques et que les difficults dintgration sur un cas rel sont rarement mises en avant. De ce fait, nous avons propos une modlisation du processus de pilotage en temps rel laide de la simulation en ligne. Nous avons montr les principales fonctions remplir par ce type de pilotage sous le formalisme IDEF0. Nous avons dcrit trois fonctions principales : la fonction Observer, la fonction se Projeter et la fonction Dcider. Cette modlisation nous a permis de caractriser ces fonctions et de dcrire les diffrentes utilisations de la simulation en ligne pour supporter ces fonctions comme la simulation en temps rel, la simulation de projection et la simulation de correction. Le processus de pilotage laide de la simulation sapplique sur un intervalle de temps qui commence la dtection dun vnement critique sur le terrain jusqu la correction des valeurs des variables de pilotage qui doivent tre mises jour dans le processus oprationnel rel.
122
En parallle, nous avons aussi tudi la chronologie des vnements du processus de pilotage. Nous avons compar diffrentes stratgies possibles dutilisation de la simulation en ligne. Cette comparaison concerne lutilisation de deux ou dun seul modle de simulation et la mthode dinitialisation du modle sur un tat unique ou sur des tats successifs. Nous proposons dutiliser plutt la stratgie avec un seul modle de simulation la fois en temps rel et en temps acclr avec initialisation sur un tat unique. Un des avantages de cette stratgie est de simplifier le processus de pilotage, mais avec la difficult de la reprise de la simulation en temps rel, aprs avoir corrig le systme rel. En fin de cette partie, nous avons prsent une structure de pilotage en temps rel dun systme de production bas sur le couplage entre un outil de simulation en ligne vnements discrets et un systme dexcution des fabrications de type MES (Manufacturing Execution System) en spcifiant les besoins pour ce couplage.
123
Rfrences bibliographiques partie III
[Banks et al., 2005] Jerry Banks, John S. Carson II, Barry L. Nelson et David M. Nicol, Discrete-event system simulation, International Fourth Edition, Upper Saddle River, New Jersey: Pearson Prentice-Hall, Inc, 2005. [Becker, 2005] Martin Becker, Interactive Simulation, inSiDE review (Innovative Supercomputing in Deutschland), The German National Supercomputing Centres HLRS, LRZ, and NIC, Autumn 2005, Vol. 3, No. 2. [Bel et Kieffer, 2002] G. Bel, J. P. Kieffer, Pilotage assist par la simulation discrte, Herms Science Europe Ltd (Ed.) : Mthodes du pilotage des systmes de production, pp. 99-127, 2002. [Brandin et al., 1992] B. Brandin, W. Wonham, et B. Benhabib, Manufacturing Cell Supervisory Control - A Timed Discrete Event System Approach. IEEE International Conference on Robotics and Automation, 1992, pp. 931-936. [Brennan, 2000] R.W. Brennan, Performance comparison and analysis of reactive and planning-based control architectures for manufacturing, Robotics and Computer Integrated Manufacturing, No. 16, 2000, pp. 191-200. [Cardin, 2007] Olivier Cardin, Apport de la simulation en-ligne dans laide la dcision pour le pilotage des systmes de production. Application un systme flexible de production., 2007, Thse de doctorat de luniversit de Nantes, France. [Castagna et al., 2001] Pierre Castagne, Nasser Mebarki et Roland Gauduel, La simulation, un outil daide au pilotage des systmes de production. Exemple dapplication., MOSIM01, Confrence Francophone de Modlisation et SIMulation, 2001, Troyes, France. [Davis, 1998] Wayne J. Davis, Handbook of Simulation. Online simulation : Need and evolving research requirements, 1998, pp. 465-516. [Davis, 1999] Wayne J. Davis, Simulation : technologies in the new millenium. 31st. Conference on Winter Simulation : Simulation a bridge to the future. Phoenix : ACM Press, 1999, pp. 141-147. [Drake et Smith, 1996] Glenn R. Drake et Jeffrey S. Smith, Simulation system for real time planning, scheduling and control. 28th Conference on Winter Simulation. Coronado : ACM Press, 1996, pp. 1083-1090. [Fowler et Rose, 2004] John W. Fowler et Oliver Rose, Grand Challenges in Modeling and Simulation of Complex Manufacturing Systems, SIMULATION, September 2004, Vol. 80, Issue 9, pp. 469-476.
124
[Gonzales et Davis, 1997a] Fernando G. Gonzalez et Wayne J. Davis, A simulation based controller for distributed discrete-event systems with application to flexible manufacturing 29th Conference on Winter Simulation. Atlanta : ACM Press, 1997, pp. 845-852. [Gonzales et Davis, 1997b] Fernando G. Gonzalez et Wayne J. Davis, A simulation-based controller for a flexible manufacturing cell, Proceedings of the 1997 IEEE International Conference on Systems, Man and Cybernetics, Orlando, FL, 1997, pp. 36423647. [Gonzales et Davis, 1998] Fernando G. Gonzalez et Wayne J. Davis, Initializing on-line simulations from the state of a distributed system. 30th Conference on Winter Simulation. Washington, D.C.: IEEE Computer Society Press, 1998, pp. 507-513. [Gupta et Sivakumar, 2005] Amit Kumar Gupta et Appa Iyer Sivakumar, Conjunctive simulated scheduling., International Journal of Advanced Manufacturing Technologies, 2005, Vol. 26, pp. 1409-1413. [Hanisch et al., 2003] Andr Hanisch, Juri Tolujew, Klaus Richter et Thomas Schulze, Modeling people flow : Online simulation of pedestrian flow in public buildings, 35th Conference on Winter Simulation : driving innovation. New Orleans: Winter Simulation Conference, 2003, pp. 16351641. [Hanselmann, 1993] H. Hanselmann, Hardware-in-the-Loop Simulation Development and Test of Electronic Control Units and Mechanical Components, The RealTime Conference, January 13-15, 1993, Paris. [Hanselmann, 1996] H. Hanselmann, Hardware-In-the-Loop Simulation Testing and its Integration into a CACSD Toolset, The IEEE International Symposium on Computer-Aided Control System Design, September 15-18, 1996, Dearborn, Michigan USA, 5 pages. [Iassinovski et al., 2007] Serguei Iassinovski, Abdelhakim Artiba et Christiphe Fagnart, A generic production rules-based system for on-line simulation, decision-making and discrete process control. , International Journal of Production Economics, 2007. [Katz et al., 1993] D. Katz, S. Manivannan, Exception Management on Shop Floor Using Online Simulation. Proceedings of the 1993 Winter Simulation Conference, 1993, pp. 888-896. [Kiffmeier, 1996] U. Kiffmeier, A Hardware-In-the-Loop Testbench for ABS Controllers, Conference on Control and Diagnostics in Automotive Applications, Genova, Italy, October 3-4, 1996. [Kouiss et Pierreval, 1999] Khalid Kouiss et Henri Pierreval, Implementating an on-line simulation in a flexible manufacturing system., ESS99 Conference, Nurenberg, 1999, pp. 484-488. [Kouiss et Najid, 2004] K. Kouiss, N. M. Najid, Couplage MES-Simulation pour le pilotage dun systme de production, 4e Confrence Francophone de MOdlisation et SIMulation, MOSIM04, 2004, Nantes, France. [LeBaron et Hendrickson, 2000] H. Todd LeBaron, Ruth Ann Hendrickson, Using emulation to validate a cluster tool simulation model, Proceedings of the 2000 Winter Simulation Conference, 2000, pp. 1417-1422.
125
[Le Moigne, 1974] Jean-Louis Le Moigne, Les systmes de dcision dans les organisations, Presses Universitaires de France, Paris, 1974. [Le Moigne, 1993] Jean-Louis Le Moigne, La modlisation des systmes complexes, AFCET Systmes, Dunod, Paris, 1993. [Leo et al., 2004] J. De Vin Leo, H.C. Ng Amos et Jan. Oscarsson, Simulation Based Decision Support for Manufacturing System Life Cycle Management, Journal of Advanced Manufacturing Systems, December 2004, Vol. 3, No. 2, , pp. 115-12. [McGregor, 2002] Ian McGregor, The relationship between simulation and emulation, Proceedings of the 2002 Winter Simulation Conference, 2002, pp. 1683-1688. [Manivannan et Banks, 1991] S. Manivannan et J. Banks, Real-Time Control of a Manufacturing Cell Using Knowledge-Based Simulation., In Proceedings of the 1991 Winter Simulation Conference, 1991, pp. 251-260. [Manivannan et Banks, 1992] S. Manivannan et J. Banks, Design of a Knowledge-Based On-Line Simulation System to Control a Manufacturing Shop Floor. IIE Transactions, 1992, Vol. 24, No. 3, pp. 72-83. [Munteanu et al., 2006] Iulian Munteanu, Jol Guiraud, Seddik Bacha, Daniel Roye et Antoneta Iuliana Bratcu, Mthodologie de simulation temps rel Hardware-In-the-Loop Application aux systmes oliens, 6e Confrence Francophone de MOdlisation et SIMulation/MOSIM06, 3-5 avril, 2006, Rabat, Maroc, Modlisation-Optimisation et Simulation des Systmes. [Peters et Smith, 1998] Brett A. Peters, Jeffrey S. Smith, Real-time, simulation-based shop floor control., ArenaSphere98. Pittsburgh, 1998, pp. 188-194. [Pujo et al., 2004] Patrick Pujo, Massimo Pedetti et Fouzia Ounnar, Pilotage proactif des lignes de production kanban par modelisation DEVS et simulation temps-rel., 5e Confrence Francophone de Modlisation et SIMulation, Modlisation et simulation pour lanalyse et loptimisation des systmes industriels et logistiques, MOSIM04, Nantes, France, 2004, pp. 593-600. [Ramakrishnan et al., 2002] Sreeram Ramakrishnan, Seungyub Lee, Richard A. Wysk., Real-time control : implementation of a simulation-based control architecture for supply chain interactions., 34th Conference on Winter Simulation : exploring new frontiers, San Diego : Winter Simulation Conference, 2002, pp. 1667-1674. [Rogers et Flanagan, 1991] P. Rogers et M.T.Flanagan, On-line simulation for real time scheduling of manufacturing systems, Industrial Engineering, 1991, Vol. 23, pp. 37-40. [Roy, 1985] Bernard Roy, Mthodologie multicritre daide la dcision, Livre, Collection Gestion , Paris, Economica 1985. [Smith et al., 1996] J. Smith, B. Peters, J. Curry, G. Drake et C. La Jimodire, Advanced Tutorial Simulation-Based Scheduling and Control, Proceedings of the 1996 Winter Simulation Conference, 1996, pp. 194-198.
126
[Straburger et al., 2005] Steffen Straburger, Thomas Schulze, Marco Memessi, Gordon D.Rehn, Temporally parallel coupling of discrete simulation systems with virtual reality systems, Proceedings of the 2005 Winter Simulation Conference, 2005, pp. 1949-1957. [Tayanithi et al., 1992] P. Tayanithi, S. Manivannan, J. Banks, A knowledge-based simulation architecture to analyse interruptions in a flexible manufacturing system, Journal of Manufacturing Systems, 1992, Vol. 11, No. 3, pp. 195-214. [Varady, 1999] Varady M., Dynamic Simulation Based Scheduling, IPA, 1999, Slovakia. [Wu et Wysk, 1989] Szu-Yung David Wu et Richard A. Wysk, An application of discrete event simulation to on-line control and scheduling in flexible manufacturing., International Journal of Production Research, 1989, Vol. 27, No. 9, pp. 1603-1623. [Yoon et al., 2006] Hyun Joong Yoon et Weiming Shen, Simulation-Based Real-Time Decision-Making for Manufacturing Automation Systems, International Journal of Manufacturing Technology and Management, 2006, Vol. 8, Nos. 1/2/3, pp. 188-202.
127
Partie IV IV. Dmonstration de la faisabilit technique
Sommaire dtaill de la partie IV

IV. Dmonstration de la faisabilit technique ............................................................................. 129 IV.1. Introduction.................................................................................................................... 131 IV.2. Prsentation de la plateforme exprimentale .............................................................. 131
IV.2.1. Caractristiques gnrales..................................................................... 131 IV.2.2. Description de la partie oprative ......................................................... 131 IV.2.3. Description de la partie commande....................................................... 134 IV.2.3.1. Commande bas niveau .................................................................... 134 IV.2.3.2. Commande de haut niveau.............................................................. 134 IV.2.4. Pilotage de la production par le produit ................................................ 135
IV.3. Construction du modle de simulation hors ligne de la plateforme exprimentale . 141
IV.3.1. Donnes relles utiles la modlisation ............................................... 141 IV.3.2. Choix de loutil de modlisation........................................................... 143 IV.3.3. Modlisation des rgles aux diffrents points de dcision.................... 144 IV.3.4. Rsultats fournis par la simulation hors ligne....................................... 145 IV.3.5. Calibrage et validation du modle de simulation hors ligne ................. 145
IV.4. tude de la faisabilit technique pour raliser des simulations en ligne................... 150
IV.4.1. Simulation en temps rel et problme de linitialisation du modle..... 150 IV.4.2. Dveloppement des fonctions techniques pour la simulation en ligne . 150 IV.4.3. Dmonstration en vraie grandeur .......................................................... 153
IV.5. Conclusion....................................................................................................................... 153
129
Partie IV : Dmonstration de la faisabilit technique
IV.1. Introduction
Dans cette partie, lobjectif est de dmontrer la faisabilit technique dutiliser la simulation en ligne et en temps rel comme aide au pilotage dun atelier. Pour cela, nous utiliserons une plateforme exprimentale comme processus oprationnel avec son systme dexcution (MES) et Witness (voir le site de Lanner : www.lanner.com), un logiciel du commerce comme simulateur de flux. Lessentiel de la dmonstration porte sur la faisabilit de la simulation en ligne partir dun logiciel largement rpandu dans les entreprises industrielles et non pas sur des dveloppements spcifiques. Ce choix technique est avant tout destin proposer des solutions facilement transposables en situation relle pour des industriels connaissant dj un outil de simulation.
IV.2. Prsentation de la plateforme exprimentale

IV.2.1. Caractristiques gnrales Cette plateforme exprimentale, qui correspond un systme rel, est constitue dquipements industriels identiques ceux que lon peut rencontrer dans de nombreuses entreprises industrielles. Elle est capable de raliser lassemblage de produits comportant plusieurs variantes en ralisant des oprations sur plusieurs postes de travail, manuels ou automatiss, aliments par un systme de convoyage automatis. Le flux physique est contrl, suivi et trac grce des tiquettes RFID disposes sur des palettes servant de support aux produits assembler. Tous les quipements automatiss sont commands par des automates htrognes (Siemens et Omron) sur un mme rseau de type Ethernet industriel. Ce plancher de latelier est reli un systme dexcution de la production (ou Manufacturing Execution System, MES), qui comporte un certain nombre de fonctions (supervision, lancement et suivi des ordres de fabrication, analyse des performances, traabilit, etc.) permettant de faire le lien avec les tages suprieurs et notamment le traitement des commandes et la planification des ordres d'assemblage. Le systme dinformation comporte aussi une application internet de e-commerce permettant aux pseudoclients de passer une commande en ligne. Le MES est dploy sur internet, ce qui permet un accs distance toutes ses fonctionnalits et en particulier au pilotage de cette ligne de production. De cette manire, il est possible daccder aux donnes de production archives afin de les utiliser comme donnes exprimentales relles pour, par exemple, valider des modles. Une extension progressive vers les tages suprieurs (ERP, APS) est prvue, de mme que lintgration ou linteroprabilit avec des outils spcifiques. IV.2.2. Description de la partie oprative La partie oprative est une ligne d'assemblage avec un systme de transfert libre automatis. Les produits sont poss sur des palettes entranes par des convoyeurs accumulation. Trois fonctions principales sont ralises : charger et dcharger les produits sur des palettes. Ces fonctions sont ralises automatiquement et le transfert des palettes est fait sur un convoyeur appel Boucle de Chargement/Dchargement,
131
acheminer les palettes avec les produits en cours dassemblage vers les diffrents postes de travail. Cette fonction est ralise par un convoyeur appel Boucle Centrale, assembler les composants sur les postes de travail. Ces postes de travail sont implants en drivation sur des convoyeurs. Les oprations d'assemblage peuvent tre automatises ou manuelles. Le diagramme fonctionnel de la Figure IV.1 illustre les liaisons entre ces trois fonctions principales.
Figure IV.1 : fonctions principales de la partie oprative
Les oprations d'assemblage peuvent se drouler sur un ou plusieurs des quatre postes de travail. Chaque poste dispose d'une zone daccumulation des palettes en amont de lopration afin de ne pas retenir les palettes sur la boucle centrale. De la mme faon, une zone d'accumulation en aval du poste de travail permet de ne pas bloquer la palette en fin d'opration avant son retour sur la boucle centrale. De nombreuses combinaisons de flux sont possibles et comportent, pour une palette : le chargement dun composant matre, laccs et la circulation sur la boucle centrale, la drivation vers un ou plusieurs postes de travail en drivation pour raliser des oprations d'assemblage, ventuellement un rebouclage sur la boucle centrale afin de repasser sur certains postes ou daccder ceux qui ntaient pas disponibles lors dun passage prcdent. Enfin, une fois que toutes les oprations ont t ralises, la palette est dirige vers la boucle de dchargement o le produit fini est dcharg.
132
La Figure IV.2 prsente l'architecture matrielle du systme de transfert des produits avec le reprage des postes et les oprations dassemblage qui peuvent tre ralises.
Poste de dchargement Dchargement produit
Poste de travail (5) Insertion sousensembles
Poste de travail (4) Fermeture bote
Poste de chargement (1) Chargement bote
Poste de travail (2) Insertion composants
Poste de travail (3) Insertion composants
Figure IV.2 : architecture matrielle
La fonction [Assembler les composants] [A3] peut tre ralise selon les postes de travail, soit par un manipulateur automatis, soit par un oprateur. Actuellement, la ligne est configure pour assembler des botes de diffrentes tailles, remplies avec diffrentes combinaisons de composants. La Figure IV.3 donne un exemple d'un produit assembl. Sa gamme d'assemblage est dcrite sur la Figure IV.4.
Figure IV.3 : exemple de produit fini (rf. H7-2) obtenu lissue du processus dassemblage
Phase 10 20 30 40 50 60 Poste Chargement P2 ou P3 P5 P2 ou P3 P4 Dchargement Oprations Charger bote B7 sur palette Insrer 1 cylindre Gl3 Insrer 1 sous-ensemble Insrer 1 cylindre Gl1 Fermer la bote Dcharger le produit H7-2
Figure IV.4 : exemple de gamme d'assemblage
133
IV.2.3. Description de la partie commande IV.2.3.1. Commande bas niveau L'architecture de commande au niveau Contrle Commande est de type distribu. Cinq automates Siemens (CPU 315F-2PN/DP) assurent la commande de la ligne d'assemblage pour toutes les fonctions lies au transfert des palettes. Sur les postes o l'opration d'assemblage est automatise, un automate est ddi spcifiquement la commande du manipulateur. Tous les automates sont connects sur un rseau Ethernet industriel sur lequel un ordinateur dispose d'un serveur OPC (Ole for Process Control). Le serveur OPC permet de mettre disposition de clients OPC, locaux ou distants, l'ensemble des variables automate. Cet ordinateur est aussi connect via internet la commande de haut niveau. Lun des objectif de cette plateforme exprimentale est de permettre son pilotage depuis un site distant, via internet. La commande de haut niveau est ainsi installe sur un autre site que celui du processus oprationnel et de la commande bas niveau. Il est noter qu'une interruption momentane de la liaison internet ne cause pas d'interruption de fonctionnement de la production car la commande de bas niveau dispose d'une autonomie lui permettant de commander les postes de travail. La Figure IV.5 illustre l'architecture gnrale du systme d'information.
Automate poste 5 Serveur 1 Serveur OPC Automate postes 1 & 6 Automate poste 4
Industrial Ethernet
Internet
(L Site ign d ed eR Automate e p AS poste 2 ro CO du L cti on )
Automate poste 3
Rseau local
Server 2 Serveur applications web
(S ys Site tm d e d e lE In MA fo rm C ati on s)
Figure IV.5 : architecture du systme d'information
IV.2.3.2. Commande de haut niveau La commande de haut niveau, implante sur un site distant du site de production, comporte trois applications illustres sur la Figure IV.6 : e-commerce, destine recueillir les commandes des clients, e-plan, permettant au gestionnaire de production de planifier les ordres de fabrication correspondant aux commandes des clients, e-MES, pour l'excution et le suivi des ordres de fabrication.
134
Toutes ces applications sont accessibles via internet et e-MES permet de piloter distance la ligne de production. Pour notre travail de recherche portant sur le pilotage laide de la simulation de flux, cet outil daide la dcision est donc intgrer dans la fonction [A3]-[Excuter une commande], ralise par lapplication e-MES.
Figure IV.6 : architecture du systme d'information
IV.2.4. Pilotage de la production par le produit Chaque palette comporte une tiquette RFID dans laquelle sont stockes les donnes utiles au suivi des diffrentes phases et oprations. Chaque tiquette a une capacit de stockage de 752 octets. La structure gnrale est la suivante : les 32 premiers octets sont utiliss pour stocker les paramtres gnraux (adresse 0 31), les octets suivants sont diviss en six groupes de 62 octets de l'adresse 32 l'adresse 403. Chaque groupe de 62 octets contient les informations d'une phase de la gamme, les octets de l'adresse 404 l'adresse 741 ne sont pas utiliss. La Figure IV.7 illustre la structure d'une tiquette RFID pour les 32 premiers octets (adresses 0 31) qui correspondent aux paramtres gnraux suivants : EPC : Electronic Product Code comprenant quatre groupes d'octets. Le premier groupe (1 octet) permet de dfinir l'en-tte. Le second groupe (4 octets) sert coder la socit. Le troisime groupe est utilis pour coder le produit fini port par la palette (3 octets). Le quatrime groupe (4 octets) correspond un numro de srie, nombre compris entre 0 et 4,3 milliard, affect automatiquement chaque palette lance et sert de cl de requte de la base de donnes (La saisie du numro de srie permet de retrouver tous les enregistrements correspondants). Ce numro est incrment par la base de donnes.
135
tat : compris entre 1 et 5 (1 par dfaut), permet de renseigner sur l'tat de la palette: 1 = palette vide : mise jour par l'automate Dchgt aprs le dchargement de la palette, 2 = production en cours : mis jour par l'automate Dchgt aprs le chargement d'une bote sur la palette. 3 = production termine : mise jour par l'automate Dchgt aprs la drivation de la palette de la boucle centrale vers la ligne de dchargement, 4 = dfaut sur le produit : mise jour par l'un des automates d'opration ou par un oprateur en cas de problme lors d'une opration d'assemblage, 5 = non utilis. Indice Phase suivante : compris entre 1 et 6 (1 par dfaut). Incrment par l'automate de transfert correspondant au module o se trouve la palette ds qu'une opration est termine. Permet de pointer sur la zone mmoire de l'tiquette dcrivant la phase suivante (groupe de 62 octets) par l'expression (32 + 62 i) : 1 = Phase 10 (adresses 32 93) 2 = phase 20 (adresses 94 155) 3 = phase 30 (adresses 156 217) 4 = phase 40 (adresses 218 279) 5 = phase 50 (adresses 280 341) 6 = phase 60 (adresses 342 403) Nombre de bouclages : suprieur ou gal 0 (0 par dfaut). Incrment par l'automate de transfert Dchgt au niveau de la drivation de retour vers la ligne de dchargement chaque fois qu'une palette fait un tour de la boucle centrale. Indice de priorit : compris entre 1 et 3 (1 par dfaut), affect par le gestionnaire au moment de l'intgration d'une ligne de commande dans une campagne. Utilis pour grer les priorits en sortie de poste en drivation et ventuellement les accs aux postes. 1 = commande normale 2 = commande importante 3 = commande prioritaire Date de livraison : date demande par le client au moment de la commande. Peut tre utilise pour grer les priorits en sortie de poste en drivation et ventuellement les accs au poste. N de palette : identifiant compris entre 1 et 25 (nombre maximal de palettes disponibles). Les adresses 26 31 ne sont pas utilises et laisses libres pour des dveloppements ultrieurs.
136
Dsignation
Adresse Bit 7 Bit 6 Bit 5 Bit 4 Bit 3 Bit 2 Bit 1 Bit 0

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Electronic Product Code (entte = 1 octet, code socit = 4 octets, code article = 3 octets, n de srie = 4 octets)
Paramtres gnraux
Etat (1, , 5) Indice Phase suivante (1, ,6) Nombre de bouclages (0, 1, ) Indice de priorit (1, 2, , 5)
Date de livraison (jj/mm/aaa et hh:mm:ss)
N palette (1 ,,25) non utilis non utilis
Figure IV.7 : paramtres gnraux du code d'une tiquette RFID
La Figure IV.8 illustre la structure d'une tiquette RFID pour le codage d'une phase. Les produits assembls ne comportent pas plus de six phases d'assemblage. Les paramtres de chaque phase sont donc regroups en six groupes de 62 octets entre les adresses 32 et 403. Le pointage sur le groupe de paramtres correspondant une phase se fait par l'expression (32 + 62 i) o i correspond l'indice de la phase suivante (dans les paramtres gnraux l'adresse 14). Chaque groupe de 62 octets comporte les paramtres suivants :
Dsignation
Poste (0, 1, , 7) Date et heure entre dans le poste (jj/mm/aa et
hh:mm:ss)
Adresse Bit 7 Bit 6 Bit 5 Bit 4 Bit 3 Bit 2 Bit 1 Bit 0

32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93
Date et heure dbut phase (jj/mm/aa et hh:mm:ss)
Date et heure fin phase (jj/mm/aa et hh:mm:ss)
Nbre total de composants assembler (1, 2, ) Composant Galet Gl1 Composant Galet Gl2 Composant Galet Gl3
Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre Quantit N d'ordre
Phase 10
Composant Bote B4 Composant Bote B7 Composant Couvercle Co Composant Galet Gs1 Composant Galet Gs2 Composant Galet Gs3 Composant Tube Tu Composant Bouchon Bo Composant Joint Jo
non utilis non utilis non utilis non utilis
Rsultat Phase (1, 10) Identifiant oprateur

non utilis non utilis
Figure IV.8 : structure de l'tiquette RFID pour le codage d'une phase
137
Poste : Compris entre 0 et 7 (0 par dfaut). Repre du poste o doit se drouler la phase. Initialis dans l'tiquette partir de la gamme correspondant l'ordre de fabrication (la gamme est en base de donnes). 0 = aucun poste 1 = poste de chargement 2 = poste 1 3 = poste 2 4 = poste 1 ou poste 2 5 = poste 3 6 = poste 4 7 = poste de dchargement Date et heure dentre dans le poste : mise jour par l'automate de transfert de chaque poste chaque fois qu'une palette est drive vers le poste. Date et heure de dbut de phase : mise jour par l'automate de transfert de chaque poste ds qu'une palette est arrte ou indexe sur le poste opratoire. Date et heure de fin de phase : mise jour par l'automate de transfert de chaque poste ds qu'une palette est libre du poste opratoire. Nombre total de composants assembler : suprieur ou gal 0 (0 par dfaut). Initialis dans l'tiquette partir de la gamme correspondant l'ordre de fabrication (la gamme est en base de donnes). Dcrment par l'automate de transfert de chaque poste de travail ( zro quand tous les composants sont assembls). Composants : les adresses (54 + 62 i) (85 + 62 i) o i correspond l'indice de la phase permettant de dfinir le numro d'ordre et la quantit assembler pour chaque composants. Ces informations sont initialises dans l'tiquette partir de la gamme correspondant l'ordre de fabrication (la gamme est en base de donnes (toutes les adresses sont zro par dfaut) : Galet Gl1 : adresse (54 + 62 i) pour la quantit et adresse (55 + 62 i) pour le numro d'ordre Galet Gl2 : adresse (56 + 62 i) pour la quantit et adresse (57 + 62 i) pour le numro d'ordre Etc. jusqu' l'adresse (76 + 62 i ) pour la quantit de Joint Jo et l'adresse (77 + 62 i) pour le numro d'ordre. Les adresses (78 + 62 i) (85 + 62 i) sont laisses libres. Rsultat phase : compris entre 1 et 6 (1 par dfaut). Mis jour par l'automate de transfert ou l'oprateur (par l'intermdiaire de l'IHM) de chaque poste : 1 = OK (pas de dfaut enregistr) 2 = dfaut type 1 (manque composant assembler) 3 = dfaut type 2 (dfaut phase antrieure) 4 = dfaut type 3 (assemblage impossible) 5 = dfaut type 4 6 = dfaut type 5 Si la valeur de ce paramtre est diffrente de 1 alors le paramtre gnral tat (adresse 12) passe 4. Identifiant oprateur : compris entre 0 et 255 (0 par dfaut). Chaque oprateur est affect d'un repre (la table de correspondance est en base de donnes) :
138
0 = pas d'oprateur (manipulateur) 1 = Fred 2 = Tom 3 = Paulo 4= La Figure IV.9 prsente la rgle d'accs d'une palette sur un poste de travail en drivation.
Dbut (Attente)
Si Dtection palette en pp1
Bute_1 ALE_1 Driv
Bute_5
Bute_4
Sortir Bute 1
Bute_2
Lire tiquette RFID : - adresses 14 15 (indice phase = i) - adresses 12 13 (tat)
ALE_2 Bute_3 Indexage (optionnel)
Calculer adresse Poste = (32 + 62 i), longueur 2
Si adresse poste correspond au poste
Si tat = 2 (adresse 12, longueur 2)
Si Charge_StAM < Capa_StAM
Si poste en tat de fonctionnement normal
- Rentrer Bute_1 - Driver la palette - Incrmenter compteur Charge_StAM - Ecrire date et heure entre sur RFID (adresse 34 + 62 i, longueur 6)
- Rentrer Bute_1 - Ne pas Driver la palette - Incrmenter compteur Charge_BC
Fin
Figure IV.9 : rgle d'accs sur un poste de travail en drivation
La Figure III.10 illustre la rgle de fonctionnement d'un poste de travail en drivation.
139
Dbut (Attente)
Bute_1 ALE_1 Driv
Bute_5
Bute_4
Si dtection palette en pp2
Sortir Bute 2
Bute_2 ALE_2 Bute_3 Indexage (optionnel)

Dbut (Attente)
Si pas de palette en opration (/pp3)
- Rentrer Bute 2 - Dcrmenter compteur Charge_AM
Si dtection palette en pp3
- Sortir Bute 3 - Sortir Indexage - Lire Indice phase i sur tiquette RFID ladresse 14, longueur 2 - Ecrire Date et Heure dbut phase sur tiquette RFID ladresse (40 + 62 i), longueur 6 - Ecrire Identifiant oprateur sur ltiquette RFID ladresse (88 + 62 i), longueur 2 Lire tiquette RFID : - adresses (52 + 62 i) , longueur 2 (nbre de composants assembler) - adresses (54 + 62 i) (76 + 62 i) (oprations dassemblage raliser) Afficher informations sur IHM Si toutes oprations termines sans dfaut
- Ecrire Rsultat = 1 (OK) sur tiquette RFID ladresse (86 + 62 i) - Ecrire Date et Heure fin de phase sur ltiquette RFID ladresse (46 + 62 i), longueur 4 - Rentrer Bute 3 - Dsindexer palette - Incrmenter compteur Charge_StAV
- Ecrire code dfaut (2, 3, ) sur tiquette RFID ladresse (86 + 62 i) - Ecrire Etat = 4 (dfaut) sur ltiquette RFID ladresse 12, longueur 2
Fin
Figure IV.10 : rgle de fonctionnement d'un poste en drivation
140
IV.3. Construction du modle de simulation hors ligne de la plateforme exprimentale

IV.3.1. Donnes relles utiles la modlisation La premire tape consiste construire un modle de simulation hors ligne, cest--dire pour lequel aucune connexion avec le processus oprationnel rel nest pris en compte. Pour cela, il faut rassembler toutes les informations utiles la modlisation, commencer par les principaux quipements qui la composent. Le systme rel qui va servir de support aux exprimentations est compos essentiellement de convoyeurs automatiss bande et accumulation permettant de transfrer des palettes vers diffrents postes de travail. Le plan de la Figure IV.11 permet de connatre la gomtrie gnrale du processus afin que la modlisation reproduise fidlement les dimensions du systme rel. Des mesures prises sur le processus rel permettront de dterminer notamment la vitesse de dplacement des convoyeurs, mais comme cela le sera montr plus loin, la phase de calibrage du modle permettra dajuster au mieux ce paramtre du modle par rapport la ralit.
Figure IV.11 : plan ct de l'ensemble du systme exprimental
En dehors des convoyeurs, il est ncessaire de prendre en compte pour la modlisation dautres quipements tels que les butes. Une bute est un obstacle destin empcher lavancement dune palette. Elle est commande par un vrin et peut donc tre soit rentre (la palette avance librement), soit sortie (la palette est immobilise mais les autres palettes prsentes sur le convoyeur continuent se dplacer). Les butes sont donc implantes soit des points correspondant des aiguillages divergents (drivation ou pas vers un poste de travail), soit des points correspondant des aiguillages convergents (retour des palettes vers la boucle centrale) pour grer les priorits soit encore simplement pour immobiliser la palette sur le point correspondant lopration. La Figure IV.12 illustre par exemple lemplacement des butes pour un poste de travail en drivation.
141
Bute_1 TLE_1
Bute_5
Bute_4
Bute_2 TLE_2 Bute_3
Figure IV.12 : emplacement des butes sur un poste de travail en drivation
La bute 1 permet de grer laccs des palettes sur le poste de travail. La bute 2 est utilise pour accumuler les palettes en amont de lopration. La bute 3 sert arrter les palettes lendroit o se situe lopration proprement dite. Les butes 4 et 5 permettent de grer la priorit entre les palettes qui sortent du poste et celles qui circulent sur la boucle centrale. Afin de dtecter la prsence dun palette, un dtecteur de proximit inductif est implant au niveau de chaque bute. La photo de la Figure IV.13 illustre larrive dune palette sur une bute de priorit situe sur la boucle centrale.
Figure IV.13 : photo de l'arrive d'une palette sur une bute (sur le dessous) avec son dtecteur ( droite)
Comme le montre aussi la Figure IV.12, des ttes de lecture/criture (TLE) des tiquettes RFID sont implantes certains points afin de lire des informations prsentes dans ltiquette pour permettre aux automates de prendre des dcisions ou pour crire des informations pour suivre en temps rel ou a posteriori lavancement de chaque palette. La photo de la Figure IV.14 permet de voir larrive dune palette lentre dun poste en drivation. La tte de lecture/criture (TLE) est face ltiquette RFID de forme cylindrique situe sur la tranche de la palette.
142
Figure IV.14 : photo de l'entre d'un poste de travail avec au premier plan le dtecteur ( droite) et la tte de lecture/criture (TLE)
Il faut noter quentre deux dtecteurs, il nest donc pas possible de connatre la position prcise dune palette sur un convoyeur. De la mme faon, les informations contenues dans ltiquette RFID ne peuvent pas tre lues ou crites en continu, mais uniquement au niveau des ttes de lecture/criture. Ces dernires remarques sont intressantes vis--vis de la simulation en ligne, car les dtecteurs et ttes de lecture/criture pourront donc servir synchroniser des vnements rels (passage dune palette devant un dtecteur par exemple) avec des vnements du modle de simulation. La position des palettes sur les convoyeurs pourra donc tre extrapole sur le modle de simulation, alors que cette information nest pas disponible sur le systme rel. IV.3.2. Choix de loutil de modlisation Pour cette exprimentation, nous avons choisi dutiliser le progiciel Witness comme outil de modlisation et simulation. Witness est lun des leaders du march mondial des outils de simulation vnements discrets et cest une des raisons de notre choix. En effet, il est certainement plus facile de convaincre des utilisateurs industriels de Witness de lintrt de notre travail de recherche en nous appuyant sur un outil quils connaissent dj. Par contre, comme nous le verrons plus loin, certaines fonctions ncessaires la simulation en ligne et en temps rel ne sont pas disponibles sur Witness en standard puisque cet outil, comme la plupart des ses concurrents, est principalement utilis en phase de conception dun nouveau processus ou damlioration dun processus existant. La socit Lanner, qui dveloppe Witness, nous a indiqu quil nexistait pas ce jour dapplication de simulation en ligne et en temps rel avec Witness, mais nous a confirm son intrt pour nos travaux. Nous avons ainsi pu bnficier dun outil de dveloppement appel SIMBA afin de raliser les nouvelles fonctions dont nous avions besoin et de vrifier la faisabilit technique de nos travaux de recherche. Nous nous sommes limits un dveloppement trs exprimental et dmonstratif, sans chercher la performance du code. La Figure IV.15 illustre une vue de la simulation du processus exprimental un instant donn. On distingue les palettes qui se dplacent sur les diffrents convoyeurs. Pour permettre de suivre plus facilement les palettes qui sont toutes les mmes, le numro de palette inscrit dans ltiquette RFID est affich sur chaque palette du modle de simulation.
143
Figure IV.15 : vue de la simulation du processus exprimental avec Witness
Chaque palette est modlise par un article dans Witness. Les informations contenues dans ltiquette RFID sont modlises par des attributs, comme cest le cas pour le numro de chaque palette. IV.3.3. Modlisation des rgles aux diffrents points de dcision Le modle de simulation doit reproduire le comportement du flux de palettes du processus oprationnel. Pour modliser des rgles comportant de la logique de dcision, comme cest par exemple le cas lentre dun poste de travail en drivation pour dcider si la palette doit tre drive ou pas, il est ncessaire de programmer des lois de sortie des convoyeurs, comme celle prsente sur la Figure IV.16.
144
Figure IV.16 : modlisation de la rgle daccs dune palette sur un poste de travail
La logique de dcision prend en compte la fois des donnes prsentes sur les palettes sous la forme dattributs (par exemple Code_P3=1 dans lexemple de la Figure IV.16 est un attribut port par la palette et indiquant quelle doit passer sur le poste 3), mais aussi des donnes indpendantes des palettes sous la forme de variables ou de fonctions (par exemple Nparts(P3_C3) <CP_ST_AM_P3 permet de vrifier si la charge du stock amont est infrieure la capacit fixe). La rgle daccs dune palette sur un poste de travail, qui a t pralablement prsente sur lorganigramme de la Figure III.9, est donc modlise avec Witness par le code prsent sur la Figure IV.16. IV.3.4. Rsultats fournis par la simulation hors ligne A tout moment, pendant la simulation ou en fin de simulation, il est possible dobtenir des statistiques sur les lments du modle. La Figure IV.17 montre un exemple de statistiques pour les machines modlisant les postes de travail. Ces rsultats peuvent tre aussi affichs sous la forme de graphiques.
Figure IV.17 : exemple de statistiques obtenues avec Witness
IV.3.5. Calibrage et validation du modle de simulation hors ligne En sappuyant sur la simulation visuelle dune part et sur les statistiques et indicateurs dautre part, ltape suivante consiste valider le modle afin que son comportement soit trs proche du systme rel. Pour y arriver, le fait de disposer du vrai processus oprationnel est
145
un avantage. En effet, en nous aidant dun client OPC, nous avons pu collecter sur le systme rel des donnes utiles la mise au point de notre modle de simulation. OPC est une interface logicielle standard qui permet des programmes Windows de communiquer avec des quipements industriels tels que des automates programmables en utilisant le protocole rseau DCOM. OPC est implment non seulement dans un ordinateur serveur, mais aussi dans un ordinateur client. Le client OPC utilise le serveur OPC pour obtenir des donnes ou envoyer des commandes aux quipements. La Figure III.18 illustre le dispositif mis en place pour collecter les donnes grce un serveur et un client OPC sur notre plateforme exprimentale.
Operating System Sensors Actuators
OPC Server
Local network
Output
MES Database MES

Industrial network Local network
Input
PLC
OPC Client
On-line Simulation
Figure IV.18 : dispositif d'acquisition de donnes par client et serveur OPC
Pour calibrer notre modle de simulation, nous avons mis en circulation des palettes et enregistr, grce OPC, chaque point de dtection, lheure de dtection et le numro de la palette. La Figure IV.19 montre un extrait des donnes collectes sur la boucle centrale de convoyage au niveau de lentre de la ligne de chargement (WS1-6), du poste de travail n 2 (WS2), du poste de travail n 3 (WS3) et du poste de travail n 4 (WS4). Lenregistrement des donnes est ralis sur une priode suffisamment longue afin de disposer de plusieurs valeurs pour une mme donne. Dans lextrait prsent, on peut distinguer plusieurs enregistrements de la dtection dune mme palette lentre de chaque poste. Par exemple, sur la ligne 2 du tableau suivant, la palette n 22 est dtecte lentre du poste WS1-6 17:24:28, puis une nouvelle fois 17:25:42 et ainsi de suite. Avec toutes ces valeurs, il est donc possible de faire des statistiques ou mme de choisir des lois de probabilits alatoires permettant de modliser au mieux le comportement rel.
146
Heure 17:24:27 17:24:28 17:24:34 17:24:35 17:24:42 17:24:42 17:24:49 17:24:50 17:24:57 17:24:57 17:25:04 17:25:05 17:25:11 17:25:12 17:25:19 17:25:20 17:25:26 17:25:27 17:25:34 17:25:34 17:25:41 17:25:42 17:25:49 17:25:49 17:25:56 17:25:57 17:26:04 17:26:05 17:26:11 17:26:12 17:26:19 17:26:20 17:26:26 17:26:27 17:26:34
Evnement Dtection palette entre WS1-6 N Palette entre WS1-6 : 22 Dtection palette entre WS1-6 N Palette entre WS1-6 : 27 Dtection palette entre WS1-6 N Palette entre WS1-6 : 20 Dtection palette entre WS1-6 N Palette entre WS1-6 : 24 Dtection palette entre WS1-6 N Palette entre WS1-6 : 14 Dtection palette entre WS1-6 N Palette entre WS1-6 : 23 Dtection palette entre WS1-6 N Palette entre WS1-6 : 29 Dtection palette entre WS1-6 N Palette entre WS1-6 : 10 Dtection palette entre WS1-6 N Palette entre WS1-6 : 26 Dtection palette entre WS1-6 N Palette entre WS1-6 : 28 Dtection palette entre WS1-6 N Palette entre WS1-6 : 22 Dtection palette entre WS1-6 N Palette entre WS1-6 : 27 Dtection palette entre WS1-6 N Palette entre WS1-6 : 20 Dtection palette entre WS1-6 N Palette entre WS1-6 : 24 Dtection palette entre WS1-6 N Palette entre WS1-6 : 14 Dtection palette entre WS1-6 N Palette entre WS1-6 : 23 Dtection palette entre WS1-6 N Palette entre WS1-6 : 29 Dtection palette entre WS1-6
Heure 17:24:29 17:24:30 17:24:36 17:24:37 17:24:44 17:24:44 17:24:51 17:24:52 17:24:59 17:25:00 17:25:06 17:25:07 17:25:14 17:25:14 17:25:21 17:25:22 17:25:29 17:25:29 17:25:36 17:25:37 17:25:43 17:25:44 17:25:51 17:25:51 17:25:58 17:25:59 17:26:06 17:26:07 17:26:14 17:26:14 17:26:21 17:26:22 17:26:28 17:26:29 17:26:36
Evnement Dtection palette entre WS2 N Pale tte entre WS2 : 28 Dtection palette entre WS2 N Pale tte entre WS2 : 22 Dtection palette entre WS2 N Pale tte entre WS2 : 27 Dtection palette entre WS2 N Pale tte entre WS2 : 20 Dtection palette entre WS2 N Pale tte entre WS2 : 24 Dtection palette entre WS2 N Pale tte entre WS2 : 14 Dtection palette entre WS2 N Pale tte entre WS2 : 23 Dtection palette entre WS2 N Pale tte entre WS2 : 29 Dtection palette entre WS2 N Pale tte entre WS2 : 10 Dtection palette entre WS2 N Pale tte entre WS2 : 26 Dtection palette entre WS2 N Pale tte entre WS2 : 28 Dtection palette entre WS2 N Pale tte entre WS2 : 22 Dtection palette entre WS2 N Pale tte entre WS2 : 27 Dtection palette entre WS2 N Pale tte entre WS2 : 20 Dtection palette entre WS2 N Pale tte entre WS2 : 24 Dtection palette entre WS2 N Pale tte entre WS2 : 14 Dtection palette entre WS2 N Pale tte entre WS2 : 23 Dtection palette entre WS2
Heure 17:24:27 17:24:27 17:24:34 17:24:35 17:24:41 17:24:42 17:24:49 17:24:49 17:24:56 17:24:57 17:25:04 17:25:05 17:25:11 17:25:12 17:25:19 17:25:20 17:25:26 17:25:27 17:25:33 17:25:34 17:25:41 17:25:42 17:25:48 17:25:49 17:25:56 17:25:56 17:26:03 17:26:04 17:26:11 17:26:11 17:26:18 17:26:19 17:26:26 17:26:27 17:26:34
Evnement Dtection palette entre WS3 N Palette entre WS3 : 10 Dtection palette entre WS3 N Palette entre WS3 : 26 Dtection palette entre WS3 N Palette entre WS3 : 28 Dtection palette entre WS3 N Palette entre WS3 : 22 Dtection palette entre WS3 N Palette entre WS3 : 27 Dtection palette entre WS3 N Palette entre WS3 : 20 Dtection palette entre WS3 N Palette entre WS3 : 24 Dtection palette entre WS3 N Palette entre WS3 : 14 Dtection palette entre WS3 N Palette entre WS3 : 23 Dtection palette entre WS3 N Palette entre WS3 : 29 Dtection palette entre WS3 N Palette entre WS3 : 10 Dtection palette entre WS3 N Palette entre WS3 : 26 Dtection palette entre WS3 N Palette entre WS3 : 28 Dtection palette entre WS3 N Palette entre WS3 : 22 Dtection palette entre WS3 N Palette entre WS3 : 27 Dtection palette entre WS3 N Palette entre WS3 : 20 Dtection palette entre WS3 N Palette entre WS3 : 24 Dtection palette entre WS3
Heure 17:24:28 17:24:30 17:24:36 17:24:37 17:24:43 17:24:45 17:24:50 17:24:52 17:24:58 17:25:00 17:25:05 17:25:07 17:25:13 17:25:14 17:25:20 17:25:22 17:25:28 17:25:29 17:25:35 17:25:37 17:25:43 17:25:45 17:25:50 17:25:52 17:25:58 17:25:59 17:26:05 17:26:07 17:26:13 17:26:14 17:26:20 17:26:22 17:26:27 17:26:29 17:26:35
Evnement Dtection palette entre WS4 N Palette entre WS4 : 24 Dtection palette entre WS4 N Palette entre WS4 : 14 Dtection palette entre WS4 N Palette entre WS4 : 23 Dtection palette entre WS4 N Palette entre WS4 : 29 Dtection palette entre WS4 N Palette entre WS4 : 10 Dtection palette entre WS4 N Palette entre WS4 : 26 Dtection palette entre WS4 N Palette entre WS4 : 28 Dtection palette entre WS4 N Palette entre WS4 : 22 Dtection palette entre WS4 N Palette entre WS4 : 27 Dtection palette entre WS4 N Palette entre WS4 : 20 Dtection palette entre WS4 N Palette entre WS4 : 24 Dtection palette entre WS4 N Palette entre WS4 : 14 Dtection palette entre WS4 N Palette entre WS4 : 23 Dtection palette entre WS4 N Palette entre WS4 : 29 Dtection palette entre WS4 N Palette entre WS4 : 10 Dtection palette entre WS4 N Palette entre WS4 : 26 Dtection palette entre WS4 N Palette entre WS4 : 28 Dtection palette entre WS4
Figure IV.19 : acquisition de donnes sur le processus exprimental rel
Par exemple, pour calibrer le flux des palettes circulant sur la boucle centrale, nous avons prlev des donnes correspondant la dtection des palettes lentre du poste 4 (WS4). Pour un total de dix palettes en circulation, la Figure IV.20 montre les donnes collectes (numro de palette et heure de dtection), qui vont servir calibrer le modle de simulation.
17:30:06 17:30:11 17:30:13 17:30:19 17:30:20 17:30:26 17:30:28 17:30:34 17:30:35 17:30:41 17:30:43 17:30:49 17:30:51 17:30:56 17:30:58 17:31:04 17:31:05 17:31:11 17:31:13 N Palette entre WS4 : 26 Dtection palette entre WS4 N Palette entre WS4 : 28 Dtection palette entre WS4 N Palette entre WS4 : 22 Dtection palette entre WS4 N Palette entre WS4 : 27 Dtection palette entre WS4 N Palette entre WS4 : 20 Dtection palette entre WS4 N Palette entre WS4 : 24 Dtection palette entre WS4 N Palette entre WS4 : 14 Dtection palette entre WS4 N Palette entre WS4 : 23 Dtection palette entre WS4 N Palette entre WS4 : 29 Dtection palette entre WS4 N Palette entre WS4 : 10 Echantillon de palettes pour calibrage du modle
Figure IV.20 : exemple de donnes collectes pour le calibrage du modle
Pour cela, nous avons introduit dans le modle, lentre du poste 4, des palettes dont lattribut Num_PL correspond au numro de chaque palette. Comme le montre la Figure IV.21, les palettes arrivent dans le modle aux heures correspondant aux heures de dtection sur le processus rel.
147
Figure IV.21 : introduction des palettes dans le modle
Une fois que les palettes sont toutes introduites dans le modle et sont en circulation sur les diffrents convoyeurs, le calibrage du modle consiste essayer de sapprocher au plus prs des valeurs collectes sur le processus rel aux diffrents points de dtection. La Figure IV.22 illustre un exemple de comparaison entre les donnes collectes sur le processus rel et les mmes donnes enregistres par la simulation. On peut voir sur cet exemple, pris en rgime nominal dune simulation, quau niveau de la dtection lentre du poste 4, la simulation prsente un retard qui semble augmenter au fil des passages. Par exemple, la palette n 26 (ligne 1) est dtecte sur le processus rel 17:33:50 alors quavec la simulation, cette mme palette est dtecte 17:34:02, soit 12 secondes de retard. On peut
148
voir aussi que dautres donnes ont t utilises, telles que le temps inter-arrive entre deux palettes (TIA) lentre du poste de travail. La comparaison de cette dernire donne montre quil ny a pas dcart significatif entre la valeur relle et la valeur simule, ce qui permet de mener une analyse sur les raisons de lcart sur les temps de dtection.
Heure 17:33:50 17:33:55 17:33:57 17:34:03 17:34:05 17:34:10 17:34:12 17:34:18 17:34:20 17:34:25 17:34:27 17:34:33 17:34:35 17:34:40 17:34:42 17:34:48 17:34:50 17:34:55 17:34:57 Evnement N Palette entre WS4 : 26 Dtection palette entre WS4 N Palette entre WS4 : 28 Dtection palette entre WS4 N Palette entre WS4 : 22 Dtection palette entre WS4 N Palette entre WS4 : 27 Dtection palette entre WS4 N Palette entre WS4 : 20 Dtection palette entre WS4 N Palette entre WS4 : 24 Dtection palette entre WS4 N Palette entre WS4 : 14 Dtection palette entre WS4 N Palette entre WS4 : 23 Dtection palette entre WS4 N Palette entre WS4 : 29 Dtection palette entre WS4 N Palette entre WS4 : 10 Heure simul 17:34:02 17:34:10 17:34:18 17:34:26 17:34:34 17:34:42 17:34:50 17:34:58 17:35:07 17:35:15 N 22 23 24 25 26 27 28 29 30 31 Ecart simul/rel 0:00:12 0:00:13 0:00:13 0:00:14 0:00:14 0:00:15 0:00:15 0:00:16 0:00:17 0:00:18 TIA rel 00:00:08 00:00:07 00:00:08 00:00:07 00:00:08 00:00:07 00:00:08 00:00:07 00:00:08 00:00:07 TIA simul 00:00:08 00:00:08 00:00:08 00:00:08 00:00:08 00:00:08 00:00:08 00:00:08 00:00:08 00:00:08
Figure IV.22 : exemple de comparaison donnes relles / donnes simules
Pour minimiser les carts entre les donnes relles et simules, il est possible dagir sur plusieurs variables, comme par exemple les temps darrt sur les butes et la vitesse de dplacement des convoyeurs. Ces variables peuvent prendre des valeurs fixes ou alatoires suivant des lois de distribution mathmatique choisir. Les donnes collectes sur le systme rel permettent de modliser plus prcisment la variabilit de certains phnomnes. Cest ainsi que le temps de cycle des convoyeurs, aprs analyse dun chantillon de donnes significatives, a t modlis par une distribution quiprobable comprise entre 0,805 et 0,8088 secondes. La Figure IV.23 illustre par exemple le rsultat obtenu aprs calibrage pour les heures de passage des palettes lentre du poste 4. Les carts mettent en vidence que le comportement du modle est satisfaisant sur cette portion de convoyeurs, puisquil ny a pas plus dune seconde dcart entre les heures de passage de palettes sur le processus rel et sur son modle de simulation. Lensemble du modle de simulation hors ligne a t calibr en suivant la mme mthode.
Heure 17:33:50 17:33:55 17:33:57 17:34:03 17:34:05 17:34:10 17:34:12 17:34:18 17:34:20 17:34:25 17:34:27 17:34:33 17:34:35 17:34:40 17:34:42 17:34:48 17:34:50 17:34:55 17:34:57 Evnement N Palette entre WS4 : 26 Dtection palette entre WS4 N Palette entre WS4 : 28 Dtection palette entre WS4 N Palette entre WS4 : 22 Dtection palette entre WS4 N Palette entre WS4 : 27 Dtection palette entre WS4 N Palette entre WS4 : 20 Dtection palette entre WS4 N Palette entre WS4 : 24 Dtection palette entre WS4 N Palette entre WS4 : 14 Dtection palette entre WS4 N Palette entre WS4 : 23 Dtection palette entre WS4 N Palette entre WS4 : 29 Dtection palette entre WS4 N Palette entre WS4 : 10 Heure simul 17:33:49 17:33:57 17:34:04 17:34:12 17:34:20 17:34:27 17:34:34 17:34:42 17:34:50 17:34:57 N 22 23 24 25 26 27 28 29 30 31 Ecart simul/rel 0:00:01 0:00:00 0:00:01 0:00:00 0:00:00 0:00:00 0:00:01 0:00:00 0:00:00 0:00:00 TIA rel 00:00:08 00:00:07 00:00:08 00:00:07 00:00:08 00:00:07 00:00:08 00:00:07 00:00:08 00:00:07 TIA simul 00:00:07 00:00:08 00:00:07 00:00:07 00:00:08 00:00:07 00:00:07 00:00:08 00:00:07 00:00:07
Figure IV.23 : rsultat aprs calibrage
149
IV.4. tude de la faisabilit technique pour raliser des simulations en ligne

Dans ce paragraphe, lobjectif est dutiliser le modle de simulation prcdemment cr et calibr hors ligne, mais pour lutiliser en ligne, cest--dire connect au processus rel. Alors que dans la simulation hors ligne les palettes sont introduites dans le modle des instants prdfinis, dans la simulation en ligne les palettes doivent tre introduites uniquement sur lapparition dun vnement rel identique. En reprenant le mme exemple que celui dvelopp prcdemment, quand une palette est dtecte lentre du poste 4 du processus rel, son clone virtuel doit donc simultanment tre introduit dans le modle de simulation au mme endroit, au mme instant et avec les attributs affects des valeurs prleves dans ltiquette RFID. IV.4.1. Simulation en temps rel et problme de linitialisation du modle La simulation en temps rel signifie quelle se droule dans la base de temps universel, alors quhabituellement, une simulation utilise une base de temps plus rapide. Comme cela a t expliqu dans la partie III, la simulation en temps rel doit chaque instant tre une image (ou une vido si lon considre un dfilement dimages) du processus rel. Avec Witness, on peut rgler lavancement de lhorloge de simulation en fixant un rapport entre le temps universel et le temps simul et en excutant la simulation suivant ce rapport de temps. Pour que la simulation avance en temps rel, nous avons donc rgl le rapport de temps 1. En dehors de la synchronisation de lhorloge de simulation avec le temps universel, deux autres problmes majeurs restent rsoudre : introduire les palettes dans le modle et forcer ltat des diffrents lments partir de lapparition dvnements rels. La rsolution de ces deux problmes doit permettre notamment dinitialiser le modle de simulation en ligne, cest--dire lamener dans un tat proche du processus rel le plus rapidement possible partir dinformations provenant du processus rel et non pas, comme cela est fait en simulation hors ligne, lissue dune priode dite de warm-up. En effet, pour que les vnements du modle de simulation soient un instant donn synchroniss avec les mmes vnements du processus rel, il est trs peu probable que la monte en rgime par une priode de warm-up soit efficace. Mme si le modle de simulation est parfaitement calibr, le risque est donc trs important davoir un fonctionnement dcal alors que le but recherch est davoir un fonctionnement synchrone. IV.4.2. Dveloppement des fonctions techniques pour la simulation en ligne Comme indiqu prcdemment, Witness, ainsi que tous les autres outils de simulation du commerce, ne dispose pas en standard de fonction permettant de faire de la simulation en ligne. Nous avons donc utilis SIMBA qui permet de dvelopper des applications base de simulation (SIMulation Based Applications) avec Witness. Le noyau de SIMBA est compos dun modle objet (API) construit en utilisant la technologie COM de Microsoft pour les plateformes Windows. Pour ce faire, SIMBA est utilis comme une application serveur pendant que la simulation avec Witness est considre comme une application cliente. Dans ce cas, le modle Witness doit permettre laccs son modle objet. Une version spciale de Witness appele OME (Object Model Enabled) doit donc tre utilise mais elle ne prsente, en apparence, aucune diffrence avec la version normale. La Figure IV.24 schmatise les diffrents outils utiliss pour raliser la simulation en ligne. Dans cette partie, nous allons prsenter rapidement lapplication qui a t dveloppe
150
en Visual Basic pour dmontrer la faisabilit de notre travail de recherche. Comme le montre ce schma, nous avons intgr dans cette application la fois un client OPC destin rcuprer les vnements apparaissant sur le processus rel et aussi un client SIMBA, afin de contrler le simulateur Witness.
Client OPC
Application dveloppe avec SIMBA (en Visual Basic par ex.) Serveur OPC Objet COM du modle
Modle de simulation fonctionnant avec WITNESS OME
Processus rel
Figure IV.24 : outils utiliss pour la simulation en ligne
La Figure IV.25 montre trois exemples de code pour rsoudre le premier problme voqu plus haut consistant introduire des articles dans un modle.
1- Introduction dun article Part_1 dans la machine Mach00 Intro_Article = Mach00.AddPart(Part_1) 2- Introduction dun article Part_1 sur un convoyeur Conv02 la position 3 Intro_Article = Conv02.AddPart(Part_1, 3) 3- Introduction dun article Part_1 dans un stock stock St002 de la position 1 la position 3 For num_article = 1 To 3 Intro_Article = St002.AddPart(Part_1) Next
Figure IV.25 : code SIMBA pour introduire des articles dans le modle
La Figure IV.26 montre comment forcer une machine dans des tats donns pour rsoudre le second problme pos par la simulation en ligne.
Force une machine dans un tat en panne Machine.ForcedStoppage Force une machine dans un tat disponible Machine.ForcedResume
Figure IV.26 : code SIMBA pour forcer l'tat d'une machine
La Figure IV.27 prsente quant elle la totalit dune procdure crite en Visual Basic destine introduire une palette dans le modle lentre dun poste de travail chaque fois quune palette est dtecte sur le processus rel.
151
'This sub is used to create a new pallet in the simulation at the position 'corresponding to the last event (Pallet #) detected on the real system 'The first parameter NumPal is given by the RFID tag on the pallet 'The second parameter corresponds to the number of the workstation where the event occurs Private Sub CreatePallet1(ByVal NumPal As Object, ByVal WorkStation As Object) Dim Action_Text As String Dim Intro_Article As Boolean nbpal = nbpal + 1 If nbpal <= TextBox6.Text Then 'Affect the Witness name of the article to the SIMBA part object Palette = My_App.Model.Elements("Palette") 'Create an instance of the article UnePalette = Palette.CreateInstance 'Affect the Witness name of the module to the Simba elements object MonModule = My_App.Model.Elements("POSTE_" + CStr(WorkStation)) 'Affect the Witness name of the conveyor (included in the previous module) 'to the Simba elements object MonConvoyeur = MonModule.Elements("BC_BT_IN_P" + CStr(WorkStation))
'This string is copied in the Witness "Actions on Join" of the previous conveyor 'in order to affect the number of the pallet to the Witness attribute Num_PL Action_Text = "NUM_PL=" + CStr(NumPal) MonConvoyeur.ActionsOnJoin = Action_Text 'Create an article "Palette" with the attribute NUM_PL 'at the pos 1 of the conveyor Intro_Article = MonConvoyeur.AddPart(UnePalette, 1) 'Delete the action on join Action_Text = "" MonConvoyeur.ActionsOnJoin = Action_Text End If End Sub
Figure IV.27 : exemple de code SIMBA pour introduire une palette dans le modle de simulation
La Figure IV.28 prsente les codes SIMBA permettant de contrler lexcution de la simulation.
Initialise la simulation du modle my_model t = 0 my_model.Begin Lance la simulation jusqu t= 1500 my_model.Run (1500) Arrte la simulation my_model.Stop
Figure IV.28 : contrle de l'excution de la simulation
152
IV.4.3. Dmonstration en vraie grandeur La Figure IV.29 prsente une copie dcran sur laquelle on distingue (en haut droite) limage du processus rel fournit par une webcam en temps rel et au dessous, le modle de simulation en ligne. On peut voir qu cet instant, la palette n 8 est dtecte lentre du poste 4 sur le processus rel et quau mme moment, une palette est introduite au mme endroit dans le modle. La vue situe en haut gauche correspond au client OPC avec laffichage de diffrents vnements utiliss par la simulation en ligne.
Figure IV.29 : aperu d'une simulation en temps rel (dtection de la palette n 8 lentre du poste 4 et introduction de cette mme palette dans le modle de simulation)
IV.5. Conclusion
Dans cette partie, nous avons dmontr la faisabilit technique de solutions destines raliser des simulations en ligne. Afin de permettre un transfert technologique vers le monde industriel, nous avons dlibrment choisi de nous appuyer sur Witness, un logiciel de simulation de flux du commerce parmi les plus utiliss dans les entreprises. Comme la plupart de ses concurrents, Witness est un simulateur destin avant tout tre utilis hors ligne, cest-dire sans aucune connexion avec un processus rel. Il a donc fallu dvelopper des prototypes de fonctions complmentaires permettant non seulement dtre connect des donnes provenant dun processus rel, mais aussi de dclencher des vnements dans la simulation en fonction dvnements rels. Pour la connexion au processus rel, nous nous sommes appuy sur OPC, un standard dchange de donnes bien connu dans le monde des automaticiens. Grce OPC, il est possible daccder en temps rel aux variables des automates assurant la commande de bas niveau et dutiliser ces variables dans une application Microsoft Windows.
153
Pour synchroniser les vnements du simulateur avec les vnements rels, nous avons utilis SIMBA, un outil de dveloppement complmentaire Witness. Toujours dans le but de faciliter le transfert vers lindustrie, nous nous sommes appuy sur une plateforme exprimentale de production semblable ce que lon peut rencontrer dans des entreprises. Cette plateforme est constitue de convoyeurs automatiss permettant de transfrer des palettes portant les produits en cours dassemblage vers diffrents postes de travail. Dans notre dmarche, nous avons tout dabord construit un modle de simulation hors ligne de la plateforme exprimentale. Afin de garantir les rsultats fournis par la simulation, nous avons calibr ce modle partir de donnes collectes sur le processus rel grce OPC. Nous avons ensuite dvelopp un prototype dapplication permettant dutiliser ce mme modle, mais en ligne, en introduisant des palettes non pas suivant une loi darrive prdfinie, mais suivant des vnements rels tels que la dtection dune palette lentre dun poste de travail. Aprs une priode de monte en rgime correspondant lintroduction successive dans la simulation des diffrentes palettes en circulation sur la plateforme exprimentale, la simulation en ligne et en temps rel atteint un tat identique celui du processus rel. A partir de cet instant, on peut considrer que la simulation en ligne est initialise, ce qui signifie que son comportement est synchrone avec celui du processus rel. Nos travaux exprimentaux se sont limits dmontrer la faisabilit technique de la simulation en ligne et en temps rel correspondant la fonction [A1]-[Observer] de notre proposition de modlisation du processus de pilotage en temps rel laide de la simulation (voir la partie III). La ralisation technique des fonctions [A2]-[Se projeter] pour la simulation de projection et [A3]-[Dcider] pour la simulation de correction na pas t aborde, mais le dveloppement prsent pour la fonction [Observer] permet de dmontrer la faisabilit de leur ralisation.
154
Conclusions et perspectives
Les travaux raliss dans ce travail de recherche ont permis de prsenter une modlisation dun processus de pilotage datelier de production en temps rel laide de la simulation de flux. Lintrt dun tel support pour le pilotage est davoir un outil daide la dcision par rapport des vnements se produisant en temps rel et sur leur consquence sur un horizon trs court terme. Dans ce but, nous avons prsent le contexte gnral du pilotage des systmes de production en expliquant les diffrentes fonctions gnriques, les volutions des systmes de production et des modes de pilotage et les volutions des ateliers de production en comparant leur architecture. Nous avons distingu les diffrents types de pilotage selon lorigine des perturbations pouvant survenir et selon la priode temporelle prise en compte dans la production. Les pilotages prdictif et proactif sont appliqus au niveau de la prparation dun lancement de la production, alors que les pilotages ractif et correctif sont appliqus durant lexploitation ou lexcution. Nous avons expliqu notamment comment un pilotage en temps rel et ractif doit ragir durant la fabrication face aux vnements critiques. Nous avons tudi quelques logiciels existants dans lindustrie, comme la supervision et lordonnancement, et leurs fonctionnalits pour le pilotage dune unit de production. Cependant, quand ces outils sont utiliss dans la conduite ou le pilotage en temps rel, ils ncessitent des fonctionnalits plus complexes pour les traitements vnementiels. Partant des outils utiliss dans lindustrie pour le pilotage et laide la dcision, nous avons choisi de coupler un systme dexcution des fabrications (MES) et un simulateur vnement discret. Nous avons tout dabord propos une dmarche complmentaire de deux approches analytique et simulatoire afin de chercher des rgles de pilotage et de dimensionner un atelier de production manufacturier. La simulation a t utilise dans son usage le plus courant, cest-dire hors ligne, sans connexion avec un processus rel. Nous nous sommes appuys sur un cas dtude dun atelier de type job shop pour illustrer cette dmarche. La rsolution analytique nous a permis de cibler trs rapidement des populations de solutions proches de loptimum. Les difficults de la modlisation analytique se situent dans la phase de modlisation, puisque le problme doit tre dcrit par un systme d'quations. Ensuite, lutilisation de la simulation a permis non seulement de vrifier les rsultats fournis par la rsolution analytique, mais aussi d'apporter des informations complmentaires en tenant compte de la dynamique des flux et pas seulement des capacits statiques. Par ailleurs, la simulation permet de prendre en compte des phnomnes alatoires, ce qui montre la robustesse du modle propos en variant les cas dutilisation. Pour le pilotage en temps rel, nous avons choisi dutiliser la simulation vnement discret, mais cette fois en ligne. Nous avons mis en vidence la ncessit de disposer dune base de donnes permettant de collecter les informations provenant du terrain. Ceci peut tre ralis en utilisant la base de donnes du MES ou le standard de communication OPC. Afin de se projeter dans le futur proche pour valuer les consquences dvnements, nous avons
157
Conclusions et perspectives
donc choisi dutiliser un logiciel de simulation. Lapplication de la simulation en ligne permet aussi danalyser et de comparer plusieurs scnarios pour corriger les variables de pilotage du systme de production dans le cas o des vnements tels que lapparition dune panne, larrive dune commande urgente, etc. provoqueraient des carts par rapport aux objectifs fixs. Aprs un tat de lart sur la simulation en ligne, la simulation en temps rel, la simulation de type Hardware In the Loop, la simulation Look Ahead et lmulation, nous avons propos une modlisation du processus de pilotage en temps rel laide de la simulation en ligne. Nous avons propos les trois fonctions principales qui permettent de dcrire le processus de pilotage : la fonction Observer, la fonction se Projeter et la fonction Dcider. Cette modlisation nous a permis de caractriser ces fonctions et de dcrire les diffrentes utilisations de la simulation en ligne pour supporter ces fonctions comme la simulation en temps rel, la simulation de projection et la simulation de correction. Le processus de pilotage laide de la simulation sapplique sur un intervalle de temps qui commence la dtection dun vnement critique sur le terrain jusqu la correction des valeurs des variables de pilotage mettre jour dans le processus oprationnel rel. Nous avons aussi tudi la chronologie des vnements du processus de pilotage. Cela nous a permis de comparer les diffrentes stratgies possibles dutilisation de la simulation en ligne. Nous avons compar la stratgie dutilisation de deux modles de simulation avec une stratgie utilisant un seul modle. Nous avons aussi prsent une mthode dinitialisation du modle sur un tat unique ou sur des tats successifs. Nous proposons dutiliser plutt la stratgie avec un seul modle de simulation, la fois en temps rel et en temps acclr avec initialisation sur un tat unique. Lavantage le plus important de lapplication dune telle stratgie est de simplifier le processus de pilotage, mais elle prsente une difficult pour la reprise de la simulation en temps rel, aprs avoir corrig le systme rel. Parmi les perspectives, nous pensons que ces stratgies lies lutilisation dun ou de deux modles sont intressantes dvelopper. Nous avons propos une architecture pour le pilotage en temps rel dun systme de production. Ce pilotage est bas sur le couplage entre un outil de simulation en ligne vnements discrets et un systme dexcution des fabrications de type MES en spcifiant les besoins pour ce couplage. Nous avons dmontr la faisabilit technique de solutions pour la ralisation de la simulation en ligne en nous appuyant sur une plateforme exprimentale de production qui est constitue de convoyeurs automatiss permettant de transfrer des palettes portant les produits en cours dassemblage vers diffrents postes de travail. Pour cela, nous avons choisi de nous appuyer sur le logiciel de simulation de flux Witness. Loutil de dveloppement complmentaire Witness, appel SIMBA, nous a permis de synchroniser les vnements rels avec le simulateur. Pour obtenir une connexion avec le processus rel, nous nous avons utilis un client OPC, un standard dchange de donnes afin daccder en temps rel aux variables des automates. Ces travaux se limitent la ralisation de la fonction [Observer] de notre proposition de modlisation du processus de pilotage en temps rel laide de la simulation. Dans les perspectives, cette exprimentation peut se poursuivre pour dmontrer la faisabilit technique de la fonction [Se projeter] pour la simulation de projection et la fonction [Dcider] pour la simulation de correction.
158
Table des illustrations
Figure I.1 : cible et trajectoire .................................................................................................. 10 Figure I.2 : dcomposition classique dun systme en trois sous-systmes............................. 12 Figure I.3 : fonction gnrale du pilotage dans la production.................................................. 17 Figure I.4 : le positionnement des structures de pilotage......................................................... 27 Figure I.5 : exemple de carte de contrle pour la dure opratoire dune machine ................. 30 Figure I.6 : exemple de carte de contrle pour un stock .......................................................... 30 Figure I.7 : diffrents pilotages selon la priode de lancement en exploitation....................... 31 Figure II.1 : comparaison des outils informatiques utiliss pour tablir le lien entre la conception de produits et lexploitation dans lindustrie daprs [Klingstam, 1999] ...... 37 Figure II.2 : positionnement des outils de gestion industrielle ................................................ 38 Figure II.3 : positionnement de la supervision et du pilotage par rapport aux principales fonctions ........................................................................................................................... 40 Figure II.4 : positionnement du MES dans lentreprise ........................................................... 45 Figure II.5 : change des informations entre le systme contrle-commande, le systme dinformations de lentreprise et le dcideur grce au systme dexcution de la fabrication ou MES .......................................................................................................... 47 Figure II.6 : modle oprationnel de la S95 (ORDINAL Technologies, daprs ANSI/ISAS95) .................................................................................................................................. 48 Figure II.7: classification en fonction de la polyvalence et de la facilit d'utilisation [Pidd, 2004]................................................................................................................................. 51 Figure II.8 : rpartition des applications de simulation en fonction de la phase du cycle de vie du processus ..................................................................................................................... 55 Figure II.9 : diffrentes gammes pour les deux pices............................................................. 62 Figure II.10 : prsentation de la dmarche combine .............................................................. 63 Figure II.11 : processus dtaill de complmentarit par les rsolutions statiques, squencement et dynamique............................................................................................. 64 Figure II.12 : exemple de programmation du problme sous LINGO ..................................... 66 Figure II.13: un tableur pour gnrer le squencement............................................................ 67 Figure II.14 : niveaux des encours dans une simulation dterministe horizon fini ............... 69 Figure II.15 : niveaux des encours dans une simulation horizon infini................................. 69 Figure II.16 : niveaux des encours dans simulation stochastique horizon infini................... 70 Figure III.1: principe d'utilisation de la simulation de type Hardware In the Loop d'aprs [Munteanu et al., 2006] .................................................................................................... 80 Figure III.2: principe dutilisation dune simulation de type Hardware in the loop .......... 82 Figure III.3 : principe gnral dune mulation ....................................................................... 82 Figure III.4 : les connexions entre les diffrents outils daprs [Peters et Smith, 1998] ......... 84
159
Figure III.5 : relation entre le processus de pilotage atelier en temps rel et le processus oprationnel et support de la simulation en ligne............................................................. 88 Figure III.6 : change des donnes en temps rel entre le processus oprationnel et le processus de pilotage........................................................................................................ 90 Figure III.7 : obtention de trois types de donnes pour prsenter limage actuelle de la production sur une demande priodique ou vnementielle ............................................ 90 Figure III.8 : modle datelier simple de production ............................................................... 91 Figure III.9 : besoin dinformations compltes de tous les quipements................................. 91 Figure III.10 : fonction principale [Piloter un atelier en temps rel] ....................................... 92 Figure III.11 : modlisation niveau [A0] du processus de pilotage ......................................... 93 Figure III.12 : donnes utilisables dans un modle.................................................................. 95 Figure III.13 : modlisation niveau [A1] de la fonction [Observer] ........................................ 96 Figure III.14 : exemple de la synchronisation sur le positionnement dune palette................. 99 Figure III.15 : analyse fonctionnelle interne en utilisant la mthode FAST .......................... 100 Figure III.16 : le fonctionnement dans le processus [Observer] ............................................ 101 Figure III.17 : dcomposition de la fonction [se Projeter]au niveau [A2] ............................. 103 Figure III.18 : diffrencier les vnements survenant au cours de la production .................. 104 Figure III.19 : les actions raliser aprs identification dvnement dclencheur et simulation de projection ................................................................................................. 105 Figure III.20 : dcomposition de la fonction [Dcider] et support de la simulation de correction........................................................................................................................ 107 Figure III.21 : le processus de pilotage datelier en temps rel avec les trois principales fonctions remplies par la simulation en ligne................................................................. 110 Figure III.22 : chronogramme de lutilisation conjointe dun observateur et dun simulateur proactif selon lapplication de [Cardin, 2007]- stratgie dinitialisation sur un tat unique ........................................................................................................................................ 111 Figure III.23 : chronogramme dutilisation de deux modles de simulation-stratgie dinitialisation sur des tats successifs ........................................................................... 113 Figure III.24 : chronogramme dutilisation dun seul modle de simulation en mode temps rel et en mode acclr pour la projection et la correction-stratgie dinitialisation sur un tat unique ...................................................................................................................... 114 Figure III.25 : chronogramme prsentant le problme de reprise de la simulation en temps rel suite lapplication de la stratgie dutilisation dun seul modle de simulation.......... 116 Figure III.26 : couplage entre MES et simulation en ligne .................................................... 117 Figure III.27 : un systme de simulation en ligne pour la planification, l'ordonnancement et le suivi [Drake et Smith, 1996] .......................................................................................... 118 Figure III.28 : architecture de fonctionnement [Kouiss et Najid, 2004] ................................ 119 Figure III.29 : informations provenant du processus oprationnel appliquer au processus de pilotage ........................................................................................................................... 120 Figure III.30 : architecture de couplage Simulation-MES ..................................................... 121 Figure IV.1 : fonctions principales de la partie oprative ...................................................... 132 Figure IV.2 : architecture matrielle ...................................................................................... 133 Figure IV.3 : exemple de produit fini (rf. H7-2) obtenu lissue du processus dassemblage ........................................................................................................................................ 133 Figure IV.4 : exemple de gamme d'assemblage..................................................................... 133 Figure IV.5 : architecture du systme d'information.............................................................. 134 Figure IV.6 : architecture du systme d'information.............................................................. 135 Figure IV.7 : paramtres gnraux du code d'une tiquette RFID ......................................... 137 Figure IV.8 : structure de l'tiquette RFID pour le codage d'une phase ................................ 137 Figure IV.9 : rgle d'accs sur un poste de travail en drivation ........................................... 139
160
Figure IV.10 : rgle de fonctionnement d'un poste en drivation .......................................... 140 Figure IV.11 : plan ct de l'ensemble du systme exprimental .......................................... 141 Figure IV.12 : emplacement des butes sur un poste de travail en drivation ....................... 142 Figure IV.13 : photo de l'arrive d'une palette sur une bute (sur le dessous) avec son dtecteur ( droite) ......................................................................................................... 142 Figure IV.14 : photo de l'entre d'un poste de travail avec au premier plan le dtecteur ( droite) et la tte de lecture/criture (TLE)...................................................................... 143 Figure IV.15 : vue de la simulation du processus exprimental avec Witness ...................... 144 Figure IV.16 : modlisation de la rgle daccs dune palette sur un poste de travail........... 145 Figure IV.17 : exemple de statistiques obtenues avec Witness.............................................. 145 Figure IV.18 : dispositif d'acquisition de donnes par client et serveur OPC........................ 146 Figure IV.19 : acquisition de donnes sur le processus exprimental rel ............................ 147 Figure IV.20 : exemple de donnes collectes pour le calibrage du modle ......................... 147 Figure IV.21 : introduction des palettes dans le modle ........................................................ 148 Figure IV.22 : exemple de comparaison donnes relles / donnes simules........................ 149 Figure IV.23 : rsultat aprs calibrage ................................................................................... 149 Figure IV.24 : outils utiliss pour la simulation en ligne ....................................................... 151 Figure IV.25 : code SIMBA pour introduire des articles dans le modle .............................. 151 Figure IV.26 : code SIMBA pour forcer l'tat d'une machine ............................................... 151 Figure IV.27 : exemple de code SIMBA pour introduire une palette dans le modle de simulation ....................................................................................................................... 152 Figure IV.28 : contrle de l'excution de la simulation ......................................................... 152 Figure IV.29 : aperu d'une simulation en temps rel (dtection de la palette n 8 lentre du poste 4 et introduction de cette mme palette dans le modle de simulation) ............... 153
161
Table des matires de la thse
Introduction et problmatique1 I. Pilotage des systmes de production ............................................................................................. 7 I.1. Introduction ...................................................................................................................... 9 I.2. Pilotage dun systme....................................................................................................... 9 I.3. Pilotage des systmes industriels................................................................................... 11 I.4. Fonctions gnriques du pilotage de la production..................................................... 14
I.4.1. Planification ............................................................................................... 15 I.4.2. Programmation........................................................................................... 15 I.4.3. Ordonnancement ou squencement ........................................................... 15 I.4.4. Conduite..................................................................................................... 16 I.4.5. Commande ................................................................................................. 16
I.5. Finalits des systmes de pilotage de la production .................................................... 18
I.5.1. Rpondre la demande client .................................................................... 18 I.5.2. Fournir aux ateliers des conditions de travail satisfaisantes ...................... 18 I.5.3. Donner lentreprise les moyens financiers qui lui sont ncessaires ........ 19
I.6. volution des systmes de production et de leurs objectifs ........................................ 19
I.6.1. Modle de production de masse ........................................................... 19 I.6.2. Modle de production au plus juste ..................................................... 20 I.6.3. Modle de production personnalise ................................................... 21
I.7. Flexibilit et ractivit.................................................................................................... 22 I.8. Typologie des structures de pilotage............................................................................. 24
I.8.1. Structure centralise................................................................................... 24 I.8.2. Structure hirarchise................................................................................. 25 I.8.3. Structure coordonne ................................................................................. 25 I.8.4. Structure distribue .................................................................................... 26 I.8.5. Structure distribue supervise .................................................................. 26 I.8.6. Structure dcentralise ............................................................................... 26
I.9. Structure retenue par la suite ....................................................................................... 26 I.10. Typologie du pilotage selon lorigine de perturbation et selon la priode de lancement ................................................................................................................... 28
I.10.1. Pilotage prdictif...................................................................................... 28 I.10.2. Pilotage proactif ....................................................................................... 28 I.10.3. Pilotage ractif ou pilotage en temps rel ................................................ 29 I.10.4. Pilotage correctif...................................................................................... 30
I.11. Conclusion..................................................................................................................... 31
163
II. Les outils daide la dcision pour le pilotage datelier.......................................................... 35 II.1. Introduction .................................................................................................................. 37 II.2. Les progiciels existants pour le pilotage dune unit de production ........................ 37
II.2.1. Supervision ............................................................................................... 38 II.2.1.1. Quelques dfinitions de la supervision............................................... 39 II.2.1.2. Positionnement de la supervision dans le pilotage............................. 39 II.2.1.3. Outils de supervision dans lindustrie ................................................ 41 II.2.1.4. Principales fonctionnalits des outils de supervision ......................... 41 II.2.2. Ordonnancement Scheduling en temps rel ....................................... 43
II.3. Choix des outils pour le pilotage en temps rel datelier........................................... 44
II.3.1. MES Manufacturing Execution System ............................................. 44 II.3.1.1. Dfinition et positionnement dans lentreprise .................................. 45 II.3.1.2. Norme S95 et fonctions du MES........................................................ 47 II.3.1.3. Contrainte du MES pour le pilotage................................................... 49 II.3.2. Simulation de flux vnements discrets (SED) ..................................... 49 II.3.2.1. volution des outils de simulation pour l'ingnierie .......................... 50 II.3.2.2. Classification de la simulation selon diffrents critres..................... 52 II.3.2.3. SED dans le cycle de vie dun systme de production................. 53 II.3.2.4. Contraintes dutilisation des outils de simulation .............................. 55 II.3.2.5. Simulation hors ligne, usage le plus courant pour le pilotage............ 57
II.4. Optimisation en couplant les mthodes simulatoire/analytique dans un atelier de fabrication intermittente........................................................................................... 58
II.4.1. Optimisation en thorie ............................................................................ 58 II.4.1.1. Les mthodes analytiques................................................................... 58 II.4.1.2. Les mthodes simulatoires ................................................................. 59 II.4.1.3. La combinaison des deux approches dans la thorie.......................... 61 II.4.2. Application pratique ................................................................................. 61 II.4.2.1. Description du job shop...................................................................... 62 II.4.3. Rsolution par couplage des deux approches ........................................... 63 II.4.3.1. Modlisation analytique ..................................................................... 64 II.4.3.2. Squencement..................................................................................... 67 II.4.3.3. Modlisation simulatoire.................................................................... 68 II.4.3.3.1. Simulation dterministe horizon fini ........................................ 68 II.4.3.3.2. Simulation dterministe horizon infini ..................................... 69 II.4.3.3.3. Simulation stochastique horizon infini ..................................... 70
II.5. Conclusion de cette optimisation................................................................................. 70 III. Simulation en ligne couple lexcution................................................................................ 77 III.1. Introduction................................................................................................................. 79 III.2. Simulation en ligne...................................................................................................... 79
III.2.1. Les diffrentes formes de la simulation en exploitation ......................... 79 III.2.2. tat de lart sur la simulation en ligne..................................................... 83
III.3. Proposition de modlisation du processus de pilotage en temps rel laide de la simulation en ligne..................................................................................................... 87
III.3.1. change de donnes entre les processus de pilotage et oprationnel...... 89 III.3.2. Analyse de la fonction principale niveau [A-0] du processus de pilotage en temps rel............................................................................................ 92 III.3.3. Fonction [A1] - Observer le processus oprationnel en utilisant une simulation en temps rel.......................................................................... 93 III.3.3.1. Caractrisation des donnes ncessaires ........................................... 94 III.3.3.1.1. Disponibilit des donnes .......................................................... 94 III.3.3.1.2. Acquisition de donnes .............................................................. 94
164
III.3.3.1.3. Qualit et exactitude des donnes .............................................. 94 III.3.3.1.4. Frquence de synchronisation.................................................... 95 III.3.3.2. Fonction [A11] - Calibrer le modle................................................. 96 III.3.3.3. Fonction [A12] - Initialiser le modle............................................... 97 III.3.3.4. Fonction [A13] - Adapter le modle aux vnements ...................... 97 III.3.3.4.1. Synchroniser les vnements du modle ................................... 98 III.3.3.4.2. Ajuster les paramtres.............................................................. 100 III.3.4. Fonction [A2] - Se projeter dans le court terme en utilisant une simulation de projection........................................................................ 101 III.3.4.1. Fonctions [A21] et [A22] - Slectionner un critre de filtrage et Classifier les vnements courants............................................... 102 III.3.4.2. Fonction [A23] Filtrer les vnements dclencheurs................... 103 III.3.4.3. Fonction [A24] Simuler en acclr ............................................ 104 III.3.5. Fonction [A3] - Dcider en utilisant une simulation de correction....... 105 III.3.5.1. Fonction [A31] valuer la situation (ti+t ).............................. 107 III.3.5.2. Fonction [A32] Rechercher des solutions.................................... 107 III.3.5.3. Fonction [A33] valuer les solutions........................................... 108 III.3.5.4. Fonction [A34] Valider une solution adapte .............................. 109
III.4. Chronogramme dutilisation de la simulation en ligne pour le pilotage en temps rel ............................................................................................................................ 109
III.4.1. Processus gnral de pilotage laide de la simulation en ligne .......... 109 III.4.2. Comparaison entre diffrentes stratgies dutilisation de la simulation en ligne....................................................................................................... 111 III.4.2.1. Stratgie dutilisation de deux modles de simulation et dinitialisation sur un tat unique ................................................. 111 III.4.2.2. Stratgie dutilisation de deux modles de simulation et dinitialisation sur des tats successifs ......................................... 112 III.4.2.3. Stratgie dutilisation dun seul modle de simulation et dinitialisation sur un tat unique ................................................. 113 III.4.2.4. Problme de reprise de la simulation en temps rel........................ 115
III.5. Couplage entre Simulation et MES pour laide la dcision dans le pilotage .... 116
III.5.1. tat de lart de la simulation couple lexcution pour le pilotage datelier.................................................................................................. 117 III.5.2. Analyse du besoin et spcifications attendues pour le couplage........... 120
III.6. Conclusion.................................................................................................................. 122 IV. Dmonstration de la faisabilit technique ............................................................................. 129 IV.1. Introduction ............................................................................................................... 131 IV.2. Prsentation de la plateforme exprimentale.......................................................... 131
IV.2.1. Caractristiques gnrales..................................................................... 131 IV.2.2. Description de la partie oprative ......................................................... 131 IV.2.3. Description de la partie commande....................................................... 134 IV.2.3.1. Commande bas niveau .................................................................... 134 IV.2.3.2. Commande de haut niveau.............................................................. 134 IV.2.4. Pilotage de la production par le produit ................................................ 135
IV.3. Construction du modle de simulation hors ligne de la plateforme exprimentale ................................................................................................................................... 141
IV.3.1. Donnes relles utiles la modlisation ............................................... 141 IV.3.2. Choix de loutil de modlisation........................................................... 143 IV.3.3. Modlisation des rgles aux diffrents points de dcision.................... 144 IV.3.4. Rsultats fournis par la simulation hors ligne....................................... 145
165
IV.3.5. Calibrage et validation du modle de simulation hors ligne ................. 145

IV.4. tude de la faisabilit technique pour raliser des simulations en ligne .............. 150
IV.4.1. Simulation en temps rel et problme de linitialisation du modle..... 150 IV.4.2. Dveloppement des fonctions techniques pour la simulation en ligne . 150 IV.4.3. Dmonstration en vraie grandeur .......................................................... 153
IV.5. Conclusion.................................................................................................................. 153 Conclusions et perspectives.....157
166
AUTEUR : Samieh MIRDAMADI DIRECTEUR DE THESE : Lionel DUPONT LIEU ET DATE DE SOUTENANCE : cole des Mines dAlbi - le 17 Juin 2009
Modlisation du processus de pilotage dun atelier en temps rel laide de la simulation en ligne couple lexcution
Rsum : Ce travail de recherche met en avant lintrt quoffre la simulation en ligne comme outil daide la dcision, outil centr sur le pilotage datelier vis--vis dvnements se produisant en temps rel et pour un horizon trs court terme. Aprs avoir prsent le contexte gnral du pilotage des systmes de production, nous avons tudi les outils existants et utiliss industriellement pour lexploitation de la production, de mme que les outils daide au pilotage permettant dassurer le respect optimal des objectifs fixs. Aprs un travail pralable sur la simulation hors ligne, nous proposons de coupler un outil de simulation en ligne un outil dexcution datelier de type MES afin de piloter en temps rel le processus de production. Une dmarche de modlisation faisant appel de faon complmentaire deux approches, analytique et simulatoire, est finalement mise en place. Nous mettons en exergue lutilisation de la simulation de flux en ligne pour aider au pilotage dun processus oprationnel. Ainsi nous modlisons le processus de pilotage en temps rel afin de dcrire les fonctions requises. Pour cela, nous utilisons diffrentes stratgies dutilisation des simulateurs en ligne pour le pilotage, avec un ou deux modles et avec plusieurs mthodes dutilisation de ces modles. La simulation en ligne apporte alors des informations objectives sur les consquences court terme dun vnement, ainsi que sur les divers scenarii de correction envisags. Pour mieux convaincre les industriels de lintrt de la simulation en ligne, nous prsentons des solutions pratiques aux spcifications et besoins noncs prcdemment en nous appuyant sur une plateforme exprimentale. Mots-Cls : Simulation en ligne, pilotage en temps rel, aide la dcision, MES, Supervision.
Decision-making aid for production activity control in production by the integration of manufacturing executive system and online discrete event simulation
Abstract: This research work highlights the interest of online simulation as a decision support tool. This tool is focused on workshop control in relation with real time and short-term events. Online simulation enables to analyze and compare scenarios affecting the production, such as failures or unexpected orders. Moreover online simulation allows a very short term projection in the future in order to quantify the consequences of some unexpected event: we call it projection simulation. Finally, online simulation is helpful to choose the solution that will reduce the impact of a critical event, through the simulation of several scenarios. To conclude, online simulation is one the most interesting decision support tool in workshop piloting. However, there are few industrial applications in manufacturing systems. The first part of this research work introduces the overall context of production system management. The different generic functions of controlling the production, the modes of piloting and the evolutions of workshop are detailed. We also explain piloting typologies according to their reactivity. In the second part, we study the existing software tools used in industry for the operation of production, and support tools that ensure optimal compliance in regard to the objectives. After a preliminary work on the offline simulation, we propose to couple an online simulation tool with a type MES delivery tool in order to control the production process in real time. A modeling approach using two complementary approaches, an analytical one and simulation, is then introduced. The objective of the third part is to emphasize the use of online flow simulation to assist in operating a production process. Thus we model the process in real time to describe the required functions. Therefore we try out different strategies of use of online simulators, through one or two models and several methods of using these models. Online simulation then provides realistic information on the short-term consequences of an event, as well as on the different ways of correcting the scenarios. To convince industry of the relevance of online simulation, the fourth part presents practical solutions to the specifications and requirements previously stated. An experimental platform helped us validate the concept of online simulation as piloting support tool, but also underline the difficulties of development. Keywords : Online discrete event simulation, production activity control, real-time dcision making, MES, Shop floor monitoring and control. DISCIPLINE ADMINISTRATIVE : Systmes Industriels Institut National Polytechnique de Toulouse - Laboratoire Gnie Industriel - cole des mines d'Albi - France http://www.mines-albi.fr/

Modélisation Du Processus de Pilotage D'un Atelier en Temps Réel

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

Modélisation Du Processus de Pilotage D'un Atelier en Temps Réel

Diunggah oleh

Hak Cipta:

Format Tersedia

THSE

DOCTORAT DE LUNIVERSIT DE TOULOUSE

Rapporteur Rapporteur Examinateur Examinateur Examinateur

Merci encore tous

Sommaire gnral de la thse

Rfrences bibliographiques de lintroduction

Partie I I. Pilotage des systmes de production

Sommaire dtaill de la partie I

Partie I : Pilotage des systmes de production

I.2. Pilotage dun systme

Partie I : Pilotage des systmes de production

Figure I.1 : cible et trajectoire

Partie I : Pilotage des systmes de production

I.3. Pilotage des systmes industriels

Partie I : Pilotage des systmes de production

Figure I.2 : dcomposition classique dun systme en trois sous-systmes

Partie I : Pilotage des systmes de production

Partie I : Pilotage des systmes de production

I.4. Fonctions gnriques du pilotage de la production

Partie I : Pilotage des systmes de production

Partie I : Pilotage des systmes de production

Partie I : Pilotage des systmes de production

Figure I.3 : fonction gnrale du pilotage dans la production

Partie I : Pilotage des systmes de production

I.5. Finalits des systmes de pilotage de la production

Partie I : Pilotage des systmes de production

I.6. volution des systmes de production et de leurs objectifs

Partie I : Pilotage des systmes de production

Partie I : Pilotage des systmes de production

Partie I : Pilotage des systmes de production

I.7. Flexibilit et ractivit

Partie I : Pilotage des systmes de production

Partie I : Pilotage des systmes de production

(ii) (iii) (iv) (v) (vi)

I.8. Typologie des structures de pilotage

Partie I : Pilotage des systmes de production

Partie I : Pilotage des systmes de production

I.9. Structure retenue par la suite

Partie I : Pilotage des systmes de production

Figure I.4 : le positionnement des structures de pilotage

Partie I : Pilotage des systmes de production

I.10. Typologie du pilotage selon lorigine de perturbation et selon la priode de lancement

Partie I : Pilotage des systmes de production

Partie I : Pilotage des systmes de production

Figure I.6 : exemple de carte de contrle pour un stock

Partie I : Pilotage des systmes de production

Figure I.7 : diffrents pilotages selon la priode de lancement en exploitation

Rfrences bibliographiques partie I

Rfrences bibliographiques partie I

Partie II II. Les outils daide la dcision pour le pilotage datelier

Partie II : Les outils daide la dcision pour le pilotage datelier

II.2. Les progiciels existants pour le pilotage dune unit de production

Partie II : Les outils daide la dcision pour le pilotage datelier

Figure II.2 : positionnement des outils de gestion industrielle

Partie II : Les outils daide la dcision pour le pilotage datelier

Partie II : Les outils daide la dcision pour le pilotage datelier

Partie II : Les outils daide la dcision pour le pilotage datelier

Partie II : Les outils daide la dcision pour le pilotage datelier

Partie II : Les outils daide la dcision pour le pilotage datelier

Partie II : Les outils daide la dcision pour le pilotage datelier

II.3. Choix des outils pour le pilotage en temps rel datelier

Partie II : Les outils daide la dcision pour le pilotage datelier

Supervision Contrle Commande Processus de fabrication