ModÃ©lisation du processus de pilotage d'un atelier - Les thÃ¨ses en ...

More documents

Recommendations

Info

Partie III : Simulation en ligne couplée à l’exécution Figure III.13 : modélisation niveau [A1] de la fonction [Observer] Ces trois fonctions du niveau [A1] sont décrites dans les chapitres suivants. III.3.3.2. Fonction [A11] - Calibrer le modèle Comme son nom l’indique, l’objectif de cette fonction est d’arriver à ce que le modèle de simulation soit calibré sur le processus opérationnel. Cela signifie qu’à partir de données identiques, notamment pour les valeurs de temps et de capacité liées à chacun des équipements, le comportement dynamique du modèle de simulation sera très proche de celui du processus opérationnel. Les données peuvent avoir une valeur instantanée, moyenne ou encore suivre une loi de distribution aléatoire. Par exemple, pour un temps de cycle d’une machine, il est possible d’utiliser une valeur instantanée, une valeur moyenne calculée à partir de plusieurs valeurs instantanées ou bien encore utiliser une loi de distribution mathématique. En général, dans un atelier de production, ces données décrivent non seulement les caractéristiques des ordres de fabrication, mais aussi les caractéristiques des postes de travail ou des machines comme par exemple le temps de cycle moyen, le MTBF, le MTTR, le temps de réglage, etc. Les valeurs de ces données nécessaires pour le calibrage sont collectées soit directement sur le système réel, en relation directe avec la commande de bas niveau (généralement par l’intermédiaire d’un automate programmable ou d’un réseau d’automates) ou par interrogation d’une base de données de production, de type MES ou ERP, éventuellement en association avec un outil d’analyse statistique de données. Il est à noter que cette fonction de calibrage se fait de façon statique, c’est-à-dire sans qu’il y ait de simulation proprement dite. Il n’y a donc aucun article présent dans le modèle et tous les éléments sont dans un état disponible. Les données nécessaires au calibrage sont affectées aux différents éléments du modèle afin de garantir par la suite des simulations s’appuyant sur des valeurs les plus proches possibles des données du processus opérationnel réel. 96
Partie III : Simulation en ligne couplée à l’exécution III.3.3.3. Fonction [A12] - Initialiser le modèle Cette fonction est destinée à placer le modèle de simulation dans un état correspondant à l’état du processus réel. Il s’agit de l’un des points les plus délicats à résoudre. En effet, la plupart des simulateurs du commerce ne sont pas prévus pour être utilisés en ligne et en temps réel, mais plutôt hors ligne et sans synchronisation de temps avec le processus réel. En simulation hors ligne, l’initialisation d’un modèle se fait habituellement en partant de l’état vide (pas d’encours dans l’atelier). Ensuite, on simule une période de montée en régime permettant d’atteindre un état stationnaire. Bien que cet état stationnaire puisse correspondre à l’état stationnaire moyen du processus réel, à un instant donné, le modèle a fort peu de chance de se trouver dans le même état que le processus réel. Pour remplir la fonction [Observer], cette approximation n’est pas satisfaisante car l’on souhaite qu’il y ait vraiment un parallélisme d’évolution de l’état du modèle avec l’état du processus réel. La situation initiale du modèle a donc une importance considérable pour que la simulation d’observation puisse refléter une image proche de la réalité. A un instant donné, cela revient à renseigner le simulateur avec des informations sur l’emplacement des encours dans l’atelier (positionnement des pièces sur les convoyeurs, les machines, dans les stocks, etc.) ainsi que sur l’état des différents éléments du modèle (état courant et temps prévu jusqu’au prochain changement d’état). Cela peut se faire instantanément si l’on dispose de toutes les données nécessaires non seulement sur la localisation des articles mais aussi sur l’état des différents éléments. Dans ce cas, le modèle est initialisé à partir d’une « photo » de l’état du processus réel, qui est reproduite dans le modèle de simulation. Si l’on ne dispose pas de toutes les données nécessaires à l’instant demandé, cela peut aussi se faire en faisant évoluer l’horloge de simulation en temps réel et en introduisant, à partir d’événements réels, des articles dans le modèle jusqu’à ce que l’état du modèle converge vers l’état du processus opérationnel. La période de montée en régime du modèle correspond à l’évolution du modèle pour atteindre l’état courant du processus opérationnel. III.3.3.4. Fonction [A13] - Adapter le modèle aux événements Après la réalisation des fonctions [calibrer] et [initialiser] des chapitres précédents, le modèle se trouve donc dans un état correspondant à la situation actuelle du processus réel. La simulation en temps réel peut donc être lancée en parallèle du processus opérationnel avec un comportement dynamique très proche. Mais il est possible que l’avancement du modèle ne soit pas identique à l’avancement du processus réel. Ce problème peut soit être causé par un manque de synchronisation des événements du modèle par rapport aux événements du système réel, soit être la conséquence d’événements imprévus dans le système réel. L’objectif de la fonction [Adapter le modèle aux événements] est de maintenir de façon dynamique l’état du modèle de simulation dans un état identique au système. Nous proposons de décomposer cette fonction en deux fonctions de niveau inférieur : [Synchroniser] les événements ou changements d’état du modèle de simulation par rapport au système réel, [Ajuster] les paramètres du modèle dans le cas où l’on constate l’apparition répétitive de certains événements non synchronisés avec le fonctionnement réel du système, la cause pouvant provenir par exemple de la dérive de certains temps de cycle du système réel. 97
Page 1:
THÈSE En vue de l'obtention du DOC
Page 5:
Sommaire général de la thèse Int
Page 8 and 9:
Introduction et problématique Dans
Page 10 and 11:
Introduction et problématique situ
Page 13:
Partie I I. Pilotage des systèmes
Page 16 and 17:
Partie I : Pilotage des systèmes d
Page 18 and 19:
Page 20 and 21:
Page 22 and 23:
Page 24 and 25:
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
Page 32 and 33:
Page 34 and 35:
Page 36 and 37:
Page 38 and 39:
Références bibliographiques parti
Page 41:
Partie II II. Les outils d’aide
Page 44 and 45:
Partie II : Les outils d’aide à
Page 46 and 47:
Page 48 and 49:
Page 50 and 51:
Page 52 and 53: Partie II : Les outils d’aide à
Page 78 and 79: Références bibliographiques parti
Page 83 and 84: Partie III III. Simulation en ligne
Page 85 and 86: Partie III : Simulation en ligne co
Page 101: Partie III : Simulation en ligne co
Page 133: Références bibliographiques parti
Page 137 and 138: Partie IV : Démonstration de la fa
Page 153 and 154:
Partie IV : Démonstration de la fa
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 163 and 164:
Conclusions et perspectives Les tra
Page 165 and 166:
Table des illustrations Figure I.1
Page 167:
Table des illustrations Figure IV.1
Page 170 and 171:
Table des matières de la thèse II
Page 172:
Table des matières de la thèse IV
show all

ModÃ©lisation du processus de pilotage d'un atelier - Les thÃ¨ses en ...

Create successful ePaper yourself

Delete template?

Save as template?