Modélisation du processus de pilotage d'un atelier - Les thèses en ...

Partie II : Les outils d’aide à la décision pour le pilotage d’atelier
connaissances et une expérience en modélisation [Bakalem, 1996]. Le manque
d’expérience par tous les utilisateurs rend difficile l’utilisation de l’outil et la
compréhension de cette démarche. En conséquence, pour une meilleure
compréhension par l’utilisateur simple de la simulation, les programmations et
les concepts utilisés doivent être simplifiés sur la forme, la présentation….Par
exemple en utilisant un langage générique, ce qui peut aussi résoudre le
problème de réutilisation des modèles.
(viii)
La difficulté de cohérence entre les modèles statique et dynamique : le modèle
statique présente les caractéristiques structurelles du système de production et le
modèle dynamique son comportement en fonction de l’évolution du temps. La
cohérence entre ces deux modèles est difficile du fait de l’utilisation de
formalismes différents pour les deux modèles. Le couplage des méthodes
d’analyse et les modèles de simulation ont eu une solution pour la difficulté du
modélisation de système physique, du système de décision et d’information.
II.3.2.5. Simulation hors ligne, usage le plus courant pour le pilotage
Aujourd’hui, la « simulation hors ligne » est assez répandue dans l’industrie
manufacturière et les applications portant sur des ateliers de production sont nombreuses. Elle
est appliquée principalement dans les phases de conception et d’amélioration d’un processus.
On peut aussi l'utiliser en phase d’exploitation, en pilotages prédictif et proactif, en
complément d’outils de planification ou d'ordonnancement. On peut par exemple rechercher
une séquence optimale de lancement ou encore déterminer la taille optimale des files
d’attente, ainsi que leurs règles de gestion, tout en prenant en compte les phénomènes
aléatoires.
Le niveau de détail du modèle de simulation apporte des informations que ne
fournissent pas les autres outils. Le temps de réponse de la simulation de flux, très nettement
inférieur à celui du système réel, permet de tester un grand nombre de combinaisons des
paramètres en couplant au modèle un algorithme d’optimisation [Fontanili et Ponsonnet,
1999]. Au moment du lancement d’une production, la meilleure solution trouvée par la
simulation est « injectée » dans l’outil de pilotage réactif du système réel. Comme il n’y a
aucun couplage direct entre le modèle de simulation et le système réel, les simulations sont
lancées en initialisant le modèle soit dans un état « vide » et « disponible », soit dans un état
obtenu après une période de montée en régime. Dans ce deuxième cas, l’état initial du modèle
ne correspond donc pas exactement à l’état du système réel à un instant donné.
57