Modélisation du processus de pilotage d'un atelier - Les thèses en ...
Modélisation du processus de pilotage d'un atelier - Les thèses en ...
Modélisation du processus de pilotage d'un atelier - Les thèses en ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Partie II : <strong>Les</strong> outils d’ai<strong>de</strong> à la décision pour le <strong>pilotage</strong> d’<strong>atelier</strong><br />
<strong>de</strong> nombreuses métho<strong>de</strong>s qui dép<strong>en</strong><strong>de</strong>nt fortem<strong>en</strong>t <strong>de</strong> la fonction objectif, <strong>de</strong> la nature <strong>de</strong>s<br />
contraintes et <strong>du</strong> type <strong>de</strong>s variables <strong>de</strong> décision [Minoux, 1983].<br />
Pour les problèmes qui ne sont pas NP-complets, la résolution est faite par un<br />
algorithme polynomial, à condition que le polynôme soit <strong>de</strong> <strong>de</strong>gré raisonnable. Certains<br />
problèmes ont <strong>de</strong> « bonnes » caractéristiques, qui permett<strong>en</strong>t <strong>de</strong> les résoudre à l'ai<strong>de</strong> <strong>d'un</strong>e<br />
formule <strong>de</strong> récurr<strong>en</strong>ce. <strong>Les</strong> métho<strong>de</strong>s <strong>de</strong> programmation dynamique peuv<strong>en</strong>t alors<br />
év<strong>en</strong>tuellem<strong>en</strong>t permettre <strong>de</strong> résoudre le problème avec une complexité polynomiale ou<br />
pseudo-polynomiale. <strong>Les</strong> <strong>processus</strong> stochastiques concern<strong>en</strong>t tous les problèmes aléatoires, <strong>en</strong><br />
particulier <strong>de</strong>s problèmes <strong>de</strong> fiabilité (<strong>de</strong> systèmes, <strong>de</strong> composants électroniques…) et <strong>de</strong>s<br />
phénomènes d'att<strong>en</strong>te. La programmation linéaire est très souv<strong>en</strong>t utilisée pour résoudre <strong>de</strong>s<br />
problèmes combinatoires. Elle permet <strong>de</strong> résoudre les problèmes dans lesquels les variables<br />
sont continues. Lorsqu'il y a <strong>de</strong>s variables discrètes, programmation linéaire et métho<strong>de</strong>s<br />
arboresc<strong>en</strong>tes peuv<strong>en</strong>t être combinées.<br />
La programmation non linéaire peut aussi être utilisée. La possibilité <strong>de</strong> modéliser <strong>de</strong>s<br />
contraintes ou <strong>de</strong>s fonctions objectifs non linéaires offre une puissance <strong>de</strong> modélisation très<br />
importante, mais les algorithmes <strong>de</strong> résolution <strong>de</strong>s programmes non linéaires sont<br />
significativem<strong>en</strong>t moins efficaces que ceux <strong>de</strong> la programmation linéaire. <strong>Les</strong> métho<strong>de</strong>s <strong>de</strong><br />
type A* ou branch and bound sont couramm<strong>en</strong>t mises <strong>en</strong> œuvre pour trouver la solution<br />
exacte <strong>d'un</strong> problème <strong>de</strong> recherche opérationnelle. Pour une résolution efficace, un soin<br />
particulier est apporté au calcul <strong>de</strong>s bornes supérieures ou inférieures pour la valeur <strong>de</strong> la<br />
solution. La programmation par contraintes permet <strong>de</strong> mettre <strong>en</strong> œuvre rapi<strong>de</strong>m<strong>en</strong>t et<br />
efficacem<strong>en</strong>t <strong>de</strong> telles métho<strong>de</strong>s <strong>de</strong> recherche arboresc<strong>en</strong>te. Plusieurs bibliothèques (logiciels)<br />
d'optimisation, commerciales ou non, repos<strong>en</strong>t sur cette approche (ILOG Solver, Chip,<br />
Mozart/Oz, FaCiLe). De nombreux logiciels d'optimisation <strong>de</strong> problèmes réels utilis<strong>en</strong>t ainsi<br />
cette technologie.<br />
Lorsque la solution optimale ne peut être obt<strong>en</strong>ue <strong>en</strong> un temps raisonnable, on a souv<strong>en</strong>t<br />
recours à <strong>de</strong>s métho<strong>de</strong>s approchées <strong>de</strong> type heuristique ou métaheuristique. De nombreux<br />
travaux ont été effectués pour étudier les algorithmes et heuristiques, <strong>en</strong> particulier pour<br />
l’optimisation <strong>de</strong> l’ordonnancem<strong>en</strong>t, pour <strong>de</strong>s jobs shop statiques et dynamiques [Gere, 1966],<br />
[Blackstone et al., 1982], [Raj<strong>en</strong>dran et Holthaus, 1999], [Jain et Meeran, 1999]. Un problème<br />
d’ordonnancem<strong>en</strong>t peut se caractériser par une série <strong>de</strong> jobs, chacun composé d’une ou<br />
plusieurs opérations. <strong>Les</strong> opérations doiv<strong>en</strong>t être effectuées dans un ordre déterminé sur <strong>de</strong>s<br />
machines déterminées. L’objectif <strong>de</strong> l’ordonnancem<strong>en</strong>t est <strong>de</strong> trouver l’ordre <strong>de</strong>s jobs qui<br />
minimise (ou maximise) un critère (ou plusieurs) <strong>de</strong> performance [Raj<strong>en</strong>dran et Holthaus,<br />
1999]. A cause <strong>du</strong> nombre considérable <strong>de</strong> combinaisons possibles, les problèmes<br />
d’ordonnancem<strong>en</strong>t <strong>de</strong> job shop sont dits NP-difficiles [Jain et Meeran, 1999]. La résolution<br />
<strong>de</strong>s problèmes NP-complets est coûteuse <strong>en</strong> termes <strong>de</strong> puissance <strong>de</strong> calcul, dans la mesure où<br />
pour garantir une solution optimale cela nécessite une recherche exhaustive où toutes les<br />
solutions possibles doiv<strong>en</strong>t être essayées et évaluées. Comme une telle recherche exhaustive<br />
pr<strong>en</strong>d un temps <strong>de</strong> calcul démesuré pour les problèmes plus complexes, il est courant <strong>de</strong><br />
sacrifier l’optimalité <strong>de</strong> la solution à l’efficacité <strong>de</strong> la recherche <strong>en</strong> guidant par une heuristique<br />
la recherche <strong>de</strong> solutions et <strong>en</strong> évaluant seulem<strong>en</strong>t une fraction <strong>de</strong> toutes les combinaisons.<br />
II.4.1.2. <strong>Les</strong> métho<strong>de</strong>s simulatoires<br />
Le modèle analytique n’est toujours pas suffisant pour pr<strong>en</strong>dre les décisions qui<br />
s’impos<strong>en</strong>t pour concevoir ou optimiser les performances d’un <strong>atelier</strong> <strong>de</strong> fabrication. Par<br />
59