Letouzey - Les thèses en ligne de l'INP - Institut National ...

More documents

Recommendations

Info

- Chapitre 4 – Planification de commandes incertaines et évaluation des délaisseulement des commandes est ferme, il dispose de deux approches pour faire unordonnancement prévisionnel par des méthodes classiques :– considérer toutes les commandes comme fermes et toutes les planifier,– ne prendre en compte que les commandes fermes.Les résultats des trois ordonnancements prévisionnels (sous incertitude qualifié de« flou », basé uniquement sur les commandes fermes et considérant toutes les commandescomme fermes) avec pour paramètres (b,c) le couple (2,2), sont présentés Figure 4.13.% d'OF flou100uniquement OF sûrstous OF sûrs806040200+ 30 30-20 20-10 10-0 0-10 10-20 20-30 +30retard absolu (% du temps de cycle)avanceretardFigure 4.13 – Comparaison ordonnancements classiques et sous incertitudeL'ordonnancement basé sur toutes les commandes conduit logiquement à avoir des datesde fin largement surestimées, l'atelier « réel » étant nettement en sous charge par rapport à cequi a été planifié. 92% des OF sont en avance, dont 80% de plus de 10% de leur temps decycle. Moins de 3% des OF ont un retard significatif. L'ordonnancement prenant en compteuniquement les OF fermes aboutit, tout aussi logiquement, à avoir des dates de fin trèsnettement sous-estimées. En effet, seulement 3% des OF sont dans une fourchette de ±10% deleur temps de cycle, et plus de 98% des OF sont en retard, dont 88% de plus de 30% de leurtemps de cycle. L'ordonnancement sous incertitude permet d'obtenir des résultats plussatisfaisants. 36% des dates de fin prévues ont une précision de ±10% de leur temps de cycleet seulement 10% des OF ont une avance significative par rapport aux prévisions. Il faut toutde même noter que beaucoup d'OF sont en retard, dont 25% de plus de 30% de leur temps decycle.L'ordonnancement sous incertitude aboutit donc à des résultats corrects. Considérer tousles OF comme fermes, bien que moins risqué, conduit à des dates prévisionnelles plutôtéloignées de la réalité. Ignorer les commandes qui ne sont pas encore conclues fait prendrebeaucoup de risques pour donner des prévisions très mauvaises. Néanmoins, pour desdistributions d'OF très marquées à droite ou à gauche, c'est-à-dire pour des OF majoritairement112
- Chapitre 4 – Planification de commandes incertaines et évaluation des délaissûrs d'être annulés ou confirmés, ces deux approches sont envisageables (méthode considéranttous les OF comme fermes pour des configurations tendant en majorité pour la confirmationet méthode ne prenant en compte que les OF fermes pour les distributions tendant versl'annulation).V.2.3.Bilan de la campagne de testsLe test évaluant l'influence des OF certains sur la qualité de l'ordonnancement prédictifmet en évidence l'intérêt de la méthode proposée. En effet, les deux approches par desordonnancements classiques proposent des dates de fin largement sous et surestimées. Notregestion de l'incertitude permet donc d'obtenir un ordonnancement prévisionnel réaliste, touten prenant des risques raisonnables.Le second test nous a permis d'évaluer l'influence de la répartition des OF dans lesdomaines d'incertitude sur la qualité de l'ordonnancement prévisionnel. Détaillée simplementpour le couple (2,2), l'analyse des résultats pour d'autres couples conduit aux mêmeconclusions. Il apparaît que, logiquement, les configurations où la plupart des OF sont plutôtsûrs d'être annulés ou confirmés (les configurations 1, 2 et 6) aboutissent à des prévisionsassez bonnes des dates de fin, et donc à un ordonnancement prévisionnel assez fiable. Lesdistributions plus « éparses », comme les configurations 3 et 7 conduisent systématiquement àun retard important de l'ordonnancement réel par rapport au prévisionnel. La configuration 4qui contient les OF les plus incertains, engendre des prévisions plutôt moyennes, avec unepartie des OF dans une fourchette de prévisions correctes, mais aussi une part importante trèsen retard. Les distributions 5 et 6, bien que symétriques, aboutissent à des résultats totalementdifférents. Alors que les prévisions de la configuration 6 sont plutôt bonnes, les prévisionsobtenues pour la répartition 5 sont très nettement sous-estimées par rapport aux résultats desordonnancements réels. Ces distributions, bien qu'apparaissant dans nos tests comme desparamètres, sont, dans la réalité, des données d'entrée qui peuvent être évaluées par desindicateurs de contexte.Le test évaluant l'influence des paramètres de sur-réservation sur la qualité desprévisions nous a permis de constater que :– choisir le « meilleur » seuil flou de capacité dépend des données de l'atelier, mais aussi desrisques que souhaite prendre le gestionnaire d'atelier– ce seuil flou est aussi un indicateur sur la prise de risque, en autorisant plus ou moins desur-réservation sur les ressources.113
Page 5:
SommaireSommaire1
Page 9 and 10:
SommaireV.2.1. Principes...........
Page 11 and 12:
Sommaire- Chapitre 5 - Indicateurs
Page 13:
SommaireIntroduction générale9
Page 16 and 17:
Introduction généralecompte par l
Page 18 and 19:
Introduction généraleparagraphes
Page 20 and 21:
Introduction généraleaussi des en
Page 22 and 23:
Introduction généraleLe chapitre
Page 25 and 26:
- Chapitre 1 - L'ordonnancementChap
Page 27 and 28:
- Chapitre 1 - L'ordonnancement- la
Page 29 and 30:
- Chapitre 1 - L'ordonnancementde l
Page 31 and 32:
- Chapitre 1 - L'ordonnancementdisp
Page 33 and 34:
- Chapitre 1 - L'ordonnancementmach
Page 35 and 36:
- Chapitre 1 - L'ordonnancementmodu
Page 37 and 38:
- Chapitre 1 - L'ordonnancement- l'
Page 39 and 40:
- Chapitre 1 - L'ordonnancementfaci
Page 41 and 42:
- Chapitre 1 - L'ordonnancementsouv
Page 43 and 44:
- Chapitre 1 - L'ordonnancementsél
Page 45 and 46:
- Chapitre 1 - L'ordonnancementL'ap
Page 47 and 48:
- Chapitre 1 - L'ordonnancementl'or
Page 49 and 50:
- Chapitre 1 - L'ordonnancement- av
Page 51 and 52:
- Chapitre 1 - L'ordonnancement- po
Page 53 and 54:
- Chapitre 1 - L'ordonnancementV.3.
Page 55:
- Chapitre 1 - L'ordonnancement- Ch
Page 58 and 59:
- Chapitre 2 - Les indicateurs de p
Page 60 and 61:
Page 62 and 63:
Page 64 and 65:
Page 66 and 67: - Chapitre 2 - Les indicateurs de p
Page 75: - Chapitre 2 - Les indicateurs de p
Page 78 and 79: - Chapitre 3 - Propositions d'indic
Page 93: - Chapitre 3 - Propositions d'indic
Page 96 and 97: - Chapitre 4 - Planification de com
Page 121: - Chapitre 4 - Planification de com
Page 124 and 125: - Chapitre 5 - Indicateurs pour la
Page 159: - Chapitre 5 - Indicateurs pour la
Page 162 and 163: - Chapitre 6 - Application industri
Page 164 and 165: - Chapitre 6 - Application industri
Page 166 and 167:
- Chapitre 6 - Application industri
Page 168 and 169:
Page 170 and 171:
Page 172 and 173:
Page 174 and 175:
Page 176 and 177:
Page 178 and 179:
Page 180 and 181:
Page 183 and 184:
Conclusion généraleConclusion gé
Page 185 and 186:
Conclusion généralepossibles des
Page 187 and 188:
Conclusion généraleNotre approche
Page 189:
Conclusion généraleAnnexes185
Page 192 and 193:
Annexes4 - Pensez-vous avoir des be
Page 194 and 195:
Annexesopérateurs ?(classez par ra
Page 197 and 198:
AnnexesAnnexe B - RésultatsRésult
Page 199 and 200:
Annexes3-3 Prise en compte des capa
Page 201:
Annexes5 - Annualisation du temps d
Page 204 and 205:
Annexesmatab.MoveLastmatab.Editcham
Page 206 and 207:
AnnexesDo Until matab.EOFIf matab.[
Page 208 and 209:
AnnexesNext champs'recherche de leu
Page 211 and 212:
BibliographieRéférences bibliogra
Page 213 and 214:
Bibliographie1990.[Boucher 00][Bouc
Page 215 and 216:
Bibliographiemanufacturing environm
Page 217 and 218:
Bibliographie[Kane et al. 00]H. Kan
Page 219 and 220:
Bibliographie[Ow et Smith 88]P.S. O
Page 221:
Bibliographie[Türksen 97][Van Bael
show all

Letouzey - Les thèses en ligne de l'INP - Institut National ...

Create successful ePaper yourself

Delete template?

Save as template?