Les systèmes de production flexible

Pour s’adapter à un environnement industriel, les entreprises doivent fixer des objectifs notamment:
– une grande souplesse de production obtenue par une flexibilité accrue d’équipements qui associés à l’informatique (automates programmables, robots, cellules et ateliers flexibles) sont pris en charge par un système de gestion de production performant. D’où la nécessité d’un modèle destiné à fournir un support pratique d’analyse pour la prise de décision face à des perturbations.
– une diminution des arrêts machine par l’utilisation optimale des moyens de production tout en exigeant une grande disponibilité,
– une bonne qualité du produit intégrant les incertitudes sur les paramètres d’entrée,
– une réduction des coûts de production, en diminuant les coûts de maintenance toute en diminuant les arrêts.

Afin de réaliser ces objectifs, une entreprise doit s’adapter aux changements apportés aux systèmes de production et savoir anticiper et réagir face à une incertitude ou une complexité. Les systèmes de production manufacturière sont constitués de procédés à contraintes de temps. La commande de ces procédés doit garantir, pour chaque opération, les spécifications sur les durées opératoires afin d’assurer la conformité des produit et le taux de production. Il en résulte un besoin de méthodologies et d’outils pouvant aider les décideurs de mieux respecter la notion de performance et à évaluer ce dernier lors de la conception, de l’exploitation, et de modelage d’un système de production. La flexibilité recherchée pour un atelier de production a comme effet de créer de nombreuses situations de conflits nécessitant un choix pour leur résolution, ce qui permet d’augmenter les possibilités (solutions) du système. Ceci ne peut être envisagé qu’à l’aide d’un outil de simulation qui s’avère souvent indispensable dans ce contexte. En effet, ainsi que l’écrit Jacquet Lagrèze, «la simulation ne permet pas de trouver une solution optimale, mais seulement une solution jugée satisfaisante pour illustrer la célèbre et importante distinction faite par Simon » [47]. De son côté, Anderson [9] définit la simulation comme une manipulation numérique d’un modèle symbolique conçu pour représenter l’évolution d’un système dans le temps. Ainsi qu’il le souligne par ailleurs, les processus mis en œuvre sont souvent de nature complexe et aléatoire, et les problèmes traités par cette approche sont typiquement peu structurés.

La simulation est un processus qui consiste à distinguer quatre phases distinctes:
– Concevoir un modèle du système (réel) qui permet la représentation du système étudié, c’est une étape essentielle pour la simulation
– la programmation, qui permet de fournir des résultats testé sur se système
– Mener des expérimentations sur ce modèle (et non pas des calculs),
– Interpréter les observations et les résultats fournis par le déroulement du modèle et formuler des décisions relatives au système.

Donc pour étudier le comportement d’un système réel on construit son modèle. Les systèmes réels sont généralement caractérisés par des aspects continus ou discrets. Les systèmes à double composante comportementale sont appelés Systèmes Hybrides. Ce qui fait apparaître deux parties dans la modélisation de tels systèmes: le modèle continu et le modèle discret. Le modèle continu traduit la physique de chacune des opérations. Tandis que le modèle discret décrit les trajectoires de la matière (enchaînement d’opérations) au cours de son passage dans l’unité de production et en fonction du temps, un changement de phases entraîne une discontinuité lors d’un passage d’un état à un autre. Le résultat fournit par ce modèle est une suite de changements d’état exprimée en termes d’activités et d’événements.

Ces événements sont connus soit à l’avance, soit liés à des variables d’état du système, et confèrent aux procédés des caractéristiques discrètes qui dans le cadre de la simulation dynamique, sont couplées à des étapes continues pour former des Systèmes Dynamiques Hybrides. La simulation hybride peut alors se révéler une aide précieuse dans la mise en place des produits de fabrication. Pour décrire ces produits, plusieurs formalismes peuvent être utilisé: Grafcet, machines à états, réseaux de Pétri… Les plus élaborés sont les réseaux de pétri. Ils permettent de décrire le comportement d’un système de production vu leur capacité de modéliser les systèmes dynamiques hybrides toute en utilisant les RdP hybride. Des méthodes d’optimisation ou d’apprentissage associé au modèle des systèmes permettent de résoudre des problèmes auxquels les méthodes classiques n’apportent pas de réponses satisfaisantes, et qui permet de fournir une solution assez bonne pour la résolution d’un problème d’optimisation.

Les systèmes de production

Historique

L’espace d’un système de production est constitué de produits, de moyens de production et d’opérateurs en interdépendance entre eux. Le contrôle et l’exploitation des liens entre eux sont les activités des algorithmes de pilotage. La tendance actuelle s’oriente vers des systèmes produisant des petites et moyennes séries capables de s’adapter aux changements de production, afin de répondre aux exigences de diversité, de productivité et de qualité, exigées par la concurrence actuelle du marché. Ces systèmes, appelé Systèmes Flexibles de Production Manufacturière (SFPM). Le but des systèmes de production est de fabriquer et de transformer une matière première en produit fini ou semi fini.

Deux parties composent les systèmes de production :
– la partie décisionnelle du système: représente le système de décision (la commande), cette partie regroupe l’ensemble des moyens logiciels, matériels, et les informations permettant la gestion du système. Les décisions portent sur les actions à mener par le procédé sur le produit, ces actions sont élaborées à partir des informations (comptes-rendus) réunies sur le procédé ou sur le produit. Le système d’information traite et mémorise les informations, les données et les décisions.
– La partie opérative : représente le procédé de production, ou le système physique regroupe l’ensemble des organes physiques ayant pour but la transformation des matières premières. Selon la nature de flux de produit [69], la partie opérative peut être de trois types:
♦ discrète: le produit représente une matière solide et discrète, et constitue un ensemble de matière localisable individuellement.
♦ continue: le produit est un flux continu de matière.
♦ mixte ou hybride: le processus est à la fois discret et continu.

Les systèmes de production classiques

Le système de production est décomposé en deux parties complémentaires: La première partie est la partie opérative, qui désigne le flux matériel, elle est constituée des entités appartenant à trois populations: la population des produits, la population des moyens de production et la population des opérateurs de production [72], elle a pour fonction de fabriquer (qualité, quantité, délais) des produits finis à partir des produits bruts avec les moyens de production et les opérateurs de production. La deuxième partie est la partie conduite, qui traite le flux informationnel, elle a pour fonction d’élaborer les ordres nécessaires à la partie opérative. Le rôle principal de la fonction conduite des systèmes de production est de diriger, guider, et piloter, de manière à assurer la pertinence et la cohérence du système dans un environnement donné.

Nécessité de la flexibilité

Dans un monde qui va vite, l’entreprise est soumise à l’évolution du marché. Aussi et pour y faire face, le système de production est orienté vers des familles de produits et non vers un seul type de produit. Cette aptitude exige une grande flexibilité tant matérielle qu’organisationnelle. La flexibilité est l’aptitude d’un système de production à fabriquer plusieurs variantes de produit, et se caractérise aussi par sa capacité d’adaptation à la production de nouveaux produits. Pour ce faire une bonne conduite du système est alors exigée afin de rapporter un meilleur coût de production face aux variations des systèmes flexibles. Cela nécessite, un système de conduite élaboré, afin de faire face aux différentes contraintes.

Fondements du pilotage industriel
Piloter une partie de l’entreprise ou toute l’entreprise, revient à organiser et entamer des actions pour corriger en permanence l’écart entre l’objectif visé et le résultat atteint. On trouve les fondements du pilotage dans des domaines d’automatique et le contrôle de gestion. Le pilotage partage un certain nombre d’analogies avec la commande en automatique. On parle ainsi :
● d’objectif (consigne) pour caractériser les sorties espérées du système piloté (commandé),
● de variables essentielles (variables d’état) pour caractériser l’état du système,
● de variables d’action ( grandeurs de commandes) pour caractériser les entrées sur lesquelles agir pour modifier l’état du système,
● de système de pilotage (système de commande) pour fixer, en fonction de l’écart enregistré, les grandeurs de commande du système piloté (commandé),
● des aléas (perturbations) pour caractériser les modifications de l’état du système hors des actions du système de commande,
● de performance (d’erreur) pour caractériser la correspondance entre les sorties réelle et les sorties espérées.

Le système piloté contient toutes les activités qui assurent la transformation des produits effectué sur un ensemble des moyens et flux qui élaborent les plans d’action en fonction des objectifs et des performances du système piloté. D’une façon générale «un plan d’action décrit les actions à mener et les moyens nécessaires pour atteindre les objectifs quantitatifs et qualitatifs d’une unité de travail» [34], il est aussi défini comme «le groupe d’activités directement responsable de la gestion de la transformation d’ordres de fabrication planifiés en pièces sorties de l’atelier» [54]. Deux types de pilotages peuvent être distingués :
-Le pilotage industriel : oriente les moyens disponibles en vue de l’amélioration de la performance. Il faut alors définir les objectifs des différentes activités, exécuter et enchaîner ces activités afin d’atteindre l’objectif stratégique fixé à l’entreprise.
-le pilotage technique : le système physique concerné peut être les ateliers, les lignes de production, les processus opérationnels… et doit atteindre des objectifs en termes essentiellement de quantité, délai, et qualité.

Donc pour conclure on peux dire que le pilotage consiste en un ensemble d’actions effectuées pour diriger et guider de manière à assurer la pertinence et la cohérence du système en présence de perturbations afin de réaliser un ensemble d’opérations sur un flux de produit. Deux types de perturbations peuvent être distingués: les perturbations externes et les perturbations internes. Les perturbations externes sont définies, dans le cas général, comme étant les perturbations affectant l’entrée d’un système ou d’un procédé. Il s’agit des changements de gamme, des changements d’objectifs pour une gamme, de la variation des instants d’arrivée des produits.

Les perturbations internes sont celles qui affectent la constitution du procédé ou son fonctionnement: les pannes des machines, les changements des durées opératoires, la suppression de ressources pour maintenance préventive… L’entité du système de pilotage est identifiée par un système de décision qui permet, de préparer les actions ou exécuter les ordres, qui pilotent localement chaque entité sur la base d’un objectif déduit de l’objectif global.

Table des matières

Introduction générale
CHAPITRE I : Les systèmes de production flexible
1- Introduction
2- Les systèmes de production
2.1- Historique
2.2- Les systèmes de production classiques
2.3- Nécessité de la flexibilité
3- Les systèmes de production flexible
3.1- Définition
3.2- Caractéristiques des systèmes de production
4- Problématique de la conduite de ces systèmes
4.1- Environnement incertain
4.2- Ressources à aptitudes multiples
4.3- Autres contraintes
4.4- Nécessité d’un modèle de conduite
4.4.1- Une classification des formalismes
4.4.2- Formalismes pour la modélisation structurelle
4.4.3- Formalismes pour la modélisation dynamique
4.4.4- Formalismes hybrides ou mixtes
5- Optimisation combinatoire
5.1- Choix d’une méthode
5.1.1- Les méthodes déterministes
5.1.2- Les méthodes stochastiques
5.2- Les méta-heuristiques
6- Simulation et analyse des résultats
6.1- Application aux systèmes de production
6.2- Simulation des systèmes dynamiques hybrides
7- Conclusion
CHAPITRE II : Les outils de modélisation
1- Introduction
2- Les outils de modélisation
2.1- Les outils de modélisation utilisés dans les Systèmes discrets
2.2- Les outils de modélisation utilisés dans les Systèmes continus
2.3- Les outils de modélisation utilisés dans les Systèmes Dynamiques Hybrides
3- Réseau de Petri
3.1- Marquage des places
3.2- Comportement du franchissement dans un réseau de Petri
3.3- Réseaux de Petri et robustesse des SED
4- Classes de réseau de petri
4.1- Les temporisations dans les réseaux de pétri
4.1.1- Les réseaux de petri temporisées
4.1.2- Réseaux de Petri stochastiques
4.2- Les réseaux de Petri Colorés
4.3- Les réseaux de Petri continus
4.3.1- Introduction
4.3.2- Réseau de pétri continu autonome
4.3.3- RdP continu à vitesses constantes (RdPCC)
4.3.4- RdP continu à vitesses variables (RdPCV)
5- Les réseaux de petri hybrides
5.1- Réseau de pétri hybride autonome
5.2- Les RdP hybrides temporisés
6- Réseau de pétri lots
7- Validation et vérification des modèles utilisés
8- Conclusion
CHAPITRE III : Les méthodes de conduite
1- Introduction
2- Les méthodes d’optimisation
2.1- Les méthodes exactes et leurs limites
2.1.1- Les méthodes Branch & Bound
2.1.2- Méthodes mathématiques
2.1.3- La méthode des directions conjuguées de Powell
2.2- Les méta-heuristiques et leurs adaptations à un problème d’optimisation
3- Les Méta-heuristiques étudiées
3.1- Les Algorithmes Génétiques
3.1.1- Principes de base
3.1.2- Codage du chromosome
3.1.3- Évaluation des individus
3.1.4- Génération de la population initiale
3.1.5- Opérateur de sélection
3.1.6- Opérateur de croisement
3.1.7- Opérateur de mutation
3.1.8- Remplacement générationnel
3.1.9- Critères d’arrêt
3.2- Le recuit simulé (Simulated Annealing)
3.2.1- Probabilité de Boltzmann
3.2.2- Température
3.2.3- Décroissance de la température
3.2.4- Nombre d’itérations à température constante
3.2.5- Critères d’arrêt
3.3- La recherche tabou
3.3.1- Principe de base
3.3.2- Mémoire à court terme
3.3.3- Mémoire à long terme
3.3.4- Critère d’aspiration
3.3.5- Critère d’arrêt
3.3.6- La recherche taboue de Hu
4- Approche proposée
4.1- Problème job shop
4.1.1- Formulation du problème
4.1.2- Allocation de tâches
4.1.3- Application des méta-heuristiques pour l’ordonnancement de la cellule
4.2- Implantation de l’algorithme génétique
4.3- Implantation du Recuit Simulé
4.4- Implantation de la Recherche Tabou
5- Conclusion
Conclusion générale

Lire le rapport complet