Partie 4 : Modélisation et simulation de flux de production – PARTIE4 Modélisation et simulation de flux de production 87 Sommaire orn Sni* to View analytique au problème posé. Dans cette partie, et pour l’ensemble de ce travail, il est sous-entendu que la simulation dont on parle est ? événements discrets (voir chap. l). Il faut aussi rappeler que la simulation de flux est un outil informatique qui est de plus en plus utilisé par les industriels et par les chercheurs. LAW 91, page 2] cite plusieurs enquêtes (aux Etats-Unis) qui montrent la place de la simulation dans l’industrie : l’une ‘elles indique que parmi 14 techniques utilisées, la simulation arrive en 2ème position pour 8496 des entreprises sondées. pour les chercheurs, le principal intérêt est de pouvoir travailler sur un système de production virtuel, dont le comportement peut être très proche du système réel, à moindre coût et sans aucun risque.
Dans le domaine de l’optimisation et de la prise de décision, les autres avantages de la simulation font que cet outil permet, depuis une dizaine d’années seulement, de mettre en œuvre des méthodes qu’il étalt inimaginable d’appliquer sur les systèmes réels ou sur des odèles mathématiques. Dans le chapitre 1, on définit la simulation de flux à événements discrets ainsi que la terminologie utilisée dans ce domaine. Le chapitre 2 permet de voir quelles sont les limites de la simulation de flux.
Des travaux de recherche utilisant la simulation de flux sont résumés dans le chapltre 3. Une méthodologie de conduite d’une étude de simulation est proposée dans le chapitre 4. On présente les différentes étapes à suivre, et parmi elles, l’étape de modélisation qui est la plus délicate. OF l’utilisation d’un modèle graphique de connaissance. Après un ?tat de l’art des modèles 90 graphiques permettant de décrire et d’analyser les flux, on propose un formalisme qui nous semble bien adapté à la simulation de flux.
Plusieurs modèles graphiques sont élaborés à partir de ce formalisme, appliqués aux différents modes de pilotage des flux vus dans la partie 1 Ce formalisme est ensuite appliqué au système expérimental dans le chapitre 6. On présente en fin de chapitre le codage du modèle d’action avec le progiciel WITNESS. 91 partie 4 : Modélisation et simulation de flux de production l- Définitions 1. 1- Définition de la simulation de flux La simulation des flux de production intègre à la fois la construction d’un modèle et l’utilisation expérimentale de ce modèle pour étudier un problème.
Le modèle consiste en une représentation d’un système réel, capable de reproduire son fonctionnement. La simulation est l’activation du modèle dans le temps, afin de connaître son comportement dynamiqu son comportement futur PAGF OF la valeur optimale de ces consignes. On l’utilise en général pour évaluer et comparer des scénarios possibles. Ses capacités d’Imltation et de prédiction permettent d’obtenir des renseignements sur les onséquences de changements ou de modifications dans l’atelier (au niveau physique ou décisionnel), avant que ceux-ci ne soient effectués.
Les modèles de simulation sont capables de décrire le système avec le degré de détail et de précision nécessaire qui convient à la résolution du problème posé. Cette description inclut la partie physique de l’atelier , mais peut aussi inclure certains aspects du système de pilotage (gestion de production). 1. 2- Classification des modèles de simulation [LAW 91] propose une classification des modèles de simulation qui distingue les Modèles Physiques des Modèles Logico-mathématiques. Les modèles physiques sont ceux dans lesquels le système réel est représenté par une réplique ou une maquette, à une échelle différente et éventuellement ? l’aide de matériaux différents. Ils sont utilisés à des fins d’entraînement 92 smulateurs de vol, de conduite, maquettes de véhicules pour des essais aérodynamiques… – es modèles Logico-Mathématiques ou symboliques sont définis par des relations logiques et quan nt manipulées et système est indépendant de l’influence de variables aléatoires ou imprévisibles, on utilise un modèle déterministe.
Si les aléas jouent un rôle significatif dans le comportement du système (exemple typique : les pannes), on utilise un modèle stochastique. C’est ce type de modèle qui sera utilisé dans la suite de ce travail. Une troisième classification distingue – les modèles statiques, pour lesquels le temps n’intervient pas. Exemple : modèle comptable permettant de calculer le bénéfice en fin d’année ? l’aide d’un tableur. – les modèles dynamiques, pour lesquels le comportement est une fonction du temps.
Exemple : système de manutention dans une usine. Enfin, à l’intérieur des modèles dynamiques, on distingue : les modèles à événements discrets (ou discontinus) dans lesquels les changements d’état ne suwiennent que lors d’événements tels le début ou la fin d’une opératlon, la mise en attente d’une pièce dans un stock, la libération d’une ressource, Dans une simulation à événements discrets, les flux essentiels que l’on examine sont composés d ‘éléments isolables que l’on peut dénombrer et identifier individuellement.
Ces éléments sont couramment appelés « Entités » ou « Articles » (voir Chap. 1. 3). – les modèles continus, plus adaptés aux flux continus, qui utilisent des équations athématiques pour prendre en compte les changements d’état qui s’effectuent de façon continue au cours du tem s. Les valeurs des variables d’état sont PAGF S Exemple : industrie métallurgique ou agro-alimentaire. Synthèse de cette classification .
Modèle Physique Modèle Logique Modèle Déterministe Modèle Stochastique Modèle du Système Modèle Statique Modèle Dynamique Modèle Discret Modèle Continu Modèle Combiné Figure 1 : Classification des modèles (en souligné et italique, le type de modèle utilisé dans ce travail) Dans la suite de ce travail, seuls les modèles à événements iscrets seront utilisés. Dans [CERNALJLT 88], on trouve encore une autre classification de la modélisation pour la simulation de flux en fonction de l’approche – L’approche par événements : Cest l’approche la plus générale.
Elle consiste à rassembler tous les événements qui peuvent se produire et à décrire la logique des changements d’état. On peut distinguer dans la logique des changements d’état : – des règles liées aux modes opératoires sur le procédé de fabrication. Exemple : fin de l’usinage d’une ièce. PAGF 6 OF prochain événement prévu. L’échéancier est le module qui gère l’avance du temps au fur et ? mesure que les événements apparaissent. approche par activités : Cest une approche qui s’appuie sur un raisonnement naturel : un procédé est décrit comme l’enchaînement d’activités et d’attentes. On peut le regarder à travers les activités en indiquant les conditions nécessaires à leur début et à leur fin. Les attentes débutent à la fin de chaque activité. Elles se terminent lorsque les conditions nécessaires à l’activité suivante sont réunies. La modélisation consiste à programmer les conditions de éclenchement et de fin des activités.
A chaque incrémentation du temps, on examine si les conditions de début et de fin des activités sont réalisées. L’approche par processus , On parle de cette approche lorsque la modélisation consiste ? rassembler des processus. Les processus sont formés de séquences d’événements et d’activités : durée d’une activité, utilisation d’une machine, stockage de pièces, . Ces processus peuvent être paramétrés. Dans le logiciel, ils correspondent à des sous-programmes ou à des primitives avec lesquels on peut décrire le fonctionnement d’une installation.
La pulssance d un logiciel sera liée aux processus mis à la disposition de l’utilisateur (manutention par robot, par convoyeur, Le eraphique de la figure PAGF 7 OF onne un aperçu des ASI cess SCAM ECSL HOCI_JS té pr us pc MODEL CADENCE MICROSAINT SIMULFLEX WITNESS vé ts valeurs qui caractérisent les éléments du système en entier. On peut y accéder depuis n’importe quel élément physique du modèle. L’analogie avec un langage de programmation structurée est la notion de variable globale. es Attributs : Ce sont des variables spécifiques à un article donné et qu’il porte vec lui pendant sa durée de vie dans le modèle.
Cest en quelque sorte la carte d’identité d’un article, dans laquelle on pourra mettre par exemple l’heure d’arrivée et l’heure de sortie d’un artlcle, son temps de cycle sur une machine, le nombre de trous à percer sur une autre machine, etc…. Plusieurs articles différents ou identiques peuvent donc porter le même attribut, mais celui-ci pourra avoir des valeurs différentes. Une autre particularité des modèles à événements discrets est le type d’expérimentation en simulation que l’on veut falre. Au moment où l’on lance une simulation (à T = O), le odèle est vide et ne contient aucun article.
Deux types d’expérimentation peuvent être programmes Expérimentation à Horizon Fini ou Terminatif : Dans ce cas, la simulation s’exécute jusqu’à ce qu’une condition soit vérifiée. Par exemple un atelier qui fonctionne jusqu’à ce que tous les articles alent été traités. Au début de la simulation, l’atelier est vide, tout comme à la fin de la simulation. – Expérimentation à Horizon infini ou à Régime Stabilisé : dans ce type d’expérimentation, on dés omportement de l’atelier l’on définit une durée de simulation suffisamment significative our laisser au système le temps de se stabiliser.
Aucune méthode analytique n’a été trouvée dans la littérature pour déterminer la durée de la période de montée en régime. En pratique, pour la déterminer, les experts de la simulation recommandent de mesurer le niveau total d’encours dans le modèle ou le flux sortant (en 97 article/unité de temps). En effet, au début de la simulation, le niveau d’encours va monter progressivement puis se stabiliser. De la même façon, le flux sortant sera d’abord nul, puis va augmenter et se stabiliser entre deux valeurs acceptables.
Lors des expérimentations menées pour ce travail (voir la Partie 5), ces deux types de simulation seront réexaminées pour le cas étudié. ll- Limites et objectifs de la simulation 11. 1- Ce que la simulation peut faire Avant d’utiliser cet outil, il est important de savoir ce que l’on peut en attendre, notamment par rapport aux outils de modélisation mathématique. Voici une liste non exhaustive des possibilités offertes ? l’utilisateur de la simulation de flux . – FOURNIR DES ESTIMATIONS REALISTES • – du comportement attendu du système, des variations à l’intérieur du s stème. • EVALUER LES EFFETS DE ANTES : 10
