Évaluation d une méthode d ordonnancement multicritère utilisant AHP

Dimension: px
Commencer à balayer dès la page:

Download "Évaluation d une méthode d ordonnancement multicritère utilisant AHP"

Transcription

1 Évaluation d une méthode d ordonnancement multicritère utilisant AHP FOUZIA OUNNAR 1, SELMA KHADER 2, YVES DUBROMELLE 1, JEAN-PIERRE PRUNARET 1, PATRICK PUJO 1 1 LSIS UMR CNRS 7296 Aix-Marseille Université Marseille cedex 20, France {fouzia.ounnar, yves.dubromelle, jean-pierre.prunaret, 2 DISP - EA INSA de Lyon Villeurbanne cedex, France Résumé Cet article présente une approche de résolution d un problème d ordonnancement d atelier de type Job Shop au travers de l utilisation de la méthode multicritère d aide à la décision Analytic Hierarchy Process (AHP). Après une introduction à l ordonnancement multicritère et à l aide multicritère à la décision, l ensemble de la méthode proposée (algorithme et paramétrage) est détaillé. Une étude sur un ensemble de jeux de tests compare les résultats ainsi obtenus avec ceux obtenus via des heuristiques bien connus, et montre l efficacité de l approche multicritère proposée. Abstract - This paper presents a solving approach related to workshop scheduling problem (Job Shop type) through the use of the multicriteria decision aid method Analytic Hierarchy Process (AHP). After an introduction to multicriteria scheduling and to multicriteria decision aid, the proposed method (algorithm and parameters) is detailed. A set of case studies are used to compare the obtained results with those obtained using well-known heuristics, and show the effectiveness of the proposed multicriteria approach. Mots clés Ordonnancement, Analyse Multicritère, AHP (Analytic Hierarchy Process), Système de Production Holonique, Système de pilotage isoarchique. Keywords - Scheduling, Multicriteria Analysis, AHP, Holonic Manufacturing Systems, Isoarchic control system. 1 INTRODUCTION Dans le pilotage des systèmes de production, la fonction ordonnancement apparait comme fondamentale pour finaliser l organisation prévisionnelle des activités (Pujo & Kieffer, 2002). Cette fonction constitue généralement une source de dilemmes, l optimisation d un aspect du problème d organisation dégradant le plus souvent d autres aspects de ce problème. Le problème de l ordonnancement monocritère a été largement étudié, principalement en raison de son caractère hautement combinatoire, de sa nature dynamique et de son applicabilité dans les systèmes de production. Or, en situation réelle de production, les décisions d ordonnancement doivent être envisagées sous un angle multicritère (Billaut & T Kindt, 2000). Tel est le sens des travaux présentés dans cet article. Après une présentation de la notion d ordonnancement multicritère et des méthodes pour l aide multicritère à la décision, une description complète d une méthode utilisant AHP (Analytic Hierarchy Process) est proposée. L algorithme d AHP et son paramétrage sont détaillés. L étude par simulation d un ensemble de jeux de tests compare les résultats ainsi obtenus avec ceux obtenus via des heuristiques bien connus qui servent de référence. Ceci montre l efficacité d AHP dans la résolution de problèmes d ordonnancement. 2 ORDONNANCEMENT MULTICRITERE Dans le cas multicritère, l analyste doit fournir un algorithme de résolution qui permettra au décideur de choisir sa solution. (Billaut & T Kindt, 2000) décompose un problème d ordonnancement multicritère en trois phases : modélisation du problème général ; prise en compte des critères (définition du contexte de résolution, définition de la forme de la fonction objectif) ; ordonnancement. Il existe différentes méthodes permettant d obtenir une solution se rapprochant au mieux de la solution idéale : transformation du problème multicritère en un problème monocritère : les critères sont agrégés en un seul critère ou certains critères sont transformés en contraintes pour ensuite utiliser les algorithmes d optimisation monocritère sous contraintes pour résoudre le nouveau problème (recuit simulé (Kirkpatrick et al., 1983) (Dréo et al., 2003), méthode tabou (Glover, 1989), algorithme génétique (Holland, 1975), ) ; méthode Non Pareto : ces méthodes s appuient sur une approche qui permet d évaluer séparément les fonctions objectifs d un problème (Sélection parallèle (Schaffer, 1985), Sélection lexicographique (Fourman, 1985)) ; méthode Pareto : un optimum de Pareto est un état dans lequel on ne peut pas améliorer le bien-être d un individu sans en détériorer un autre. La solution est dite optimum de Pareto si elle n est dominée par aucune autre solution. Pour un problème multi-objectifs, l ensemble des solutions optimum de Pareto est constitué de l ensemble des solutions non-dominées. Quelques méthodes de calcul de l optimum de Pareto sont identifiés (Goal Programming, ε-constraint Method, Programme mathématique à objectifs multiples ). Les méthodes d ordonnancement multicritère énoncées cidessus visent à donner une solution ou un compromis tels que les critères pris en compte soient optimisés.

2 Dans le cas où l ensemble des solutions existe déjà, ce sont les méthodes d'aide multicritère à la décision qui permettent d effectuer le choix de la meilleure solution. 3 ORDONNANCEMENT PAR L AIDE MULTICRITERE A LA DECISION 3.1 Aide à la Décision Multicritère Depuis quelques années, l aide à la décision représente un champ de recherche très actif, tant sur le plan des outils de modélisation (Bouyssou et al., 2006a) que de l analyse multicritère (Bouyssou et al., 2006b). Ramener un problème d'optimisation multicritère à un problème d'optimisation à un seul critère est difficile à appliquer dans le cas où les différents critères sont exprimés sous forme et nature différentes. Il est plus intéressant de trouver une solution au problème en prenant en compte les différents critères. "L aide à la décision est définie comme étant l activité de celui qui, prenant appui sur des modèles clairement explicités mais non nécessairement complètement formalisés, aide à obtenir des éléments de réponse aux questions que se pose un intervenant dans un processus de décision, éléments concourant à éclairer la décision et normalement à prescrire un comportement de nature à accroître la cohérence entre l évolution du processus d une part, les objectifs et le système de valeurs au service duquel cet intervenant se trouve placé d autre part " (Roy, 1985). Le processus d aide à la décision peut être décomposé en cinq étapes principales (Guitouni, 1998) : la structuration du problème : définir et mettre en situation le problème à résoudre ainsi que déterminer les actions à évaluer et les différents critères qui mènent à cette évaluation ; l articulation et la modélisation des préférences : déterminer l ordre d importance des critères. l agrégation des préférences : exploiter les évaluations des actions sur les différents critères afin de générer une évaluation globale. l exploitation de cette agrégation : consiste à choisir, ranger ou trier les actions. la recommandation d une solution : transmettre le résultat obtenu au décideur. 3.2 Panorama des méthodes d Aide à la Décision Multicritère Les méthodes d'aide multicritère à la décision sont nombreuses et diverses, toutes comportent les cinq grandes étapes. Ces méthodes se différencient plus particulièrement au niveau de l agrégation des préférences. La modélisation de préférences consiste à élaborer une représentation formalisée de préférences relativement aux actions potentielles. Selon les exigences du décideur, il est possible de distinguer trois approches opérationnelles pour l'agrégation des préférences : agrégation complète, partielle et locale (Pomerol & Barba- Romero, 1993) (Ounnar & Pujo, 2010). Notre choix s est porté sur l'approche de l'agrégation complète, car l ordonnancement obtenu doit être le résultat de l'interaction de tous les critères considérés dans cette étude. Par conséquent, aucun critère ne peut être mis à l'écart au cours du processus. Il existe plusieurs méthodes faisant partie de la classe des méthodes d agrégation complète. La méthode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) (Hwang & Yoon, 1981), la méthode MAVT (Multiple Attribut Value Theory) (Keeney & Raiffa, 1976), la méthode SMART (Simple Multiple Attribute Rating Technique) (Edwards, 1971), la méthode MACBETH (Measuring Attractiveness by a Categorical Based Evaluation TecHnic) (Bana e Costa & Vansnick, 1999), la méthode AHP (Analytic Hierarchy Process) (Saaty, 1980) 3.3 Intérêts d AHP pour l Ordonnancement Multicritère Nous nous sommes intéressés particulièrement à la méthode AHP. Cette méthode permet de décomposer un problème complexe de décision en un ou plusieurs niveaux de détails où l'évaluation est fournie par des comparaisons par paires. AHP permet de prendre compte des critères qualitatifs et quantitatifs. Dans le but de fournir une approche structurante, des vecteurs de priorités sont établis. AHP a l avantage de détecter toute incohérence dans les jugements d un décideur, à chaque étape de calcul. Nous avons positionné la méthode AHP pour proposer un mode d ordonnancement intégrant des critères qualitatifs et quantitatifs permettant de prendre en compte différents types de contraintes et destiné à être exploité en temps réel. 4 AHP EN ORDONNANCEMENT 4.1 Introduction à l Algorithme de Calcul d AHP L algorithme AHP se décompose en deux grandes étapes : configuration et exploitation. La phase de configuration d AHP consiste, afin de pouvoir utiliser l algorithme AHP, à fixer tous les paramètres définissant l importance relative des critères et des indicateurs associés. Cette phase doit être validée par une vérification mathématique de cohérence. Elle se divise en trois étapes (Saaty, 1980 ; Ounnar, 1999). Étape c1 : construction d une structure de décision analytique pour la recherche d un compromis multicritère : il s agit de faire la modélisation du problème, sous la forme d un graphe de relation décisionnelle (ANP), qui peut prendre la forme particulière d une structure hiérarchique stricte (AHP), exprimant les relations entre différents niveaux décisionnels : objectif général, critères, indicateurs et alternatives. C est ce que nous appellerons l architecture décisionnelle AD. Dans un premier temps, il faut donc rechercher et identifier l objectif général (Og), qui constitue le niveau N1 de l AD. Ceci oriente le choix des multiples critères que nous souhaitons prendre en considération dans l AD et de les identifier. Ces critères (C i ), qui forment le niveau N2, doivent être parfaitement définis (nom, codification, but, formulation). Ils définissent la complexité de l objectif général et résultent de la perception humaine de l expert vis-à-vis des différentes composantes homogènes du problème. Chaque critère est alors un ensemble cohérent et homogène, mais il est tout à fait possible qu il ne soit pas possible de le formuler directement. Dans ce cas, il est possible de le subdiviser en groupes plus petits, appelés sous-critères ou indicateurs (I ij ), composant le niveau N3, et exprimant chacun une part de la complexité propre du critère qui leur est associé. Ceci forme une structure arborescente hiérarchisée propre au cas particulier d AHP. Dans le cas d ANP, des éléments de relations comparatives au sein d un même niveau ou inter niveau existent et viennent se superposer à la structure arborescente hiérarchisée, constituant ainsi un réseau décisionnel. L AD qui en résulte permet ainsi d intégrer d importantes quantités d information à la structure de prise de décision, pour avoir une représentation la plus complète possible du problème de décision, en adéquation avec la globalité du système étudié : AHP/ANP constitue ainsi une bonne synthèse entre deux

3 approches fondamentales pour la réduction des problèmes : l approche déductive et l approche système. Enfin, le niveau N4 de l AD est constitué des alternatives, c'est-à-dire des différents éléments de solution entre lesquels il faut choisir et qui présentent potentiellement des intérêts plus ou moins forts vis-à-vis d une partie plus ou moins grande des critères et indicateurs définis auparavant. Étape c2 : établissement de l importance relative des critères (niveau N2) par rapport à l'objectif global (niveau N1) : il s agit d exprimer une priorité relative entre deux éléments de N2 vis-à-vis de N1, sous une forme matricielle pour traiter l ensemble des combinaisons i, j possibles, selon une échelle de 1 à 9 (Figure 1). Valeur Définition 1 Importance égale des deux éléments 3 Importance légère d un critère par rapport à l autre 5 Importance forte d un critère par rapport à l autre 7 Importance attestée d un critère par rapport à l autre 9 Importance absolue d un critère par rapport à l autre Figure 1. Échelle de pondération de Saaty (Saaty, 1999) Dans AHP, nous construisons pour cela une matrice de préférence [C], dont les éléments c ij constitue une comparaison entre une paire de critères (C i, C j ), appartenant au niveau N2, avec c ij =1/c ji et c ii =1. Dans ANP, les mêmes éléments constituent la partie ad hoc d une super-matrice couvrant la totalité du problème. Nous continuerons ces explications en nous focalisant sur AHP, les principes étant similaires avec ANP (Dubromelle et al., 2010). Cette matrice [C] permet de déterminer le vecteur de priorité ou d importance relative [WCO], avec : [ ] [ ] où : j=inf(k) tel que : [W] k [W] k-1 = [0] [ ] [ ], [ ], et [C] la matrice de préférence. Le vecteur ainsi calculé exprime l importance relative des critères par rapport à l objectif global. La vérification de cohérence du choix des pondérations de [C] consiste à détecter l incohérence, puis si besoin à corriger les poids affectés. Pour cela, nous calculons un vecteur de cohérence CR, avec : CR = CI / RI, où : CI = ( max - n) / (n-1) == indicateur de cohérence n étant le nombre d'éléments à comparer (rang de la matrice de préférences [C]), λ max = / RI : "Random Index" : c est un nombre fonction de n, indiqué dans des tables ad hoc. Si CR > 0,1, il faut revoir les jugements exprimés au travers des pondérations de la matrice de préférences [C]. Étape c3 : établissement de l importance relative des indicateurs (niveau N3) par rapport aux critères (niveau N2) : dans cette étape, il faut établir pour chaque critère C i du niveau N2 un classement de ses indicateurs I i,j du niveau N3. À cet effet, nous construisons une matrice [PI k ], où chaque élément p Ik,ij permet d exprimer le jugement comparatif entre chaque paire d indicateurs I k,i et I k,j. Nous calculons ensuite le vecteur d importance [WIC i ] selon le même principe, exprimant l importance relative des indicateurs par rapport au critère auquel il est associé, avec validation de la cohérence de chaque matrice [PI k ]. Ces 3 étapes sont réalisées par expertise, en amont de l exploitation de l algorithme multicritère. La validation de la cohérence de toutes les matrices de préférence permet de garantir la cohérence du classement établi ultérieurement par l algorithme, quel que soit la complexité du problème de décision multicritère traité. La phase d exploitation d AHP permet de classer les alternatives par rapport à l objectif global. Il faut tout d abord atteindre le niveau le plus bas (N4), puis il faut remonter dans la hiérarchie, en agrégeant les préférences, car le but est de déterminer l'importance relative des alternatives (N4) par rapport à l'objectif global (N1). Cette phase met en fait en œuvre l algorithme en temps réel, à partir de données éventuellement collectées également en temps réel, selon trois étapes (Ounnar & Pujo, 2012). Étape e1 : calcul de l importance relative des alternatives (N4) par rapport aux indicateurs (N3) : il s'agit d'établir un classement des alternatives (qui sont les solutions) par rapport aux indicateurs I kx de chaque critère C k. Pour chaque indicateur, les valeurs de l indicateur entre les alternatives sont comparées deux à deux. Une matrice de préférence [PA k,l ] est calculée ( k étant le critère n k et l étant l indicateur n l du critère k ), où : pa k,l (i,j) = pa k,l (j) / pa k,l (i) pour minimiser le critère, pa k,l (i,j) = pa k,l (i) / pa k,l (j) pour le maximiser, pa k,l (i,i) = 1. Le vecteur d'importance relative des alternatives par rapports aux indicateurs de chaque critère est alors calculé [WAI k,l ]. Une matrice d agrégation représentant l importance relative des alternatives par rapport aux indicateurs est alors construite : [WAI k ] = [[WAI k,1 ], [WAI k,2 ],, [WAI k,l ]] Étape e2 : importance relative des alternatives (niveau N4) par rapport aux critères (niveau N2) : cette étape consiste à parcourir de manière ascendante l arborescence et d effectuer les comparaisons de l ensemble des alternatives par rapport à tous les critères. Un vecteur donnant l importance relative des alternatives par rapport aux critères est construit et ce, pour chacun des critères. Chaque vecteur d importance [WAC k ] est calculé, pour k = 1,n c, par : [WAC k ] = [WAI k ] * [WIC k ] les vecteurs [WIC k ] ayant déjà été calculés et validés à l étape c3. Il est alors possible de calculer la matrice d agrégation représentant l importance relative des alternatives par rapport aux critères (n c étant le nombre de critères) [WAC] = [[WAC 1 ], [WAC 2 ],..., [WAC nc ]] Étape e3 : calcul de l importance relative des alternatives (N4) par rapport à l'objectif global (N1) : il s agit de multiplier la matrice [WAC] obtenue en (e2) par le vecteur d importance relative des critères par rapport à l objectif global [WCO] déjà calculé en (c2) : [WAO] = [WAC]*[WCO]

4 Le choix de la meilleure alternative s effectue à partir du vecteur de priorité [Perf], qui établit un classement des valeurs du vecteur [WAO] par ordre décroissant. La meilleure solution, c'est-à-dire celle présentant le compromis le plus intéressant, est le plus grand élément de [Perf]. 4.2 Structure de Décision Multicritère AHP pour l Ordonnancement Nous présentons figure 2 l Architecture Décisionnelle utilisée dans cet exemple. Bien entendu, d autres AD auraient pu être envisagées. Le premier critère C1 Type de produit est un critère qualitatif : il permet de prioriser certains types de produits en fonction de leur appartenance à différentes classes. Il contient 3 indicateurs : un par classe (produit ayant une gamme linéaire ou non ; produit appartenant à la production principale de l atelier ou produit fabriqué en complément ; produit destiné à la ligne d assemblage de l entreprise ou produit fabriqué à la demande pour réparation externe). Les autres critères et indicateurs sont quantitatifs.. Le second critère C2 Progression du produit permet de favoriser les produits dont l état d avancement est proche de la fin. Il comporte 2 indicateurs, selon que soit observée la progression du produit dans sa gamme ou sa capacité à progresser sur la machine suivante, en fonction de la charge de cette dernière. Le troisième critère C3 Marge restante permet d examiner la marge restante pour chaque produit. Il comporte également 2 indicateurs : la marge restante brute et la marge restante pondérée par le nombre d opérations restantes sur le produit en question. Le quatrième critère C4 Temps d attente dans la file permet de ne pas oublier un produit de faible priorité dans une file d attente. Le cinquième critère C5 Charge de la ressource permet de quantifier le cumul des tâches en attente dans l encours de la machine. Figure 2. Architecture décisionnelle (AD) multicritère AHP pour l ordonnancement d atelier Le choix des pondérations de préférence est donné dans les figures suivantes. Les pondérations d importance relative ont été définies par expertise. Une recherche d optimisation de ces paramètres permettrait d améliorer sensiblement les résultats. [C] C1 C2 C3 C4 C5 C1 1 1/5 1/3 3 1 C C C4 1/3 1/9 1/9 1 1/3 C5 1 1/3 1/3 3 1 Figure 3. Matrice de préférence [C], comparaison entre critères (C i, C j ) [PI 1 ] I11 I12 I13 I11 1 1/3 1/3 I I [PI 3 ] I31 I32 I I [PI 2 ] I21 I22 I I22 1/3 1 [PI 4 ] I41 I41 1 [PI 5 ] I51 I51 1 Figure 4. Matrice de préférence [PI k ], comparaison entre critères (I k,i, I k,j ) Le cas des matrices [PI 4 ] et [PI 5 ] s explique par le fait qu il n y ait qu un seul indicateur associé aux critères C 4 et C 5. 5 EXPERIMENTATIONS Afin de pouvoir évaluer la méthode d ordonnancement multicritère utilisant AHP que nous venons de décrire, il nous faut d une part la tester, d autre part la comparer avec d autres résultats issus de méthodes et d outils connus. Nous allons décrire ici l obtention des résultats de référence, puis notre démonstrateur, et enfin le cas d étude et les résultats obtenus. 5.1 Méthodologie de test : obtention de résultats de référence Pour avoir des résultats de références, obtenu selon des approches classiques, nous avons choisi d utiliser le logiciel Prélude. Prélude Production est une suite logicielle à vocation pédagogique, c est-à-dire destinée à un apprentissage approfondi de la Gestion de Production Assisté par Ordinateur. C est donc un logiciel de gestion de production intégrant toutes les fonctions classiques de GPAO, dont l ordonnancement. Il permet différentes heuristiques d ordonnancement monocritère à appliquer afin de gérer de manière prévisionnelle la production d un atelier. Prélude considère un seul critère pour déterminer ses ordonnancements, mais il permet de choisir

5 entre plusieurs heuristiques de gestion de la file d attente devant chaque poste de charge. Dans ces conditions, nous avons pu choisir quelques règles d ordonnancement, qui vont nous servir de références afin de les comparer avec les résultats obtenus sur notre plateforme. Les règles d ordonnancement que nous avons ainsi choisies pour cette comparaison sont : règle 1 : marge restante / temps de travail : cette heuristique priorise le produit qui a la plus petite marge jusqu à la date de livraison par rapport au temps de travail restant dans la gamme du produit. règle 2 : opération la plus longue : cette heuristique priorise le produit qui a un temps opératoire le plus long dans la file d attente du poste. règle 3 : opération la plus courte : cette heuristique priorise le produit qui a un temps opératoire le plus court dans la file d attente du poste. règle 4 : marge restante / nombre d opérations : cette heuristique priorise le produit qui a la plus petite marge jusqu à la date de livraison par rapport au nombre d opérations restant dans la gamme. Lors de ces simulations, nous avons comparé le nombre de produits en retard en utilisant d une part, les 4 heuristiques d ordonnancement de Prélude, et d autre part, en faisant fonctionner en simulation notre plateforme de démonstration. 5.2 Méthodologie de test : plateforme de démonstration La méthodologie d ordonnancement multicritère présentée ici a été développée dans le cadre de travaux portant sur le pilotage isoarchique des systèmes de production (Pujo, 2012). Dans ce contexte, une plateforme de démonstration a été implémentée, selon les principes du paradigme holonique appliqués à un système de pilotage d atelier : il s agit d un HMES (Holonic Manufacturing Execution System) intégrant une architecture isoarchique, une prise de décision multicritère et trois types d entités : des holons ressource (HR), des holons produit (HP) et des holons ordre (HO) (Pujo et al., 2009). La plateforme est composée d un ensemble d applications logicielles fonctionnant sur un réseau d ordinateurs. Ces applications, appelées EPA (Entité de Pilotage Ambiant) accueillent les programmes informatiques associés à ces holons, les exécutent et leur offre des services logiciels ad hoc en fonction de leurs besoins (Dubromelle et al., 2011) et constituent le HMES du système de production. Il peut être mis en œuvre physiquement (le HMES agissant et pilotant une partie opérative doté d un système de transport autonome (Dubromelle et al., 2012) ou en simulation (seul le système d information fonctionne et émule la partie opérative). Il s agit d élaborer en temps réel l ordre de passage des HPs situés dans les files d attentes en amont de chaque HR. Cet ordre est recalculé à chaque fois qu un HP est prélevé dans le stock d encours pour être traité par un HR. L aide multicritère à la décision via AHP permet, sur chaque HR, de choisir en temps réel parmi les HPs en attente, celui dont le traitement permettra d obtenir le meilleur compromis entre l ensemble de critères. La figure 5 montre une partie de l interface graphique d une EPA, ici permettant de visualiser les activités d une ressource, en l occurrence la ressource M3 qui est en attente de traitement de la première pièce d un lot OF02 Demo de quantité 10. Au bas de l écran, nous trouvons la liste des EPA connectées, leur adresse IP et leurs activités. Figure 5. Interface de pilotage d un Holon Ressource 5.3 Description du jeu de données Le jeu de données a été extrait des travaux de (Deroussi, 2002) qui portent sur l étude des systèmes de voisinage performants pour la résolution des problèmes d'optimisation combinatoire par les méthodes approchées. Dans ces travaux, les données d un problème de Job Shop avec transport, issu de (Ulusoy & Bilge, 1993), sont intégralement décrites, avec une vingtaine d instances. Ce sont ces instances qui ont été reprises et constituent d une part, les jeux de fichiers HR.xml, HP.xml et HO.xml mis en œuvre dans la plateforme de démonstration et d autre part, les données utilisées dans Prélude.

6 sim1 sim2 sim3 sim4 sim5 sim6 sim7 sim8 sim9 sim10 sim11 sim12 sim13 sim14 sim15 sim16 sim17 sim18 sim19 sim20 6 RESULTATS 6.1 Présentation des résultats Le tableau suivant (figure 6) synthétise les résultats des 100 expérimentations conduites (4 x 20 avec Prélude, et 20 avec la plateforme de démonstration). Il indique le nombre de produits en retard à chaque test, ce qui est visualisé en figure 7. Simulation Marge restante/temps de travail Opération la plus longue Opération la plus courte Marge restante/nombre opération Multicritère AHP Figure 6. Résultats obtenus Marge restante/temps de travail Opération la plus longue Opération la plus courte Marge restante/nombre opération Multicritère AHP Figure 7. Représentation graphique des résultats obtenus 6.2 Synthèse et Analyse D après cette figure nous remarquons que les résultats des simulations conduites via le HMES en appliquant sont dans tous les cas meilleurs ou au moins tout aussi bons que les résultats des autres heuristiques d ordonnancement : jeu i, NbRet i (AHP) NbRet i (autre heuristique) Parmi ces 20 simulations, nous pouvons mettre en évidence que quasiment la moitié des jeux de données conservent des retards de livraison en appliquant un ordonnancement multicritère via le HMES, tandis qu il y avait les trois quarts en appliquant les règles d ordonnancement classiques. Par ailleurs, les jeux de données que nous avons simulés concernent une production sur 16 jours. Avec la méthode d ordonnancement multicritère via le HMES, nous remarquons que le maximum de jours de retard est de 2 jours (mais qu il est en moyenne plus faible), tandis que pour les autres règles d ordonnancement, le nombre de jours de retards peut atteindre le double. La figure 8 donne les résultats en valeurs moyennes. Heuristique <NbRet> / AHP Marge restante/temps de travail 2,35 392% Opération la plus longue 1,95 325% Opération la plus courte 1,95 325% Marge restante/nombre opération 1,9 317% Multicritère AHP 0,6 Figure 8. Comparaison des résultats avec AHP Nous pouvons donc constater qu en moyenne : <NbRet(AHP)> << <NbRet(autre méthode)> 7 CONCLUSION Lors de ce projet, nous avons présenté l ordonnancement multicritère, qui est un problème très difficile à résoudre, au vu du nombre de critères à prendre en considération. Le travail réalisé avait pour but l évaluation de la performance de la plateforme développée au sein de notre équipe. Afin d effectuer ces tests, nous avons trouvé dans la littérature des jeux de données de référence, aptes à être exploités selon notre

7 approche et selon des heuristiques d ordonnancement connues. Nous avons pu identifier un vingtaine de jeux de données. Dans le cadre de nos tests, nous avons ces expériences via l exploitation de Prélude et sur la plateforme HMES. Le résultat de ces simulations est plus que satisfaisant, puisque l application d un ordonnancement multicritère utilisant AHP via le HMES donne un résultat meilleur que l application d heuristiques classiques. Il est important de poursuivre cette campagne de tests pour obtenir d autres résultats et poursuivre cette phase d évaluation. Cela représente une des perspectives de notre travail. Une seconde perspective porte sur le test d un cas complexe (une unité de fabrication contenant une quarantaine de machines, une cinquantaine de produits et un millier d ordres de fabrication). Une troisième perspective concerne l amélioration de la plateforme HMES, afin de pouvoir prendre en considération des flux convergents : il sera alors possible de tester des cas comportant des phases d assemblage avec synchronisation de flux. De plus, toutes ces perspectives peuvent être menées en prenant en compte un travail de recherche d optimisation des paramètres de l algorithme AHP (détermination des pondérations d importance relative). 8 REFERENCES Bana e Costa, C.A., Vansnick, J.C., (1999) The MACBETH approach: Basic ideas, software, and an application. In: Advances in Decision Analysis, Meskens, N. Roubens M. (Eds.), Kluwer Academic Publishers, Book Series: Mathematical Modelling: Theory and Applications, 4, pp Billaut, J.C., T Kindt, V., (200) L ordonnancement multicritère, Presses de l Université de Tours. Bouyssou, D., Dubois, D., Pirlot, M., Prade, H., (2006a) Concepts et méthodes pour l aide à la décision 1 outils de modélisation, Traité IC2 Information, commande, communication, Hermès. Bouyssou, D., Dubois, D., Pirlot, M., Prade, H., (2006b) Concepts et méthodes pour l aide à la décision 3 analyse multicritère, Traité IC2 Information, commande, communication, Hermès. Deroussi, L., (2002) Heuristiques, métaheuristiques et systèmes de voisinage: Application à des problèmes théoriques et industriels de type TPS et ordonnancement, Thèse de Doctorat, Université Blaise Pascal, Clermont- Ferrand. Dréo, J., Pétrowski, A., Siarry, P., Taillard, E., (2003) Métaheuristiques pour l optimisation difficile, Eyrolles. Dubromelle, Y., Louati, Th., Ounnar, F., Pujo, P., (2010) AHP/ANP a Decision Making Service in PROSIS Model. In: 10th IFAC Workshop on Intelligent Manufacturing Systems (IMS 10), IFAC Elsevier, Lisbon, Portugal. Dubromelle, Y., Ounnar, F., Prunaret, J.P., Pujo, P., (2011) Service Oriented Architecture in PROSIS holonic control In: Int. Conf. on Industrial Engineering and Systems Management (IESM 2011), Metz France Dubromelle, Y., Ounnar, F., Pujo, P., (2012) Internal logistics as a service in a holonic and isoarchic control model. In: Int. Conf. on Communications, Computing and Control Applications (CCCA'12), Marseille, France. Edwards, W., (1971) Social utilities, Engineering Economist, Summer Symposium Series 6, pp Fourman, M.P., (1985) Compaction of symbolic layout using genetic algorithms, In: Proceedings of the 1 st Int. Conf. on Genetic Algorithms, pp Glover, F., (1989) Tabu search: Part I. ORSA Journal on Computing, 1 (3), pp Guitouni A., (1998) L'ingénierie du choix d'une procédure d'agrégation multicritère. Thèse de Doctorat, Université Laval. Holland, H.J., (1975) Adaptation in natural and artificial systems. University of Michigan Press. Hwang, C.L., Yoon, K., (1981) Multiple Attribute Decision Making: Methods and Applications, Springer-Verlag, New York. Keeney, R., Raiffa, H., (1976) Decisions with multiple objectives: preferences and value trade offs. Wiley, New York. Kirkpatrick, S., Gelatt, C.D., Vecchi, M.P., (1983) Optimization by Simulated Annealing, Science, New Series, 220 (4598), pp Ounnar, F., (1999) Prise en compte des aspects décision dans la modélisation par réseaux de Petri des systèmes flexibles de production, Thèse de Doctorat, INPG Grenoble. Ounnar, F., Pujo, P., (2010) Isoarchic and multi-criteria control of supply chain network. In: Artificial Intelligence Techniques for Networked Manufacturing Enterprises Management, Benyoucef, L., Grabot, B., (Eds) Springer- Verlag. Ounnar, F., Pujo, P., (2012) Pull control for Job Shop: Holonic Manufacturing System approach using multicriteria decision-making. Journal of Intelligent Manufacturing, 23: 1. pp Pomerol, J.C., Barba-Romero, S., (1993) Choix multicritère dans l entreprise principe et pratique, Hermès. Pujo P., (2012) Pilotage isoarchique des systèmes de production, Éditions Universitaires Européennes, ISBN: Pujo, P., Kieffer, JP., (2002) Concepts fondamentaux du pilotage des systèmes de production. Dans : Fondements du pilotage des systèmes de production, Pujo, P., Kieffer, JP., (Eds) Traité IC2 Productique, Hermès. Pujo, P., Ounnar, F., Blanc, P., (2009) Pilotage des systèmes manufacturiers via une analyse multicritère intégrant produit, ressource et ordre : Application au pilotage en flux tiré d'un Job Shop, Journal Européen des Systèmes Automatisés, 43 (3/4), pp Roy B., (1985) Méthodologie multicritère d aide à la décision, Economica. Saaty, T.L., (1980) The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation. McGraw-Hill. Schaffer, J.D., (1985) Multiple objective optimization with Vector Evaluated Genetic Algorithms, In: Proceedings of the 1 st Int. Conf. on Genetic Algorithms, pp Ulusoy, G., Bilge, Ü., (1993) Simultaneous Scheduling of Machines and Automated Guided Vehicles, Int. J. of Production Research, 31, pp

UN MODELE HOLONIQUE ET ISOARCHIQUE POUR LE PILOTAGE D UN JOB SHOP EN FLUX TIRE

UN MODELE HOLONIQUE ET ISOARCHIQUE POUR LE PILOTAGE D UN JOB SHOP EN FLUX TIRE T 1 Conférence Internationale de MOdélisation et de SIMulation 31 mars, 1er et 2 avril 2008 Paris, France UN MODELE HOLONIQUE ET ISOARCHIQUE POUR LE PILOTAGE D UN JOB SHOP EN FLUX TIRE Patrick Pujo, Fouzia

Plus en détail

Conception multi-agent d un système d aide à la décision collective

Conception multi-agent d un système d aide à la décision collective Conception multi-agent d un système d aide à la décision collective Justification automatique pour la confrontation des opinions Maxime Morge Philippe Beaune Équipe SMA / Centre SIMMO École Nationale Supérieure

Plus en détail

Nous trouvons là les deux thématiques abordées par les deux parties de l ouvrage.

Nous trouvons là les deux thématiques abordées par les deux parties de l ouvrage. $YDQWSURSRV La mise en œuvre du pilotage des systèmes de production constitue un enjeu sensible en raison, d une part, de l accroissement du niveau d automatisation de ceux-ci et, d autre part, de la multiplication

Plus en détail

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce Heuristique et métaheuristique IFT1575 Modèles de recherche opérationnelle (RO) 8. Optimisation combinatoire et métaheuristiques Un algorithme heuristique permet d identifier au moins une solution réalisable

Plus en détail

Chapitre 9 HLA distributed simulation approaches for supply chain

Chapitre 9 HLA distributed simulation approaches for supply chain Présentation livre Simulation for Supply Chain Management Chapitre 9 HLA distributed simulation approaches for supply chain B. Archimède, P. Charbonnaud, F. Ounnar, P. Pujo Contexte et motivation Problématique

Plus en détail

MTH8442 Ordonnancement de Plan production. (3-0-6) 3 cr

MTH8442 Ordonnancement de Plan production. (3-0-6) 3 cr MTH8442 Ordonnancement de Plan production de cours Automne 2008 (3-0-6) 3 cr Michel Gamache Local A-305.29 340-4711 poste 5920 michel.gamache@polymtl.ca François Soumis Local A-520.15 340-4711 poste 6044

Plus en détail

GÉNÉRATION DE PLAN PAR EXPLORATION SELECTIVE D UN ARBRE DE COUVERT 2. EXPLORATION ET SELECTION DANS L ARBRE DE COUVERTURE

GÉNÉRATION DE PLAN PAR EXPLORATION SELECTIVE D UN ARBRE DE COUVERT 2. EXPLORATION ET SELECTION DANS L ARBRE DE COUVERTURE GÉNÉRATION DE PLAN PAR EXPLORATION SELECTIVE D UN ARBRE DE COUVERT Mercedes E. Narciso, Miquel A. Piera Dept Computer Science, Univ. Autonoma de Barcelona Bellaterra, 0819 Barcelona, Espagne mnarciso (miquel)@sunaut.uab.es

Plus en détail

OPTIMISATION MULTICRITERE STOCHASTIQUE

OPTIMISATION MULTICRITERE STOCHASTIQUE OPTIMISATION MULTICRITERE STOCHASTIQUE Michel DUMAS, Gilles ARNAUD, Fabrice GAUDIER CEA/DEN/DMS/SFME/LETR michel.dumas@cea.r gilles.arnaud@cea.r abrice.gaudier @cea.r Introduction L optimisation multicritère

Plus en détail

des réapprovisionnements pour système d assemblage à deux niveaux quand les délais d approvisionnement sont aléatoires

des réapprovisionnements pour système d assemblage à deux niveaux quand les délais d approvisionnement sont aléatoires Planification des réapprovisionnements pour système d assemblage à deux niveaux quand les délais d approvisionnement sont aléatoires Oussama Ben Ammar, Faicel Hnaien, Hélène Marian, Alexandre Dolgui To

Plus en détail

1. L évolution de la compétitivité de l entreprise... 1. 2. Le contexte de la nouvelle gestion de production... 4

1. L évolution de la compétitivité de l entreprise... 1. 2. Le contexte de la nouvelle gestion de production... 4 Sommaire Chapitre 1 Introduction 1. L évolution de la compétitivité de l entreprise... 1 2. Le contexte de la nouvelle gestion de production... 4 3. La gestion de production et les flux... 5 4. Gestion

Plus en détail

Notice biographique Repères biographiques communs. Nom : BOTTA Prénom : VALERIE Section : 61

Notice biographique Repères biographiques communs. Nom : BOTTA Prénom : VALERIE Section : 61 Notice biographique Repères biographiques communs Nom : BOTTA Prénom : VALERIE Section : 61 Corps : Professeur Grade : 1ere classe Equipe de recherche DISP, EA 4570 Ecole doctorale InfoMaths, EA 512 Directeur

Plus en détail

CQP Inter-branches Technicien de la Qualité

CQP Inter-branches Technicien de la Qualité CQP Inter-branches Technicien de la Qualité Référentiels d activités et de compétences Référentiel de certification OBSERVATOIRE DES INDUSTRIES CHIMIQUES Désignation du métier ou des composantes du métier

Plus en détail

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Technologie et biologie (TB) Discipline : Informatique Première et seconde années Programme d informatique

Plus en détail

Exposé d étude : Sage 100 gestion commerciale

Exposé d étude : Sage 100 gestion commerciale Exposé d étude : Sage 100 gestion commerciale Présenté par : Demb Cheickysoul 1 INTRODUCTION Parfaitement adapté à l organisation de l entreprise par sa puissance de paramétrage, Sage 100 Gestion Commerciale

Plus en détail

Planification INtegrée des Activités de la Chaîne LogistiquE :

Planification INtegrée des Activités de la Chaîne LogistiquE : Planification INtegrée des Activités de la Chaîne LogistiquE : Journée IODE 27 Mars 2007 Julien FRANCOIS Aïcha AMRANI-ZOUGGAR Plan de l exposé I. Objectif du démonstrateur II. Pilotages 1) Qui décide?

Plus en détail

Tous droits réservés SELENIS

Tous droits réservés SELENIS 1. Objectifs 2. Etapes clefs 3. Notre proposition d accompagnement 4. Présentation de SELENIS 2 Un projet est une réalisation spécifique, dans un système de contraintes donné (organisation, ressources,

Plus en détail

Management par les processus Les facteurs clés de succès. Lionel Di Maggio Master 1 MIAGE

Management par les processus Les facteurs clés de succès. Lionel Di Maggio Master 1 MIAGE Management par les processus Les facteurs clés de succès Lionel Di Maggio Master 1 MIAGE 1 1. Objectifs et définitions 2. Le retour sur investissement des démarches 3. Les éléments structurants 4. Mise

Plus en détail

Projet informatique «Voyageur de commerce» Résolution approchée par algorithme génétique du problème du voyageur de commerce

Projet informatique «Voyageur de commerce» Résolution approchée par algorithme génétique du problème du voyageur de commerce Année 2007-2008 Projet informatique «Voyageur de commerce» Résolution approchée par algorithme génétique du problème du voyageur de commerce B. Monsuez Projet informatique «Voyageur de commerce» Résolution

Plus en détail

LES SOLUTIONS MES HUMAINES METTENT EN AVANT LES INDIVIDUS

LES SOLUTIONS MES HUMAINES METTENT EN AVANT LES INDIVIDUS LIVRE BLANC LES SOLUTIONS MES HUMAINES METTENT EN AVANT LES INDIVIDUS Une collaboration entre homme et machine LIVRE BLANC LES SOLUTIONS MES HUMAINES METTENT EN AVANT LES INDIVIDUS 2 A PROPOS Les hommes

Plus en détail

Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie

Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation

Plus en détail

eframe pour optimiser les reportings métiers et réglementaires

eframe pour optimiser les reportings métiers et réglementaires eframe pour optimiser les reportings métiers et réglementaires TIME WINDOW DRIVEN REPORTING POUR DES ANALYSES ET DES RAPPORTS COMPLETS ET EXACTS, À TEMPS TOUT LE TEMPS www.secondfloor.com eframe pour optimiser

Plus en détail

Étapes du développement et de l utilisation d un modèle de simulation

Étapes du développement et de l utilisation d un modèle de simulation Étapes du développement et de l utilisation d un modèle de simulation Étapes du développement et de l utilisation d un modèle de simulation Formulation du problème Cueillette et analyse de données Conception

Plus en détail

The Current State and Future of Search Based Software Engineering

The Current State and Future of Search Based Software Engineering The Current State and Future of Search Based Software Engineering Mark Harman 1 IEEE International Conference on Software Engineering FoSE 07: Future of Software Engineering 1 King's College, LONDON, UK

Plus en détail

Séminaire Business Process Management. Lausanne le 9 mai 2007

Séminaire Business Process Management. Lausanne le 9 mai 2007 Séminaire Business Process Management Lausanne le 9 mai 2007 Agenda Introduction au BPM Une solution modulaire et innovante pour la gestion des processus et des workflow Une application MES (Manufacturing

Plus en détail

Performance de la planification > Optimisation des stocks, des prévisions et de la qualité de service

Performance de la planification > Optimisation des stocks, des prévisions et de la qualité de service Performance de la planification > Optimisation des stocks, des prévisions et de la qualité de service OPTIMISATION DES STOCKS, DES PRÉVISIONS ET DE LA QUALITÉ DE SERVICE Objectifs : Augmenter les performances

Plus en détail

Contexte général de l étude

Contexte général de l étude 1 2 Contexte général de l étude Les entrepôts de données associés à des outils d analyse On Line Analytical Processing (OLAP), représentent une solution effective pour l informatique décisionnelle (Immon,

Plus en détail

Déclassement d'actifs et stock brut de capital

Déclassement d'actifs et stock brut de capital Extrait de : La mesure du capital - Manuel de l'ocde 2009 Deuxième édition Accéder à cette publication : http://dx.doi.org/10.1787/9789264067752-fr Déclassement d'actifs et stock brut de capital Merci

Plus en détail

Gestion de production

Gestion de production Maurice Pillet Chantal Martin-Bonnefous Pascal Bonnefous Alain Courtois Les fondamentaux et les bonnes pratiques Cinquième édition, 1989, 1994, 1995, 2003, 2011 ISBN : 978-2-212-54977-5 Sommaire Remerciements...

Plus en détail

Optimisation des tournées de ramassage scolaire de la commune de Seneffe

Optimisation des tournées de ramassage scolaire de la commune de Seneffe Optimisation des tournées de ramassage scolaire de la commune de Seneffe Laurie Hollaert Séminaire GRT 7 novembre Laurie Hollaert Optimisation des tournées de ramassage scolaire de la commune de Seneffe

Plus en détail

Shadow Manager Simulateur de gestion globale d entreprise. Introduction

Shadow Manager Simulateur de gestion globale d entreprise. Introduction Shadow Manager Simulateur de gestion globale d entreprise Introduction Le logiciel de simulation d entreprise Shadow Manager représente le nec plus ultra des outils pédagogiques de simulation de gestion

Plus en détail

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE Paul Pașcu, Assist Prof, PhD, Ștefan cel Mare University of Suceava Abstract: This article aims to present a number

Plus en détail

Pilotage de la performance par les processus et IT

Pilotage de la performance par les processus et IT Pilotage de la performance par les processus et IT Pilotage par les processus, Apports de la DSI aux processus métiers, Maturité des entreprises en matière de pilotage par les processus. 1 1 Piloter par

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

Gestion de trésorerie

Gestion de trésorerie Collection les mémentos finance dirigée par Jack FORGET Gestion de trésorerie Optimiser la gestion financière de l entreprise à court terme Jack FORGET Éditions d Organisation, 2005 ISBN : 2-7081-3250-4

Plus en détail

Travail rendu : Présentation et définition de la M.R.P : Management des ressources de production

Travail rendu : Présentation et définition de la M.R.P : Management des ressources de production Travail rendu : Présentation et définition de la M.R.P : Management des ressources de production Préparé par : Ait ahmed Essedek Matière : Gestion de la production et des stocks Encadré par : Mr. NACIRI

Plus en détail

PROGRAMMES DE GESTION 3 ème année & 4 ème année de l Enseignement secondaire

PROGRAMMES DE GESTION 3 ème année & 4 ème année de l Enseignement secondaire RÉPUBLIQUE TUNISIENNE MINISTÈRE DE L ÉDUCATION & DE LA FORMATION DIRECTION GÉNÉRALE DES PROGRAMMES & DE LA FORMATION CONTINUE Direction des Programmes & des Manuels Scolaires PROGRAMMES DE GESTION 3 ème

Plus en détail

Notions de Gestion de Projet (Partie 2)

Notions de Gestion de Projet (Partie 2) Notions de Gestion de Projet (Partie 2) QCM Sommaire 1ère 1 Partie Sommaire 2ème 2 Partie - Problématique de départ Structure et Pilotage d un projet - Qu est ce qu un projet? - Vocabulaire spécifique

Plus en détail

Notre modèle d engagement

Notre modèle d engagement Notre modèle d engagement 1. EVALUER L évaluation des compétences que vous souhaitez améliorer implique un vrai échange entre nos deux équipes, et une étude plus approfondie des écarts et des actions préalablement

Plus en détail

16 Fondements du pilotage

16 Fondements du pilotage $YDQWSURSRV Le pilotage des systèmes de production est un sujet qui revêt une importance grandissante, au fur et à mesure que l automatisation de ceux-ci d une part, la multiplication des contraintes de

Plus en détail

Sujet de bourse de thèse en Sciences de Gestion

Sujet de bourse de thèse en Sciences de Gestion Sujet de bourse de thèse en Sciences de Gestion Parcours de santé de la personne âgée en Auvergne : adéquation et complémentarité de l offre de soins Laboratoire d accueil : Centre de Recherche Clermontois

Plus en détail

Paramétrage d une Gestion de Production

Paramétrage d une Gestion de Production Prélude 7 ERP Paramétrage d une Gestion de Production Jeu compétitif de gestion de flux sur un horizon fixé Christian van DELFT HEC Paris Ce jeu nécessite de disposer de la licence au niveau intermédiaire.

Plus en détail

Livre Blanc Oracle Mars 2009. Rationaliser, Automatiser et Accélérer vos Projets Industriels

Livre Blanc Oracle Mars 2009. Rationaliser, Automatiser et Accélérer vos Projets Industriels Livre Blanc Oracle Mars 2009 Rationaliser, Automatiser et Accélérer vos Projets Industriels Introduction Pour relancer l économie, le gouvernement des États-Unis, l Union Européenne et la Chine ont développé

Plus en détail

Parallel Tree-based Exact Algorithms using Heterogeneous Many and Multi-core Computing for Solving Challenging Problems in Combinatorial Optimization

Parallel Tree-based Exact Algorithms using Heterogeneous Many and Multi-core Computing for Solving Challenging Problems in Combinatorial Optimization Parallel Tree-based Exact Algorithms using Heterogeneous Many and Multi-core Computing for Solving Challenging Problems in Combinatorial Optimization Rudi Leroy Encadrement : N. Melab (Univ. Lille 1),

Plus en détail

Livre Blanc. Optimiser la gestion et le pilotage des opérations. Août 2010

Livre Blanc. Optimiser la gestion et le pilotage des opérations. Août 2010 Livre Blanc Optimiser la gestion et le pilotage des opérations Août 2010 Un livre blanc édité par : NQI - Network Quality Intelligence Tél. : +33 4 92 96 24 90 E-mail : info@nqicorp.com Web : http://www.nqicorp.com

Plus en détail

Aide multicritère à la décision Aspects mathématiques du droit suisse sur les marchés publics

Aide multicritère à la décision Aspects mathématiques du droit suisse sur les marchés publics Aide multicritère à la décision Aspects mathématiques du droit suisse sur les marchés publics Jacques Pictet, Dr ès sc. techn. EPF Dominique Bollinger, Ing. dipl. EPF Introduction Le but de cet article

Plus en détail

Noureddine Kerzazi noureddine.kerzazi@polymtl.ca

Noureddine Kerzazi noureddine.kerzazi@polymtl.ca Domaine de la modélisation des processus pour le génie logiciel. Noureddine Kerzazi noureddine.kerzazi@polymtl.ca DSL4SPM Domain-Specific-Language for Software Process Modeling Il s agit d un nouveau cadre

Plus en détail

Planifier la production avec un système GPAO Mythes et réalités. progiciels 2 0

Planifier la production avec un système GPAO Mythes et réalités. progiciels 2 0 Planifier la production avec un système GPAO Mythes et réalités La planification Pour être un succès, un acte de production doit être préparé A long terme A moyen terme A court terme octobre, Les systèmes

Plus en détail

Rational Software Rational Portfolio Manager

Rational Software Rational Portfolio Manager IBM Software Group Rational Software Rational Portfolio Manager Rachid Saoui, rachid.saoui@fr.ibm.com Fabrice Grelier, fabrice.grelier@fr.ibm.com 2003 IBM Corporation genda Gouvernance et Portfolio Management

Plus en détail

APPLICATION DE LA RECHERCHE OPÉRATIONNELLE DANS DES APPLICATIONS OPÉRATIONNELLES FRANCIS SOURD SNCF INNOVATION & RECHERCHE

APPLICATION DE LA RECHERCHE OPÉRATIONNELLE DANS DES APPLICATIONS OPÉRATIONNELLES FRANCIS SOURD SNCF INNOVATION & RECHERCHE APPLICATION DE LA RECHERCHE OPÉRATIONNELLE DANS DES APPLICATIONS OPÉRATIONNELLES FRANCIS SOURD SNCF INNOVATION & RECHERCHE INAUGURATION DE L INSTITUT HENRI FAYOL 17/05/2013 DE L OPTIMISATION MATHEMATIQUE

Plus en détail

Pilotez, ajustez et optimisez votre portefeuille de projets

Pilotez, ajustez et optimisez votre portefeuille de projets Pilotez, ajustez et optimisez votre portefeuille de projets Intervenants 2 octobre 2014 Marianne Delétang Consultante Sénior Atos Grégory Sabathé Responsable Marketing NQI La solution web collaborative

Plus en détail

1 Présentation générale

1 Présentation générale Parcours «Management des processus de production de biens et services» du Master de Sciences de Gestion (M2) - mention «Management Global» de l Université Paris Dauphine 1 Présentation générale 1.1 Objectifs

Plus en détail

Dans ce chapitre nous allons étudier une méthode pratique d anti-phishing, ce qui consiste à un système de classification automatique.

Dans ce chapitre nous allons étudier une méthode pratique d anti-phishing, ce qui consiste à un système de classification automatique. I INTRODUCTION Les pages de phishing sont l un des problèmes majeurs de sécurité sur internet. La majorité des attaques utilisent des méthodes sophistiquées comme les fausses pages pour tromper les utilisateurs

Plus en détail

Utilisation de dans le cadre des formations initiales

Utilisation de dans le cadre des formations initiales Utilisation de dans le cadre des formations initiales Cet outil pédagogique permet, avec des classes de niveaux différents (Baccalauréats Professionnels, BTS, DUT, Ingénieur, ) de faire découvrir, par

Plus en détail

Des outils pour l optimisation et la robustesse. Marc Sevaux

Des outils pour l optimisation et la robustesse. Marc Sevaux Des outils pour l optimisation et la sse Marc Sevaux Université de Valenciennes et du Hainaut-Cambrésis Laboratoire d Automatique, de Mécanique et d Informatique Industrielles et Humaines (UMR CNRS 8530)

Plus en détail

Sélectionner la bonne base de données de gestion de configurations pour mettre en place une plate-forme efficace de gestion de services.

Sélectionner la bonne base de données de gestion de configurations pour mettre en place une plate-forme efficace de gestion de services. Solutions de Service Management Guide d achat Sélectionner la bonne base de données de gestion de configurations pour mettre en place une plate-forme efficace de gestion de services. Aujourd hui, toutes

Plus en détail

Laboratoire 4 Développement d un système intelligent

Laboratoire 4 Développement d un système intelligent DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement

Plus en détail

Libérez votre intuition

Libérez votre intuition Présentation de Qlik Sense Libérez votre intuition Qlik Sense est une application nouvelle génération de visualisation de données en libre-service qui permet à chacun de créer facilement des visualisations

Plus en détail

Piloter l atelier l. Valeur ajoutée e du MES pour les PMI.

Piloter l atelier l. Valeur ajoutée e du MES pour les PMI. Pilotage d atelier Piloter l atelier l grâce au système d information d : Valeur ajoutée e du MES pour les PMI. Le MES? Un Manufacturing execution system (abrégé en MES) est un système informatique dont

Plus en détail

1 La méthodologie 7 S pour conduire un projet QSE

1 La méthodologie 7 S pour conduire un projet QSE 1 La méthodologie 7 S pour conduire un projet QSE Cette méthode, fruit de retours d expériences, permet de maîtriser un projet QSE et d atteindre l objectif de certification. C est une véritable «feuille

Plus en détail

PROGRAMMES DE GESTION

PROGRAMMES DE GESTION RÉPUBLIQUE TUNISIENNE MINISTÈRE DE L ÉDUCATION DIRECTION GÉNÉRALE DU CYCLE PREPARATOIRE & DE L'ENSEIGNEMENT SECONDAIRE Direction de la Pédagogie & des Normes du cycle préparatoire et de l'enseignement

Plus en détail

L approche Bases de données

L approche Bases de données L approche Bases de données Cours: BD. Avancées Année: 2005/2006 Par: Dr B. Belattar (Univ. Batna Algérie) I- : Mise à niveau 1 Cours: BDD. Année: 2013/2014 Ens. S. MEDILEH (Univ. El-Oued) L approche Base

Plus en détail

Management des processus opérationnels

Management des processus opérationnels Ecole Nationale Supérieure de Management Master Management des organisations Management des processus opérationnels Dr TOUMI Djamila Cours n 1: La vision processus dans le management des organisations

Plus en détail

Le management de projet

Le management de projet OBJECTIFS Être capable de planifier, évaluer, planifier, organiser, démarrer, piloter, évaluer un projet simple Être capable de résoudre des problèmes d'optimisation dans les domaines de la logistique

Plus en détail

Présentation livre Simulation for Supply Chain Management. Chapitre 1 - Supply Chain simulation: An Overview

Présentation livre Simulation for Supply Chain Management. Chapitre 1 - Supply Chain simulation: An Overview Présentation livre Simulation for Supply Chain Management Chapitre 1 - Supply Chain simulation: An Overview G. Bel, C. Thierry et A. Thomas 1 Plan Gestion de chaînes logistiques et simulation Points de

Plus en détail

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Informatique Première et seconde années

Plus en détail

Table des Matières. Table des Figures 7. Introduction Générale 9. Chapitre 1 - Langages de description d architectures matérielles hybrides 23

Table des Matières. Table des Figures 7. Introduction Générale 9. Chapitre 1 - Langages de description d architectures matérielles hybrides 23 Table des Figures 7 Introduction Générale 9 1. Outils et plate-formes de construction d application 9 2. Intégration de paradigmes de conception dans le cycle de vie 10 2.1. Equilibrage de charge et équilibrage

Plus en détail

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,

Plus en détail

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 2. Quadrimestre 2. Pondération 4. Nombre de crédits 4

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 2. Quadrimestre 2. Pondération 4. Nombre de crédits 4 Informations de l'unité d'enseignement Implantation Cursus de Intitulé Code Institut Paul Lambin Bachelier en informatique de gestion Programmation Avancée en Java I2020 Cycle 1 Bloc 2 Quadrimestre 2 Pondération

Plus en détail

Guillaume SOLDERA (B guillaume.soldera@serli.fr) SERLI Informatique Bull OW2 Consortium. Comparatif Choco/Drools dans le cadre du projet JASMINe

Guillaume SOLDERA (B guillaume.soldera@serli.fr) SERLI Informatique Bull OW2 Consortium. Comparatif Choco/Drools dans le cadre du projet JASMINe Guillaume SOLDERA (B guillaume.soldera@serli.fr) SERLI Informatique Bull OW2 Consortium dans le cadre du projet JASMINe Avril 2008 Table des matières 1 Introduction 3 1.1 Rappel sur JASMINe.......................................

Plus en détail

MEDIAPLANNING & HYBRIDATION APPLIQUE A L INTERNET

MEDIAPLANNING & HYBRIDATION APPLIQUE A L INTERNET MEDIAPLANNING & HYBRIDATION APPLIQUE A L INTERNET MOBILE Gaël Crochet 1 & Gilles Santini 2 1 Médiamétrie, 70 rue Rivay, 92532 Levallois-Perret, France, gcrochet@mediametrie.fr 2 Vintco SARL, 8 rue Jean

Plus en détail

Sujet de thèse CIFRE RESULIS / LGI2P

Sujet de thèse CIFRE RESULIS / LGI2P Ecole des Mines d Alès Laboratoire de Génie Informatique et d Ingénierie de Production LGI2P Nîmes Sujet de thèse CIFRE RESULIS / LGI2P Titre Domaine De l ingénierie des besoins à l ingénierie des exigences

Plus en détail

Ensemble mobilisons nos énergies

Ensemble mobilisons nos énergies Ensemble mobilisons nos énergies «Lancé en Juin 2005, SIRIUS est désormais un projet au cœur de notre entreprise, au service des ambitions et des objectifs qui s inscrivent dans le cadre de notre stratégie

Plus en détail

Modélisation et Optimisation de la Planification de Réseaux Sans Fil

Modélisation et Optimisation de la Planification de Réseaux Sans Fil Modélisation et Optimisation de la Planification de Réseaux Sans Fil Thèse soutenue le 8 décembre 2008 par Alexandre GONDRAN Devant le Jury : M. Jean-Marie GORCE rapporteur Pr, INSA Lyon M. Olivier HUDRY

Plus en détail

Présentation de la Gestion des Exigences (REQM) SopraGroup / Direction de la Transformation et de la Performance : Qualité, Méthode & Outils

Présentation de la Gestion des Exigences (REQM) SopraGroup / Direction de la Transformation et de la Performance : Qualité, Méthode & Outils emedia Présentation de la Gestion des Exigences (REQM) SopraGroup / Direction de la Transformation et de la Performance : Qualité, Méthode & Outils Unissons nos Talents T A L E N T E D T O G E T H E R

Plus en détail

Problème de chargement de camions-citernes Tank Truck Loading Problem

Problème de chargement de camions-citernes Tank Truck Loading Problem Problème de chargement de camions-citernes Tank Truck Loading Problem Fabien Cornillier CENTOR, Université Laval fabien.cornillier@centor.ulaval.ca Fayez F. Boctor CENTOR, Université Laval Gilbert Laporte

Plus en détail

Résolution d un problème de Job-Shop intégrant des contraintes de Ressources Humaines

Résolution d un problème de Job-Shop intégrant des contraintes de Ressources Humaines Résolution d un problème de Job-Shop intégrant des contraintes de Ressources Humaines ROADEF 09, 10-12 février 2009, Nancy (France) O. Guyon 1.2, P. Lemaire 2, É. Pinson 1 et D. Rivreau 1 1 LISA - Institut

Plus en détail

PRIMAVERA RISK ANALYSIS

PRIMAVERA RISK ANALYSIS PRIMAVERA RISK ANALYSIS PRINCIPALES FONCTIONNALITÉS Guide d analyse des risques Vérification de planning Modélisation rapide des risques Assistant de registres de risques Registre de risques Analyse de

Plus en détail

Bilan et perspectives de la thèse

Bilan et perspectives de la thèse Bilan et perspectives de la thèse 335 En huit parties, cette thèse est progressivement passée d'une présentation générale de la production, où la variété des situations et des problèmes rencontrés a été

Plus en détail

HORIZON Pop Suite Logicielle de P ilotage Opérationnel de la Performance Rendre vos processus compétitifs plus légers, plus réactifs, plus agiles et plus sûrs www.concept-pop.com Process Mapping Process

Plus en détail

QUELS SONT LES DEFIS DE L OUTSOURCING? 3 INTEGRATION DE L OFFRE PROFECI DANS LE CADRE DE LA MISE EN PLACE D UNE RELATION D OUTSOURCING 6

QUELS SONT LES DEFIS DE L OUTSOURCING? 3 INTEGRATION DE L OFFRE PROFECI DANS LE CADRE DE LA MISE EN PLACE D UNE RELATION D OUTSOURCING 6 QUELS SONT LES DEFIS DE L OUTSOURCING? 3 DEFINIR VOS REGLES DU JEU 3 CONTROLER L APPLICATION DES REGLES 3 VOUS OBLIGER A JOUER LE JEU : «RECONNAITRE ET ACCEPTER LES CONTRAINTES S IMPOSANT A VOUS» 4 CONCLUSION

Plus en détail

Une application des algorithmes génétiques à l ordonnancement d atelier

Une application des algorithmes génétiques à l ordonnancement d atelier Une application des algorithmes génétiques à l ordonnancement d atelier VACHER Jean-Philippe - GALINHO Thierry - MAMMERI Zoubir Laboratoire d Informatique du Havre Université du Havre 25, Rue Philippe

Plus en détail

Processus : les outils d optimisation de la performance

Processus : les outils d optimisation de la performance Yvon Mougin Processus : les outils d optimisation de la performance Préface de Pierre MAILLARD Directeur Général de L Institut de Recherche et de Développement de la Qualité, 2004 ISBN : 2-7081-3022-6

Plus en détail

D après FD X50-176 Management des processus (2005) AC X50-178 Management des processus, Bonnes pratiques et retours d expérience (2002)

D après FD X50-176 Management des processus (2005) AC X50-178 Management des processus, Bonnes pratiques et retours d expérience (2002) L'approche processus D après FD X50-176 Management des processus (2005) AC X50-178 Management des processus, Bonnes pratiques et retours d expérience (2002) Diaporama : Marie-Hélène Gentil (Maître de Conférences,

Plus en détail

Prof.É.D.Taillard. Classification automatique @Prof. E. Taillard 1 EIVD, Informatique logiciel, 4 e semestre

Prof.É.D.Taillard. Classification automatique @Prof. E. Taillard 1 EIVD, Informatique logiciel, 4 e semestre INFORMATIQUE ORIENTATION LOGICIELS CLASSIFICATION AUTOMATIQUE Prof.É.D.Taillard Classification automatique @Prof. E. Taillard EIVD, Informatique logiciel, 4 e semestre CLASSIFICATION AUTOMATIQUE But :

Plus en détail

La Gestion de Production Méthode MRP A. BOUAISSI

La Gestion de Production Méthode MRP A. BOUAISSI La Gestion de Production Méthode MRP A. BOUAISSI Généralités Objet de la gestion de production Introduction 1.1 Objet de la gestion de production La gestion de production a pour objectif de répondre aux

Plus en détail

Gestion commerciale. Une réponse fonctionnelle quel que soit votre secteur d activité

Gestion commerciale. Une réponse fonctionnelle quel que soit votre secteur d activité Gestion commerciale La rentabilité d une entreprise passe par l augmentation du chiffre d affaires et la maîtrise des coûts de gestion. Avec Sage 100 Gestion Commerciale, vous contrôlez votre activité

Plus en détail

Catalogue de formations thématiques. Sage Formation. Sage ERP X3 Premium Edition Gestion de la production. Abel Biens Web

Catalogue de formations thématiques. Sage Formation. Sage ERP X3 Premium Edition Gestion de la production. Abel Biens Web Abel Biens Web Catalogue s thématiques Pour les Moyennes XRT Universe Edtion Sage Formation s engage auprès de vous Vous cherchez des solutions de gestion simples à utiliser, rapides d appropriation et

Plus en détail

Etude de cas. Porter l optimisation au plus haut niveau

Etude de cas. Porter l optimisation au plus haut niveau Etude de cas Porter l optimisation au plus haut niveau Après la mise en oeuvre du Quintiq Company Planner, Vlisco a réduit ses délais de production de 50%. L étape suivante, le déploiement du Scheduler,

Plus en détail

Problèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003

Problèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003 Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation

Plus en détail

SOMMAIRE. II L organisation du projet. 15 II.1 La place du projet dans la structure de l entreprise. 15 II.2 Les acteurs. 18

SOMMAIRE. II L organisation du projet. 15 II.1 La place du projet dans la structure de l entreprise. 15 II.2 Les acteurs. 18 SOMMAIRE CHAPITRE 1 INTRODUCTION I Définition du projet et de la gestion de projets. 7 I.1 Définition du projet. 7 I.2 Définition de la gestion des projets. 10 I.3 Interaction formulation - résolution

Plus en détail

FORMALISATION DE CONNAISSANCES ERGONOMIQUES DANS LE DOMAINE DE L'ERGONOMIE DE CONCEPTION D'INTERFACES GRAPHIQUES HOMME-MACHINE

FORMALISATION DE CONNAISSANCES ERGONOMIQUES DANS LE DOMAINE DE L'ERGONOMIE DE CONCEPTION D'INTERFACES GRAPHIQUES HOMME-MACHINE Une version de cet article a été publiée dans : Actes du XXVIème Congrès de la SELF "Méthodologie et outils d'intervention et de recherche en ergonomie", Montréal, Canada, 3-6 Octobre, 1990. FORMALISATION

Plus en détail

Cours et applications

Cours et applications MANAGEMENT SUP Cours et applications 3 e édition Farouk Hémici Mira Bounab Dunod, Paris, 2012 ISBN 978-2-10-058279-2 Table des matières Introduction 1 1 Les techniques de prévision : ajustements linéaires

Plus en détail

Projet : Plan Assurance Qualité

Projet : Plan Assurance Qualité Projet : Document : Plan Assurance Qualité 2UP_SPEC_DEV1 VERSION 1.00 Objet Ce document a pour objectif de définir la démarche d analyse et de conception objet ainsi les activités liées. Auteur Eric PAPET

Plus en détail

Présentation livre Simulation for Supply Chain Management. Chapitre 8 - Simulation for Product Driven Systems

Présentation livre Simulation for Supply Chain Management. Chapitre 8 - Simulation for Product Driven Systems Présentation livre Simulation for Supply Chain Management Chapitre 8 - Simulation for Product Driven Systems Auteurs = Pierre CASTAGNA, Pascal BLANC, Olivier CARDIN André THOMAS, Rémi PANNEQUIN, Thomas

Plus en détail

INFO-F-101 Programmation Projet 4 Page Ranking(1/4): Création de la matrice du compte des liens

INFO-F-101 Programmation Projet 4 Page Ranking(1/4): Création de la matrice du compte des liens INFO-F-101 Programmation Projet 4 Page Ranking(1/4): Création de la matrice du compte des liens Année académique 2009 2010 1 Introduction Ce projet est le premier d une série de quatre projets qui ont

Plus en détail

ORIENTATIONS POUR LA CLASSE DE TROISIÈME

ORIENTATIONS POUR LA CLASSE DE TROISIÈME 51 Le B.O. N 1 du 13 Février 1997 - Hors Série - page 173 PROGRAMMES DU CYCLE CENTRAL 5 e ET 4 e TECHNOLOGIE En continuité avec le programme de la classe de sixième, celui du cycle central du collège est

Plus en détail

Anne-lise HUYET- Jean-Luc PARIS LIMOS équipe Recherche en Systèmes de Production IFMA Mail: huyet@ifma.fr, paris@ifma.fr

Anne-lise HUYET- Jean-Luc PARIS LIMOS équipe Recherche en Systèmes de Production IFMA Mail: huyet@ifma.fr, paris@ifma.fr Extraction de Connaissances pertinentes sur le comportement des systèmes de production: une approche conjointe par Optimisation Évolutionniste via Simulation et Apprentissage Anne-lise HUYET- Jean-Luc

Plus en détail

Plateforme de capture et d analyse de sites Web AspirWeb

Plateforme de capture et d analyse de sites Web AspirWeb Projet Java ESIAL 2A 2009-2010 Plateforme de capture et d analyse de sites Web AspirWeb 1. Contexte Ce projet de deuxième année permet d approfondir par la pratique les méthodes et techniques acquises

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

CQPI Technicien qualité industriel

CQPI Technicien qualité industriel CQPI Technicien qualité industriel Public concerné Salariés ou futurs salariés qui auront pour mission d assurer le contrôle de la qualité et de participer à l amélioration des modes de production et/ou

Plus en détail