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

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

LES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage

LES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage LES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage Alain HERTZ Ecole Polytechnique - GERAD Département de mathématiques et de génie industriel CP 679, succ. Centre-ville, Montréal (QC) H3C

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

Sujets de stage. Sciences de la Fabrication et Logistique. Génie Industriel. Optimisation. Recherche opérationnelle. Simulation

Sujets de stage. Sciences de la Fabrication et Logistique. Génie Industriel. Optimisation. Recherche opérationnelle. Simulation 2011 2012 Sujets de stage Génie Industriel Optimisation Recherche opérationnelle Simulation Sciences de la Fabrication et Logistique Table des matières Problème de planification de production avec des

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

Classement multicritère de stratégies d ordonnancement : Cas d une industrie semi-continue

Classement multicritère de stratégies d ordonnancement : Cas d une industrie semi-continue > MHOSI 2005 < 1 Classement multicritère de stratégies d ordonnancement : Cas d une industrie semi-continue V. Dhaevers, D. Duvivier, O. Roux, N. Meskens et A. Artiba Résumé Cet article porte sur l aide

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

Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative

Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Y. Houbad, M. Souier, A. Hassam, Z.Sari Laboratoire d automatique Tlemcen Faculté de technologie, Université Abou

Plus en détail

Approche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamique

Approche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamique Approche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamiue D. BERKOUNE 2, K. MESGHOUNI, B. RABENASOLO 2 LAGIS UMR CNRS 846, Ecole

Plus en détail

Le Choix d un PGI Année 2005/2006

Le Choix d un PGI Année 2005/2006 Le Choix d un PGI Année 2005/2006 ESCI Bourg en Bresse PLAN D ENSEMBLE 1/ Objectifs 2/ Fonctionnement et apports d un progiciel intégré 3/ Cas pratique 1 : Démarche de choix et points clés 4/ Choix d un

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

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

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

Une méthode d apprentissage pour la composition de services web

Une méthode d apprentissage pour la composition de services web Une méthode d apprentissage pour la composition de services web Soufiene Lajmi * Chirine Ghedira ** Khaled Ghedira * * Laboratoire SOIE (ENSI) University of Manouba, Manouba 2010, Tunisia Soufiene.lajmi@ensi.rnu.tn,

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

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

La Recherche Tabou. Par Joseph Ayas Marc André Viau. 16 novembre, 2004 Recherche Tabou J. Ayas & M.A. Viau

La Recherche Tabou. Par Joseph Ayas Marc André Viau. 16 novembre, 2004 Recherche Tabou J. Ayas & M.A. Viau La Recherche Tabou Par Joseph Ayas Marc André Viau 1 Plan de la présentation Introduction Explication détaillée de la Recherche Tabou (RT) Exemples Domaines d application Ressources disponibles Conclusion

Plus en détail

La sélection des règles de priorité en fonction des critères de performances d un FMS

La sélection des règles de priorité en fonction des critères de performances d un FMS La sélection des règles de priorité en fonction des critères de performances d un FMS Ahmed HASSAM, Talib Hicham BETAOUAF, Abdellah BENGHALEM et Zaki SARI Université Aboubekr belkaîd TLEMCEN, PoBox 230,

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

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

La fonction d audit interne garantit la correcte application des procédures en vigueur et la fiabilité des informations remontées par les filiales.

La fonction d audit interne garantit la correcte application des procédures en vigueur et la fiabilité des informations remontées par les filiales. Chapitre 11 LA FONCTION CONTRÔLE DE GESTION REPORTING AUDIT INTERNE Un système de reporting homogène dans toutes les filiales permet un contrôle de gestion efficace et la production d un tableau de bord

Plus en détail

ANALYSE MULTICRITÈRE INTRODUCTION

ANALYSE MULTICRITÈRE INTRODUCTION ANALYSE MULTICRITÈRE PAR Nadia Lehoux Pascale Vallée INTRODUCTION Quel modèle choisir? novembre 04 Analyse multicritère 2 PLAN DE LA PRÉSENTATION Définition générale Terminologie Différentes méthodes utilisées

Plus en détail

Langage dédié pour le pilotage de solveurs de contraintes

Langage dédié pour le pilotage de solveurs de contraintes LABORATOIRE D INFORMATIQUE DE NANTES-ATLANTIQUE UMR 6241 ÉCOLE DOCTORALE STIM, N. 503 «Sciences et technologies de l information et des mathématiques» Sujet de thèse pour 2010 Langage dédié pour le pilotage

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

Indexation de sous-collections pour l amélioration de la haute précision

Indexation de sous-collections pour l amélioration de la haute précision Indexation de sous-collections pour l amélioration de la haute précision Joëlson Randriamparany *,** *IRIT, Institut de Recherche Informatique de Toulouse Université Paul Sabatier Toulouse III 118 Route

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

L INTEGRATION DES PROCESSUS DE LOGISTIQUE COMMERCIALE

L INTEGRATION DES PROCESSUS DE LOGISTIQUE COMMERCIALE Vérane Humez 1/6 L INTEGRATION DES PROCESSUS DE LOGISTIQUE COMMERCIALE AU SERVICE DE LA SATISFACTION CLIENT Vérane HUMEZ* 1 Directeur(s) de thèse: Lionel DUPONT* et Matthieu LAURAS* Laboratoire d'accueil:

Plus en détail

Un Algorithme génétique pour le problème de ramassage et de livraison avec fenêtres de temps à plusieurs véhicules

Un Algorithme génétique pour le problème de ramassage et de livraison avec fenêtres de temps à plusieurs véhicules Un Algorithme génétique pour le problème de ramassage et de livraison avec fenêtres de temps à plusieurs véhicules I. Harbaoui Dridi (1),(2) R. Kammarti (1),(2) P. Borne (1) M. Ksouri (2) imenharbaoui@gmail.com

Plus en détail

Table des matières. Coopération homme-machine pour l ordonnancement sous incertitudes. L atelier de production. Introduction.

Table des matières. Coopération homme-machine pour l ordonnancement sous incertitudes. L atelier de production. Introduction. Coopération homme-machine pour l ordonnancement sous incertitudes Guillaume Pinot IRCCyN, équipes ACSED et PsyCoTec Christian Artigues CR, CNRS, Toulouse Rapporteur Jacques Carlier Pr., UTC, Compiègne

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

Minimisation de la somme des retards dans un jobshop flexible

Minimisation de la somme des retards dans un jobshop flexible Minimisation de la somme des retards dans un jobshop flexible Nozha ZRIBI, Imed KACEM, Abdelkader EL KAMEL, Pierre BORNE LAGIS Ecole Centrale de Lille, BP 48, 5965 Villeneuve d Ascq Cedex, France ISTIT

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

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

Approche hybride de reconstruction de facettes planes 3D

Approche hybride de reconstruction de facettes planes 3D Cari 2004 7/10/04 14:50 Page 67 Approche hybride de reconstruction de facettes planes 3D Ezzeddine ZAGROUBA F. S.T, Dept. Informatique. Lab. d Informatique, Parallélisme et Productique. Campus Universitaire.

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

A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters

A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters Présenté par : Equipe de travail : Laboratoire : Maxime CHASSAING Philippe LACOMME, Nikolay

Plus en détail

PLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique

PLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique Département de génie de la production automatisée Programme de baccalauréat Professeur Pontien Mbaraga, Ph.D. Session/année Automne 2004 Groupe(s) 01 PLAN DE COURS GPA750 Ordonnancement des systèmes de

Plus en détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 1 - Introduction Qu est-ce qu un

Plus en détail

-- Séance 9 -- Priorisation et raffinement des exigences

-- Séance 9 -- Priorisation et raffinement des exigences -- Séance 9 -- Priorisation et raffinement des exigences Objectifs: Comment identifier les exigences importantes Comprendre le processus de triage des exigences Méthodes de priorisation: AHP, Planning

Plus en détail

Groupe. Chapter 1. Félix Abecassis (CSI) Christopher Chedeau (CSI) Gauthier Lemoine (SCIA) Julien Marquegnies (CSI)

Groupe. Chapter 1. Félix Abecassis (CSI) Christopher Chedeau (CSI) Gauthier Lemoine (SCIA) Julien Marquegnies (CSI) Chapter 1 Groupe Félix Abecassis (CSI) Christopher Chedeau (CSI) Gauthier Lemoine (SCIA) Julien Marquegnies (CSI) Nous avons choisi d implémenter le projet avec le langage Javascript. L avantage offert

Plus en détail

1 ) Prévision de la production : le programme de production..

1 ) Prévision de la production : le programme de production.. R Cordier LE BUDGET DE PRODUCTION Le budget de production est la représentation finale et chiffrée de l'activité productive annuelle. Il est la résultante des décisions prises au niveau du budget des ventes

Plus en détail

Analyse de données symboliques et graphe de connaissances d un agent

Analyse de données symboliques et graphe de connaissances d un agent d un agent Philippe Caillou*, Edwin Diday** *LAMSADE - Université Paris Dauphine Place du maréchal de Lattre de Tassigny 7516 Paris caillou@lamsade.dauphine.fr **CEREMADE - Université Paris Dauphine Place

Plus en détail

Planifica(on du stockage intermédiaire dans l industrie du shampoing

Planifica(on du stockage intermédiaire dans l industrie du shampoing dans l industrie du shampoing R. Belaid, V. T kindt, C. Esswein, rabah.belaid@etu.univ-tours.fr Université François Rabelais Tours Laboratoire d Informatique 64 avenue Jean Portalis, 37200, Tours Journées

Plus en détail

Ingénierie d entreprise et de système d information dirigée par les modèles : quels usages?

Ingénierie d entreprise et de système d information dirigée par les modèles : quels usages? Ingénierie d entreprise et de système d information dirigée par les modèles : quels usages? Hervé Panetto, Xavier Boucher, Pierre-Alain Millet To cite this version: Hervé Panetto, Xavier Boucher, Pierre-Alain

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

Aide à la décision multicritère pour la réhabilitation énergétique : Application aux bâtiments résidentiels

Aide à la décision multicritère pour la réhabilitation énergétique : Application aux bâtiments résidentiels Aide à la décision multicritère pour la réhabilitation énergétique : Application aux bâtiments résidentiels Thorel 1,2, Andrieux 2, Buhé 1 1 Université de Savoie, Laboratoire d Optimisation de la Conception

Plus en détail

Josée St-Pierre, Ph. D. Directrice Laboratoire de recherche sur la performance des entreprises

Josée St-Pierre, Ph. D. Directrice Laboratoire de recherche sur la performance des entreprises PME, réseautage et optimisation de la chaîne logistique Éditorial InfoPME est publié par le Laboratoire de recherche sur la performance des entreprises (LaRePE) Institut de recherche sur les PME Université

Plus en détail

Industrial Phd Progam

Industrial Phd Progam Industrial Phd Progam Catalan Government: Legislation: DOGC ECO/2114/2012 Modification: DOGC ECO/2443/2012 Next: Summary and proposal examples. Main dates March 2013: Call for industrial Phd projects grants.

Plus en détail

Associate Professor in Quantitative Methods. University of Jendouba / University of Tunis TUNISIA. Saoussen.krichen@isg.rnu.tn

Associate Professor in Quantitative Methods. University of Jendouba / University of Tunis TUNISIA. Saoussen.krichen@isg.rnu.tn Saoussen KRICHEN Associate Professor in Quantitative Methods University of Jendouba / University of Tunis TUNISIA Saoussen.krichen@isg.rnu.tn 1Concours de Maîtrise de Conférences en Informatique de Gestion

Plus en détail

Mots-clés Optimisation par Essaims de Particules (OEP), Recuit Simulé (RS), Métaheuristique, Hybridation, ORPF, Système électrique de puissance.

Mots-clés Optimisation par Essaims de Particules (OEP), Recuit Simulé (RS), Métaheuristique, Hybridation, ORPF, Système électrique de puissance. Hybridation Intégrative OEP/RS Appliquée à l Ecoulement Optimal de la Puissance Réactive M. Lahdeb S. Arif A. Hellal Laboratoire d Analyse et de Commande des Systèmes d Energie et Réseaux Électriques (LACoSERE)

Plus en détail

UNIVERSITE PAUL SABATIER DE TOULOUSE

UNIVERSITE PAUL SABATIER DE TOULOUSE EQUI SE P UNIVERSITE PAUL SABATIER DE TOULOUSE ANALYSE COMPARATIVE DE METHODES MULTICRITERES D AIDE A LA DECISION POUR LE SECTEUR FINANCIER Présenté par : RAKOTOARIVELO Jean Baptiste Directeur de Thèse:

Plus en détail

La gestion des files d'attente par les règles de priorité

La gestion des files d'attente par les règles de priorité La gestion des files d'attente par les règles de priorité Zoheir KARAOUZENE, Zaki SARI. LAT : Laboratoire d Automatique de Tlemcen Faculté des sciences de l ingénieur Université ABOU-BEKR BELKAÎD BP 230

Plus en détail

Optimisation par essaim particulaire pour un problème d ordonnancement et d affectation de ressources

Optimisation par essaim particulaire pour un problème d ordonnancement et d affectation de ressources INSTITUT SUPERIEUR D INFORMATIQUE DE MODELISATION ET DE LEURS APPLICATIONS COMPLEXE DES CEZEAUX BP 125 63173 AUBIERE CEDEX Rapport de Projet 3ème année Modélisation et Calcul Scientifique Optimisation

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

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels

Plus en détail

Annexe 6. Notions d ordonnancement.

Annexe 6. Notions d ordonnancement. Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document

Plus en détail

Classement multicritère de stratégies d'ordonnancement dans le cadre d'une industrie semi-continue

Classement multicritère de stratégies d'ordonnancement dans le cadre d'une industrie semi-continue Classement multicritère de stratégies d'ordonnancement dans le cadre d'une industrie semi-continue O. Roux 1, V. Dhaevers 1, D. Duvivier 1, N. Meskens 1 et A. Artiba 2 1. Facultés Universitaires Catholiques

Plus en détail

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services 69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard

Plus en détail

Mettre en œuvre les processus

Mettre en œuvre les processus Plan du chapitre 1 Introduction Master Informatique et Systèmes Urbanisation des Systèmes d Information Architecture d Entreprise 03 Définition et modélisation de l entreprise 2 Les motivations et la stratégie

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

UN SYSTÈME D AIDE À LA PRISE DE DÉCISIONS POUR L ANALYSE ET LE CONTRÔLE D UN PROCESSUS DE PRODUCTION.

UN SYSTÈME D AIDE À LA PRISE DE DÉCISIONS POUR L ANALYSE ET LE CONTRÔLE D UN PROCESSUS DE PRODUCTION. 3 e Conférence Francophone de MOdélisation et SIMulation «Conception, Analyse et Gestion des Systèmes Industriels» MOSIM 01 du 25 au 27 avril 2001 Troyes (France) UN SYSTÈME D AIDE À LA PRISE DE DÉCISIONS

Plus en détail

Introduction aux métaheuristiques

Introduction aux métaheuristiques Introduction aux métaheuristiques MTH6311 S. Le Digabel, École Polytechnique de Montréal H2014 (v3) MTH6311: Introduction aux métaheuristiques 1/25 Plan 1. Motivation et définitions 2. Classification des

Plus en détail

Manlab. Logiciel de continuation interactif. R. Arquier B. Cochelin C. Vergez

Manlab. Logiciel de continuation interactif. R. Arquier B. Cochelin C. Vergez Manlab Logiciel de continuation interactif R. Arquier B. Cochelin C. Vergez Laboratoire de mécanique et d acoustique (UPR CNRS 7051) Ecole généraliste d ingénieurs de Marseille (EGIM) Technopôle de Château-Gombert

Plus en détail

Bilan de thèse à mi-parcours

Bilan de thèse à mi-parcours Bilan de thèse à mi-parcours Benjamin Lévy 26 mars 2012 Introduction La thèse de doctorat d informatique (école doctorale 130, EDITE) dont le titre officiel est le suivant : Avatars capables d écoute,

Plus en détail

Le parcours pédagogique Sage Business Intelligence. Utilisateur Niv I BO XI 3.0 WebI pour Sage 1000 2 jours

Le parcours pédagogique Sage Business Intelligence. Utilisateur Niv I BO XI 3.0 WebI pour Sage 1000 2 jours Vous êtes Consultant, Chef de Projets, Directeur des Systèmes d Information, Directeur Administratif et Financier, Optez pour les «formations Produits» Nous vous proposons des formations vous permettant

Plus en détail

Décomposition de domaine pour un milieu poreux fracturé

Décomposition de domaine pour un milieu poreux fracturé Décomposition de domaine pour un milieu poreux fracturé Laila AMIR 1, Michel KERN 2, Vincent MARTIN 3, Jean E ROBERTS 4 1 INRIA-Rocquencourt, B.P. 105, F-78153 Le Chesnay Cedex Email: laila.amir@inria.fr

Plus en détail

Les outils de gestion

Les outils de gestion Beida Mohammed Ferhat Taleb Amar Ingénieurs d état en informatique Option : Systèmes d Information (SI) Tel: +213 (0) 76 17 36 69 Fax: +213 (0) 21 32 58 93 Email: mohamed@mtoolkit.com bilal_ini@yahoo.fr

Plus en détail

Management des Systèmes d Information

Management des Systèmes d Information Spécialité Réseaux (RES) UE: Management des systèmes d'information [mnsi, NI303] M2IRT 2012 1 ère année Management des Systèmes d Information Unité 2 - Les principaux types de SI dans l entreprise Gilles

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

ANALYSE D UN SYSTEME D INFORMATION MES

ANALYSE D UN SYSTEME D INFORMATION MES FC M1 Management 2012/2013 Projet individuel ANALYSE D UN SYSTEME D INFORMATION MES (Manufacturing Execution System) FC M1 Management 2012_2013 / SYSTEMES D INFORMATION / ANALYSE D UN SYSTEME D INFORMATION

Plus en détail

PACK PMI. Exclusivement par PMI Soft. Le droit à. la gestion intégrée. pour tous

PACK PMI. Exclusivement par PMI Soft. Le droit à. la gestion intégrée. pour tous PACK PMI Exclusivement par PMI Soft Le droit à la gestion intégrée pour tous Avec Le Pack PMI, Nous initions une véritable révolution dans la défense des droits des TPE! En effet, jusqu à présent, le prix

Plus en détail

Du paradigme Suivi/ordonnancement/GPAO au paradigme ERP/APS/MES : révolution ou évolution?

Du paradigme Suivi/ordonnancement/GPAO au paradigme ERP/APS/MES : révolution ou évolution? Du paradigme Suivi/ordonnancement/GPAO au paradigme ERP/APS/MES : révolution ou évolution? Présentation faite par P. Batiste au Congrès CPI 2001 à Fez 1/45 Sommaire Le contexte historique Le besoin d intégration

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

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

Approche bayésienne des modèles à équations structurelles

Approche bayésienne des modèles à équations structurelles Manuscrit auteur, publié dans "42èmes Journées de Statistique (2010)" Approche bayésienne des modèles à équations structurelles Séverine Demeyer 1,2 & Nicolas Fischer 1 & Gilbert Saporta 2 1 LNE, Laboratoire

Plus en détail

Gestion des risques dans les projets de construction par simulation multi-agent

Gestion des risques dans les projets de construction par simulation multi-agent Gestion des risques dans les projets de construction par simulation multi-agent F. TAILLANDIER a, P. TAILLANDIER b, F. KHARTABIL a, E. TEPELI a, D. BREYSSE a a. I2M-GCE, Université de Bordeaux, CNRS, INRA,

Plus en détail

Une solution modulaire couvrant l intégralité des besoins de contrôle et gestion de production.

Une solution modulaire couvrant l intégralité des besoins de contrôle et gestion de production. 1 Une solution modulaire couvrant l intégralité des besoins de contrôle et gestion de production. Visibilité, contrôle et maîtrise de votre production : un outil pensé pour le terrain TemPPro Co. est le

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

FlexIS: vers un système d intégration d information flexible

FlexIS: vers un système d intégration d information flexible FlexIS: vers un système d intégration d information flexible P. Colomb 1, et H. Jaudoin 2 1 LIMOS - CNRS UMR 6158, Université Blaise Pascal, France email: colomb@isima.fr LIMOS, 24 Avenue des Landais,

Plus en détail

SYLLABUS SEMESTRE 9 Année 2011-2012

SYLLABUS SEMESTRE 9 Année 2011-2012 SYLLABUS SEMESTRE 9 2011-2012 Parcours S2I «Systèmes d Information et Informatique» François Brucker Tel.: 04 91 05 43 95 E-mail : francois.brucker@centrale-marseille.fr PROGRAMME Nb heures élèves (hors

Plus en détail

Stratégies gagnantes pour les prestataires de services : le cloud computing vu par les dirigeants Dossier à l attention des dirigeants

Stratégies gagnantes pour les prestataires de services : le cloud computing vu par les dirigeants Dossier à l attention des dirigeants Dossier à l attention des dirigeants Centres d évaluation de la technologie inc. Le cloud computing : vue d ensemble Les sociétés de services du monde entier travaillent dans un environnement en pleine

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

Devenir chef de projet

Devenir chef de projet Durée : 24 jours 168 h OBJECTIFS La formation conduit le stagiaire à pouvoir occuper un poste de chef de projet. Interface avec la direction, il évalue, planifie et organise le projet. Puis il le démarre

Plus en détail

Gestion de la maintenance

Gestion de la maintenance PLATEFORME DE MODELISATION, DE SIMULATION ET D OPTIMISATION DES ACTIONS DE MAINTENANCE D UN SYSTEME MULTI-COMPOSANTS Lust Thibaut - Riane Fouad - Roux Olivier Département de Gestion de Production et des

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

Mention de Master Génie Industriel de l UPSay (Université Paris Saclay) Description de la mention

Mention de Master Génie Industriel de l UPSay (Université Paris Saclay) Description de la mention Mention de Master Génie Industriel de l UPSay (Université Paris Saclay) Description de la mention Etablissements opérateurs : CS, ENSC, UEVE Etablissements partenaires : UPsud, ENSTA, SUPMECA Responsable

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

Plan du cours. Métaheuristiques pour l optimisation combinatoire. Quelques problèmes classiques (2/3) Quelques problèmes classiques (1/3)

Plan du cours. Métaheuristiques pour l optimisation combinatoire. Quelques problèmes classiques (2/3) Quelques problèmes classiques (1/3) Plan du cours Quelques problèmes classiques Quelques algorithmes classiques Métaheuristiques pour l optimisation combinatoire un peu de vocabulaire codage des solutions taxinomie méthodes complètes méthodes

Plus en détail

RETRO-INGENIERIE DES BASES DE DONNEES

RETRO-INGENIERIE DES BASES DE DONNEES RETRO-INGENIERIE DES BASES DE DONNEES Les contenus de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas être considérés

Plus en détail

Business & High Technology

Business & High Technology UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 8 : ID : Informatique Décisionnelle BI : Business Intelligence Sommaire Introduction...

Plus en détail

LE SUPPLY CHAIN MANAGEMENT

LE SUPPLY CHAIN MANAGEMENT LE SUPPLY CHAIN MANAGEMENT DEFINITION DE LA LOGISTIQUE La logistique est une fonction «dont la finalité est la satisfaction des besoins exprimés ou latents, aux meilleures conditions économiques pour l'entreprise

Plus en détail

DES ALGORITHMES BASEES SUR LES PRINCIPES DES METAHEURISTIQUES POUR LE RE-ORDONNANCEMENT TEMPS REEL DANS UN FMS AVEC FLEXIBILITE DE ROUTAGE

DES ALGORITHMES BASEES SUR LES PRINCIPES DES METAHEURISTIQUES POUR LE RE-ORDONNANCEMENT TEMPS REEL DANS UN FMS AVEC FLEXIBILITE DE ROUTAGE 8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie «Evaluation et optimisation des systèmes innovants de production de biens et de services» DES

Plus en détail

Je découvre Lina Process

Je découvre Lina Process Je découvre Lina Process Une interface simple et ergonomique pour gérer vos process 1 Sommaire Présentation de Lina Process 4 Collecter 5 Mesurer 6 Alerter 7 Là où d autres agissent dans le présent, nous

Plus en détail

Ingénierie d aide à la décision

Ingénierie d aide à la décision Ingénierie d aide à la décision Maria Malek 1 er septembre 2009 1 Objectifs et débouchés Nous proposons dans cette option deux grands axes pour l aide à la décision : 1. La recherche opérationnelle ; 2.

Plus en détail

Estimation consistante des paramètres d un. modèle non linéaire pour des données. fonctionnelles discrétisées aléatoirement

Estimation consistante des paramètres d un. modèle non linéaire pour des données. fonctionnelles discrétisées aléatoirement Estimation consistante des paramètres d un modèle non linéaire pour des données fonctionnelles discrétisées aléatoirement Consistent estimation of parameters in a nonlinear model for functional data with

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

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail