Ministère de l Enseignement Supérieur et de la Recherche Scientifique. Mémoire de fin d études. Thème

Dimension: px
Commencer à balayer dès la page:

Download "Ministère de l Enseignement Supérieur et de la Recherche Scientifique. Mémoire de fin d études. Thème"

Transcription

1 Ministère de l Enseignement Supérieur et de la Recherche Scientifique Institut National de formation en Informatique (I.N.I.) Oued-Smar Alger Mémoire de fin d études Pour l obtention du diplôme d ingénieur d état en informatique Option : Systèmes Informatiques (SIQ) Thème Etude de l impact de la Maintenance sur la robustesse des ordonnancements en présence de perturbations Réalisé par : Proposé et encadré Par : BENKHELLAT Samir M me F. SITAYEB BENDJOUDI Ahcène Promotion 2002/2003

2 Résumé : La résolution de problèmes d ordonnancements est souvent réalisée pour un environnement donné. Cependant, dans la réalité, les perturbations peuvent modifier l environnement attendu (changement de la durée opératoire des tâches de Production). Il est donc important de prendre en compte ces changements éventuels le plus tôt possible et donc de concevoir des ordonnancements robustes. Notre travail consiste à étudier l apport de la maintenance sur les ordonnancements conjoint de production maintenance dans un environnement sujet aux perturbations. Ces ordonnancements sont générés pour des ateliers de type Flow Shop de Permutation, en utilisant comme méthode de génération les algorithmes génétiques. Mot clé : Robustesse, ordonnancement, ordonnancement conjoint, Algorithme génétique Séquentiel, Algorithme génétique Intégré, perturbation, maintenance, Flow Shop.

3 Dédicaces Je dédie ce travail à mes parents, qui sont la raison de mon succès. Je dédie ce mémoire à ma sœur, qui m a toujours soutenu, A tous mes frères, A tous mes amis, ce qui sont près et ceux qui sont loin A mon binôme Moh, qui m a incité à travailler plus, Samir

4 Dédicaces Je tiens à dédier ce travail à une personne qui m est chère, et qui de l être ordinaire que je suis a su trouver le meilleur de moi et me l a montré Ma mère. Une personne à qui est dédiée ce travail est mon model d honneur et de principes Mon père. A mes deux grands-mères. A mes frères :M d Akli, Ali et Djamel, ainsi qu à ma sœur Karima qui m a toujours soutenu dans les moments les plus difficiles. A mon oncle Youcef et sa femme Dehbia. A mes cousins Farid, Kader et Aziz et mes cousines Fadila et Zahra. A toute la famille. Aux membres du groupe de travail : mon binôme Samir, Nawal, Nacer, Said, Hamid, Salim, Ouahiba et Naima. Je dédie aussi ce travail à mes amis :Karim, Lotfi, Rabah, Khaled, Yacine, Yahia et sans oublier Noredine, ainsi qu à mes amies :Saida et Farida. Et que tous ceux que je n aurais pas cités m excusent. A tous ceux qui ne pourraient assister à ma consécration. Je le dédie enfin à tous ceux qui croient que ce travail mérite d être poursuivi. Et en particulier à tous le monde. Mohamed

5 Remerciements Tous nos remerciements à M me Sitayeb pour nous avoir encadré et conseillé durant cette année. Nous remercions M elle Benatchba pour ses précieux conseils et son suivi, pendant toute l année, ainsi que M r Koudil, pour tous les moyens qu ils nous ont offerts. Nous tenons à remercier aussi Yassine & Sid Ali pour leur importante aide. Nous remercions le jury de bien vouloir accepter de juger notre travail. Enfin, nous exprimons nos remerciements à toutes personnes, de loin ou de près, pour leur aide à concrétiser ce modeste travail.

6 Sommaire Ordonnancement de Production et Maintenance INTRODUCTION : 2 2. LA MAINTENANCE : Définition : Type de Maintenance : Maintenance Corrective : Maintenance Préventive : 3 3. LES ORDONNANCEMENTS : Définition d un ordonnancement : Concepts de bases en ordonnancement : Les tâches : Les ressources : a. Définition : b. Classification des ressources : b.1. Ressource renouvelable : b.2. Ressource consommable : Contraintes : Critères d optimisation : Diagramme de GANTT : Ordonnancement d atelier : Modèle de base : a. Notions élémentaires : b. Problèmes à une machine : c. Problèmes à machines parallèles : d. Problème multi machines : d.1. Flow shop (cheminement unique) : d.2. Job Shop (flot multi directionnel) : d.3. L open shop (cheminement libre) : Notation des problèmes d ateliers : Schéma récapitulatif des différents types de problèmes d ateliers : Approches de résolution : Méthodes exactes : a. Méthodes d optimisation spécialisées a.1. Problème à une machine : a.2. Problème comportant des machines parallèles : a.3. Problème comportant des machines en série : b. Méthodes d énumération : b.1. PSE (Branch and Bound) : b.2. Programmation dynamique : b.3. Programmation linéaire : Les Méta heuristiques : a. Approche constructive : b. Approche de recherche locale : b.1. Méthode descendante : b.2. Le Recuit Simulé : b.3. Méthode d acceptation à seuil : c. Approche évolutive : c.1. Les Algorithmes Génétiques (AG) : c.2. La colonie de fourmis : ORDONNANCEMENT CONJOINT DE PRODUCTION ET DE LA MAINTENANCE : 29

7 Sommaire 5. CONCLUSION : 30 Notions sur la Robustesse des Ordonnancements INTRODUCTION : INCERTITUDE SUR LES DONNEES : Situation certaine : Situation de risque : Situation incertaine: ROBUSTESSE ET FLEXIBILITE : Introduction : Robustesse et Flexibilité : Différence entre robustesse et flexibilité : LES APPROCHES DE RESOLUTION : Approche proactive : Technique du Slack Time : a. La protection Temporelle : b. Time Window Slack : c. Focused Time Window Slack (FTWS): Approche réactive : Définitions : Technique basée sur le voisinage (Neighbourhood Based Robusteness): Technique de réordonnancement : a. Right shifting : b. N 1 based Rescheduling : c. Hillclimbing Rescheduling: d. Reduced Rescheduling: e. Complete Rescheduling: Technique basée sur la fiabilité : a. Indice de Fiabilité des unités d équipements : b. Indice de fiabilité d une tâche ordonnancée : c. Indice de fiabilité d un ordonnancement : Technique basée sur un module de modification : CONCLUSION: 54 Les Perturbations et leurs Classification INTRODUCTION : CLASSIFICATION DES PERTURBATIONS : Perturbation sur les ressources : Perturbation sur les travaux : PERTURBATION SUR LES DUREES OPERATOIRES : TRAVAUX EXISTANTS : Mikkel T. Jensen : Présentation de l expérience : Simulation de l expérience : Résultats obtenus : Mikkel T. Jensen et Tage Kiilsholm Hansen : Présentation de l expérience : 62

8 Sommaire Simulation de l expérience : Résultats obtenus: A. J. Davenport, C. Gefflot, J. C. Beck : Présentation de l expérience: Niveaux de pannes : Simulation de l expérience : Résultats obtenus: E. Sanmarti, L. Puigjaner, A. Huercio et A. Espũna : Présentation de l expérience : Simulation de l expérience : Résultats obtenus: R.Shafaei & P.Brunn : Présentation de l expérience : Les perturbations : a. Les perturbations des durées opératoires : b. Les pannes machines : c. La charge de l atelier : Simulation de l expérience : Résultats obtenus: Stephen R. Lawrence & Edward C. Sewell : Présentation de l expérience : Les perturbations des durées opératoires : Méthode de résolution : a. Shifting Bottleneck (SB): b. Techniques d ordonnancement optimales (OP): Simulation de l expérience : Résultats obtenus: Tableau récapitulatif des expériences : CONCLUSION : 74 Conception INTRODUCTION : PROBLEMATIQUE : DONNEES DU PROBLEME : Données de la production : Données de la maintenance : Les critères d optimisation : Le Makespan (C max ): Temps de Séjour Moyen (TSM): Taux de temps à Vide (TAV): La Somme des Retards des Tâches de Production (SRTP): La Somme des Critères d optimisation (Gen) : La fonction objectif : SCHEMA CONCEPTUEL : Classes et niveaux de perturbation : Les niveaux de perturbation : Les classes de perturbation : Etapes d obtention de la performance des ordonnancements perturbés : 84

9 Sommaire 4.3. Obtention de la mention : Schéma de Classification : Schéma de validation : LES PERTURBATIONS : La simulation des perturbations: Perturbation de l ordonnancement de production : a. La procédure de perturbation : b. Le problème de chevauchement des tâches : c. Algorithme de perturbation : Perturbation de l ordonnancement conjoint de la production et maintenance: a. La procédure de perturbation : b. Le problème de chevauchement des tâches : c. Algorithme de perturbation : CONCLUSION : 99 Mise en Oeuvre INTRODUCTION : ENVIRONNEMENT DE PROGRAMMATION : LE SCHEMA FONCTIONNEL : La couche 0 : Générateur d ordonnancements La couche 1 : La couche Robustesse & Classification La bibliothèque Robustesse : La Bibliothèque Perturbations : La bibliothèque de Classification : La couche 2 : Application et Interface Utilisateur : Le Module Editeur de données de production : Le Module Editeur de données de maintenance : Le Module Paramétrage des AG et les Perturbations : Le Module d observation de l évolution de la génération : Le Module Explorateur d Ordonnancements : Le module de Perturbations : Le module Statistiques : Le module de Classification : CONCLUSION : 120 Tests et Résultats INTRODUCTION : CLASSIFICATION : TABLEAUX DE SYNTHESE : TABLEAUX DES STATISTIQUES : Résultats par Méthodes de génération : Résultat par Critère, par Classe et Par Niveau de Perturbation : Résultats pour l AGSP : Résultats pour l AGSPM : Résultats pour l AGI : CONCLUSION : 139

10 Liste des Figures Figure I.1: Caractéristiques temporelles d une tâche Erreur! Signet non défini. Figure I.2 : Classification des ressources. Erreur! Signet non défini. Figure I.3: Diagramme de GANTT donnant les horaires de passage des tâcheserreur! Signet non défini. Figure I.4: atelier de type flow shop Erreur! Signet non défini. Figure I.5 : Représentation d un Flow Shop hybride Erreur! Signet non défini. Figure I.6 : Schéma illustrant un Job Shop Erreur! Signet non défini. Figure I.7 : schéma des différents types de problèmes d atelier. _ Erreur! Signet non défini. Figure I.8 : La méthode PSE Erreur! Signet non défini. Figure I.9 : Exploration de X par une approche constructive Erreur! Signet non défini. Figure I.10 : Exploration par la Recherche Locale Erreur! Signet non défini. Figure I.11 : blocage dans un minimum local S 3 Erreur! Signet non défini. Figure I.13:Exploration de X par une approche évolutive. Erreur! Signet non défini. Figure I.14: Hiérarchie de composition d une population. Erreur! Signet non défini. Figure I.15: Croisement Simple. Erreur! Signet non défini. Figure I.16: Croisement multiple. Erreur! Signet non défini. Figure II.1: Exemple sur la Robustesse d'ordonnancement Erreur! Signet non défini. Figure II.2: Flexibilité d'ordonnancement Erreur! Signet non défini. Figure II.3 : Protection Temporelle entre deux tâches A et B s exécutant sur la même machine. Erreur! Signet non défini. Figure II.4: Situation du non Partage du Slack par la méthode de Protection Temporelle. Erreur! Signet non défini. Figure II.5: Gain d un Slack (Slack A) avec la méthode TWS Erreur! Signet non défini. Figure II.6 : Graphe de la fonction d optimisation continue Erreur! Signet non défini. Figure II.7 : Diagramme de GANTT pour deux Ordonnancements N 1 voisins Erreur! Signet non défini. Figure II.8: Exemple d un reduce rescheduling Erreur! Signet non défini. Figure II.9: Relation entre les cinq méthodes de réordonnancement en terme d espace de recherche Erreur! Signet non défini. Figure II.10: Courbe en baignoire de fiabilité des entités d équipement _ Erreur! Signet non défini. Figure II.11: Principe de la technique basée sur un module de modification Erreur! Signet non défini. Figure III.1 : Etapes de l expérience de Shafei & Brunn Erreur! Signet non défini. Figure IV.1 : Notations et Intervalle de tolérance Erreur! Signet non défini. Figure IV.2 : Schéma global du fonctionnement du système de mesure de robustesse Erreur! Signet non défini. Figure IV.3 : Distribution des intervalles des mentions Erreur! Signet non défini. Figure IV.5 : Schéma de Classification Erreur! Signet non défini. Figure IV.6 : Schéma de Validation Erreur! Signet non défini. Figure IV.7 : perturbation d une tâche de production Erreur! Signet non défini. Figure IV.8 : Schéma illustrant le Chevauchement Horizontal Erreur! Signet non défini. et Vertical entre deux tâches de production Erreur! Signet non défini. Figure IV.9 : Graphe de l évolution de l intensité des perturbations du niveau 3 Erreur! Signet non défini. Figure IV.10 : Schéma illustrant les notations sur les perturbations de la maintenance Erreur! Signet non défini. Figure IV.11 : Intervalle de fiabilité et de perturbation Erreur! Signet non défini. Figure IV.12 : Problème de Chevauchement entre deux tâches de production par un décalage Erreur! Signet non défini.

11 Liste des Figures Figure IV.13 : Résolution du Chevauchement entre tâche de maintenanceerreur! Signet non défini. et tâche de production par un décalage Erreur! Signet non défini. Figure IV.14 : Résolution du Chevauchement entre tâche de maintenanceerreur! Signet non défini. et tâche de production par une permutation Erreur! Signet non défini. Figure V.2 : La Classe TIndividu_Rob Erreur! Signet non défini. Figure V.3 : La Classe TPop Erreur! Signet non défini. Figure V.4 : La Classe TNivCl Erreur! Signet non défini. Figure V.5 : La Classe Ordo_Org_Pert Erreur! Signet non défini. Figure V.6 : La Classe TPop_Pert Erreur! Signet non défini. Figure V.7 : Les Classes d analyse de données Erreur! Signet non défini. Figure V.8 : Le Schéma Générales des Classes Erreur! Signet non défini. Figure V.9 : l interface de génération d ordonnancements Erreur! Signet non défini. Figure V.10 : La fenêtre d exploration des Populations Erreur! Signet non défini. Figure V.11 : L interface des Perturbations Erreur! Signet non défini. Figure V.12 : La fenêtre des Statistiques Erreur! Signet non défini. Figure V.13 : Les arborescences générées par SEE5 pour l AGSP Erreur! Signet non défini. Figure VI.1 : Réduction des branches Erreur! Signet non défini. Figure VI.2 : L arborescence équivalente Erreur! Signet non défini.

12 Liste des Tableaux Tableau III.1: Niveaux d incertitude de R.Shafaei & P.Brunn 66 Tableau III.2 : Les Incertitudes sur les Pannes Machines 67 Tableau III.3 : Tableau récapitulatif des expériences 73 Tableau IV.4 : Les Niveaux de Perturbation 82 Tableau IV.5 : Les Classes de Perturbation 83 Tableau IV.6 : Les Mentions et leurs intervalles 85 Tableau VI.1 : Atelier 75 x 20 AGSP avec intervalle de Fiabilité Fort 126 Tableau VI.2 : Atelier 75 x 20 AGSPM avec intervalle de Fiabilité Fort 127 Tableau VI.3 : Atelier 75 x 20 AGI avec intervalle de Fiabilité Fort 128 Tableau VI.4 : Atelier 5 x 3 AGSP avec intervalle de Fiabilité Fort 129 Tableau VI.5 : Atelier 5 x 3 AGSPM avec intervalle de Fiabilité Fort 130 Tableau VI.6 : Atelier 5 x 3 AGI avec intervalle de Fiabilité Fort 131 Tableau VI.7 : Résultats par Méthode de Génération issu des tableaux de synthèse 133 Tableau VI.8 : Résultats par Méthode de Génération 134 Tableau VI.9 : Résultat de l AGSP pour les Critères, les Classes et les Niveaux 136 Tableau VI.10 : Résultat de l AGSPM pour les Critères, les Classes et les Niveaux 137 Tableau VI.11 : Résultat de l AGI pour les Critères, les Classes et les Niveaux 138

13 Introduction : Dans le contexte de production, il est essentiel de générer un bon ordonnancement de production en terme de coût de production et de qualité du produit. Au début, pour diminuer les arrêts de production, on effectuait des tâches de maintenance dans le but de garder l outil de production en état de fonctionnement. Mais, l obtention d un ordonnancement présentant des performances théoriques extraordinaires n est pas forcément aussi efficace quand il s agit d un cas réel. La possibilité d absorber les incertitudes pendant la production doit être une propriété d un ordonnancement, ayant plus de chance de garder ses performances théoriques quand il est en face d un cas réel. A partir de cette problématique, est né une autre tendance d étude des ordonnancement : au lieu de chercher à atteindre des performances exceptionnelles dans un état déterministe, où les données du problème sont connues à l avance, on cherche à garder une bonne performance même en présence de perturbations dans l atelier (pannes machines, surcharge des opérateurs et des machines, changement des objectifs du projet, etc.). Cette tendance étudie la réaction des ordonnancements après ou pendant leurs générations. La plupart des travaux déjà faits dans le domaine de la robustesse des ordonnancements concernent les pannes machines. Ces travaux s intéressent essentiellement aux ordonnancements de production. Dans ce travail, qui consiste à étudier l effet de la maintenance sur la robustesse des ordonnancements conjoints de production et de maintenance, nous comparons les performances des ordonnancements, issus de trois méthodes de génération, face à la perturbation des durées opératoires. Les ordonnancements traités dans le contexte de ce travail sont obtenus avec les algorithmes génétiques sur des ateliers de type Flow Shop de permutation. Quant aux perturbations prises en compte, elle concerne la variation dans la durée opératoire des tâches de production, selon des niveaux et des classes de perturbation. Pour la maintenance étudiée, nous avons utilisé la maintenance préventive systématique. La génération d ordonnancement conjoint de production et de maintenance s effectue selon deux stratégies : séquentielle et intégrée. La stratégie séquentielle permet de générer d abord la séquence de production, puis d y insérer des tâches de maintenance. Quant à la deuxième stratégie, elle génère l ordonnancement conjoint en prenant en compte à la fois les tâches de production et celles de la maintenance Dans le premier chapitre, nous présentons la notion de la maintenance ainsi que ses types. Ensuite nous introduisons une autre notion indissociable de la première notion, celle

14 des ordonnancements. Nous présentons dans cette partie la notion d ordonnancement et les diverses approches de résolution. Dans le deuxième chapitre, nous définissons les situations d incertitude sur les données. Nous ferons une distinction entre deux notions : la notion de robustesse et celle de la flexibilité. Enfin, nous présenterons les diverses méthodes de résolution d ordonnancements mais cette fois-ci en prenant en compte la contrainte d incertitudes sur les données. Pour le troisième chapitre, il concerne la définition des perturbations ainsi que leur classification. Dans ce chapitre, nous évoquons quelques expériences existantes sur la notion de robustesse. Nous avons veillé à ce que les causes de perturbation, dans ces expériences, soient les plus différentes possibles. Quant au quatrième chapitre, il décrit le fonctionnement de notre système. En premier lieu il présente les données de production et de maintenance. Ensuite, il définit les critères d optimisation et la fonction objectif utilisés dans la génération et les perturbations. Puis, il décrit les différents modules de notre système (le schéma de classification et de validation, les perturbations et les chevauchements, les niveaux et classes de perturbation). Le cinquième chapitre présente l implémentation du système décrit dans le chapitre précédent. Dans ce chapitre, nous présentons les différentes classes utilisées et l interface de notre application. Dans le dernier chapitre, nous présentons les tests effectués ainsi que les résultats aux quels nous avons abouti. Les tests sont effectués sur des ateliers de diverses tailles en utilisant les trois méthodes de génération d ordonnancement. Des tableaux résumant les mentions obtenues par méthode, critère, niveau et classe de perturbation.

15 CHAPITRE I Ordonnancement de Production et Maintenance

16 CHAPITRE I : Les Ordonnancements et la Maintenance Introduction 1. Introduction : Les industries tente de trouver une manière efficace de garder leurs équipements en état de fonctionnement, pour cela ils utilisent la notion de maintenance. Cette notion est apparue dans les années 50, mais son sens était ambigu car il était assimilé à de l entretien amélioré. Actuellement, son sens s est élargit afin d inclure toutes les phases du cycle de vie des équipements. Pour le problème d ordonnancement, qui est indissociable de la maintenance, il consiste à organiser les tâches de l atelier, en tenant compte des contraintes temporelles et de ressources. Alors, l ordonnancement décrit les affectations des tâches aux ressources au cours du temps, en visant un ou plusieurs objectif(s). Dans ce chapitre, on présentera la notion de maintenance, ainsi que ses différents types. Ensuite, on présentera la notion d ordonnancement avec les diverses méthodes de résolution. On terminera sur la notion d ordonnancement conjoint de production et de maintenance. 2. La Maintenance : Toutes entreprise industrielle doit maîtriser ses équipements de production dans les dimensions techniques, économiques et sociales, et cela afin de satisfaire des objectifs de productivité, de rentabilité et de croissance. Ce rôle est incombé à la maintenance Définition : D après la norme [AFN], la maintenance est «l ensemble des activités destinées à rétablir un bien (équipement) dans un état, ou dans des conditions données de sûreté de fonctionnement pour accomplir une fonction requise. Ces activités sont une combinaison d activités techniques, administratives et de gestion». A cette définition, la norme [AFN], ajoute que «bien maintenir, c est assurer des opérations au coût global optimum» Type de Maintenance : Il existe deux types de maintenances : la maintenance corrective et la maintenance préventive. La différence entre elles réside dans le moment d intervention vis-à-vis de la panne. Le premier type de maintenance est appliqué après l occurrence de la panne, alors que le deuxième type s applique avant cette dernière. 2

17 CHAPITRE I : Les Ordonnancements et la Maintenance La Maintenance Maintenance Corrective : C est l ensemble des opérations effectuées après l occurrence de la défaillance de l équipement, ou la dégradation de sa fonction, afin de lui permettre d accomplir sa tâche. On distingue deux type de maintenance corrective : La Maintenance Palliative : c est toutes les activités destinées à permettre à un équipement d accomplir provisoirement tout ou une partie de sa fonction. Cette maintenance doit être suivie d une maintenance à caractère curative La Maintenance Curative : regroupe les activités, dont le but est de rétablir un équipement dans un état bien spécifique lui permettant d accomplir son rôle. Cette maintenance a un caractère permanent Maintenance Préventive : Elle permet de remplacer les modules dégradés avant qu ils ne soient défaillants. Au lieu de réparer les pannes, cette maintenance les anticipe. Elle vise à atteindre les objectifs suivants : Améliorer la disponibilité des équipements en augmentant leurs fiabilités. Augmenter la durée de vie des équipements en diminuant le nombre de défaillances. Améliorer la Séquence de Production, et ceci en connaissant les dates d intervention de la maintenance. On distingue quatre types pour cette maintenance : La Maintenance Préventive Systématique : C est l ensemble des actions destinées à rétablir, en totalité ou partiellement, la marge de résistance des équipements non défaillants. Ces actions sont décidées selon le temps ou la production, et ceci sans considération de l état de l équipement à ce moment là. Cette maintenance se caractérise par deux types d actions : Interventions Planifiées (nettoyage, réparation, remplacement), et les inspections périodiques (contrôle, vérification). La Maintenance Préventive Conditionnelle : Cette maintenance comprend toutes les tâches de restauration de matériel ou de composants non défaillants après évaluation de l état de cet équipement et sa comparaison avec un critère d acceptation préétabli (défaillance potentielle). une défaillance potentielle est un symptôme quantifiable de défaillance qui indique qu elle est imminente. Ce type de maintenance est utile dans le cas d équipements critiques (Coût d arrêt prohibitif) ou dans les équipements dangereux (pouvant mettre en cause la sécurité des personnes et des biens). 3

18 CHAPITRE I : Les Ordonnancements et la Maintenance La Maintenance La Maintenance Préventive Prévisionnelle : C est l évolution de la Maintenance Préventive Conditionnelle, et ceci en introduisant la prévision. Cette maintenance répond aux besoins de planification des interventions pour autant que la prévision de l évolution d une dégradation soit réalisable. La Maintenance Préventive Proactive : Ce dernier type repose sur une démarche proactive. Cette maintenance consiste à diminuer les causes initiales de défaillances à partir de l état de défaillance potentielle [ZWI96] 3. Les ordonnancements : L ordonnancement est un problème extrêmement vaste qui touche de très nombreux domaines d applications, on peut citer : L industrie : Planification de la production. Gestion d ateliers. Gestion du Personnels. Informatique : Gestion de trains de tâches Batch. Gestion des systèmes multiprocesseurs. Gestion physique des emplacements disque. La théorie de l ordonnancement traite de modèles mathématiques, mais aussi de modélisations de situations réelles forts complexes. Ainsi, le développement de modèles utiles ne peut être que le fruit du contact entre la théorie et la pratique [MED02]. Dans le contexte de notre travail, nous nous intéressons au problème d ordonnancement de Production et de l ordonnancement conjoint de production et Maintenance Définition d un ordonnancement : Dans ce qui suit, nous présenterons quelques définition de l ordonnancement. Ordonnancer c est programmer l exécution d une réalisation, en attribuant des ressources aux tâches et en fixant leurs dates d exécutions. [CAR88]. On peut comprendre dans cette définition qu un ordonnancement consiste à affecter des ressources à des tâches et fixer leurs dates d exécution, mais les critères de choix de ces affectations et les difficultés qui en découlent ne sont pas indiquées. 4

19 CHAPITRE I : Les Ordonnancements et la Maintenance Les Ordonnancements Etablir un ordonnancement, c est déterminer l ordre et le calendrier d exécution des diverses tâches, en faisant référence à des objectifs et des contraintes qui doivent guider l affectation des ressources et des tâches. [KAU72]. Cette définition inclut les contraintes à prendre en considération [ZIE90]. Un Ordonnancement détermine ce qui va être fait, où, quand et avec quels moyens, étant donné un ensemble de tâches à accomplir. Le problème d ordonnancement consiste à déterminer quelles opérations doivent être exécutées et leurs assigner des dates et des ressources, de façon à ce que les tâches soient, dans la mesure du possible, accomplies en temps utile, à moindre coût et dans les meilleures conditions. [PAR85]. Il en sort de cette définition plusieurs points : Contrairement aux précédentes définitions, elle inclut dans le problème de l ordonnancement le choix des opérations à ordonnancer. Quant au rôle d un ordonnancement, c est l affectation des ressources et des dates d exécutions aux opérations, mais ces affectations doivent être guidées par des objectifs (minimisation en temps, minimisation en coût, etc.). Elle indique aussi que la construction d un ordonnancement ne permet pas toujours de les réaliser dans leur intégralité [ZIE90] Concepts de bases en ordonnancement : Les tâches : Une tâche est le processus le plus élémentaire, elle est constituée d un ensemble d actions à accomplir dans des conditions fixées, pour obtenir un résultat attendu et identifié, en terme de performance, de coût et de délais (Norme AFNOR NF X50-310). Une tâche est caractérisée par : ti : Date de début. c i : Date de fin. p i : Durée d exécution Opératoire, p i =c i -t i. r i : Date de disponibilité. d i : Date de fin au plus tard. l i : Retard d une tâche, l i =Max (0, c i - d i ). a k i : Intensité de consommation de certaines ressources k par la i ème tâche. 5

20 CHAPITRE I : Les Ordonnancements et la Maintenance Les Ordonnancements d i :Date de fin au plus tard r i :Ti est Disponible c i :fin d exécution de Ti l i p i t i :Date de début d exécution Figure I.1: Caractéristiques temporelles d une tâche Si les tâches d un problème d ordonnancement peuvent être exécutées par morceaux entrelacés, on dira du problème qu il est préemptif. Dans le cas contraire, on dira qu il est non préemptif. Un problème préemptif minimise le temps d inactivité des ressources, et ce grâce à l entrelacement des morceaux de tâches du problème. En cas de panne de machines, on distingue trois cas : Cas résumable : Une tâche, n ayant pas finie son exécution avant la prochaine période de panne de la machine, peut être reprise dès que cette dernière est disponible. Cas semi-resumable : Une tâche, n ayant pas finie son exécution avant la prochaine période de panne de la machine, sera partiellement réexécutée dès que la machine en panne est réparée. Cas non résumable : Dans ce cas, la tâche doit être réexécutée depuis le début Les ressources : [ESQ99] a. Définition : On appelle une ressource k tout type de moyen technique ou humain, utilisé dans la réalisation d une tâche b. Classification des ressources : Dans le problème d ordonnancement, on peut diviser les ressources en deux catégories : 6

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

Introduction à la programmation en variables entières Cours 3

Introduction à la programmation en variables entières Cours 3 Introduction à la programmation en variables entières Cours 3 F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 272 Sommaire Notion d heuristique Les algorithmes gloutons

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

Conduite de projets informatiques. Rappel. Plan de la dernière partie. Principes généraux et techniques. Eric Bourreau

Conduite de projets informatiques. Rappel. Plan de la dernière partie. Principes généraux et techniques. Eric Bourreau Conduite de projets informatiques Principes généraux et techniques Eric Bourreau 1 Rappel Définition et terminologie Le découpage d un projet L estimation des charges Les techniques de planification L

Plus en détail

Fonctionnalités d un logiciel de GMAO

Fonctionnalités d un logiciel de GMAO I.1. Introduction : Le caractère stratégique de la panne, préoccupe de plus en plus les responsables de la production ayant à faire face aux équipements complexes qui ne cessent de prendre de l ampleur

Plus en détail

LES OUTILS DE LA GESTION DE PROJET

LES OUTILS DE LA GESTION DE PROJET LES OUTILS DE LA GESTION DE PROJET PROJET : «ensemble des actions à entreprendre afin de répondre à un besoin défini dans des délais fixés». Délimité dans le temps avec un début et une fin, mobilisant

Plus en détail

Développement itératif, évolutif et agile

Développement itératif, évolutif et agile Document Développement itératif, évolutif et agile Auteur Nicoleta SERGI Version 1.0 Date de sortie 23/11/2007 1. Processus Unifié Développement itératif, évolutif et agile Contrairement au cycle de vie

Plus en détail

Fiche de lecture de PFE Guillaume HEMMERTER

Fiche de lecture de PFE Guillaume HEMMERTER 1. INTRODUCTION Les maîtres d ouvrage ou propriétaires de patrimoine immobilier qui s engagent dans la construction ou la rénovation d installations climatiques veulent avoir la certitude d obtenir le

Plus en détail

Cours Systèmes d exploitation 1

Cours Systèmes d exploitation 1 Cours Systèmes d exploitation 1 Achraf Othman Support du cours : www.achrafothman.net 1 Plan du cours Chapitre 1 : Gestion des processus Chapitre 2 : Ordonnancement des processus Chapitre 3 : La communication

Plus en détail

MODELISATION INTEGREE DES ACTIVITES DE MAINTENANCE ET DE PRODUCTION

MODELISATION INTEGREE DES ACTIVITES DE MAINTENANCE ET 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) MODELISATION INTEGREE DES ACTIVITES DE

Plus en détail

les outils de la gestion de projet

les outils de la gestion de projet les outils de la gestion de projet Sommaire Objectifs de la gestion de projet Les étapes du projet Les outils de gestion de projets Paramétrage de l outil PROJET : «ensemble des actions à entreprendre

Plus en détail

Machine de Turing. Informatique II Algorithmique 1

Machine de Turing. Informatique II Algorithmique 1 Machine de Turing Nous avons vu qu un programme peut être considéré comme la décomposition de la tâche à réaliser en une séquence d instructions élémentaires (manipulant des données élémentaires) compréhensibles

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

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

Ordonnancement avec exclusion mutuelle par un graphe d intervalles ou d une classe apparentée : complexité et algorithmes ~ Frédéric Gardi

Ordonnancement avec exclusion mutuelle par un graphe d intervalles ou d une classe apparentée : complexité et algorithmes ~ Frédéric Gardi Ordonnancement avec exclusion mutuelle par un graphe d intervalles ou d une classe apparentée : complexité et algorithmes ~ Frédéric Gardi - 14 Juin 2005 - - Faculté des Sciences de Luminy - 1. Introduction

Plus en détail

UNIVERSITE SAAD DAHLAB DE BLIDA

UNIVERSITE SAAD DAHLAB DE BLIDA Chapitre 5 :. Introduction aux méthodes par séparation et évaluation Les méthodes arborescentes ( Branch and Bound Methods ) sont des méthodes exactes d'optimisation qui pratiquent une énumération intelligente

Plus en détail

Planification et ordonnancement sous incertitudes Application à la gestion de projet

Planification et ordonnancement sous incertitudes Application à la gestion de projet Toulouse, 14 mai 2003 Planification et ordonnancement sous incertitudes Application à la gestion de projet Julien Bidot Plan Séminaire au LAAS Planification de tâches et ordonnancement Domaine d application

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

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

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

INF-130 Travail Pratique #2

INF-130 Travail Pratique #2 École de technologie supérieure INF-30 Travail Pratique #2 Travail individuel Tracé d un métro Francis Bourdeau, Frédérick Henri et Patrick Salois Remise à la 0 e semaine. Objectifs - Amener l étudiant

Plus en détail

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre Recherche opérationnelle Programmation linéaire et recherche opérationnelle Ioan Todinca Ioan.Todinca@univ-orleans.fr tél. 0 38 41 7 93 bureau : en bas à gauche Tentative de définition Ensemble de méthodes

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

Gestion des Incidents (Incident Management)

Gestion des Incidents (Incident Management) 31/07/2004 Les concepts ITIL-Incidents 1 «Be prepared to overcome : - no visible management ou staff commitment, resulting in non-availability of resources - [ ]» «Soyez prêts a surmonter : - l absence

Plus en détail

Chapitre 6. Modélisation en P.L.I. 6.1 Lien entre PL et PLI. 6.1.1 Approximation de la PLI

Chapitre 6. Modélisation en P.L.I. 6.1 Lien entre PL et PLI. 6.1.1 Approximation de la PLI Chapitre 6 Modélisation en P.L.I. 6.1 Lien entre PL et PLI (P) problème de PL. On restreint les variables à être entières : on a un problème de PLI (ILP en anglais). On restreint certaines variables à

Plus en détail

S541 S851 LA GESTION DE PROJET

S541 S851 LA GESTION DE PROJET S541 S851 LA GESTION DE PROJET On appelle projet l'ensemble des actions à entreprendre afin de répondre à un besoin défini dans des délais fixés. Ainsi un projet étant une action temporaire avec un début

Plus en détail

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2) Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter

Plus en détail

Optimisation en nombres entiers

Optimisation en nombres entiers Optimisation en nombres entiers p. 1/83 Optimisation en nombres entiers Michel Bierlaire michel.bierlaire@epfl.ch EPFL - Laboratoire Transport et Mobilité - ENAC Optimisation en nombres entiers p. 2/83

Plus en détail

Outil de gestion de production mis au point aux Etats-Unis dans les années 1965, par Joseph Orlicky Limites des méthodes de gestion des stocks

Outil de gestion de production mis au point aux Etats-Unis dans les années 1965, par Joseph Orlicky Limites des méthodes de gestion des stocks MRP Outil de gestion de production mis au point aux Etats-Unis dans les années 1965, par Joseph Orlicky Limites des méthodes de gestion des stocks Articles gérés indépendamment les uns des autres On suppose

Plus en détail

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7 Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques Elec 2311 : S7 1 Plan du cours Qu est-ce l optimisation? Comment l optimisation s intègre dans la conception?

Plus en détail

DOSSIER N 01. Exemples simples de problèmes de dénombrement dans différentes situations.

DOSSIER N 01. Exemples simples de problèmes de dénombrement dans différentes situations. DOSSIER N 01 Question : Présenter un choix d exercices sur le thème suivant : Exemples simples de problèmes de dénombrement dans différentes situations. Consignes de l épreuve : Pendant votre préparation

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

Optimisation de la performance. d un processus d usinage à commande numérique

Optimisation de la performance. d un processus d usinage à commande numérique Jacques ALEXIS 20 Novembre 2001 Optimisation de la performance d un processus d usinage à commande numérique 1 Exposé du problème à résoudre L exemple utilisé pour cette présentation a été présenté par

Plus en détail

12/11/2015. Chapitre 4: Introduction à l ordonnancement. IV.1. Notions d ordonnancement (1) IV.1. Notions d ordonnancement (2)

12/11/2015. Chapitre 4: Introduction à l ordonnancement. IV.1. Notions d ordonnancement (1) IV.1. Notions d ordonnancement (2) Chapitre 4: Introduction à l ordonnancement 4.1. Notions d ordonnancement 4.2. Définitions 4.3. Modélisation 4.4. Méthodes de résolution 4.5. Problèmes types IV.1. Notions d ordonnancement (1) Ordonnancer

Plus en détail

LA DEMARCHE DE PROJET

LA DEMARCHE DE PROJET LA DEMARCHE DE PROJET Baccalauréat STI2D-SIN SIN 1.1 : La démarche de projet Objectifs o Utiliser les outils adaptés pour planifier un projet (Revue de projet, Cartes mentales, Gantt, chemin critique...

Plus en détail

Brevet de technicien supérieur Conception et Réalisation en Chaudronnerie Industrielle

Brevet de technicien supérieur Conception et Réalisation en Chaudronnerie Industrielle Brevet de technicien supérieur Conception et Réalisation en Chaudronnerie Industrielle ACTIVITÉS ET TÂCHES PROFESSIONNELLES Les activités professionnelles décrites ci-après, déclinées à partir des fonctions

Plus en détail

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 Arbres binaires Hélène Milhem Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 H. Milhem (IMT, INSA Toulouse) Arbres binaires IUP SID 2011-2012 1 / 35 PLAN Introduction Construction

Plus en détail

L enseignement de l algorithmique au Lycée

L enseignement de l algorithmique au Lycée L enseignement de l algorithmique au Lycée Sisteron 12 novembre 2009 Fernand Didier didier@irem.univ-mrs.fr Approche naïve C est une méthode, une façon systématique de procéder, pour faire quelque chose

Plus en détail

Architecture des ordinateurs. Optimisation : pipeline. Pipeline (I) Pipeline (II) Exemple simplifié : Instructions de type R

Architecture des ordinateurs. Optimisation : pipeline. Pipeline (I) Pipeline (II) Exemple simplifié : Instructions de type R Architecture des ordinateurs Licence Informatique - Université de Provence Jean-Marc Talbot Optimisation : pipeline jtalbot@cmi.univ-mrs.fr L3 Informatique - Université de Provence () Architecture des

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

La recherche locale. INF6953 La recherche locale 1

La recherche locale. INF6953 La recherche locale 1 La recherche locale INF6953 La recherche locale 1 Sommaire Recherche locale et voisinage. Fonction de voisinage, optimum local Fonction de voisinage et mouvements Fonction de voisinage et mouvements Exemples

Plus en détail

Comment préparer un appel d offres avec Presto

Comment préparer un appel d offres avec Presto Comment préparer un appel d offres avec Presto Particulièrement dans des environnements internationaux L objectif de ce document/webinar est de décrire le processus qui peut suivre un entreprise de construction

Plus en détail

Ordonnancement Temps Réel. Emmanuel GROLLEAU & Pascal RICHARD LISI/ENSMA {grolleau,richardp}@ensma.fr

Ordonnancement Temps Réel. Emmanuel GROLLEAU & Pascal RICHARD LISI/ENSMA {grolleau,richardp}@ensma.fr Ordonnancement Temps Réel Emmanuel GROLLEAU & Pascal RICHARD LISI/ENSMA {grolleau,richardp}@ensma.fr 2 Plan de la présentation 1. Introduction aux systèmes temps réel 1.1 Différents modèles de tâches 1.2

Plus en détail

L'étape de planification de votre projet technologique

L'étape de planification de votre projet technologique L'étape de planification de votre projet technologique Résumé : Pour gérer l ensemble des contraintes de votre projet - humaines, matérielles, temporelles et surtout financières et accroître ses chances

Plus en détail

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.

Plus en détail

creer_construire_projet_owb_1.1.0.doc Document de référence : «Open Workbench User Guide r1.1.6 2007» (http://www.openworkbench.

creer_construire_projet_owb_1.1.0.doc Document de référence : «Open Workbench User Guide r1.1.6 2007» (http://www.openworkbench. 1/11 Auteur : Jacques Barzic (contact@jacques.barzic.fr) Sommaire Page 1 - Créer un projet 2/11 1.1 Généralités 1.2 Création d un nouveau projet 2 - Créer des ressources 3/11 2.1 Généralités sur les ressources

Plus en détail

Algorithmique et Analyse d Algorithmes

Algorithmique et Analyse d Algorithmes Algorithmique et Analyse d Algorithmes L3 Info Cours 11 : Arbre couvrant Prétraitement Benjamin Wack 2015-2016 1 / 32 La dernière fois Rappels sur les graphes Problèmes classiques Algorithmes d optimisation

Plus en détail

Assainissement de ponts rôle. dans la conservation des ponts

Assainissement de ponts rôle. dans la conservation des ponts Assainissement de ponts rôle des inspections et des interventions dans la conservation des ponts Cet exposé a pour objectif de rappeler, dans un moment de débat accru sur la durabilité et la pérennité

Plus en détail

Gestion de projet. Jean-Charles Régin. Licence Informatique 3 ème année - MIAGE

Gestion de projet. Jean-Charles Régin. Licence Informatique 3 ème année - MIAGE Gestion de projet Jean-Charles Régin Licence Informatique 3 ème année - MIAGE Gestion de projet : Ordonnancement Jean-Charles Régin Licence Informatique 3 ème année - MIAGE Remerciements Michel Minoux

Plus en détail

TP N 57. Déploiement et renouvellement d une constellation de satellites

TP N 57. Déploiement et renouvellement d une constellation de satellites TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les

Plus en détail

Méthodes de test. Mihaela Sighireanu

Méthodes de test. Mihaela Sighireanu UFR d Informatique Paris 7, LIAFA, 175 rue Chevaleret, Bureau 6A7 http://www.liafa.jussieu.fr/ sighirea/cours/methtest/ Partie I 1 Propriétés 2 Un peu de génie logiciel de test 3 Eléments Problèmes Point

Plus en détail

Enveloppes convexes dans le plan

Enveloppes convexes dans le plan ÉCOLE POLYTECHNIQUE ÉCOLES NORMALES SUPÉRIEURES ÉCOLE SUPÉRIEURE DE PHYSIQUE ET DE CHIMIE INDUSTRIELLES CONCOURS D ADMISSION FILIÈRE MP HORS SPÉCIALITÉ INFO FILIÈRE PC COMPOSITION D INFORMATIQUE B (XECLR)

Plus en détail

Pratique de logiciels de planification

Pratique de logiciels de planification Pratique de logiciels de planification MASTER TECHNOLOGIE & HANDICAP Université Paris 8 Sommaire Introduction Organisation d un projet Les principaux axes de la planification Gestion des tâches Gestion

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

Chapitre I. Approche de la maintenance industrielle

Chapitre I. Approche de la maintenance industrielle Chapitre I Approche de la maintenance industrielle 1 Introduction à la maintenance industrielle 1.1 Définition de la maintenance La maintenance est l'ensemble de toutes les actions techniques, administratives

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Sommaire. Introduction.2. 1. Définition..2. 2. Historique.2. 3. Domaine d application.2. 4.Les Travaux réalisés sur les domaines d application.

Sommaire. Introduction.2. 1. Définition..2. 2. Historique.2. 3. Domaine d application.2. 4.Les Travaux réalisés sur les domaines d application. Sommaire Introduction.2 1. Définition..2 2. Historique.2 3. Domaine d application.2 4.Les Travaux réalisés sur les domaines d application.3 5.Algorithme 4 6.Exemple d application 5 7. Avantage et inconvénient..6

Plus en détail

ACTUALITÉS LANDPARK. Nouvelle version. Landpark Helpdesk. Landpark Helpdesk. Les avantages de la nouvelle version 3.9.2.

ACTUALITÉS LANDPARK. Nouvelle version. Landpark Helpdesk. Landpark Helpdesk. Les avantages de la nouvelle version 3.9.2. ACTUALITÉS LANDPARK Solutions complètes d'inventaire, de gestion de parc et de helpdesk ITIL Avril 2015 Nouvelle version Landpark Helpdesk Landpark vous associe aux meilleurs logiciels de Gestion de Parc

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

Les outils de planification d achat. Préparé par : Othman karra

Les outils de planification d achat. Préparé par : Othman karra Les outils de planification d achat Préparé par : Othman karra plan INTRODUCTION I. Rôle des stocks dans la fonction achat 1. définition des stocks 2. avantages et inconvénients des stocks 3. types de

Plus en détail

WinFlex. Logiciel de gestion industrielle. Alliance des consultants industriels francophones - http://www.acifr.org

WinFlex. Logiciel de gestion industrielle. Alliance des consultants industriels francophones - http://www.acifr.org WinFlex Logiciel de gestion industrielle Pour qui? Toutes entreprises industrielles ou artisanales, travaillant sur des productions à l unité ou répétitives en petites, moyennes et grandes séries dans

Plus en détail

Conception et simulation des systèmes de production. Chapitre 7 Planification et gestion de projet

Conception et simulation des systèmes de production. Chapitre 7 Planification et gestion de projet Conception et simulation des systèmes de production Chapitre 7 Planification et gestion de projet Planification et gestion de projet Les 6 phases d un projet industriel : 1. L enthousiasme délirant sous-estimation

Plus en détail

Fiche PM300 - Préparer le planning d un projet. 1.Introduction : un outil en support...2. 2.Première étape : La création des ressources...

Fiche PM300 - Préparer le planning d un projet. 1.Introduction : un outil en support...2. 2.Première étape : La création des ressources... Fiche PM300 - Préparer le planning d un projet Table des matières 1.Introduction : un outil en support...2 2.Première étape : La création des ressources...3 3.Deuxième étape : Le canevas méthodologique

Plus en détail

Partie I : Automates et langages

Partie I : Automates et langages 2 Les calculatrices sont interdites. N.B. : Le candidat attachera la plus grande importance à la clarté, à la précision et à la concision de la rédaction. Si un candidat est amené à repérer ce qui peut

Plus en détail

Fiche Contenu 18-1 : Exigences organisationnelles pour un système de gestion de la qualité

Fiche Contenu 18-1 : Exigences organisationnelles pour un système de gestion de la qualité Fiche Contenu 18-1 : Exigences organisationnelles pour un système de gestion de la qualité Définition Le terme organisation dans le contexte d un modèle de gestion de la qualité est utilisé pour indiquer

Plus en détail

Chapitre 2 : Conception de base de données relationnelle

Chapitre 2 : Conception de base de données relationnelle Chapitre 2 : Conception de base de données relationnelle Le modèle entité-association 1. Les concepts de base 1.1 Introduction Avant que la base de données ne prenne une forme utilisable par le SGBD il

Plus en détail

Projet Informatique. Philippe Collet. Licence 3 Informatique S5 2014-2015. http://deptinfo.unice.fr/twiki/bin/view/linfo/projetinfo201415

Projet Informatique. Philippe Collet. Licence 3 Informatique S5 2014-2015. http://deptinfo.unice.fr/twiki/bin/view/linfo/projetinfo201415 Projet Informatique Philippe Collet Licence 3 Informatique S5 2014-2015 http://deptinfo.unice.fr/twiki/bin/view/linfo/projetinfo201415 Réalisation d'un développement de taille conséquente? r Firefox? Ph.

Plus en détail

Définitions. Numéro à préciser. (Durée : )

Définitions. Numéro à préciser. (Durée : ) Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.

Plus en détail

en sciences de l ingénieur

en sciences de l ingénieur Systèmes Automatisés Optimisation en sciences de l ingénieur présente les principales méthodes exactes d optimisation statique et dynamique. Parmi les méthodes décrites figurent : - la programmation linéaire

Plus en détail

Chapitre IV : La gestion du processeur Mécanismes d ordonnancement

Chapitre IV : La gestion du processeur Mécanismes d ordonnancement Chapitre IV : La gestion du processeur Mécanismes d ordonnancement Eric.Leclercq@u-bourgogne.fr Département IEM http://ufrsciencestech.u-bourgogne.fr http://ludique.u-bourgogne.fr/~leclercq 1 er mars 2007

Plus en détail

Chapitre VI Échantillonages et simulations

Chapitre VI Échantillonages et simulations Chapitre VI Commentaires : Récursivement, les commentaires ne sont pas à l attention des élèves.. Fluctuation d échantillonnage Définition : En statistiques, un échantillon de taille n est la liste des

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

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs.

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Le jury n exige pas une compréhension exhaustive du texte. Vous êtes laissé(e) libre d organiser votre discussion

Plus en détail

Collection les mémentos finance dirigée par Jack FORGET. Gestion budgétaire. Prévoir et contrôler les activités de l entreprise.

Collection les mémentos finance dirigée par Jack FORGET. Gestion budgétaire. Prévoir et contrôler les activités de l entreprise. Collection les mémentos finance dirigée par Jack FORGET Gestion budgétaire Prévoir et contrôler les activités de l entreprise Jack FORGET Éditions d Organisation, 2005 ISBN : 2-7081-3251-2 Chapitre 3 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

TABLE DES MATIÈRES CHAPITRE

TABLE DES MATIÈRES CHAPITRE TABLE DES MATIÈRES CHAPITRE 1 Le pilotage de la performance... 17 I. Du contrôle au pilotage de la performance... 17 A. Le contrôle de gestion traditionnel... 17 B. Le pilotage de la performance... 19

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

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

DEFINITIONS NORMES. BFN Conseils. EN 13306

DEFINITIONS NORMES. BFN Conseils. EN 13306 BFN Conseils. (Total Production Management) DEFINITIONS NORMES EN 13306 Management de la maintenance (2.2) Toutes les activités des instances de direction qui déterminent les objectifs, la stratégie et

Plus en détail

SERVICES RELATIFS A L EXPLOITATION DE RESEAUX DE TELECOMMUNICATIONS (Terrestres et satellitaires)

SERVICES RELATIFS A L EXPLOITATION DE RESEAUX DE TELECOMMUNICATIONS (Terrestres et satellitaires) PROBLEMATIQUE - L APPROCHE JADE Telecom L exploitation de réseaux de télécommunications implique pour les entreprises la prise en compte de différents points importants : La mise en place de personnel

Plus en détail

GERER SA MAINTENANCE INFORMATIQUE

GERER SA MAINTENANCE INFORMATIQUE L AFNOR définit la maintenance comme l «ensemble des actions permettant de maintenir et de rétablir un bien dans un état spécifié ou en mesure d assurer un service déterminé.» De nos jours, les systèmes

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

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

Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013»

Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013» Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013» I Objectifs Niveau fondamental : «on se fixe pour objectif la

Plus en détail

Systèmes temps réel Concepts de base. Richard Grisel Professeur des Universités Université de Rouen

Systèmes temps réel Concepts de base. Richard Grisel Professeur des Universités Université de Rouen Systèmes temps réel Concepts de base Richard Grisel Professeur des Universités Université de Rouen 1 Systèmes temps réel - Choix Gestion des ressources Ordonnancement ( Scheduling ), Tolérance aux fautes

Plus en détail

Les différents paradigmes de programmation

Les différents paradigmes de programmation Les différents paradigmes de programmation Un peu d histoire... Les problèmes posés par les s La programmation Un peu d histoire... Les difficultés du développement La programmation procédurale (ou impérative)

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

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

ATELIER ALGORITHME PREMIERS PAS Journée d information sur les nouveaux programmes de Première S-ES 2010-2011

ATELIER ALGORITHME PREMIERS PAS Journée d information sur les nouveaux programmes de Première S-ES 2010-2011 Pour me contacter : irene.rougier@ac-clermont.fr 1. Introduction ATELIER ALGORITHME PREMIERS PAS Journée d information sur les nouveaux programmes de Première S-ES 2010-2011 De nombreux documents et informations

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

Plus courts et plus longs chemins

Plus courts et plus longs chemins Plus courts et plus longs chemins Complément au chapitre 8 «Une voiture nous attend» Soit I={1,2,,n} un ensemble de tâches à ordonnancer. La durée d exécution de chaque tâche i est connue et égale à p

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

Le livrable 3 demande à l équipe d utiliser le progiciel d ordonnancement MS Project afin de réaliser les opérations suivantes :

Le livrable 3 demande à l équipe d utiliser le progiciel d ordonnancement MS Project afin de réaliser les opérations suivantes : Gestion de Projet Projet de session Livrable 3 Planification du projet Description Le livrable 3 consiste a : Objectifs saisir les tâches ; créer les lots de travail ; déterminer les prédécesseurs ; déterminer

Plus en détail

Table des cas d entreprise et enquêtes. Avant-propos Nos choix d adaptation Visite guidée La 4 e édition Remerciements

Table des cas d entreprise et enquêtes. Avant-propos Nos choix d adaptation Visite guidée La 4 e édition Remerciements Table des matières Table des cas d entreprise et enquêtes Avant-propos Nos choix d adaptation Visite guidée La 4 e édition Remerciements xiii xiii xiv xv xv Première partie Les fondements de la comptabilité

Plus en détail

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population.

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population. Première STMG1 2014-2015 progression. - 1 Table des matières Fil rouge. 3 Axes du programme. 3 Séquence : Proportion d une sous population dans une population. 3 Information chiffrée : connaître et exploiter

Plus en détail

1. Introduction. 2. Diagramme des exigences

1. Introduction. 2. Diagramme des exigences 1. Introduction La complexité des systèmes techniques est telle que, sans outils de représentations abstraites et progressivement enrichies, les intervenants d un projet auraient de nombreuses difficultés

Plus en détail

LM 206 - INITIATION À SCILAB PROJETS - FINANCE STATISTIQUE

LM 206 - INITIATION À SCILAB PROJETS - FINANCE STATISTIQUE LM 206 - INITIATION À SCILAB PROJETS - FINANCE STATISTIQUE SAMUEL Delphine RAMTOHUL Kevin Année 2006-2007 Description du projet et outils utilisés I - Choix du sujet Notre choix du sujet s est porté sur

Plus en détail

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage

Plus en détail

Concours EXTERNE d ingénieur des systèmes d information et de communication. «Session 2009»

Concours EXTERNE d ingénieur des systèmes d information et de communication. «Session 2009» Concours EXTERNE d ingénieur des systèmes d information et de communication «Session 2009» Meilleure copie "Rapport Technique" Thème : conception et développement logiciel Note : 15,75/20 Rapport technique

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