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

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

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

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

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

Ordonnancement : entre théorie et applications

Ordonnancement : entre théorie et applications Christophe RAPINE Laboratoire LGIPM, université de Lorraine Ecole des Jeunes Chercheurs du GDR-RO 1 Qu est-ce que l ordonnancement? Organiser la réalisation d un ensemble de tâches Planification dans le

Plus en détail

Hela Boukef. To cite this version: HAL Id: tel-00577101 https://tel.archives-ouvertes.fr/tel-00577101

Hela Boukef. To cite this version: HAL Id: tel-00577101 https://tel.archives-ouvertes.fr/tel-00577101 Sur l ordonnancement d ateliers job-shop flexibles et flow-shop en industries pharmaceutiques : optimisation par algorithmes génétiques et essaims particulaires Hela Boukef To cite this version: Hela Boukef.

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

Gestion des stocks. quantité économique de commande recomplétement calendaire gestion à point de commande. Gestion de production

Gestion des stocks. quantité économique de commande recomplétement calendaire gestion à point de commande. Gestion de production GESTION DES STOCKS Gestion des stocks Le stock et ses fonctions les politiques de gestion des stocks : objectifs, contraintes et décisions quelques modèles classiques de gestion des stocks quantité économique

Plus en détail

OrdoNet, un outil de modélisation et d analyse des graphes potentiel-tâche sous Matlab

OrdoNet, un outil de modélisation et d analyse des graphes potentiel-tâche sous Matlab OrdoNet, un outil de modélisation et d analyse des graphes potentiel-tâche sous Matlab Bruno Sareni, Gérard Fontan,, Elodie Chanthery, Stéphane Caux {Gerard.Fontan, Bruno.Sareni, Stephane.Caux}@enseeiht.fr

Plus en détail

OÙ EN EST-ON? ABANDONNER L IDÉE D AVOIR UN ALGORITHME

OÙ EN EST-ON? ABANDONNER L IDÉE D AVOIR UN ALGORITHME OÙ EN EST-ON? Que faire face à un problème dur? AAC S.Tison Université Lille1 Master1 Informatique Quelques schémas d algorithmes Un peu de complexité de problèmes Un peu d algorithmique avancée ou Que

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

INTRODUCTION A L OPTIMISATION

INTRODUCTION A L OPTIMISATION INTRODUCTION A L OPTIMISATION Les domaines d application L optimisation est essentiellement un outil d aide à la décision au sein de l entreprise, mais aussi pour des individus. Le terme optimal est souvent

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

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

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

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

Métaheuristique. Jérémy CHANUT Charles BALLARINI

Métaheuristique. Jérémy CHANUT Charles BALLARINI Métaheuristique Jérémy CHANUT Charles BALLARINI 15 octobre 2012 CHAPITRE 1 INTRODUCTION Ce projet consiste en la résolution du problème des composants électroniques par deux méthodes : Recuit simulé Algorithme

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

Ordonnancement robuste et décision dans l'incertain

Ordonnancement robuste et décision dans l'incertain Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4

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

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

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de

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

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

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

Julien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration

Julien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration Julien MATHEVET Alexandre BOISSY GSID 4 Rapport Load Balancing et migration Printemps 2001 SOMMAIRE INTRODUCTION... 3 SYNTHESE CONCERNANT LE LOAD BALANCING ET LA MIGRATION... 4 POURQUOI FAIRE DU LOAD BALANCING?...

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

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

Problèmes de fiabilité dépendant du temps

Problèmes de fiabilité dépendant du temps Problèmes de fiabilité dépendant du temps Bruno Sudret Dépt. Matériaux et Mécanique des Composants Pourquoi la dimension temporelle? Rappel Résistance g( RS, ) = R S Sollicitation g( Rt (), St (),) t =

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

Table des matières I La programmation linéaire en variables continues 1 Présentation 3 1 Les bases de la programmation linéaire 5 1.1 Formulation d'un problème de programmation linéaire........... 5 1.2

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

METHODES A BASE DE DIVERGENCES POUR LES PROBLEMES D ORDONNANCEMENT FLEXIBLE

METHODES A BASE DE DIVERGENCES POUR LES PROBLEMES D ORDONNANCEMENT FLEXIBLE Abir Ben Hmida 1/6 METHODES A BASE DE DIVERGENCES POUR LES PROBLEMES D ORDONNANCEMENT FLEXIBLE Abir BEN HMIDA 1 Directeur(s) de thèse: Pierre LOPEZ*, Marie-José HUGUET* et Mohamed HAOUARI ** Laboratoire

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

S425-1- 3 L'EVALUATION ET LE SUIVI DES PERFORMANCES : la gestion du temps

S425-1- 3 L'EVALUATION ET LE SUIVI DES PERFORMANCES : la gestion du temps S425-1- 3 L'EVALUATION ET LE SUIVI DES PERFORMANCES : la gestion du temps S425 L'EVALUATION ET LE SUIVI DES PERFORMANCES S42 La relation commerciale les performances commerciales Présenter les dimensions

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

Management Industriel et Logistique

Management Industriel et Logistique Plan : Introduction (Historique du secteur industriel). I-La fonction Industrielle et Logistique dans l entreprise et concepts fondamentaux. II- La gestion de la capacité. II- La gestion des flux. III-

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

Quantification Vectorielle

Quantification Vectorielle Quantification Vectorielle Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 14 Décembre 2012 M. Cagnazzo Quantification Vectorielle 1/65 Plan Introduction 1 Introduction

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

En vue de l'obtention du. Présentée et soutenue par Abir BEN HMIDA SAKLY Le 12/12/2009

En vue de l'obtention du. Présentée et soutenue par Abir BEN HMIDA SAKLY Le 12/12/2009 THÈSE En vue de l'obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délivré par l'institut National des Sciences Appliquées de Toulouse Discipline ou spécialité : Systèmes Informatiques Présentée et soutenue

Plus en détail

Contribution à l ordonnancement des activités de maintenance dans les systèmes de production.

Contribution à l ordonnancement des activités de maintenance dans les systèmes de production. Contribution à l ordonnancement des activités de maintenance dans les systèmes de production. Jihène Kaabi-Harrath To cite this version: Jihène Kaabi-Harrath. Contribution à l ordonnancement des activités

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

Chapitre V ORDONNANCEMENT EN ATELIERS

Chapitre V ORDONNANCEMENT EN ATELIERS Chapitre V ORDONNANCEMENT EN ATELIERS SPÉCIALISÉS La version CD-Rom de ce chapitre permet d accéder directement à des logiciels exploitant les principales techniques ou approches décrites dans ce chapitre.

Plus en détail

Gestion de production et ressources humaines. Méthodes de planification dans les systèmes productifs

Gestion de production et ressources humaines. Méthodes de planification dans les systèmes productifs Gestion de production et ressources humaines Méthodes de planification dans les systèmes productifs 18 mars 2005 Table des matières I Modèles de planification et d ordonnancement 6 1 RH et décisions à

Plus en détail

Chapitre 5. Communication interprocessus. 5.1 Introduction

Chapitre 5. Communication interprocessus. 5.1 Introduction Communication interprocessus 5.1 Introduction Dans une activité parallèle (ou pseudo parallèle), un ensemble de processus séquentiels s exécutent en parallèle. Cette exécution résulte deux types de relations

Plus en détail

INTRODUCTION AUX PROBLEMES COMBINATOIRES "DIFFICILES" : LE PROBLEME DU VOYAGEUR DE COMMERCE ET LE PROBLEME DE COLORATION D'UN GRAPHE

INTRODUCTION AUX PROBLEMES COMBINATOIRES DIFFICILES : LE PROBLEME DU VOYAGEUR DE COMMERCE ET LE PROBLEME DE COLORATION D'UN GRAPHE Leçon 10 INTRODUCTION AUX PROBLEMES COMBINATOIRES "DIFFICILES" : LE PROBLEME DU VOYAGEUR DE COMMERCE ET LE PROBLEME DE COLORATION D'UN GRAPHE Dans cette leçon, nous présentons deux problèmes très célèbres,

Plus en détail

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP)

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Loris Marchal, Guillaume Melquion, Frédéric Tronel 21 juin 2011 Remarques générales à propos de l épreuve Organisation

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

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE Annexe MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE L enseignement des mathématiques au collège et au lycée a pour but de donner à chaque

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

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

LE DIPLOME DE MAGISTER

LE DIPLOME DE MAGISTER Département d Informatique MEMOIRE Présenté par DEDDOUCHE Yamina Pour obtenir LE DIPLOME DE MAGISTER Spécialité : Informatique Option : Informatique et Automatique Intitulé : Contribution à l Ordonnancement

Plus en détail

GEL 1001 Design I (méthodologie)

GEL 1001 Design I (méthodologie) GEL 1001 Design I (méthodologie) Technique 2 Systèmes embarqués et fiabilité Hiver 2013 Département de génie électrique et de génie informatique Plan Système embarqué Ordinateur et architecture Von Neumann

Plus en détail

Applications #2 Problème du voyageur de commerce (TSP)

Applications #2 Problème du voyageur de commerce (TSP) Applications #2 Problème du voyageur de commerce (TSP) MTH6311 S. Le Digabel, École Polytechnique de Montréal H2014 (v2) MTH6311: Heuristiques pour le TSP 1/34 Plan 1. Introduction 2. Formulations MIP

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

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

Mathématiques appliquées à l informatique

Mathématiques appliquées à l informatique Mathématiques appliquées à l informatique Jean-Etienne Poirrier 15 décembre 2005 Table des matières 1 Matrices 3 1.1 Définition......................................... 3 1.2 Les différents types de matrices.............................

Plus en détail

Généralités sur les bases de données

Généralités sur les bases de données Généralités sur les bases de données Qu est-ce donc qu une base de données? Que peut-on attendre d un système de gestion de bases de données? Que peut-on faire avec une base de données? 1 Des données?

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

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

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

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

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

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

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

Comparaison de modèles mathématiques et implémentation d une métaheuristique pour le Master Surgical Scheduling Problem

Comparaison de modèles mathématiques et implémentation d une métaheuristique pour le Master Surgical Scheduling Problem École Polytechnique de l Université de Tours 64, Avenue Jean Portalis 37200 TOURS, FRANCE Tél. +33 (0)2 47 36 14 14 www.polytech.univ-tours.fr Département Informatique 5 e année 2013-2014 Rapport de Projet

Plus en détail

ANALYSE MULTI CAPTEUR DE SIGNAUX TRANSITOIRES ISSUS DES SYSTEMES ELECTRIQUES

ANALYSE MULTI CAPTEUR DE SIGNAUX TRANSITOIRES ISSUS DES SYSTEMES ELECTRIQUES ANALYSE MULTI CAPTEUR DE SIGNAUX TRANSITOIRES ISSUS DES SYSTEMES ELECTRIQUES Bertrand GOTTIN Directeurs de thèse: Cornel IOANA et Jocelyn CHANUSSOT 03 Septembre 2010 Problématique liée aux Transitoires

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

Les outils de gestion

Les outils de gestion Beida Mohammed Ferhat Taleb mar Ingénieurs d état en informatique Option : Systèmes d Information (SI) Tel: +1 () 76 17 6 6 Fax: +1 () 1 58 Email: mohamed@mtoolkit.com bilal_ini@yahoo.fr Site Web: http://www.mtoolkit.com

Plus en détail

Ecole Nationale Supérieure d Arts et Métiers Meknès

Ecole Nationale Supérieure d Arts et Métiers Meknès Ecole Nationale Supérieure d Arts et Métiers Meknès EFFECTUE AUPRES D IMACAB Du 01/07/02 Au 05/08/02 Préparé par : Encadré par : CHADMI ISSAM M.HABTI Année Universitaire: 2001/2002 Ensam-Méknes - 1 - imacab

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

Recherche opérationnelle dans le secteur de la construction (4/5)

Recherche opérationnelle dans le secteur de la construction (4/5) Recherche opérationnelle dans le secteur de la construction (4/5) Antoine Jeanjean Ingénieur de recherche Ecole des Mines de Nantes Amphi Georges Besse 14h30-16h30 Plan de la présentation Le Groupe Bouygues

Plus en détail

Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.

Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production

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

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail

Théorie des Langages

Théorie des Langages Théorie des Langages Automates Claude Moulin Université de Technologie de Compiègne Printemps 2013 Sommaire 1 Automate fini 2 Automate et langages réguliers 3 Automate à pile Automate fini déterministe

Plus en détail

G P A O Maîtriser sa logistique et ses flux à valeur ajoutée

G P A O Maîtriser sa logistique et ses flux à valeur ajoutée G P A O Maîtriser sa logistique et ses flux à valeur ajoutée Lorraine Dans les périodes de crise, la capacité des entreprises industrielles à maîtriser leurs modèles économiques et leur apport de valeur

Plus en détail

Table des matières. Cours Système d Exploitation. Chapitre II : Gestion des processus

Table des matières. Cours Système d Exploitation. Chapitre II : Gestion des processus Chapitre II : Gestion des processus Table des matières I Processus et contexte d un processus 2 II État d un processus 3 III Système d exploitation multi-tâches et parallélisme 3 IV Problèmes dues au multi-tâches

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

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

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

Plus en détail

Notions de Gestion de Projet (Partie 1)

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

Plus en détail

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

CTE Éditeur de classification arborescente pour spécifications du cas de test

CTE Éditeur de classification arborescente pour spécifications du cas de test Tessy Test d intégration et unitaire dynamique automatisé pour des applications embarquées CTE Éditeur de classification arborescente pour spécifications du cas de test Le meilleur outil de test unitaire

Plus en détail

Module 4 - Ordonnancement Processus. Lecture: Chapitre 5

Module 4 - Ordonnancement Processus. Lecture: Chapitre 5 Module 4 - Ordonnancement Processus Lecture: Chapitre 5 1 Aperçu du module Concepts de base Critères d ordonnancement Algorithmes d ordonnancement Ordonnancement de multiprocesseurs Évaluation d algorithmes

Plus en détail

IFT2251 : Génie logiciel

IFT2251 : Génie logiciel Julie Vachon, Hiver 2006 IFT2251 : Génie logiciel Chapitre 5. Conception Section 3. Principes et qualités Conception : principes et qualités 1. L activité de conception 2. Principes de conception 3. Concevoir

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

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

Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel.

Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel. Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel. Workshop du GIS 3SGS Reims, 29 septembre 2010 Sommaire Missions

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

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

Système Immunitaire Artificiel Parallèle appliqué aux Flow Shop Hybride (FSH)

Système Immunitaire Artificiel Parallèle appliqué aux Flow Shop Hybride (FSH) République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieur et de la Recherche Scientifique Université des Sciences et de la Technologie d Oran -Mohamed Boudiaf USTO-MB Faculté

Plus en détail

Variable Neighborhood Search

Variable Neighborhood Search Variable Neighborhood Search () Universite de Montreal 6 avril 2010 Plan Motivations 1 Motivations 2 3 skewed variable neighborhood search variable neighborhood decomposition search 4 Le probleme d optimisation.

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

Service On Line : Gestion des Incidents

Service On Line : Gestion des Incidents Service On Line : Gestion des Incidents Guide de l utilisateur VCSTIMELESS Support Client Octobre 07 Préface Le document SoL Guide de l utilisateur explique comment utiliser l application SoL implémentée

Plus en détail

INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz

INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement Bernard Fortz 2008-2009 Table des matières 1 Définition et classification des problèmes d ordonnancement 2 1.1 Introduction....................................

Plus en détail

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Problème combinatoire sur le réseau de transport de gaz Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Au programme Présentation du problème Un problème d optimisation

Plus en détail