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

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

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

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

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

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

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

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

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

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

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

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

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1 Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation

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

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

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

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1 CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

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

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

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

PLANIFICATION DE PROJET ET METHODES D ORDONNANCEMENT

PLANIFICATION DE PROJET ET METHODES D ORDONNANCEMENT P a g e 1 PLANIFICATION DE PROJET ET METHODES D ORDONNANCEMENT NOTION DE PROJET ET D ORDONNANCEMENT Lors de la réalisation d un projet industriel (construction d usine, d autoroute, recherche et développement

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

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

Groupe Eyrolles, 2006, ISBN : 2-212-11734-5

Groupe Eyrolles, 2006, ISBN : 2-212-11734-5 Groupe Eyrolles, 2006, ISBN : 2-212-11734-5 Chapitre 6 La gestion des incidents Quelles que soient la qualité du système d information mis en place dans l entreprise ou les compétences des techniciens

Plus en détail

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007 Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................

Plus en détail

Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques

Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER

Plus en détail

Ordonnancement temps réel

Ordonnancement temps réel Ordonnancement temps réel Laurent.Pautet@enst.fr Version 1.5 Problématique de l ordonnancement temps réel En fonctionnement normal, respecter les contraintes temporelles spécifiées par toutes les tâches

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 16 heures de cours 1 - Introduction

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

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

Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux

Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis

Plus en détail

La surveillance réseau des Clouds privés

La surveillance réseau des Clouds privés La surveillance réseau des Clouds privés Livre blanc Auteurs : Dirk Paessler, CEO de Paessler AG Gerald Schoch, Rédactrice technique de Paessler AG Publication : Mai 2011 Mise à jour : Février 2015 PAGE

Plus en détail

AVERTISSEMENT. D'autre part, toute contrefaçon, plagiat, reproduction encourt une poursuite pénale. LIENS

AVERTISSEMENT. D'autre part, toute contrefaçon, plagiat, reproduction encourt une poursuite pénale. LIENS AVERTISSEMENT Ce document est le fruit d'un long travail approuvé par le jury de soutenance et mis à disposition de l'ensemble de la communauté universitaire élargie. Il est soumis à la propriété intellectuelle

Plus en détail

La gestion des problèmes

La gestion des problèmes Chapitre 6 La gestion des problèmes Les incidents se succèdent, toujours les mêmes. Des petits désagréments la plupart du temps, mais qui finissent par pourrir la vie. Toute l équipe informatique se mobilise

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

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

MODELES DE DUREE DE VIE

MODELES DE DUREE DE VIE MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions

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

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal

Plus en détail

4.2 Unités d enseignement du M1

4.2 Unités d enseignement du M1 88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter

Plus en détail

FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)

FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) 87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation

Plus en détail

Principe et règles d audit

Principe et règles d audit CHAPITRE 2 Principe et règles d audit 2.1. Principe d audit Le principe et les règles d audit suivent logiquement l exposé précédent. D abord, comme dans toute branche de l activité d une entreprise, l

Plus en détail

DEMANDE D INFORMATION RFI (Request for information)

DEMANDE D INFORMATION RFI (Request for information) DOD SEICAM RFI Demande d information EVDEC Réf. : RFI_EVDEC- GT5_Outil_reporting_BI_v4.doc Page 1/11 DEMANDE D INFORMATION RFI (Request for information) OUTIL INTÉGRÉ DE REPORTING ET D ANALYSE DÉCISIONNELLE

Plus en détail

Continuité et dérivabilité d une fonction

Continuité et dérivabilité d une fonction DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité

Plus en détail

Modélisation multi-agents - Agents réactifs

Modélisation multi-agents - Agents réactifs Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf

Plus en détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

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

Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image

Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire

Plus en détail

Gestion des sauvegardes

Gestion des sauvegardes Gestion des sauvegardes Penser qu un système nouvellement mis en place ou qui tourne depuis longtemps ne nécessite aucune attention est illusoire. En effet, nul ne peut se prémunir d événements inattendus

Plus en détail

Chapitre 5 LE MODELE ENTITE - ASSOCIATION

Chapitre 5 LE MODELE ENTITE - ASSOCIATION Chapitre 5 LE MODELE ENTITE - ASSOCIATION 1 Introduction Conception d une base de données Domaine d application complexe : description abstraite des concepts indépendamment de leur implémentation sous

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

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction

Plus en détail

L ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN 2003 : UNE ANALYSE TERRITORIALISÉE DES PROFILS D OCCUPATION DES PARCS ET DES QUARTIERS

L ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN 2003 : UNE ANALYSE TERRITORIALISÉE DES PROFILS D OCCUPATION DES PARCS ET DES QUARTIERS ATELIER PARISIEN D URBANISME - 17, BD MORLAND 75004 PARIS TÉL : 01 42 71 28 14 FAX : 01 42 76 24 05 http://www.apur.org Observatoire de l'habitat de Paris L ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN

Plus en détail

Nom de l application

Nom de l application Ministère de l Enseignement Supérieur et de la Recherche Scientifique Direction Générale des Etudes Technologiques Institut Supérieur des Etudes Technologiques de Gafsa Département Technologies de l Informatique

Plus en détail

Programmation temps-réel Cours 1 et 2 Introduction et ordonnancement

Programmation temps-réel Cours 1 et 2 Introduction et ordonnancement Master 2 pro Programmation temps-réel Cours 1 et 2 Introduction et ordonnancement Isabelle PUAUT / Rémi COZOT Université de Rennes I 1 Applications temps-réel embarquées Systèmes en interaction avec l

Plus en détail

Sillage Météo. Notion de sillage

Sillage Météo. Notion de sillage Sillage Météo Les représentations météorologiques sous forme d animation satellites image par image sont intéressantes. Il est dommage que les données ainsi visualisées ne soient pas utilisées pour une

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

MABioVis. Bio-informatique et la

MABioVis. Bio-informatique et la MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID

Plus en détail

TEPZZ 568448A_T EP 2 568 448 A1 (19) (11) EP 2 568 448 A1 (12) DEMANDE DE BREVET EUROPEEN. (51) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.

TEPZZ 568448A_T EP 2 568 448 A1 (19) (11) EP 2 568 448 A1 (12) DEMANDE DE BREVET EUROPEEN. (51) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006. (19) TEPZZ 68448A_T (11) EP 2 68 448 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 13.03.2013 Bulletin 2013/11 (1) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.01) (21) Numéro de dépôt:

Plus en détail

Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm)

Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 - Evénements et architectures - Spécifications de performances

Plus en détail

1 Les différents types de maintenance

1 Les différents types de maintenance 1 Les différents types de maintenance Il existe différents types de maintenance s agissant des machines, et tout autant en matière de logiciels, déterminés en fonction de leur finalité, de leur résultat

Plus en détail

Définir une politique de maintenance et sa stratégie de mise en œuvre de responsabilités

Définir une politique de maintenance et sa stratégie de mise en œuvre de responsabilités Chapitre 1 Définir une politique de maintenance et sa stratégie de mise en œuvre de responsabilités La politique de maintenance, entre prévention et correction 25 f Qu est-ce que le «préventif» et le «correctif»?

Plus en détail

Partie 7 : Gestion de la mémoire

Partie 7 : Gestion de la mémoire INF3600+INF2610 Automne 2006 Partie 7 : Gestion de la mémoire Exercice 1 : Considérez un système disposant de 16 MO de mémoire physique réservée aux processus utilisateur. La mémoire est composée de cases

Plus en détail

Introduction Les processus traditionnels extreme Programming Conclusion. extreme Programming. vers plus d agilité. F. Miller francois.miller@inpg.

Introduction Les processus traditionnels extreme Programming Conclusion. extreme Programming. vers plus d agilité. F. Miller francois.miller@inpg. vers plus d agilité F. Miller francois.miller@inpg.fr FC INPG Octobre 2008 - version 1.0 Introduction Contexte Le monde bouge économie des moyens (humains, financier,...) ; recherche de plus d efficacité

Plus en détail

Architecture des Systèmes d Information Architecture des Systèmes d Information

Architecture des Systèmes d Information Architecture des Systèmes d Information Plan... Tableaux et tris I3 - Algorithmique et programmation 1 Rappels Nicol Delestre 2 Tableaux à n dimensions 3 Initiation aux tris Tableaux - v2.0.1 1 / 27 Tableaux - v2.0.1 2 / 27 Rappels : tableau

Plus en détail

Surveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)

Surveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!

Plus en détail

SOFI Gestion+ Version 5.4. Echanges de données informatiques Spicers Sofi gestion+ Groupements. SOFI Informatique. Actualisé le 10.09.

SOFI Gestion+ Version 5.4. Echanges de données informatiques Spicers Sofi gestion+ Groupements. SOFI Informatique. Actualisé le 10.09. SOFI Gestion+ SOFI Informatique Version 5.4 Echanges de données informatiques Spicers Sofi gestion+ Groupements Actualisé le 10.09.2004 Table des matières 1. Catalogue et tarifs... 4 1.1 Définition EDI...

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

Séance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03

Séance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03 Gestion des opérations et de la logistique Séance 4 4-530-03 Gestion de la capacité Points importants présentés au dernier cours Les principaux types d aménagement Étude du travail et l amélioration des

Plus en détail

INF 1250 INTRODUCTION AUX BASES DE DONNÉES. Guide d étude

INF 1250 INTRODUCTION AUX BASES DE DONNÉES. Guide d étude INF 1250 INTRODUCTION AUX BASES DE DONNÉES Guide d étude Sous la direction de Olga Mariño Télé-université Montréal (Québec) 2011 INF 1250 Introduction aux bases de données 2 INTRODUCTION Le Guide d étude

Plus en détail

Conception d une infrastructure «Cloud» pertinente

Conception d une infrastructure «Cloud» pertinente Conception d une infrastructure «Cloud» pertinente Livre blanc d ENTERPRISE MANAGEMENT ASSOCIATES (EMA ) préparé pour Avocent Juillet 2010 RECHERCHE EN GESTION INFORMATIQUE, Sommaire Résumé........................................................

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Gestion de la Maintenance Assistée par Ordinateur

Gestion de la Maintenance Assistée par Ordinateur Gestion de la Maintenance Assistée par Ordinateur Simplifiez vous la maintenance Gagner en productivité. Réduire les pannes. Améliorer la durée de vie des équipements. Diminuer les coûts de maintenance.

Plus en détail

CAPTEURS - CHAINES DE MESURES

CAPTEURS - CHAINES DE MESURES CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,

Plus en détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,

Plus en détail

Baccalauréat professionnel. Maintenance des Équipements Industriels

Baccalauréat professionnel. Maintenance des Équipements Industriels Baccalauréat professionnel Maintenance des Équipements Industriels 2005 SOMMAIRE DES ANNEXES DE L ARRÊTÉ DE CRÉATION DU DIPLÔME ANNEXE I : RÉFÉRENTIELS DU DIPLÔME I a. Référentiel des activités professionnelles...7

Plus en détail

Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie

Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Découvrir les stratégies ayant fait leurs preuves et les meilleures pratiques Points clés : Planifier

Plus en détail

Chapitre 5 : Flot maximal dans un graphe

Chapitre 5 : Flot maximal dans un graphe Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d

Plus en détail

Chapitre 1 : Introduction au contrôle de gestion. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 1

Chapitre 1 : Introduction au contrôle de gestion. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 1 Chapitre 1 : Introduction au contrôle de gestion Introduction 2 Contrôle de gestion : fonction aujourd hui bien institutionnalisée dans les entreprises Objectif : permettre une gestion rigoureuse et une

Plus en détail

LA QUALITE DU LOGICIEL

LA QUALITE DU LOGICIEL LA QUALITE DU LOGICIEL I INTRODUCTION L'information est aujourd'hui une ressource stratégique pour la plupart des entreprises, dans lesquelles de très nombreuses activités reposent sur l'exploitation d'applications

Plus en détail

Minimisation de la somme des retards dans un jobshop flexible

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

Plus en détail

Séparation et Evaluation pour le problème d ordonnancement avec blocage.

Séparation et Evaluation pour le problème d ordonnancement avec blocage. Séparation et Evaluation pour le problème d ordonnancement avec blocage. Abdelhakim Ait Zai 1, Abdelkader Bentahar 1, Hamza Bennoui 1, Mourad Boudhar 2 et Yazid Mati 3 1 Faculté d Electronique et d Informatique,

Plus en détail

Chapitre 2/ La fonction de consommation et la fonction d épargne

Chapitre 2/ La fonction de consommation et la fonction d épargne hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation

Plus en détail

Stockage de chaleur solaire par sorption : Analyse et contrôle du système à partir de sa simulation dynamique

Stockage de chaleur solaire par sorption : Analyse et contrôle du système à partir de sa simulation dynamique Stockage de chaleur solaire par sorption : Analyse et contrôle du système à partir de sa simulation dynamique Kokouvi Edem N TSOUKPOE 1, Nolwenn LE PIERRÈS 1*, Lingai LUO 1 1 LOCIE, CNRS FRE3220-Université

Plus en détail

Une application des algorithmes génétiques à l ordonnancement d atelier

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

Plus en détail

Windows Internet Name Service (WINS)

Windows Internet Name Service (WINS) Windows Internet Name Service (WINS) WINDOWS INTERNET NAME SERVICE (WINS)...2 1.) Introduction au Service de nom Internet Windows (WINS)...2 1.1) Les Noms NetBIOS...2 1.2) Le processus de résolution WINS...2

Plus en détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

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

L apport des logiciels d optimisation des stocks multi-échelons

L apport des logiciels d optimisation des stocks multi-échelons omment passer à la vitesse supérieure dans le calcul des stocks de sécurité et aller plus loin que les ERP et APS traditionnels? est ce que nous explique Tanguy aillet de J&M Management onsulting en nous

Plus en détail

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée. ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle

Plus en détail

basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML

basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML http://olivier-augereau.com Sommaire Introduction I) Les bases II) Les diagrammes

Plus en détail

Comment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain?

Comment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain? DOSSIER SOLUTION Solution CA Virtual Placement and Balancing Comment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain? agility made possible La solution automatisée

Plus en détail

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery. Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement

Plus en détail

Comment mettre en oeuvre une gestion de portefeuille de projets efficace et rentable en 4 semaines?

Comment mettre en oeuvre une gestion de portefeuille de projets efficace et rentable en 4 semaines? DOSSIER SOLUTION Package CA Clarity PPM On Demand Essentials for 50 Users Comment mettre en oeuvre une gestion de portefeuille de projets efficace et rentable en 4 semaines? agility made possible CA Technologies

Plus en détail

GESTION LOGISTIQUE GESTION COMMERCIALE GESTION DE PRODUCTION

GESTION LOGISTIQUE GESTION COMMERCIALE GESTION DE PRODUCTION GESTION LOGISTIQUE GESTION COMMERCIALE GESTION DE PRODUCTION Votre contact : Pierre Larchères 06 30 35 96 46 18, rue de la Semm - 68000 COLMAR p.larcheres@agelis.fr PRESENTATION GENERALE LES PROGICIELS

Plus en détail

Synthèse «Le Plus Grand Produit»

Synthèse «Le Plus Grand Produit» Introduction et Objectifs Synthèse «Le Plus Grand Produit» Le document suivant est extrait d un ensemble de ressources plus vastes construites par un groupe de recherche INRP-IREM-IUFM-LEPS. La problématique

Plus en détail