Évaluation d une méthode d ordonnancement multicritère utilisant AHP

Dimension: px
Commencer à balayer dès la page:

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

Transcription

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

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

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

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

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

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

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

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 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

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

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

Plus en détail

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

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

Plus en détail

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

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

Une méthode d apprentissage pour la composition de services web

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Théorèmes de Point Fixe et Applications 1

Théorèmes de Point Fixe et Applications 1 Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des

Plus en détail

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

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

Plus en détail

PLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique

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

Plus en détail

Etude d un cas industriel : Optimisation de la modélisation de paramètre de production

Etude d un cas industriel : Optimisation de la modélisation de paramètre de production Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui

Plus en détail

Pascal Forget 2310, Avenue Notre-Dame Québec, (Québec) Canada, G2E 3G5 Tél. (418) 380-8767 Fax (418) 656-7415 pascal.forget@cirrelt.

Pascal Forget 2310, Avenue Notre-Dame Québec, (Québec) Canada, G2E 3G5 Tél. (418) 380-8767 Fax (418) 656-7415 pascal.forget@cirrelt. Pascal Forget 2310, Avenue Notre-Dame Québec, (Québec) Canada, G2E 3G5 Tél. (418) 380-8767 Fax (418) 656-7415 pascal.forget@cirrelt.ca FORMATION Doctorat, génie mécanique Université Laval, Québec, Canada

Plus en détail

Principe de symétrisation pour la construction d un test adaptatif

Principe de symétrisation pour la construction d un test adaptatif Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université

Plus en détail

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

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

Plus en détail

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

Industrial Phd Progam

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

Plus en détail

Classification Automatique de messages : une approche hybride

Classification Automatique de messages : une approche hybride RECIAL 2002, Nancy, 24-27 juin 2002 Classification Automatique de messages : une approche hybride O. Nouali (1) Laboratoire des Logiciels de base, CE.R.I.S., Rue des 3 frères Aïssiou, Ben Aknoun, Alger,

Plus en détail

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour

Plus en détail

Modélisation multi-agent d allocation des ressources : application à la maintenance

Modélisation multi-agent d allocation des ressources : application à la maintenance Modélisation multi-agent d allocation des ressources : application à la maintenance Mohamed Kharbach (*), Mustapha Ouardouz (*), Zoubir El Felsoufi (*) (*) Equipe de Modélisation Mathématique & Contrôle

Plus en détail

Annexe 6. Notions d ordonnancement.

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

Plus en détail

Un couplage métaheuristique / simulation appliqué au problème du job shop avec transport

Un couplage métaheuristique / simulation appliqué au problème du job shop avec transport Un couplage métaheuristique / simulation appliqué au problème du job shop avec transport LAURENT DEROUSSI 1, ICHEL GOURGAND 2 LIOS CNRS UR 6158 1 IUT de ontluçon, Avenue Aristide Briand B.P. 2235, 03101

Plus en détail

APPLICATION DE LA GESTION DES FILES D ATTENTE PAR RÈGLES DE PRIORITÉ DANS UN JOB SHOP EN TEMPS RÈEL

APPLICATION DE LA GESTION DES FILES D ATTENTE PAR RÈGLES DE PRIORITÉ DANS UN JOB SHOP EN TEMPS RÈEL APPLICATION DE LA GESTION DES FILES D ATTENTE PAR RÈGLES DE PRIORITÉ DANS UN JOB SHOP EN TEMPS RÈEL N. Keddari (1) - A. Hassam (1) 1 keddarinassima@yahoo.fr 1 a_hassam@mail.univ-tlemcen.dz RESUME L ordonnancement

Plus en détail

Intelligence Economique - Business Intelligence

Intelligence Economique - Business Intelligence Intelligence Economique - Business Intelligence Notion de Business Intelligence Dès qu'il y a une entreprise, il y a implicitement intelligence économique (tout comme il y a du marketing) : quelle produit

Plus en détail

Tout le matériel (actif) qui sert à produire: boulons, capteurs, automates, vérins, câblage, éclairage, etc.

Tout le matériel (actif) qui sert à produire: boulons, capteurs, automates, vérins, câblage, éclairage, etc. 1 La maintenance 2 De quoi? Tout le matériel (actif) qui sert à produire: boulons, capteurs, automates, vérins, câblage, éclairage, etc. Pourquoi? Garder le matériel de production (les actifs) en état

Plus en détail

Sciences de Gestion Spécialité : GESTION ET FINANCE

Sciences de Gestion Spécialité : GESTION ET FINANCE Sciences de Gestion Spécialité : GESTION ET FINANCE Classe de terminale de la série Sciences et Technologie du Management et de la Gestion I. PRESENTATION GENERALE 1. Les objectifs du programme Le système

Plus en détail

Microsoft France. Pour en savoir plus, connectez-vous sur www.microsoft.com/france/dynamics/nav ou contactez notre Service Client au 0825 827 859*

Microsoft France. Pour en savoir plus, connectez-vous sur www.microsoft.com/france/dynamics/nav ou contactez notre Service Client au 0825 827 859* Microsoft France Pour en savoir plus, connectez-vous sur www.microsoft.com/france/dynamics/nav ou contactez notre Service Client au 0825 827 859* * 0,15 TTC/min Microsoft France - SAS au capital de 4 240

Plus en détail

Offre de thèse. Co-encadrant de thèse : HENRY Sébastien Coordonnées électroniques : Sébastien.Henry@univ-lyon1.fr Laboratoire : DISP (www.disp-lab.

Offre de thèse. Co-encadrant de thèse : HENRY Sébastien Coordonnées électroniques : Sébastien.Henry@univ-lyon1.fr Laboratoire : DISP (www.disp-lab. Offre de thèse 1. Profil recherché Issu d une formation d ingénieur ou d un master, le candidat disposera idéalement des compétences dans les domaines suivants : Pilotage des systèmes de production. Systèmes

Plus en détail

Séminaire Business Process Management. Lausanne le 9 mai 2007

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

Plus en détail

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

Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique

Plus en détail

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

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

Plus en détail

Modèle de coopération d un processus de ré-ordonnancement distribué

Modèle de coopération d un processus de ré-ordonnancement distribué Modèle de coopération d un processus de ré-ordonnancement distribué LE QUEREa, b Yann, SEVAUX a Marc TAHONa Christian, TRENTESAUXa Damien. aequipe Systèmes de Production LAMIH, Université de Valenciennes

Plus en détail

Management des Systèmes d Information

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

Plus en détail

ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE

ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du

Plus en détail

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

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

Plus en détail

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

Plan de cours ADM 992C Page 1. École des sciences de la gestion Département de management et technologie Université du Québec à Montréal

Plan de cours ADM 992C Page 1. École des sciences de la gestion Département de management et technologie Université du Québec à Montréal Plan de cours ADM 992C Page 1 École des sciences de la gestion Département de management et technologie Université du Québec à Montréal ADM-992C LES TECHNOLOGIES D'AIDE À LA PRISE DE DÉCISION DANS LES

Plus en détail

Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair

Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Raja Chiky, Bruno Defude, Georges Hébrail GET-ENST Paris Laboratoire LTCI - UMR 5141 CNRS Département Informatique et Réseaux

Plus en détail

Solution A La Gestion Des Objets Java Pour Des Systèmes Embarqués

Solution A La Gestion Des Objets Java Pour Des Systèmes Embarqués International Journal of Engineering Research and Development e-issn: 2278-067X, p-issn: 2278-800X, www.ijerd.com Volume 7, Issue 5 (June 2013), PP.99-103 Solution A La Gestion Des Objets Java Pour Des

Plus en détail

Aide à la décision en management par processus et intelligence économique

Aide à la décision en management par processus et intelligence économique Aide à la décision en management par processus et intelligence économique Blanc Alquier Anne-Marie, Lagasse Tignol Marie-Hélène alquier@univ-tlse1.fr, tignol@univ-tlse1.fr Université des Sciences Sociales

Plus en détail

MANAGEMENT DES SYSTEMES D INFORMATION ET DE PRODUCTION MSIP

MANAGEMENT DES SYSTEMES D INFORMATION ET DE PRODUCTION MSIP MANAGEMENT DES SYSTEMES D INFORMATION ET DE PRODUCTION MSIP METHODES & CONCEPTS POUR UNE INGENIERIE INNOVANTE Ecole Nationale Supérieure des Mines de Rabat Département INFORMATIQUE www.enim.ac.ma MANAGEMENT

Plus en détail

Business & High Technology

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

Plus en détail

Mastère spécialisé MS : «Ingénierie de l innovation et du produit nouveau

Mastère spécialisé MS : «Ingénierie de l innovation et du produit nouveau Mastère spécialisé MS : «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché» 1- Présentation détaillée du programme d enseignement Répartition par modules et crédits ECTS :

Plus en détail

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

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

Plus en détail

CURRICULUM VITAE. Informations Personnelles

CURRICULUM VITAE. Informations Personnelles CURRICULUM VITAE Informations Personnelles NOM: BOURAS PRENOM : Zine-Eddine STRUCTURE DE RATTACHEMENT: Département de Mathématiques et d Informatique Ecole Préparatoire aux Sciences et Techniques Annaba

Plus en détail

Concevoir et déployer un data warehouse

Concevoir et déployer un data warehouse Concevoir et déployer un data warehouse Ralph Kimball Éditions Eyrolles ISBN : 2-212-09165-6 2000 2 Le cycle de vie dimensionnel Avant d étudier de plus près les spécificités de la conception, du développement

Plus en détail

PREMIER RETOUR D EXPERIENCE SUR LE FLOW-SHOP BIOBJECTIF ET HYBRIDE A DEUX ETAGES AVEC UNE CONTRAINTE DE BLOCAGE PARTICULIERE

PREMIER RETOUR D EXPERIENCE SUR LE FLOW-SHOP BIOBJECTIF ET HYBRIDE A DEUX ETAGES AVEC UNE CONTRAINTE DE BLOCAGE PARTICULIERE 6 e Conférence Francophone de MOdélisation et SIMulation - MOSIM 06 - du 3 au 5 avril 2006 - Rabat - Maroc Modélisation, Optimisation et Simulation des Systèmes : Défis et Opportunités PREMIER RETOUR D

Plus en détail

Mastère spécialisé. «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché»

Mastère spécialisé. «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché» Mastère spécialisé «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché» I- Présentation détaillée du programme d enseignement Répartition par modules et crédits ECTS : Intitulé

Plus en détail

LE SUPPLY CHAIN MANAGEMENT

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

Plus en détail

High Performance by Exploiting Information Locality through Reverse Computing. Mouad Bahi

High Performance by Exploiting Information Locality through Reverse Computing. Mouad Bahi Thèse High Performance by Exploiting Information Locality through Reverse Computing Présentée et soutenue publiquement le 21 décembre 2011 par Mouad Bahi pour l obtention du Doctorat de l université Paris-Sud

Plus en détail

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178

physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178 Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain

Plus en détail

Méthodes d évolution de modèle produit dans les systèmes du type PLM

Méthodes d évolution de modèle produit dans les systèmes du type PLM Résumé de thèse étendu Méthodes d évolution de modèle produit dans les systèmes du type PLM Seyed Hamedreza IZADPANAH Table des matières 1. Introduction...2 2. Approche «Ingénierie Dirigée par les Modèles»

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

Ingénierie et gestion des connaissances

Ingénierie et gestion des connaissances Master Web Intelligence ICM Option Informatique Ingénierie et gestion des connaissances Philippe BEAUNE Philippe.Beaune@emse.fr 18 novembre 2008 Passer en revue quelques idées fondatrices de l ingénierie

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

Master Informatique Aix-Marseille Université

Master Informatique Aix-Marseille Université Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes

Plus en détail

Recherche locale pour un problème d optimisation de tournées de véhicules avec gestion des stocks

Recherche locale pour un problème d optimisation de tournées de véhicules avec gestion des stocks 8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie «Évaluation et optimisation des systèmes innovants de production de biens et de services» Recherche

Plus en détail

Proposition d un modèle pour Ordonnancement d un Système Automatisé de Production Applications des algorithmes génétiques hybrides

Proposition d un modèle pour Ordonnancement d un Système Automatisé de Production Applications des algorithmes génétiques hybrides Proposition d un modèle pour Ordonnancement d un Système Automatisé de Production Applications des algorithmes génétiques hybrides Djamila Bouhalouan 1, Nassima Aissani 1, Bouziane Beldjilali 2 1 Département

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information

Plus en détail

Evry - M2 MIAGE Entrepôt de données

Evry - M2 MIAGE Entrepôt de données Evry - M2 MIAGE Entrepôt de données Introduction D. Ploix - M2 Miage - EDD - Introduction 1 Plan Positionnement du BI dans l entreprise Déclinaison fonctionnelle du décisionnel dans l entreprise Intégration

Plus en détail

SEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL

SEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL SEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL AGENDA 14:15-14:30 Bienvenue & Introduction Jérôme Berthier et Manuel Fucinos 14:30-14:45 Le concept de la Data Viz et

Plus en détail

Un environnement de déploiement automatique pour les applications à base de composants

Un environnement de déploiement automatique pour les applications à base de composants ICSSEA 2002-7 Lestideau Un environnement de déploiement automatique pour les applications à base de composants Vincent Lestideau Adele Team Bat C LSR-IMAG, 220 rue de la chimie Domaine Universitaire, BP

Plus en détail

Analyse des logiciels d application spécialisée pour le courtage en épargne collective

Analyse des logiciels d application spécialisée pour le courtage en épargne collective Analyse des logiciels d application spécialisée pour le courtage en épargne collective Dép. de mathématiques et de génie industriel École Polytechnique de Montréal C.P. 6079, succ. Centre-ville Montréal

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

UNIVERSITÉ MOHAMMED VI POLYTECHNIQUE MASTERE SPÉCIALISÉ MILEO

UNIVERSITÉ MOHAMMED VI POLYTECHNIQUE MASTERE SPÉCIALISÉ MILEO UNIVERSITÉ MOHAMMED VI POLYTECHNIQUE MASTERE SPÉCIALISÉ MILEO Management Industriel et Excellence Opérationnelle Diplôme conjoint de l'ecole des Mines de Paris (Mines ParisTech) et de l EMINES School of

Plus en détail

Optimisation et Processus métier

Optimisation et Processus métier Optimisation et Processus métier découvrez avec ILOG la solution d'optimisation leader du marché Didier Vidal vidaldid@fr.ibm.com Petit problème d optimisation 1 2000 1 Coûts de transport: 10 Euros par

Plus en détail

Les ERP. Enterprise Resource Planning

Les ERP. Enterprise Resource Planning Les ERP Enterprise Resource Planning Plan L'entreprise Structure Environnement Organisation Les ERP Définition Caractéristiques Architecture Coûts. Fonctions Exemples Le projet ERP L'EDI EAI Etude de cas

Plus en détail

PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE

PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE Jean-Paul Valois, Claude Mouret & Nicolas Pariset Total, 64018 Pau Cédex MOTS CLEFS : Analyse spatiale, ACP, Lissage, Loess PROBLEMATIQUE En analyse multivariée,

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

Laboratoire 4 Développement d un système intelligent

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

Plus en détail

DOCUMENT DE TRAVAIL 1998-021. Centre de recherche sur l aide à l évaluation et à la décision dans les organisations (CRAEDO)

DOCUMENT DE TRAVAIL 1998-021. Centre de recherche sur l aide à l évaluation et à la décision dans les organisations (CRAEDO) Publié par : Published by : Publicación de la : Édition électronique : Electronic publishing : Edición electrónica : Disponible sur Internet : Available on Internet Disponible por Internet : Faculté des

Plus en détail

Paramétrage d une Gestion de Production

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

Plus en détail

Proposition de modèles conceptuels basés sur le PLM (Product Life cycle Management) pour l optimisation de la chaîne logistique

Proposition de modèles conceptuels basés sur le PLM (Product Life cycle Management) pour l optimisation de la chaîne logistique Proposition de modèles conceptuels basés sur le PLM (Product Life cycle Management) pour l optimisation de la chaîne logistique Imane Bouhaddou (*), Abdellatif Benabdelhafid (**) (* ) : Laboratoire Mathématique,

Plus en détail

Consultant Dynamics AX Supply Chain

Consultant Dynamics AX Supply Chain Filière de Formation : Consultant Dynamics AX Supply Chain DOSSIER PEDAGOGIQUE Renseignements et moyens pédagogiques Contenus de cours détaillés Durée : 40 jours Sommaire Sommaire... 2 Découpage de la

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

EXAMEN CRITIQUE D UN DOSSIER TECHNIQUE

EXAMEN CRITIQUE D UN DOSSIER TECHNIQUE EXAMEN CRITIQUE D UN DOSSIER TECHNIQUE (Préparation : 5 heures -- Exposé et Questions : 1 heure) Rapport établi par : P.J. BARRE, E. JEAY, D. MARQUIS, P. RAY, A. THIMJO 1. PRESENTATION DE L EPREUVE 1.1.

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

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

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

Plus en détail

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

Pourquoi signer votre Accord Entreprise Microsoft avec SHI?

Pourquoi signer votre Accord Entreprise Microsoft avec SHI? Pourquoi signer votre Accord Entreprise Microsoft avec SHI? Notre Mission Mission SHI : Un leader mondial du Logiciel Fournisseur global de produits, solutions informatiques et services (SSDI), leader

Plus en détail

Laboratoire d Automatique et Productique Université de Batna, Algérie

Laboratoire d Automatique et Productique Université de Batna, Algérie Anale. Seria Informatică. Vol. IX fasc. 2 Annals. Computer Science Series. 9 th Tome st Fasc. 2 La sélection de paramètres d un système industriel par les colonies de fourmis Ouahab Kadri, L. Hayet Mouss,

Plus en détail

RI sociale : intégration de propriétés sociales dans un modèle de recherche

RI sociale : intégration de propriétés sociales dans un modèle de recherche RI sociale : intégration de propriétés sociales dans un modèle de recherche Ismail Badache 1 Institut de Recherche en Informatique de Toulouse, UMR 5505 CNRS, SIG 118 Route de Narbonne F-31062 Toulouse

Plus en détail

Assises Métallerie 2013. ERP GPAO en métallerie: quelle offres, comment bien choisir son outil de gestion?

Assises Métallerie 2013. ERP GPAO en métallerie: quelle offres, comment bien choisir son outil de gestion? Assises Métallerie 2013 ERP GPAO en métallerie: quelle offres, comment bien choisir son outil de gestion? ERP dans une PME de métallerie ERP dans une PME de métallerie OBJECTIF DE LA PRESENTATION DEFINITION

Plus en détail

Présentation. Pour. Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris

Présentation. Pour. Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris Présentation Pour Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris Email: galais@barloworldscs.com Tel : + 33 1 73 03 04 10 / + 33 6 08 01 52

Plus en détail

Sage 100. pour les PME. Faites de votre gestion un levier de performance

Sage 100. pour les PME. Faites de votre gestion un levier de performance Sage 100 pour les PME Faites de votre gestion un levier de performance À propos de Sage Leader des éditeurs de logiciels de gestion sur le marché des PME dans le monde* Plus de 6 millions d entreprises

Plus en détail

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION THÈSE N O 2388 (2001) PRÉSENTÉE AU DÉPARTEMENT D'INFORMATIQUE ÉCOLE POLYTECHNIQUE FÉDÉRALE

Plus en détail

Chapitre 9 : Informatique décisionnelle

Chapitre 9 : Informatique décisionnelle Chapitre 9 : Informatique décisionnelle Sommaire Introduction... 3 Définition... 3 Les domaines d application de l informatique décisionnelle... 4 Architecture d un système décisionnel... 5 L outil Oracle

Plus en détail

LES INDICATEURS CLÉ DE PERFORMANCE : DÉFINIR ET AGIR

LES INDICATEURS CLÉ DE PERFORMANCE : DÉFINIR ET AGIR Online Intelligence Solutions LES INDICATEURS CLÉ DE PERFORMANCE : DÉFINIR ET AGIR Comment intégrer les KPI à sa stratégie d entreprise? Par Jacques Warren WHITE PAPER WHITE PAPER A PROPOS DE JACQUES WARREN

Plus en détail

.Next. Advanced Customer Service Intelligent Pricing & Promotion

.Next. Advanced Customer Service Intelligent Pricing & Promotion .Next Demand Forecasting Open to buy Assortment Sourcing Optimisation Procurement & Production Planning Advanced Replenishment In store HR Optimisation Mobile Point Of Service CRM & Loyalty Advanced Customer

Plus en détail

Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) IFT702 Planification en intelligence artificielle

Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) IFT702 Planification en intelligence artificielle Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) PLANIFICATION DE TÂCHES DANS MS PROJECT IFT702 Planification en intelligence artificielle Présenté à M. Froduald KABANZA

Plus en détail

Les colonies de fourmis : apprentissage coopératif pour le problème du voyageur de commerce

Les colonies de fourmis : apprentissage coopératif pour le problème du voyageur de commerce : apprentissage coopératif pour le problème du voyageur de commerce Alexandre Bargeton Benjamin Devèze Université Pierre et Marie Curie Présentation du projet ANIMAT 1 Comportements collectifs des insectes

Plus en détail

WHITE PAPER Une revue de solution par Talend & Infosense

WHITE PAPER Une revue de solution par Talend & Infosense WHITE PAPER Une revue de solution par Talend & Infosense Master Data Management pour les données de référence dans le domaine de la santé Table des matières CAS D ETUDE : COLLABORATION SOCIALE ET ADMINISTRATION

Plus en détail

Le ROI du marketing digital

Le ROI du marketing digital Online Intelligence Solutions Le ROI du marketing digital et les Web Analytics Par Jacques Warren WHITE PAPER A propos de Jacques warren Jacques Warren évolue en marketing digital depuis 1996, se concentrant

Plus en détail

Lamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013

Lamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013 Cube de textes et opérateur d'agrégation basé sur un modèle vectoriel adapté Text Cube Model and aggregation operator based on an adapted vector space model Lamia Oukid, Ounas Asfari, Fadila Bentayeb,

Plus en détail

Lecture critique et pratique de la médecine

Lecture critique et pratique de la médecine 1-00.qxp 24/04/2006 11:23 Page 13 Lecture critique appliquée à la médecine vasculaireecture critique et pratique de la médecine Lecture critique et pratique de la médecine Introduction Si la médecine ne

Plus en détail