optimisation de la production - emse.fr · projet de recherche optimisation de la production :...
TRANSCRIPT
G2I Centre Génie Industriel et Informatique
OPTIMISATION DEEQUILIBRAGE DES CH
FABRI
Alexand
Mar
RAPPORT DE2005-5
LA PRODUCTION : ARGES DES LIGNES DE CATION
re DOLGUI
s 2005 RECHERCHE 00-006
Projet de recherche
Optimisation de la production : équilibrage des charges des lignes de fabrication
Alexandre Dolgui Ecole des Mines de Saint Etienne
Centre Génie Industriel et Informatique Département Méthodes Scientifique pour la Gestion Industrielle
RESUME Le sujet de ce projet est le développement d'une méthodologie efficace avec un support informatique
correspondant pour l'équilibrage des charges sur des lignes de fabrication.
Le problème étudié dans ce projet apparaît à l'étape de la conception des lignes de fabrications de différents
types quand un nouveau produit (ou une nouvelle famille de produits) avec ses gammes de fabrication sont
déjà connus. Il faut alors organiser une nouvelle ligne pour fabriquer ce produit (ou ces produits) au moindre
coût tout en respectant des contraintes technologiques. Le même type de problèmes se pose pour des
lignes existantes au moment de lancement en production des nouveaux produits et de changement de
séries, il s'agit alors de rééquilibrage (reconfiguration) de la ligne.
Historiquement, le premier problème de ce type a été connu sous le nom de Simple Assembly Line
Balancing Problem (SALBP), i.e. équilibrage des lignes d'assemblage (il a été posé pour des chaînes
d'assemblage dans l'industrie automobile). Pour ce problème classique, la chaîne a comme objectif de
fabriquer un seul type de produit. Un ensemble d'opérations élémentaires à réaliser sur la chaîne ainsi que
des contraintes de précédence de ces opérations (un ordre partiel obtenu en analysant toutes les gammes
d'assemblage possibles) sont connues. Le temps de cycle de la ligne (productivité voulue) est également
connu. Il faut alors repartir les opérations sur les stations de travail de sorte que le temps mort des stations
soit minimal. Le temps mort de chaque station est défini comme la différence entre le temps de cycle voulu
(la charge objective) et la charge réelle (la somme des temps d'opérations affectées à cette station). Pour ce
problème, la solution avec le minimum de temps mort donne le coût minimal.
Ce modèle classique s'est avéré trop simplifié face à la réalité industrielle. Des contraintes complémentaires
apparaissent, comme, par exemple, celles de l'impossibilité de mettre certaines opérations sur une même
station à cause de l'outillage incompatible, celles également liées aux opérateurs humains, etc. La recherche
des solutions optimales se complique aussi par le fait que les temps d'opérations dépendent du choix de
l'équipement pour la station correspondante. Des classes particulières de problèmes sont formulées pour
des lignes multiproduits où il y a un ensemble de produits différents. Un certain nombre de résultats liés à
1
des modèles généralisés d'équilibrage sont connus dans la littérature, mais il reste encore beaucoup de
problèmes théoriques à résoudre. Le marché informatique commence à proposer quelques solutions
logicielles (voir les outils de Dassault Systèmes et de Tecnomatix) qui peuvent aider les entreprises à
résoudre ce type de problèmes, mais ce marché est loin encore de celui des outils de CAO ou de GPAO
(ERP). Un effort général est nécessaire aussi bien au niveau de la recherche académique que des
développements informatiques.
Nous avons identifié trois points théoriques clés qui seront étudiés dans nos projets futurs :
- Proposer des méthodes d'équilibrage qui tiennent compte de la possibilité de faire certaines
opérations en temps masqué (la durée d'un ensemble d'opération est égale à l'opération la plus
longue, par exemple),
- Etudier la stabilité des solutions optimale vis-à-vis des variations possibles des temps d'opérations
(temps opératoires imprécis, pannes de machines, rebuts),
- Intégrer le choix d'équipement à la résolution du problème d'équilibrage. En nous focalisant sur ces points clés dans ce projet, nous essayerons également de généraliser les
méthodes connues d’équilibrage des charges, en relaxant d'autres hypothèses simplificatrices, en intégrant
dans les modèles des contraintes plus réalistes et en proposant un ensemble de nouveaux critères
d’optimisation ainsi qu'une analyse multicritère. Tout cela pour pouvoir traiter des applications de grande taille, avec de multiples contraintes réelles.
I. ÉTAT DES CONNAISSANCES DU DOMAINE
I.1. Présentation générale du problème d’équilibrage
Une ligne de fabrication est une série de postes de travail (stations de travail), séparées ou non par des
stocks tampons (voir figure 1). En général, le déplacement des produits d'une station à la station suivante
est assuré par un système de transfert (convoyeur, bande roulante, bol vibrant etc.).
Une opération est considérée comme étant une partie élémentaire du travail total sur la ligne, dont le temps
de réalisation s’appelle temps opératoire.
Une station est un élément de la ligne où une partie du travail sur un produit est réalisée. Les
caractéristiques d’une station sont sa dimension, l’ensemble d'outils dont elle dispose, etc. Ces
caractéristiques déterminent les types d’opérations pouvant y être effectuées. Le temps de cycle d’une
station est la durée d’exécution de toutes les opérations affectées à cette station. Les produits fabriqués
passent à tour de rôle par toutes les stations dans l'ordre de leur positionnement. Le temps de cycle de la
ligne est donc le temps maximal pour traiter un produit par n’importe quelle station (le temps de cycle de la
station goulet). Le taux de production (ou la cadence), étant défini comme le nombre de produits fabriqués
par unité de temps, est donc égal à la valeur inverse du temps de cycle de la ligne. Le temps mort d'une
2
station est la différence entre le temps de cycle de la ligne et le temps de cycle de la station correspondante.
Le temps mort de la ligne est égale à la somme du temps mort de toutes les stations de la ligne.
stock tampon station flux de pièces
Figure 1 : Une ligne de fabrication
Les lignes (chaînes) de fabrication sont conçues pour fabriquer un seul type de produit (le cas monoproduit),
ou bien plusieurs types de produits (le cas multiproduit). La demande du marché annuelle définit la cadence
de production voulue et donc le temps de cycle de la ligne maximal T0.
Pour fabriquer un produit, il faut réaliser un ensemble connu d'opérations (éventuellement propre à chaque
type de produits). A l'étape de l'équilibrage de la ligne, toutes les gammes de fabrication possibles pour
chaque type de produits sont supposées également connues. Une gamme de fabrication est une séquence
fixe d'opérations (ordre total). Une analyse de ces gammes permet d'y extraire des contraintes de
précédence entre les opérations (ordre partiel). Ces contraintes peuvent être exprimées, par exemple, sous
la forme d'un graphe de précédence.
Le problème de l'équilibrage se pose pour tous les types de lignes de fabrication, mais initialement il a été
formulé pour des lignes d'assemblage monoproduit. Il s’agissait de trouver une affectation des opérations
aux stations de travail tout en respectant les contraintes de précédence, ne dépassant pas le temps de cycle
total imposé T0, et de sorte que le temps mort total de la ligne soit minimal. Un exemple d'équilibrage est
donné dans la figure 2.
S1 S2 S3
a
hd
c jb
g
f
ie k l
20 6 5
21 15
5
46 16
8
35
15
10
676867
Figure 2 : Un exemple d'affectation des opérations aux stations de travail
3
Pour cet exemple, nous avons 12 opérations { a, b, c, d, e, f, g, h, i, j, k, l }, le temps opératoire est donné à
côté de l'opération correspondante, 20 pour l'opération a, 6 pour l'opération b, et ainsi de suite. Un arc entre
deux opérations dans le graphe de précédence signifie qu'elles sont liées par une contrainte de précédence.
Par exemple, l'arc entre l'opération a et b signifie que l'opération b ne peut pas être commencée avant la fin
de l'opération a. Dans cet exemple, la solution proposée consiste à affecter l'ensemble { a, b, c, d, g } à la
première station, les opérations { e, f, h, i } à la deuxième station et les opérations { j, k, l } à la troisième
station. Pour cette solution, le temps de cycle de la ligne est égal à 68.
Dans [REK 00b], le problème classique d'équilibrage des lignes d'assemblage est défini de manière
mathématique comme ce qui suit. Nous avons un graphe G = (N, E ) non cyclique où N est un ensemble de
sommets représentant les opérations et E est un ensemble d’arcs modélisant les contraintes de précédence.
A chaque sommet i du graphe est associé une constante ti qui donne le temps de l’opération i. Nous
supposons que le temps de cycle T0 de la ligne est connu. Alors, il faut trouver une partition de l’ensemble N
en nombre minimal de sous-ensembles de sorte que la somme des temps ti pour chaque sous-ensemble
soit inférieure ou égale à T0 et qu’il soit possible d’ordonner ces sous-ensembles en tenant compte des
contraintes de précédence des opérations données par E .
Le problème classique d'équilibrage des lignes de production et d'assemblage est très difficile à résoudre à
cause d'une explosion combinatoire du nombre de solutions possibles. Par exemple, il est facile de voir que
sans contraintes de précédence, l’équilibrage devient un problème de placement (bin-packing) connu
comme étant NP- difficile [COF 78].
I.2. État de l’art de la recherche académique
Baybars [BAY 86] a énuméré les principales hypothèses du problème classique d’équilibrage des lignes :
1) les temps opératoires sont déterministes,
2) le splitting est interdit,
3) il y a des contraintes de précédence,
4) il faut réaliser toutes les opérations,
5) n’importe quelle station peut faire n’importe quelle opération,
6) les temps d’opérations ne dépendent pas de la station,
7) n’importe quelle opération peut être affectée à n’importe quelle station,
8) les stations sont disposées en série, le temps d'une station est égal à la somme des temps
d'opérations affectées à cette station,
9) la ligne est conçue pour un seul produit et elle a un seul mode de fonctionnement, et, enfin, soit
10) le temps de cycle T0 est fixe, soit
11) le nombre de stations est fixe.
En tenant compte de ces hypothèses, le temps mort total de la ligne est égal à :
4
∑−iitmT0 , où m est le nombre de stations dans la ligne.
Les problèmes avec l’hypothèse 10) sont connus sous le nom SALB-1. Pour ce type de problème, il faut
minimiser le nombre de stations m (équivalent au temps mort minimal). Les problèmes avec l’hypothèse 11)
s’appellent SALB-2, ici il faut minimiser le temps de cycle T0 (maximiser la productivité).
Notons que SALB-2 est équivalent au problème de minimisation du Makespan pour l’ordonnancement sur m
machines parallèles [COF 78]. D’autres analogies avec des problèmes d’optimisation discrète classiques
sont faites, par exemple, dans [SCH 99].
Il existe deux grandes familles de méthodes de résolution du problème classique d’équilibrage : les
méthodes exactes et les méthodes heuristiques. Les méthodes d’optimisation exactes sont basées sur des
procédures par séparation et évaluation (PSE) ou sur des algorithmes de programmation dynamique [BAY
86], [TAL 86], [SCH 98], [REK 02]. Par exemple, la procédure par séparation et évaluation EUREKA [SCH
98] calcule une borne inférieure du nombre de stations. A chaque branchement, elle choisit un ensemble
d'opération qui formeront une nouvelle station. Le temps mort pour la station courante est calculé. Pour
savoir s’il faut ou non continuer le branchement, le temps mort cumulé (la somme des temps morts de toutes
les stations déjà créées) est comparé avec le temps mort théorique. Ce dernier est calculé en utilisant la
borne inférieure du nombre de stations. L’algorithme essaie de trouver une solution avec un nombre de
stations égal à la borne inférieure, si cela n’est plus possible, alors la borne est incrémentée.
Les méthodes heuristiques les plus connues sont RWP (Ranked Positional Weight) [HEL 61] et COMSOAL
(Computerized Method for Sequencing Operations on Assembly Lines) [ARC 66]. La méthode RWP est
basée sur un classement heuristique des opérations et leur affectation séquentielle aux stations dans l'ordre
de leur priorité. La méthode COMSOAL gère une liste d'opérations "disponibles" (opérations pour lesquelles
tous les prédécesseurs sont déjà affectés) et choisit de manière aléatoire une opération de cette liste pour
l'affecter à la station courante.
Le modèle classique expliqué ci-dessus s'est avéré pas suffisamment complet face à la réalité industrielle.
Les différents travaux de recherche ont été entrepris. Ils sont liés à la généralisation de ce modèle. Deux
types de généralisations existent : la premier est obtenue par suppression d'une ou plusieurs hypothèses
simplificatrices 1)-11) [BAY 86], la deuxième ajoute, quant à elle, de nouveaux critères d'optimisation ou une
analyse multicritère.
Dans la première catégorie, nous citons les publications suivantes : l’équilibrage des lignes mixtes (plusieurs
types de produits) [KIM 96], [REK 00a] [REK 00b] ; l’équilibrage avec des contraintes liées à l’impossibilité
d’affectation de certaines opérations sur certaines stations [TON 61] ou sur la nécessité d’exécution de
certaines opérations sur des stations prédéfinies [GUN 83] ; l'équilibrage avec des stations parallèles [BAR
89] ; etc.
5
Le deuxième type d’extensions est représenté par les travaux suivants. Lee et Johnson [LEE 91] ont étudié
le problème d’équilibrage des lignes avec deux critères : le coût des en-cours et le coût d’acquisition des
machines (équipements) et de leur exploitation. Boukchin et Tzur [BOU 00] ont étudié le problème SALB-1
avec des machines parallèles à chaque station. Le problème est de trouver le type et le nombre de
machines parallèles pour chaque station et une affectation des opérations aux machines de sorte que le
coût de la ligne soit minimal. Les auteurs proposent un modèle de programmation linéaire en nombres
entiers et une PSE.
Pour des problèmes d’équilibrage généralisés, l’utilisation des méthodes exactes est limitée, les approches
les plus utilisées sont celles qui font appel à des méta-heuristiques. McMullen et Frazier [MUL 98] ont
développé un algorithme de recuit simulé pour des lignes avec des machines parallèles. Comme critères, les
auteurs utilisent le coût et le temps de cycle. Ils ramènent ces deux critères à un seul par une pondération.
Mînzu et Henrioud dans [MÏN 97] ont proposé un algorithme de descente stochastique (méthode
« Kangourou ») pour des lignes multiproduits. Le critère est la charge maximale des stations. Les auteurs
ont implémenté cette méthode en Prolog, en utilisant une méthode de propagation des contraintes.
Boutevin et Norre du LIMOS [BTV 02] proposent un algorithme heuristique pour l'équilibrage en temps réel
des charges d'une ligne de montage dans l'industrie automobile, l'objectif est de minimiser le nombre de
postes et d'opérations déplacées tout en tenant compte des différentes contraintes réelles, par exemple,
celles liées à la durée de travail journalière des opérateurs.
Une série de publications de l'équipe de Delchambre [LIT 99], [REK 00b] est consacrée à l’utilisation des
algorithmes génétiques pour des lignes d’assemblage hybrides (assemblage manuel, robotisé et
automatique). Les auteurs étudient des lignes multiproduits. Les deux problèmes suivants sont considérés
conjointement : le problème d’équilibrage et le problème de séquencement. Les auteurs proposent une
procédure itérative et une nouvelle classe d’algorithmes génétiques (Grouping Genetic Algorithms). Les
algorithmes génétiques proposés sont couplés avec des algorithmes de séparation et de coupe (Branch &
Cut) et sont complétés par la méthode d’optimisation multicritère Prométhée.
L’analyse de la littérature nous permet donc de conclure que les trois points suivants ne sont pas ou peu
étudiés, pourtant ils sont d'une importance majeure dans les applications industrielles :
- l’équilibrage des stations avec le regroupement des opérations de la même station en bloc tenant
compte des possibilités de les réaliser en temps masqué ;
- l'analyse de la stabilité des solutions optimales au cas où les temps opératoires peuvent avoir des variations aléatoires ;
- l’équilibrage en tenant compte des variantes possibles d'équipement où le coût est différent d'un
équipement à l'autre, les temps opératoires dépendent de l'équipement choisi et différents
contraintes de compatibilité et incompatibilité existent entre les équipements.
Equilibrage en tenant compte des possibilités de réaliser des opérations en temps masqué.
6
Le problème mathématique d'optimisation à la fois de l'affectation des opérations aux stations et de leur
répartition en blocs (celles qui peuvent se faire en temps masqué) a été posé pour la première fois dans
notre communication [DOL 98]. Suite à cette communication, deux diplômes de DEA et une thèse ont été
soutenus sur ce sujet, deux thèses sont en cours à l'ENSM.SE.
Nous avons trouvé trois méthodes pour résoudre de manière optimale ce problème :
• un programme linéaire en variables mixtes [DOL 00b], [DOL 01], [DOL 02a] ;
• une méthode basée sur la recherche du chemin le plus court sous contraintes dans un graphe spécial
[DOL 99a], [DOL 00a], DOL 00b], [DOL 02b], [DOL 05a];
• heuristiques [DOL 05b].
Les méthodes ci-dessus permettent d’obtenir des solutions optimales pour des problèmes de taille moyenne
(environ 50 opérations) avec le temps de calcul ne dépassant pas 3 heures.
Equilibrage avec les temps opératoires variables.
Les temps opératoires sont souvent considérés comme étant déterministes, ce qui est rarement vrai, surtout
pour les lignes avec les opérateurs humains. Les aléas du comportement humain – état physique et
psychique des ouvriers, leurs niveaux de qualification, de responsabilité et de motivation, etc. – représentent
des éléments d’incertitude non négligeables, difficiles à modéliser et à contrôler. Pour les lignes
automatisées, ce problème se pose également, car pour ce cas il faut tenir compte des pannes et des micro-
arrêts des machines [REK 98].
Il y a relativement peu de publications sur ce problème. Dans tout ce que nous avons trouvé dans la
littérature, il y a deux approches. La première consiste à introduire l’hypothèse que les temps opératoires
suivent la loi de Gauss avec l’espérance mathématique et l’écart type connus. La deuxième considère les
temps opératoires comme des variables floues.
Dans les publications qui utilisent l’hypothèse de la loi de Gauss, les auteurs proposent différentes méthodes
heuristiques pour la minimisation de l’indexe de lissage de la ligne (les charges moyennes des stations aussi
proches que possible). Par exemple, dans [MOO 65] les opérations sont affectées aux stations par ordre
décroissant de leurs temps opératoires moyens. Dans [SAR 99], une PSE est utilisée, les auteurs supposent
que l'espérance mathématique et l'écart type de chaque temps opératoire sont liés par une constante. Ils
n’utilisent donc qu’un seul paramètre pour toutes les opérations (l’espérance mathématique de leur durée).
Par ailleurs, [SUR 94] et [MUL 98] utilisent le recuit simulé, et [SUR 96] exploite les algorithmes génétiques.
Un exemple de traitement sur la base de variables floues et d'un algorithme génétique est donné dans [GEN
96].
Notons aussi que pour palier à l’incertitude des temps opératoires, certains auteurs proposent un nouveau
concept d’organisation des lignes d’assemblage manuelles : les « bucket brigades » [BART 99]. Dans ce
concept, au lieu de faire un équilibrage a priori, des règles particulières de partage du travail entre les
opérateurs sont introduites, qui font que les charges sur les lignes s’équilibrent automatiquement au cours
7
du fonctionnement. Une étude par simulation de ce type de lignes a été faite par Bratcu et Minzu dans [BRA
99] et une méthode d’optimisation a été proposée dans [BRA 01].
Un autre type d'études a été mené récemment [SOT 01] et [SOT 05]. Pour le cas où les temps opératoires
sont estimés par un intervalle de valeurs, nous avons proposé une méthode pour évaluer la stabilité des
solutions optimales par rapport aux perturbations (les valeurs des temps restent dans leur intervalle donné).
Une condition nécessaire et suffisante de stabilité d’une solution optimale d’équilibrage a été obtenue et
démontrée. Cette condition peut être testée en temps polynomial, ce que représente un avantage important
pour la mise en place pratique de la méthode, pour des lignes de grande taille avec beaucoup d’opérations.
Cette nouvelle approche nous semble très prometteuse.
Notons aussi que pour ce cas des temps variables un nouveau problème se pose, celui de
dimensionnement des stocks tampon [DOL 02c].
L'équilibrage avec le choix d'équipement.
Souvent, le problème du choix d’équipement est considéré séparément. Il est connu sous le nom de
Ressource Planning (RP), et comme le problème classique d’équilibrage, il est également NP-difficile.
Le problème classique d’équilibrage (SALBP) ne tient pas compte du choix d’équipements. Pourtant en
fonction de ce choix, les données du problème d'équilibrage ne sont plus les mêmes et réciproquement. En
effet, il est difficile d’imaginer, par exemple, qu'en changeant l’équipement d’une station, les temps
opératoires vont rester les mêmes.
Pour des cas particuliers de résolution simultanée du problème de choix d'équipement et d'équilibrage, il
existe quelques méthodes exactes, comme la programmation en nombres entiers [GRA 83], [BOU 00], et
des méthodes heuristiques [GUS 86]. Comme critère, les auteurs de ces travaux utilisent uniquement le coût
d'équipement. Dans le cas multiproduit, les approches proposées supposent qu'il y a une grande similitude
au sein de la famille de produits traités.
Une approche multicritère pour le cas relativement générale du choix d’équipements est proposée dans
[SYS 99], [DOL 99b]. Elle est basée sur une procédure itérative d’optimisation de Pareto - dont la
convergence est prouvée – en utilisant des heuristiques de sélection à chaque pas. Mais, cette étude
demande d'approfondissement.
I.3. Analyse du marché des logiciels
Beaucoup d’entreprises spécialisées en développement informatique proposent aux industriels des logiciels
intégrant la modélisation 3D, bases de données reparties, accessibles sur Internet, des interfaces
graphiques conviviales pour la conception des produits, mais la fonction d'aide à la configuration du système
de fabrication correspondant y est rarement intégrée.
8
En l'état actuel, des grands groupes internationaux développent souvent leur propre produit pour
l'équilibrage et la conception de leurs chaînes de fabrication, et ces produits ne sont pas connus à
l'extérieure de ces entreprises. Le marché des logiciels pour l'industrialisation et la mise en place des lignes
de fabrication est relativement pauvre. La situation sur ce marché est loin d'être celle du marché des
logiciels de CAO ou celui de GPAO qui, eux, sont presque saturés. La phase importante entre la conception
des nouveaux produits et la gestion de leur production, qui est celle d'industrialisation, est donc peu
informatisée et loin d'être optimisée. Pourtant, c'est elle qui défini, en grande partie, les coûts de fabrication
et les conditions de travail des opérateurs. La réduction du temps de cette phase permet également une plus
grande flexibilité et réactivité des systèmes de production à la fluctuation de la demande des marchés.
Cette situation commence à évoluer avec l'apparition des nouveaux produits par des leaders mondiaux dans
le domaine de CFAO, comme Dassault Systèmes et Tecnomatix. En effet, il y a quelques années, Dassault
Systèmes a acheté la société allemande DELTA, pionnier dans le développement des outils informatiques
pour la conception des lignes de fabrication, et a créé la société Delmia [WWW 1]. A travers cette nouvelle
société, Dassault Systèmes développe et diffuse le produit PLM Process Planning. Nous connaissons mieux
les outils de DELTA, notre explication se basera donc sur leur outil modulaire ERGOPlan qui tentait de
couvrir tous les aspects de l’optimisation des lignes de fabrication – calcul des charges (ErgoFab),
optimisation des coûts (ErgoTek), planification des ressources et équilibrage des charges (ErgoMas), etc. –
tout en respectant la demande d’assurer des conditions ergonomiques de travail.
La démarche de la conception d’une ligne avec cet outil est la suivante : elle commence directement avec
les données de la structure du produit, puis les analyses des temps opératoires sont faites et les contraintes
de précédence y sont ajoutées. Pouvant être lancé en trois modes différents – équilibrage manuel,
équilibrage semi-automatique et équilibrage automatique – ErgoPlan offre également des outils intégrés de
simulation des flux pour des tests dynamiques, en utilisant soit Simple++, soit Dosimis-3, soit ARENA.
Notons ici, que, comme chaque outil nouveau, ErgoPlan a besoin des études de ces performances par la
confrontation des méthodes intégrées dans le logiciel avec les meilleures méthodes théoriques existantes.
Ceci permettra le développement et le perfectionnement du logiciel. Par exemple, nous avons pu constater
que dans l'idéologie de ce logiciel, les opérations pouvant être exécutées en temps masqué doivent être
regroupées ensemble par l'utilisateur lui-même. L'absence d'un algorithme de regroupement optimale (ou
optimisé) nuit beaucoup aux performances du logiciel. La même chose peut être dite sur la nécessité de
compléter le logiciel par des outils d'aide à la décision pour le choix d'équipement et pour l'analyse de la
stabilité des solutions obtenues vis-à-vis des variations aléatoires des temps opératoires.
La société Tecnomatix Technologies Ltd., propose également un ensemble d’outils de ce type [WWW 2],
voir aussi [WWW 3], [WWW 4]. Face à cette période de développement, de nouvelles questions
fondamentales se posent en recherche académique.
Ce nouvel état du marché des logiciels d'aide à la décision en conception des lignes de fabrication,
s'explique aussi par une nouvelle tendance dans le monde industrielle. Si, dans les années 80-90, une
attention particulière a été portée aux systèmes cellulaires, à la mis en îlot et aux ateliers flexibles, alors ces
9
quelques dernières années, nous constatons une tendance nette de retour aux lignes de fabrications qui
sont souvent plus économiques et plus facile à gérer.
II. HYPOTHESES DE TRAVAIL
II.1. Hypothèses classiques
Les hypothèses de travail de base pour ce projet sont celles du problème classique d’équilibrage
(SALBP) pour le cas monoproduit. Nous les avons présentées dans le chapitre de l'état de l'art (cf.
chapitre I). Dans ce projet, nous allons analyser toutes ces hypothèses et enlever celles qui nous semblent
les plus contraignantes pour des applications industrielles, en accord avec les objectifs détaillés que nous
expliquons dans le chapitre III.
Nous avons déjà identifié les trois points clés dans cette étude (d'autres points seront éventuellement
rajoutés au cours du projet suite aux analyses complémentaires de la littérature et après la confrontation des
résultats théoriques avec la pratique industrielle). Quand nous parlons de points clés, nous voulons dire les
points pour lesquels si nous réussissons à obtenir des résultats scientifiques significatifs, alors nous
arriverons à des avancées théoriques importantes et nous prendrons une place stratégique dans ce
domaine. Nous acquérons ainsi des compétences rares et recherchées. Cette conclusion s'appuie sur une
analyse de l'état de la recherche académique, du marché des logiciels et des besoins industriels actuels (cf.
chapitre I).
Dans les paragraphes suivants, nous présentons la manière comment nous allons faire évoluer les
hypothèses de base pour chaque point clé de notre étude.
II.2. Étude de l’équilibrage des lignes admettant des opérations en temps masqués
Pour cette partie de l'étude, nous commençons par la suppression d'une partie de l'hypothèse 8, à savoir :
dans nos modèles le temps d'une station n'est plus égal à la somme des temps d'opérations affectées à
celle-ci. Notons que ceci aura comme conséquences le fait que certaines propriétés classiques ne seront
plus respectées, comme, par exemple, l’équivalence entre le temps mort total minimal et le nombre minimal
de stations.
En modifiant l'hypothèse 8 comme précédemment, nous introduisons la notion de bloc qui est l'ensemble
d'opérations s'exécutant simultanément. Nous étudierons les différentes variantes de temps masqué pour un
bloc, en commençant par le plus simple : le temps de bloc est égal au temps de l'opération la plus longue.
Ensuite, d'autres hypothèses seront étudiées [DOL 00b] comme, par exemple, le chevauchement partiel des
opérations. Pour des lignes de production mécanique, nous étudierons également la dépendance des temps
opératoires des régimes d'usinage, ces derniers étant choisis en fonction des types d'opérations appartenant
au bloc correspondant, etc.
10
Après l'hypothèse 8, nous supprimerons les hypothèses 5 et 7 en introduisant des contraintes de
compatibilité et d'incompatibilité entre les opérations candidates à la même station ou au même bloc. Nous
terminerons notre étude, dans cette partie, par le cas assez général où nous ne garderons que les
hypothèses 1, 2, 3, 4 et 10 (ou 1, 2, 3, 4 et 11).
Pour les lignes d'usinage, la création de blocs d'opérations signifie l’utilisation d'outils composés et des têtes
d'usinage correspondantes. Ce qui nous amène à un nouveau critère : minimiser une somme pondérée du
nombre de stations et du nombre de têtes d'outils [DOL 99a]. Nous avons également un critère plus
sophistiqué qui donne une estimation du coût de revient d’une pièce fabriquée [DOL 00a].
Enfin, notons ici que les modèles que nous envisageons à développer supposeront que toutes les
contraintes technologiques et les préférences de l'utilisateur sont connues ou peuvent être définies de
manière interactive avec l'utilisateur.
II.3. Étude de l’équilibrage des lignes de production avec des temps opératoires variables
Dans ce cas, il faut tenir compte de la présence ou non des stocks tampons entre les stations. Dans le
problème classique, la ligne est supposée cadencée, i.e. sans stock tampon. Nous commencerons avec
cette hypothèse et nous éliminerons d'abord l'hypothèse 1 du problème classique : "les temps opératoires
sont déterministes". Nous travaillerons avec deux nouvelles hypothèses moins restrictives :
- les temps opératoires sont donnés par des intervalles (temps minimum, temps maximum), nous
ne connaissons pas les lois de distribution ;
- les temps opératoires suivent des lois de Gauss.
Nous allons ensuite, comme c'était déjà expliqué dans le paragraphe précédent, supprimer des hypothèses
restrictives du problème classique en ne gardant, cette fois, que les hypothèses 2, 3, 4, 8 et 10 (ou 2, 3, 4, 8
et 11). A la fin de cette partie d'étude, nous réfléchirons sur l'influence de l’introduction des stocks tampons,
en prenant en compte les résultats déjà obtenus [DOL 02c].
II.4. Étude du choix d’équipements
Nous commençons par le problème classique d'équilibrage avec les hypothèses 1-10 (ou 1-9, 11) mais en
supposant que les temps opératoires dépendent de l'équipement choisi et cela quelle que soit la station.
Nous utiliserons comme critère la minimisation du coût total de l'équipement. Ensuite, nous allons faire
évaluer les hypothèses comme dans le paragraphe II.2 puis comme dans le paragraphe II.3. Nous
terminerons par le cas plus général avec les hypothèses 2, 3 4, 10 (ou 2, 3, 4 et 11) et par une analyse
multicritère.
11
III. OBJECTIFS DETAILLES
III.1. Objectifs généraux
Ce projet a comme objectif le développement d'un ensemble de méthodes d'aide à la décision permettant la
réduction du cycle d'industrialisation entre la conception d'un nouveau produit et son apparition sur le
marché, la diminution du coût de fabrication et l'amélioration des conditions de travail.
Cet objectif global peut être atteint par un ensemble d'objectifs partiels. Chaque objectif partiel vise à la
généralisation des approches d’équilibrage des charges connues de sorte qu'elles tiennent mieux compte
de la réalité industrielle et qu'elles soient utilisables pour des lignes de grande taille avec différents types de
contraintes technologiques.
Nous allons montrer maintenant ces objectifs partiels permettrant d'atteindre l'objectif global. Nous les
définirons :
a) par rapport aux principales étapes du projet ;
b) par rapport aux points clés (stratégiques) de l'étude.
Par rapport aux principales étapes du projet, nous avons les objectifs suivants :
1) développement d'outils de modélisation permettant d'intégrer les contraintes et les objectifs industriels
d'équilibrage des charges ;
2) développement de méthodes analytiques d'optimisation pour chaque type de problèmes clés énumérés
dans le chapitre précédent ;
3) développement d'algorithmes heuristiques, sur la base de méthodes analytiques proposées, capables
de traiter des problèmes de grande taille en tenant compte de l'ensemble des contraintes industrielles ;
4) développement de modèles de simulation pour l'évaluation des performances des méthodes proposées
en tenant compte de l'ensemble des critères (productivité, charges, coût d’équipement, etc.) ;
5) vérification et validation des algorithmes sur des exemples industriels concrets en provenance de
l'industrie automobile, par exemple.
L'objectif de valorisation de nos résultats dans le monde industriel doit se concrétiser à travers nos contacts
industriels, mais également par l'utilisation de ces modèles pour des problèmes analogues chez nos autres
partenaires (assemblage chez les sous traitants automobile, montage électronique,… ) et pour d'autres
activités organisées en ligne (chaîne d'approvisionnement en produits alimentaires,… ).
Pour la diffusion plus large des résultats, nous avons comme but d'entrer en contact plus étroit avec des
éditeurs de logiciels – comme Delmia ou Tecnomatix – afin de voir comment pouvons-nous intégrer ces
nouvelles méthodes d’équilibrage dans leur logiciel.
Nos objectifs par rapport aux points clés sont expliqués dans les paragraphes suivants.
12
III.2. Équilibrage des lignes de production avec le temps masqué
Dans nos travaux, voir par exemple [DOL 98], [DOL 99a], [DOL 00b], [DOL 01], [DOL 02a], nous avons traité
une classe de problèmes de ce type avec les hypothèses 1, 2, 3, 4, 6, 8 (modifiée), 9, 10. Il s'agissait des
lignes de transfert ayant la possibilité de réalisation simultanée de plusieurs opérations avec outils
composés et des têtes d'outils correspondantes (permettant de faire plusieurs opérations en même temps).
Le problème était de repartir des opérations par stations et par têtes d'outils en minimisant le nombre de
stations et de têtes d'outils dans la ligne. Nous avons proposé deux classes des modèles avec des
méthodes exactes pour la recherche de solutions optimales : la programmation en variables mixtes et la
recherche du chemin le plus court dans un graphe. Ces méthodes ont montré leur efficacité pour des
problèmes de taille réduite avec environ 50 opérations. Ce sont des résultats tout à fait nouveaux qui
demandent encore du développement et des applications industrielles.
Dans ce projet, nous avons comme objectif d'approfondir ces résultats dans les directions suivantes :
- obtenir ces deux types de modèles pour tout un ensemble de problèmes, du plus simple au plus
complexe, en supprimant une par une les hypothèses restrictives utilisées (cf. chapitre II),
- montrer les limites des modèles de ce type ;
- améliorer les performances des modèles obtenus permettant leur utilisation pour des problèmes de taille
moyenne ;
- proposer des heuristiques pour traiter des problèmes de grande taille (par exemple, en découpant les
graphes de précedence en sous graphes de taille plus petite).
III.3. Équilibrage des lignes de production compte tenu de la variabilité des temps opératoires
Dans notre projet, le problème d’équilibrage des charges sera également étudié pour les cas où les temps
opératoires peuvent varier. D'abord, nous supposons que les lois de distribution de probabilité de ces temps
ne sont pas connues et que nous connaissons uniquement les intervalles valides. Nous rechercherons des
méthodes d’équilibrage efficaces qui tiennent compte de cette condition. Ensuite, nous allons élargir notre
approche au cas où les temps opératoires suivent des lois de Gauss.
Nous allons également étudier la stabilité de l’équilibrage optimale par rapport à des variations de temps
d’opérations (problème dual). Nous voudrions développer des méthodes permettant de répondre à la
question suivante : dans quelle mesure les temps opératoires peuvent changer pour que la solution obtenue
soit toujours optimale ? Les premiers résultats de ce type [SOT 01] et [SOT 05] se basent sur le calcul des
"rayons de stabilité" des solutions optimales.
Nous essaierons d'obtenir différents modèles en supprimant une par une les hypothèses restrictives (cf.
chapitre II). Le but est de fournir un ensemble de méthodes et de montrer explicitement les limites de cette
approche.
Une possibilité d’extension des résultats aux lignes avec stocks tampons, est également envisagée [DOL
02c].
13
III.4. Intégration du choix d’équipements dans le problème d’équilibrage
La plupart des approches de la littérature considèrent ce problème comme un problème postérieur à
l’obtention des solutions d’équilibrage. Mais, étant donné que les temps opératoires dépendent du choix
d'équipement, nous avons donc comme objectif de développer des modèles et des méthodes qui permettent
de résoudre ces deux problèmes simultanément (problème composé).
Dans un premier temps, nous nous proposons d’intégrer le choix d’équipements (planification des
ressources – RP) dans le problème classique d’équilibrage, i.e. dans SALBP.
Notre but est de développer des modèles exacts (programmation mathématique, théorie des graphes,… )
pour les cas particuliers de ce problème composé. Ensuite, à base des méthodes obtenues, nous
élaborerons des procédures heuristiques d'optimisation permettant de traiter des problèmes de grande taille
en supprimant certaines hypothèses restrictives (cf. chapitre II). Pour cette dernière phase, notre objectif est
de proposer un modèle multicritère d'aide à la décision, qui tient compte d’un plus grand nombre de
contraintes industrielles.
La recherche que nous avons commencée sur ce thème est basée sur une méthode itérative d’optimisation
de Pareto [DOL 99b]. L'utilisateur doit pouvoir intervenir au cours du déroulement de ces algorithmes pour
introduire ses préférences, pour pouvoir modifier le comportement de l’algorithme.
IV. METHODOLOGIES ENVISAGEES Le problème d’équilibrage des charges est un problème d’optimisation complexe. Pour pouvoir l’aborder de
manière efficace, nous proposons : a) de le décomposer en sous-problèmes, b) d’étudier chacun des sous-
problèmes, pour proposer des modèles et des méthodes efficaces et pour trouver leurs limites. Ensuite,
nous allons : c) revenir au problème initial pour rechercher une procédure d’aide à la décision intégrant les
modèles partiels et permettant une analyse d’un ensemble de critères. Etant donné la complexité du
problème et la présence de beaucoup de contraintes en provenance de différents métiers que nous ne
pouvons pas toujours formaliser, la procédure d’aide à la décision doit être itérative et interactive.
L’utilisateur doit pouvoir changer les contraintes des modèles et les critères d’optimisation pour essayer
différentes hypothèses et pour exprimer ses préférences.
IV.1. Choix d’un cadre de travail
Nous allons effectuer ce travail à travers la collaboration avec nos partenaires, la recherche de nouveaux
exemples industriels et l’analyse de la littérature. Nous pensons que les composants indispensables de ce
cadre sont à la fois les connaissances approfondies de la problématique industrielle, l'assimilation des
concepts des logiciels commerciales d'aide à la décision du domaine et la maîtrise complète de l'état de l'art
dans la recherche académique.
14
Nous utiliserons des exemples industriels et les exemples qui ont été traité par nos partenaires
académiques. Cela nous permettra de vérifier et conforter nos conclusions concernant les principales
contraintes industrielles et les problèmes prioritaires à résoudre.
Nous effectuons une analyse plus approfondie des logiciels existants sur le marché, comme celle de Delmia
ou de Tecnomatix, pour avoir la vision complète sur :
− leurs fonctions ;
− les problèmes qu’elles peuvent résoudre ;
− les contraintes dont il est possible de tenir compte ;
− l’efficacité des solutions obtenues.
Dans cette partie du travail, nous comptons beaucoup sur nos contacts avec Delmia de Dassault Systèmes.
Nous allons affiner notre analyse bibliographique, afin de compléter notre classification des différentes
approches académiques (les hypothèses de travail, l’objectif d’optimisation, les méthodes de résolution).
Une codification des problèmes d’équilibrage des charges sera proposée simplifiant la comparaison des
approches existantes et, pour un problème réel, la recherche des méthodes appropriées. C’est une aide
méthodologique indispensable à toute démarche d’analyse et de conception. À son tour, l’analyse des cas
réels permettra de dégager des caractéristiques communes des problèmes rencontrées en pratique et
d’identifier d’autres problèmes non encore résolus.
IV.2. Modélisation
Cette phase est essentielle pour une bonne formulation des problèmes étudiés et pour leur résolution. Deux
types de modèles seront principalement utilisés : ceux qui sont basés sur la théorie des graphes et ceux
basés sur la programmation linéaire en variables mixtes [DOL 00b]. Nous avons remarqué que ces modèles
sont complémentaires.
Les modèles basés sur les graphes demandent en général le développement d’algorithmes spécialisés,
tandis que les modèles de programmation linéaire se prêtent bien au traitement par des solveurs existants
sur le marché. A l’ENSM.SE, nous avons acquis les solveurs Cplex et Xpress-MP. Nous les avons déjà
utilisés pour le prototypage et pour le test de nos modèles [DOL 00c], [DOL 02a], [DOL 05b].
IV.3. Développement de méthodes de résolution a) Méthodes optimales exactes
Pour les méthodes exactes, notre objectif est de :
- trouver les méthodes efficaces qui permettent de traiter les cas de taille plus grande ;
- démontrer les propriétés théoriques des problèmes traités ;
- montrer quelles sont les méthodes qui sont les mieux adaptées à chaque problème ;
- montrer les limites des méthodes proposées.
15
Nous allons développer des méthodes d’optimisation exactes pour des problèmes présentés dans le
chapitre II. Nous rechercherons pour cela des PSE efficaces (bornes inférieures, propriétés de
dominance,…). Nous développerons également notre approche de graphe [DOL 99a], [DOL 00b], [DOL 02b]
qui consiste à transformer le problème initial en problème de recherche du chemin le plus court dans un
graphe spécialement construit. Pour cette approche, la difficulté principale réside dans la construction de ce
graphe spécial. Nous avons déjà démontré quelques propriétés de dominances, permettant d'améliorer les
performances de nos algorithmes. Cette recherche doit continuer. Notons aussi, que dans l’état actuel de
notre méthode, à partir des données du problème, nous construisons d’abord ce nouveau graphe, ensuite
nous recherchons le chemin le plus court sous contraintes. Il nous semble possible de mettre ensemble ces
deux procédures, i.e. rechercher le chemin plus court tout en construisant le graphe.
Pour un problème d'équilibrage avec les temps masqués, nous avons montré qu'il peut être présenté sous la
forme d'un programme linéaire en variables mixtes [DOL 00b]. Nous continuerons donc à explorer cette piste
en utilisant des solveurs disponibles à l'ENSM.SE (Cplex, Xpress-MP). Pour cette approche, il est possible
d’améliorer ses performances en diminuant le nombre de variables entières des modèles par une analyse
plus approfondie des contraintes, en reformulant ces contraintes afin de remplacer des variables entières
par des variables réelles, et en diminuant le nombre de contraintes (en remplaçant un ensemble de
contraintes par une seule contrainte équivalente). Certaines idées sont données dans nos publications
récentes [DOL 00b], [DOL 01], [DOL 02b].
b) Heuristiques
Les problèmes d’équilibrage des lignes de fabrication sont NP-difficiles, il est donc illusoire de penser que
nous pourrons traiter par des méthodes exactes tous les problèmes quelle que soit leur taille. Nous allons
donc développer des méthodes heuristiques [DOL 05b]. Ces heuristiques se baseront sur des extensions
d'heuristiques existantes (COMSOAL, par exemple), mais aussi et surtout sur des procédures de
décomposition. Par exemple, nous explorerons l'approche basée sur la partition de l'ensemble des
opérations en sous-ensembles, en utilisant, pour chaque sous-ensemble, les méthodes exactes. Pour
développer cette approche, nous travaillons sur le choix des méthodes de décomposition, la définition des
contraintes pour chaque sous-ensemble et sur leur mise à jour à chaque étape de la procédure en tenant
compte des résultats de l'optimisation des sous-ensembles connexes. Certaines idées sont données dans
notre travail [DOL 00b].
Les heuristiques sont un premier pas pour contourner la difficulté des problèmes de grande taille. Sur
certaines données, une solution heuristique peut se révéler d’une qualité convenable. Mais il est possible de
tomber dans un optimum local qui peut être très loin de l'optimum global. Pour essayer d'éviter cette
situation, nous utiliserons également des approches méta-heuristiques. Les résultats des algorithmes
heuristiques peuvent, dans ce cas, être utilisés comme un point de départ d'une méta-heuristique.
c) Méta-heuristiques
L’idée de base des méta-heuristiques est l’amélioration itérative d’une solution initiale tout en essayant
d'éviter des optima locaux. Étant particulièrement prometteuses pour les problèmes de grande taille, les
16
méta-heuristiques permettent l’implémentation de solutions logicielles puissantes et flexibles du point de vue
de l’ajout de nouvelles contraintes et critères.
La littérature est assez riche en de telles approches : la recherche tabou, les méthodes évolutionnistes
(surtout les algorithmes génétiques), les méthodes stochastiques (par exemple, le recuit simulé, l’algorithme
« kangourou », etc.) ont déjà été utilisées pour l'équilibrage des charges. Nous avons l'expérience d'utiliser
les algorithmes génétiques, la méthode de Ψ-transformation, et la méthode "multi-start".
d) Couplage de méthodes
Le couplage de méthodes de résolution est utilisé pour combiner les avantages de plusieurs méthodes, tout
en atténuant leurs points faibles respectifs. En effet, nous trouvons dans la littérature différentes approches
« hybrides », par exemple, combinaisons d’une méthode exacte avec une méthode heuristique ou méta-
heuristique, qui ont montré leur efficacité pour différents problèmes. Une des applications possibles de cette
approche dans notre étude est d'utiliser, par exemple, un programme linaire à variable mixte pour des sous-
ensembles d'opérations de taille abordable. L'ensemble des opérations est décomposé en sous-ensembles
par une approche heuristique. Les paramètres de cette dernière sont optimisés par une meta-heuristique.
e) Analyse multicritère
Il est difficile de formuler un seul et unique critère pour les problèmes d'équilibrage industriels. Nous
envisageons donc de travailler également sur des méthodes multicritères. Nous étudierons les possibilités
d'intégration dans notre démarche générale des méthodes connus d'analyse multicritère comme, par
exemple, celles qui sont basées : sur une classification hiérarchique des critères, sur la méthode de
compromis, sur la programmation par des objectifs, etc. Mais notre attention particulière sera portée sur la
généralisation de l'approche itérative de construction de l'ensemble Pareto. Dans cette approche, à chaque
itération, nous avons un ensemble de solutions efficaces et nous recherchons de nouvelles solutions. Nous
les comparons ensuite avec les solutions efficaces courantes. Les solutions dominées sont éliminées. Ces
méthodes ont été déjà exploités dans [DOL 99b], [SYS 99]. Nous allons approfondir ces résultats et les
intégrer dans l'approche générale de ce projet.
IV.4. Validation et simulation
Chaque étape du projet et chaque modèle obtenu sera validé par un jeu de tests. Pour les construire nous
utiliserons : a) des exemples académiques de la littérature, b) des exemples générés de manières
aléatoires, c) des exemples industriels en provenance de nos partenaires (universitaires et industriels). Nous
ferons des tests comparatifs pour connaître les performances de nos méthodes par rapport à celles
intégrées dans les logiciels du marché (dans la partie où cette comparaison est possible, i.e. pour des cas
où le logiciel offre des outils d'analyse et d'optimisation). Nous mesurerons également le gain possible suite
à l'intégration de nos méthodes dans ce logiciel (ou dans ceux de leurs concurrents).
Notre approche de ce type de problèmes (voir la figure 3) consiste donc en l’utilisation conjointe des
méthodes exactes, des méthodes heuristiques, de la simulation et des méta-heuristiques de manière
suivante : par décomposition du problème initial, nous essayons de trouver jusqu’où pouvons-nous utiliser
des modèles simplifiés pour la recherche efficace de solutions optimales exactes. Ensuite, s’il le faut, nous
17
procédons par couplage des modèles obtenus avec des algorithmes heuristiques. Pour pouvoir estimer
l'ensemble des critères possibles, nous utilisons la simulation et pour essayer d'éviter les optima locaux nous
completons les méthodes par des méta-heuristiques.
Simulation
Heuristiques
Méthodes exactes
Méta-heuristiques
Figure 3 : Approche scientifique générale
Dans notre approche, nous tiendrons compte à la fois de l'état de l'art dans la recherche théorique et des
capacités des logiciels existants sur le marché. Un de nos objectifs à moyen terme est d'intégrer nos
méthodes dans un logiciel du marché.
Nous essayons de monter une collaboration internationale sur ce thème de recherche, en bénéficiant des
compétences reconnues de nos partenaires et de la place que notre équipe a su prendre suite à ses
publications.
V. RESULTATS ATTENDUS
V.1. Sur le plan scientifique
Sur le plan scientifique nous attendons de ce projet :
• de nouvelles méthodes exactes pour l'optimisation de l'équilibrage des lignes de fabrication en tenant
compte du temps masqué ;
• de nouvelles méthodes exactes pour l'optimisation du choix et l'affectation de l'équipement ;
• des méthodes d'analyse de stabilité (robustesse) des solutions optimales vis-à-vis des variations
aléatoires des temps opératoires ;
• des conclusions sur la capacité des méthodes exactes et leurs domaines d'application ;
• des algorithmes heuristiques efficaces à base des méthodes exactes proposées, pour pouvoir traiter des
problèmes de grande taille ;
• des méta-heuristiques adaptées aux problèmes traités ;
• des techniques de couplages intelligents de différentes méthodes ;
• des techniques d'aide à la décision multicritère.
18
V.2. Sur le plan de la valorisation
Sur le plan de la valorisation industrielle, ce projet a comme objectif la réduction du cycle d'industrialisation entre la conception d'un nouveau produit et son apparition sur le marché, la diminution du coût de fabrication et l'amélioration des conditions de travail sur des lignes de fabrication.
Nous avons des partenaires industriels dans ce projet. Ce partenariat nous permettra, dès le début de ce
projet, de mieux comprendre les problèmes industriels de ce type dans le secteur automobile, d'avoir des
exemples réels et des appréciations industrielles de nos approches. Le partenariat avec Dassault Systèmes
ou Tecnomatix que nous envisageons a pour objectif une coopération "laboratoire de recherche universitaire
- société de service - industrie ".
La réalisation de ce projet créera une très bonne base pour le transfert de technologie au G2I. En effet, pour
développer des activités de transfert de technologie, il faut une certaine période d'investissement dans les
activités de recherche sur les axes où il y a un vrai défi industriel et des compétences manquantes. Nous
considérons que le problème d'équilibrage des charges des lignes de production est un domaine stratégique
de ce point de vue. Cela s'explique par les points suivants :
• il y a une demande industrielle insatisfaite et en pleine croissance ;
• il s'agit de l'étape clé du cycle de vie d'un système de production qui définie les coûts de fabrication et la
compétitivité des entreprises (le gain ici peut être très important) ;
• les solutions logicielles sont presque absentes, même pour des problèmes de bases ;
• c'est un problème d'optimisation combinatoire qui est relativement peu étudié dans le monde
académique (par rapport à d'autres problèmes d'optimisation combinatoire) ;
• le nombre de laboratoires de recherche universitaires qui travaillent sur ce problème, pour l'instant, est
relativement faible.
La valorisation des résultats de notre recherche sera également faite à travers de l'enseignement.
V.3. Sur le plan de l'image de l'ENSM.SE
Les enseignants chercheurs de l'ENSM.SE présentant ce projet ont déjà des résultats reconnus dans ce
domaine. Ces résultats sont diffusés à travers des publications scientifiques de haut niveau, des sessions
invitées en conférences (par exemple, au congrès mondial de l'IFAC 2002) et des numéros spéciaux des
revues internationales que nous avons édités.
La recherche sur l’équilibrage des lignes de production connaît un développement assez important ces
dernières années au niveau international. Mais malheureusement, les laboratoires français ne développent
pas ou peu cette thématique, nous espérons à travers ce projet de relancer cette activité au niveau
nationale.
19
La renommée internationale de nos partenaires académiques, la participation d'industriels, nos propres
compétences et les efforts que nous effectuons pour développer cette thématique, créent des conditions très
favorables pour la création d'un réseau d'excellence scientifique avec une forte orientation pratique.
VI. BIBLIOGRAPHIE
[ARC 66] Arcus, A. L. – "COMSOAL: A computer method of sequencing operations for assembly lines",
International Journal of Production Research, Vol. 4, 1966, pp. 259-277. [BARD 89] Bard, J. F. – "Assembly line balancing with parallel workstations and dead time", International
Journal of Production Research, Vol. 27, No. 6, 1989, pp. 1005-1018. [BART 99] Bartholdi, J.J., L.A. Bunimovich and D.D. Eisenstein – “Dynamics of 2- and 3- workers bucket
brigade production line”, Operations Research, Vol. 47, No. 3, 1999, pp. 488-491. [BAY 86] Baybars, I. – "A survey of exact algorithms for the simple line balancing problem", Management
Science, Vol. 32, 1986, pp. 909-932. [BOU 00] Boukchin, J. and M. Tzur – "Design of flexible assembly line to minimize equipment cost", IIE
Transactions, Vol. 32, 2000, pp. 585-598. [BTV 02] Boutevin C., S. Norre – “Equilibrage de la charge sur une ligne de montage de véhicules“,
European Journal of Automated Systems (APII-JESA), Vol. 36, No.1, 2002, p.33-58. [BRA 99] Bratcu, A. and V. Mînzu – “A Simulation Study of Self-balancing Production Lines”, Proceedings
of the 1999 IEEE International Conference on Intelligent Engineering Systems (INES ’99), Stará Lesná, Slovakia, 1999, pp. 165-170.
[BRA 01] Bratcu, A. – Détermination systématique des graphes de précédence et équilibrage des lignes d’assemblage, Thèse de Doctorat, Université de Franche-Comté, Besançon, France, 2001.
[BRA 05] Bratcu A., and A. Dolgui, – "A Survey of the Self-Balancing Production Lines (Bucket Brigades)". Journal of Intelligent Manufacturing, Vol. 16, No. 2, 2005, pp. 139-158.
[COF 78] Coffman, E.G., M.R. Garey and D.S. Johnson – "An application of bin-packing to multiprocessor scheduling", SIAM Journal on Computing, Vol. 7, 1978, pp. 1-17.
[DOL 98] Dolgui A., N. Guschinski, and G. Levin. – "Decomposition approach to optimize structure and parameters of manufacturing processes of multiposition machining". Computer-Aided Design/ Computer-Aided Manufacturing (CAD/CAM'98), A.G. Rakovitch (Ed.) (ISBN 985-6453-17-8), Academy of Sciences, Minsk, 1998, pp. 77-78.
[DOL 99a] Dolgui, A., N. Guschinsky, and G. Levin – "On problem of optimal design of transfer lines with parallel and sequential operations", Proceedings of the 7th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA’99), Spain, J.M. Fuertes (Ed.), IEEE Press, 1999, Vol. 1, pp. 329-334.
[DOL 99b] Dolgui A., V. Sysoev, – “Un exemple d'optimisation multicritère en conception des systèmes de production“, Actes du 3ème Congrès International de Génie Industriel, 26-28 mai 1999, Montréal, Canada, Presses Internationales Polytechnique, 1999, Vol. 1, pp. 575-584.
[DOL 00a] Dolgui A., N. Guschinsky, and G. Levin, – “Decomposition Methods to Optimize Transfer Line with Parallel and Sequential Machining “, Management and Control of Production and Logistics: A Proceedings Volume of the IFAC Conference, Grenoble, 5-8 July 2000, Z. Binder (Ed.), Elsevier Science, 2001, Vol.3., p. 983-988.
[DOL 00b] Dolgui, A., N. Guschinsky, and G. Levin – Approaches to balancing of transfer lines with blocks of parallel operations, Research Report, University of Technology of Troyes / Institute of Engineering Cybernetics, Minsk, Preprint No. 8, 2000, 42 pages.
[DOL 00c] Dolgui, A., N. Guschinsky, G. Levin, and Y. Harrath – "Optimal design of a class transfer lines with blocks of parallel operations", Manufacturing, Modelling, Management and Control: A Proceedings Volume of the IFAC Symposium, Patras, Greece, 2000, P.P. Groumpos and A.P. Tzes (Eds.), Elsevier Science, 2001, pp. 36-41.
[DOL 01] Dolgui, A., N. Guschinsky, and G. Levin – "A Mixed Integer Program for Balancing of Transfer Line with Grouped Operations", Proceedings of the 28th International Conference on Computer and Industrial Engineering, Florida, March 5-7, 2001, pp. 541-547.
20
[DOL 02a] Dolgui, A., N. Guschinski, Y. Harrath and G. Levin – “Une approche de programmation linéaire pour la conception des lignes de transfert”, European Journal of Automated Systems (APII-JESA), Vol. 36, No.1, 2002, pp.11-33.
[DOL 02b] Dolgui, A., N. Guschinski, and G. Levin – “ Optimal Design of Automated Transfer Lines with Blocks of Parallel Operations", 15th IFAC World Congress, Barcelona, Spain, 6 pages
[DOL 02c] Dolgui A., A. Ereemev, A. Kolokolov, and V. Sigaev, – “A Genetic Algorithm for Buffer Allocation in Production Line with Unreliable Machines", Journal of Mathematical Modelling and Algorithms, No. 2, 2002, pp. 89-104.
[DOL 05a] Dolgui, A., N.Guschinsky, G. Levin. A Special Case of Transfer Lines Balancing by Graph Approach, European Journal of Operational Research, 2005, (In Press)
[DOL 05b] Dolgui, A., B. Finel, N. Guschinsky, G. Levin, and F. Vernadat, – “An heuristic approach for transfer lines balancing“, Journal of Intelligent Manufacturing, Vol. 16, No. 2, 2005, pp. 159-171.
[GEN 96] Gen, M., Tsujimura Y., and Y. Li – “Fuzzy Assembly Line Balancing Using Genetic Algorithms“, Computers and Industrial Engineering, Vol. 31, No.3/4, pp. 631-634.
[GRA 83] Graves, S.C. and B.W. Lamar – “An integer programming procedure for assembly system design problems”, Operations Research, Vol. 31, No. 3, 1983, pp. 522-545.
[GRO 87] Groover, M.P. – Automation, Production Systems and Computer Integrated Manufacturing, Prentice Hall, Englewood Cliffs, New Jersey, 1987.
[GUN 83] Gunther, R.E., G.D. Johnson and R.S. Peterson – "Currently practice formulation for the assembly line balance problem", Journal of Operations Management, Vol. 3, 1983, pp. 209-221.
[GUS 86] Gustavson, R.E. – Design of cost effective assembly systems, C.S. Draper Laboratory Report, No. P-2661, Cambridge, Massachussets, U.S.A., 1986.
[HEL 61] Helgenson, W.B. and D.P. Birnie – "Assembly Line Balancing Using Ranked Positional Weight Technique", Journal of Industrial Engineering, Vol. 12, 1961, pp. 394-398.
[KIM 96] Kim, Y.K., Kim Y.J., and Y. Kim – "Genetic Algorithms for assembly line balancing with various objectives", Computers and Industrial Engineering, Vol. 30, No.3, 1996, pp. 397-409.
[LEE 91] Lee, H.F. and R.V. Johnson – "A Line Balancing Strategy for Designing Flexible Assembly Systems", International Journal of Flexible Manufacturing Systems, Vol. 3, 1991, pp. 91-120.
[LIT 99] De Lit, P., B. Rekiek, F. Pellichero, A. Delchambre, J. Danloy, F. Petit, A. Leroy, J.-F. Marée, A. Spineux, and B. Raucent – "A New Philosophy for the Design of a Product and its Assembly Line", Proceedings of the 1999 IEEE International Symposium on Assembly and Task Planning (ISATP '99), Porto, Portugal, 1999.
[MÎN 97] Minzu, V. and J-M. Henrioud – “Assignment stochastic algorithm in multi-product assembly lines”, Proceedings of ISATP ’97, IEEE Press, 1997, pp. 109-114.
[MOO 65] Moodie, C.L. and H.H. Young – “A heuristic method of assembly line balancing for assumptions of constant or variable work element times”, Journal of Industrial Engineering, Vol. 16, No. 1, 1965, pp. 23-29.
[MUL 98] McMullen, P.R. and G.V. Fraizer – "Using simulated annealing to solve a multi-objective assembly line balancing problem with parallel workstation", International Journal of Production Research, Vol. 36, No. 10, 1998, pp. 2717-2741.
[REK 98] Rekiek, B. and A. Delchambre – “Ordering variants and simulation in multiproduct assembly lines”, Proceedings of VR-Mech '98, Brussels, Belgium, 1998, pp. 49-54.
[REK 00a] Rekiek, B. – Assembly line design, Thèse de Doctorat, Université Libre de Bruxelles, 2000. [REK 00b] Rekiek, B., P. De Lit and A. Delchambre – "Designing Mixed-Product Assembly Lines", IEEE
Transactions on Robotics and Automation, Vol. 16, No. 3, 2000, pp. 268-280. [REK 02] Rekiek, B., A. Dolgui, A. Delchambre, and A. Bratcu. State of art of assembly lines design
optimization. Annual Reviews in Control, 2002, Vol. 26, No. 2, pp. 163-174. [SAR 99] Sarin, S.C., Erel E., and E.M. Dar-El – "A methodology for solving single-model, stochastic
assembly line balancing problem". OMEGA The International Journal of Management Science, Vol. 27, 1999, pp. 525-535.
[SCH 98] Scholl, A. and R. Klein – "Balancing assembly lines effectively: a computational comparison", European Journal of Operational Research, No.114, 1998, pp. 51-60.
[SCH 99] Scholl, A. – Balancing and Sequencing of Assembly Lines, Physica-Verlag, Heidelberg, 1999.
21
[SOT 01] Sotskov, Yu. N. and A. Dolgui – “Stability Radius of the Optimal Assembly Line Balance with Fixed Cycle Time”, Proceedings of the IEEE Conference ETFA 2001, IEEE Press, 2001, pp. 623-628.
[SOT 05] Sotskov, Yu. N., A. Dolgui, M.C. Portmann – “Stability Analysis of Optimal Balance for Assembly Line with Fixed Cycle Time“. European Journal of Operational Research, 2005, (In Press)
[SUR 94] Suresh, G. and S. Sahu – “Stochastic assembly line balancing using simulated annealing”, International Journal on Production Research, Vol. 32, No. 8, 1994, pp. 1801-1810.
[SUR 96] Suresh, G., V.V. Vinod and S. Sahu – “A genetic algorithm for assembly line balancing”, Production Planning and Control, Vol. 7, 1996, pp. 38-46.
[SYS 99] Sysoev, V. and A. Dolgui – “A Pareto optimization approach for manufacturing system design”, Proceedings of the International Conference on Industrial Engineering and Production Management (IEPM’99), Glasgow, U.K., 1999, Book 2, pp. 116-125.
[TAL 86] Talbot, F.B., J.H. Paterson and W.V. Gehrlein – "A comparative evaluation of heuristic line balancing techniques", Management Science, Vol. 32, 1986, pp. 430-454.
[TON 61] Tonge, F. – A Heuristic Program for Assembly Line Balancing, Englewood Cliffs, N.J., Prentice-Hall Inc., 1961.
[WWW 1] www.delmia.com [WWW 2] www.tecnomatix.com [WWW 3] www.unicam.com [WWW 4] www.optimaldesign.com
22
Les rapports de recherche du Centre G2I de l'ENSM-SE
sont disponibles en format PDF sur le site Web de l'Ecole
G2I research reports are available in PDF format on the site Web of ENSM-SE
www.emse.fr
Centre G2I Génie Industriel et Informatique
Division for Industrial Engineering and Computer Sciences
(G2I)
Par courier : By mail:
Ecole Nationale Supérieure des Mines de Saint-Etienne Centre G2I
158, Cours Fauriel 42023 SAINT-ETIENNE CEDEX 2
France