production de biens et services : applications en ...sevaux/publications/s-ort-04-slides.pdf ·...
TRANSCRIPT
LAMIH-Université de Valenciennes
Production de Biens et Services :Production de Biens et Services :
Applications en ordonnancement et Applications en ordonnancement et réseaux de transportréseaux de transport
Présentation GDRPrésentation GDR--MACS groupe ORTMACS groupe ORT13 Février 200413 Février 2004Marc SEVAUXMarc SEVAUX
Plan généralPlan général
Présentation de l’équipe Systèmes de productionPrésentation de l’équipe Systèmes de productionet du LAMIHet du LAMIHThèmes abordés dans le cadre du groupe ORTThèmes abordés dans le cadre du groupe ORT
Planification réactive pour la maintenance des Planification réactive pour la maintenance des TGVsTGVsSystème d’aide à la régulation pour le transport Système d’aide à la régulation pour le transport bibi--modalmodal
Optimisation avancée pour le CARPOptimisation avancée pour le CARP
LAMIH-Université de Valenciennes
EquipeEquipe LAMIH / SPLAMIH / SP
Modélisation / Conception Modélisation / Conception des Systèmes de Productiondes Systèmes de Production
de biens et de servicesde biens et de services
Le LAMIHLe LAMIH
Modélisation/Conception des systèmes de production
de biens et de services
2 PR, 1 HDR, 9 MdCSP 2 IR, 2 IE
6 doctorants
ROIOptimisation
BIOMSHM RAIHMPERCO
Modélisation et Intégration des opérateurs humains dans les
systèmes HM
SFModélisation/Commande
des systèmes
DRCMES
DEVGDMGénie Mécanique
LAMIH/SP LAMIH/SP -- Thématiques de rechercheThématiques de recherche
ConceptionExploitation
Modélisation produit / process
Pilotage des
Systèmes de Production
de biens et de servicesPilotage / Evaluationdu processusde conception
Aide à la décision
LAMIH/SP LAMIH/SP -- Thématiques de recherche
Modélisation produit / process
Thématiques de recherche
ModèleModèle dede produit multiniveauxproduit multiniveaux
Modèle génériqueModèle générique de de processus processus de conceptionde conception
Modélisation Modélisation technicotechnico--économiqueéconomique
Système d’aide à la conceptionSystème d’aide à la conception
LAMIH/SP LAMIH/SP -- Thématiques de recherche
Pilotage et Evaluation du processus de conception
Thématiques de recherche
Formalisation du processusFormalisation du processus de conceptionde conception
ModèlesModèles de conception de conception coopérativecoopérative
Modèles physicoModèles physico--économiques d'évaluationéconomiques d'évaluation desdescoûtscoûts en conception en conception
Capitalisation et gestion des connaissancesCapitalisation et gestion des connaissances
LAMIH/SP LAMIH/SP -- Thématiques de recherche
Pilotage des systèmes de production
Thématiques de recherche
ModèlesModèles de structuresde structures distribuéesdistribuées de de pilotagepilotage
Méthodologie de couplages Méthodologie de couplages multiméthodesmultiméthodes(algorithmique, RO, heuristiques,....)(algorithmique, RO, heuristiques,....)
Systèmes d’aide au pilotageSystèmes d’aide au pilotage
LAMIH/SP LAMIH/SP -- Thématiques de rechercheThématiques de recherche
Domaines d'application
TransportsIngénierie
urbaineSystèmes
Manufacturiers
Secteur
Hospitalier
LAMIH/SP LAMIH/SP -- CollaborationsCollaborations
RégionalesRégionalesGraisyhmGraisyhm (Commande/pilotage de systèmes (Commande/pilotage de systèmes complexes)complexes)Action de Recherche Concertée “Ingénierie urbaineAction de Recherche Concertée “Ingénierie urbaine””Projet TAT Projet TAT –– MOST MOST –– TransportsTransportsProjet ANR Projet ANR –– Sûreté de fonctionnement Sûreté de fonctionnement -- Transports Transports
NationalesNationalesGDR MACS GDR MACS –– CNRS CNRS (Actions Spécifiques, (Actions Spécifiques, EquipeEquipe Projet Projet MultilaboratoiresMultilaboratoires))
InternationalesInternationalesProjets européens, Actions Intégrées Projets européens, Actions Intégrées
LAMIH/SP LAMIH/SP -- CollaborationsCollaborations
Secteur industriel Secteur industriel AérospatialeAérospatiale,, AlstomAlstom, EADS, Renault, SNCF, ...., EADS, Renault, SNCF, ....
SecteurSecteur dede l’ingénierie urbainel’ingénierie urbaineEntreprisesEntreprises,, architectesarchitectes,, collectivitéscollectivités localeslocales
SecteurSecteur des servicesdes servicesCentres hospitaliersCentres hospitaliers (Valenciennes,(Valenciennes, LilleLille,, NîmesNîmes))SociétéSociété de transportsde transports urbainsurbains
Plan généralPlan général
Présentation de l’équipe Systèmes de productionPrésentation de l’équipe Systèmes de productionet du LAMIHet du LAMIHThèmes abordés dans le cadre du groupe ORTThèmes abordés dans le cadre du groupe ORT
Planification réactive pour la maintenance des Planification réactive pour la maintenance des TGVsTGVsSystème d’aide à la régulation pour le transport Système d’aide à la régulation pour le transport bibi--modalmodal
Optimisation avancée pour le CARPOptimisation avancée pour le CARP
LAMIH-Université de Valenciennes
Planification réactive de systèmes Planification réactive de systèmes complexes. Application à la complexes. Application à la
maintenance des TGV maintenance des TGV
Intervenants:Intervenants:Yann Le Yann Le QuéréQuéré, Marc , Marc SevauxSevaux, , Christian Christian TahonTahon, Damien , Damien TrentesauxTrentesaux
PlanPlan
Présentation du cas industrielPrésentation du cas industrielProblématique scientifiqueProblématique scientifiqueEtatEtat de l’artde l’artSpécificationsSpécificationsPropositionPropositionConclusionConclusion
Cas industriel : produits et ressourcesCas industriel : produits et ressources
Structure TSC
RemorquesCTA
BogiesOMULCT
Motrice
Cas industriel : planification des tâchesCas industriel : planification des tâches
Directeur d’établissement
Pôle programmation
OMU CTATSCLCT
Planification semestrielle
Planification mensuelle
Cas industriel : planification des tâchesCas industriel : planification des tâches
Planification mensuelle
Ordohebdomadaire
Chef d’unité de production
Responsableproduction
Unité de travail
Unité de travail
Unité de travail
Unité de travail
Analyse des dysfonctionnementsAnalyse des dysfonctionnements
Type de problèmes Pourcentage d’occurence
Impact en jours cumulés
Diagnostic erroné (durée prévue, affectation prévue)
30% 8
Coordination 11% 0 Logistique 11% 1
Modifications de charges dues à une cause
externe
10% 1
Préparation des tâches 10% 3 Outillages 10% 3
Approvisionnements 10% 1 Qualité 5,5% 7 Grève 2,5% 1
Cas industriel : constat et objectifCas industriel : constat et objectif
Résultats 2000 : Pour 7 rames, une seule a été livrée Résultats 2000 : Pour 7 rames, une seule a été livrée dans les délais prévus.dans les délais prévus.
1 à 20 jours de retard pour un cycle de maintenance 1 à 20 jours de retard pour un cycle de maintenance de 50 jours.de 50 jours.
Objectif : Respecter les engagements fixés par la Objectif : Respecter les engagements fixés par la planification des immobilisations des rames.planification des immobilisations des rames.
Problématique scientifiqueProblématique scientifique
Planification «Planification « hors lignehors ligne »:»:Coordination.Coordination.Coopération.Coopération.
Réactivité «Réactivité « en ligneen ligne »:»:Information.Information.Décision (modification de la planification).Décision (modification de la planification).
Spécificités des contraintesSpécificités des contraintes
Contraintes de Contraintes de séquencementséquencement des tâches.des tâches.Contraintes de sécurité.Contraintes de sécurité.Contraintes d’accessibilité.Contraintes d’accessibilité.Contraintes d’outillage.Contraintes d’outillage.Contraintes de capacité des ressources.Contraintes de capacité des ressources.Contraintes de stockage.Contraintes de stockage.Contraintes d’approvisionnements.Contraintes d’approvisionnements.
Spécificités du problèmeSpécificités du problème
Complexité du problème :Complexité du problème :Nombre et durée des tâches incertainsNombre et durée des tâches incertainsForte connexion des tâches due aux contraintes.Forte connexion des tâches due aux contraintes.
Pas d’exhaustivité des scénariosPas d’exhaustivité des scénarios
Manque de flexibilité des ateliersManque de flexibilité des ateliers
EtatEtat de l’artde l’art
Références Description Prévision Réaction Problème
[Esquirol] [Lopez] Horizons glissants Oui implicite
temps de prise de décision non pris en compte
[Kouvelis] [Yu] Ordonnancement orbuste Oui implicite
Non exhaustivité des
scénarios[Boucon] [Mebarki]
Plans et règles de priorité Oui Oui Myopie ou
complexité
[Demeulemeester] [Herroelen]
Algorithme cut/set Oui Oui
Complexité et imprévisibilité a
priori
[Roubellat] GOP Oui OuiManque de
flexibilité de l'atelier
Spécifications du système Spécifications du système d’aide à la décisiond’aide à la décision
Planification :Planification :Performance globale de la planification. Performance globale de la planification. Robustesse des ordonnancements (UT).Robustesse des ordonnancements (UT).
Réactivité :Réactivité :En cours en évolution pendant la prise de En cours en évolution pendant la prise de décision. décision. Intégrer les temps de réaction dans la prise de Intégrer les temps de réaction dans la prise de décision. décision.
Spécifications du système Spécifications du système d’aide à la décisiond’aide à la décision
Axe de décision :Axe de décision :Déterminer des séquences de tâches.Déterminer des séquences de tâches.Fixer les dates de début en considérant le critère Fixer les dates de début en considérant le critère de robustesse.de robustesse.
Axe d’information :Axe d’information :Simuler le processus de décision partagéeSimuler le processus de décision partagéeDéduire les en cours en fonction des temps de Déduire les en cours en fonction des temps de transfert d’information.transfert d’information.
Proposition : principe du SADProposition : principe du SAD
Intégration des temps de réaction dans le processus de calcul d’ordonnancement
Planification mensuelle
Ordo 1 Ordo 4Ordo 3Ordo 2
Aléa type1Type de réaction 1
Temps de réaction 1 Aléa type1Type de réaction 2
Temps de réaction 2
Proposition : principe du SADProposition : principe du SAD
Aléa Spécifique.Aléa Spécifique.Simulation du processus de décision : Simulation du processus de décision :
Entrée Entrée spécificité de l’aléa, modification spécificité de l’aléa, modification calculée.calculée.Sortie Sortie type de réaction, temps de réaction. type de réaction, temps de réaction.
Calcul de la modification Calcul de la modification Entrée Entrée type de réaction, temps de réaction.type de réaction, temps de réaction.Sortie Sortie modification calculée.modification calculée.
Modification
Simulation du processus de décision
Spécificité de l’aléa
Calcul de la modification
Proposition : méthodeProposition : méthode
Calcul de la modification :Calcul de la modification :Propagation par contraintes : détermination des Propagation par contraintes : détermination des séquences de tâches.séquences de tâches.
Simulation du processus de décision :Simulation du processus de décision :Réseau de Réseau de PetriPetri colorés temporisés.colorés temporisés.
ConclusionConclusion
Problème de prévisions.Problème de prévisions.Problème d’information. Problème d’information. Intégration de la simulation de processus et du Intégration de la simulation de processus et du processus luiprocessus lui--même.même.Réalisé pendant la thèse :Réalisé pendant la thèse :
Implantation SAD à la SNCF.Implantation SAD à la SNCF.En perspectiveEn perspective
Intégration de la dynamique du problème.Intégration de la dynamique du problème.
Plan généralPlan général
Présentation de l’équipe Systèmes de productionPrésentation de l’équipe Systèmes de productionet du LAMIHet du LAMIHThèmes abordés dans le cadre du groupe ORTThèmes abordés dans le cadre du groupe ORT
Planification réactive pour la maintenance des Planification réactive pour la maintenance des TGVsTGVsAide à la régulation des systèmes de transport Aide à la régulation des systèmes de transport intermodauxintermodaux
Optimisation avancée pour le CARPOptimisation avancée pour le CARP
LAMIH-Université de Valenciennes
Aide à la régulation des systèmes de Aide à la régulation des systèmes de transport intermodauxtransport intermodaux
Intervenants :Intervenants :Thérèse Thérèse BonteBonte, , Karim BouamraneKarim BouamraneMarc Marc SevauxSevaux, Christian , Christian TahonTahon
PlanPlan
L’intermodalitéL’intermodalité
La régulationLa régulation
Le projet Valenciennois: Le projet Valenciennois: TransvillesTransvilles
Le système d’aide à la régulationLe système d’aide à la régulation
L’intermodalitéL’intermodalité
Définition: principe d’organisation de l’offre de Définition: principe d’organisation de l’offre de transport visant à coordonner plusieurs systèmes par transport visant à coordonner plusieurs systèmes par une gestion et un aménagement spécifique des une gestion et un aménagement spécifique des interfaces entre les différents réseaux interfaces entre les différents réseaux
vélo
tram
bus
train
route
tram
routebus
train
vélo
L’intermodalité L’intermodalité (2)(2)
elle nécessite: elle nécessite:
coopération institutionnellecoopération institutionnelle
coordination de l’offrecoordination de l’offre
harmonisation tarifaire (harmonisation tarifaire (billeteriebilleterie unique, carte)unique, carte)
de lieux d’échange entre les moyens de transport (parc de lieux d’échange entre les moyens de transport (parc relais, pôles d’échange…)relais, pôles d’échange…)
information information multimodalemultimodale: système d’information et : système d’information et d’orientation commund’orientation commun
Le régulateur Le régulateur
Il supervise en temps réel le fonctionnement du Il supervise en temps réel le fonctionnement du réseau de transport en communréseau de transport en commun
Il diagnostique les perturbations et met en place des Il diagnostique les perturbations et met en place des procédures de régulation procédures de régulation
pour optimiser la qualité du servicepour optimiser la qualité du servicetout en tenant compte des contraintes tout en tenant compte des contraintes d’exploitation.d’exploitation.
Les outils de la régulationLes outils de la régulation
Le Tableau de Marche (TM): description complète du Le Tableau de Marche (TM): description complète du fonctionnement théorique optimisé du réseau dans une fonctionnement théorique optimisé du réseau dans une journée (courses, horaires, chauffeurs…)journée (courses, horaires, chauffeurs…)
Le Système d’aide à l’Exploitation (SAE): Le Système d’aide à l’Exploitation (SAE): assure la localisation des véhiculesassure la localisation des véhiculesinforme les passagersinforme les passagersdéclenche une alarme si ldéclenche une alarme si l ’écart entre le TM et les ’écart entre le TM et les conditions réelles est trop grand conditions réelles est trop grand permet la mise à jour du TM permet la mise à jour du TM permet une exploitation de l’information en différé permet une exploitation de l’information en différé
Organisation de la régulation Organisation de la régulation
Tableau de marche (T.M.)
Système d’Aide à l’Exploitation
(S.A.E.)
Le réseau
Régulateur
état du réseau
état mis à jour
alarme
Le projet Valenciennois: Le projet Valenciennois: TransvillesTransvilles
Volonté de définir une nouvelle politique de Volonté de définir une nouvelle politique de déplacements pour l’agglomérationdéplacements pour l’agglomération
Tarification «Tarification « TranscarteTranscarte »»
Mise en place du tramwayMise en place du tramway
Nouveau plan de circulation associé au tramway Nouveau plan de circulation associé au tramway intégrant tous les transports en commun (autobus, intégrant tous les transports en commun (autobus, trains, tramway)trains, tramway)
Le ProjetLe Projet
Système d’aide à la décision destiné au régulateur pour Système d’aide à la décision destiné au régulateur pour faciliter sa tâche en cas de fonctionnement dégradé du faciliter sa tâche en cas de fonctionnement dégradé du réseau.réseau.
Partenaires:Partenaires:Laboratoire d'Automatique et d'Informatique industrielle Laboratoire d'Automatique et d'Informatique industrielle de Lille de Lille EcoleEcole Centrale de Lille Centrale de Lille Laboratoire d'Automatique et de Mécanique Industrielles Laboratoire d'Automatique et de Mécanique Industrielles et Humaines de Valenciennes et Humaines de Valenciennes INRETS INRETS SEMURVALSEMURVAL
Nouvelle organisation de la régulationNouvelle organisation de la régulation
dialogue
S.A.D.
état du réseau
état mis à jour
Régulateur
Tableau de marche (T.M.)
Système d’Aide à l’Exploitation
(S.A.E.)
Le réseau
alarme
Le système d’aide à la décisionLe système d’aide à la décision
Objectifs généraux:Objectifs généraux:
Détecter des situations de dysfonctionnementDétecter des situations de dysfonctionnementProposer au régulateur un ensemble de solutionsProposer au régulateur un ensemble de solutionsLui permettre d’apprécier la pertinence des Lui permettre d’apprécier la pertinence des solutionssolutionsL’aider à mettre à jour les informationsL’aider à mettre à jour les informations
Architecture générale du S.A.D.Architecture générale du S.A.D.
Information des voyageurs
interface régulateur
Simulateur
Régulation du trafic
en interstations
Régulation du trafic
aux nœuds de correspondance
Gestion des flux de passagers
En station
Système d’aide à la décision
Moniteur d’activation:- aide à identifier la perturbation- aide à trouver une solution
La simulationLa simulation
Utilisation de QUEST (Utilisation de QUEST (DelmiaDelmia))Environnement destiné à la simulation de fluxEnvironnement destiné à la simulation de fluxDéfinition du modèle par interface graphique ou Définition du modèle par interface graphique ou par un langage propriétairepar un langage propriétaire
Développement d’un modèle de simulationDéveloppement d’un modèle de simulationTramway Tramway BusBusPôles d’échangePôles d’échangePassagersPassagers
Plan généralPlan général
Présentation de l’équipe Systèmes de productionPrésentation de l’équipe Systèmes de productionet du LAMIHet du LAMIHThèmes abordés dans le cadre du groupe ORTThèmes abordés dans le cadre du groupe ORT
Planification réactive pour la maintenance des Planification réactive pour la maintenance des TGVsTGVsSystème d’aide à la régulation pour le transport Système d’aide à la régulation pour le transport bibi--modalmodal
Optimisation avancée pour le CARPOptimisation avancée pour le CARP
Â
Á
¿
À
A genetic algorithm
with population management(GA|PM)
for the CARP
Christian Prins1, Marc Sevaux2, Kenneth Sorensen3
1University of Technology of Troyes, France2University of Valenciennes, France
2University of Antwerp, Belgium
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 1
Outline
Outline
• The Capacitated Arc Routing Problem
• Principle of GA|PM
• An existing memetic algorithm
• Computational experiments
• Conclusion
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 2
The Capacitated Arc Routing Problem
The Capacitated Arc Routing Problem
Data:
undirected network G
n nodes including a depot with vehicles of capacity W
m edges including a set of t required edges or tasks
each edge has a demand and a traversal cost
Goal: process all tasks with a min-cost set of trips
Applications: urban waste collection, winter gritting etc.
NP-hard: Solved in practice with constructive heuristics,
and metaheuristics
Tabu Search (Eglese,1994,1996; Hertz et al. 2000),
GLS (Beullens et al. 2001) or
HGA (Lacomme et al. 2001).
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 3
The Capacitated Arc Routing Problem
A small example: gdb1
7
9
2 3
4
12 5
6
7
1
10
811
2
18
13
920
17
4 11
5
14
16
12
19
3
10
19
8
20
18
4
3
12 nodes, 22 edges, capacity = 5, unit demands
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 4
The Capacitated Arc Routing Problem
Optimal solution: gdb1
9
2 3
4
12 5
6
7
1
10
811
T1: 99
9
2 3
4
12 5
6
7
1
10
811
T2: 30
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 5
The Capacitated Arc Routing Problem
Optimal solution: gdb1 (continued)
9
2 3
4
12 5
6
7
1
10
811
T3: 66
9
2 3
4
12 5
6
7
1
10
811
T4: 71
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 6
The Capacitated Arc Routing Problem
Optimal solution: gdb1 (end)
9
2 3
4
12 5
6
7
1
10
811
T5: 50
Optimal solution: 5 trips; total cost= 316
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 7
Principle of GA|PM
Principle of GA|PM
GA|PM GA
Small population Large population
High-quality solutions Mixed-quality solutions
Local improvement No local improvement
Diversity through population
management
Diversity through randomness
• Control intensification/diversification balance through population
management strategies
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 8
Principle of GA|PM
GA|PM Algorithm
1: initialise population P
2: set population diversity parameter ∆3: repeat
4: select: p1 and p2 from P
5: crossover: p1 ⊗ p2 → c1, c2
6: local search: on c1 and c2
7: for each child c do
8: while dP (c) < ∆ do
9: mutate c
10: end while
11: remove solution: P ← P\b12: add solution: P ← P ∪ c
13: end for
14: update diversity parameter ∆15: until stopping criterion satisfied
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 9
Principle of GA|PM
Population management
• Distance between solutions d(s1, s2)
– Should be measured in the solution space
– Should reflect “difference” between solutions
– e.g. Hamming distance for binary representations
• Distance to population
dP (s∗) = minsi∈P
d(s∗, si)
• Locally improved solution s∗ is only added to the population if
dP (s∗) ≥ ∆
• Use ∆ to control population diversity
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 10
Principle of GA|PM
Population management strategies
Generations
∆
Generations
∆
Generations
∆
Generations
∆
No improvements found
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 11
An existing memetic algorithm
An existing memetic algorithm
• Solution encoding :
G coded as a symmetric digraph with 2m arcs, 2 per edge
Chromosome = ordered list of τ tasks
No trip delimiter: giant tour or priority order for 1 vehicle
• Selection: by binary tournament
• Crossover : OX for sequencing problems
• Initial solutions: Path-Scanning, Augment-Merge, Ulusoy
• Local search: on a real representation of the solution
• Restarts: done after relacing part of the population
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 12
An existing memetic algorithm
Adding population management
Distance measure
Find a trade-off between accuracy and computation time
Distance used → Levenshtein
Strategy
Start with slight differences between solutions
After π iterations w/o improvement of the best solution, δ is
increased by a factor γ.
Generations
∆
No improvements found
for π iterations
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 13
Computational results
Computational results
Tested on 21 instances from Golden DeArmon and Baker
Algorithm Dev. LB LB hits Av. Time Res. Av. XOvers
SMA 0.65 15 0.37 0 2750.5
BMA-nr 0.33 18 0.95 0 3013.1
GAPM-nr 0.24 20 0.90 0 880.9
BMA 0.17 21 4.79 5(3) 9960.2
GA|PM 0.17 21 1.59 3(1) 1968.9
Average CPU Time is given in seconds
Res.: Restarts done (leading to an optimal solution)
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 14
Conclusion and future work
Conclusion and future work
• GA|PM: Genetetic Algorithms with Population Management
• Actively control diversity of population through management
• Diversification vs. intensification can be controlled
• Solves some problems of “classical GA”
• Performs better than hybrid GA on tested problems
• Distance measures are time-consuming
• Compute for the other classical instances
Prins, Sevaux, Sorensen GRD MACS - ORT - Feb. 13, 2004 15