Vous êtes sur la page 1sur 105

Simulation de processus

De la thorie la pratique
21 Octobre 2011 4 Novembre 2011

Jrme NEAU, Ingnieur & Associ NS CONSEIL

Sommaire
Introduction Intrt de la simulation Historique Typologie Comment a fonctionne ? Simulation et Recherche Oprationnelle Projet de simulation: dmarche Dangers et limitations Quels logiciels ? Portfolio dtudes Dmarche complte applique un exemple simple Exemple 1 : Industrialisation de nouveaux produits Exemple 2 : Logistique Exemple 3 : Ordonnancement Exemple 4 : La simulation dans le secteur hospitalier

Introduction
Quest-ce que la simulation ?

Les chercheurs, les ingnieurs, les militaires et bien d'autres professionnels se posent souvent la question : quel est le rsultat que j'obtiens si j'exerce telle action sur un lment ? Le moyen le plus simple serait de tenter l'exprience, c'est--dire d'exercer l'action souhaite sur l'lment en cause pour pouvoir observer ou mesurer le rsultat. Dans de nombreux cas l'exprience est irralisable, trop chre ou contraire l'thique. On a alors recours la simulation : rechercher un lment qui ragit d'une manire semblable celui que l'on veut tudier et qui permettra de dduire les rsultats. La simulation est un outil utilis par le chercheur, l'ingnieur, le militaire etc. pour tudier les rsultats d'une action sur un lment sans raliser l'exprience sur l'lment rel. Lorsque l'outil de simulation utilise un ordinateur on parle de simulation numrique. Source : Wikipdia

Introduction
Quest-ce que la simulation ?

La simulation est le processus de concevoir un modle dun systme rel et de mener des expriences avec ce modle dans le but de comprendre le comportement du systme et/ou valuer diffrentes stratgies opratoires. Source : Winter Simulation Conference 1998 La simulation consiste reproduire, chelle rduite, lvolution dans le temps dun systme complexe dont on veut tudier le comportement dynamique.

Introduction
Quest-ce quun modle ?

On appelle modle un lment, analogique ou numrique, dont le comportement vis--vis d'un phnomne est similaire celui de l'lment tudier. Les sorties sont les lments et grandeurs que l'on veut tudier. Les entres, paramtres et contraintes sont les lments dont la variation influe sur le comportement du modle ; on appelle entre ceux qui sont commands par l'exprimentateur paramtres ceux que l'oprateur choisit de fixer contraintes ceux qui dpendent d'lments extrieurs. On appelle simulation l'ensemble constitu par un modle, les entres, paramtres et contraintes, et les rsultats obtenus. Paramtres

Entres

Modle Contraintes

Sorties

Introduction
Exemple : maintenance dans un atelier de production

Contenu du modle : Srie doprations de production relies entre elles par des convoyeurs. Les machines ralisant les oprations subissent des pannes qui requirent lintervention dune quipe de maintenance Entres : nombre de personnes dans lquipe de maintenance Paramtres : temps de cycle, temps moyen de bon fonctionnement, temps de rparation, etc. Contraintes : flux darrive des pices dans latelier Sorties : statistiques dutilisation des moyens et ressources, nombre de pices produites par latelier Dmonstration rapide

Intrt de la simulation

La simulation dynamique permet de Formaliser le fonctionnement dun systme Evaluer les performances Analyser le fonctionnement global Dimensionner les composantes du systme Valider les modes de fonctionnement Comparer diffrentes solutions et hypothses Evaluer les consquences dune dcision avant quelle soit prise, ventuellement avant que le systme existe. Par exprimentation sur un modle, on teste diffrents scnarios pour les comparer ou effectuer des prdictions.

La simulation dynamique est un outil daide la dcision

Intrt de la simulation

La simulation dynamique permet galement de Communiquer Ralit virtuelle Modles faciles comprendre et donc utiliser comme moyen de communication Outil de dialogue et de formalisation Former Exemples les plus connus: simulateurs de vol, de combat... Ds quil existe un risque (intgrit physique, financier, etc.), la simulation peut tre utilise dans un but dapprentissage par le test de raisonnements, attitudes, dcisions et ltude de leurs consquences (apprentissage par lerreur).

Intrt de la simulation

La recherche de la performance au quotidien appelle des solutions de plus en plus complexes La simulation permet didentifier et de prioriser les actions mener Loptimisation activit par activit des processus ne garantit pas la performance globale La simulation permet davoir une approche globale et multi-mtiers (processus, fiabilit, ordonnancement, logistique, etc.) Le lancement dinvestissements require des indicateurs fiables de retour sur investissement afin de minimiser les risques La simulation repose sur une approche scientifique qui fournit des rsultats trs proches de la ralit condition de prendre certaines prcautions

Quelques exemples
Industrie Ligne dassemblage GMP Cadre : implantation de nouvelles lignes dassemblage Objectif : - vrifier le dimensionnement des lignes (valider les temps de cycle, les temps de changements entre rfrence, les frquentiels) - optimiser le nombre de chariots dans la boucle
97 96.5 96 95.5
RO (%)

95 94.5 94 93.5 93 92.5

19

20

21

22
Nbre de Chariots

23

24

25

Rendement en fonction du nombre de chariots

Quelques exemples
Industrie Atelier de production Cadre : conception dun nouvel atelier de pressage et schage daccessoires de tuilerie Objectif : - dterminer les vitesses optimales de dplacement des moyens de manutention - optimiser le nombre de supports par type de produit - optimiser le nombre de chambres de schage - dfinir et tester les rgles de pilotage du systme

Source: CTTB

Quelques exemples
Portuaire Logistique conteneurs Cadre : concours pour la construction dun nouveau port de conteneurs Barcelone Objectif : - dfinir limplantation du futur site (longueur de quai, surface de stockage, etc.) - dimensionner le nombre optimal de moyens (grues, porte-conteneurs, transbordeurs, etc.)

Quelques exemples
Postal Chronopost Roissy Cadre : rorganisation du centre de tri multimodal de Roissy Objectif : - valider / optimiser les plans de tri et de transport loccasion du changement de rseau - identifier les points bloquant de linstallation - spcifier les besoins en personnel et les vacations mettre en place
Rception flux arien Expdition flux arien

Vidage

Chgt

Dpose

Convoyage Mise en pinon / conteneur Tri Convoyage Prlvement Mise en roll / palette Convoyage

Dpose

Vidage

Chgt

Rception flux routier

Expdition flux routier

Quelques exemples
Postal La Poste Paris Nord Cadre : aide la conception du centre de tri postal de Paris Nord pour Somepost Objectif : - valider / optimiser le dimensionnement des installations - fournir une animation 3D comme support commercial - faire des recommandations organisationnelles et des prconisations de modification des installations

Historique
Prs de 65 ans dhistoire

La simulation numrique est apparue en mme temps que l'informatique pour les besoins du projet Manhattan pendant la Seconde Guerre mondiale, afin de modliser le processus de dtonation nuclaire. Depuis, elle a volu paralllement l'informatique. Parmi les prcurseurs des logiciels de simulation actuels, on peut citer GSP (fin annes 50), GPSS (fin annes 50), GASP (dbut annes 60), SLAM (fin anne 70) Les principales volutions au cours des dernires annes portent sur les aspects graphiques, la puissance de calcul et lintgration de la simulation au sein dautres applications

Typologie
Nombreuses mthodes de simulation

Il existe plusieurs faons de classifier les simulations Statique ou dynamique Notion dvolution au cours du temps Stochastique ou dterministe Notion dalatoire A vnements discrets ou continue Equations diffrentielles vs. logique vnementielle Exemples doutils et mthodes : Runge-Kutta rsolution dquations diffrentielles Monte-Carlo calcul de valeurs numriques par des procds alatoires

Lanalyse par simulation des flux et processus require gnralement des simulations dynamiques et stochastiques, discrtes ou / et continues selon les processus considrs

Comment a fonctionne ?
Focus sur la simulation vnements discrets

Les moteurs de simulation vnements discrets reposent sur plusieurs concepts : Gestion dchancier Gestion des files dattente Gnration de nombres alatoires Edition de rapports statistiques

Comment a fonctionne ?
Gestion dchancier

Un moteur de simulation vnements discrets gre un chancier dans lequel il crit lavance les vnements venir. Diffrents vnement grs : cycles, pannes, rglages, pauses, etc. Exemple: Machine avec un temps de cycle de 30 minutes Panne de 5 minutes toutes les 1 heures 40 minutes de bon fonctionnement Pause de dheure toutes les 2 heures

Dbut de panne

Dbut de pause

Dbut de cycle Fin de cycle

Dbut de cycle Fin de cycle

Dbut de cycle Fin de cycle

Dbut de cycle Fin de cycle

Dbut de cycle Fin de cycle

0.0

Dbut de cycle

Fin de panne

Fin de pause

Fin de cycle

30.0

60

90

125.0 100.0 105.0

170.0 135.0 150.0

200.0

Comment a fonctionne ?
Gestion des files dattente

Un moteur de simulation vnements discrets gre les phnomnes de files dattente : saturations et attentes. Exemple : quand une machine tombe en panne, les effets sont les suivants En amont, les stocks se remplissent et les moyens finissent par saturer, cest-dire par tre dans lincapacit dvacuer leur production En aval, les stocks se vident et les moyens se mettent en attente Les moteurs de automatiquement simulation grent gnralement ce fonctionnement

Inactive
0%

Disponible Occupe Bloque Rglage Rparation Att. ress. cycle Att. ress. rglage Att. Ress. rparation

Comment a fonctionne ?
Gnration de nombres alatoires

Un moteur de simulation vnements discrets est capable de gnrer des nombres alatoires Ces nombres sont notamment utiliss pour modliser les temps inter-pannes et les dures de rparation, les taux de rebut, etc. La gnration de ces nombres se fait par un algorithme ou une srie mathmatique qui produit une squence de nombres prsentant certaines proprits du hasard. Il sagit donc de nombres pseudo-alatoires Toujours un sujet de recherche ; cf. travaux de Pierre LEcuyer, Universit de Qubec Avantage : lalatoire est reproductible ; les rsultats de deux simulations sont comparables mme si le modle est stochastique Inconvnient : il faut respecter un certain nombre de rgles de modlisation et dexprimentation ; cf. dangers et limitations

Comment a fonctionne ?
Edition de rapports statistiques

Un moteur de simulation dite des rapports statistiques Statistiques des machines Rapport suivant les Plannings D'ouverture Etat doccupation des diffrents moyens
ZoneA.Operation15 ZoneB.Operation25 ZoneB.Operation45 ZoneA.Operation55 ZoneB.Operation60 ZoneA.Operation75 0 %Disp. %Cycle - Occ. 10 20 %Cycle - Remp. %Cycle - Vidange 30 40 50 60 70 80 90 100

%Arrt - Bloqu %Attente - Cycle

%Arrt - rglage %Attente - rglage

%Arrt - panne %Attente de rpar.

Evolution des niveaux de stock et statistiques classiques (taille mini, maxi , moyenne, temps moyen de sjour, etc.) Evolution et statistiques concernant les ressources (occupation par activit, par individu, nombre doprations ralises, etc.)

Simulation et recherche oprationnelle


Comptition ou coopration ?

Il existe dautres mthodes de modlisation de flux et de processus que la simulation. La recherche oprationnelle en fournit de nombreuses : rseau de Ptri, chanes de Markov, etc. Toutefois la comptition la plus rude en entreprise vient dun outil beaucoup plus commercial MS Excel ! Tous ces outils reposent sur des approximations qui deviennent rapidement rdhibitoires quand le systme modliser devient complexe. M1
90%

Stock

M2
80%

Capacit du stock Productivit 0 72% Infinie 80% 5 ??

La modlisation est souvent une brique dans une dmarche plus large telle que loptimisation ou lordonnancement. L encore la recherche oprationnelle fournit de nombreuses mthodes. Sur ce sujet, la simulation et la recherche oprationnelle cooprent souvent.

Projet de simulation
Dmarche gnrale : par itrations

Systme rel

Abstraction Modlisation

Modle de simulation

Retours

Exprimentation

Dductions sur le systme rel

Transfert Interprtation

Rsultats

Projet de simulation
Quand lutiliser ? En phase de conception ou pour amliorer

La simulation en phase de conception devrait intervenir au plus tt dans un projet. En pratique, elle intervient parfois trop tard et pour valider des investissements dj lancs. La simulation est aussi souvent utilise pour lamlioration de systmes existant.
CROISSANCE

CONCEPTION

MATURITE

DECLIN

Temps

Cycle de vie

Projet de simulation
Dmarche gnrale
Temps pass Recueil des donnes modes de fonctionnement fiabilit, PAD, frquentiels... Validation par les mtiers Cahier des charges hypothses objectifs responsables Validation par le groupe projet

40%

Modlisation conception et ralisation Vrification & Validation par expert outil et groupe projet Exploitation du modle Simulations analyse des rsultats

20%

La tentation est souvent grande de se concentrer sur la ralisation du modle alors que ce sont les tapes en amont et aval qui constituent la vritable valeur ajoute de la simulation.

40%
Prsentation des rsultats Edition du dossier de simulation Capitalisation

Projet de simulation
Etapes dun projet

Cahier des charges Identifier les objectifs et le primtre de ltude, les diffrentes solutions tudier, les indicateurs de performance utiliser, etc. Le CdC est un contrat entre le demandeur et le ralisateur. Cette phase conditionne tout le reste de ltude. Sans cela, les conclusions de ltude pourront toujours tre rfutes et ltude risque de traner en longueur.

Recueil des donnes Collecter lensemble des donnes ncessaires la ralisation du modle. Les seules inconnues restantes doivent tre les paramtres optimiser. Cette tape est souvent la plus fastidieuse de ltude et peut ncessiter un travail de terrain. Il peut tre souhaitable de conclure linutilit dune simulation lissue du CdC ou du recueil de donnes.

Projet de simulation
Etapes dun projet

Conception et ralisation du modle Faire un modle conceptuel du systme (suivant le type de question pose, on peut avoir des modles diffrents dun mme atelier). Traduire le modle conceptuel dans le langage propre au logiciel utilis Vrification par un expert du logiciel (dboggage) Validation par le simulateur (tests) Validation du fonctionnement par lquipe projet et/ou lexploitant (conformit avec CdC et donnes) Exploitation du modle Simuler les diffrents scnarios dfinis dans le CdC afin de rcolter toutes les informations chiffres utiles (plans dexpriences). Analyser les rsultats connaissant le modle, les hypothses et le systme rel. En dduire ventuellement de nouveaux scnarios tester. Le simulateur doit valider les rsultats de ses modles soit sur des cas simplifis, soit sur le terrain (si possible).

Projet de simulation
Etapes dun projet

Conclusion de ltude de simulation Prsenter les rsultats en rappelant les hypothses de modlisation Raliser le rapport de fin de simulation. Assurer la transmission du modle. Capitalisation Le dossier simulation doit tre constitu tout au long de ltude. Or les hypothses et donnes voluent au cours du temps. difficult interprter et prsenter les rsultats quelle est la part de ce qui a t rellement utile? En dduire ventuellement de nouveaux scnarios tester. La capitalisation ne doit pas sarrter ds que le rapport de simulation est rendu. Il faudrait faire un bilan lissue du projet et de sa ralisation...
Comparer Comparer simul simul% %rel rel Identifier Identifierorigine origine des desdiffrences diffrences Analyser Analyser Capitaliser Capitaliserpour pour futures futuressimulations simulations

Points non pris en compte dans CdC Evolutions par rapport au CdC Ecarts dus la modlisation

Identifier et quantifier aspects impossibles modliser Amliorer adquation entre conception simule et ralit

Dangers et limitations
Donnes et nombres alatoires

Donnes Sans donnes, la simulation na pas de raison dtre. Avec des donnes inexactes, lutilisation de la simulation peut se rvler catastrophique Nombres alatoires Tout comme une journe ne ressemble aucune autre, une mme simulation tire avec des nombres alatoires diffrents fournira des rsultats diffrents. Il faut utiliser des techniques statistiques telles que les intervalles de confiance et ne pas raisonner sur des moyennes. donnes dentre incertaines

Simulation
pannes et temps de cycle alatoires

quelle certitude sur les rsultats?

Dangers et limitations
Conditions exprimentales

Ne pas tenir compte de la monte en rgime de la simulation biaise les rsultats... particulirement si la dure de simulation est courte. Solutions : simuler sur une dure trs longue pour minimiser leffet de la mise en rgime et / ou rinitialiser les statistiques aprs une priode de mise en rgime.
INDICATEUR Moyenne non biaise

Moyenne biaise par la mise en rgime

TEMPS Priode de mise en rgime Dbut de la simulation RZ des statistiques Rgime stabilis Fin de la simulation

Dangers et limitations
Les plus gros dangers

Le plus gros danger en modlisation en gnral et en simulation en particulier est de vouloir reprsenter la ralit le plus fidlement possible. La vritable expertise de lutilisateur est de savoir faire les bonnes hypothses qui simplifient le travail de modlisation tout en garantissant des rsultats fiables et exploitables. La simulation numrique ne doit videmment pas tre confondue avec le rel. Ce n'est pas parce que l'ordinateur dit que cela va se passer comme cela que cela se comporte effectivement comme tel dans la ralit (ex: simulations numriques des prvisions mtorologiques). Si le modle est erron, les rsultats calculs sont alors faux et peuvent amener des prises de dcision elles-mmes errones. L'analyse critique des rsultats, la vrification de la validit des modles thoriques utiliss, la confrontation des rsultats prdits l'exprience ... sont autant de rflexes d'ingnieur avoir et qui font alors partie mme de l'thique du professionnel utilisateur.

Quels logiciels ?
Une multitude dacteurs

Logiciel @Risk Arena AnyLogic Automod Crystal Ball EmPlant Enterprise Dynamics Extend Flexsim Microsaint Sharp Promodel Simul8 Quest Vensim Witness

Editeur Palisade Corporation Rockwell Automation XJ Technologies Brooks PRI Automation Decisioneering Tecnomatix (Siemens) InControl Imagine That Flexsim Software Product Micro Analysis & Design Promodel Corporation Simul8 Corporation Delmia (Dassault Systems) Ventana Systems Lanner

Quelques exemples
Industrie Atelier de production
Cadre : Objectif : conception dun nouvel atelier de fabrication de durites en caoutchouc - dterminer le nombre optimal et le type de palettes - concevoir et optimiser lalgorithme de lancement des ordres de fabrication - valider la conception du systme (vitesse dextrusion, vitesse de convoyage, nombre dautoclaves, etc.)

Quelques exemples
Industrie Ligne dassemblage
Cadre : Objectif : les lignes dassemblage natteignent pas le TRS souhait et les actions engages sur le terrain ne semblent pas toujours donner les rsultats escompts - apporter une vision complte des lignes et en tudier leur comportement dynamique - dfinir des voies damlioration - valuer les gains obtenus
Reglage Chgt de ref PMJ Conv9 Orienteur 3 Portillon Tlescopique 1 Vision Conv8 Conv7 Orienteur 2

Reglage Chgt de ref

Conv12 Conv13

Conv11

Conv10

Rebus
Conv6

Conv14
1

CP43

Reglage Chgt de ref

Four Conv5

Conv4

Etiqueteuse

Reglage Chgt de ref

Conv3 Rparation S2 Refroidisseur S1 MPM Reglage Chgt de ref

Reprise Rebus
Testeur Dclamp Portillon Tlescopique 2 Conv18 Clamp

Conv2 Conv1

FIFO Orienteur 4 Conv15 Conv16 Conv17

Orienteur 1

Cartes Nues

Oper

Cartes SMI

Quelques exemples
Industrie Atelier de fabrication de moteurs
Cadre : Objectif : atelier de fonderie daluminium pour la fabrication de moteurs haut de gamme investissement pour rorganisation - valuer la performance de latelier - dfinir des voies damlioration - valuer limpact de lajout de moyens supplmentaires (postes de nettoyage, presses, transbordeurs, etc.)

Quelques exemples
Logistique Ligne de prparation de commande de timbres
Cadre : Objectif : Amlioration de la productivit dun centre de prparation de commande Valider diffrentes hypothses et rgles de gestion modifier le circuit de prparation en crant un rebouclage valuer la performance de diffrents modes darrts des bacs aux gares valuer diffrentes rpartitions de produits dans les gares

Quelques exemples
Industrie Placo Vaujours
Cadre : restructuration du site : augmentation de 60% de la capacit de production et cration dun magasin de stockage de 40000 m Objectif : - dimensionner le futur magasin - optimiser et scuriser les flux du site (rduire les temps de sjour des camions sur site, minimiser les croisements de flux, dimensionner les moyens mettre en place pour crer une entre unique)

Zone de pese entre / sortie

Quelques exemples
Industrie Air France Industries
Cadre : Objectif : logistique produits unserviceable aronautique en conception / serviceable dans une unit de maintenance
desservir)

- dfinir les modes de transfert interne (principe de collecte/distribution, identification des zones - dimensionner les zones de stockage containers - dimensionner les ressources (humaines et matrielles) - tester lajout dune zone de rception / expdition - dterminer les frquences et nombre de navettes

Bureaux

Alle de circulation sens unique Alle principale de circulation

Magasin central

Quai de rception / expdition

Autre quai de rception / expdition possible

Racks

Stock rapproch: pices de rechange spcifiques

Process

Quelques exemples
Manufacturier Caterpillar
augmentation de la productivit de la ligne dassemblage regroupement de deux lignes de production Objectif : valuer diffrents scnarii de rorganisation : modifier les gammes ajouter des postes quilibrer les charges dimensionner les quipes dimensionner les stocks etc. Cadre :

Shipping

Painting

Start

Quelques exemples
Aroportuaire Air France Roissy
Cadre : Objectif : logistique bagage Roissy CdG 2 valuer les temps de dplacement des caristes sur pistes en fonction des mouvements davion produire des abaques donnant les courbes dvolution dans la journe des temps de dplacement des caristes pour tous les trajets possibles

Interface Excel de paramtrage

Fichier des arrives davions

Gnration des moyens de manutention

Fichier des dparts davions

Modle de simulation

Temps de parcours

Quelques exemples
Aroportuaire Air France Roissy
Cadre : Objectif : systmes de tri des bagages Roissy CdG 2 dimensionner les besoins en main duvre dans les diffrents centres de tri bagages estimer les flux entre les diffrents centres de tri tester les diffrentes phases de mise en route des nouvelles installations valuer la performance et la robustesse des plans de tri
Terminaux du CdG2

Avions en apport

Rapatriement

Enregistrement

Dpose

Stockage

Tri

Mise en conteneur

Gestion des rats

Livraison

Livraison dernire minute

Livraisons 3 dposes

TBEF
Avions en emport
Locaux F1 & F2 Locaux E

TBC
Locaux C Livraisons

TBM
3 dposes Livraisons

TBS TBEE TBF


4 dposes 6 dposes Livraisons Livraisons

EBS

Quelques exemples
Grande distribution Entrept frigorifique
Cadre : Objectif : implantation pour un entrept frigorifique choisir parmi deux schma dimplantations minimiser les distances palette et le temps rception / expdition
Palettes
1 6 5

total

de traitement

dune

vague de

Boulangerie
3 5 3 3 3

Boucherie PLS
3 3 3 3 3 1 5

Palettes Boulangerie Plantes Poissons PLS Boucherie F&L

Poissons
5 5 3 2 2 2 2 2 2 2 8 3 16 / 6 6 1 7 1 1

Plantes1

2 1500 m 50 x 30 T ambiante 3 quais 2000 m 35 x 57 0 / +2 4 quais 700 m 23 x 30 14 / + 16 3 quais 1500 m 26 x 57 +2 / +4 3 quais 8000 m 105 x 76 +2 / +4 13+23 quais 4200 m +8 / +12 19 quais 1570 m T ambiante 4 quais

F&L
3 6

Quelques exemples
Grande distribution Plateforme Vert St Denis
Cadre : Objectif : nouveau centre de distribution de textiles (250 magasins, 60000 rfrences) - tester la capacit de la plate-forme traiter les flux demands - apporter une solution avant de dcouvrir les problmes sur le terrain - fournir un outil dexploitation au quotidien

Vtements suspendus

Vtements plats

Autres vtements

Crossdocking (JT)

Flux stock

Picking dtail Prparation commandes

Trieur

Tri - Expdition

Quelques exemples
Logistique Entrept
Cadre : Mettre en place un outil de comparaison dimplantations / dorganisation Objectif : - Aider lutilisateur choisir la meilleure configuration de son entrept selon de nombreux critres - Dimensionner les quipes ncessaires
80 70 60 50 40 30 20 10 0 Nb Pal Rception Nb Pal Traits Nb Pal Exped

07 :0 0: 00 08 :0 0: 00 09 :0 0: 00 10 :0 0: 00 11 :0 0: 00 12 :0 0: 00 13 :0 0: 00 14 :0 0: 00 15 :0 0: 00 16 :0 0: 00 17 :0 0: 00
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 10 9 8 7 6 5 4 3 2 1 0 Taux d'occupation Nb Pal Traits

07 :0 0: 00 08 :0 0: 00 09 :0 0: 00 10 :0 0: 00 11 :0 0: 00 12 :0 0: 00 13 :0 0: 00 14 :0 0: 00 15 :0 0: 00 16 :0 0: 00 17 :0 0: 00

Quelques exemples
Logistique Magasin
Cadre : Mettre en place un outil de comparaison dimplantations / dorganisation Objectif : - Aider lutilisateur choisir la meilleure configuration de son magasin selon de nombreux critres - Dimensionner les quipes ncessaires
Suivi d'une Zone de Preparation/tri 14 12

4
10 8 6 4
Nbre de Palettes Max Nbre d'oprations

1
2 0
20:30:00 21:00:00 21:30:00 22:00:00 22:30:00 23:00:00 23:30:00 00:00:00 00:30:00 01:00:00

Gantt de suivi des tches effectues

Mthodologie applique un exemple


Prsentation dune ligne simple avec visite virtuelle de la ligne Formalisation du processus Dfinition du cahier des charges Recueil des donnes Modlisation Vrifications Validation Exprimentations Rsultats Prsentation des rsultats Capitalisation

Visite Virtuelle
Reprise au prochain cycle

Dpart Cycle

Retouche

OK

Contrleur

Sortie

Formalisation du processus
A laide dun schma MS visio par exemple :
Tige

SCIE Poste de Dcoupe Convoyeur de retour des outils

Convoyeur

Poste de Protection

Zone dattente Retouche

Zone dattente Stock Contrle Outils

Dcharg ement

Rectifieu se 1 Rectifieu se 2

Chargem ent

Durcisseur Contrle

Nettoyage Stock de Soupapes

Sortie

Cahier des charges


Cadre de ltude : Depuis larrive des tiges dans le stock de tige jusqu la sortie des soupapes de la machine de nettoyage Horizon de simulation : 1 mois , soit 168 heures de production environ Objectif : Augmenter la production de soupapes Hypothses de simulation : Loprateur au poste de contrle est considr comme toujours disponible Les perturbations du systme sont toutes celles qui sont lies uniquement au fonctionnement mme de la ligne : Pannes Rglages Etc..

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Comment arrivent les tiges ?


SCIE Convoyeur

-> Programme de fabrication ? -> Frquence et taille de lot ? -> Profil horaire ? -> -> 1 seul type de tige -> Frquence fixe et taille de lot fixe 3 tiges toutes les 10 minutes

Poste de Protection

Poste de Dcoupe Convoyeur de retour des outils Zone dattente Stock Contrle Outils

Zone dattente Retouche

Dcharg ement

Rectifieu se 1 Rectifieu se 2

Chargem ent

Durcisseur Contrle

Nettoyage Stock de Soupapes

Sortie

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Stock de tiges : -> Taille du stock -> Mode de gestion ? FIFO, LIFO,
SCIE Poste de Dcoupe Convoyeur de retour des outils Zone dattente Stock Contrle Outils Convoyeur Poste de Protection Zone dattente Retouche

-> Stock FIFO De 10 places


Dcharg ement

Rectifieu se 1 Rectifieu se 2

Chargem ent

Durcisseur Contrle

Nettoyage Stock de Soupapes

Sortie

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Poste de dcoupe -> Temps de cycle -> Pannes ? -> Rglages ? -> Oprateur pour intervention ?
Convoyeur Zone dattente Retouche

SCIE Poste de Dcoupe Convoyeur de retour des outils

Poste de Protection

Zone dattente Stock Contrle Outils

-> 6 minutes pour lensemble de la dcoupe Rectifieu -> Lame 1 : Rglage ttes les 40 oprations se 1 Durcisseur Chargem Dcharg -> Lame 2 : Rglage ttes les 30 oprations ent ement Rectifieu -> Temps de rglage : entre 10 et se 15 2 minutes (uniforme) -> MTBF : en moyenne 100 minutes (Ngative Exponentielle) -> MTTR : En gnral 25 minutes, des fois seulement 10 et parfois 30 Nettoyage Sortie -> Oprateur pour le cycle de la machine, la rparation et le rglage Stock de
Soupapes

Contrle

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Type de convoyeur ? -> Avec/sans accumulation -> Vitesse, Longueur, limitations techniques ?
Convoyeur Zone dattente Retouche

SCIE Poste de Dcoupe

Poste de Protection

Convoyeur de retour des outils

Zone dattente Stock Contrle Outils

-> Convoyeur bande : donc sans accumulation Rectifieu -> Longueur : 2m se 1 Durcisseur Chargem Dcharg -> Vitesse : 0.4 m/min ent ement Rectifieu -> Pas de contrainte techniques se 2

Contrle

Nettoyage Stock de Soupapes

Sortie

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Poste de protection -> Rgle dapprovisionnement : SCIE priorit entre le convoyeur et le Poste de stock de retouche ? Autre(s) Dcoupe rgle(s) ? Convoyeur de retour des outils -> Caratristiques du poste
Convoyeur Zone dattente Retouche

Poste de Protection

Zone dattente Stock Contrle Outils

-> Temps de cycle : 60 minutes pour les 6 pices Rectifieu -> 5 min de rglage tous les 10 cycles se 1 Durcisseur Chargem Dcharg -> Rgles dapprovisionnement ent ement Rectifieu 1/ Priorit de la zone dattente par au serapport 2 convoyeur 2/ On ne prend pas les tiges du stock si il ny a pas de tiges sur le convoyeur Nettoyage 3/ On prend en priorit les tiges ayant subit le plus de retouche dans le stock dattente retouche
Stock de Soupapes

Contrle

Sortie

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Zones dAttente -> taille et gestion Contrle -> Proportion de retouches ? ->Caractristiques du poste

SCIE Poste de Dcoupe

Convoyeur

Poste de Protection

Zone dattente Retouche

Convoyeur de retour des outils

Zone dattente Stock Contrle Outils

-> Zone Attente Contrle : FIFO, capacit : 1 tige Rectifieu -> Zone Attente Retouche : gre sela 1 rgle Durcisseur Chargem Dcharg prcdente, capacit : 10 tiges ent ement
Rectifieu se 2

Contrle

-> 20% de pices rejetes au contrle -> Temps de cycle : 20 min -> Rglage dune minute par pice
Nettoyage Stock de Soupapes Sortie

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Durcisseur -> mode de fonctionnement -> caractristiques techniques


SCIE Poste de Dcoupe Convoyeur de retour des outils

Convoyeur

Poste de Protection

Zone dattente Retouche

Zone dattente Stock Contrle Outils

Dcharg ement

Rectifieu se 1 Rectifieu se 2

Chargem ent

Durcisseur Contrle

-> Capacit de 10 pices -> Temps de cuisson minimum : 60 minutes -> Convoyeur avec accumulation
Stock de Soupapes

Nettoyage

Sortie

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Les outillages -> gestion particulire des outils ? -> quantit, disponibilit immdiate, etc

SCIE Poste de Dcoupe

Convoyeur

Poste de Protection

Zone dattente Retouche

Convoyeur de retour des outils

Zone dattente Stock Contrle Outils

Dcharg ement

Rectifieu se 1 Rectifieu se 2

Chargem ent

Durcisseur Contrle

-> 10 outils disponibles -> Boucle de retour : 3m ; 0.5m/min -> Pas de maintenance (hypothse), disponible ds le dmarrage
Stock de Soupapes

Nettoyage

Sortie

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Les poste de chargement et dchargement SCIE -> caractristiques ?


Poste de Dcoupe Convoyeur de retour des outils

Convoyeur

Poste de Protection

Zone dattente Retouche

Zone dattente Stock Contrle Outils

Dcharg ement

Rectifieu se 1 Rectifieu se 2

Chargem ent

Durcisseur Contrle

-> 4 min de tps de cycle -> Ni panne, ni rglage, ni oprateur


Nettoyage Stock de Soupapes Sortie

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Les rectifieuses -> caractristiques ? SCIE -> rgle de gestion entre les 2 machines Poste de
Dcoupe Convoyeur de retour des outils Zone dattente Stock Contrle Outils Convoyeur Poste de Protection Zone dattente Retouche

Dcharg ement

Rectifieu se 1 Rectifieu se 2

Chargem ent

Durcisseur Contrle

-> Rectifieuse 1 : Soupape de de type 1 , tcy = 35 min -> Rectifieuse 2 : Soupape de de type 2 , tcy = 40 min -> MTBF : Normal , Moyenne=75 min, Ecart-type Nettoyage = 15min Sortie -> MTTR : 45 minutes selon ngative exponentielle Stock de -> Loprateur intervenant sur la scie intervient galement ici Soupapes -> Alterner si possible entre les 2 rectifieuses

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Les stocks de soupapes -> capacit ? Gestion ?


SCIE Poste de Dcoupe dattente -> Capacit de 10 soupapes chacun Stock Contrle -> La machine de nettoyage prend du stock de soupape Outils le plus plein Rectifieu se 1 Rectifieu se 2 Durcisseur Contrle Convoyeur de retour des outils Zone Convoyeur Poste de Protection Zone dattente Retouche

Dcharg ement

Chargem ent

Nettoyage Stock de Soupapes

Sortie

Recueil des donnes


Parcourir le systme et poser toutes les questions possibles
Tige

Le nettoyage -> caractristiques ?


SCIE Poste de Dcoupe Convoyeur Poste de Protection Zone dattente Retouche

-> Multi-poste ( carrousel ) : nbre de poste = 5 Zone -> Tcy : 15 min par poste Convoyeur de retour des outils dattente Stock Contrle -> MTBF : Negexp de 20 min Outils -> MTTR : Erlang de moyenne 20 min, paramtre k=3 Rectifieu -> Loprateur de la scie intervient ici galement pour la rparation se 1 Durcisseur Chargem Dcharg -> 5 min de rglage automatique toutes les 100 oprations Contrle
ement ent Rectifieu se 2

Nettoyage Stock de Soupapes

Sortie

A propos de la loi Erlang


Forme de la distribution :

Moy. = 1.0, K =1

Paramtres: K (Entier) Moy. : Rel

Moy. = 1.0, K=3

Les distributions ERLANG sont une famille de distributions; elle prsente une courbe diffrente suivant la valeur du paramtre K Quand K vaut 1, la distribution ERLANG est identique la distribution Exponentielle Ngative Quand K vaut 2, la distribution ERLANG possde la forme de d'une cloche fortement dcale vers la gauche. Au fur et mesure que K augmente, la distribution ERLANG tend vers la distribution de Gauss (Normal). En changeant le paramtre K, la distribution ERLANG peut tre utilise pour des analyses de sensibilit. Par exemple, pour tester les effets d'arrts ; de petites valeurs de K crent un chaos maximum, tandis que des valeurs plus grandes le rduisent.

Dbut de la documentation (pour capitalisation) Re-lister les rgles de gestion particulire Rpertorier lensemble des donnes dentre dans un fichier Excel comment Faire valider les rgles de gestion ainsi que les donnes Excel par les acteurs du projet

Modlisation Construire le modle de simulation Seul risque derreur , une mauvaise connaissance du logiciel Aperu du modle de simulation

Vrifications & Validation Vrifications : Par un expert : Dbogage Validation Statique : Retirer tous les alas (pannes, rglages, etc) et vrifier que le rendement est de 100%. Validation : Sassurer que les rsultats obtenus par simulation sont conformes la ralit / au concept Si non valid Revenir sur les donnes Excel Revenir sur les rgles de gestion Revenir sur le modle de simulation

Exprimentations Rappel de lobjectif : Augmenter la production de soupapes Sur quels paramtres sommes nous autoriss jouer ? Liste des paramtres Prparer le modle pour les exprimentations Dfinir la priode de mise en rgime Choisir un indicateur pour tracer la courbe En dduire la priode de mise en rgime Prparer les indicateurs ncessaires (camembert, nombre de pices expdies)

Exprimentations Rflchissons sur le modle laide des indicateurs en place afin de dfinir les premires amliorations

Exprimentations Prparons plus finement le modle afin de cibler les prochaines exprimentations Exemple : Rduction dun temps cycle par tranche de 10% Crer une variable Percent que vous piloterez depuis Excel Utiliser cette variable dans le temps de cycle machine : 60 * Percent Crer une fonction de cot qui vous renvoie le cot associe cette modification Utilisation doutil de gestion de scnarios intgrs au logiciel

Exprimentations Ciblons les paramtres sur lesquels nous allons jouer plus finement : Taille de lot de la protection : [6;9] Rduction du tps de cycle protection : [0.5,1] Rduction du tps de cycle contrle : [0.5,1] Nbre de poste de contrle : [2,3] Soit 4 x 6 x 6 x 2 = 288 scnarios Rsultats obtenus

Exprimentations Interprtations des rsultats

De faibles investissements permettent de bons rsultats Et de forts investissements nobtiennent pas de bons rsultats Conservons les rsultats de plus de 1060 soupapes

Exprimentations Et lala ? Sur les scnarios obtenant plus de 1060 soupapes expdis effectuons une analyse de sensibilit Pour chacun des scnarios effectuons 10 rplications (cad changer le germe alatoire 10 fois tout en conservant les mme paramtres) Rsultats obtenus

Exprimentations
Synthse des rsultats obtenus
1080 1045 1040 1075 1035 1030 1070 1025 1020 1015 1060 1010 1005 1055 Scnario 1 Scnario 2 Scnario 3 Scnario 4 Scnario 5 1000 Valeur "Originale" Moyenne

1065

Scnario(s) retenu(s) : le n2 Taille de lot : 7 pice Temps de cycle de protection * 0.5 3 postes de contrle Temps de cycle de contrle * 0.5

Prsentation des rsultats Prparer le modle pour une prsentation Prparer une prsentation synthtique des rsultats obtenus et du cheminement (cf slides prcdent) Conclure sur la (ou les) meilleure(s) option(s) et la squence des amliorations effectuer

Capitalisation Modle original (sans les amliorations) Interface Excel de paramtrage Cahier des charges (objectifs,cadre de ltude, etc) Rgles de gestion (dj fait) Explications sur la rflexion tenue lors des exprimentations Scnarios jous (au moins les inputs) Slides de prsentation Les volutions futures Celles auxquelles on a penser la fin du projet Celles discuter en phase de prsentation des rsultats par les acteurs du projet

Exemple 1 Industrialisation de nouveaux produits

Rsum du cahier des charges


Contexte : Industrialisation de nouveaux produits Objectifs : Tester diffrents modes opratoires Evaluer le capacitaire annuel Chiffrer les cots de production

Donnes dentre
Aperu du fichier Excel dinterface rsumant lensemble des donnes dentres : Poste de travail : Nom, opration, Cout horaire, position,etc

Temps de process

Donnes dentre
Oprateurs

Interface de pilotage des scnarios jouer

Aperu du modle

Rsultats de simulation
Taux doccupation des quipements

Taux doccupation des oprateurs

Rsultats de simulation
Cots de production

Gantt de suivi des tches

Exemple 2 : Logistique

Rsum du cahier des charges


Contexte : Libration dun site situ zone urbaine Regroupement de technologies Optimiser lespace occup Objectifs de simulation : - Optimiser les ressources logistiques - Dtecter les goulets dtranglement - Parfaire limplantation

Description conceptuel du modle de simulation

Construction du modle de simulation sur les principes suivants


Un systme de routage permettant la circulation dans les alles en respectant limplantation physique du terrain Une multitude de zones de production gnrant des appels selon leurs caractristiques propres Des moyens de manutentions rpondant aux appels et circulant au sein du rseau dfini

La systme de routage

Machine nud Appartenant une alle horizontale


Extrait du fond de plan

Machine nud Appartenant une alle verticale

Seuls les points caractristiques des alles sont reprsents : intersection, zone de dpose, zone de prise, quai, zone de stockage

Les zones de production

Une zone de production est le lieu de gnration des appels


Appel sur seuil de dclenchement

Composants
Produits Finis

Appel en expdition

Film de Production
Appel en appro
Nomenclature Ref 1 Ref 2 1

Ref1 Qte1
Ref2 Qte2
C1 C2 0.06

Zone de Production

C3 Ref 1 0.02 Ref 2

Temps Cycle 0.002 0.013

Nb Ref par Pal 12900 6000

Cration de zones atypiques, ne rpondant pas ces critres : quais, traitement de surface

Moyens logistiques

Les quipes logistiques sont des caristes fonctionnant tche par tche

Dfinition des horaires de travail par quipe Les quipes sont affectes gographiquement sur les diffrentes zones de production et zones atypiques Gestion des appels sur le mode de fonctionnement existant : notion dalerte et de tche urgente

Aperu vido

Rsultats de simulation

Suivi horaire des besoins en ressources

Suivi horaire du nombre dappels

En fonctionnement Hors fonctionnement En rupture dappros

Taux de charge des zones de production

Conclusions

Les indicateurs de performances mis en place ont permis de rpondre aux objectifs fixs

Validation du dimensionnement des quipes caristes

Vrification du trafic dans les alles de circulations

Vrification capacitaire sur les zones quais

Rflexion sur un changement de lorganisation par simulation : mis en place de Tourne

Exemple 3 Ordonnancement

Rsum du cahier des charges


Contexte : Le moyen de production considr (un four) est rgi par des contraintes technologiques et conomiques trs fortes, la gestion de stock en aval en subit les consquences : comment optimiser le fonctionnement du moyen ? Objectif : Dfinir le programme de fabrication du four le plus adapt la demande client

Donnes dentres
Prvisions annuel de vente avec sa saisonnalit : le march

Pte Feuil Sabl

Fruit Pomme Pomme

Quantit 30 000 20 000

Bris
Sabl

Cerise
Poire

18 000
25 000

Donnes dentres
Donnes et contraintes du four
Feuil Rendement Lot Eco / Jour 100 / Jour 4 Sabl 200 / Jour 6 Bris 300 /Jour 3 Lot Eco / Jour Pomme 4 Cerise 6 Poire 3

Changement de Pte (Jours) de / vers-> Feuil Sabl Bris

Feuil

Sabl

Bris

Changement de Fruit (Jours) de / vers-> Pomme

Pomme

Cerise

Poire

4 5 8 6

1 1 1 2

2 1

Cerise Poire

Fonctionnement du modle de simulation


A partir du march prvisionnelle, de la saisonnalit et des contraintes dexpditions (non prsentes ici), il dfinit une matrice journalire de produits expdier :
March Objectif de la simulation 01 / 01 / 2010 Feuil + Pomme 30 Sabl + Pomme 20 Bris + Cerise 10 Sabl + Poire 20

02 / 01 / 2010

35

15

30

Le premier produit lancer sur le four est laiss au choix de lutilisateur Puis ds la fin du lot conomique du premier produit choisi, un algorithme de dcision (bas sur le principe de lancement du produit tant le plus en retard de production par rapport son objectif) slectionne le produit lancer nouveau (en respectant bien sur les contraintes dfinies)

Rsultats de simulation
Le programme de fabrication du four
Jour de lancement de lOF 01/01/2010 09/01/2010 Pte Fruit Tps de changement 4 6 Volume

Feuil Sabl

Pomme Pomme

400 1200

Lencours du stock par Pte, avec le niveau maximum atteint


25,000

35,000 30,000

20,000

25,000
15,000

20,000 15,000 10,000

10,000

Cumul Feuil Sabl Bris

5,000

5,000
0

Exemple 4 Utilisation de la simulation dans le secteur hospitalier

Simulation hospitalire
Service durgences
Cadre : Conception dun nouveau service durgences Box rservs pendant la dure du sjour patient Objectif : Dfinir le nombre de box rservs aux diffrents services durgences Valider les besoins en personnel (dont les assistants en radiologie)

Simulation hospitalire
Diagnostic pr-opratoire Cadre : Rorganisation dun service pr-opratoire Objectif : Dfinir la capacit du service en nombre de lits Valider le besoin en personnel ddi Valider le besoin dune machine ultrason ddie

Simulation hospitalire
Blocs opratoires Cadre : Blocs en cours de reconception Objectif : Dfinir le nombre de blocs ncessaires et la capacit du service Dfinir le nombre de lits ncessaires dans les zones de rception et de suivi postopratoire Estimer la surface requise pour le service

Simulation hospitalire
Flux logistiques automatiss Cadre : Nouvel hpital Automatisation partielle de la logistique (repas, linge, pharmacie, strilisation) Objectif : Dfinir le nombre de vhicules requis Estimer les dures des missions
AGV sizing
2:00
1:47

1:45

Duration of delivery sequences

1:30

1:15

1:00

Breakfast delivery Breakfast clear away Lunch delivery Lunch clear away Diner delivery Diner clear away
0:45 0:48 0:40 0:41

1:26 1:16 1:07 0:57 0:52

0:45
0:28 0:28 0:28 0:29 0:31 0:31 0:32 0:32 0:34 0:35

0:37

0:30

0:26 0:26 0:26

0:15

27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10

Number of AGVs for catering

Simulation hospitalire
Flux verticaux dun nouvel hpital Cadre : trois types de flux : visiteurs, mdical et logistique Objectif : dterminer le nombre optimal de cages dascenseur par type de flux

Simulation hospitalire
Flux verticaux et horizontaux Cadre : conception de lensemble de la logistique en phase davant-projet trois types de flux : visiteurs, mdical et logistique Objectif : - dterminer les ressources humaines ncessaires au traitement du flux logistique - dterminer le nombre optimal de cages dascenseur par type de flux - fournir des supports visuels de prsentation pour le concours

VISITEURS PERSONNEL

LOGISTIQUE

Simulation hospitalire
Laboratoire de biologie Cadre : Pr tri du futur laboratoire de Biologie Objectif : Mesurer l'influence de l'organisation sur le temps de service. Comparaison de diffrentes implantations et technologies Comparaison par rapport la situation actuelle

Temps de service maxi tous labos


Tps Service moyen Tous Labos % Au dela de 32 mn % Au dela de 60 mn Nb PC

18 16 14 12 10 8 6 4 2
Ac tu el ND M 11 an u ND 10 M an u ND M 9 an u ND M 8 an u ND 7 HB -4 3 HB Ba -4 HB 3 Ba P43 HB Ba I-4 HB 3 Ba VTo 43 us Fl ux 43 M an u HB -3 HB 3 Ba P33 HB Ba -3 3 HB Ba I-3 HB 3 Ba VTo 33 us Fl ux 33

NS Conseil
Nous contacter

Jrome NEAU Ingnieur Simulation Tel: +33 1 45 46 82 60 Email: jneau@nsconseil.fr

NS CONSEIL 12 Avenue Raspail GENTILLY Tel: +33 1 45 46 82 60 Web: http://www.nsconseil.fr