Vous êtes sur la page 1sur 24

Les problmes dordonnancement dateliers (cours)

Pr. Fatima EL KHOUKHI


Universit Moulay Ismal Mekns Facult des Lettres et des Sciences Humaines de Mekns ordon.atelier@gmail.com Master ROSSD

FST de F Fs

A.U. 2012/2013

Organiser/Planifier
Organiser dans le temps, la ralisation dun ensemble de tches, en tenant compte de contraintes temporelles (ordre denchanements, dlais,) et de contraintes de ressources (disponibilit des ressources requises,).
Ordonnancer Quand ? Par quels moyens ? Sous quelle modalit ?

Un probl problme d dOrdonnancement (A Scheduling Problem) Problem) (Un problme de dcision, souvent associ un problme dOptimisation Combinatoire)
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Domaines dapplication
- Les problmes dordonnancement sont varis par nature. On peut les rencontrer dans tous les domaines du monde pratique qui font appel aux notions dorganisation et de planification. - En gnral, la plupart des secteurs sont concerns par les problmes dordonnancement au sens large. Ainsi, l'ordonnancement est devenu un champ d'investigation que connait un essor important, tant par les nombreux problmes identifis que par l'utilisation et le dveloppement de nombreuses techniques de rsolution. - Les systmes tudis peuvent tre de diffrentes natures : Systmes industriels de production, Systmes informatiques, Systmes administratifs, Systmes hospitaliers, Systmes de transport,
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Cas Statiques/Dynamiques
En fonction de la nature des donnes associes au problme tudi, deux catgories de problmes dordonnancement sont distinguer : Problmes statiques ou dterministes : Si les tches ordonner sur un horizon de planification ainsi que ltat initial de composantes du problme, sont connus priori. Problmes dynamiques ou stochastiques : Si les dcisions sont prendre au cours de la production, et toutes les tches raliser ne sont pas connues lavance. Deux types de dcisions existent :
Lordonnancement prdictif : Consiste prvoir un certain nombre de dcisions en fonction des donnes prvisionnelles et du modle trait.
Lordonnancement ractif : Consiste adapter les dcisions prvues thoriquement en fonction de ltat courant du systme et de sa position par rapport au modle rel.
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Contexte

Problmes dordonnancement dateliers

Organiser dans le temps le fonctionnement d'un atelier, pour utiliser au mieux les ressources humaines et matrielles disponibles, dans le but de produire les quantits dsires dans le temps imparti. Exploiter au mieux les moyens limits (ressources) des ateliers de production. La terminologie utilise (job, opration, machine, gamme opratoire ou encore contraintes de prcdence,). Les ressources sont des machines qui ne peuvent raliser qu'une opration la fois. Chaque job ordonnancer est un produit ou un lot de produits fabriquer selon une gamme de fabrication (gamme opratoire).
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Terminologies

Problmes dordonnancement dateliers

Une tche (ou opration) est une entit lmentaire de travail, localise dans le temps par une date de dbut et/ou de fin, dont la ralisation ncessite une dure dexcution et qui consomme un moyen ou ressource (machine). Plusieurs tches peuvent constituer une activit et plusieurs activits peuvent dfinir un processus. Un ensemble de tches ncessaires la ralisation dun produit, sera dsign par job ou travail . Un ordre de passage des produits sur les ressources (ordre des oprations associes chaque travail) est appel gamme opratoire ou squence technologique . Les machines peuvent disposes de zones de stockage appels tampons ou buffers storage , situs leurs entre (input buffers) ou leurs sortie (output buffers), destins pour stocker des pices, soit: En attente dexcution sur une machine, En attente de transfert vers une autre machine pour continuer le traitement, En fin dexcution et en attente de transfert vers le dpt final pour tre stockes jusqu ce quelles soient livres aux clients.
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Terminologies

Problmes dordonnancement dateliers

A chaque tche, nous pouvons associer un ensemble de caractristiques temporelles telles que : Dure dexcution (processing time) : Priode ncessaire pour lexcution dune tche, appele aussi dure opratoire. Date au plutt ou date de disponibilit (release time ou earliest starting time) : Date avant laquelle, une tche ne peut dmarrer, sinon elle est en avance. Date au plus tard ou date dchue (due date ou earliest completion time) : Date avant laquelle, une tche doit tre acheve, sinon elle est en retard. Date de dbut : Date de dbut relle dexcution dune tche ( calculer). Date de fin : Date de fin relle dexcution dune tche ( calculer).
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Composantes de base

Problmes dordonnancement dateliers

Comme tout problme dordonnancement, les donnes de base sont principalement: Les tches ordonnancer avec leurs contraintes denchanements, leurs dures (description des processus de ralisation). Les ressources qui sont ncessaires lexcution. Une fonction objectif (cas mono-objectif) ou plusieurs fonctions objectifs (cas multi-objectifs) optimiser. Un ordonnancement (une solution) est un calendrier prcis des tches raliser, qui met en uvre (selon la nature du problme tudi) une partie ou lensemble des trois procdures fondamentales: Laffectation qui consiste attribuer les ressources ncessaires une tche. Le squencement qui prcise l'ordre de passage des tches sur chaque ressource. Le datage qui donne pour chaque tche une date de dbut et une date de fin.
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Terminologies
Parmi les variables utilises dans la plupart des problmes dordonnancement, figurent les variables de dcision pour : o Des dcisions sur le temps, o Des dcisions sur les ressources (variables daffectation). Un ordonnancement dsigne toute solution au problme d'ordonnancement. Un squencement consiste fixer un ordre relatif entre les tches, qui peuvent tre en conflit pour lutilisation des ressources. On dsigne par squence , toute solution ce problme. Un ordonnancement admissible ou ralisable est un ordonnancement qui vrifie les contraintes. Un espace de recherche est lensemble des ordonnancements admissibles.
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Solutions

Classification: actif/semi-actif et sans dlai

En fonction des dcisions sur les tches, trois types de solutions

existent dans le domaine des problmes dordonnancement: Ordonnancement actif : Si aucune tche ne peut tre excute plus tt, sans violer de contrainte ou causer le retard dune autre tche. Ordonnancement semi-actif ou cal gauche : Si aucune tche ne peut tre excute plus tt, sans changer lordre dexcution sur les ressources ou violer de contrainte. Ordonnancement sans dlai ou sans retard : Si aucune opration n'est mise en attente, alors qu'une machine est disponible pour l'excuter.

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Il a t dmontr, que pour tout critre rgulier, les ensembles des ordonnancements semi-actifs et actifs contiennent au moins une solution optimale. La recherche d'une solution optimale peut tre limite l'ensemble des ordonnancements actifs, ce qui restreint la taille de l'espace de recherche.
Espace de recherche Admissibles Semi-actifs Actifs Sans dlai

Relations dinclusion entre les classes dordonnancement


Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Exemples

Classification: actif/semi-actif et sans dlai

On considre le problme dordonnancement une seule machine et deux tches O1 et O2 de dures opratoires respectivement 2 (/unit de temps) et 1 (/unit de temps) et de dates de disponibilit respectives 1 et 0.

Exemple dordonnancement semi-actif

Exemple dordonnancement la fois semi-actif, actif et sans-dlai

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Une ressource est un moyen technique ou humain destin destin tre utilis utilis pour la r ralisation d'une tche et disponible en quantit quantit limit limite (capacit (capacit suppos suppose limit limite)
Ressources renouvelables: Ce type de ressources reste disponible avec la mme quantit, mme aprs avoir t utilis par une ou plusieurs tches en quantit limite chaque instant, telles que, les hommes, les machines, lespace, les quipements en gnral. Ressources consommables: Cest le cas contraire des ressources renouvelables, il sagit de moyens tels que, la matire premire, les budgets,etc. De mme, pour ces ressources, la consommation globale ou cumul au cours du temps est limit. Ressources doublement Contraintes: Si leur utilisation instantane et leur consommation globale sont toutes deux limites (source dnergie, financement,).

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Ressources renouvelables

Ressources cumulatives ou partageables : Peuvent tre utilis utilises par plusieurs tches simultan simultanment mais en nombre limit limit (quipe d'ouvriers, poste de travail, travail,). Ressources disjonctives ou non partageables: Ne peuvent ex excuter qu quune tche la fois (machines, outils, robots manipulateurs, manipulateurs,).
Remarques - Les ressources appartenant un systme de production, peuvent tre des machines, des oprateurs, des convoyeurs ou robots transporteurs, de l'nergie, des systmes dinformations, des outillages, .... - Si une ressource disjonctive est en plusieurs exemplaires dans latelier, on parle dun tage constitu de plusieurs ressources similaires.
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Problmes dordonnancement dateliers: Environnement machines


Classification

Base sur les diffrentes configurations des machines. Les modles les plus connus sont: Machine unique Machines multiples parallles:
Machines uniformes: performances Machines identiques: mmes vitesses de traitement.
Job Shop
Les gammes sont diffrentes

Flow Shop

Machines non relies ou indpendantes.

Les gammes proportionnelles. sont identiques

Open Shop
Aucune gamme nest impose

Machines multiples spcialises: Ateliers cheminement libre (Open shop)


Ateliers cheminement unique (Flow Shop)

Atelier de production

Ateliers cheminements multiples (Job Shop)


Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Machine unique

Machines

parallles

Problmes dordonnancement dateliers: Environnement machines

Problmes une machine: Toute tche j, de dure dexcution pj (processing time) sexcute sur une machine, qui ne peut traiter plus quune tche la fois. Problmes machines parallles: Toute tche j, peut tre excute indiffremment sur une des machines mises en parallle. Si pi,j est la dure dexcution de la tche j sur la machine Mi alors: Les machines sont identiques si pi,j = pj (Mme vitesse de traitement). Les machines sont uniformes si pi,j = pj/si, avec si est la vitesse de traitement de la machine Mi (performances proportionnelles). Les machines sont non lies ou indpendantes si, pi,j = pj/si,j, avec si,j est la vitesse de traitement de la tche j par la machine Mi.
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Ateliers cheminement libre: Open Shop -- Chaque produit traiter doit subir un ensemble doprations sur un ensemble de machines, mais dans un ordre totalement libre (aucune gamme opratoire nest impose) -Ateliers cheminement unique : Flow Shop Les tapes de transformation sont identiques pour tous les produits fabriqus. Le processus dlaboration de produits est dit linaire . -- Chaque Job (produit) est constitu du mme nombre doprations (tapes) et lordre de passage sur les diffrentes machines est le mme pour tous les jobs (gammes opratoires identiques) --

Exemple datelier de type Flow Shop

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Les principaux modles dateliers dans lindustrie, sont les ateliers production linaire ou cheminement unique (Flow Shop) et les ateliers cheminements multiples (Job Shop)
Ateliers cheminements multiples: Job Shop Une varit de produits individuels dont la production requiert divers types de machines dans des squences varies. Une variabilit doprations dans le processus dlaboration de produits. -- Le nombre doprations nest pas ncessairement le mme pour tous les jobs (produits) et chaque job a son propre ordre de passage sur les machines (gammes opratoires diffrentes) -

Exemple datelier de type Job Shop

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Notation / / (Graham et al, 1979)


La notation propose se compose de trois champs (pour les ressources machines) / (pour les contraintes) / (pour les critres)

Champs

Le champ permet didentifier le nombre et le type de machines disponibles. Il est gnralement compos de trois lments 1, 2 et 3.

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Notation / / (Graham et al, 1979)


La notation propose se compose de trois champs (pour les ressources machines) / (pour les contraintes) / (pour les critres)

Champs

Le champ permet de caractriser les contraintes relatives aux jobs ainsi quaux machines disponibles. Il est gnralement compos de cinq sous champs 1, 2, 3, 4 et 5.

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

10

Notation / / (Graham et al, 1979)


La notation propose se compose de trois champs (pour les ressources machines) / (pour les contraintes) / (pour les critres)

Champs

Le champ permet de dsigner le critre doptimisation tudi. Parmi les critres les plus utiliss en gnral pour valuer la qualit dun ordonnancement, on trouve la date de fin de la dernire opration, connu par le Makespan et not Cmax.

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Fonction objectif
Pour valuer la qualit des solutions, on cherche optimiser (maximiser ou minimiser), un certain critre: Critres lis au temps : Temps total dexcution, temps moyen dachvement de tches, diffrents types de retards par rapport aux dates dchues ou dates de livraison, ... Critres lies aux ressources : Nombres ou Quantit - maximale, moyenne ou pondre - de ressources ncessaires pour raliser un ensemble de tches, charge de chaque ressource, Critres lies aux cots : Cots de lancement, de production, de transport, de stockage, Critres lis une nergie ou un dbit Loptimisation dun critre unique, ne permet pas de rpondre totalement aux diffrents problmes. Il est indispensable de tenir compte de plusieurs critres conflictuels pour la rsolution. En pratique les objectifs et les critres satisfaire se sont diversifis et le processus d'ordonnancement est devenu de plus en plus multicritre.
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

11

Critres globaux
Critres Internes Respecter La quantit quantit Critres Externes

Exemples de crit critres rencontr rencontrs dans l lindustrie

Optimiser une Op Opration

Optimiser le proc procd de fabrication

Respecter La qualit qualit

Maximiser lutilisation dune machine

Minimiser les stocks

Minimiser le niveau d denen-cours Minimiser le stock de produits finis

Respecter Les dates de livraison

Maximiser la disponibilit disponibilit dune machine

Optimiser le flux

Minimiser le stock de mati matires premi premires Minimiser le temps d dattente

Maximiser les performances dune machine

Optimiser lutilisation des ressources

Minimiser le temps de cycle de production

Equilibrer la charge des ressources Minimiser les temps de pr prparation

Eviter les retouches

Eviter les rebuts

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Diagramme de Gantt
Utilis par la quasi-totalit des chefs de projet dans tous les secteurs

Un outil de modlisation graphique invent par Henry L. GANTT en 1917. Une technique de visualisation dun ordonnancement, permettant de visualiser la fois: Lutilisation des moyens productifs (machines) Lavancement de lexcution des tches Dans un diagramme de Gantt on reprsente : En abscisse les units de temps (exprimes en mois, en semaine ou en jours), En ordonne les diffrentes tches raliser par les ressources. En pratique, le diagramme de base, est souvent complt par divers indicateurs (fonction de la charge ou du dlai) permettant d'en suivre l'avancement: La liste des ressources affectes chacune des tches, Les dures d'excution des tches ainsi que les liens de dpendance entre ses tches, Pr. Fatima EL KHOUKHI
FST de Fs A.U. 2012/2013

12

Diagramme de Gantt
Le mode de reprsentation le plus rpandu et le plus visuellement parlant
Quelques Logiciels libres: GanttProject OpenProj Planner TaskJuggler Le tableur Excel permet aussi de raliser un diagramme de GANTT

Les tches raliser sont identifies par des barres horizontales en fonction du temps.

E x e m p l e
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Contexte

Ordonnancement Job Shop A Job Shop Scheduling Problem (JSSP)


ATELIER

Machines

M1

M2 M2 M4 M1 M4 M1 M3

M3
Op Oprations

M4

J1
Jobs

M1 M3 M4

M1 J1 J2 J3

M2 M3 J2 J3 J1 J3 J2 J1

M4 J3 J1 J2

J2 J3

M3 M2

? Jobs sur les machines ?


Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Ordre de passage des

13

Complexit du (JSSP)
Modle gnral

De nature NP-difficile (Garey, Johnson & Sethi,1976)

- Ordonnancer un ensemble de jobs sur un ensemble de machines. - Chaque travail ou Job est compos dune squence doprations non premptives devant tre excutes sur ces machines selon un ordre prdfini (gamme opratoire) propre lui, qui nest pas ncessairement le mme pour tous les jobs.

Problme de Job Shop classique


Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Modle gnral Donnes du problme o o o o o m : nombre des machines

Problme de Job Shop classique

M = { M1, M2, , Mm } : ensemble des machines n : nombre de jobs (travaux) J = { J1, J2, , Jn } : ensemble de jobs oij est lopration de rang j du job Ji caractrise par: Machine requise ij M Dure dexcution Pij Ji = { oi1, , oij, , oi ni } : squence technologique (gamme opratoire) du job Ji, i = 1, , n

ni est le nombre doprations du job Ji


Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

14

Modle gnral

Problme de Job Shop classique

Contraintes de base du problme

o Une machine ne peut traiter quune opration la fois. o Un job ne peut passer que sur une machine la fois. o Les oprations dun mme job sont relies par les contraintes de prcdence imposes par les gammes opratoires prdfinies.
Fonction objectif (plus utilise)

o Minimiser le Makespan (C max) : Date de fin de la dernire opration.


Solution : Trouver une squence des oprations, satisfaisant les contraintes et minimisant C max
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Contraintes
On peut exprim les types de contraintes par des ingalits de potentiels : Contrainte exprimable par une seule ingalit de potentiel (succession entre tches ou contraintes de prcdence), Contrainte de conjonction dingalit de potentiels (chevauchement entre deux tches), Contrainte de disjonction dingalits de potentiels (le cas dexistence de plusieurs variantes de ralisation). Un expression logique conjonctive : Exprime quune contrainte temporelle est satisfaite, si toutes les contraintes membres qui la composent sont simultanment satisfaites Un expression logique disjonctive : Exprime quune contrainte temporelle est satisfaite, si au moins une des alternatives est une contrainte satisfaite La prise en compte dune contrainte disjonctive dfinit un probl problme de s squencement dans lequel il faut ordonner totalement les tches qui utilisent une ressource
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

15

Modlisation

Problme de Job Shop classique

Modlisation graphique

Graphe Disjonctif

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Modlisation

Problme de Job Shop classique

Modlisation graphique

Graphe Disjonctif

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

16

Problme de Job Shop classique


Modlisation

Modlisation graphique

Diagramme De Gantt

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Problme de Job Shop classique


Modlisation
Le modle de H. M. Wagner a mis en uvre lensemble des donnes et variables de dcision suivantes :

Modlisation Mathmatique

Modle de H. M. Wagner

Wagner (H. M.): An integer linear programming model for machine scheduling , Naval Research Logistic Quarterly, vol. 6, 1959.
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

17

Problme de Job Shop classique


Modlisation
(l) x i , j = 1 Pour k = 1,..., m ; l = 1,..., m k O / = M ij k ij m k x (l) = 1 Pour i = 1,..., n ; j = 1,..., n i l = 1 i, j n Tx ( l ) = P x ( l ) Pour k = 1,..., m ; l = 1,..., m k ij i , j k i =1 (M c ) t (l 1 ) + P x ( l1 ) t ( l 2 ) + BS ( 2 x ( l1 ) x ( l 2 ) ) ij i , j i, j i, j+1 k2 k1 Pour l1 = 1,..., m k ; l 2 = 1,..., m k t (1) = s 0 Pour k = 1,..., m k k r 1 (r) (l) l Pour k = 1,..., m ; r = 1,..., m k t k = ( Tx k + s k ) l =1 t m k + Tx m k C max Pour k = 1,..., m k k
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

(1)

(2)

Modlisation Mathmatique

(3)

(4)

Modle de H. M. Wagner

(5)

(6)

(7)

Problme de Job Shop classique


Modlisation
(l) x i , j = 1 Pour k = 1,..., m ; l = 1,..., m k (1) O / = M ij k ij m k x (l) = 1 Pour i = 1,..., n ; j = 1,..., n i (2) l = 1 i, j n Tx ( l ) = P x ( l ) Pour k = 1,..., m ; l = 1,..., m k (3) ij i , j k i =1 (M c ) t (l 1 ) + P x ( l1 ) t ( l 2 ) + BS ( 2 x ( l1 ) x ( l 2 ) ) (4) ij i , j i, j i, j+1 k2 k1 Les contraintes (1) qu'une unique opration msignifient Pour l1 = 1,..., k ; l 2 = 1,..., m k me position sur la machine M doit k passer en i t (1) = s 0 Pour k = 1,..., m (5) k k ( r ) r 1 ( l) l Pour k = 1,..., m ; r = 1,..., m k (6) t k = ( Tx k + s k ) l =1 t m k + Tx m k C (7) max Pour k = 1,..., m k k

Modlisation Mathmatique

Modle de H. M. Wagner

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

18

Problme de Job Shop classique


Modlisation
(l) x i , j = 1 Pour k = 1,..., m ; l = 1,..., m k (1) O / = M ij k ij m k x (l) = 1 Pour i = 1,..., n ; j = 1,..., n i (2) l = 1 i, j n Tx ( l ) = P x ( l ) Pour k = 1,..., m ; l = 1,..., m k (3) ij i , j k i =1 (M c ) t (l 1 ) + P x ( l1 ) t ( l 2 ) + BS ( 2 x ( l1 ) x ( l 2 ) ) (4) ij i , j i, j i, j+1 k2 k1 Pour l1 = 1,..., m k ; l 2 = 1,..., m k Les contraintes (2) imposent qu'une opration 0 t (1) = saffecte Pour k = 1,..., m (5) ne soit qu' une position et une seule k k ( r ) r 1 ( l) l Pour k = 1,..., m ; r = 1,..., m k (6) t k = ( Tx k + s k ) l =1 t m k + Tx m k C (7) max Pour k = 1,..., m k k

Modlisation Mathmatique

Modle de H. M. Wagner

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Problme de Job Shop classique


Modlisation
(l) x i , j = 1 Pour k = 1,..., m ; l = 1,..., m k (1) O / = M ij k ij m k x (l) = 1 Pour i = 1,..., n ; j = 1,..., n i (2) l = 1 i, j n Tx ( l ) = P x ( l ) Pour k = 1,..., m ; l = 1,..., m k (3) ij i , j k i =1 (M c ) t (l 1 ) + P x ( l1 ) t ( l 2 ) + BS ( 2 x ( l1 ) x ( l 2 ) ) (4) ij i , j i, j i, j+1 k2 k1 Pour l1 = 1,..., m k ; l 2 = 1,..., m k (1) contraintes (3) dterminent le temps (5) Les t = s0 Pour k = 1,..., m k k opratoire de la lme opration excute sur ( r ) r 1 ( l) machine sl Pour k = M 1,..., (6) k m ; r = 1,..., m k t k = ( Tx k + la k) l =1 t m k + Tx m k C (7) max Pour k = 1,..., m k k

Modlisation Mathmatique

Modle de H. M. Wagner

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

19

Problme de Job Shop classique


Modlisation
(l) x i , j = 1 Pour k = 1,..., m ; l = 1,..., m k (1) O / = M ij k ij m k x (l) = 1 Pour i = 1,..., n ; j = 1,..., n i (2) l = 1 i, j n Tx ( l ) = P x ( l ) Pour k = 1,..., m ; l = 1,..., m k (3) ij i , j k i =1 (M c ) t (l 1 ) + P x ( l1 ) t ( l 2 ) + BS ( 2 x ( l1 ) x ( l 2 ) ) (4) ij i , j i, j i, j+1 k2 k1 Pour l1 = 1,..., m k ; l 2 = 1,..., m k t (1) = s 0 Pour k = 1,..., m (5) k k Les contraintes (4) expriment la relation ( r ) r 1 ( l) t k = ( Tx k + s l Pour k = 1,..., m ; r = 1,..., m k (6) k) deprcdence impose entre deux oprations l =1 Oij et Oi j+1 t m k + Tx m k C (7) max Pour k = 1,..., m k k

Modlisation Mathmatique

Modle de H. M. Wagner

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Problme de Job Shop classique


Modlisation
(l) x i , j = 1 Pour k = 1,..., m ; l = 1,..., m k (1) O / = M ij k ij m k x (l) = 1 Pour i = 1,..., n ; j = 1,..., n i (2) i, j Le des dates de dbut au plus tt des l = calcul 1 oprations sur les machines, est donn par n ( l) Tx ( l ) = Ples Pour k = 1,..., m et ; l (6) = 1,..., m k (3) (5) ij x i , contraintes k j i =1 (M c ) t (l 1 ) + P x ( l1 ) t ( l 2 ) + BS ( 2 x ( l1 ) x ( l 2 ) ) (4) ij i , j i, j i, j+1 k2 k1 Pour l1 = 1,..., m k ; l 2 = 1,..., m k t (1) = s 0 Pour k = 1,..., m (5) k k ( r ) r 1 ( l) l Pour k = 1,..., m ; r = 1,..., m k (6) t k = ( Tx k + s k ) l =1 t m k + Tx m k C (7) max Pour k = 1,..., m k k

Modlisation Mathmatique

Modle de H. M. Wagner

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

20

Problme de Job Shop classique


Modlisation
(l) x i , j = 1 Pour k = 1,..., m ; l = 1,..., m k O / = M ij k ij m k x (l) = 1 Pour i = 1,..., n ; j = 1,..., n i l = 1 i, j n Tx ( l ) = P x ( l ) Pour k = 1,..., m ; l = 1,..., m k ij i , j k i =1 (M c ) t (l 1 ) + P x ( l1 ) t ( l 2 ) + BS ( 2 x ( l1 ) x ( l 2 ) ) ij i , j i, j i, j+1 k2 k1 Pour l1 = 1,..., m k ; l 2 = 1,..., m k t (1) = s 0 Pour k (7) = 1,..., m Les contraintes permettent k k de calculer le Makespan Cmax ( r ) r 1 ( l) l Pour k = 1,..., m ; r = 1,..., m k t k = ( Tx k + s k ) l =1 t m k + Tx m k C max Pour k = 1,..., m k k

(1)

(2)

Modlisation Mathmatique

(3)

(4)

Modle de H. M. Wagner

(5)

(6)

(7)

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Ordonnancement Job Shop


Variantes
Ordonnancement

Ordonnancement Datelier

Ordonnancement De projet

Open Shop

Flow Shop

Job Shop

Job shop Classique

Job shop Flexible

Job Shop avec temps de rglage

Job Shop avec ordre partiel et squences alternatives

Job shop Avec Transport

Job shop Avec Maintenance

Job shop Dynamique et Ractif

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

21

Aperu sur quelques variantes du Job Shop


Variantes

Dans une large gamme de systmes de fabrication rencontrs en pratique, la flexibilit des squences est dun grand secours pour lutter contre les arrts de production.

Job Shop Flexible

Chaque opration est associe un sous ensemble de machines candidates pour son excution, et parmi lequel une seule machine est choisir pour lexcution de cette opration. Il sagit de dterminer, en plus des squences des jobs sur les machines, leur affectation ces machines.

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Aperu sur quelques variantes du Job Shop


Variantes

Un ensemble dengins de transport (robots) sont disponibles dans latelier,

Job Shop Avec transport

Les temps de transport et de mouvements vides sont non ngligeables et dpendent des machines et des robots Transporteurs, Chaque robot transporteur possde une capacit de transfert en gnral gale 1.

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

22

Aperu sur quelques variantes du Job Shop


Variantes

En temps rel, la dynamique, les alas et la prise en compte des situations imprvues sont assez frquentes,

Job Shop Dynamique

Tenir compte des perturbations dynamiques telles que, les pannes de machines et larrive de nouveaux jobs.

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Ordonnancement Job Shop


Mthodes exactes
Les procdures par sparation et valuation

Mtaheuristiques

Approches de rsolution

Les mthodes de relaxation La recherche Tabou Les algorithmes gntiques Loptimisation par colonies de fourmis

Mthodes hybrides Simulation


Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

23

Ordonnancement Job Shop


Simulation

La littrature a connu lexistence dun ensemble de jeux de donnes, appels Benchmarks.

ar k Be nc h m

s
Disponibles sous forme dinstances de problmes gnriques conus pour valuer la qualit des solutions trouves. En ordonnancement dateliers Job Shop, divers Benchmarks existent pour tester les modles dordonnancement et surtout les mthodes de rsolution appropries.

Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

Bibliographie
Carlier J. et Chr Chrtienne Ph., Probl Problmes d'ordonnancement : mod modlisation, complexit complexit, algorithmes, Masson, Paris, 1988. Dr Dro J., Ptrowski A., Siarry P. et Taillard ., Mtaheuristiques pour l lOptimisation Difficile, Edition Eyrolles, Eyrolles, 2003. EL Hilali Alaoui A., Bencheikh G. et EL Khoukhi F., Initiation la recherche oprationnelle, Edition Post Modernit, 2009. Faure R., Pr Prcis de recherche op oprationnelle. Dunod, Dunod, Paris, 1979. Lopez P. et Roubellat F., Ordonnancement de la production, Edition Herm Herms Science, 2001.
Pr. Fatima EL KHOUKHI FST de Fs A.U. 2012/2013

24