10 Partie4 p87 133

Partie 4 : Modlisation et simulation de flux de production
87

- - P PA AR RT TI IE E 4 4 - -
M
M
o
o
d
d
l
l
i
i
s
s
a
a
t
t
i
i
o
o
n
n
e
e
t
t
s
s
i
i
m
m
u
u
l
l
a
a
t
t
i
i
o
o
n
n

d
d
e
e
f
f
l
l
u
u
x
x
d
d
e
e
p
p
r
r
o
o
d
d
u
u
c
c
t
t
i
i
o
o
n
n

88

Sommaire

Introduction .................................................................................................................................. 90

I- Dfinitions.................................................................................................................................. 92
I.1- DeIinition de la simulation de Ilux .................................................................................................92
I.2- ClassiIication des modeles de simulation .......................................................................................92
I.3- Terminologie utilisee en simulation a evenements discrets............................................................96

II- Limites et objectifs de la simulation........................................................................................ 98
II.1- Ce que la simulation peut Iaire.....................................................................................................98
II.2- Ce que la simulation ne peut pas Iaire (seule) ...............................................................................99

III- Rsum de quelques travaux de recherche utilisant la simulation..................................... 101

IV- Mthodologie de conduite d'une simulation........................................................................ 102
IV.1- Analyse du probleme .................................................................................................................103
IV.2- Modelisation et programmation.................................................................................................104
IV.3- Experimentations sur le modele.................................................................................................106
IV.4- Rapport et conclusions...............................................................................................................108

V- Approfondissement de la dmarche de modlisation ........................................................... 110
V.1- ObjectiIs d'un Modele Graphique de Connaissances ..................................................................111
V.2- Etat de l'art et pratiques industrielles sur les modeles graphiques...............................................112
J.2-a) Analvse de deroulement .................................................................................................................. 112
J.2-b) Travaux de recherche...................................................................................................................... 115
V.3- Proposition d'un Modele Graphique de Connaissances ..............................................................118

VI- Implmentation du modle du systme exprimental ......................................................... 126
VI.1- Modele geometrique du systeme physique ................................................................................126
VI.2- Modele Graphique de Connaissances ........................................................................................127
VI.3- Modele d'action..........................................................................................................................129

89
Conclusion................................................................................................................................... 133

Bibliographie............................................................................................................................... 134

90

Introduction

Dans cette partie on va prsenter et justifier l'utilisation d'un outil informatique permettant
de simuler le comportement dynamique de la ligne exprimentale. Bien que l'on dispose
du systme rel, en grandeur nature, des exprimentations, mmes simples, entranent
des temps de rponse qui peuvent s'avrer importants. De plus, la collecte de donnes
peut prsenter non seulement des difficults au niveau du mesurage, mais aussi
certaines imprcisions. Pour rduire, voire mme supprimer ces problmes, deux
possibilits sont offertes :
- une modlisation mathmatique,
- une modlisation simulatoire.
C'est la deuxime possibilit qui est utilise dans ce travail de recherche. On peut justifier
ce choix par le fait que le modle de simulation peut reproduire trs prcisment le
comportement d'un atelier de production et est utilis comme une exprience virtuelle. Il
ne fournit pas directement une solution analytique au problme pos. Dans cette partie, et
pour l'ensemble de ce travail, il est sous-entendu que la simulation dont on parle est
vnements discrets (voir chap. I).
Il faut aussi rappeler que la simulation de flux est un outil informatique qui est de plus en
plus utilis par les industriels et par les chercheurs. [LAW 91, page 2] cite plusieurs
enqutes (aux Etats-Unis) qui montrent la place de la simulation dans l'industrie : l'une
d'elles indique que parmi 14 techniques utilises, la simulation arrive en 2
me
position pour
84% des entreprises sondes. Pour les chercheurs, le principal intrt est de pouvoir
travailler sur un systme de production virtuel, dont le comportement peut tre trs proche
du systme rel, moindre cot et sans aucun risque. Dans le domaine de l'optimisation
et de la prise de dcision, les autres avantages de la simulation font que cet outil permet,
depuis une dizaine d'annes seulement, de mettre en uvre des mthodes qu'il tait
inimaginable d'appliquer sur les systmes rels ou sur des modles mathmatiques.

Dans le chapitre 1, on dfinit la simulation de flux vnements discrets ainsi que la
terminologie utilise dans ce domaine.
Le chapitre 2 permet de voir quelles sont les limites de la simulation de flux.
Des travaux de recherche utilisant la simulation de flux sont rsums dans le chapitre 3.
Une mthodologie de conduite d'une tude de simulation est propose dans le chapitre 4.
On prsente les diffrentes tapes suivre, et parmi elles, l'tape de modlisation qui est
la plus dlicate.
Dans le chapitre 5, l'tape de modlisation est approfondie et l'on montre l'intrt de
l'utilisation d'un modle graphique de connaissance. Aprs un tat de l'art des modles
91
graphiques permettant de dcrire et d'analyser les flux, on propose un formalisme qui
nous semble bien adapt la simulation de flux. Plusieurs modles graphiques sont
labors partir de ce formalisme, appliqus aux diffrents modes de pilotage des flux
vus dans la partie 1.
Ce formalisme est ensuite appliqu au systme exprimental dans le chapitre 6. On
prsente en fin de chapitre le codage du modle d'action avec le progiciel WITNESS.

92
I- Dfinitions

I.1- Dfinition de la simulation de flux

La simulation des flux de production intgre la fois la construction d'un modle et
l'utilisation exprimentale de ce modle pour tudier un problme.
Le modle consiste en une reprsentation d'un systme rel, capable de reproduire son
fonctionnement.
La simulation est l'activation du modle dans le temps, afin de connatre son
comportement dynamique et de prdire son comportement futur [CLAVER 97].
La simulation est principalement utilise pour tudier les flux physiques (pices, matires,
outils, etc...) et informationnels (Ordres de Fabrications, Kanban, etc... ) dans l'atelier et
les disponibilits des ressources (oprateurs, machines, convoyeurs, etc.).
Elle ne permet pas de trouver directement et de faon optimale des solutions des
problmes de production. En cela, on peut l'assimiler une simple bote noire qui ragit
aux consignes qu'on lui donne (variables d'entre), mais incapable, seule, de dterminer
la valeur optimale de ces consignes.
On l'utilise en gnral pour valuer et comparer des scnarios possibles.
Ses capacits d'imitation et de prdiction permettent d'obtenir des renseignements sur les
consquences de changements ou de modifications dans l'atelier (au niveau physique ou
dcisionnel), avant que ceux-ci ne soient effectus.
Les modles de simulation sont capables de dcrire le systme avec le degr de dtail et
de prcision ncessaire qui convient la rsolution du problme pos.
Cette description inclut la partie physique de l'atelier , mais peut aussi inclure certains
aspects du systme de pilotage (gestion de production).

I.2- Classification des modles de simulation

[LAW 91] propose une classification des modles de simulation qui distingue les Modles
Physiques des Modles Logico-mathmatiques.
- Les modles physiques sont ceux dans lesquels le systme rel est reprsent
par une rplique ou une maquette, une chelle diffrente et ventuellement
l'aide de matriaux diffrents. Ils sont utiliss des fins d'entranement :
93
simulateurs de vol, de conduite, maquettes de vhicules pour des essais
arodynamiques,...
- Les modles Logico-Mathmatiques ou symboliques sont dfinis par des
relations logiques et quantitatives qui sont manipules et changes pour voir
comment le modle du systme rel ragit. Ils sont excuts sur des ordinateurs.
C'est exclusivement ce type de modle qui sera utilis dans la suite de ce travail.

Une autre distinction concerne la prise en compte d'alas ou de variations alatoires dans
le modle.
- Si le systme est indpendant de l'influence de variables alatoires ou
imprvisibles, on utilise un modle dterministe.
- Si les alas jouent un rle significatif dans le comportement du systme (exemple
typique : les pannes), on utilise un modle stochastique. C'est ce type de modle
qui sera utilis dans la suite de ce travail.

Une troisime classification distingue :
- les modles statiques, pour lesquels le temps n'intervient pas.
Exemple : modle comptable permettant de calculer le bnfice en fin d'anne
l'aide d'un tableur.
- les modles dynamiques, pour lesquels le comportement est une fonction du
temps.
Exemple : systme de manutention dans une usine.

Enfin, l'intrieur des modles dynamiques, on distingue :
- les modles vnements discrets (ou discontinus) dans lesquels les
changements d'tat ne surviennent que lors d'vnements tels le dbut ou la fin
d'une opration, la mise en attente d'une pice dans un stock, la libration d'une
ressource, ... Dans une simulation vnements discrets, les flux essentiels que
l'on examine sont composs d 'lments isolables que l'on peut dnombrer et
identifier individuellement. Ces lments sont couramment appels "Entits" ou
"Articles" (voir Chap. I.3).
- les modles continus, plus adapts aux flux continus, qui utilisent des quations
mathmatiques pour prendre en compte les changements d'tat qui s'effectuent de
faon continue au cours du temps. Les valeurs des variables d'tat sont
recalcules rgulirement selon un pas d'horloge d'aprs ces quations.
Exemple : un racteur chimique.
- les modles combins (ou mixtes), qui intgrent les deux aspects.
94
Exemple : industrie mtallurgique ou agro-alimentaire.

Synthse de cette classification :

Dans la suite de ce travail, seuls les modles vnements discrets seront utiliss.
Dans [CERNAULT 88], on trouve encore une autre classification de la modlisation pour
la simulation de flux en fonction de l'approche :
- L'approche par vnements :
C'est l'approche la plus gnrale. Elle consiste rassembler tous les vnements
qui peuvent se produire et dcrire la logique des changements d'tat.
On peut distinguer dans la logique des changements d'tat :
- des rgles lies aux modes opratoires sur le procd de fabrication.
Exemple : fin de l'usinage d'une pice.
Modle Dterministe
Modle Stochastique
Modle du Systme
Modle Dynamique
Modle Continu
Modle Combin
Modle Discret
Modle Physique
Modle Statique
Modle Logique
Figure 1 : Classification des modles
(en soulign et italique, le type de modle utilis dans ce travail)
95
- des rgles lies la conduite / gestion.
Exemple : Si le lot A est prt avant le lot B, alors dmarrer la fabrication du
lot C sur le traitement thermique.
La difficult des rgles de conduite aux postes de fabrication est une des difficults
de cette approche.
Une fois le travail effectu pour la phase de modlisation, l'criture du modle
consiste programmer la logique des changements d'tat. Le logiciel doit tre en
mesure de stocker la liste des vnements crs. Le droulement de la simulation
consiste en la recherche, dans la liste, du prochain vnement prvu.
L'chancier est le module qui gre l'avance du temps au fur et mesure que les
vnements apparaissent.

- L'approche par activits :
C'est une approche qui s'appuie sur un raisonnement naturel : un procd est
dcrit comme l'enchanement d'activits et d'attentes. On peut le regarder travers
les activits en indiquant les conditions ncessaires leur dbut et leur fin.
Les attentes dbutent la fin de chaque activit. Elles se terminent lorsque les
conditions ncessaires l'activit suivante sont runies.
La modlisation consiste programmer les conditions de dclenchement et de fin
des activits. A chaque incrmentation du temps, on examine si les conditions de
dbut et de fin des activits sont ralises.

- L'approche par processus :
On parle de cette approche lorsque la modlisation consiste rassembler des
processus.
Les processus sont forms de squences d'vnements et d'activits : dure d'une
activit, utilisation d'une machine, stockage de pices, ...
Ces processus peuvent tre paramtrs. Dans le logiciel, ils correspondent des
sous-programmes ou des primitives avec lesquels on peut dcrire le
fonctionnement d'une installation. La puissance d'un logiciel sera lie aux
processus mis la disposition de l'utilisateur (manutention par robot, par
convoyeur, ...).

Le graphique de la figure 2 [CETIM 89] donne un aperu des principaux logiciels de
simulation en faisant apparatre l'approche utilise et le niveau de convivialit.

96

I.3- Terminologie utilise en simulation vnements discrets

Chaque progiciel de simulation de flux manipule des lments de base qui sont :
- Entit ou Article : Un article est l'lment isolable composant le flux discret. Il se
dplace individuellement travers le modle.
Exemple : Dans un atelier, les articles sont les pices fabriquer.

- File d'attente ou Stock : Les stocks sont des lments qui permettent
d'accumuler des articles entre deux machines. Les stocks peuvent tre grs de
diffrentes faons : FIFO, LIFO, avec critre de priorit, en vrac, ....
SIMSCRIPT II.5
PC MODEL QNAP 2
SIMAN
ASI
GPSS
SLAM
SAME SLAM 2
CADENCE
MICROSAINT
SIMULFLEX
WITNESS
ECSL
HOCUS
GASP
SIMSCRIPT
SEDRIC
Convivialit
de modlisation
Approches
de modlisation
p
r
o
c
e
s
s
u
s
a
c
t
i
v
i
t
n
e
m
e
n
t
s
l
a
n
g
a
g
e
l
a
n
g
a
g
e

a
i
d
p
r
o
g
r
a
m
m
a
t
i
o
n
s
i
m
p
l
i
f
i
e
s
a
n
s

p
r
o
g
r
a
m
m
a
t
i
o
n
e
t

f
o
r
m
a
l
i
s
m
e
s
a
n
s

p
r
o
g
r
a
m
m
a
t
i
o
n
Figure 2 : Les approches de modlisation en fonction des progiciels
97

- Opration ou Machine : C'est un lment qui prlve des articles d'un autre
lment (un stock ou une autre machine), les traite pendant un temps de cycle qui
correspond un dlai fix dans une unit de temps approprie.

Les articles, stocks et machines constituent l'essentiel des lments physiques d'un
modle de simulation vnements discrets. Pour faire fonctionner le modle ou pour
prlever des informations, on a aussi besoin d'lments logiques, qui se dcomposent en
deux catgories :
- Les Variables : Ce sont des valeurs qui caractrisent les lments du systme
en entier. On peut y accder depuis n'importe quel lment physique du modle.
L'analogie avec un langage de programmation structure est la notion de variable
globale.

- Les Attributs : Ce sont des variables spcifiques un article donn et qu'il porte
avec lui pendant sa dure de vie dans le modle. C'est en quelque sorte la carte
d'identit d'un article, dans laquelle on pourra mettre par exemple l'heure d'arrive
et l'heure de sortie d'un article, son temps de cycle sur une machine, le nombre de
trous percer sur une autre machine, etc.... Plusieurs articles diffrents ou
identiques peuvent donc porter le mme attribut, mais celui-ci pourra avoir des
valeurs diffrentes.

Une autre particularit des modles vnements discrets est le type d'exprimentation
en simulation que l'on veut faire. Au moment o l'on lance une simulation ( T = 0), le
modle est vide et ne contient aucun article. Deux types d'exprimentation peuvent tre
programms :
- Exprimentation Horizon Fini ou Terminatif : Dans ce cas, la simulation
s'excute jusqu' ce qu'une condition soit vrifie. Par exemple un atelier qui
fonctionne jusqu' ce que tous les articles aient t traits. Au dbut de la
simulation, l'atelier est vide, tout comme la fin de la simulation.

- Exprimentation Horizon infini ou Rgime Stabilis : dans ce type
d'exprimentation, on dsire tudier le comportement de l'atelier uniquement en
rgime stabilis, sans tenir compte de la priode de monte en rgime ou du
vidage de l'atelier. Il n'y a donc pas forcment de condition d'arrt lie l'absence
d'article, mais l'on dfinit une dure de simulation suffisamment significative pour
laisser au systme le temps de se stabiliser. Aucune mthode analytique n'a t
trouve dans la littrature pour dterminer la dure de la priode de monte en
rgime. En pratique, pour la dterminer, les experts de la simulation recommandent
de mesurer le niveau total d'encours dans le modle ou le flux sortant (en
98
article/unit de temps). En effet, au dbut de la simulation, le niveau d'encours va
monter progressivement puis se stabiliser. De la mme faon, le flux sortant sera
d'abord nul, puis va augmenter et se stabiliser entre deux valeurs acceptables.
Lors des exprimentations menes pour ce travail (voir la Partie 5), ces deux types de
simulation seront rexamines pour le cas tudi.

II- Limites et objectifs de la simulation

II.1- Ce que la simulation peut faire

Avant d'utiliser cet outil, il est important de savoir ce que l'on peut en attendre, notamment
par rapport aux outils de modlisation mathmatique.
Voici une liste non exhaustive des possibilits offertes l'utilisateur de la simulation de
flux :
- FOURNIR DES ESTIMATIONS REALISTES :
- du comportement attendu du systme,
- des variations l'intrieur du systme.
- EVALUER LES EFFETS DES ACTIONS SUIVANTES :
- ajouter, dplacer ou supprimer des machines,
- modifier les flux,
- modifier les dures de processus et / ou de montage,
- introduire de nouveaux produits ou supprimer des produits
existants,
- modifier les systmes de manutention,
- modifier l'ordonnancement et la rpartition des tches,
- ajouter ou supprimer du personnel,
- ....
Cette liste montre bien l'intrt qui peut tre port cet outil informatique, non seulement
auprs des industriels, mais aussi auprs des chercheurs pour vrifier leur thorie.

99

II.2- Ce que la simulation ne peut pas faire (seule)

- Elle ne peut pas optimiser la performance d'un systme. Elle peut seulement donner des
rponses des questions du genre : " Qu'est-ce qui se passe si ... ?"
Comme on l'a dj dit, une fois que le modle est programm et valid, la simulation
fonctionne comme une bote noire en fonction d'un scnario de fonctionnement. Elle ne
fait donc que reproduire le comportement du systme modlis.

- Elle ne peut donner des rsultats justes si les donnes sont imprcises.
Un point trs important, et sur lequel on n'insiste jamais assez, concerne les donnes
utilises par la simulation. Il est indispensable de vrifier la validit de ces donnes sous
peine d'obtenir des rsultats sans commune mesure avec ceux obtenus sur le systme
rel. Cela est particulirement critique quand le systme simul est d'un niveau de
complexit ne permettant pas une vrification analytique des rsultats fournis par la
simulation. L'article de [BALLOT 97] qui compare la simulation de flux avec la recherche
oprationnelle, indique que la qualit des rsultats de la simulation dpend exclusivement
de la qualit des rgles de fonctionnement et des donnes introduites lors de la
modlisation. Les outils de simulation permettent toujours d'obtenir un rsultat, mais
n'apportent rien quant sa validit par rapport au systme rel que l'on simule.

- Elle ne peut dcrire les caractristiques d'un systme qui n'a pas t compltement
modlis.
La phase de modlisation se droule gnralement en plusieurs tapes. On commence
par construire un modle global du systme, puis on l'affine progressivement, en suivant
ventuellement une mthodologie [DUFRENE 94], en validant chaque tape avant de
perfectionner le modle. Le problme qui se pose lors de la modlisation est de savoir
jusqu' quel niveau de dtail il faut aller pour que le modle soit reprsentatif de la ralit.
En ce sens, il est donc prfrable de rechercher affiner le modle, plutt que de se
contenter d'un modle trop gnral et imprcis.

- Elle ne peut rsoudre des problmes mais seulement fournir des indications partir
desquelles des solutions peuvent tre dduites.
Lorsque le modle est prt tre utilis pour la simulation, il faut encore se poser la
question de savoir quelles sont les informations que l'on veut observer pendant ou la fin
de la simulation. Ces informations, appeles "Indicateurs" sont des variables du systme
sur lesquelles un traitement statistique est effectu. La majorit des progiciels proposent
en standard des rsultats de simulation sous la forme de rapports statistiques qui peuvent
100
tre agrments de graphiques pour faciliter l'analyse. Les indicateurs "standard"
concernent essentiellement les quantits et les dures relatives aux flux d'articles, ainsi
que les taux d'utilisation, de panne, d'arrt des machines et ressources. Les figures 3 et 4
prsentent des exemples de rapports statistiques.
C'est uniquement partir de l'observation du modle et des indicateurs pendant et aprs
la simulation que l'on peut tenter de rsoudre le problme pos.

Nom Qt. Entre Qt. Expdie Qt. Rebute Qt. Assemble Qt. Rejete En Cours E. Cours Moy. Tps Moy.
TETE 601 0 0 601 1 0 4 13.98
CORPS 603 0 0 601 0 2 3.6 12.53
VIS 1206 0 0 1202 0 4 2.46 4.28
ASSM 601 600 0 0 0 1 2.85 9.98
Figure 3 : Rapport statistique des Articles
Figure 4 : Rapport statistique des Machines
Stati sti ques des machi nes Rapport sui vant les Pl anni ngs Douverture
CONTROLE
ASSEMB

0

5

1
0

1
5

2
0

2
5

3
0

3
5

4
0

4
5

5
0

5
5

6
0

6
5

7
0

7
5

8
0

8
5

9
0

9
5

1
0
0

1
0
5

1
1
0

%Disp. %Cycl e - Occ. %Cycl e - Remp.
%Cycl e - Vi dange %Arrt - Bl oqu %Attente - rglage
%Arrt - panne %Attente - Cycl e %Arrt - rglage
%Attente de rpar.
101
III- Rsum de quelques travaux de recherche utilisant la simulation

Beaucoup de travaux de recherche s'appuient sur la simulation pour traiter des problmes
d'ordonnancement. En voici quelques exemples :
- [CAUX 95] pose le problme des dates d'introduction des pices dans un systme
de traitement de surfaces. La simulation est utilise pour valuer l'ordonnancement
propos par une heuristique de placement des pices et une optimisation par la
mthode du Grimpeur (voir partie 7).
- [GOUJON 96] prsente un tude destine optimiser la planification d'un
chantier de moulage au sable. L'optimisation est ralise par un couplage entre
simulation et algorithmes stochastiques de type Recuit Simul, Grimpeur et
Kangourou. Les amliorations du temps de production sont considrables
puisqu'elles atteignent 80% de gain par rapport la solution initiale avec la
mthode Kangourou.
- [BOUKACHOUR 96] et [BAVAY 96] proposent un systme d'ordonnancement par
simulation qui permet de planifier non seulement "au plus tt", ce qui est la
dmarche classique, mais aussi "au plus tard". Ce mode d'ordonnancement est
appel ici "Retro-simulation" ou simulation arrire.

La simulation peut aussi tre utilise dans le domaine de la maintenance des systmes
de production, pour choisir des indicateurs ou pour mesurer les effets des pannes sur le
fonctionnement global du systme.
- [PERES 97] utilise la simulation de flux pour tester des indicateurs de
performances prenant en compte les effets directs des actions de maintenance. La
simulation doit pouvoir restituer les trois processus de base dont dpend l'volution
des systmes de production : processus de sollicitation/rponse, processus de
dfaillance/rparation et processus d'inspection/rvision. Il est prcis par ailleurs
que les logiciels de simulation offrent la possibilit de prise en compte des
dfaillances, mmes s'ils ne prsentent pas de fonctionnalits ddies la
maintenance.

Enfin, on peut citer quelques travaux rcents qui utilisent la fois le concept de
modlisation "multi-agents" pour spcifier le systme de conduite et la simulation pour
tester les algorithmes de rsolution des agents :
- [QUERE 97] simule le fonctionnement d'un convoyeur entres/sorties multiples
dont le sous-systme de dcision est modlis par l'approche multi-agents. Un
agent est plac sur chaque poste de chargement du convoyeur et la simulation est
utilise pour valuer les algorithmes de rsolution des agents.
102
- [KIEFFER 98] tudie un processus de production complexe (fabrication de semi-
conducteurs) qui comporte de nombreux bouclages de flux et qui pose le problme
de la synchronisation de composants. La simulation est utilise parce qu'aucun
outil d'ordonnancement n'est capable de prendre en compte en un temps
raisonnable le nombre important de tches traiter, les multiples rebouclages et
les alas des quipements. Quant l'approche multi-agents, elle permet de
dcentraliser et de coordonner les centres de dcision d'ordonnancement afin
d'augmenter la ractivit du pilotage face aux alas. Le simulateur est utilis en
phase d'exploitation de la ligne de production et permet d'affiner les temps de
cycle. D'autre part, il peut tre aliment par des donnes de suivi de production et
permettre ainsi d'indiquer aux exploitants les dcalages de dlai.

IV- Mthodologie de conduite d'une simulation

Dans ce chapitre, l'objectif est de proposer une mthodologie gnrale pour la ralisation
d'un projet de simulation de flux. L'objectif de cette mthodologie est non seulement de
fournir un fil conducteur tout projet de simulation, mais aussi de s'assurer, avant le
dbut du projet, que l'on est en possession de toutes les donnes utiles. Une tude de
simulation de flux se droule gnralement en quatre macro-tapes (figure 5):
RAPPORT et
CONCLUSIONS
ANALYSE du PROBLEME
ETAPE 1
ETAPE 2
ETAPE 3
ETAPE 4
MODELISATION et
PROGRAMMATION
EXPERIMENTATIONS
sur le MODELE
Figure 5 : Les 4 tapes d'une tude de simulation
103
Comme on le voit sur la figure 5, ces macro-tapes se droulent de faon squentielle,
mais des rebouclages ou des retours en arrire sont possibles afin de corriger ou de
complter l'laboration du modle en fonction des objectifs fixs.

Chacune de ces macro-tapes va maintenant tre dtaille en plusieurs tapes et l'on va
faire ressortir plus prcisment l'enchanement du projet.

IV.1- Analyse du problme

L'analyse du problme est un prliminaire indispensable et d'une grande importance,
puisque c'est dans cette tape que l'on doit dfinir prcisment ce que l'on veut mettre en
vidence avec la simulation, et quelle prcision on attend. On dtermine aussi les
indicateurs de performance qui vont permettre de vrifier si l'on atteint les objectifs que
l'on s'est fix. Enfin, il faut pouvoir fournir des donnes numriques au modle. Celles-ci
sont relatives tous les lments utiliss dans la simulation, comme par exemple :
- Donnes sur les articles fabriquer : gammes de fabrication (routage), loi
d'arrive dans le modle (frquence et taille de lot).
- Donnes sur les moyens de production : nombre et types de machines, lois de
pannes, nombre et types de ressources complmentaires de production (outils,
palettes, etc...)
- Donnes sur les systmes de manutention : nombre et type de convoyeurs ou
de chariots, capacit en nombre d'articles, vitesse de dplacement, etc...
- Donnes sur les stocks et les magasins : types et capacits, rgles d'entre et
de sortie, etc...
- donnes sur le personnel : effectifs, comptences et horaires.
A ces donnes numriques, il convient d'en ajouter d'autres qui s'expriment sous forme
logique et qui caractrisent les rgles de pilotage de l'atelier. Il est noter que bien
souvent, l'objectif de la simulation est de tester certaines rgles pour dterminer les plus
pertinentes. A titre d'exemple :
- Rgles de lancement et de squencement des articles en fabrication : la
commande ou en fonction des prvisions, par lots ou l'unit, priodique ou
apriodique,...
- Rgles d'ordonnancement des articles sur les diffrentes machines de l'atelier.
- Rgles d'affectation des ressources.
104
Il est noter que de nombreux chercheurs utilisent la simulation pour tester de nouvelles
rgles de pilotage, notamment dans le domaine de l'ordonnancement et de la planification
moyen terme [DRAKE 98], [BOSTEL 97], ....
Enfin, en complment aux donnes numriques et logiques, on doit disposer de
documents graphiques, la fois pour avoir une reprsentation gomtrique (ou spatiale)
du systme simul, mais aussi pour avoir une reprsentation des flux. On utilisera en
guise de modle gomtrique un plan de masse de l'atelier simuler. La macrographie
des flux permet de dcomposer le processus en actions lmentaires tels que oprations,
stockages, transferts et contrles. Dans le chapitre 6 de cette partie, un modle graphique
de connaissance sera dvelopp afin de formaliser cette macrographie des flux.
La figure 6 montre comment l'analyse du problme peut tre dcoupe en plusieurs
tapes.

IV.2- Modlisation et programmation

La construction du modle permet de coder le modle dans un langage informatique
appropri. Cette tape est de plus en plus facilite par l'volution des progiciels dont la
tendance est de substituer aux primitives d'un langage une interface graphique,
interactive et conversationnelle. Le concepteur du modle n'a plus besoin d'tre un
informaticien aguerri pour utiliser la simulation de flux. La figure 7 montre par exemple
une fentre renseigner pour modliser une machine avec ce type de langage [LANNER
98].

FORMULER LE PROBLEME
DEFINIR LES OBJECTIFS
PLANIFIER LE PROJET
COLLECTER LES DONNEES MACROGRAPHIER LES FLUX
Figure 6 : Dtail de la macro-tape "Analyser le problme"
105

Une fois le modle ralis, il faut vrifier si les rgles logiques qui dcrivent le flux sont
bien programmes et correspondent ce qui est demand. On excute donc des tests de
simulation uniquement pour vrifier le bon fonctionnement du modle. Si des diffrences
apparaissent, il faut pouvoir "tracer" tous les vnements du modle et vrifier leur
cohrence par rapport aux donnes. La plupart des progiciels disposent d'une fonction qui
permet de visualiser le fonctionnement du modle vnement par vnement (figure 8).
Figure 7 : Exemple de fentre de saisie d'un progiciel de simulation (Witness)
9.00 : Article_A(s) arrive(nt)
11.79 : La machine PREPARATION quitte l'tat Occupe
Article_B en sortie de l'lment PREPARATION vers Stock_2
Article_B en entre de l'lment PEINTURE partir de Stock_2
Article_A en entre de l'lment PREPARATION partir de Stock_1
Ressource obtenue par CONTROLE
12.00 : Article_B(s) arrive(nt)
Article_B en sortie vers Stock_1
12.00 : Article_A(s) arrive(nt)
13.00 : temps mis jour
13.39 : La machine CONTROLE quitte l'tat Occupe
Article_A en sortie de l'lment CONTROLE vers SHIP
Ressource obtenue par PEINTURE
13.89 : La machine PEINTURE essaye de quitter l'tat Rglage pour le
rglage n 1
Ressource obtenue par PREPARATION

Figure 8 : Exemple de visualisation de la trace des vnements
106
Cette tape doit se terminer par une validation qui consiste par exemple comparer les
rsultats fournis par le modle aux rsultats du systme rel si celui-ci existe. Les
rapports statistiques peuvent aider cette validation entre rsultats simuls et rsultats
rels.
La visualisation graphique et dynamique du modle est un atout considrable pour en
faciliter sa vrification et sa validation, puisque l'on peut suivre tous les changements
d'tat qui interviennent sur le modle.
L'enchanement des tapes de la modlisation et de la programmation est prsent sur la
figure 9.

IV.3- Exprimentations sur le modle

L'exploitation de la simulation est l'tape o l'on utilise le modle comme support
exprimental pour valuer le comportement dynamique du systme. Il faut bien sr avoir
Figure 9 : Dtail de la macro-tape "Modliser et Programmer"
CHOISIR UN PROGICIEL
REALISER LE MODELE
Modle
vrifi
TESTER LE MODELE
Modle
valid
Vers la macro-tape 1
non
non
oui
oui
107
dfini les donnes sur lesquelles on va pouvoir agir pour atteindre les objectifs que l'on
s'est fix dans la 1re tape. Un scnario ou une exprimentation se caractrise donc par
un jeu de donnes qui varie chaque itration du processus exprimental. Des mthodes
telles que les Plans d'Expriences [PILLET 92] peuvent tre utilises pour organiser les
scnarios, rduire leur nombre et interprter les rsultats.
[DELAMARE 93] propose justement une utilisation combine de la simulation de flux et
des Plans d'Exprience (mthode Tagushi) pour amliorer l'organisation d'atelier dans
l'industrie du bois. On trouve aussi dans cet article une reprsentation fonctionnelle (par
diagrammes SADT) de la mthodologie de conduite d'une simulation.
On montrera dans la partie 7 (optimisation de la production) que l'utilisation des plans
d'expriences n'est pas adapte des problmes d'optimisation complexes, o le nombre
de solutions est trs grand. Dans ce cas, la simulation est couple un gnrateur de
solutions et les rsultats sont ensuite analyss par un algorithme d'optimisation. Cette
approche fait partie de ce travail de recherche et est prsente dans la Partie 8.
Enfin, il faut tre capable d'interprter les rsultats fournis par la simulation. Cela suppose
la matrise de notions de statistique telles que l'intervalle de confiance, la moyenne
arithmtique ou temporelle, l'cart type et ventuellement l'analyse spectrale [CERNAULT
88], [LAW 91].
La figure 10 prsente le dtail de cette macro-tape d'exprimentations sur le modle.

DEFINIR DES
EXPERIMENTATIONS
Objectifs
atteints
EXECUTER DES
SIMULATIONS
ANALYSER LES RESULTATS
oui
non
Figure 10 : Dtail de la macro-tape "Exprimentations sur le modle"
108
IV.4- Rapport et conclusions

Cette dernire macro-tape est importante vis--vis du demandeur de l'tude de
simulation. En effet, celui-ci n'est pas forcment un expert dans ce domaine et il va falloir
prsenter les rsultats de l'tude pour qu'ils soient comprhensibles. Entre autre, il faut
tenir compte des remarques suivantes :
- Ne pas noyer le demandeur dans des tableaux de chiffres insignifiants pour
lui.
- Expliquer les indicateurs utiliss.
- Justifier les hypothses simplificatrices.
- Utiliser un grapheur pour prsenter les rsultats.
- Prsenter les diffrentes solutions donnant le mme rsultat et proposer des
critres de choix.
- Suggrer de nouvelles pistes d tude.
Cette macro-tape est dtaille dans la figure 11 :

Dans ce chapitre, une mthodologie de conduite d'un projet de simulation de flux a t
propose sous forme de macro-tapes, elles-mmes dcoupes en plusieurs tapes et
rassembles sous la forme d'un organigramme. La figure 12 est la reprsentation
complte de cet organigramme, tape par tape, en faisant apparatre les limites de
chaque macro-tape.

FILTRER ET FORMATER LES
DONNEES
ELABORER LE RAPPORT
CONCLURE SUR L'ETUDE DE
SIMULATION
Figure 11 : Dtail de la macro-tape " Rapport et conclusion"
109

Analyser le problme
FORMULER LE PROBLEME
DEFINIR LES OBJECTIFS
PLANIFIER LE PROJET
COLLECTER LES DONNEES MACROGRAPHIER LES FLUX
non
non
oui
oui
CHOISIR UN PROGICIEL
REALISER LE MODELE
Modle
vrifi
TESTER LE MODELE
Modle
valid
Modlisation et
programmation
FILTRER ET FORMATER LES DONNEES
ELABORER LE RAPPORT
CONCLURE SUR L'ETUDE DE SIMULATION
Rapport et
conclusions
DEFINIR DES EXPERIMENTATIONS
Objectifs atteints
EXECUTER DES SIMULATIONS
ANALYSER LES RESULTATS
Exprimentations
oui
non
Figure 12 : Organigramme gnral de la mthodologie
110
V- Approfondissement de la dmarche de modlisation

Dans le chapitre prcdent, une mthodologie gnrale de conduite d'un projet de
simulation a t prsente. Si les tapes d'Analyse du problme, d'Exprimentations et
de Conclusions ne prsentent pas de difficults particulires, il n'en est pas de mme
pour l'tape de Modlisation. Bien qu'il ait t dit que la construction du modle soit de
plus en plus facilite par l'volution des progiciels, le concepteur d'un modle de
simulation de flux peut difficilement passer directement du systme rel, existant ou
concevoir, au modle informatique. Un certain nombre d'tapes intermdiaires sont
ncessaires pour mener bien la construction du modle.
Les travaux de [QUERE 97] et de [HAMAIDI 97] dmontrent le souci d'approfondir la
dmarche de conception d'un modle, en dcoupant cette conception en plusieurs sous-
modles.
Le travail de [HAMAIDI 97], inspir de la modlisation d'entreprise IDEF3 et CIMOSA
[VERNADAT 96], privilgie une approche multi-modles, qui dcompose le modle global
de l'atelier en trois sous-modles :
- Le modle des flux : il dcrit la circulation des flux physiques et informationnels
dans le systme de production.
- Le modle du systme physique : il dcrit la gomtrie du systme physique et
reprsente les ressources du systme de production ainsi que leur capacit et leur
localisation dans l'espace.
- Le modle de conduite : il dcrit les lois de commande et les rgles d'allocation
des ressources du systme physique aux tches en cours d'excution.
La mthodologie prsente par [QUERE 97] dcompose le processus de modlisation en
quatre phases conscutives et ventuellement itratives (figure 13) :

ou concevoir
CONNAISSANCES
Systme existant
MODELE d'ACTION
MODELE de
Etape 3 : Exploitation du
Etape 4 : Actions sur
Etape 2 : Traduction dans un
formalisme mathmatique ou
de programmation
Etape 1 : Description par un
formalisme graphique ou en
langage usuel
performance
Critres de
modle d'action
le systme
Figure 13 : Processus de modlisation
111
Cette mthodologie axe sur la modlisation est assez proche de la dmarche gnrale
prsente dans le chapitre IV et sur la figure 12. L'aspect qui semble important ici est de
passer par un modle intermdiaire de connaissances, dans un formalisme graphique par
exemple, avant de passer au modle d'action qui est traduit dans le langage du progiciel
utilis.

V.1- Objectifs d'un Modle Graphique de Connaissances

La contribution qui peut tre apporte aux ides prsentes dans les deux travaux
prcdents est de crer un Modle Graphique de Connaissances (M.G.C), prliminaire
la modlisation informatique, sur lequel apparat la fois le modle des flux et le modle
de conduite (le modle gomtrique pouvant tre superpos au modle des flux ou
prsent sparment).
Les objectifs d'un tel modle sont multiples :
- Structurer et rassembler les donnes utiles la construction du modle
informatique.
- Servir d'outil de communication entre les diffrents acteurs (oprateurs,
techniciens de maintenance, ingnieurs, responsables, ...) la fois pour la
conception d'un systme de production mais aussi pour son exploitation.
- Permettre de reprsenter aussi bien les flux physiques qu'informationnels.
- Identifier et dfinir les rgles et lois utiles au pilotage du systme.
- Servir de support la ralisation du modle informatique.

L'une des caractristiques essentielles de ce modle est de devoir tre construit partir
d'objets graphiques symbolisant les lments du systme rel.
Avant de prsenter le formalisme graphique propos pour ce modle, un rsum des
formalismes dj utiliss dans l'industrie ou dvelopps dans des travaux de recherche
est abord dans le chapitre suivant.

112
V.2- Etat de l'art et pratiques industrielles sur les modles graphiques

V.2-a) Analyse de droulement
Ce formalisme est trs utilis dans l'industrie, en tant que complment graphique une
gamme ou pour dcrire un processus de production. Il permet d'analyser l'enchanement
des actions qui composent un processus. Ces actions sont dcomposes en :
- OPERATIONS, destines modifier les caractristiques de la matire.
Exemple d'oprations : usinage, formage, assemblage, etc....
Les oprations d'un processus de production industrielle font presque toujours
appel des machines qui peuvent tre automatises ou pas.

- TRANSFERTS, destins modifier la localisation de la matire.

- STOCKAGES , destins laisser s'couler le temps sans agir sur les
caractristiques ni sur la localisation de la matire.

- CONTROLES, destins contrler la qualit du produit, gnralement par
comparaison ou par mesurage,

- ATTENTES, destines dcoupler les oprations qui ont des temps opratoires
diffrents.

Des symboles, plus ou moins conventionnels, sont utiliss pour permettre une
visualisation de ces diffrentes actions (figure 14).

Stockage
Contrle
Attente
Opration
Transfert
Figure 14 : Symboles d'une analyse de droulement
113
La liaison de ces diffrents symboles permet d'obtenir un graphique des flux. La figure 15
est un exemple de l'utilisation de ce formalisme.

Un autre forme rencontre est la matrice de droulement qui permet de rassembler des
informations quantitatives en plus des actions du processus (figure 16).

Accessoires
Etuvage
Moulage
transfert
Traitement
Contrle
Sables de
moulage
Expdition
Sables de
noyautage
Traitement
Noyautage
Confection
armatures
Modles
Figure 15 : Exemple d'analyse de droulement
114

Ce formalisme prsente les avantages d'tre trs rpandu dans l'industrie, d'utiliser des
symboles simples mmoriser et d'un niveau de dtail pas trop important, de mettre en
vidence les actions qui ne correspondent pas de la valeur ajoute (toutes celles qui ne
sont pas des OPERATIONS). On obtient un modle graphique synthtique et gnral des
flux physiques.
Parmi les inconvnients, on peut justement regretter de ne pas voir apparatre les flux
informationnels. D'autres part, ce modle est trop gnral et ne regroupe pas toutes les
donnes et rgles utiles la construction du modle informatique.

Distance Temps Quantit Poids Droulement
70 m
25
200 m
m
0,3 h
0,05 h/p
1,4 h
0,12 h
0,08 h/p
0,9 h
0,5 h/p
50 m
0,25 h
150
150
100
100
300 kg
300 kg
200 kg
200 kg
Sortie magasin matire
vers sciage
Sciage
vers fraisage
Fraisage
vers MMT
Mesurage
vers montage
Attente stabilisation
Figure 16 : Exemple de matrice de droulement
115
V.2-b) Travaux de recherche
La thse de [PARIS 93] propose le dveloppement d'un formalisme partir des travaux
de [BOURRIERES 90] et [BARAKAT 91]. Ceux-ci utilisent quatre symboles de base pour
la ralisation d'un schma oprationnel (figure 17).

La figure 18 montre l'utilisation de ce formalisme pour reprsenter un processus
d'assemblage.

A partir de ce formalisme, [PARIS 93] propose une extension destine aux lignes
d'assemblage automatises, avec un systme de convoyeurs. La figure 19 prsente les
principaux symboles de ce formalisme, et la figure 20 reprsente une application similaire
celle du systme exprimental qui sert de support nos travaux de recherche.

+
-
opration fonctionnelle
unaire
opration fonctionnelle
binaire
opration positionnelle opration auxiliaire de
dsassemblage
Figure 17 : Les quatre symboles de base de [BOURRIERES 90]
+
+
+
+
C1
C2
C3
C4
C7
C8 C8
C7
C9
C10
C11 C11
C10
C12
Figure 18 : Exemple d'un processus d'assemblage
116
Ce formalisme est d'une prcision beaucoup plus importante que celui utilis pour
l'analyse de droulement. D'autre part, il est d'une comprhension facile et d'une
similitude assez proche avec les lments rels qui composent le systme de
production. On dispose de beaucoup de dtails sur le sous-systme physique, mais
par contre on n'a aucune information sur les sous-systmes logiques et dcisionnels.
Parmi les autres formalismes rencontrs dans la littrature, l'un d'eux est particulirement
pris par les chercheurs. Il s'agit des Rseaux de Petri (RdP), pour lesquels les travaux et
applications sont trs nombreux. Dans le domaine de la production, l'ouvrage de [PROTH
Figure 19 : Les symboles de base de [PARIS 93]
Figure 20 : Exemple de modlisation d'une ligne avec 2 postes en drivation
117
95] prsente les diffrentes utilisations des Rseaux de Ptri pour la conception et la
gestion des systmes de production.
Le formalisme des RdP utilise uniquement 3 symboles de base (figure 21) :

Le fonctionnement des RdP est bas sur une dynamique qui autorise le franchissement
des transitions sous certaines conditions de prsence de jetons dans les places d'entre.
La figure 22 prsente une modlisation d'une ligne d'assemblage avec les RdP [PROTH
95].

La puissance de ce formalisme n'est plus dmontrer, notamment pour la description des
rgles de pilotage. Par rapport au problme que l'on s'est pos, le reproche que l'on peut
lui faire est d'tre d'un niveau d'abstraction trop important, notamment pour rpondre
Place Transition Jeton
Figure 21 : Les trois symboles de base des RdP
Figure 22 : Exemple de modlisation d'une ligne d'assemblage
118
l'objectif de communication entre les diffrents acteurs. D'autre part, un modle en
Rseaux de Ptri est encore trop loign du modle informatique et si cette modlisation
tait utilise, il faudrait srement encore une tape intermdiaire avant de passer au
modle d'action.

D'autres formalismes sont encore rencontrs pour la simulation de flux, et notamment les
diagrammes d'action ou actigrammes [HAMAIDI 97]. Mais aucun ne rpond tous les
objectifs que l'on s'est fix dans le chapitre V.1.
Pour cette raison, nous allons prsenter dans le chapitre suivant un formalisme issu de
plusieurs travaux auxquels nous avons apport des lments permettant de l'utiliser
comme Modle Graphique de Connaissances.

V.3- Proposition d'un Modle Graphique de Connaissances

Le livre de [de ROSNAY 75] et le formalisme propos par [JULIEN 92] sont la base de
ce travail. On rappelle que l'objectif est de disposer d'un modle graphique de
connaissances servant d'interface entre le systme rel et le modle informatique.
L'un des apport de ce travail est d'assimiler les lments utiliss dans une simulation de
flux (voir chapitre I.3) des objets gnriques, disposant d'attributs et capables de
raliser des oprations (figure 23). Les trois objets de base que l'on utilisera dans les
simulations vnements discrets sont les Machines, les Stocks et les Convoyeurs. Ces
trois objets sont utiliss pour agir sur un autre objet qui correspond aux Articles.

Identificateur
Attributs fixes
Attributs variables
Oprations en entre
Oprations en sortie
O
B
J
E
T
Classe
Figure 23 : Format des objets de base
119
Les symboles graphiques utiliss permettent non seulement de reprsenter les objets,
mais aussi le flux physique et le flux informationnel (figure 24) :

G
>1
&
Machine : apport de valeur ajoute sur un ou
plusieurs articles simultanment.
Plusieurs classes de machines : simple,
d'assemblage, cycles multiples, ...
La flche (en pointill) sur la gauche de la bote
indique l'information de disponibilit de la machine.
Elle intervient donc au niveau du pilotage du flux
physique.
Convoyeur ou dispositif de transfert des
articles : Permet de dplacer les articles d'un
point un autre. Aucun apport de valeur ajoute
sur les articles.
2 classes de convoyeur : avec ou sans
accumulation
Gnration d'un article physique ou d'une
entit informationnelle.
Reprsentation de l'entre dans le modle
Destruction d'un article ou d'une entit
informationnelle.
Reprsentation de la sortie du modle.

Flux physique entre les objets de base
(Machine, Stock, Convoyeur)
Flux informationnel = commande ou
pilotage
Divergence conditionnelle du flux
physique
ET logique sur entits
informationnelles
binaires
OU logique sur entits
informationnelles binaires
Stock ou file d'attente
Commande de sortie d'un
stock
Figure 24 : Symboles graphiques utiliss
Identificateur : Machine
Classe : Simple
Attributs fixes : tcyc=3
Attributs variables : nbpannes
Oprations en entre : inc(compt)
Oprations en sortie :
Identificateur : Convoyeur
Classe : A accumulation
Attributs fixes : tcyc=0,66
Attributs variables :
Oprations en entre :
Oprations en sortie :
120
Les figures 25 26 prsentent les Modles Graphiques de Connaissances obtenus avec
ce formalisme, appliqus aux modes de pilotage des flux (Partie 1 chapitre IV).

A
t
t
r
i
b
u
t
s

d
e

l'o
b
j
e
t

:
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
je
t

:
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
je
t

:
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
je
t

:
T
e
m
p
s

o
p
=
T
i
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
T
e
m
p
s

o
p
=
T
i
-
1
O
p
r
a
t
i
o
n
s

d
e

l'o
b
j
e
t

:
C
l
a
s
s
e

d
e

l
'o
b
je
t

:

s
t
o
c
k
A
t
t
r
i
b
u
t
s

d
e

l'o
b
j
e
t

:
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
I
d
e
n
t
if
ic
a
t
e
u
r

d
e
l'o
b
je
t
:
S
t
o
c
k
i-
1
S
t
o
c
k

i
-
1
e
n

e
n
t
r
e

:
e
n

s
o
r
t
ie

:
C
l
a
s
s
e

d
e

l
'o
b
je
t

:

s
t
o
c
k
A
t
t
r
i
b
u
t
s

d
e

l'o
b
j
e
t

:
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
je
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
S
t
o
c
k

i
I
d
e
n
t
if
ic
a
t
e
u
r
d
e

l'o
b
je
t
:
S
to
c
k

i
S
t
o
c
k

i
+
1
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l
'o
b
je
t

:

S
t
o
c
k

i+
1
A
t
t
r
i
b
u
t
s

d
e

l'o
b
j
e
t

:
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
C
l
a
s
s
e

d
e

l
'o
b
je
t

:

s
t
o
c
k
T
e
m
p
s

o
p
=
T
i
+
1
O
p
r
a
t
i
o
n
s

d
e

l'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
ie

:
C
E
N
T
R
A
L
I
S
E

(
M
R
P
)
S
Y
S
T
E
M
E
D
'
I
N
F
O
R
M
A
T
I
O
N
C
l
a
s
s
e

d
'o
b
j
e
t

:

m
a
c
h
i
n
e

s
i
m
p
le
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l'o
b
j
e
t

:

M
a
c
h

i
C
l
a
s
s
e

d
'o
b
je
t

:

m
a
c
h
in
e

s
i
m
p
l
e
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l
'o
b
je
t

:

M
a
c
h

i-
1
ordre de fabrication
&
machine libre
&
machine libre
&
C
l
a
s
s
e

d
'o
b
je
t

:

m
a
c
h
in
e

s
im
p
l
e
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l'o
b
j
e
t

:

M
a
c
h

i+
1
machine libre
P
D
P
Figure 25 : Pilotage centralis (type MRP)
Les seules conditions
ncessaires pour que chaque
machine puisse commencer
produire sont qu'elle soit
disponible et qu'elle reoive
un ordre de fabrication
provenant du systme
centralis de gestion de
production de type MRP.

121

T
e
m
p
s

o
p
=
T
i
O
p
r
a
t
io
n
s

d
e

l'o
b
je
t

:
C
l
a
s
s
e

d
'o
b
j
e
t

:

m
a
c
h
i
n
e

s
i
m
p
le
A
t
t
r
ib
u
t
s

d
e

l'o
b
je
t

:
I
d
e
n
t
if
i
c
a
t
e
u
r

d
e

l'o
b
je
t

:

M
a
c
h

i
o
r
d
r
e

d
e

f
a
b
r
i
c
a
t
i
o
n

o
u

K
a
n
b
a
n

(
i
-
-
>
i
-
1
)
C
l
a
s
s
e

d
'o
b
j
e
t

:

m
a
c
h
in
e

s
im
p
l
e
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l'o
b
je
t

:

M
a
c
h

i-
1
T
e
m
p
s

o
p
=
T
i
-
1
machine libre
&
S
t
o
c
k

i
-
1
A
t
t
r
i
b
u
t
s

d
e

l'o
b
je
t

:
O
p
r
a
t
io
n
s

d
e

l'o
b
je
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
O
p
r
a
t
i
o
n
s

d
e

l'o
b
je
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
C
la
s
s
e

d
e

l
'o
b
j
e
t

:

s
t
o
c
k
I
d
e
n
t
if
ic
a
t
e
u
r
d
e
l'o
b
je
t
: S
t
o
c
k
i-
1
G
S
t
o
c
k

i
S
t
o
c
k

i &
m a c h i n e l i b r e
C
l
a
s
s
e

d
e

l'o
b
je
t

:

s
t
o
c
k
A
t
t
r
ib
u
t
s

d
e

l'o
b
je
t

:
O
p
r
a
t
i
o
n
s

d
e

l'o
b
je
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
G
e
n

e
n
t
r
e

:
e
n

s
o
r
t
ie

:
I
d
e
n
t
if
ic
a
te
u
r
d
e
l'o
b
je
t
: S
t
o
c
k

i
I
d
e
n
t
if
ic
a
t
e
u
r

d
e

l
'o
b
j
e
t

:

S
t
o
c
k

i
+
1
&
S
t
o
c
k

i
+
1
C
l
a
s
s
e

d
e

l'o
b
je
t

:

s
t
o
c
k
A
t
t
r
ib
u
t
s

d
e

l'o
b
je
t

:
O
p
r
a
t
io
n
s

d
e

l'o
b
je
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
ie

:
T
e
m
p
s

o
p
=
T
i
+
1
o
r
d
r
e

d
e

f
a
b
r
i
c
a
t
io
n

o
u

k
a
n
b
a
n

(
c
li
e
n
t

-
-
>
i+
1
)
C
l
a
s
s
e

d
'o
b
j
e
t

:

m
a
c
h
in
e

s
im
p
l
e
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l'o
b
je
t

:

M
a
c
h

i+
1
machine libre
O
p
r
a
t
io
n
s

d
e

l'o
b
je
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
A
t
t
r
i
b
u
t
s

d
e

l'o
b
je
t

:
G
o
r
d
r
e

d
e

f
a
b
r
i
c
a
t
io
n

o
u

K
a
n
b
a
n

(
i+
1
-
-
>
i)
Figure 26 : Pilotage par l'aval et dcentralis (type Kanban)
Contrairement au pilotage
centralis, les conditions
ncessaires pour qu'une
machine travaille sont qu'elle soit
disponible et que la machine
situe en aval ait "consomm" un
article. La consommation d'un
article par la machine "client"
dclenche donc, sous la forme
d'une tiquette appel Kanban
par les Japonais, un ordre de
fabrication de la machine amont.
Si la machine aval ("client") ne
travaille pas, la machine
"fournisseur" ne peut plus
travailler, car elle ne reoit plus
d'ordre de fabrication, et cela
mme si elle est disponible. Ce
mode de pilotage a
principalement pour effet de
limiter les encours entre chaque
machine.

122

A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
je
t

:
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
je
t

:
T
e
m
p
s

o
p
=
T
i
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
T
e
m
p
s

o
p
=
T
i
-
1
O
p
r
a
t
i
o
n
s

d
e

l'o
b
j
e
t

:
C
l
a
s
s
e

d
e

l'o
b
j
e
t

:

s
t
o
c
k
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
O
p
r
a
t
i
o
n
s

d
e

l'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
S
t
o
c
k

i
-
1
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
I
d
e
n
t
if
ic
a
t
e
u
r

d
e

l'o
b
je
t
:

S
to
c
k

i-
1
C
l
a
s
s
e

d
e

l
'o
b
j
e
t

:

s
t
o
c
k
A
t
t
r
i
b
u
t
s

d
e

l'o
b
j
e
t

:
O
p
r
a
t
i
o
n
s

d
e

l'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
ie

:
S
t
o
c
k

i
G
I
d
e
n
t
if
ic
a
te
u
r

d
e

l'o
b
je
t
:

S
to
c
k

i
S
t
o
c
k

i
+
1
I
d
e
n
t
i
f
ic
a
t
e
u
r

d
e

l
'o
b
je
t

:

S
t
o
c
k

i+
1
C
l
a
s
s
e

d
e

l'o
b
j
e
t

:

s
t
o
c
k
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
O
p
r
a
t
i
o
n
s

d
e

l'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
G
T
e
m
p
s

o
p
=
T
i
+
1
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
G
C
l
a
s
s
e

d
'o
b
je
t

:

m
a
c
h
i
n
e

s
i
m
p
l
e
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l'o
b
j
e
t

:

M
a
c
h

i
C
l
a
s
s
e

d
'o
b
j
e
t

:

m
a
c
h
i
n
e

s
i
m
p
le
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l
'o
b
j
e
t

:

M
a
c
h

i
-
1
&
machine libre
&
machine libre
o
r
d
r
e

d
e

f
a
b
r
i
c
a
t
i
o
n

(
i
-
1
-
-
>
i)
&
o
r
d
r
e

d
e

f
a
b
r
i
c
a
t
i
o
n

(
i
-
-
>
i
+
1
)
C
l
a
s
s
e

d
'o
b
j
e
t

:

m
a
c
h
in
e

s
i
m
p
l
e
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l
'o
b
j
e
t

:

M
a
c
h

i+
1
machine libre
Figure 27 : Pilotage par l'amont et dcentralis
123

m
a
c
h
i
n
e

l
i
b
r
e
T
e
m
p
s

o
p
=
T
i
-
1
C
l
a
s
s
e

d
'o
b
j
e
t

:

m
a
c
h
i
n
e

s
i
m
p
l
e
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
j
e
t

:
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l
'o
b
j
e
t

:

M
a
c
h

i
-
1
S
t
o
c
k

i
-
1
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
C
l
a
s
s
e

d
e

l
'o
b
j
e
t

:

s
t
o
c
k
I
d
e
n
t
if
ic
a
t
e
u
r

d
e

l'o
b
je
t

:

S
t
o
c
k

i-
1
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
m
a
c
h
i
n
e

l
i
b
r
e
S
t
o
c
k

i
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
C
l
a
s
s
e

d
e

l
'o
b
j
e
t

:

s
t
o
c
k
I
d
e
n
t
if
ic
a
t
e
u
r

d
e

l'o
b
je
t

:

S
t
o
c
k

i
S
t
o
c
k

i
+
1
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l
'o
b
j
e
t

:

S
t
o
c
k

i
+
1
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
j
e
t

:
C
l
a
s
s
e

d
e

l
'o
b
j
e
t

:

s
t
o
c
k
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
j
e
t

:
T
e
m
p
s

o
p
=
T
i
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
C
l
a
s
s
e

d
'o
b
j
e
t

:

m
a
c
h
i
n
e

s
i
m
p
l
e
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l
'o
b
j
e
t

:

M
a
c
h

i
C
l
a
s
s
e

d
'o
b
j
e
t

:

m
a
c
h
i
n
e

s
i
m
p
l
e
T
e
m
p
s

o
p
=
T
i
+
1
O
p
r
a
t
i
o
n
s

d
e

l
'o
b
j
e
t

:
e
n

e
n
t
r
e

:
e
n

s
o
r
t
i
e

:
A
t
t
r
i
b
u
t
s

d
e

l
'o
b
j
e
t

:
I
d
e
n
t
i
f
i
c
a
t
e
u
r

d
e

l
'o
b
j
e
t

:

M
a
c
h

i
+
1
m
a
c
h
i
n
e

l
i
b
r
e
Figure 28 : Pilotage synchronis
124

Comme on peut le voir sur ces diffrents exemples, le Modle Graphique des
Connaissances est trs imag par rapport au systme rel. On retrouve, sur le mme
modle, la fois une modlisation du flux physique, du flux informationnel, des donnes
utiles la simulation et le modle de conduite peut s'y superposer. Sa reprsentation est
suffisamment simple et claire pour pouvoir servir de document de travail tous les
acteurs d'une simulation. La figure 30 montre un autre exemple de Modle Graphique des
Connaissances, le modle gomtrique du systme physique est donn (figure 29) pour
permettre de visualiser l'implantation physique des diffrents lments.

M1
M2
M3
CONV1
CONV2
CONV2
C
O
N
V
2
M4
5

m
4

m
2

m
Figure 29 : Modle gomtrique (implantation des lments)
125

Figure 30 : Modle Graphique de Connaissances
p
o
s
it
io
n

c
o
n
v
o
y
e
u
r
lib
r
e
(
*
)
T
e
m
p
s

o
p
=
3
.
5

m
i
n
.
M
T
B
F

=

1
0
h
M
T
T
R

=

5

m
i
n
C
la
s
s
e

d
'o
b
je
t

:
m
a
c
h
in
e
s
im
p
le
A
t
t
r
ib
u
t
s
d
e

l'o
b
je
t

:
(
*
)
O
p
r
a
t
io
n
s
d
e
l'o
b
je
t

:
I
d
e
n
t
if
ic
a
t
e
u
r

d
e
l'o
b
je
t

:
M
2
e
n

e
n
tr
e

:P
u
ll
B

f
r
o
m
W
o
r
ld
e
n

s
o
r
t
ie

:
P
u
s
h

to

C
O
N
V
2
m
a
c
h
in
e

lib
r
e
O
p
r
a
t
io
n
s
d
e

l'o
b
je
t
:
(
*
)
T
e
m
p
s

c
y
c
l
e

=

2

s
e
c
.
c
a
p
a
c
i
t

=

6

p
a
l
e
t
t
e
s
e
n

e
n
t
r
e

:
W
a
it
e
n

s
o
r
t
ie

:
P
u
s
h

t
o
C
o
n
v
4

a
t
(
1
0
)
C
la
s
s
e

d
'o
b
je
t

:
C
o
n
v
.

a
c
c
u
m
u
l.
A
t
t
r
ib
u
t
s
d
e
l'o
b
je
t

:
(
*
)
I
d
e
n
t
if
ic
a
t
e
u
r

d
e
l'o
b
je
t

:
C
o
n
v
2
G
A
r
t
i
c
l
e

B
p
o
s
itio
n

c
o
n
v
o
y
e
u
r

lib
r
e
(
*
)
T
e
m
p
s

o
p
=
2

m
i
n
.
M
T
B
F

=

2
h
M
T
T
R

=

5

m
i
n
C
la
s
s
e

d
'o
b
je
t

:
m
a
c
h
in
e

s
im
p
le
A
t
t
r
ib
u
t
s

d
e

l'o
b
je
t
:

(
*
)
O
p
r
a
t
io
n
s
d
e

l'o
b
je
t
:
I
d
e
n
t
if
ic
a
te
u
r

d
e
l'o
b
je
t
:
M
1
e
n

e
n
t
r
e
:
P
u
ll
A

fr
o
m
W
o
r
ld
e
n

s
o
r
t
ie

:
P
u
s
h

to

C
O
N
V
1
m
a
c
h
in
e

lib
r
e
O
p
r
a
t
io
n
s

d
e

l'o
b
je
t
:
(
*
)
T
e
m
p
s

c
y
c
l
e

=

2

s
e
c
.
c
a
p
a
c
i
t

=

6

p
a
l
e
t
t
e
s
e
n

e
n
t
r
e
:

W
a
it
e
n

s
o
r
t
ie

:
P
u
s
h

to

C
o
n
v
4
a
t

(
2
0
)
C
la
s
s
e

d
'o
b
je
t

:
C
o
n
v
.

a
c
c
u
m
u
l.
A
t
t
r
ib
u
t
s

d
e

l'o
b
je
t
:

(
*
)
I
d
e
n
t
if
ic
a
t
e
u
r

d
e
l'o
b
je
t
:
C
o
n
v
1
G
A
r
t
i
c
l
e

A
p
o
s
it
io
n

c
o
n
v
o
y
e
u
r
lib
r
e
(
*
)
T
e
m
p
s

o
p
=
1

m
i
n
.
M
T
B
F

=

4
h
M
T
T
R

=

7

m
i
n
C
la
s
s
e

d
'o
b
je
t

:
m
a
c
h
in
e
s
im
p
le
A
t
t
r
ib
u
t
s
d
e

l'o
b
je
t

:
(
*
)
O
p
r
a
t
io
n
s

d
e
l'o
b
je
t

:
I
d
e
n
t
if
ic
a
t
e
u
r

d
e
l'o
b
je
t

:
M
3
e
n

e
n
t
r
e

:P
u
ll
C

f
r
o
m
W
o
r
ld
e
n

s
o
r
t
ie

:
P
u
s
h

t
o
C
O
N
V
3
m
a
c
h
in
e
lib
r
e
O
p
r
a
t
io
n
s
d
e

l'o
b
je
t

:
(
*
)
T
e
m
p
s

c
y
c
l
e

=

2

s
e
c
.
c
a
p
a
c
i
t

=

6

p
a
l
e
t
t
e
s
e
n

e
n
t
r
e

:
W
a
it
e
n

s
o
r
t
ie

:
P
u
s
h

to

C
o
n
v
4
a
t

(
1
)
C
la
s
s
e

d
'o
b
je
t

:
C
o
n
v
.

a
c
c
u
m
u
l.
A
t
t
r
ib
u
t
s
d
e
l'o
b
je
t

:
(
*
)
I
d
e
n
t
if
ic
a
t
e
u
r

d
e
l'o
b
je
t

:
C
o
n
v
3
G
A
r
t
i
c
l
e

C
p
o
s
it
io
n

c
o
n
v
o
y
e
u
r

lib
r
e
O
p
r
a
t
io
n
s

d
e

l'o
b
je
t
:
(
*
)
T
e
m
p
s

c
y
c
l
e

=

2

s
e
c
.
c
a
p
a
c
i
t

=

6

p
a
l
e
t
t
e
s
e
n

e
n
tr
e
:

W
a
it
e
n

s
o
r
tie

:W
a
it
C
la
s
s
e

d
'o
b
je
t

:
C
o
n
v
.
s
a
n
s

a
c
c
u
m
u
l.
A
t
t
r
ib
u
t
s

d
e

l'o
b
je
t
:
(
*
)
I
d
e
n
t
if
ic
a
t
e
u
r
d
e

l'o
b
je
t
:

C
o
n
v
4
(
*
)
T
e
m
p
s

o
p
=
1

m
i
n
.
M
T
B
F

=

3
h
M
T
T
R

=

5

m
i
n
C
la
s
s
e

d
'o
b
je
t

:

m
a
c
h
in
e

s
im
p
le
A
t
t
r
ib
u
ts

d
e
l'o
b
je
t

:
(
*
)
O
p
r
a
t
io
n
s

d
e

l'o
b
je
t
:
Id
e
n
t
if
ic
a
t
e
u
r

d
e

l'o
b
je
t
:
M
4
e
n
e
n
t
r
e
:
P
u
ll
f
r
o
m
C
o
n
v
4
e
n
s
o
r
t
ie
:
P
u
s
h
t
o

S
h
ip
m
a
c
h
in
e

lib
r
e
O
P
E
_
2
O
P
E
_
1
O
P
E
_
3
O
P
E
_
4
126

Le Modle Graphique de Connaissances du systme exprimental est prsent avec ce
formalisme dans le chapitre suivant.

VI- Implmentation du modle du systme exprimental

VI.1- Modle gomtrique du systme physique

c
h
g
t
.
/
d
e
c
h
g
t
.
Station de
P
o
s
t
e

d
e
12162
2000
1400 650
550
2
0
0
0
codage
1200
1800
Poste en
drivation 1
c
h
a
r
g
e
m
e
n
t

/
d
c
h
a
r
g
e
m
e
n
t
L
i
g
n
e

d
e
8300 6800
1500
Poste en
drivation 6
1600
10000
drivation 2
Poste en
drivation 3
Poste en
800
Poste en Poste en
Ligne principale
drivation 5 drivation 4
2000
2800
Figure 31 : Modle gomtrique du systme exprimental
127
VI.2- Modle Graphique de Connaissances

L'lment fonctionnel le plus significatif sur cette ligne exprimentale est le poste en
drivation, que l'on retrouve six fois l'identique (voir partie 3 "Systme exprimental").
C'est donc le Modle Graphique de Connaissances d'un poste en drivation qui va tre
dtaill, sachant que sa reprsentation est identique pour l'ensemble des postes en
drivation de la ligne. Avant de passer cette modlisation, il est utile de reprsenter le
modle gomtrique d'un poste en drivation seul, pour prciser quelles en sont les
limites physiques (figure 32).

On rappelle que l'objectif du Modle Graphique de Connaissances est de disposer d'un
document sur lequel toutes les donnes ncessaires la ralisation du modle
informatique de simulation sont runies.

L'une des premires tapes de la ralisation de ce modle est l'identification des objets.
Cette tape ncessite une analyse du systme rel qui va permettre au concepteur du
modle de "filtrer" les lments physiques rels pour passer aux objets du modle
graphique. Il est donc important dans cette tape de dcider quels sont les lments qui
drivation
Poste en
Figure 32 : Modle gomtrique d'un poste en drivation
128
doivent tre modliss, et avec quel niveau de prcision. Malgr tout, comme cela dj
t montr, ce processus de ralisation du modle peut tre itratif, avec d'abord un
dgrossissage , puis un affinage progressif de la modlisation.
Pour le modle d'un poste en drivation, les objets identifis lors de cette tape sont les
suivants :

Figure 33 : Objets du modle de connaissance d'un poste en drivation
Sinon Attendre
Loi de sortie : Si CONV5 et INDEX vide = vrai
Alors pousse sur CONV5
Classe : Convoyeur Accumulation
Attributs fixes : Temps de cycle = 0,8 sec.
Loi d'entre : en Attente
Identificateur : CONV5
Nbre. de positions : 4
Loi de sortie : en Attente
Loi de sortie : Pousse sur CONV6
Actions Fin : Bit_Rout = 0
Loi de sortie : Si rgle de sortie = vrai
Alors pousse sur Conv_i
Sinon Attendre
Loi de sortie : Si rgle d'accs = vrai
Sinon pousse sur CONV2
Loi d'entre : En attente
Loi de sortie : Si rgle de priorit=vraie
Alors Pousse sur Conv_i
Sinon en Attente
Identificateur : INDEXAGE
Classe : Machine Simple
Attributs fixes : Temps de cycle = T_ope sec.
Loi d'entre : Tire depuis CONV5
129
Les objets de base qui sont retenus pour la ralisation du modle sont essentiellement
des convoyeurs accumulation et une machine (pour modliser l'indexage). Une des
simplifications de cette tape est de ne pas modliser les butes parce quelles ne
semblent pas intervenir de faon significative dans le fonctionnement gnral d'un poste
en drivation. Si l'on avait choisi de les modliser, on aurait utilis un objet de classe
"Machine" pour le faire. Autre simplification, le tronon de convoyeur de la ligne principale
( long. 3200) est divis en deux convoyeurs CONV1 et CONV2, car les lois d'entre et de
sortie sont actives uniquement aux extrmits des convoyeurs.
La figure 34 prsente le Modle Graphique de Connaissances d'un poste en drivation.

VI.3- Modle d'action

Le codage du modle d'action est ralis avec le progiciel WITNESS 9 [LANNER 98].
Le principal intrt de ce progiciel est de disposer d'une interface graphique de
programmation et de visualisation dynamique (voir les figures 35 et 36). D'autre part, il a
t choisi parce qu'il peut changer des donnes de type objet (au sens de la
programmation oriente objet) par le biais des liens O.L.E Automation de Microsoft
(Object Linked Embedding) avec d'autres applications fonctionnant sous Windows 95.
L
o
i d
'e
n
tr
e
: e
n
A
tte
n
te
A
lo
r
s
p
o
u
s
s
e
s
u
r
C
O
N
V
5
S
in
o
n
A
tte
n
d
r
e
L
o
i d
e
s
o
r
tie
: S
i C
O
N
V
5
e
t IN
D
E
X
v
id
e
=
v
r
a
i
N
b
r
e
. d
e
p
o
s
itio
n
s
: 9
A
ttr
ib
u
ts
fix
e
s
: T
e
m
p
s
d
e
c
y
c
le
=
0
,8
s
e
c
.
Id
e
n
tific
a
te
u
r
: C
O
N
V
4
C
la
s
s
e
: C
o
n
v
o
y
e
u
r

A
c
c
u
m
u
la
tio
n
Loi de sortie : en Attente
Identificateur : INDEXAGE
Classe : Machine Simple
Attributs fixes : Temps de cycle = T_ope sec.
Loi d'entre : Tire depuis CONV5
Actions Fin : Bit_Rout = 0
Loi d'entre : En attente
Loi de sortie : Si rgle de priorit=vraie
Alors Pousse sur Conv_i
Sinon en Attente
N
b
r
e
. d
e
p
o
s
itio
n
s
: 4
C
la
s
s
e
: C
o
n
v
o
y
e
u
r

A
c
c
u
m
u
la
tio
n
A
ttr
ib
u
ts
fix
e
s
: T
e
m
p
s
d
e
c
y
c
le
=
0
,8
s
e
c
.
L
o
i d
'e
n
tr
e
: e
n
A
tte
n
te
I
d
e
n
tific
a
te
u
r
: C
O
N
V
6
L
o
i d
e
s
o
r
tie
: P
o
u
s
s
e
s
u
r
C
O
N
V
7
Sinon pousse sur CONV2
Loi de sortie : Si rgle d'accs = vrai
Identificateur Article : PALETTE
G
Loi d'arrive : Fichier d'articles
Alors pousse sur Conv_i
Loi de sortie : Si rgle de sortie = vrai
Sinon Attendre
Figure 34 : Modle Graphique de Connaissances d'un poste en drivation
130
Cette fonctionnalit est utilise principalement dans la partie "Choix et intgration d'un
outil d'optimisation" (voir Partie 8) .
L'implmentation du modle informatique est obtenu avec un minimum de
programmation, mais partir de la dclaration et de la description sous forme interactive
des diffrents objets du modle. Toutefois, seule la programmation des rgles du sous-
modles de pilotage ncessite l'utilisation d'un langage algorithmique interprt avec des
primitives habituelles (IF..THEN..ELSE, FOR..TO..NEXT, WHILE.., etc...). Cette
programmation est ralise par des lois ou des actions d'entre et de sortie au niveau des
objets de type Machine, Convoyeur et Article. Les lois permettant de dcrire le flux et les
actions sont utilises pour modifier ou accder des valeurs de variables logiques
prdfinies ou dfinies par l'utilisateur.
Malgr son interface conversationnelle, Witness gnre automatiquement un code en
langage WCL (Witness Command Language) qui permet d'avoir une trace crite de la
construction du modle informatique. Une partie de ce code correspondant au Modle
Graphique de Connaissances est prsente sur la figure 37.

Figure 35 : Exemple d'une fentre de description d'un convoyeur
131

Figure 36 : Visualisation graphique et dynamique de la simulation
132

NOM DE LA MACHINE: INDEX_1;

TYPE: Simple;
DESCRIPTION_REGLAGE
Rglage n: 1
* Mode: Changement Valeur;
* Expression: ICON;
* Temps Rglage: 0.0;
* Description: Rglage 1
* Poste n: 1;
ACTIONS, Dbut
Dbut
Sreg1 = Sreg1 + 1
Fin Actions
FIN DESCRIPTION_REGLAGE
TEMPS DE CYCLE: T_OPE (1);
ACTIONS, Fin
Dbut
bit_rout (1) = 0
!calcul charge
CHARGEP1 = PUTIL (INDEX_1,2)
!calcul de la charge totale en sec.
STCYC1 = STCYC1 + T_OPE (1)
Fin Actions
LOI DENTREE: PULL from C5_1 at Front;
LOI DE SORTIE: PUSH to C6_1 at Rear;

FIN INDEX_1
NOM DU CONVOYEUR: C1_1;

TYPE: A_accumulation;
LONGUEUR ART.: 4;
CAPACITE MAX: 4;
LOI DENTREE: Wait;
LOI DE SORTIE: IF bit_rout (1) = 1 AND bit_def
= 1 AND bit_ante = 1 AND NPARTS (C4_1) <
P1_AM
PUSH to C4_1 at Rear
ELSE
PUSH to C2_1 at Rear
ENDIF;
TEMPS DE CYCLE: 0.8;
PANNES: Aucune;

FIN C1_1
Figure 37 : Description d'objets en langage WCL
133

Conclusion

Cette partie a permis de prsenter la simulation de flux, outil informatique qui va tre
utilis pour analyser et optimiser le fonctionnement de la ligne exprimentale. En effet,
plutt que de mener des expriences longues et coteuses sur la ligne relle, la
simulation permet de raliser les mmes expriences, mais de faon virtuelle, sur un
ordinateur, sans aucun risque et avec des temps de rponse trs rapides. Cet outil nous
permettra, dans les prochaines parties de ce travail, de tester un trs grand nombre de
paramtres et de valeurs de ces paramtres en un minimum de temps.
Bien sr, avant de lancer des simulations, il est ncessaire de construire un modle de
simulation du systme tudi. Dans cette partie, deux contributions sont apportes :
- La premire est d'ordre mthodologique, et permet d'organiser en quatre macro-
tapes, elles-mmes dcomposes en tapes, la ralisation d'une tude de
simulation. Cette dmarche est prsente de faon graphique sous la forme d'un
organigramme.
- La deuxime est d'ordre analytique, puisqu'elle a pour but de proposer la construction
d'un Modle Graphique de Connaissances, prliminaire la construction du modle
d'action, qui est lui directement li au progiciel utilis. L'objectif du Modle Graphique
de Connaissances est de raliser une modlisation pralable en faisant apparatre les
diffrentes donnes, de nature numrique ou logique, ainsi que la dcomposition en
objets de simulation : machines, convoyeurs, articles, stocks, etc Ceci permet de
crer un document de synthse sur lequel seront rassembles toutes les donnes
utiles la construction du modle d'action. L'exprience prouve en effet que la
construction d'un modle ncessite la collecte et la synthse d'informations issues de
multiples sources. Le Modle Graphique de Connaissances est donc un outil de
synthse et de communication entre les diffrents acteurs d'une tude de simulation.

Dans le chapitre VI, on prsente la ralisation pratique du Modle Graphique de
Connaissances de la ligne exprimentale et du modle d'action ralis avec le progiciel
WITNESS. Ce modle d'action a t construit, puis vrifi et valid en le comparant au
systme rel. Dans la partie 5, nous allons donc dfinir les simulations qui seront
ralises avec ce modle.

10 Partie4 p87 133

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

10 Partie4 p87 133

Transféré par

Droits d'auteur :

Formats disponibles

Partie 4 : Modlisation et simulation de flux de production

Vous aimerez peut-être aussi