Chapitre 5 (VG) PDF

Chapitre V ORDONNANCEMENT EN ATELIERS
SPCIALISS
La version CD-Rom de ce chapitre permet daccder directement des logiciels exploitant les principales techniques ou approches dcrites dans ce chapitre. La prsence dune icne en marge du texte (comme celle figurant dans cette page) indique la possibilit dutilisation de la technique dcrite dans le texte et le lien hypertextuel plac sur cette icne permet daccder lexemple numrique utilis dans le texte. Certaines figures et tableaux de ce chapitre ont t tablis partir de ce logiciel mais nont pas t repris sous leur forme originale pour des raisons de lisibilit. Vous avez la possibilit de crer vos propres exemples pour exploiter les possibilits offertes1.
Les problmes d ordonnancement 2 , cest--dire de la dtermination conjointe des dates dexcution dun ensemble doprations et des ressources mobilises dans cette excution, ont t introduits au chapitre prcdent relatif la gestion des projets. Ces problmes dordonnancement se retrouvent dans toutes les formes dorganisation de la production et la qualit des solutions proposes conditionne largement la performance, voire la survie, de lorganisation. - Dans le cas dune production en ligne de fabrication et / ou dassemblage, comme on le rencontre frquemment dans la production de masse de produits manufacturs, ces problmes sont peu importants pour la production sur une ligne ddie la production dune seule famille de produits obtenue par des combinatoires de modules interchangeables (un moteur choisir parmi 5 possibles, un tableau de commande choisir parmi 3 possibles, etc.). Le problme pratique pos concerne surtout le systme dinformation mettre en place, dans la mesure o il sagit de faire converger au bon moment les composants qui vont permettre de diversier la production. Les problmes sont dune tout autre nature si le choix de certaines options fait varier le temps de travail sur certains postes de la ligne (cest le cas, par exemple, de loption toit ouvrant dans lindustrie automobile) et, alors, se pose un vritable problme dordonnancement, qui sera prsent au chapitre IX.
1. Voir avertissement de la note du bas de la page 8. 2. La littrature spcialise distingue le problme de lordonnancement de celui du squencement qui nest autre que celui de la dtermination de lordre de passage dun ensemble doprations devant tre excut sur une ressource donne. Plusieurs ordonnancements traitant un mme ensemble de commandes impliquant chacune lexcution de plusieurs oprations, dans un systme productif comportant plusieurs ressources, peuvent conduire un mme squencement dun ensemble dopration excuter sur une mme ressource mais, si lordre de ces oprations est le mme, leurs dates dexcution changent. Pour approfondir la problmatique traite dans ce chapitre, le lecteur est invit se reporter Esquirol & Lopez (1999, [140]); il peut galement consulter les ouvrages de Pinedo (1995, [338]), Pinedo & Chao (1999, [339]), Morton & Pentico ([309], 1993) et Carlier & Chretienne (1988, [85]). Louvrage collectif coordonn par Lopez & Roubellat (2001, [286]) aborde de manire intelligible les nouvelles approches de rsolution de cette classe de problmes.
Index thmatique
Table des matires
360
Gestion de la production et des ux
- Dans le cas dindustries de process, comme la chimie et aussi dans certaines industries agroalimentaires, le problme dordonnancement pos est plutt celui de la dnition dun schma rptitif de fabrication de diffrents produits, pour faire face une demande relativement stable. Ce problme est souvent assez simple pour que lappel des formulations classiques de la recherche oprationnelle savre pertinent et particulirement rentable1. Dans ce chapitre, on sattaquera au cas de lordonnancement dun ensemble de commandes (ou dordres de fabrication), excuter dans un systme productif organis en ateliers spcialiss (dni au chapitre I, I-2.2.2, page 51), chaque commande pouvant porter sur une o plusieurs units (dans ce dernier cas, on parle de srie) et impliquant lexcution de plusieurs oprations mobilisant des ressources varies. Ce problme diffre de celui trait au chapitre IV (qui pouvait concerner un portefeuille de quelques projets) sur lhorizon de planication et sur le nombre de commandes. - Les problmes dordonnancement en ateliers spcialiss se posent sur le trs court terme (moins dune semaine), peuvent porter sur un nombre lev de commandes (plusieurs centaines) et concernent, dans le dtail et chaque instant du temps, la planication de lutilisation des ressources disponibles en hommes et en machines, an de mieux contrler les cots et de matriser les dlais de fabrication des productions dcides. - Les problmes dordonnancement de projet sattaquent au plus une dizaine de projets2, se posent sur un horizon allant de plusieurs semaines plusieurs mois, et un niveau gnralement agrg (dcoupage temporel, dtail des ressources). Les techniques dordonnancement en ateliers spcialiss relvent de la problmatique de la rgulation court terme de lentreprise, et plus particulirement de celle du contrle de lutilisation de la main-duvre et des quipements productifs. Elles compltent donc les techniques de gestion des stocks, traites au chapitre XI (gestion calendaire) et au chapitre XII (gestion de type quantit conomique de commande, point de commande) et les techniques en Juste-Temps, abordes au chapitre VII et qui assurent un autre contrle simultan des ux et des ressources, trs efcace dans certains cas. Lorganisation en ateliers spcialiss est le plus rpandu des modes dorganisation des systmes productifs. Cest sans doute aussi celui qui pose les problmes les plus compliqus, non pas en termes de formalisation de problmes ralistes car les techniques de modlisation permettent une description satisfaisante de ces problmes, mais en termes de rsolution en raison du nombre lev de variables de commande, de la nature discrte de ces variables et de la prise en compte des contraintes de disponibilit de ressources qui conduit la rsolution de problmes
1. Par exemple, certains problmes rencontrs dans la fabrication de certaines gammes de produits laitiers (yaourts) se rsolvent en faisant appel des modles initialement mis au point pour rsoudre des problmes de transport. 2. On observe, depuis quelques annes, une tendance une gestion par projet. Le nombre de projets grer peut alors tre de plusieurs centaines. Dans ces conditions, les logiciels dordonnancement de projets sont difcilement appropris pour prendre en compte efcacement les contraintes cumulatives. On observe souvent alors que les contraintes cumulatives sont ignores et que se mettent en place des procdures dajustements mutuels pour rsoudre les conits lorsquils se produisent.
Index thmatique
Table des matires
Chapitre V - Ordonnancement en ateliers spcialiss
361
combinatoires de grande taille1 et implique lutilisation dheuristiques. Une heuristique est un algorithme de rsolution dun problme complexe, exploitant au mieux la structure du problme considr et permettant de lui trouver rapidement une rponse numrique; des analyses comparatives permettent dvaluer la performance dheuristiques alternatives pour traiter une classe de problmes ; aucune garantie doptimalit nest donne et on peut, en gnral, simplement esprer obtenir rapidement une bonne solution. Les apports de la recherche oprationnelle sont cependant loin dtre ngligeables, comme nous allons le voir en examinant quelques problmes gnriques simples auxquels on peut se ramener, avec deux approches radicalement diffrentes de cette classe de problmes: celle des modles statiques (section I) et celle des modles dynamiques (section II, page 409). Ce sera loccasion de prsenter certaines mthodes efcaces de rsolution de ce type de problmes. On voquera enn (section III, page 416) les fondements retenus par certains logiciels de rsolution de problmes dordonnancement en ateliers spcialiss. Mais au pralable, il faut prciser la signication de quelques termes utiliss en ordonnancement. Rsoudre un problme dordonnancement, cest dnir o et quel moment prcis un certain nombre de tches2 doivent tre ralises. Une tche peut correspondre une fabrication dun objet ou la fourniture dune prestation de service. Chaque tche se dcompose en un certain nombre doprations dans des centres de production. En ordonnancement, le niveau de dtail retenu pour dnir une opration est tel que deux oprations successives sont excutes dans deux centres de production diffrents. Selon le problme examin, un centre de production peut tre aussi bien une usine, un dpartement de production, un atelier, un groupe de machines ou une machine. Il peut galement tre tout autre chose si la tche est une prestation de service : cabinet mdical, fauteuil de dentiste, caisse de supermarch, etc. Dans ce chapitre on utilisera le terme centre de production, de prfrence celui de machine habituellement utilis dans la littrature spcialise, pour bien marquer que ce problme dordonnancement ne concerne pas uniquement la production de biens mais aussi celle des services. Conformment ce qui vient dtre dit, lorsque la ralisation dune tche requiert successivement plusieurs centres de production, on dira que chaque centre de production ralise une opration de la tche considre. La premption dsigne la possibilit dinterrompre une opration pour en passer une autre avant de la reprendre plus tard et lon parle de problmes premptifs et de problmes non premptifs dordonnancement. Les problmes tudis ici seront tous de type non premptif. Lorsque lordre de passage dun ensemble de tches sur un mme ensemble de centres de production est toujours le mme, la littrature spcialise de recherche oprationnelle dsigne ce cas particulier dorganisation en ateliers spcialiss par
1. Les spcialistes qualient de NP- complets ou NP- difciles les problmes pour lesquels on na pas trouv dalgorithme de rsolution en un temps limit suprieurement par une fonction de la taille N du problme; on qualie de faciles les problmes pour lesquels une telle fonction polynomiale existe (par exemple N2) et de difciles ceux pour lesquels le temps de rsolution nest limit suprieurement que par une fonction exponentielle de N (par exemple 2N). 2. Ici, la tche (job dans la littrature spcialise anglo-saxonne, do les termes de ow shop et de job shop shop signiant atelier) se dnit par un ensemble doprations associes la fabrication dun produit (ou dun lot de produits) ou la dlivrance dune prestation de service; dans le premier cas, on parle souvent dOrdre de Fabrication ou OF. Cette acception du mot tche diffre donc ici de celle retenue en analyse de projets.
Index thmatique
Table des matires
362
le terme de ow shop, On parle encore de structure de type ux unidirectionnel en ce sens que, sur tous les centres de production, lordre dexcution reste le mme; on trouve encore, dans la littrature franaise le terme datelier cheminement unique. Dans un ow shop, le temps opratoire de certaines oprations pouvant tre nul, on peut alors dcrire un ow shop quelconque m centres de production par la gure 103, dans laquelle: - les entres directes sur un centre de production de rang suprieur 1 sexpliquent par des temps opratoires nuls sur tous les centres de production prcdents; - les sorties directes antrieurement au dernier centre de production sexpliquent par des temps opratoires nuls sur tous les centres de production suivants; - un temps opratoire nul entre le centre de production dentre et celui de sortie conduit, en pratique, sauter ce centre de production. FIGURE 103 Schma de principe dun ow shop (reprise de la gure 5, page 53)
Centre de prod. 1
Centre de prod. 2
Centre de prod. j
Centre de prod. m-1
Centre de prod. m
Ce type de production se distingue de celui de la chane de production par trois caractristiques: - le fait quune tche peut ne pas faire appel tous les centres de production (un nombre quelconque de centres pouvant tre sauts), - la dispersion importante des temps opratoires des oprations excutes sur un mme poste de travail (en raison dune absence de spcialisation troite du poste dans lexcution dune mme opration), - lexistence de les dattente, de longueur variable au cours du temps, en amont des diffrents postes de travail. Le tableau 66 fournit un exemple de donnes dun problme de ow shop avec dix OF (ordre de fabrication): lOF 5 commence directement sur la machine C; lOF 7 sort de latelier aprs excution de lopration sur la machine C; la machine B est saute par les OF 9 et 10. Vous pouvez visualiser le Gantt associ au squencement suivant des OF : 9, 10, 4, 6, 1, 8, 3, 2,7. On rserve le terme de job shop pour le cas gnral dune coexistence de trs nombreux cheminements des ux de production dans un mme systme productif (cas illustr la gure 3, page 52); on trouve encore, dans la littrature franaise, le terme datelier cheminements multiples. Pour en nir avec ce problme de terminologie, on rencontre des problmes datelier cheminements libres (connus aussi sous le nom de problmes dopen shop) dans lesquels les oprations des tches excuter sur un ensemble de centres de production diffrents peuvent ltre dans un ordre quelconque (cas, par exemple, de certains contrles de qualit ou dexamens cliniques en milieu hospitalier).
Index thmatique
Table des matires
363
TABLEAU 66 Exemple de problme de ow shop (temps opratoires des oprations excuter sur chaque machine, pour chaque ordre de fabrication)
OF Machine A Machine B Machine C Machine D Machine E 1 10 9 13 14 22 2 12 14 11 17 8 3 10 17 13 14 13 4 8 10 12 14 15 5 0 0 13 15 10 6 11 12 8 12 19 7 7 14 14 0 0 8 6 13 15 8 17 9 8 0 11 17 11 10 14 0 13 11 14
Les modles statiques dordonnancement se caractrisent par la recherche de lordonnancement optimal dun ensemble donn de tches sur une priode donne, ces tches ntant pas forcment toutes disponibles en dbut de priode. Les tches autres que celles prvues initialement sont stockes en attendant une rgnration de lordonnancement, sur la base de modles statiques, pour lensemble des tches en attente et en cours dexcution. Les modles dynamiques dordonnancement se caractrisent au contraire par des arrives successives de tches, sans rfrence prcise une priode dordonnancement. Le clivage des approches ne seffectue pas seulement sur la base dune opposition statique dynamique: dans les modles statiques on se situe toujours en univers certain, tandis que lapproche dynamique seffectue le plus souvent en univers alatoire. Le lecteur pourra se rendre compte de la complexit du problme pos, mme dans un cadre de type statique-certain, en cherchant rsoudre le cas MCANO S.A. propos la n de ce chapitre.
Index thmatique
Table des matires
SECTION I
INTRODUCTION AUX MODLES STATIQUES DORDONNANCEMENT
On abordera successivement et succinctement deux catgories de modles statiques dordonnancement: ceux o les cots de lancement sont indpendants de lordonnancement retenu ( I-1), puis ceux o le cot de lancement de chaque tche dpend de la tche qui la prcde ( I-2, page 388). Dans les deux cas et malgr le caractre trs simpliste de ces modles statiques, des enseignements prcieux peuvent tre tirs comme guide daction dans lapproche dynamique de cette classe de problmes. Dans un troisime paragraphe ( I-3, page 404), on tentera de dgager les traits essentiels de cette approche statique et les approches retenues aujourdhui pour rsoudre des problmes de dimension raisonnable.
I-1
Modles statiques Cas des cots de lancement indpendants de lordonnancement retenu
Le problme gnral est n tches et m centres de production ( I-1.4, page 376), mais nous examinerons tout dabord des cas plus simples dans lesquels m sera gal 1 ( I-1.1) ou 2 ( I-1.2, page 372), ou dans lequel n sera gal 2 ( I1.3, page 375). On analysera ensuite le cas dans lequel m est quelconque mais avec un ordre de passage entre les centres de production, identique pour toutes les tches ( I-1.4, page 376). On abordera ensuite le cas des cheminements libres
364
( I-1.5, page 384) et celui du job shop pour traiter le problme des goulots dtranglement ( I-1.6, page 385). Ces diffrents modles ont en commun un certain nombre dhypothses implicites: lordre technique de passage des tches sur les centres de production est intangible, les temps de transport et de lancement sont nuls, les temps opratoires sont certains, une opration ne peut commencer que si la prcdente est termine. Pour relcher ces contraintes, il faut faire appel une formulation gnrale de type programmation linaire en nombres entiers (cf. I-1.4.2, page 378).
I-1.1
Ordonnancement de n tches ncessitant lintervention dun seul centre de production
Ce cas de gure, le plus simple de tous, est moins vident quon ne pourrait le croire de prime abord. En effet, la seule chose que lon sait, cest que, quel que soit lordonnancement1 choisi, le temps ncessaire pour raliser les n tches est le mme. On examinera donc les consquences de plusieurs rgles dordonnancement sur certains indicateurs permettant de juger la qualit de lordonnancement choisi, dans une optique donne. Les enseignements obtenus ne manquent pas dintrt pratique si le centre de production auquel on sintresse est un centre de production constituant le goulot dtranglement du systme productif2. On examinera galement, sur les exemples numriques retenus, une technique graphique de visualisation dun ordonnancement, le graphique de Gantt. I-1.1.1 Lordonnancement suivant la rgle du temps opratoire minimum (rgle TOM)
Table des matires Index thmatique
I-1.1.1.1 Exemple introductif Supposons que pour la priode venir, 5 tches, toutes disponibles, soient excuter sur le centre de production A. On notera ti, la dure dexcution (y compris le temps de prparation) de la tche i (i = 1, 2, , 5), cette dure est encore appele temps opratoire. Ces dures peuvent comporter des temps de prparation mais ceux-ci sont supposs indpendants de lordre de passage des tches sur le centre de production. Le centre de production est rput disponible le temps ncessaire. Les donnes du problme sont portes dans le tableau 67. TABLEAU 67 Donnes de base
Tche i Temps opratoire ti (en centime dheure) 1 50 2 150 3 80 4 200 5 30
Supposons que lordonnancement retenu soit le suivant: tche 3, puis tche 4, puis tche 1, puis tche 5, puis tche 2. On notera j le numro dordre de passage du travail (par exemple, j = 3 repre la troisime tche programme, cest--dire
1. Puisquil ny a quun seul centre de production ( machine unique), on aurait pu tout aussi bien parler de squencement. 2. Le cas dun pool de machines identiques ou non sur lune desquelles chacune des n tches doit passer est voisin mais plus complexe. Le lecteur intress pourra consulter Hax & Candea (1984, [224]), p. 284-288 qui rsument les acquis dans ce domaine.
365
dans notre exemple la tche 1). On notera Tj (avec un T majuscule et non un t minuscule) la dure dexcution de la tche programme en jme position et Aj, la date dachvement de cette tche j. Dans notre exemple, on a donc: TABLEAU 68 Exemple dordonnancement
Ordre de passage j Tche programme j Temps dexcution Tj Date Aj de n de la tche j 1 3 80 80 2 4 200 280 3 1 50 330 4 5 30 360 5 2 150 510
I-1.1.1.2 Graphique de Gantt Cette programmation se visualise facilement sur le diagramme de Gantt de la gure 104. FIGURE 104 Exemple de visualisation dun ordonnancement sur un graphique de Gantt 100 Machine A
Table des matires
200
300 280 330 360 1 5
Temps 400 (minutes) 510 2
80 3 4
Index thmatique
Le graphique de Gantt encore appel diagramme de Gantt, est une technique de visualisation de lutilisation de moyens productifs et/ou de lavancement de lexcution de tches popularise par Gantt en 1917 (mais dont on retrouve des utilisations chez les prtres gyptiens de lantiquit) et est classiquement utilise en ordonnancement en atelier. Une tche y est reprsente sur un axe, habituellement horizontal1, par un segment dont la longueur est, en principe, proportionnelle au temps dexcution. Lorsque lon tudie lvolution de lutilisation de plusieurs facteurs productifs (par exemple des machines), lutilisation de chaque facteur productif est porte sur un axe diffrent; on a alors un faisceau de droites parallles sur un mme document (tableau mural par exemple). La mme chelle temporelle est utilise pour tous les axes, ce qui fait que les intersections de ces droites avec une mme perpendiculaire reprent le mme instant. Pour faciliter ce reprage, un papier quadrill est utilis et lchelle des temps est explicite en haut du document. Un curseur vertical permet de visualiser un instant prcis du temps, ce qui facilite lutilisation de ce document pour le suivi dun atelier. Au-dessus de chaque segment on porte le code didentication de la tche (ou ordre de fabrication), ou des quantits sil sagit de la production dun article connu sans ambigut.
1. Les programmes informatiques disponibles sur le CD-Rom utilisent, pour des raisons de commodit, la convention dune reprsentation sur un axe vertical.
366
Ce document est utilis pour le lancement des travaux en ateliers, lorsque la production est organise en ateliers spcialiss. Le plus souvent en face dun poste de travail, on porte deux axes parallles distants de quelques millimtres seulement. Sur laxe suprieur on trace en trait n les prvisions, tandis que laxe infrieur est destin aux ralisations, en trait gras. Cette astuce de prsentation permet dviter les gommages. Conventionnellement une tche est programme comme la gure 105, o la longueur du segment est proportionnelle la dure dexcution et x est le numro de la tche, ou la quantit produire. FIGURE 105 Graphique de Gantt: structure de base
dbut programm dsignation de la tche fin programme prvision ralisation
lexcution, des carts peuvent apparatre avec les prvisions, si la production effective est suprieure la production prvue (parce que le rendement du poste est suprieur celui dni dans la gamme opratoire, lorsquil sagit dune production rptitive), linformation correspondante est visualise comme dans la gure 106 (la longueur du trait suprieur tant proportionnelle au dpassement de quantits produites par rapport aux quantits prvues). FIGURE 106 Graphique de Gantt: cas dune production ralise suprieure la production prvue x En cas de dpassement prvu, on portera sur le graphique (voir gure 107) linformation suivante pour indiquer le temps supplmentaire qui a t ncessaire pour raliser lobjectif prvisionnel (y est le code de lopration suivante). FIGURE 107 Graphique de Gantt: cas dun dpassement de temps x y
On porte galement sur le graphique les causes dinutilisation du poste de travail, laide des lettres conventionnelles suivantes: Z (aucun travail excut), A (excutant absent), M (manque de matire premire), R (rparation). Selon lhorizon de planication utilis, la prcision de lchelle est plus ou moins grande, le niveau de dtail des centres de production repr par les axes est plus ou moins pouss et les nomenclatures darticles fabriqus plus ou moins agrges: lordonnancement prvisionnel doit tre dautant plus global que lhorizon de planication retenu est loign.
Index thmatique
Table des matires
367
Par ailleurs, lorsque lon ne sintresse qu lavancement de tches, ce qui est le cas lorsque la production est de type unitaire, on associe habituellement chaque tche, un axe diffrent, cessant alors de privilgier la notion de centre de production ou de poste de travail (voir chapitre IV, page 307). I-1.1.1.3 La rgle TOM Lordonnancement retenu titre dexemple dans le tableau 68 de la page 365 nest que lun des 5! ordonnancements possibles. Si lexcution des 5 tches ncessite 510 centimes dheures quel que soit lordonnancement retenu, lordre de passage de ces tches a des consquences sur le moment partir duquel chaque tche est termine. Notons Aj, le moment partir duquel la tche programme en
4
me
position est termine. On a par exemple A4 = Th et dune faon gnrale:

h=1 j
A j = Th
h=1
relation 65
Le calcul des diffrents temps dachvement Aj est immdiat (et a dj t effectu en dernire ligne du tableau 68 et report dans la gure 104 de la page 365):
Table des matires
TABLEAU 69 Calcul du temps dachvement moyen

Ordre de passage j Tj Aj 1 80 80 2 200 280 3 50 330 4 30 360 5 150 510 A = 312
Index thmatique
Le temps dachvement moyen est alors: 1 80 + 280 + 330 + 360 + 510 - A = -A J = --------------------------------------------------------------- = 312 5 J 5 =1 et peut scrire encore dune faon gnrale: 1 1 =1 - A j = -- -- A = -T (n j + 1)T j k n j=1 n j = 1 k = 1 n j =1
n n j n 5
relation 66
La rgle dordonnancement qui minimise le temps dachvement moyen est celle du Temps Opratoire Minimum, rgle que lon notera TOM (elle est connue dans la littrature anglo-saxonne oprationnelle sous le nom de SPT rule, pour Shortest Processing Time rule, ou encore SOT rule, pour Shortest Operation Time). Elle consiste, comme son nom lindique, excuter immdiatement la tche ayant le plus faible temps opratoire. Cette rgle rcurrente est donc: T1 T2 T j T j + 1 Tn (rgle dordonnancement TOM minimisation du temps dattente moyen et du retard algbrique moyen) relation 67 Lapplication de cette rgle conduit, dans notre exemple, lordonnancement dcrit au tableau 70 de la page 368.
368
TABLEAU 70 Ordonnancement suivant la rgle TOM

Ordre de passage j Tche programme Tj Aj 1 5 30 30 2 1 50 80 3 3 80 160 4 2 150 310 5 4 200 510
A = 218
Notons ds prsent que la priorit des tches varie en sens inverse de la valeur du critre utilis dans la rgle dordonnancement, cest--dire que la tche que lon considre comme la plus urgente est celle pour laquelle la valeur du critre retenu est la plus faible. Ce sera le cas pour toutes les rgles dordonnancement prsentes dans ce chapitre. Cette rgle dordonnancement ne conduit pas la plus faible dispersion des rsultats. En effet, comme vous pouvez le vrier, lcart-type des temps dachvement est de l74,06 en suivant la rgle TOM, alors quil nest que de 139,05 dans lordonnancement initialement choisi. Par contre, on peut montrer que la rgle TOM minimise le temps dattente moyen ainsi que le retard algbrique moyen1. Le retard algbrique dune tche se dnit comme la diffrence positive ou ngative Tj dj entre le moment o la tche est termine Tj et le moment dj o elle aurait d ltre et qui est une donne exogne de lordonnancement. Le retard algbrique ne doit pas tre confondu avec le retard vrai, qui correspond lusage courant du mot retard, cest--dire quil est nul si la tche nest pas acheve postrieurement la date de livraison attendue et gale au retard algbrique dans le cas contraire: Max(0, Tj dj). Dans la suite de ce chapitre, lorsque lon parlera du retard sans prciser de quel type de retard il sagit, il est sous-entendu que cest le retard vrai qui est vis. Ajoutons enn que lattente dune tche se dnit comme lintervalle de temps sparant larrive dune tche dans le systme, du dbut de son excution. Si les tches ne sont pas toutes disponibles linstant 0 et quil est possible dinterrompre une tche en cours pour la reprendre ultrieurement au stade davancement o elle se trouvait (ce que lon a dni comme tant la premption), la rgle TOM applique chaque nouvelle arrive de tche sur lensemble des tches non encore excutes ainsi que la tche en cours (sur la base du temps opratoire rsiduel) conserve toutes les proprits voques dans ce paragraphe. Lapplication de la rgle peut donc seffectuer de manire myope, cest--dire que lorsquune tche est termine, on ne se proccupe que de la dtermination de la premire tche excuter dans lensemble des tches disponibles, sans tenir compte des dates darrive. I-1.1.2 La rgle TOM pondr Dans la pratique, les travaux effectuer peuvent ne pas tous prsenter le mme intrt (articles en rupture de stock, commandes urgentes, etc.). On peut alors introduire un coefcient ui (ui 1) traduisant la plus ou moins grande priorit accorde la tche i, par exemple partir de linverse de la marge (notion intro1. Voir Baker (1978, [30]), p. 24-25.
Index thmatique
Table des matires
369
duite au chapitre IV, page 301, que lon utilisera au I-1.1.4, page 371) ou dun indicateur en valeur comme la marge nancire associe la commande excuter ou la valeur de ses composants1. On cherche alors minimiser le temps dattente moyen pondr. 1 - A = -u j A j (Temps dattente moyen pondr) n j =1
n
relation 68
On dmontre2 que le temps dattente moyen pondr est obtenu en donnant la priorit la plus forte la tche qui a le plus faible quotient du temps opratoire au coefcient de pondration. Cette rgle rcurrente, que lon dsignera sous le nom de rgle TOM pondr, (connue aussi sous le nom de rgle de Smith) est donc: T1 T2 Tj Tj+1 Tn ----- ----- ---- ---------- ----(rgle TOM pondre) relation 69 u1 u2 uj uj+1 un Illustrons cette rgle par une modication de notre exemple. Supposons maintenant que les tches ont les priorits suivantes: 1, 2, l, 2, 3. Lordonnancement optimal est alors 5, 1, 2, 3, 4 (voir tableau 71). TABLEAU 71 Ordonnancement suivant la rgle TOM pondre
Tche i
Table des matires
1 50 1 50 2 1 5 10 90 90
2 150 2 75 3 2 1 50 50 140
3 80 1 80 4 3 2 75 300 440
4 200 2 100 5 4 3 80 80 520
5 30 3 10 1 5 4 100 400 920 A = 422
Temps opratoire ti Pondration ui ti/ui
Index thmatique
Ordre de passage de la tche i Ordre de passage j Tche programme Th uh Th uh

j
Th uh
h=1
Ordonnancement suivant la rgle de la date de livraison minimale Dans notre exemple, nous avons suppos implicitement qua priori nimporte quelle tche pouvait tre la dernire, cest--dire que les 5 tches devaient tre
1. Dans ce dernier cas, on retrouve, une constante multiplicative prs, la valeur des encours gnre par lordonnancement, hors valorisation du passage sur le centre de production. conomiquement, un cot de possession, li au passage dans cet atelier, peut se dduire de cette valeur. 2. Voir Conway, Maxwell & Miller (1967, [104], p. 43-44). Linterprtation des coefcients de pondration pourrait conduire, dans cette relation, remplacer n par la somme des coefcients de pondration. Cette transformation na pas dincidence sur la solution; la date dachvement moyenne pondre passe alors de 422 234,4.
I-1.1.3
370
termines 5,1 heures aprs la livraison simultane des 5 travaux effectuer sur le centre de production considr. Un cas frquent dans la pratique est celui dune date maximale souhaite pour la n de lexcution dune ou de plusieurs tches. Le plus souvent, aucun ordonnancement ne permet de satisfaire simultanment toutes ces dates de livraison et un arbitrage doit tre effectu. Nous allons examiner maintenant les implications de rgles de priorit frquemment utilises, mais il nous faut pralablement modier notre exemple et introduire dans le tableau 72 des dates de livraison di (lorigine du temps se situant au moment de la remise des diffrents travaux effectuer, ce qui fait que di peut fort bien tre ngatif). On calculera galement la marge de chaque tche, que lon dnit comme la diffrence entre la date de livraison souhaite et le temps opratoire et qui mesure la marge de manuvre dont on dispose pour une tche si lon ne se proccupe pas des autres tches (ce qui correspond au concept de marge totale en ordonnancement de projet). TABLEAU 72 Introduction des dates de livraison
Tche i Date de livraison di souhaite (en centime dheures) Temps opratoire ti (en centime dheures) Marge di ti 1 100 50 50 2 300 150 150 3 410 80 330 4 400 200 200 5 200 30
170
Calculons les consquences de lordonnancement TOM sur les retards de livraison, avant de prsenter dautres rgles dordonnancement (tableau 73). TABLEAU 73 Consquences de lordonnancement TOM
Ordre de passage j (rgle TOM) Tche programme Aj Date de livraison dj souhaite Retard vrai: max (0, Aj dj) 1 5 30 200 0 2 1 80 100 0 3 3 160 410 0 4 2 310 300 10 5 4 510 400 110 Retard minimal: 0 Retard maximal: 110 Retard moyen: 24
On montre1 que le retard vrai maximum est minimis (et donc le retard algbrique aussi) si lon adopte lordonnancement programmant les tches selon les dates croissantes de livraison (connu sous le nom de rgle de Jackson). Ceci implique que lon ait (j reprant toujours lordre de passage) : d1 d2 d j d j + 1 dn (rgle de la date de livraison minimale minimisation du retard maximum) relation 70 Appliquons cette rgle sur notre exemple dans le tableau 74.
1. Voir Conway, Maxwell & Miller (1967, [104]) p. 30-71 (non decreasing due-date rule), ou Baker (1974, [30]), p. 24-25. On peut ajouter que cette rgle minimise le nombre de tches en retard si lordonnancement trouv comporte moins de 2 tches en retard (voir Baker, [30], p. 26-27 et 36). Dans le cas contraire, il faut faire appel lalgorithme de Hodgson pour obtenir ce rsultat (voir Baker, [30], p. 27-28).
371
TABLEAU 74 Ordonnancement selon la rgle de la date de livraison minimale

Ordre de passage j Date de livraison dj souhaite Tche programme Temps opratoire Tj Aj Retard vrai maximal 1 100 1 50 50 0 2 200 5 30 80 0 3 300 2 150 230 0 4 400 4 200 430 30 5 410 3 80 510 100 Retard minimal: 0 Retard maximal: 100 Retard moyen: 26 A = 260 = 183, 74
Cet ordonnancement minimise le plus grand retard possible, mais il ne minimise pas le retard moyen: lapplication de la rgle TOM avait donn par exemple un retard moyen de 24 centimes dheures, contre 26 ici. On na pas trouv de rgle simple dordonnancement permettant de minimiser le retard moyen, le retard dune tche tant maintenant nul si la date de livraison est postrieure sa date de n1. Dans notre exemple, on peut assez facilement le trouver par ttonnement, il sagit de lordonnancement l - 5 - 2 - 3 - 4. En cas de non disponibilit de toutes les tches linstant 0 et de premption, la dmarche utiliser pour minimiser le plus grand retard possible est analogue celle voque pour la rgle TOM. I-1.1.4 Ordonnancement suivant la rgle de la marge minimale Une autre technique dordonnancement est parfois envisage. Elle consiste programmer les tches par valeurs croissantes de leurs marges (di ti), les tches ayant la plus faible marge tant supposes offrir le plus grand risque dtre en retard. Ce raisonnement est spcieux, car un tel ordonnancement ne conduit ni une minimisation du retard moyen ni une minimisation du retard maximum. On montre en effet que lordonnancement qui programme les tches par valeurs croissantes de leur marge conduit au rsultat suivant (intuitivement trs peu vident) : cet ordonnancement maximise le retard le plus faible possible. d1 T1 d2 T2 d j T j d j + 1 T j + 1 dn Tn (rgle de la marge minimale minimisation du retard le plus faible) relation 71 Dans notre exemple, le plus grand retard minimum possible est nul quel que soit lordonnancement choisi, comme on peut le voir en appliquant cette rgle dordonnancement (tableau 75, page 372). I-1.1.5 Modlisation gnrale Pour trouver la solution de ce problme doptimisation pour lequel aucune rgle simple na t trouve, on peut passer par la programmation linaire en variables mixtes (voir chapitre XVI) qui permet de dcrire, par une double contrainte, linterdiction dun chevauchement dans la programmation de 2 tches quelconques2. Le lecteur intress est invit se reporter au chapitre IV de louvrage dEsquirol et Lopez (1999, [140]) qui illustre en dtail cette formalisation pour traiter le cas dune minimisation de la somme des retards pondrs.
1. Lun des algorithmes les plus efcaces semble tre propos par Schrage & Baker (1978, [375]).
372
TABLEAU 75 Ordonnancement selon la rgle de la marge minimale

Ordre de passage j dj Tj Tche programme Temps dexcution Tj Aj dj Retard vrai maximal 1 50 1 50 50 100 0 2 150 2 150 200 300 0 3 170 5 30 230 200 30 4 200 4 200 430 400 30 5 330 3 80 510 410 100 Retard minimal: 0 Retard maximal: 100 Retard moyen: 32 A = 284 = 165, 6
I-1.2
Ordonnancement de n tches ncessitant lintervention de 2 centres de production
I-1.2.1 Cas du mme ordre de passage sur les centres de production A et B Le problme trait ici est un problme de ow shop 2 centres de production. Supposons que cinq tches soient excuter successivement sur les centres de production A et B (les donnes sont celles du tableau 76 de la page 373, o les temps sont exprims en centimes dheure). Lordonnancement qui minimise le temps dexcution de tous les travaux se trouve en utilisant lalgorithme de Johnson (publi en 1954) et dont on ne dmontrera pas loptimalit2, et qui remplit progressivement le tableau daffectation comme suit:
2. Note de la page prcdente. Si la tche j est programme comme lune des tches suivant la tche i, on doit avoir A j Ai + T j ; si elle est programme comme lune des tches qui la prcde, on doit avoir au contraire Ai A j + T i . Pour exprimer le fait que la tche j suit la tche i, on introduit la variable indicatrice ij qui vaut 1 dans ce cas et 0 dans le cas contraire et lon introduit le double jeu de contraintes pour exprimer quune seule des contraintes prcdentes soit satisfaire: A j Ai + T j ( 1 ij ) M et Ai A j + T i ij M , o M est une valeur positive suprieure aux valeurs que peuvent prendre A j et Ai (ceci correspond au cas trait dans la note de la page 1140). 1. Il sagit en ralit du seul critre pour lequel quelques rsultats signicatifs ont t trouvs. 2. Voir Conway, Maxwell & Miller (1967, [104]), p. 83-89, ou Baker (1974, [30]), p. 144-146.
Index thmatique
Chaque tche comporte maintenant deux oprations distinctes effectues par 2 centres de production diffrents. On suppose que la premption est interdite. Pour simplier lexpos, on conviendra que ces 2 centres de production sont les centres de production A et B. On notera tiA et tiB les temps dexcution de la tche i dans chacun des centres de production. Il faut distinguer deux cas de gure: celui o lordre de passage des tches est le mme sur les 2 centres de production, cest-dire que la tche doit dabord seffectuer sur le centre de production A puis sur le centre de production B pour tous les travaux effectuer, et celui o lordre technologique diffre selon les travaux. Dans un cas comme dans lautre, le seul critre que lon retiendra1 pour juger de la performance de lordonnancement est celui de la minimisation du temps total dexcution de tous les travaux (et qui inclut les temps dattente devant le centre de production occup). Deux cas de gure doivent tre distingus, selon que lordre de passage sur les centres de production A et B est identique ou non, pour toutes les tches.
Table des matires
373
TABLEAU 76 Exemple de problme dordonnancement 2 centres de production, avec mme ordre de passage
Numro de la tche i tiA tiB 1 50 60 2 150 50 3 80 150 4 200 70 5 30 200
Index thmatique
- tape 1 : rechercher la tche i dont le temps dexcution tij (avec j = A ou B) est le plus faible possible. - tape 2 : si j = A placer cette tche la premire place disponible en dbut de la squence dordonnancement; si j = B placer cette tche la dernire place disponible. - tape 3 : supprimer la tche i des tches restant programmer; sil reste plus dune tche programmer, revenir en tape 1 ; sil nen reste quune, sa position est impose puisquil ne reste plus dans le tableau daffectation quune seule place prendre. Lapplication de cet algorithme conduit placer tout dabord la tche 5 en premire position (t5A = 30) puis la tche 1 en deuxime position (t1A = 50), puis la tche 2 en dernire position (j = 5, t2B = 50), puis la tche 4 en avant-dernire position (dernire place disponible en n de classement, t2B = 70). Il ne reste plus pour la tche 3 quune place possible, la troisime. La programmation optimale est alors la suivante: 5 1 3 4 2. Le calcul du temps total dexcution est facilit en visualisant lordonnancement sur un graphique de Gantt (voir gure 108) qui permet en outre de voir rapidement les moments doccupation et de nonoccupation des centres de production. FIGURE 108 Ordonnancement selon lalgorithme de Johnson A 5 1 3 4 2
Table des matires
z 30 80
5 160 200 230
1 290 300 360
3 440 400
2 510 560 Temps 500(minutes)
100
Pour information, la gure 109 de la page 374 retrace le Gantt correspondant un ordonnancement suivant la rgle TOM applique aux temps opratoires du centre de production A. Lordonnancement optimal permet de gagner 20/100 dheure sur la date de n dexcution de tous les travaux, ce qui correspond lconomie de temps ralise
374
FIGURE 109 Ordonnancement suivant la rgle TOM sur la machine A A 5 1 3 2 4
z 30 80 100
5 160 200 230
1 290 310 300
440 490 510 580 400
Cas de la non-unicit de lordre de passage sur les centres de production A et B Jackson a montr en 1957 comment adapter lalgorithme de Johnson pour tenir compte de la possibilit davoir des tches ne seffectuant pas toutes dans le mme ordre (ce qui transforme le problme en un problme de job shop). Comme prcdemment, nous ne dmontrerons1 pas loptimalit de lalgorithme de Jackson, nous contentant de dcrire la procdure suivre. Il faut tout dabord effectuer une partition de lensemble initial des n tches en quatre sous-ensembles: - lensemble {A} comprend toutes les tches qui ne ncessitent que lintervention du centre de production A; - lensemble {B} comprend toutes les tches qui ne ncessitent que lintervention du centre de production B; - lensemble {AB} comprend toutes les tches qui ncessitent de passer dabord par le centre de production A avant de passer par le centre de production B; - lensemble {BA} comprend toutes les tches qui ncessitent de passer dabord par le centre de production B avant de passer par le centre de production A.
1. Voir dmonstration dans Conway, Maxwell & Miller (1967, [104], p. 105-106).
I-1.2.2
Index thmatique
Table des matires
Temps 500(minutes) sur lutilisation du centre de production B (attente, dans la solution, de la n de la tche 4 sur le centre de production A, avant de pouvoir occuper le centre de production B, libre partir de 4,9 heures). Lutilisation de graphiques de Gantt permet, comme ces exemples lillustrent, de visualiser le passage dune tche dun centre de production un autre, laide de ches verticales (ou obliques). Cette convention est souvent utilise dans la reprsentation de nomenclatures dordonnancement qui repre diffrents ensembles et sous-ensembles dun produit complexe et fournit sur un graphique de Gantt les temps opratoires correspondants ainsi que les enclenchements dassemblage des diffrents composants.
375
On dnit tout dabord lordonnancement optimal sur le sous-ensemble {AB} laide de lalgorithme de Johnson. Puis on fait de mme pour le sous-ensemble {BA}. Pour les sous-ensembles {A} et {B}, lordre de passage des tches nayant aucune importance, on slectionne une squence arbitraire de passage des tches dans chaque sous-ensemble. On combine les rsultats obtenus dans chaque sousensemble de la faon suivante: - centre de production A: squence optimale du sous-ensemble {AB}, puis tches du sous-ensemble {A}, et enn squence optimale du sous-ensemble {BA} ; - centre de production B: squence optimale du sous-ensemble {BA}. puis tches du sous-ensemble {B}, puis squence optimale du sous-ensemble {AB}.
I-1.3
Ordonnancement de 2 tches ncessitant lintervention de m centres de production
Une solution graphique ce problme dordonnancement est connue de faon correcte depuis 1963. Elle concerne le cas de 2 tches ne suivant pas la mme squence doprations (problme de job shop), mais utilisant le mme nombre de centres de production (dans le cas contraire, on peut toujours se ramener au cas gnral en attribuant un temps dexcution nul aux centres de production nintervenant pas dans le processus productif dune tche). Cette procdure1 est facile comprendre sur un exemple. Supposons que 5 centres de production, reprs par les lettres A E, soient ncessaires pour raliser la tche l (dans lordre suivant: D, B, E, A, C) et la tche 2 (dans lordre technique suivant A, B, C, D, E). Les temps dexcution, en heures, sont donns dans le tableau 77 de la page 376. On tablit un graphique sur les axes duquel le montant cumul du travail accompli de chacune des tches (laxe vertical pour la tche l et laxe horizontal pour la tche 2, ou linverse) est repr. On commence par placer sur ces axes les temps passs sur chaque centre de production, dans lordre impos techniquement. Dans cet espace 2 dimensions, on reprsente par des rectangles rouges les incompatibilits lies la demande simultane dun mme centre de production par les 2 tches effectuer. Tout point du graphique correspond ltat davancement simultan des 2 tches: le point p du graphique indique aprs lecture de ses coordonnes que les oprations D et B de la tche 1 sont termines et que lon passe la tche E, tandis que les oprations A et B de la tche 2 sont termines, et que lopration C est aux 2/3 termine ; lheure correspondant ce point est 7 heures. Une programmation ralisable se visualise par une ligne brise partant de lorigine 0 des axes, au point 0 (reprant la n simultane des 2 travaux), et ne comportant que: - des segments verticaux (seule la tche 1 est en cours dexcution), - des segments horizontaux (seule la tche 2 est en cours dexcution) - et des segments 45 avec les axes (excution simultane des 2 tches2).
1. Voir Conway, Maxwell & Miller (1967, [104]), p. 98-100 et 106-107. 2. En effet, sil pouvait exister des segments faisant une autre pente, cela signierait que la dure dexcution dune des tches sur la machine correspondant ce segment serait suprieure celle annonce.
Index thmatique
Table des matires
376
FIGURE 110 Rsolution graphique du problme dordonnancement des deux tches Tche 1 TABLEAU 77
Tche 1 Temps opratoire sur la machine A B C D E 1 2 4 4 3 2 2 3 3 1 2 t=15 t=12 t=10 t=9
14 C 10 A 9 E 6 B 4 D 0 A 2 B 5
p
t=7 t=5
C 8 D 9 E 11
Tche 2
I-1.4
Ordonnancement de n tches ncessitant lintervention de m centres de production
On examinera tout dabord le cas de 3 centres de production avec un mme ordre de passage ( I-1.4.1) avant daborder le cas m centres de production, avec une prise en compte dhypothses de fonctionnement plus gnrales ( I-1.4.2, page 378). Ordonnancement de n tches ncessitant lintervention de 3 centres de production (ordre identique de passage) Johnson, dans larticle prsentant sa mthode, fait remarquer que dans certains cas particuliers un problme dordonnancement sur 3 centres de production se ramne un problme dordonnancement sur 2 centres de production. Cest le cas o le centre de production B, qui, techniquement, doit intervenir avant le centre de production C et aprs le centre de production A, est compltement domin par lun ou lautre de ces 2 centres de production, cest--dire que le plus grand temps dexcution tiB est plus faible (ou gal) que le plus petit temps dexcution observ sur le centre de production qui le domine (tant entendu quil est possible que le centre de production B soit domin par les deux centres de production). Lorsque ce cas se produit, on reformule le problme en un problme 2 centres ctifs de production, le premier groupant les centres de production A et B en un centre de production virtuel not {AB} (avec un temps opratoire tiAB = tiA + tiB) et le second groupant les centres de production B et C en un centre de production virtuel not {BC} (avec un temps opratoire tiBC = tiB + tiC). Par exemple, le I-1.4.1
Index thmatique
Table des matires
Le minimum du temps total dexcution de 2 tches (y compris donc les temps dattente devant un centre de production occup) est obtenu par lordonnancement dont la reprsentation sur ce graphe minimise la somme des segments horizontaux et verticaux. Cette solution optimale sobtient gnralement trs vite aprs quelques ttonnements.
377
problme dordonnancement pos dans le tableau 78 se ramne celui du tableau 79. TABLEAU 78 Exemple de problme de ow shop 3 centres de production
Tche i 1 2 3 4 5 tiA 7 4 3 8 5 tiB 1 3 2 2 1 tiC 6 2 4 1 3
min tiA = 3 min tiB = 3 min tiC = 1
TABLEAU 79 Dnition du problme ctif 2 centres de production obtenu par regroupement des 2 premiers et des 2 derniers centres de production du tableau 78
Tche i 1 2 3 4 5 tiAB 8 7 5 10 6 tiBC 7 5 6 3 4
Lapplication de lalgorithme de Johnson sur les donnes du tableau 79 permet de dterminer lordonnancement optimal sur les 3 centres de production: tches 3, 1, 2, 5 et 4 (voir gure 111, page 378). Certains auteurs1 ont remarqu que lorsque les conditions imposes pour se ramener au cas de 2 centres de production ntaient pas exactement satisfaites, la solution optimale ou une solution performance voisine tait nanmoins trouve en utilisant cette procdure. Il a t montr2 que lalgorithme de Johnson reste optimal si quelle que soit la tche i, on a tiB tiA et tiB tiC. Le cas gnral du problme 3 centres de production a toutefois une solution optimale en appliquant lun des algorithmes utiliss en programmation linaire en nombres entiers, et qui est connu sous le nom de branch and bound ; cependant la prsentation de la solution correcte du problme 3 centres de production dpasse le propos introductif que lon sest x ici3.
1. Giglio & Wagner (1964, [203]). 2. Burns et Rooker (1978, [79]). 3. Sur ce point, voir Johnson & Montgomery (1974, [245], p. 329-336) qui prsentent la mthode et lillustrent dun exemple numrique trait de bout en bout; voir galement Baker (1974, [30], p. 149-156 et p. 178-210).
378
FIGURE 111 Rsolution graphique du problme dordonnancement 3 centres de production (ordre identique de passage)
Ordonnancement de n tches ncessitant lintervention de m centres de production (ordre identique de passage) Aprs avoir examin le modle de base dans lequel chaque centre ne possde quune machine ( I-1.4.2.1), on examinera successivement des variantes de ce problme pour tenir compte des temps de montage/dmontage doutillage ( I1.4.2.2, page 380), de contraintes de continuit dans lexcution des oprations dune mme tche ( I-1.4.2.3, page 381) et de la possibilit quun centre de production dispose de plusieurs machines ( I-1.4.2.4, page 383). I-1.4.2.1 Le modle de base Le problme combinatoire pos est formidable, il y a en effet (n!) m ordonnancements possibles, dans le cas (simpli) o une mme tche ne passe quune fois sur chaque poste de travail. Le problme gnral a t formalis en termes de programmation dynamique et en termes de programme linaire en nombres entiers1 . La formulation gnrale permet dintgrer des contraintes supplmentaires (date de livraison, capacit variable de production) et de choisir plusieurs formulations diffrentes de la fonction-objectif (minimisation du temps dachvement total, minimisation du cumul des retards par rapport aux dates de livraison souhaites, minimisation de lappel des ressources supplmentaires). Par contre, elle devient difcilement exploitable au-del dune trentaine de tches ou de postes de travail.
1. Voir Conway, Maxwell & Miller (1967, [104], p. 107-108), Holloway & Nelson (1979, [234]) et Baker (1974, [30], p. 206-208 et 277-278).
I-1.4.2
Index thmatique
Table des matires
379
Lorsque lordre de passage des tches est identique et que le nombre de centres de production ne dpasse pas quelques dizaines, une solution souvent proche de la solution optimale peut tre trouve en utilisant lalgorithme de Johnson sur des groupements de centres de production successifs, connu sous le nom de lalgorithme CDS1. La procdure suivre est plus facile comprendre partir dun exemple qu partir de sa description formelle. Prenons le cas de 5 centres de production reprs dans leur ordre dintervention par les lettres A E, il faut rsoudre les 4 problmes suivants (en reprenant les notations de regroupement de centres de production introduites au I-1.4.1): { A } { E } ;{ AB } { DE } ;{ ABC } { CDE } ;{ ABCD } { BCDE } et dune faon gnrale, pour m centres, on aura rsoudre m l problmes. Illustrons cette procdure par un exemple numrique ne comportant que 4 centres de production (tableau 80). La solution obtenue (3 4 6 2 5 1) est TABLEAU 80 Exemple de problme de ow shop 4 centres de production
Temps dexcution en 1/10me dheure Tche i 1 2 3 4 5 6 tiA 50 89 7 8 61 1 tiB 43 99 47 64 19 80 tiC 15 95 20 12 65 66 tiD 4 77 98 94 14 78
Index thmatique
Table des matires
est proche (48,7 heures) de la solution optimale (trouve par dnombrement) qui donne un temps minimal de 48,5 heures avec lordonnancement suivant 6 3 4 2 5 1. Le premier problme ctif (machines A et D) conduit un temps de 51,2 heures, pour lordre 6 3 4 2 5 1. Les deux autres problmes ctifs sont analyss dans les tableaux 81 et 82.
FIGURE 112
Ordonnancement propos par lalgorithme CDS au problme de Flow Shop propos au tableau 80
34
6
2 3 3 4 4 3
5 6
1 2 6 4 6 5 1 2 5 2 1 5
1. Cette mthode heuristique, due Campbell, Dudek et Smith (1970, [84]), semble tre lune des plus performantes. Voir sur ce point Baker (1974, [30]), p. 163-165, ainsi que D.G. Dannenbring (1977, [118]).
380
TABLEAU 81 Deuxime problme ctif de lalgorithme CDS

Tche i 1 2 3 4 5 6 ti, A+B 93 188 54 72 80 81 ti, C+D 19 172 118 106 79 144 Ce deuxime problme ( { AB } { CD } ) donne la solution suivante: 3 4 6 2 5 1 Avec cet ordonnancement, lensemble des travaux sera termin au bout de 48,7 heures.
TABLEAU 82 Troisime problme ctif de lalgorithme CDS

Tche i 1 2 3 4 5 6 ti, A+B+C 108 283 74 84 145 147 ti, B+C+D 62 271 165 170 98 224
Ce dernier problme ( { ABC } { BCD } ) donne la mme solution que le deuxime problme
Cette solution approche peut constituer une bonne rponse un problme priodiquement pos: par exemple celui de lordonnancement du jour ouvrable suivant, avec indpendance des ordonnancements successifs. Les efforts faits au niveau de lordonnancement sont gnralement trs payants au niveau de lutilisation des moyens productifs (on a dj dit quil nest pas rare de voir ces moyens utiliss moins de 70% de leur capacit pour des raisons dorganisation et, au premier chef, dordonnancement). Mais une autre dmarche peut tre suivie et consiste utiliser des rgles de priorit dans laffectation des tches aux centres de production (dispatching rules) qui permettent de dcider simplement pour chaque centre de production, celle des tches en attente quil convient dexcuter lorsque le centre de production sera disponible. Cette approche diffre fondamentalement de celle tudie jusquici en ce sens que les dcisions sont prises au l de leau et non en une fois pour tout un ensemble de tches. Nous examinerons ces techniques au III-1, page 418. Prise en compte des temps de montage / dmontage dpendants de lordre de passage des tches Dans la pratique, le problme dordonnancement du ow shop m centres de production ne peut pas ne pas tenir compte de lexistence de temps de montage sij doutillages pour permettre lexcution de la tche i sur la machine du centre de production j et de son temps de dmontage rij, sachant que la tche passe au centre de production suivant en mme temps que commence lopration de dmontage. Pour rsoudre ce problme, Proust, Drogou, Foucher & Foucheyrand (1988, [353]) proposent1 un algorithme particulirement efcace en se ramenant
1. Voir galement Proust, Gupta & Deschamps (1991, [353]).
I-1.4.2.2
Index thmatique
Table des matires
381
lheuristique CDS que nous venons dexaminer en dnissant les temps des groupements ctifs de k centres de production pour se ramener lalgorithme de Johnson comme suit: - temps du premier centre de production ctive = somme des temps opratoires de i sur les k premiers centres de production augment du temps de montage si1 et diminu du temps de montage du premier centre de production du second groupement ctif si, m k + 1 ; - temps du second centre de production ctive = somme des temps opratoires de i sur les k derniers centres de production augment du temps de dmontage sur le dernier centre de production rim et diminu du temps de dmontage du dernier centre de production du premier groupement ctif rik. On peut ajouter que lon peut modier lgrement la formulation du problme pour prendre en compte les dates de livraison. Il suft dajouter un centre de production ctive en n du processus et de dnir le temps opratoire de chaque tche sur ce centre de production ctive comme tant la diffrence entre la plus tardive des dates de livraison et la date de livraison de cette tche. Ordonnancement de n tches ncessitant lintervention de m centres de production (ordre identique de passage sans attente) Dans certaines industries (industries alimentaires notamment), les oprations de chaque tche doivent senchaner sans attente et tous les centres de production sont utiliss1 (autrement dit, il ny a pas de temps opratoire nul). Illustrons ce problme par un exemple faisant intervenir 5 tches comportant chacune 3 oprations, chacune dentre elles tant ralise successivement sur les centres de production A, B et C; les temps opratoires sont donns dans le tableau 83 de la page 382 et une programmation possible (suivant lordre des numros de tches) est donne dans la gure 113.
FIGURE 113
I-1.4.2.3
Index thmatique
Table des matires
Exemple dordonnancement acceptable pour lexemple de problme de Flow shop sans attente 1 A
4 14
2
17
3
22
4
25 27
5
34 36
1 B
4 11 17
2
20 22
3
27
4
32 36
5
39
1 C
11 20
2
23
3
27 29 32
4
39
5
43
Si lon considre deux tches i et j programmes lune aprs lautre au plus tt, il est vident quune fois programm i de telle sorte que ses oprations senchanent sans attente, il convient, pour que toutes les oprations de la tche j sencha1. Voir Esquirol & Lopez (1999, [140]), p. 74. Une gnralisation de la dmarche est propose ici.
382
TABLEAU 83 Temps opratoire du problme de owshop sans attente

Machine A Machine B Machine C Tche 1 4 7 9 Tche 2 3 3 3 Tche 3 5 5 2 Tche 4 2 5 7 Tche 5 2 3 4
nent galement sans attente et que cette tche sachve au plus tt, de retarder le dbut de j dun certain temps, not ij (ij nayant aucune raison dtre gal ji). On notera cij, somme du temps opratoire de la premire opration de la tche i et de ij, le dcalage minimal qui spare le dbut de la premire opration de la tche i, du dbut de la premire opration de la tche j suppose programme immdiatement aprs la tche i (dans notre exemple, c12 = 4 + 10 = 14). Il est facile de comprendre, partir de notre exemple numrique, que la dure dexcution totale des tches dans une programmation au plus tt sans attente (= 43, dans lexemple ci-dessus) est la somme des oprations (2 + 3 + 4 = 9) de la dernire tche (tche 5) et des dcalages successifs de la squence de tches antrieurement programmes ({4 + 10} + {3 + 0} + {5 + 3} + {2 + 7} = 34). Si lon est en prsence dun problme de dnition dune squence rptitive, conduisant, dans notre exemple, recommencer la programmation dune tche 1, sitt termine lexcution de la squence 12345, la dure du cycle rptitif est c12 + c23 + c34 + c45 + c51 et cest la dure la plus faible qui assure le dbit le plus lev. Ce type de problme est alors formellement identique celui que lon va examiner au I-2 et qui trouve une solution avec lalgorithme de Little. Sil sagit simplement dun problme dordonnancement unique (par opposition priodique) dun ensemble de tches, la recherche dune solution est un peu plus complexe. Dans le cas prcdent, le problme dordonnancement pos pouvait tre considr comme quivalent un problme de cration dune tourne de voyageur de commerce qui doit visiter chaque ville dun ensemble, une fois et une seule, et revenir dans la ville de dpart, qui peut tre quelconque ; dans lanalogie, la visite dune ville correspond lexcution dune tche et le transport dune ville i une ville j, au dcalage minimum cij. Dans le cas du problme dordonnancement unique, lanalogie utiliser est celle de la tourne laire (introduite au II-1.3, page 918, du chapitre XIII, qui est une tourne partant dune ville qui non prdtermine et, aprs la visite unique de toutes les autres villes, ne se proccupe pas dun ventuel retour la ville de dpart). Il faut alors, en gardant cette analogie: - crer une ville ctive de dpart Alpha avec une distance nulle avec chacune des villes j et une interdiction de se rendre dans la ville Alpha; ceci correspond la cration dune tche ctive avec les dcalages minimaux suivants avec les autres tches: cj = 0 , j et ci = , j ; - crer une ville ctive Omga de destination nale, distante de chaque ville i mais avec interdiction de partir dOmga vers une ville autre quAlpha; ceci correspond la cration dune tche ctive avec un dcalage minimal avec une tche i, autre que la tche , gal au cumul des temps opratoires de i
Index thmatique
Table des matires

m
383
dans les m centres de production : ci = t ih , i avec cj = ,

h=1
j , c = 0 et c = ; - la distance entre deux villes quelconques autres quAlpha et Omga est gale au dcalage minimal cij. Dans ces conditions, on se ramne au problme classique de la tourne du voyageur de commerce: en partant dAlpha, on passe successivement dans toutes les villes, sans savoir par laquelle on commence, puis on arrive Omga avant de repartir ncessairement sur Alpha. Dans lanalogie, on traite toutes les tches, sauf la dernire, en cumulant les dcalages minimaux et on ajoute le cumul des temps opratoires de la dernire tche. Reprenons notre exemple, la matrice des cots est, dans le cas dordonnancement non rptitif, celle du tableau 84, la solution optimale tant 41325, pour une dure totale de 33. TABLEAU 84 Tableau des dcalages minimaux, avec tches ctives
1 2 3 4 5 0 Prdcesseur 1 0 3 6 3 2 2 0 14 7 8 2 Successeur 3 0 10 3 4 2 4 0 13 4 8 3 5 0 15 4 8 9 52 14 29 24 9
Index thmatique
Table des matires
I-1.4.2.4 Le ow shop hybride Cette classe de problmes se caractrise par le fait que chaque centre de production peut disposer de plusieurs machines substituables, ce nombre pouvant varier dun centre de production lautre. Une solution empirique satisfaisante consiste travailler en deux temps1 : - On commence par dterminer un ordre de passage des tches dans les centres de production (problme de squencement), par exemple en utilisant lalgorithme CDS. - On affecte ensuite les oprations aux machines. On commence par les oprations raliser sur lune des machines du premier centre, selon des rgles dnies ci-aprs ; il en dcoule des dates darrive des tches devant les machines du deuxime centre. On affecte ensuite les tches aux machines du deuxime centre, en fonction de leurs dates darrive, des disponibilits des machines et de rgles. On recommence ensuite ce processus jusquau dernier centre de production. Laffectation seffectue laide de lune des rgles de priorit suivante:
1. Ce problme est trait en dtail dans Lopez & Roubellat (2001, [286], chap. X); voir galement Vignier, Billaut & Proust (1999, [432]).
384
La rgle FAM (First Available Machine), argement utilise, affecte la tche la machine qui se libre le plus tt. La rgle LSM (Latest Start Machine) choisit la machine libre le plus tard parmi les machines libres quand lopration est disponible ou la machine libre le plus tt si aucune machine nest libre lorsque lopration est disponible. Cette rgle tend minimiser le temps dinactivit des machines utilises et donc nutiliser que celles qui sont ncessaires. La rgle ECT (Earliest Completion Time), utilise si la dure de lopration varie en fonction de la machine retenue, affecte la tche la machine qui permet lexcution la plus rapide. Cette rgle tend maximiser lutilisation des machines les plus performantes.
I-1.5
Ordonnancement de n tches ncessitant lintervention de m centres de production (cheminement libre open shop)
Trs peu de rsultats analytiques existent1. Si deux centres de production seulement sont mobiliss, on dmontre que lordonnancement minimisant la dure dachvement de lensemble des tches est obtenu en appliquant la rgle LAPT (Longest Alternate Processing Time rst) qui consiste slectionner, sur le centre de production libre, lopration de plus grande dure sur lautre centre. Dans lapplication de cette rgle, les tches dont une opration a t ralise ont la mme priorit, la plus faible, et, lorsque ces dernires sont considres, elles le sont de manire arbitraire. Cette rgle reste optimale dans le cas premptif. Illustrons par un exemple lapplication de cette rgle, en partant des donnes du tableau 85. TABLEAU 85 Exemple de problme dordonnancement cheminement libre dans 2 centres de production
Numro de la tche i tiA tiB 1 50 60 2 150 50 3 80 100 4 200 70
Lapplication de la rgle LAPT conduit aux tapes suivantes: - en t = 0, lopration la plus longue est lopration A de la tche 4, on charge donc lopration de la tche 4 excuter sur B (date dachvement en t = 70) (choisie arbitrairement parmi les 2 centre libres); - en t = 0, le centre A tant libre, les oprations des tches 1, 2 et 3 sont donc candidates; lopration la plus longue sur le centre B parmi ces candidats est celle de la tche 3 (100), ce qui conduit charger lopration A de la tche 3 (date dachvement en t = 80); - en t = 70, le centre B se libre, les oprations des tches 1 et 2 sont donc candidates (3 tant en cours); lopration la plus longue sur A de ces candi-
1. Voir Esquirol & Lopez (1999, [140], chap. IV) et le chapitre de Prins dans Lopez & Roubellat (2001, [286], chap. XI).
Index thmatique
Table des matires
385
dats est celle de la tche 2 (150); on charge donc lopration B de la tche 2 (date dachvement en t = 70 + 50 = 120); - en t = 80, le centre A se libre, les oprations des tches 1 et 4 sont donc candidates; lopration de la tche 1 (qui na encore aucune ralisation de tche) est plus prioritaire que celle de la tche 4 (qui a dj une opration ralise); on charge donc lopration A de la tche 1 (date dachvement en t = 80 + 50 = 130); - en t = 120, le centre B se libre, lopration de la tche 3 est candidate unique (1 tant en cours); on charge donc lopration B de la tche 3 (date dachvement en t = 120 + 100 = 220); - en t = 130, le centre A se libre, sont donc candidates les oprations des tches 2 et 4 qui ont dj toutes deux une opration excute sur B; elles sont quivalentes et on charge arbitrairement lopration A de la tche 2 (date dachvement en t = 130 + 150 = 280), puis lopration A de la tche 4 (date dachvement en t = 280 + 200 = 480) qui est la dernire opration excuter sur ce centre; - en t = 220, le centre B se libre, on charge donc lopration B de la tche 1 (date dachvement en t = 220 + 60 = 2800) qui est la dernire raliser. Le travail est donc achev en t = 480. Lorsquil y a plus de 2 centres de production, on peut utiliser des heuristiques, lesquelles ne garantissent pas loptimum. Les travaux effectus montrent quen gnral la meilleure rgle est la rgle MWR (Most Work Remaining) qui privilgie la tche candidate dont la dure cumule des oprations non encore traites est maximale.
Table des matires
I-1.6
Index thmatique
Ordonnancement de n tches ncessitant lintervention de m centres de production (ordre de passage quelconque)
Ce cas gnral que lon a quali de problme de job shop (voir page 362), se caractrise par le fait que lordre de passage entre les centres de production varie dune tche lautre et que, pour une mme tche, certains centres de production peuvent tre utiliss plusieurs fois et dautres pas. On verra ultrieurement ( I-3, page 404) comment caractriser plus compltement cette classe de problmes. Aucun rsultat analytique nest disponible pour rsoudre cette classe de problmes. On peut toujours trouver une formulation dun problme concret par la programmation mathmatique, mais la rsolution numrique optimale de problmes dune certaine dimension, est le plus souvent hors de porte (voir le I2.2.4, page 404). On cherchera les rsoudre plutt laide dapproches simulatoires sappuyant sur des mthodes heuristiques (voir II-2, page 410). On examinera cependant ici le problme statique de lordonnancement en cas dexistence dun goulot dtranglement, cest--dire de centre de production plus sollicit que les autres au point de conditionner le dbit global de production du systme productif tudi. La dmarche suivie depuis trs longtemps et formalise partir de la n des annes soixante-dix consiste piloter le systme en sappuyant sur un ordonnancement dni pour ce goulot dtranglement et qui sert de pivot pour lordonnancement global et faire en sorte quil ne puisse tre affect par une quelconque rupture de charge (en particulier grce un stocktampon), parce que lheure de travail perdu dans un goulot dtranglement est
386
perdue pour lensemble du systme productif. De nombreuses approches ont t proposes1 ; on prsentera ici une dmarche heuristique donnant de bons rsultats qui connat de nombreuses sophistications, la dmarche utilise ici ntant que lune des dmarches possibles. Elle sappuie sur cinq tapes. Elle sera illustre par lexemple du tableau 87. TABLEAU 86 Problme de job shop
1 Machine A C D dure 5 7 9 Machine A B C D 2 dure 3 5 10 4 Machine C A B 3 dure 8 4 3 Machine B D C B 4 dure 5 4 6 7 Machine D C A 5 dure 7 15 4 -
- On commence par dtecter le centre de production qui constitue un goulot dtranglement. On peut, par exemple, retenir celui qui a la plus forte charge de travail (dans notre exemple, cest la machine C), mais les choses ne sont pas toujours aussi simples et des approches plus sophistiques peuvent tre utilises (voir page 433). En cas de doute sur lidentit du centre qui rythme la production du systme productif, on peut toujours recommencer la dmarche dcrite ci-aprs pour chacun des goulots possibles et retenir la meilleure des solutions trouves. - On considre quen amont et en aval de ce goulot, on est capacit innie, ce qui revient dire que les oprations de chacune des tches peuvent sexcuter au plus tt, aucun conit dans lutilisation dune mme machine ntant cens arriver. Ceci revient considrer que: avant le goulot, le travail seffectue sur une machine ctive sur laquelle sont ralises toutes les oprations antrieures, pour une dure gale la somme des dures (par exemple, pour la tche 2, on cumule les dures des oprations effectues sur les machines A et B), ces dures sont considres ensuite comme les dates darrives (au plus tt) dans le centre considr comme goulot dtranglement ; les tches qui nutilisent pas ce centre critique peuvent tre fusionnes dans cet ensemble ou traites part, une fois ralis lordonnancement des tches utilisant ce goulot dtranglement;
1. Voir en particulier Morton & Pentico ([309], 1993) qui consacrent de longs dveloppements ces approches heuristiques (en particulier aux chapitres IX et X); voir galement Narasimhan, McLeavey & Billington (1995, [314], chap. XVI). Cette approche du goulot dtranglement a t popularise par la mthode OPT, propose par Goldratt et Fox (1984, [206] et 1986, [207]) et qui fait appel la thorie des contraintes. Ce logiciel OPT, qui a connu son heure de gloire, a connu des difcults aux tats-Unis en raison de la condentialit des algorithmes utiliss. Il semblerait que lusage raisonn dheuristiques donne des rsultats de qualit similaires (Morton & Pentico ([309], 1993, chap. X). Lide que Goldratt et Fox ont popularise est celle dune synchronisation des ux, rythms par la production du goulot dtranglement, puisque toute acclration de dbit en amont du goulot ne peut que conduire la cration inutile dencours et que lacclration en aval conduit seulement crer des priodes sans sortie de production, le dbit moyen du systme productif restant inchang; par ailleurs, lintroduction dun stock-tampon (time buffer) en amont du goulot permet dviter toute rupture de charge ce niveau, sachant que celle-ci conduit une sous-activit de lensemble du systme productif.
Index thmatique
Table des matires
387
aprs le goulot, le travail seffectue sur une machine ctive sur laquelle sont ralises toutes les oprations postrieures, pour une dure gale la somme des dures (par exemple, pour la tche 3, on cumule les dures des oprations effectues sur les machines A et B); si des dates de livraison sont assignes aux tches, on retranche ces dates ces dures pour dterminer des dates de livraison (au plus tard) retenir pour le goulot dtranglement; si la tche 3 avait comme date de livraison 20, la date de livraison pour la machine C serait alors 20 7 = 13. Le rsultat de ce travail est consign dans le tableau 87. TABLEAU 87 Transformation du problme de job shop autour de la machine critique C
Tche 1 Machine Avant C C Aprs C dure 5 7 9 Tche 2 Machine Avant C C Aprs C dure 8 10 4 Tche 3 Machine Avant C C Aprs C dure 0 8 7 Tche 4 Machine Avant C C Aprs C dure 9 6 7 Tche 5 Machine Avant C C Aprs C dure 7 15 4
- On cherche alors rsoudre le problme du goulot dtranglement, en partant des dates darrives qui viennent dtre calcules et, le cas chant, en tenant compte des dates de livraison recties comme on vient de lindiquer. Ce problme rsoudre porte sur une machine unique et est connu dans la littrature spcialise comme le simple embeded one-resource problem. Lune des rgles introduites au I-1.1, page 364, peut tre utilise ; dans notre exemple, cest la rgle TOM qui a t utilise dynamiquement, sur la base des seules oprations excutables et sans premption:
en T = 0: chargement de la tche 3 immdiatement disponible (dure 8); en T = 5: arrive de la tche 1 (dure 7); en T = 7: arrive de la tche 5 (dure 15); en T = 8: n de la tche 3, libration de la machine C; arrive de 2 (dure 10); chargement de 1 (en application de la rgle TOM, les tches 1 et 5 tant candidates); en T = 9: arrive de 4 (dure 6); en T = 15: n de la tche 1, libration de la machine C; chargement de la tche 4 (en application de la rgle TOM, les tches 4 et 5 tant candidates); en T = 21: n de 4, libration de la machine C; chargement de la tche 2 (en application de la rgle TOM, les tches 2 et 5 tant candidates); en T = 31: n de la tche 2, libration de la machine C; chargement de la tche 5 (candidat unique); en T = 46: n de la tche 5.
Index thmatique
Table des matires
- On cherche ensuite rsoudre le problme des centres situs en amont du goulot, en prenant comme dates de livraison celles retenues pour dnir les arrives dans le goulot (autrement dit, celles reposant sur lhypothse de la capacit innie du systme productif amont). L encore, plusieurs rgles sont possibles (notamment la rgle S/OPN qui sera introduite la page 413); on a utilis ici, en cas de conit dans la mobilisation dune ressource, la tche devant dbuter le plus tt sur le goulot (critre de la date de livraison minimale introduit la page 370 et utilis sur le groupe restreint des oprations immdiatement excutables). Il en rsulte gnralement une modication des dates darrives au goulot dtranglement que lon considre comme sans grande importance si la date de n dexcution du travail sur le goulot nest
388
pas retarde mais qui peut conduire recommencer ltape prcdente (rordonnancement sur le goulot, en partant des nouvelles dates darrives). - Les dates de n des tches sur le goulot sont ensuite considres comme les dates darrives dans le systme-aval; un ordonnancement est alors calcul en utilisant des rgles de priorit. Si certaines machines se retrouvent simultanment en amont et en aval du goulot (dans notre exemple, cest le cas de la machine B, cause de la tche 4), il convient de considrer comme non rvisable la programmation dcide en amont du goulot (sauf acceptation dune nouvelle itration). Lordonnancement obtenu lissue de cette dmarche dans notre exemple est consign la gure 114.
FIGURE 114
Ordonnancement du problme de job shop

10 1-1 A
5 8 12
20
30
40
50
2-1
3-2 2-2 3-2

13 16 21
4-1 B
5 8
4-4
28 46
5-3
50
3-1 C
8
1-2
15
4-3
21
2-3
31
5-2
46
11
15
24
31
35
Nous nexaminerons ici que le cas de n tches ncessitant lintervention dun seul centre de production (m = 1) et pour lequel lordre de passage inue sur les cots de lancement. Prenons lexemple dune usine de peinture : diffrentes couleurs de peinture sont produites en squence sur le mme quipement, lequel doit tre soigneusement nettoy lorsque lon change de couleur. Le temps total de nettoyage (en heures) pass par lquipe charge du nettoyage est le suivant (en limitant ici le problme 4 couleurs) : TABLEAU 88 Temps de nettoyage pour passer dune couleur lautre
Nouvelle couleur blanc blanc jaune rouge bleu 0 6 8 10 Couleur initiale jaune 1 0 6 8 rouge 2 1 0 6 bleu 3 2 1 0
Index thmatique
I-2
Modles statiques: cas du cot de lancement total variable avec lordonnancement retenu
Table des matires
5-1
4-2
1-3
2-4
389
Le problme pos revient trouver lordre de passage qui minimise le temps total de nettoyage. On peut, bien sr, trouver une solution ce problme en explicitant toutes les combinaisons possibles au nombre de (n 1) ! = 3 ! = 6, ce quillustre la gure 115. FIGURE 115 Explicitation de tous les ordres de changement de couleurs du tableau 88 rouge bleu blanc jaune bleu rouge blanc jaune bleu blanc blanc rouge bleu jaune blanc rouge jaune blanc bleu jaune rouge blanc 17 h 20 h 17 h 21 h 20 h 13 h
Mais cette technique nest envisageable que si le nombre m de tches est faible: pour 6 couleurs seulement, le dnombrement conduit 120 comparaisons du rsultat de 6 additions, cest--dire que cette solution dnumration exhaustive est rapidement inapplicable. Aussi a-t-on recours, pour rsoudre ce problme, lanalogie que ce problme prsente avec celui du voyageur de commerce pour lequel un algorithme de rsolution efcace a t trouv. Dans ce problme, le voyageur de commerce quitte une ville de dpart et doit visiter au cours dune tourne, m 1 villes diffrentes, en ny passant quune fois, avant de retourner la ville de dpart, et cherche minimiser son cot de transport. Ce cot de transport cij entre une ville i et une ville j est de mme nature que le cot de lancement de la tche j lorsque celle-ci succde la tche i. Pour rsoudre le problme du voyageur de commerce, on peut faire appel la programmation dynamique (que lon tudiera en section II, page 562, du chapitre VIII), mais si les performances de celle-ci sont lgrement meilleures que celles de lexplicitation de toutes les solutions possibles1, elles restent cependant mauvaises par rapport lutilisation de lalgorithme que lon va tudier. On reviendra en dtail sur ces problmes de transport au chapitre XIII. Sur le plan formel, le problme du voyageur de commerce peut se formuler sous la forme du programme linaire suivant, o xij est une variable susceptible de prendre seulement les valeurs 0 ou 1, la valeur 0 signiant que le voyageur de commerce ne part pas de la ville i pour se rendre la ville j, la valeur l ayant la signication contraire.
Index thmatique
Table des matires
1. Voir Conway, Maxwell & Miller (1967, [104], p. 61-65) pour la formulation du problme du voyageur de commerce sous la forme dun programme dynamique et les performances compares de cette mthode avec celles de lnumration et de lalgorithme de branch and bound. Voir galement larticle de Crowder et Padberg (1980, [113]).
390
m m
Minimiser cij xij (minimisation du cot total de transport)

i=1j=1 m i=1 m j=1
sous contrainte xij = 1 pour j = 1,, m et xij = 1 pour i = 1,, m. Les premires contraintes sinterprtent comme le fait quil ne saurait y avoir quune seule ville i dans laquelle se trouvait le voyageur de commerce avant de se rendre dans la ville j et les secondes contraintes sinterprtent comme le fait quen quittant la ville i le voyageur de commerce ne peut se rendre que dans une seule ville j. Lalgorithme de rsolution dun programme linaire en nombres entiers le plus utilis pour cette classe de problmes est sans aucun doute celui connu du branch and bound, qui est une mthode de recherche par ttonnements de la solution optimale entire, en saidant des solutions trouves par un algorithme classique de programme linaire du type simplex. Nous ne prsenterons pas cette technique1 car en ralit lorsque les valeurs que les variables sont susceptibles de prendre sont 0 ou 1, cet algorithme gnral se simplie. Nous prsenterons au I-2.1 ladaptation de cette mthode2, en nous appuyant sur un exemple numrique. Indiquons tout de suite que la description dtaille de lalgorithme sera longue car chaque calcul sera au dpart amplement expliqu, mais quen pratique lutilisation de cet algorithme est trs rapide pour des problmes comportant quelques dizaines de villes. Le logiciel disponible sur le CD-Rom dtaille les calculs. Nous ferons ensuite quelques remarques complmentaires ( I-2.2, page 401).
I-2.1
Supposons que notre voyageur de commerce ait visiter successivement chacune des 6 villes suivantes: A, B, C, D, E, F, en partant de lune quelconque dentre elles, puis retourne son point de dpart. On conviendra ici dappeler trajet, not ij, lacheminement direct entre les villes i et j. Pour des raisons diverses, le cot de transport de la ville i la ville j nest pas gal au cot de transport de la ville j la ville i (mais sil en tait ainsi, lalgorithme que lon va prsenter resterait toujours applicable). Lunit dans laquelle ces cots, ports dans le tableau 89 de gauche, sont exprims importe peu ici, car notre propos est dillustrer une dmarche. Les cots ports dans la diagonale du tableau 89 sont infinis. Dune manire gnrale, la convention cij = a pour objet dempcher (cot prohibitif) le voyage direct de i vers j ; lapplication de cette convention au trajet ij revient dire que lorsque lon quitte la ville i, cest pour se rendre dans une ville diffrente.
1. Voir Wagner (1975, [435], p. 484-490) qui a une prsentation trs claire de la dmarche suivie avec cette mthode et sappuie sur un exemple numrique trait de bout en bout. 2. Trouve par Little, Murty, Sweeney & Karel en 1963; voir Conway, Maxwell & Miller (1967, [104], p. 56-61), lexemple numrique donn ici est tir de cet ouvrage (il nest pas vident en effet de btir un exemple numrique simple permettant dillustrer toutes les implications de lalgorithme); voir galement Johnson & Montgomery (1974, [245], p. 340-345).
Index thmatique
Prsentation de lalgorithme de Little, Marty, Sweeney & Karel
Table des matires
391
La recherche de la tourne optimale retenue dans cet algorithme est de type Procdure par Sparation et valuation (PSE), procdure connue galement sous le nom de branch and bound. Elle passe par la rsolution successive dun certain nombre de problmes partiels lissue desquels on prend la dcision dinclure ou dexclure de la solution finale (ici la tourne du voyageur de commerce) une solution partielle (ici la dcision de partir de la ville i pour se rendre dans la ville j). Cette procdure que lon va dcrire en dtail partir de cet exemple seffectue en un certain nombre ditrations au cours desquelles on restreint le domaine de recherche en adoptant une solution partielle (tape de sparation) et on value la performance de la concatnation des solutions partielles adoptes (tape dvaluation) pour vrifier sil faut ou non poursuivre la recherche dans le sous-ensemble de solution auquel on est arriv. Examinons lapplication de ces principes au problme du voyageur de commerce propos1 par Little, Marty, Sweeney & Karel (1963, [282]). TABLEAU 89
Donnes du problme du voyageur de commerce Ville darrive A A B C D E F 3 6 2 15 20
Table des matires
Tableau intermdiaire du processus de rduction

minimum
Ville darrive A A B C D E F 2 3 0 13 16 0 ville de dpart B 0 11 1 5 1 0 C 6 5 3 9 9 3 D 2 8 0 0 0 0 E 13 0 4 7 14 0 F 1 23 0 9 2 0
B 1 14 3 7 5
C 7 6 5 11 13
D 3 9 3 2 4
E 14 1 7 9 18
F 2 24 3 11 4
Index thmatique
1 1 3 2 2 4
ville de dpart
minimum
Avant toute chose, il faut procder la rduction de la matrice. Cette opration consiste tout dabord soustraire de chaque ligne du tableau de gauche le plus petit des lments de la ligne (port en marge de la dernire colonne du tableau 89 de gauche, page 391) des autres lments de cette ligne. Dans ce nouveau tableau (tableau 89 de droite), on soustrait ensuite le plus petit des lments dune colonne (ce minimum, port en marge de la dernire ligne du tableau 89 de droite, sera le plus souvent nul) des autres lments de la colonne. On obtient alors la matrice rduite (tableau 90), qui se caractrise par la prsence dun zro au moins dans chaque ligne et dans chaque colonne. Linterprtation de la premire tape de la rduction de la matrice est simple: on a remplac chaque cot de transport entre une ville i et une ville j par la diffrence entre ce cot de transport et le cot de transport le plus faible pour quitter cette ville i. La somme de ces cots minimaux (1 + 1 + 3 + 2 + 2 + 4 = 13) corres1. Pour une tude complte de cette classe de problmes, voir Lawler, Lenstra, Rinnooy Kan & Shmoys (1992, [274]).
392
TABLEAU 90 Rsultat du processus de rduction de la matrice des cots

Ville darrive A A B C D E F 2 3 0 13 16 ville de dpart B 0 11 1 5 1 C 3 2 0 6 6 D 2 8 0 0 0 E 13 0 4 7 14 F 1 23 0 9 2
pond au cot minimal qui sera la charge du voyageur de commerce lorsquil aura quitt chacune des 6 villes. La matrice obtenue la n de la premire tape de rduction (tableau 89 de droite) sanalyse donc comme une matrice de cots de transports qui sajoutent au cot de 13. Lexamen de ce tableau montre que, pour se rendre dans la ville C, il faudra encore dpenser au moins 3 : la seconde tape de la rduction de la matrice vise obtenir des cots darrive calculs par diffrence avec le cot darrive minimal. Le tableau 90 sinterprte donc comme le tableau de cots de transport ajouter une dpense minimale de base x = 13 + 3 = 16 (cest--dire la somme des valeurs minimales des lignes du tableau initial et de celle des valeurs minimales des colonnes du tableau obtenu aprs la premire tape de rduction) en dessous de laquelle on ne saurait descendre, puisque le voyageur de commerce dans sa tourne quittera toutes les villes, et se rendra dans toutes les villes. Cest sur cette matrice rduite que seffectue la recherche de la tourne idale. Le branchement (le branch, du branch and bound) consiste dcider quel trajet ij) doit tre ajout un ensemble de trajets dj slectionns1, les dcisions successives pouvant se visualiser par un arbre de dcision, comme on le verra rapidement. Chaque dcision de slection ou de rejet dun trajet correspond la rsolution dun problme partiel. Dans cet exemple, on devra rsoudre successivement six problmes partiels pour trouver une solution optimale par cet algorithme, ce que nous allons examiner maintenant. I-2.1.1 Rsolution du problme de la premire itration Au dpart, aucun trajet nest slectionn, et il semble raisonnable de restreindre le choix aux seuls trajets qui naccroissent pas le cot minimal de 16. Seuls les trajets qui ont des zros dans la matrice rduite rpondent ce critre. Le raisonnement est simple, on retiendra le trajet qui, sil ntait pas retenu, accrotrait le plus la dpense minimale x. Examinons les implications de ce que lon vient de dire, sur lun quelconque de ces trajets, le trajet AB. Si lon ninclut pas AB, il faudra ajouter x : - au moins 1 pour se rendre en B, qui est le plus faible cot pour se rendre en B sans partir de A,
1. Cette tape est celle de la sparation dans la terminologie, moins image, retenue en France (approche PSE).
Index thmatique
Table des matires
393
- et au moins 1, qui est le plus faible cot pour partir de A et se rendre dans une ville autre que B. La pnalit aAB associe la dcision de ne pas retenir AB, dcision que lon notera AB , est donc de aAB = 1 + 1 = 2, ce qui revient dire que le cot dune tourne qui ninclurait pas (A, B) ne saurait tre infrieur 16 + 2 = 18. On peut systmatiser le raisonnement qui nous a permis de calculer la pnalit aij associe la dcision ij comme suit: aij = Min ( cik ) + Min ( chj ) relation 72 h k
k j hi
Le calcul de ces pnalits est rapide. Le plus simple est de le porter, entre parenthses, ct des zros du tableau de la matrice rduite (tableau 90 de droite), ce qui donne le tableau 91 de gauche. On retiendra le trajet auquel est associ la plus TABLEAU 91 Rsolution du problme de la premire itration dans lutilisation de lalgorithme de Little et al.
tape 1 de la rsolution du problme de litration 1 Ville darrive A
Table des matires
tape 2 de la rsolution du problme de litration 1 Ville darrive F A B C D E F ville de dpart A 3 0 13 16 B 0 11 1 1 C 3 0 6 6 D 2 0 0 0 E F 1 0 9 2
Index thmatique
A B C D E F
0 (2) 3 2 13 1 2 2 8 0 (6) 23 3 11 0 (0) 4 0 (1) 0 (2) 1 0 (2) 7 9 13 5 6 0 (2) 2 16 1 6 0 (1) 14
forte pnalit, dcision intuitivement vidente, mais que lon pourra toujours remettre en cause si, au cours des tapes ultrieures, on trouve un cot minimal suprieur celui de la solution quon carte. La plus grande pnalit trouve est 6, on retiendra donc une tourne qui fera partir le voyageur de commerce vers la ville E, aprs quil est arriv dans la ville B. Le cot minimal des tournes qui nincluent pas BE est donc x = 16 + 6 = 22. Nous verrons ultrieurement (dans la rsolution du quatrime problme partiel au I-2.1.4, page 398), comment modier la matrice de cots conformment une dcision ij , mais pour linstant ce travail est inutile, et seule importe linformation du cot minimum de 22 pour toutes les tournes qui nincluent pas BE. Se pose maintenant la question de savoir si le cot des tournes qui incluent BE est toujours 16 (cest ltape du bound dans le branch and bound ou de lvaluation dans le SPE). La rponse nest pas immdiate. Pour continuer lexploration des solutions qui incluent BE, on modie le tableau en supprimant la ligne correspondant B (informations de cots relatifs au dpart de B) et la colonne correspondant E (informations de cots relatifs larrive en E), an de ne pas remettre en cause cette dcision. Lautre solution, retenue ici dans les illustrations numriques, consiste rendre innis ces cots, pour viter de repartir de
ville de dpart
394
B, ou darriver de nouveau en E. Ces modications correspondent une procdure dite dlimination. Une dernire modication simpose: rendre inni le cot cEB de transport de E vers B pour viter au voyageur de commerce un trajet maintenant interdit. On peut ds prsent indiquer que si, ultrieurement, on slectionne les trajets ij et jk, cest le cot cki quil faudra rendre inni pour rendre impossible tout bouclage. Dans ces conditions, la matrice des cots de transport supplmentaires est le tableau 91 (tape 2). Ce tableau de cots comporte au moins un zro dans chaque ligne et dans chaque colonne, cest une matrice rduite. On est donc assur que le cot minimal des tournes qui incluent BE est x = 16. On peut ajouter que, sur les 5 ! = 120 tournes initialement envisageables, lexploration ne se poursuit que sur 4 ! = 24 dentre elles (celles qui incluent la dcision de se rendre directement en E aprs avoir quitt B) ; les 5 ! 4 ! = 96 tournes dlaisses sont toutes celles qui font partir de B pour se rendre ailleurs quen E. La rduction ainsi opre est particulirement sensible. ce stade de lanalyse, larbre des choix et la description de la dcomposition de lensemble des solutions sont donns la gure 116. FIGURE 116 Analyse des dcisions prises la premire itration
BE BE BE, x = 16 BE, x = 22
120
24
I-2.1.2 Rsolution du problme de la deuxime itration Il faut maintenant choisir un nouveau trajet parmi ceux possibles, ce qui exclut ceux qui arrivent en E et ceux qui partent de B. Pour savoir quelle dcision antagoniste ij et ij on a intrt brancher sur le nud BE, que lon privilgie parce que le cot le plus faible lui est associ, on cherche de nouveau quel est le trajet i j pour lequel le cot de transport est nul, et auquel la plus forte pnalit aij est associe. Cette procdure est dite de sparation (ou encore de partition), parce quelle remplace un problme considr comme trop difcile rsoudre directement, par deux problmes complmentaires. Ce second problme partiel consiste donc explorer un sous-ensemble de 24 solutions possibles, celui qui contient toutes les tournes qui partent de B pour aller ensuite en E. Le calcul des pnalits est port entre parenthses dans le tableau 92 (itration 1). Deux trajets ont la mme pnalit sils ne sont pas retenus: les trajets DA et DC. Retenons arbitrairement le premier dentre eux. Le cot minimal associ la squence de dcisions BE et DA est 16 + 3 = l9, valeur infrieure lensemble des tournes qui nincluent pas BE. Calculons maintenant le cot minimal associ la squence de dcision BE et DA. Comme prcdemment, il faut empcher tout dpart de la nouvelle ville de dpart retenue D, ainsi que toute arrive dans la nouvelle ville darrive retenue A. Il faut en outre viter de
395
repartir de A pour se rendre en D. La modication du tableau de cots donne le tableau 92 (itration 2), do lon tire la matrice rduite du tableau 93. TABLEAU 92 Rsolution du problme de la deuxime itration dans lutilisation de lalgorithme de Little et a.l
tape 1 de la rsolution du problme de litration 2 Ville darrive A A B C D E F ville de dpart B 0 (2) C 3 D 2 E F 1 0 9 2 ville de dpart A B C D E F
Minimum
tape 2 de la rsolution du problme de litration 2 Ville darrive A B 0 11 1 0 C 3 6 6 3 D 0 0 0 0 E F 1 0 2 0
3 11 0 (0) 0 (3) 1 0 (3) 13 6 0 (2) 16 1 6 0 (1)
Table des matires
TABLEAU 93 Rsolution du problme de la deuxime itration dans lutilisation de lalgorithme de Little et al. (suite)
tape 3 de la rsolution du problme de litration 2 Ville darrive A B 0 11 1 C 0 3 3 D 0 0 0 E F 1 0 2
Index thmatique
A B C D E F
Le cot minimal associ la squence de dcisions BE et DA est donc 16 + 3 = 19, cest--dire quelle a le mme cot que la squence BE et DA . On peut donc poursuivre lexploration lun ou lautre nud, retenons la premire de ces deux squences, qui est celle qui a slectionn le plus de trajets. En poursuivant aprs le nud DA de notre arbre, il ne reste plus que 3 ! = 6 tournes possibles sur les 24 initialement envisages (aprs le nud BE) ; 4 ! 3 ! = 24 6 = 18 tournes dlaisses se retrouvent toutes aprs le nud DA . Pour linstant, on a donc effectu une partition de 120 tournes en 3 sous-ensembles: le premier comporte les 96 tournes qui vitent de partir de B pour se rendre en E, le deuxime comporte les 18 tournes qui imposent de partir de B pour se rendre en E et qui interdisent de partir de D pour se rendre en A et le dernier sous-ensemble qui incluent les tournes qui font partir le voyageur de commerce de B pour se
ville de dpart
396
rendre en E et de D pour se rendre en A. Larbre des dcisions prises est celui de la gure 117. FIGURE 117 Analyse des dcisions prises la deuxime itration
BE BE BE, x = 16 BE, x = 22
6 120 24
DA DA
DA, x = 19
DA, x = 19
I-2.1.3 Rsolution du problme de la troisime itration Ltape 1 de la rsolution de ce troisime problme consiste calculer les pnalits, ce qui conduit au tableau 94 de gauche. La pnalit maximale de ce troisime
Table des matires
TABLEAU 94 Rsolution du problme de la troisime itration dans lutilisation de lalgorithme de Little et al.
tape 1 de la rsolution du problme de litration 3 Ville darrive A ville de dpart A B C D E F B C D 0 (0) 0 (2) 0 (1) E F ville de dpart 1 0 (1) 2 A B C D E F A B 11 1 1 0 (1) 0 (3) 11 1 3 3 tape 2 de la rsolution du problme de litration 3 Ville darrive C D 0 0 0 E F 0 2 0
Minimum
problme partiel est associe au trajet AC qui accrot de 3 le cot de transport sil nest pas retenu, ce qui conduit dans ce cas un cot de 19 + 3 = 22. Pour connatre le cot minimal de la squence BE, DA et AC, il faut utiliser la procdure dlimination de A comme ville de dpart, et de C comme ville darrive. Il faut en outre interdire de pouvoir aller de C D, puisque lon a dj retenu la squence DA et que ladjonction de AC conduit la tourne partielle DAC, on posera donc cDC = . On aboutit alors au tableau 94 de droite qui ne correspond pas une matrice rduite, mais cette dernire sobtient immdiatement au prix dun accroissement du cot minimal de 1 (do le tableau 95).
Index thmatique
397
TABLEAU 95 Rsolution du problme de la troisime itration dans lutilisation de lalgorithme de Little et al (suite)
tape 3 de la rsolution du problme de litration 3 Ville darrive A B C D E F A B 10 0 C D 0 0 E F 0 2
Le cot minimal de la squence dcisionnelle (BE, DA C) est donc de 20. Ce cot est suprieur celui de la squence (BE, DA qui nest que de 19. Il faut donc poursuivre lexploration au-del du nud DA . Remarquons que nous mettons ici en cause une dcision antrieure (celle de ne pas continuer audel dun nud) parce que la borne infrieure de cot, associe lun des nuds que lon a dcid de ne pas explorer, devient plus intressante que le cot des deux branches de la dernire alternative explore ; le terme de bound (= limite) de lexpression branch and bound dsigne la plus faible des valeurs limites du critre des nuds dont lexploration est juge sans intrt jusqu preuve du contraire. On notera quen aval du nud DA , le nombre de tournes possibles est de 24 6 = l8, quen aval du nud (A, C) il est de 2 ! = 2 tournes et quen aval du nud AC , il est de 3 ! 2 ! = 6 2 = 4 possibilits. cette tape du raisonnement, larbre des dcisions prises est celui donn la gure 118. FIGURE 118 Analyse des dcisions prises la troisime itration
BE BE BE, x = 16 BE, x = 22
6 120 24
Index thmatique
Table des matires
ville de dpart
DA DA
DA, x = 19
DA, x = 19 AC AC AC, x = 20 AC, x = 22

4
398
I-2.1.4 Rsolution du problme de la quatrime itration Le quatrime problme partiel que lon doit examiner maintenant doit partir dune matrice de cots tenant compte des dcisions dj prises, savoir retenir (B, E) et ne pas retenir (D, A). Il faut donc modier la matrice obtenue la n de la rsolution du premier problme partiel (tableau 91 de la page 393 - tape 2) en rendant inni le cot pour se rendre de D A. On obtient alors le tableau 96 de gauche, page 398, qui ne correspond pas une matrice rduite. On procde donc sa rduction1 et on calcule les pnalits (tableau 96 de droite). TABLEAU 96 Rsolution du problme de la quatrime itration dans lutilisation de lalgorithme de Little et al.
Cration du tableau initial du problme de litration 4 et rduction de ce tableau Ville darrive A A B C 3 D E 13 F 16 Minimum 3 ville de dpart B 0 11 1 1 0 C 3 0 6 6 0 D 2 0 0 0 0 E F 1 0 9 2 0 A A B C 0 (10) D E 10 F 13 tape 1 de la rsolution du problme de litration 4 Ville darrive B C D 0 (2) 3 2 11 0 (0) 1 0 (4) 6 0 (2) 1 6 0 (1) E F 1 0 (1) 9 2
ville de dpart
La pnalit maximale est obtenue en ne retenant pas le trajet CA (aCA = 10), ce qui conduit un cot minimal x = 29, associ aux dcisions BE, DA , CA . Pour calculer le cot associ la slection complmentaire de ce trajet, il faut liminer les lignes C et A de cette dernire matrice et interdire le retour de A vers C. On obtient alors le tableau 97. En cherchant le rduire, on voit immdiatement que le cot minimal associ lensemble des solutions compatibles avec les dcisions (B, E), DA , (C, A) slve x = 19 + 1 = 20. Ce cot est identique celui obtenu la n de litration 3. Pour dterminer sur quel sousensemble de solutions il convient de poursuivre, il faut calculer le nombre de trajets retenus. En poursuivant avec le sous-ensemble le plus riche en trajets, obtenu la n du quatrime problme, on part dune solution partielle comportant 2 trajets (B, E), (C, A). En poursuivant avec le sous-ensemble le plus riche en trajets, obtenu la n du troisime problme, on part dune solution partielle comportant 3 trajets (BE, DA, CA), ce qui milite en faveur dune exploration du sous-ensemble de 4 solutions restant examiner. Larbre des dcisions prises est alors celui de la gure 119.
1. On retrouve alors laccroissement de cot de 3, que lon avait associ la dcision supplmentaire ( D, A ) .
Index thmatique
Table des matires
399
FIGURE 119 Analyse des dcisions prises la quatrime itration

BE BE BE, x = 16 BE, x = 22
18 120 24
DA DA
DA, x = 19
DA, x = 19 CA CA
4
CA, x = 29 CA, x = 20
AC, x = 20 AC, x = 22
TABLEAU 97 Rsolution du problme de la quatrime itration dans lutilisation de lalgorithme de Little et al.
Table des matires
tape 2 de la rsolution du problme de litration 4 Ville darrive A B C D E F A B 0 1 1 0 C 0 6 6 0 D 2 0 0 0 E F 1 9 2 1
Index thmatique
Minimum
I-2.1.5 Rsolution du problme de la cinquime itration Le cinquime problme partiel studie partir de la matrice rduite obtenue la n de la rsolution du problme partiel de la troisime itration (tableau 95 de la page 397). Le calcul des pnalits est effectu dans le tableau 98 de la page 400 (tape 1). La pnalit la plus forte (12) est associe au trajet CF. La procdure dlimination conduit non seulement liminer la ligne C et la colonne F du tableau, mais galement rendre inni le cot cFD pour rendre impossible le retour de F D (la solution retenue comportant la tourne partielle DACF). On obtient alors la matrice rduite du tableau 98 (tape 2).
ville de dpart
400
TABLEAU 98 Rsolution du problme de la cinquime itration dans lutilisation de lalgorithme de Little et al.
tape 1 de la rsolution du problme de litration 5 Ville darrive A A B C D E F B 10 0 (10) C D 0 (2) 0 (0) E F 0 (12) 2 A B C D E F
Minimum
tape 2 de la rsolution du problme de litration 5 Ville darrive A B 0 0 C D 0 0 E F
ville de dpart
I-2.1.6 Rsolution du problme de la sixime itration La matrice de cots tant rduite, le cot de 20 reste toujours valable et on peut alors slectionner les deux derniers trajets possibles ED et FB. Larbre des dcisions prises est alors celui de la gure 120. FIGURE 120 Analyse des dcisions prises la cinquime itration
BE BE BE, x = 16 BE, x = 22
6 120 24
ville de dpart
DA DA
DA, x = 19
DA, x = 19 AC AC
4
CA, x = 29 CA, x = 20
AC, x = 20 AC, x = 22
2
CF CF
CF, x = 32
CF, x = 20
La tourne optimale pour notre voyageur de commerce est donc : FBEDACF, pour un cot minimum de 20, comme on peut le vrier
Index thmatique
Table des matires
401
directement sur le tableau de cots initial 5 + 1 + 2 + 2 + 7 + 3. Lensemble des dcisions tudies est reprsent la gure 121. FIGURE 121 Analyse des dcisions prises la sixime itration
BE BE BE, x = 16 BE, x = 22
6 120 24
DA DA
DA, x = 19
DA, x = 19 AC AC
4
CA, x = 29 CA, x = 20
AC, x = 20 AC, x = 22
CF, x = 32
Table des matires
CF, x = 20
CF 2 CF ED FB ED 1 FB
ED, FB, x = 20
Index thmatique
I-2.2
Remarques complmentaires
Quatre remarques complmentaires mritent dtre faites. Elles reposent toutes sur lanalyse dun problme de tourne, mais les trois premires restent valables pour le problme dordonnancement de tches avec prise en compte du temps de lancement dpendant de lordre de passage des tches. I-2.2.1 Dtermination empirique de la tourne On a test1 la performance du comportement empirique observ chez le voyageur de commerce et qui consiste choisir comme prochaine tape la ville la plus proche. On obtient alors des solutions souvent acceptables, cest--dire sufsamment voisines de la solution optimale, condition de systmatiser le raisonnement, cest--dire en essayant comme ville de dpart toutes les villes de la tourne et en retenant la tourne ayant le cot le plus faible. Lapplication de ce principe donne ici une solution de 10% plus coteuse que la solution optimale. Cette procdure donne de meilleurs rsultats (25% de plus en moyenne, par rapport au cot minimum) si la distribution des cots de transport est sufsamment voisine dune
1. Travaux de Gavett, cits par Conway, Maxwell & Miller (1967, [104], p. 66-68). Cet algorithme est connu sous le nom de Closest Unvisited-city Algorithm.
402
distribution normale, que dans le cas dune distribution proche dune distribution uniforme (40% de plus en moyenne). I-2.2.2 Dtermination optimale de tournes multiples On peut galement traiter laide de lalgorithme de Little le problme de la dtermination des tournes optimales de m voyageurs de commerce partant tous de la mme ville de dpart, chaque ville ntant visite que par un seul voyageur de commerce et toutes les villes tant visites. Il suft1 de crer m 1 villes supplmentaires, toutes reprsentatives de la ville de dpart et de dupliquer m 1 fois la ligne et la colonne associe la ville de dpart; les distances entre les m villes reprsentatives de la ville de dpart sont considres comme innies pour empcher de passer dune tourne lautre . On verra au II-1.2, page 911, du chapitre XIII, une formulation plus gnrale par la programmation mathmatique qui prsente un avantage sur la solution propose ici si lon souhaite tenir compte de contraintes (capacit, fentre de temps) dans lorganisation de ces tournes. I-2.2.3 Problme stochastique du voyageur de commerce Dans la ralit, le problme du voyageur de commerce se pose souvent plus en termes de temps que de cots. La formulation retenue ici repose sur des valeurs moyennes pour pouvoir traiter ce problme en univers certain; or il est vident que le temps de transport est alatoire. On examinera succinctement ce problme maintenant bien que ce dveloppement se situe dans une section consacre lanalyse de problmes de type statique-certain. Si lon peut dnir les distributions de probabilit de ces temps de transport, il est possible de rsoudre le problme stochastique du voyageur de commerce en sappuyant sur lutilisation conjointe de la mthode de Monte-Carlo et des algorithmes gntiques, selon la dmarche dcrite en dtail au II-3.4, page 196, du chapitre III. De surcrot: - la fonction de cot optimiser peut tre plus complexe quune simple fonction linaire du temps mais on peut aussi rester sur un critre minimisation de lesprance mathmatique de la tourne ou sur un critre de minimisation de la probabilit quune tourne seffectue en plus de x heures ou - on peut imposer des contraintes supplmentaires du type le temps de transport de la tourne ne doit pas dpasser x heures ou lcart-type du temps de transport de la tourne ne doit pas dpasser 30 minutes ou Illustrons cette approche2, partir des donnes du tableau 99 qui reprennent le mode de celles du tableau 89 de la page 391 pour faciliter la comparaison des rsultats. La distribution triangulaire a t retenue. La tourne optimale trouve est : F C A D E B F, pour un cot minimum de 21,433 (esprance mathmatique4, cart-type du cot = 1,28) ; la
1. Voir Christodes (1976, [94]) et Watson et Foulds (1981, [437]). 2. Lexemple propos ici sappuie sur ladd-in Risk Optimizer de Palisade, utilisable sous Excel, en complment de @Risk (autre add-in de Palisade); plusieurs algorithmes gntiques sont disponibles, dont un spcialis dans les problmes de squencement. 3. Cette esprance mathmatique est suprieure la valeur obtenue en univers certain sur la base des modes (qui, dune manire gnrale, dans le jeu de donnes utilises, sont infrieures aux esprances mathmatiques des cots de transports).
Index thmatique
Table des matires
403
TABLEAU 99 Paramtres (Minimum Mode Maximum) des distributions de probabilits triangulaires des cots de la tourne du voyageur de commerce
Ville darrive A A B C D E F 1 3 4,5 5,5 6 8 1,5 2 3 12 15 20 13 20 30 ville de dpart B C D E F 0,9 1 1,5 6 7 9 2,5 3 4,4 568 5 9 20 12 14 19 2,2 3 3,9 2 3 4,7 3,5 5 7,4 5 7 10 10 11 15 1 2 4 4 5 6,7 9 13 18 2,8 4 5,3 12 14 18 1,3 2 4 0,6 1 1,5 20 24 30 5,5 7 10,6 2 3 5 7 9 12 10 11 15 346 12 18 20
distribution de probabilit de cette tourne est donne la gure 122, avec les lments danalyse de sensibilit (voir les explications sur la mthodologie utilise, au chapitre III, page 193). Pour illustrer la puissance de cette approche, FIGURE 122 Distribution de probabilits du cot de la tourne optimale et analyse de sensibilit
Table des matires
Distribution de probabilits du cot de la tourne optimale

0.350 0.300 Moyenne =21,43333
Index thmatique
0.250 0.200 0.150 0.100 0.050 0.000 17 5% 19,41 20 90% 23,61 23 5% 26
on peut ajouter que: - la tourne qui minimise lcart-type du cot de la tourne est toujours FCADEBF; cest aussi celle qui minimise le cot qui na que 5% de chances dtre dpass; - si la solution trouve navait pas t dominante sur les diffrents critres doptimisation utiliss, on aurait pu chercher rsoudre un problme du type trouver la tourne qui minimise le cot et possde un fractile 95% infrieur x .
4. Note de la page prcdente. Estimation faite sur la base de 1000 itrations par simulation dune tourne.
404
I-2.2.4 Complexit des problmes concrets La complexit des problmes concrets de transport est habituellement plus grande que ne le laisse supposer cet exemple. Dans la pratique on dispose dune otte htrogne de camions ment, le problme est alors non seulement celui de tournes optimales mais galement celui (non indpendant du prcdent) dune affectation optimale de camions aux ponts de desserte, avec prise en compte du passage chez des clients sur des fentres de temps prcises et, dans le cas de tournes multiples saccompagnant de livraison, avec prise en compte de contraintes de capacit de transport. La complexit du problme est telle quil est souvent prfrable dutiliser, en conversationnel, des systmes daide la dcision sappuyant sur des algorithmes optimaux pour rsoudre des problmes simplis, ce que lon verra la section II, page 904, du chapitre XIII.
I-3
Tentative de caractrisation de lapproche statique
Plusieurs milliers darticles ont t crits depuis cinquante ans dans ce domaine, ce qui est sans doute beaucoup par rapport aux retombes oprationnelles quils ont suscites. Pour comprendre pourquoi il en est ainsi et tre en mesure dextraire de cette masse de travaux les lments susceptibles daider la rsolution de problmes concrets, il est ncessaire de prsenter une grille danalyse de cette approche statique1. Celle-ci se fonde sur lutilisation de modles doptimisation plus ou moins reprsentatifs de tout ou partie de situations concrtes. Cette simplication de la ralit simpose dans le cadre dune dmarche dductive susceptible de rsoudre des problmes dune complexit croissante. Une typologie de cette classe de travaux peut tre faite sur la triple base du critre doptimisation ( I3.1), de la liste des hypothses du modle ( I-3.2, page 405) et de la mthode de rsolution ( I-3.3, page 406).
I-3.1
Critre doptimisation
Celui-ci est presque toujours de nature organisationnelle, cest--dire que la performance de lordonnancement nest pas juge sur la base de ses consquences conomiques (et peut du reste difcilement ltre si lon sattache au trs court terme), mais sur celle dun indicateur physique. Son unit est habituellement le temps (date moyenne dachvement des tches, retard moyen, retard maximum) ou la tche (nombre de tches termines en retard) et il est cens tre en relation avec la performance conomique de lordonnancement dans la mesure o il varie dans le mme sens (ou en sens inverse, selon lindicateur retenu) que lun des cots partiels du systme productif, quil soit li la saturation du potentiel productif ou linsatisfaction de la demande. Le choix de critre organisationnel se justie par le fait que lutilisation dindicateurs conomiques dans le cadre dun ordonnancement sur une priode unique ne pose pas de problmes de formulation mathmatique, mais des problmes de dnition de coefcients de valorisation, ncessairement arbitraire sur un tel horizon. Cela tant, lutilisation de critre organisationnel connat dautres
1. Voir lanalyse faite par Riou-Long (1986, [364]). Une typologie gnralement utilise est celle propose par Rinnooy Kan (1976, [361]) qui caractrise les problmes dordonnancement par quatre critres: le nombre de tches, le nombre de centres de production, le critre dvaluation de lordonnancement et une liste dhypothses caractrisant le problme pos.
Index thmatique
Table des matires
405
limites, car il est vident que ces cots partiels auxquels ils sont lis peuvent varier en sens inverse et quen consquence, les conclusions auxquelles on parvient doivent tre values avec prudence.
I-3.2
Liste des hypothses dcrivant le systme productif
Ces hypothses, souvent implicites dans la prsentation dun modle statique, dcrivent le systme productif et les tches excuter. Le systme productif se caractrise par un certain nombre de centres de production. - Chaque centre de production est compos dun ou plusieurs postes de travail. Dans ce dernier cas, ces postes sont identiques ou non identiques (en particulier au niveau de la rapidit dexcution dune opration). - Lexcution dune opration sur un poste de travail peut ncessiter des rglages pralables de la machine et, dans ce cas, le temps de rglage peut ou non dpendre du rglage antrieur. - Lopration (ou une squence doprations) peut ou non tre excute sur des centres de production de nature diffrente (centre dusinage contre squences de machines classiques spcialises), ce qui revient prendre en compte des gammes alternatives. - Un poste de travail peut excuter une seule opration la fois, mais dans certains cas, une certaine simultanit peut tre autorise (par exemple, traitement thermique ou chimique), pour des oprations dbutant en mme temps ou non. - Les temps de transport dun centre de production un autre centre de production sont considrs comme nuls, ou sont inclus dans le temps de lancement, ou sont isols (en particulier si le modle tient compte de lexistence dun centre de production manutention). - Il est possible ou non (contrainte de stockage ou contrainte technique) davoir des tches en attente devant un poste de travail occup. - Un ouvrier (ou un groupe douvriers) nest affect ou non qu un seul centre de production. Dans ce dernier cas lordonnancement est nettement plus complexe parce quil porte la fois sur des machines et sur des hommes (lesquels constituent souvent la ressource rare en matire dordonnancement). En ce qui concerne les tches: - Les tches excuter peuvent tre ou non simultanment disponibles en dbut de priode. - Une tche peut correspondre la fabrication dun article unique ou celle dun lot darticles identiques. - Les temps opratoires sont certains. - Lordre dexcution des oprations dune tche est intangible et une opration ne peut dbuter avant le dbut des oprations prcdentes (ce qui exclut le cas de gammes arborescentes), sauf spcication contraire1. - Une opration peut ou non dbuter avant la n de lopration prcdente (recouvrement portant sur les temps de rglage et rendu possible du fait dune libration antrieure de la machine rgler et/ou recouvrement li au
Index thmatique
Table des matires
406
fractionnement de lots dnissant une tche). On retrouve l des implications de la mise en uvre de dmarche SMED1. - Des dates-limites dachvement des tches peuvent ou non tre introduites. - Les tches sont indpendantes (et donc excutables dans un ordre quelconque) ou non. - Lexcution dune opration peut ou non tre suspendue sur un poste de travail au prot dune opration dune autre tche (premption). Il faut souligner quen rgle gnrale les modles retenus habituellement se dnissent par une combinaison des hypothses les plus restrictives, quelquesunes dentre elles seulement tant leves. Rappelons enn que lon raisonne sur une priode unique et donc en supposant implicitement que la mise en uvre de la solution trouve reste possible (possibilit dinterrompre en n de journe une opration en cours et de la reprendre le lendemain au mme point).
I-3.3
Mthodes de rsolution
Tout dabord, pour quelques problmes simples (cheminement unique et deux centres de production, par exemple) et certains critres (minimisation de la date dachvement de toutes les tches, par exemple), il est possible de dmontrer analytiquement quun ordonnancement suivant la valeur croissante dun indicateur, ce qui a t abondamment illustr dans les pages qui prcdent. Pour le problme gnral, mme sil est restreint au cas du cheminement unique, on na pas trouv de rgles simples permettant dobtenir un ordonnancement optimal. On peut cependant rduire la dimension combinatoire du problme pos et dmontrer que si le critre que lon cherche minimiser est un critre rgulier, cest--dire si sa valeur naugmente que si la date dachvement de lune des tches saccrot, loptimum ne peut se trouver que dans un sous-ensemble de lensemble des ordonnancements possibles a priori2. Cette limitation de lnumration peut tre utilise pour rsoudre le problme par une technique de type branch and bound3, prsente au I-2.1, page 390, mais pour des structures simplies du problme et certains critres, on peut encore rduire le champ des possibles en mettant en vidence que le respect de certaines proprits est une condition ncessaire lobtention dun optimum, ce qui accrot encore lefcacit potentielle de lapproche de type branch and bound. Nanmoins, le plus souvent, le problme combinatoire pos reste redoutable, mme dans le cas simpli de ux unidirectionnels. Cest pourquoi, dans le cadre de problmes simplis (et plus particulirement dans le cas du cheminement unique4) des heuristiques ont t proposes et testes : elles permettent une
1. Note de la page rcdente. On parle dans ce cas de stocks multi-chelons ou encore de stock tages, mais les travaux de recherche sintressant ce cas de gure sont largement dconnects de ceux ayant trait lordonnancement en ateliers spcialiss (en particulier au niveau des critres). Voir Williams (1981, [443]). 1. Voir le chapitre VII, page 511. 2. Voir Baker (1974, [30], p. 13 et p. 181) et Esquirol et Lopez (1999, [140], chapitre II) sur la typologie des objectifs et critres dvaluation. Voir galement Lopez et Roubellat (2001, [286], chapitre V) pour une prsentation complte sur les problmes de satisfaction de contraintes et de propagation de contraintes. 3. Voir Baker (1974, [30], p. 55-65, p. 148-156). 4. Voir les synthses de Gupta (1979, [211]), Dannenbring (1977, [118]) et celle de King et Spachis (1980; [265]).
Index thmatique
Table des matires
407
conomie considrable de calculs et ne garantissent pas lobtention dune solution optimale mais dune solution dont les performances sont bonnes en gnral. Nous avons indiqu au I-1.4.2, page 378, que le problme gnral a t formalis en termes de programmation dynamique et en termes de programme linaire en nombres entiers et que sil est montr que cette dernire approche est la plus performante, il nen reste pas moins quaujourdhui, elle reste difcilement exploitable au-del de quelques dizaines de tches ou de postes de travail par des mthodes exactes (comme celle du branch and bound). Pour trouver des solutions satisfaisantes des problmes combinatoires dune certaine dimension, on utilise de nos jours des mta-heuristiques1 qui sont des dmarches gnrales de rsolution de ces classes de problmes permettant dobtenir assez rapidement des solutions sans pouvoir toutefois en garantir loptimalit. On prsentera les trois principales dentre elles: la mthode Tabou, le recuit simul et les algorithmes gntiques ( I-3.3.2), cette dernire approche tant introduite de manire plus complte ( I-3.3.2, page 408). Ces approches sont assez performantes pour la rsolution de problmes dordonnancement mais elles ncessitent encore une expertise faiblement rpandue. I-3.3.1 La mthode Tabou et le Recuit Simul Ces deux mthodes sappuient sur des algorithmes itratifs qui explorent lespace des solutions en se dplaant pas pas dune solution une autre. Le risque que lon court en explorant les solutions proches est celui de se trouver au voisinage dun optimum local. Pour contrer ce risque, on a donc dvelopp en particulier deux mthodes efcaces qui acceptent des solutions voisines moins bonnes. - La mthode du Recuit Simul sappuie sur des travaux amorcs dans les annes cinquante pour simuler lvolution dun systme physique instable vers un tat dquilibre thermique une temprature xe. Au cours dune itration donne, on passe lune des solutions admissibles voisines de la solution courante, qui est accepte si elle est meilleure et, dans le cas contraire, avec une certaine probabilit qui est fonction de limportance de la dtrioration constate dans le critre optimiser et dun paramtre . Le changement de ce paramtre (analogie avec la temprature) seffectue en gnral chaque fois quun nombre donn ditrations a t effectu et lalgorithme sarrte lorsquaucune solution meilleure na t trouve au cours dun cycle ditration. La performance de cet algorithme est troitement lie au schma de refroidissement retenu (mcanisme de changement de ). Un exemple dutilisation trs performante de cette approche pour rsoudre le problme de lordonnancement dun projet sous contrainte de ressources non stockables et existence de gammes alternatives dexcution dune tche peut tre trouv dans Boctor (1996, [57]). - La mthode Tabou remonte aux annes quatre-vingt. Pour viter de risquer de senfermer dans un minimum local, lorsque celui-ci est atteint (pas de solution admissible voisine meilleure), cette mthode garde en mmoire les dernires solutions visites et interdit le retour arrire vers celles-ci avant un
1. Pour en savoir plus, le lecteur est invit lire le texte crit par Widmer, Hertz et Costa dans louvrage coordonn par Lopez et Roubellat (2001, [286], chap. III).
Index thmatique
Table des matires
408
nombre x ditrations, ce qui permet alors de repartir en arrire pour explorer une solution moins bonne mais permettant peut-tre de sacheminer vers loptimum. Dans la mesure o le passage de la solution courante la solution nouvelle peut tre entach darbitraire, plusieurs candidats ayant la mme performance, linterdit de retour arrire peut tre lev plus tt sous certaines conditions (dnies par une fonction daspiration). I-3.3.2 Les algorithmes gntiques Les algorithmes gntiques1, imagins par des biologistes dans les annes cinquante pour simuler lvolution des espces, cherchent une solution optimale en simulant lvolution naturelle dune population dindividus, gnration aprs gnration, en reproduisant des mcanismes dhrdit et de slection, en partant du principe que ce sont les individus les plus forts qui tendent survivre et donner une descendance, les enfants hritant stochastiquement des caractristiques gntiques (bonnes ou mauvaises) de leurs parents. Dans cette approche, le gnome dun individu correspond une solution du problme doptimisation pos2 et la force (tness) de cet individu est mesure par la valeur du critre optimiser prise par cette solution (ou une valeur drive). Lalgorithme gntique deux mcanismes de base: - Le mcanisme de croisement (cross-over) apparie deux individus de la population choisis alatoirement avec une probabilit proportionnelle leurs forces respectives (ce qui laisse aux individus faibles des chances dtre choisis), pour donner naissance un nouvel individu dont le gnome est constitu partir du gnome de chaque parent. Ce mcanisme de croisement est conu de telle sorte quil ait des chances daugmenter la force de lenfant3, sachant quen rgime de croisire, on remplace un couple de parents par couple denfants de caractristiques nouvelles (ou, avec une probabilit xe, par un couple denfants identiques aux parents). Ce mcanisme de croisement est gnralement mis en uvre sur la moiti de la population (tirage alatoire sans remise) avant de passer au mcanisme suivant. - Le mcanisme de mutation est destin viter le risque de dgnrescence, en introduisant de la varit. Chaque individu est pass en revue et subit ou non avec une probabilit xe lavance, une mutation altrant son gnome4.
1. Pour en savoir plus, le lecteur est invit lire le texte crit par Portmann et Vignier dans louvrage coordonn par Lopez et Roubellat (2001, [286], chap. IV), qui illustre la dmarche sur un exemple dtaill dordonnancement. 2. Par exemple, le squencement, pour un problme de voyageur de commerce devant explorer un ensemble de n villes, sans revenir la ville de dpart, pour reprendre une adaptation dun problme dj trait (avec lalgorithme de Little) et qui sera tudi plus en dtail au chapitre XIII, II-1.3, page 918. 3. Dans lexemple retenu, on peut imaginer de retenir les k premires villes du squencement (gnome) du pre et les n k dernires villes du squencement (gnome) de la mre, le nombre k tant choisi alatoirement entre 2 et n 2. Ce mcanisme de cration dune nouvelle solution est connu sous le nom doprateur un point mais dautres mcanismes existent (le choix du mcanisme tant un point central de la dmarche puisquil conditionne la possibilit damlioration de la solution). La concatnation de ces parties de squencements a de fortes chances de ne pas comporter toutes les villes et donc dinclure des doublons (autant que de villes manquantes); on limine alors une ville de chacun des doublons et on complte la squence avec les villes manquantes la csure ou en n de chane. Comme ce mcanisme peut donner naissance plusieurs enfants diffrents (en raison de la substitution possible du rle du pre et de la mre mais aussi des mcanismes de recompltement de la squence en cas de doublon), on peut choisir de ne garder que les deux enfants ayant les deux meilleurs gnomes.
Index thmatique
Table des matires
409
Ces deux mcanismes sont utiliss successivement sur un certain nombre ditrations x lavance ou par un test darrt (temps de calcul, stabilit de la meilleure force trouve depuis un nombre prdtermin dopration). Lun des problmes rsoudre initialement est celui de la constitution dune population initiale et donc celui de la recherche de solutions possibles. Cette approche qui est utilise depuis plusieurs annes avec succs repose sur la pertinence des oprateurs de croisement et de mutation utiliss. Les logiciels commerciaux disponibles (comme celui utilis dans ce chapitre et le chapitre III) proposent normalement de rattacher le problme traiter une classe de problmes pour lesquels des oprateurs savrent habituellement efcaces. Il nen reste pas moins que cette efcacit peut tre assez limite si le problme pos sloigne des problmes type de la classe de problmes auxquels il est rattach.
SECTION II
LAPPROCHE ALATOIRE DYNAMIQUE
Cette approche se caractrise par le double refus de se placer dans un cadre dterministe et de travailler sur un ensemble ni de tches excuter au cours dune priode dtermine. Si le problme pos est dcrit par un ensemble de variables alatoires de caractristiques stables, le comportement du systme tudi est induit par un ensemble de rgles de dcisions dnissant une politique dordonnancement administre systmatiquement. Son valuation repose sur une (ou plusieurs) variable(s) dtat caractrisant le rgime de croisire, ayant le statut dune esprance mathmatique. Deux dmarches de rsolution de ces problmes sont alors envisageables: lutilisation de la thorie des les dattente ( II-1) et la simulation ( II-2, page 410).
Table des matires
Index thmatique
II-1
Lapproche par la thorie des les dattente
Dune manire gnrale, dans cette approche, les arrives des tches dans le systme productif ne sont pas simultanes, mais espaces dans le temps. On dnit une distribution de probabilits de lintervalle de temps sparant deux arrives successives, cette distribution tant immuable au cours du temps. Le systme productif est gnralement dcrit par un ou plusieurs postes de travail, fonctionnant en parallle ou en srie; les dures dexcution dune opration sont spcies de faon certaine ou en probabilit (on parle de loi de service) et ce pour chaque poste de travail. Le bon fonctionnement du systme est jug travers un ou plusieurs critres, comme dans le cas statique. Plusieurs rgles dordonnancement (dans ce type de littrature on parle plutt de discipline de le dattente) sont possibles. Lobjet de cette approche est de fournir des rsultats analytiques des valeurs prises par les variables dtat choisies pour valuer le fonctionnement dun systme gr par une certaine discipline de le dattente. Ces rsultats analytiques sont des esprances mathmatiques calcules sur une dure de fonctionnement innie; ils caractrisent ce que lon appelle le rgime stationnaire. Cette approche ncessiterait de larges dveloppements pour tre aborde correctement1, ce qui mnerait nettement au-del de lobjectif de sensibilisation
4. Dans notre exemple, un oprateur de mutation possible consiste choisir alatoirement deux villes conscutives du squencement associ au gnome et les permuter.
410
cette problmatique poursuivi ici. Une seconde raison, plus premptoire, conforte ce choix: les rsultats obtenus dans cette approche ne sont pas dune porte trs gnrale. En effet, si lanalyse est relativement facile dans le cas dun seul centre de production, ou de plusieurs centres de production mis en parallle et fournissant la mme prestation (caisses dun supermarch par exemple), il nen est plus de mme lorsque les centres de production sont en srie, et plus forte raison lorsquils forment un rseau quelconque et que des limitations sont introduites dans la longueur des les dattente ou les dures maximales dattente admissibles. Dans ces conditions un problme classique de centres de production spcialiss, se caractrisant par des cheminements entre centres de production, variables selon les produits fabriquer, na aucune chance de trouver de solution analytique, du moins dans ltat actuel des connaissances.
II-2
Lapproche simulatoire
II-2.1
La simulation de systmes rels
La premire approche vise trouver la solution dun problme complexe rel, cest--dire existant physiquement. La recherche de rgles de dcision seffectue, aprs modlisation du systme rel: - soit une fois pour toutes, pour dnir des tables de dcisions dont la pertinence sera remise en cause lorsque les donnes structurelles du problme (caractristiques des ux et / ou des ressources) auront signicativement chang; ces tables de dcisions peuvent, le cas chant, se ramener une rgle simple, comme une formule de calcul de la priorit dune tche arrivant dans le systme, compte tenu de ltat du systme cet instant (tat caractris par diffrents paramtres); - soit priodiquement pour proposer un ordonnancement destin rsoudre un problme rel, la simulation tant reprise chaque modication juge signicative du problme (arrive de nouvelles commandes, modication de la
1. Voir Conway, Maxwell & Miller (1967, [104]), p. 141 218, pour un expos des principaux rsultats connus; voir galement lexpos trs didactique de cette problmatique des les dattente dans Wagner (1975, [435]), p. 851 901 et 977 994. Une prsentation des rsultats rcents peut tre trouve dans Kelly, [259].
Index thmatique
Lorsquil est difcile de trouver la solution analytique dun problme probabiliste, bien dni sur le plan formel, lutilisation des mthodes de Monte-Carlo rend les mmes services que cette solution analytique, cest--dire permet dvaluer les consquences des rgles de fonctionnement du systme tudi. Cette approche a dj t dcrite en dtail au chapitre III, I-2, page 147, et utilise pour simuler le fonctionnement de systmes rels. Ici, les distributions de probabilits des diffrentes variables dtat, retenues pour caractriser la qualit de fonctionnement du systme, sont empiriquement obtenues aprs de nombreuses simulations au lieu dtre calcules analytiquement. En outre, les paramtres de tendance centrale et de dispersion sont calculs numriquement partir des donnes de la simulation au lieu de rsulter dun calcul en application dune formule analytique. Il ne faut donc pas stonner que lextension des facilits informatiques ait entran depuis les annes soixante, des utilisations croissantes de ce type dapproche. Les travaux se sont orients dans deux directions: la simulation de systmes rels ( II-2.1) et celle de systmes ctifs ( II-2.2, page 411).
Table des matires
411
disponibilit de certaines ressources, problme dapprovisionnement, dviation signicative des ralisations par rapport aux prvisions). La simulation des systmes rels a longtemps t dun cot prohibitif (d la puissance de calcul et au volume de donnes important manipuler). Lvolution informatique permet maintenant une gnralisation de ce type dapproche, des cots acceptables1, pour une mise en uvre aise aboutissant des rsultats facilement exploitables. La simulation, se substituant lapproche de type essai erreur, permet danticiper des problmes au lieu de les subir. Dun point de vue oprationnel, lamlioration des procdures permet une meilleure utilisation du systme productif qui diminue les cots et recule les limites de capacit productive. Dun point de vue stratgique, lusage de simulations met en vidence lexistence de goulots dtranglement et facilite ltude de lamlioration du systme productif par adjonctions ou transformations de ressources productives mais aussi par modication des procdures. Cela tant, les conclusions que lon peut tirer de ce type dexprimentation nont pas forcment de porte gnrale, la prdominance de certaines rgles pouvant tre lie aux caractristiques particulires du systme productif tudi. Tel nest pas le cas de la seconde utilisation de la simulation que nous allons examiner ( III-2.2), parce quelle fournit des enseignements utiles pour aborder la simulation de systmes rels, sur laquelle, nous reviendrons au III, page 416.
II-2.2
Table des matires
La simulation de systmes ctifs
Cette approche poursuit dune certaine faon la dmarche utilise dans les modles statiques tudis au dbut de ce chapitre, ceci prs que la rsolution numrique (par des mthodes simulatoires) se substitue la rsolution analytique. Les conditions de fonctionnement du systme sont strictement dnies: nombre de centres de production utiliss par une tche, contraintes techniques de passage entre ces centres (ordre de passage pouvant tre gnr alatoirement), lois des arrives des tches (loi de Poisson le plus souvent), lois des dures dexcution doprations dans un centre de production (dure constante ou loi exponentielle ngative, par exemple), temps de transferts entre centres de production (souvent considrs comme nuls), spcications techniques ayant une incidence sur lordonnancement (par exemple, absence de chevauchement entre tches), fonctionnement perptuel du systme (pas de panne, pas de fractionnement du temps en journes) ou autre modalit de fonctionnement, etc. Les investigations ont t conduites dans deux directions: lordonnancement dans un ensemble de centres de production indpendants ( II-2.2.1) ou non ( II2.2.2, page 416). II-2.2.1 Le cas des ateliers spcialiss indpendants Les travaux particulirement importants de Conway, Maxwell et Miller2, sappuient sur un mme jeu de 8700 tches devant tre excutes dans un systme ctif de 9 centres de production qui a t utilis pour tester 25 types diffrents de
1. On trouve plusieurs logiciels de moins de 1 000 tournant sur micro-ordinateur, dots de descripteurs du systme productifs, de gammes et de rgles de fonctionnement, ainsi que de gnrateurs alatoires darrives dans le systme, de temps opratoires et de choix de gammes. Une description sophistique dun systme complexe requiert des moyens plus consquents.
Index thmatique
412
rgles de priorit. Dans ce jeu de donnes, on avait gnr alatoirement pour chacune de ces commandes, mais une fois pour toutes: - lordre de passage des oprations dune commande entre les diffrents centres de production, - les dates darrives des commandes dans le systme (utilisation dun processus de Poisson1), - la dure constante des oprations dune commande dans les diffrents centres (cette dure tait gnre alatoirement partir dune loi exponentielle ngative, de moyenne gale 1). Lutilisation des rgles de priorit testes ne reposait bien entendu que sur linformation de ltat du systme au moment o une commande se prsente et non sur les prvisions darrives de commandes. La dnition du Temps dAchvement Moyen A que nous avons prsente dans le cadre du modle statique ( I-1.1.1.2, page 365) doit tre adapte, puisque le calcul ne seffectue plus sur un ensemble ni de travaux excuter pendant une priode et tous disponibles en dbut de priode, mais sur un chantillon alatoire de 8700 commandes arrivant des dates diffrentes dans le systme. Le calcul de la moyenne des temps de sjour dans le systme sanalyse comme une esprance mathmatique, puisque les arrives dans le systme et les temps opratoires sont des variables alatoires. On peut ajouter que le critre de temps de prsence dans le systme est conforme aux proccupations de bon nombre de responsables se rclamant ou non de la philosophie du juste temps (voir chapitre VII). On voquera ci-aprs les principales rgles de priorit testes2 : - La rgle dordonnancement alatoire (RANDOM) consiste choisir au hasard parmi les commandes qui sont en attente devant un centre de production. Son intrt pratique est de permettre un talonnage3 non ambigu dans la comparaison des performances relatives des rgles de dcision (ventuellement entre travaux de simulation assez diffrents). - La rgle du PAPS (pour Premier-Arriv, Premier-Servi ou son quivalent anglo-saxon FCFS, pour First Come First Served) est un dcalque du clbre FIFO ; cette rgle dordonnancement, largement rpandue en pratique, est
2. Note de la page prcdente. Conway, Maxwell & Miller (1967, [104]), p. 220 247 et 261 290, ces travaux ont t conduits en partie la Rand Corporation. On peut citer galement la thse (non publie) de Nanot, An Experimental Investigation and Comparative Evaluation of Priority Discipline in Job-Shop Like Quening Network, laquelle il est trs frquemment fait mention et qui est prsente avec un certain dtail dans Buffa & Miller (1979, [74]), p. 494 499. 1. Ce processus implique que le processus darrive est sans mmoire et que la probabilit darrive dune nouvelle commande au cours dun bref intervalle de temps est totalement indpendante du nombre de commandes dj prsentes dans le systme. 2. Les sigles anglo-saxons retenus sont ceux donns dans le compte rendu des travaux de Conway, Maxwell et Miller. 3. Lorsque lon est en univers certain, la rfrence utilise pour juger la performance dheuristiques (cest--dire de rgles de rsolution numrique permettant dobtenir rapidement une solution dont on ne peut garantir le caractre optimal) est, chaque fois que cela est possible, la solution optimale du problme pos. En univers alatoire, la rsolution dun problme dynamique seffectue progressivement sur la base dun problme ncessairement incomplet (dans notre exemple, on nattend pas davoir les 8 700 commandes avant de commencer les excuter), sauf postuler une inacceptable connaissance de lavenir. Il sensuit que la solution de rfrence ne peut tre la solution optimale.
Index thmatique
Table des matires
413
indpendante du temps dexcution, il ne faut pas stonner quelle ait des performances moyennes voisines de celles obtenues par la rgle alatoire. - La rgle dordonnancement Temps Opratoire Minimum (connue aussi sous son sigle TOM ou son quivalent anglo-saxon SPT, pour Shortest Processing Time) slectionne celle des commandes en attente dexcution devant un centre de production qui a le plus faible temps opratoire pour lopration qui doit tre excute dans ce centre de production. - La rgle dordonnancement de la plus faible dure de travail restant accomplir dans lensemble des centres de production (rgle LWKR, pour Least Work Remaining) est une variante de la rgle prcdente ; elle prend en compte, pour chaque commande en comptition, le cumul des temps opratoires restant excuter sur le centre de production tudi et sur les centres suivants. - La rgle dordonnancement du quotient de la marge (= temps restant avant la livraison, diminu du cumul des temps opratoires restant raliser) par le nombre doprations restant excuter, est plus connue sous son sigle anglosaxon S/OPN (pour Slack/Operation) ; elle prconise de slectionner la commande ayant la valeur la plus faible de ce ratio. - La rgle WINQ (pour Work in Next Queue) se fonde sur la remarque quil nest peut-tre pas astucieux de privilgier une tche dans un centre de production si, une fois termine lopration de cette tche dans ce centre, la tche part dans le centre de production o son opration suivante doit tre excute, sachant que cette dcision a pour consquence dallonger une le dattente dj importante. Cette rgle calcule la priorit dune tche comme la somme des dures des oprations des tches dj en attente1 au moment de la prise de dcision, dans le centre de production dans lequel lopration suivante de la tche considre sera excute; ce cumul est conventionnellement nul si cette opration est la dernire de la tche. Pour cette rgle, comme pour les prcdentes ( lexception des deux premires), la priorit la plus forte est donne la tche qui a la valeur la plus faible de lindicateur dni. Lusage de ces diffrentes rgles dnit dynamiquement les priorits qui sont rvalues chaque dcision de chargement de machine et non sur la base dun calcul initial effectu en dbut de simulation et jamais remis en cause ultrieurement2. Par ailleurs, elles nimposent pas les mmes contraintes en matire de systmes dinformation, selon quelles sont utilises pour une prise de dcisions oprationnelles ou dans le cadre de simulations: - des rgles, comme les rgles S/OPN ou LWKR, sappuient sur une connaissance correcte de ce qui se passe dans tout le systme productif au moment ou lon prend la dcision; elles supposent donc que lentreprise fonctionne avec un systme dinformation en bases de donnes centralises ou rparties avec mises jour en temps rel; - des rgles, comme les rgles PAPS ou TOM, ne reposent que sur des informations disponibles localement lendroit mme o un choix est oprer; elles
1. Si le systme dinformation le permet, il est judicieux dinclure ce cumul le temps rsiduel de lopration en cours. 2. On parle alors de :rgles dynamiques et de rgles statiques. Certains logiciels dordonnancement sappuient sur des rgles; leurs performances sont meilleures lorsquils utilisent des rgles dynamiques.
Index thmatique
Table des matires
414
constituent, au contraire, des procdures de gestion dcentralises faciles implanter. En rsum, moins une rgle est myope dans lespace du systme productif (connaissance prcise de ltat du systme productif, au moment de la prise de dcision) et dans le temps (prvision de lvolution de ltat du systme productif sur le trs court terme et sur des bases assez mcaniques ), plus la dcision requiert dinformations et de capacits de stockage et de calculs. Illustrons par un exemple (tableau 100) lutilisation de ces rgles, avec quatre commandes, notes a, b, c et d, qui sont candidates pour tre excutes sur la machine A qui se libre linstant t = 90 minutes. TABLEAU 100 Jeu de donnes du problme dordonnancement en ateliers spcialiss
(dures et dates exprimes en minutes)
Temps Opration suivante Cumul de tous les Nombre Date de opratoire temps opratoires doprations Tches temps restant excuter livraison sur la excuter sur restant demande la machine opratoire machine A linstant t = 90 excuter
a b c d 10 20 17 15 K K F G 22 10 9 4 100 37 41 29 t = 270 t = 170 t = 270 t = 170 4 3 2 4
Au moment o se pose le problme, la charge totale de travail (travail en cours rsiduel et travail en le dattente) des centres de production F, G et K est: 65 minutes pour la machine F; 100 minutes pour la machine G; 0 minute pour la machine K. La tche excuter sur la machine A est: - la tche a si lon utilise la rgle TOM; - la tche a ou la tche b si lon utilise la rgle Winq puisque lopration suivante de ces deux tches seffectue sur la machine K qui est celle qui a le volume de travail en cours et en attente le plus faible (ici 0); - la tche b si lon utilise la rgle de la marge (a: 270 100 90 = 80; b: 170 37 90 = 43; c: 270 41 90 = 139; d: 170 29 90 = 51; - la tche d si lon utilise la rgle S/OPN (a: 80/4 = 20; b: 43/3 = 14,33; c: 139/2 = 69,5; d: 51/4 = 12,25). Les rsultats fondateurs de cette approche amorce en 1964 et 1965, sont donns dans le tableau 101 de la page 415. On peut y noter que la rgle TOM conduit au temps dachvement moyen le plus faible mais quil nen est pas de mme pour la dispersion de ce temps. Une analyse complmentaire de ces donnes, sappuyant sur le fait que le temps moyen total de la fabrication proprement dite est de 9 (puisque par hypothse le temps moyen dune opration dans un centre de production est de 1), conduit un temps moyen dattente devant chaque centre de production de 2,78 avec la rgle TOM et 7,27 avec une rgle du type FCFS, soit une dure dattente multiplie par 2,6. Trois remarques complmentaires sont utiles faire dans loptique dune implantation de la rgle TOM : - Une approximation 10% prs des temps opratoires utiliss dans la dcision, par rapport aux temps rels utiliss dans la simulation, naccrot pas le
415
nombre moyen instantan de tches en attente. Si lon pousse lerreur jusqu 100%, on naccrot que faiblement ce nombre moyen (qui passe 27,13). - On peut sans problme sparer les travaux en 2 classes, la premire regroupant les tches urgentes et la seconde, les autres tches, et adopter la rgle TOM dans chacune des classes ainsi que celle dune priorit absolue des tches de la classe urgente sur celles de lautre classe. Dans ces conditions le nombre moyen instantan de tches en attente ne saccrot que faiblement (il passe environ 27 pour un partage 30 % / 70 % des tches en urgent / normal); ces deux premires remarques attestent une certaine robustesse des performances de la rgle TOM lorsquelle est utilise dans des conditions dgrades (mais fort ralistes). - Lapplication stricte de la rgle TOM peut avoir pour effet de retarder considrablement certaines oprations longues. Une solution efcace, semble-t-il, est alors de basculer priodiquement sur la rgle FCFS ; cela dit, la prise en compte explicite de la date de livraison constitue une alternative intressante, comme nous allons le voir ci-aprs. TABLEAU 101 Comparaison des performances des rgles de priorit [104]
RANDOM Rgles Nombre moyen instantan de tches en attente 59,42 dans le systme 74,70 x Temps dachveDonnes ment total dune non distche ponibles FCFS TOM (SPT) LWKR WINQ SOPN
Table des matires
58,87 74,43 41,06
23,25 34,02 53,65
47,52
40,43
Donnes non disponibles 66,10 16,31
Donnes non disponibles
Index thmatique
Souvent le problme pos se complique par la ncessit de respecter, autant que faire se peut, des dates de livraison. La rgle qui a les meilleures performances dans le respect des dates de livraison est la rgle S/OPN. En contrepartie, elle accrot sensiblement le temps moyen dachvement dune tche mais elle rduit au maximum la dispersion de ces temps dachvement. Cela tant, ds que le taux dutilisation du systme productif devient lev (disons suprieur 90%, pour xer les ides), cette rgle conduit un pourcentage moyen de tches termines avec retard qui est suprieur celui que lon a en utilisant la rgle TOM. Dans ces conditions, si lobjectif prioritaire est celui du respect des dlais de livraison, la procdure prconise consiste utiliser la rgle TOM en cas de forte congestion du systme productif et, autrement, de faire appel la rgle S/OPN. Ces travaux de Conway, Maxwell et Miller sont lorigine dun courant de recherche important qui a explor la performance dautres heuristques de rsolution de classes de problmes dordonnancement extraordinairement varies. De nos jours, il est extrmement facile (voir, chapitre III, I-2.1, page 148) de dterminer la performance de rgles
416
II-2.2.2 Cas dune dpendance entre les centres de production Lordonnancement se complique, dune part, par lexistence dune certaine polyvalence de centres de production qui sont substituables dans lexcution dune opration, sans avoir pour autant les mmes performances, et, dautre part, par la possibilit dinverser lordre de ralisation de certaines oprations (open shop, voir I-1.5, page 384). Les investigations dcrites dans Conway, Maxwell et Miller, montrent que le nombre moyen de tches en attente est une fonction dcroissante du nombre de centres de production polyvalents et que la rgle TOM est plus performante que la rgle FCFS, mais que sa supriorit relative dcrot trs sensiblement quand la polyvalence saccrot. La possibilit dinverser lordre de certaines oprations a des consquences moins sensibles que dans le cas de la polyvalence; l encore, la rgle TOM est plus performante que la rgle FCFS. On peut indiquer, pour terminer, que cette tude aborde galement le cas de la possibilit dune structuration arborescente des diffrents centres de production, le premier nud de larbre correspondant la dernire tape du processus productif (assemblage par exemple).
SECTION III
PERSPECTIVES ACTUELLES DE LORDONNANCEMENT EN ATELIERS SPCIALISS

Les entreprises industrielles qui ne sont pas orientes vers la srie unitaire ou la fabrication en continu sont structures en ateliers spcialiss, en lots de fabrication, ou en lignes dassemblage et/ou de fabrication. On ne sintressera ici quaux structures en ateliers spcialiss ou lots de fabrication, largement prpondrantes dans les entreprises occidentales. Les conditions requises pour passer en ux tirs et donc pouvoir grer les ux sans prparation du travail par un ordonnancement en bonne et due forme, font que le problme de lordonnancement se pose concrtement dans une majorit dentreprises. Il est toujours possible de nier le problme et de se passer de toute prparation du travail (suppression de lordonnancement) en lanant les ordres de fabrication ds que ceux-ci arrivent dans le systme productif et en grant indpendamment les diffrents postes de travail avec laide de rgles empiriques de dcision. Cette absence de prparation du travail nest pas sans inconvnients importants car: - elle retarde inutilement certaines adaptations temporaires du systme productif (appel momentan aux heures supplmentaires ou modications du programme de maintenance, par exemple) ou des rgles de pilotage de la production (do une modication des priorits des ordres de fabrication); elle conduit supporter des problmes au lieu de les anticiper, faute davoir dtect temps certains dysfonctionnements (saturation excessive de certains postes de travail, retard dans les livraisons); - elle accentue le dcouplage entre la rgulation court terme et la rgulation moyen terme, ce qui peut rendre plus difcile la prise de certaines dcisions (acceptation de marchs importants et contraignants, dcision de soustraitance); - elle laisse entier le problme de lapprovisionnement des composants et matires utiliss au cours de certaines oprations ; celui-ci peut tre
417
dclench lors de lintroduction dun ordre de fabrication dans le systme productif mais tout dfaut dapprovisionnement contribuera engorger le systme productif par des OF dont lexcution est arrte, faute de composants; - elle pose le problme du contrle dun systme productif fonctionnant sans prvision: labsence de rfrentiel rend difcile lapprciation de la pertinence des dcisions prises. Pour la majorit des gestionnaires, ces arguments militent en faveur du maintien dune prparation du travail en ateliers. Dans ces entreprises, la qualit de lordonnancement est considre comme un facteur important de comptitivit et les procdures manuelles laissent trs progressivement place des systmes informatiss destins concevoir rapidement une proposition dordonnancement et, pour les plus sophistiqus dentre eux, ragir en temps rel aux invitables alas et perturbations qui caractrisent la production. Linvestissement organisationnel que reprsentent de tels systmes est encore peu rpandu, pour deux raisons: - de tels systmes requirent une formalisation pralable de ce que le systme productif peut traiter (gammes, nomenclatures), laquelle est loin dtre systmatique et able dans les entreprises; ils exigent en outre une mise jour du systme dinformation qui est pratiquement de type temps rel, ce qui est une condition encore plus restrictive; - de par leur formation, les ingnieurs privilgient le plus souvent la exibilit physique (machines commande numrique, convoyage automatique) sur la exibilit organisationnelle, dont lune des formes est lassistance informatique lordonnancement1. Les proccupations des tablissements qui se dotent de tels systmes dassistance lordonnancement varient selon le contexte dans lequel ils sont placs (production et/ou assemblage pour stock ou la commande, le positionnement concurrentiel de lentreprise en termes de cot, qualit, dlai) et la marge de manuvre dont dispose le responsable de ltablissement. Il est vident quun responsable, jug uniquement sur le respect de dates de livraison des ordres de fabrication, na besoin que dun systme laidant dnir un ordonnancement respectant ces contraintes de livraison. Il sera confort dans son attitude par le fait quen cas de difcult majeure pour tenir ces dlais, il pourra, presque toujours, assez facilement mobiliser les ressources additionnelles (heures supplmentaires, intrim, sous-traitance) qui lui permettront dhonorer ses obligations. Dans ce contexte, le problme essentiel est dobtenir assez rapidement un ordonnancement respectant les contraintes2. Mais, dans de nombreuses entreprises, le problme est plus complexe car il sagit la fois de respecter, autant que faire se peut, les dlais et dobtenir une bonne utilisation du systme productif, pour conserver une comptitivit par les cots sur le long terme. Un tel contexte suppose que le respect des dlais nest plus un objectif intangible et pose un problme dvaluation de la qualit de lordon1. Voir le I-1.5, page 147, du chapitre III pour une discussion des relations de complmentarit entre exibilit physique et exibilit organisationnelle et de leurs impacts en matire de conception des systmes productifs. 2. Dans ce type de situation, lapproche qui sera dcrite au III-2.2.1, page 437, savre tout fait pertinente.
Index thmatique
Table des matires
418
nancement, inconnu dans le cas prcdent. La ncessit de ce jugement se justie par deux observations: - Si lon a le choix entre deux ordonnancements respectant les contraintes de dates de livraison et mobilisant les mmes ressources permanentes, il est difcile de considrer ces alternatives comme quivalentes lorsque lun des deux ordonnancements permet des livraisons effectives plus prcoces et donc, implicitement, une meilleure utilisation du systme productif, parce que cela procure une marge de manuvre accrue pour les commandes ultrieures qui permettra, peut-tre mme, daccepter davantage de commandes. - La dcision valuer est trs souvent complique par le fait que la marge de manuvre du dcideur porte non seulement sur lordonnancement retenir mais aussi sur une ventuelle mobilisation de ressources additionnelles (heures supplmentaires). La question pratique qui se pose alors est de savoir: si lon a raison ou non de faire appel un peu plus de ressources additionnelles, qui cotent ncessairement de largent, pour effectuer un peu plus de production ou sil est plus judicieux de limiter cet appel en restreignant corrlativement la production. - Le jugement peut soprer en faisant appel une batterie dindicateurs physiques (taux dengagement des diverses ressources, pourcentage davancement des commandes, nombre de commandes en retard, dpenses de mobilisation momentane de ressources additionnelles) mais il est peu probable quentre deux solutions alternatives, tous les indicateurs soient en faveur de lune dentre elles. Un jugement densemble passe donc par lutilisation dun indicateur synthtique qui doit tre de nature conomique, cest--dire tre le rsultat dun calcul faisant intervenir des grandeurs exprimes en valeur. Dautres logiques dagrgation de points de vue existent (analyse multicritres) mais sont difciles mettre en uvre ou largement arbitraires. On reviendra concrtement sur ce problme au III-2.5.1, page 442. On examinera donc les approches utilises par les logiciels pour proposer un ordonnancement ( III-1), avant de prsenter les orientations des systmes daide la dcision de lancement, actuellement en mergence et qui devraient rapidement se rpandre et tre en mesure dapporter des lments de rponse au problme dans toute sa complexit, telle quelle vient dtre dcrite ( III-2, page 432).
III-1
Les approches possibles
Pour tre aussi concret que possible, on sappuiera sur un exemple introductif ( III-1.1) avant de prsenter les dmarches de rsolution utilises ( III-1.2, page 421).
III-1.1
Exemple introductif
Pour comprendre la complexit du problme dordonnancement et les diffrentes alternatives que lon peut utiliser pour le rsoudre, on sappuiera sur un problme dordonnancement simpli, celui de la socit MCANO.
Index thmatique
Table des matires
419
Le systme productif de MCANO comporte seulement quatre ateliers : un atelier de tour (avec un oprateur et une machine), un atelier de rectieuse (avec un oprateur et une machine), un atelier de fours (avec un oprateur et deux fours) et un atelier de fraiseuses (avec trois oprateurs et trois postes de travail). Ce systme est dcrit par la gure 123 (qui comporte des indications de cot qui seront utilises ultrieurement, au III-2.5.1, page 442). FIGURE 123 Description du systme productif du cas MCANO
SYSTME PRODUCTIF
ATELIER DE TOUR
TOUR
ATELIER DE RECTIFIEUSE
RECTIFIEUSE
Cot variable direct = 8 $ / heure Cot fixe journalier = 288 $ / jour Cot de lheure sup. = 43 $/ heure
ATELIER DE FRAISEUSES
Table des matires
TEMPS DE RGLAGE: dpendant du rglage antrieur

RGLAGE FINAL
Index thmatique
ATELIER DE FOURS
FOUR 1 FOUR 2
Cot variable direct = 16 $ / heure Cot fixe journalier = 288 $ / jour Cot de lheure sup. = 43 $/ heure - un traitement thermique ne peut tre interrompu - un oprateur unique fait fonctionner les 2 fours
POUR TOUS LES ATELIERS

- Travail en heures normales: 8 heures / jour - Travail maximum en heures supplmentaires: 4 heures / jour
RGLAGE INITIAL
FRAISEUSE 1
FRAISEUSE 2
FRAISEUSE 3
1 2 3
2 3 2 heures 3 heures 1 heure 2 heures 4 heures 3 heures
RGLAGES INITIAUX: rglage i pour la fraiseuse i
420
FIGURE 124 Description des gammes des ordres de fabrication du cas MCANO
GAMMES DE FABRICATION
T: TOUR R: RECTIFIEUSE 1-1 T 5 2-1 Fr / 2 6 3-1 Fr / 3 4 4-1 R 2-2 Fo 8 3-2 Fo 1-2 Fr / 2
LGENDE
Fo: FOUR Fr / k : FRAISEUSE EN RGLAGE k
COMMANDE 1 1-3 Fo 11 13 COMMANDE 2 2-3 2-4 2-5 T Fr / 3 Fo 14 16 COMMANDE 3 3-3

Fr/2
23
14 15 COMMANDE 4 4-2 4-3 T Fr / 1 10 18 14 5-2 R 6 10 6-3 Fo COMMANDE 5 5-3 Fo 15 COMMANDE 6 6-4 6-5 6-6 Fr / 2 T R 12 14 18 22 COMMANDE 7 7-5 Fo 18 COMMANDE 8 8-4 8-5 8-3 Fr / 2 10 16 Fo 19 Fr / 3 25 6-7 T 29 4-4 R 25
5-1 Fr / 2
6-1 6-2 Fr / 1 T 6 3 7-1

Fr/3
7-2 R
1 8-1 Fr / 1
7-3 7-4 Fo Fr / 2 10 7 5 8-2 T 5
421
Index thmatique
Lun des ateliers, celui des fours, se caractrise par linterdiction dinterrompre une opration commence (premption interdite, voir page 361); cest gnralement le cas des traitements chimiques ou thermiques. Un autre atelier, celui des fraiseuses, se caractrise par le fait que le temps de changement du rglage dune machine nest indpendant ni du rglage actuel, ni du rglage futur. Ce cas de gure est relativement frquent pour les postes de travail dots dune certaine polyvalence. Il est vident que les temps de rglage utiliss sont fantaisistes (ils correspondent un nombre entier dheures, pour faciliter la prsentation des rsultats); en outre, pour simplier le problme, le nombre de rglages possibles a t limit trois1. On notera enn que la dcision prendre concerne non seulement la dnition dun ordonnancement mais aussi celle dun appel momentan des ressources additionnelles par le biais dheures supplmentaires (sans prise en compte, ici, des contraintes imposes par la rglementation du travail). On suppose que MCANO a huit commandes excuter, la premire tant la seule avoir dj t commence. Les gammes de ces commandes sont dcrites sous forme de graphique de Gantt la gure 124, page 420. La jime opration de la commande i est note i-j ; la gamme est fournie par un graphique de Gantt o la mention de la machine requise est porte (Fo pour un four, R pour la rectieuse, T pour le tour et Fr / k pour une fraiseuse en rglage k). Ces gammes nont aucun ralisme : il sagit seulement de travailler sur des gammes dans lesquelles non seulement lordre de passage sur les centres de production varie dune commande lautre mais encore o un mme poste de travail peut tre utilis plusieurs fois des moments diffrents dans une mme gamme. Pour la commande 1, seule la gamme des oprations restant excuter est porte sur la gure. Lorsquune opration doit tre effectue sur une fraiseuse, le numro de rglage est indiqu sur le graphique. On supposera que ce type de rglage ne peut seffectuer en temps masqu (cest--dire pendant que sachve lopration prcdente sur ce mme poste).
Table des matires
III-1.2
Les solutions possibles
Deux grandes familles dapproches peuvent tre rencontres : le placement progressif dordres de fabrication ( III-1.2.1) et le placement chronologiquement progressif doprations excutables ( III-1.2.2, page 424). Certains logiciels mlangent les deux approches. III-1.2.1 Placement progressif dordres de fabrication Cette approche, relativement facile mettre en uvre, a t utilise manuellement par les premiers services de planning et est encore utilise, malgr ses dfauts, par quelques logiciels. Le principe retenu2 pour le placement progressif dordres de fabrication est extrmement simple pour ne pas dire simpliste: - on commence par classer les ordres de fabrication (OF) selon un critre;
1. La spcialisation de chacune des machines un rglage diffrent est une mauvaise stratgie si les demandes pour chacun des rglages ne sont pas quilibres. En tout tat de cause, le problme des changements de rglage se pose ncessairement si le nombre de machines est diffrent du nombre de rglages. 2. Elle est connue sous le nom dhorizontal loading, dans la littrature anglo-saxonne et elle est parfois dsigne comme la procdure par placement des travaux dans la littrature franaise spcialise.
422
- on prend ensuite le premier OF de la liste et on place les diffrentes oprations de lordre de fabrication choisi soit au plus tt si on a retenu un placement progressif au plus tt (voir algorithme la gure 125), FIGURE 125 Algorithme de placement au plus tt des ordres de fabrication
Slection dun Ordre de Fabrication j non plac (avec nj oprations) i = nj ; Ti = 0
Recherche de la date la plus prcoce ti telle que ti Ti et que soit libre entre ti et ti + di une machine sur laquelle lopration i (de dure di) peut tre effectue Placement de tche i ; Ti = ti + di Non i=i+1 Oui Oui Non
Index thmatique Table des matires
i = nj
LOF j plac tait le dernier
Fin de lordonnancement
soit au plus tard si lon a retenu un placement progressif au plus tard (voir algorithme la gure 127 de la page 425); - ces placements se font en respectant la disponibilit des ressources devant tre mobilises et les contraintes dantriorit des oprations excuter; une fois toutes les oprations places, lordre de fabrication est ray de la liste; - sil reste encore des ordres de fabrication dans la liste, on retourne ltape prcdente, sinon, lordonnancement est termin. Le placement au plus tt ne garantit pas le respect des dates de livraison et le placement au plus tard peut rendre impossible le placement des OF situs en queue de liste, tout en conduisant souvent une mdiocre utilisation des ressources en dbut de programmation. La gure 126 illustre la technique du placement au plus tt on parle encore de jalonnement au plus tt (front scheduling dans la littrature anglo-saxonne) avec une utilisation quasi systmatique des heures supplmentaires. On suppose ici que lordre retenu est celui des numros associs aux diffrentes commandes
423
FIGURE 126 Placement au plus tt des ordres de fabrication (cas MCANO)

PLACEMENT DE LA COMMANDE1
PREMIER JOUR
TEMPS TOUR RECTIFIEUSE FRAISEUSE1
(rglage initial 1)
SECOND JOUR
12 2 4 6 8 10
TROISIME JOUR
12 2 4 6 8 10 12
1-1
8 10
1-2
FRAISEUSE2 FRAISEUSE3
(rglage initial 2)
(rglage initial 3)
1-3
FOUR 1 FOUR 2
TEMPS TOUR RECTIFIEUSE
PREMIER JOUR
2 4 6 8 10 12
SECOND JOUR
2 4 6 8 10
TROISIME JOUR
12 2 4 2-4 6 8 10 12
1-1
Table des matires
FRAISEUSE1
(rglage initial 1)
1-2
2-1 2-3 1-3 2-2 2-5
FRAISEUSE2
(rglage initial 2)
FRAISEUSE3
Index thmatique
(rglage initial 3)
FOUR 1 FOUR 2
TEMPS TOUR RECTIFIEUSE FRAISEUSE1 FRAISEUSE2
(rglage initial 2)
PREMIER JOUR
2
SECOND JOUR
12 2 4 6 8 10
TROISIME JOUR
12 2
1-1
8 10
2-4
8 10
12
(rglage initial 1)
1-2 3-1
2-1 2-3 1-3 2-2 3-2
3-3
FRAISEUSE3
(rglage initial 3)
2-5
FOUR 1 FOUR 2
(on verra au tableau 103, page 447, que ce classement correspond celui des dates de livraison).
424
Cette illustration numrique permet de mettre en vidence le dilemme majeur de ce type dapproche et la trs grande difcult quil y a le rsoudre: - le problme pos : une fois la commande 1 programme, on procde au placement de la commande 2 qui dbute par lopration 2-11 de fraiseuse en rglage 2 ; la fraiseuse 2 qui est en rglage 2, se trouve tre occupe par lopration 1-2, partir du dbut de la sixime heure du premier jour ; lopration 2-1 durant six heures, ne peut donc tre excute avant lopration 1-2; - la solution envisageable : il serait possible de remettre en cause les dcisions antrieurement prises et plus particulirement ici, le placement de lopration 1-2, en en retardant le dbut dune heure, an dutiliser les cinq heures disponibles en dbut de journe, pour lopration 2-1; - la difcult de mise en uvre de ce type de solution: cette solution, facile mettre en uvre lorsque lon est au dbut du processus de placement, est particulirement difcile utiliser ds que plusieurs ordres de fabrication ont t programms car il faut alors veiller au respect de toutes les contraintes dantriorit des tches dj programmes, dont un dplacement partiel est envisag directement (dans notre exemple, le dplacement de lopration 12 implique celui de lopration 1-3) ou par un effet de cascade ; on peut ajouter que les dcalages de programmation induits peuvent annuler lintrt du dcalage initial envisag pour amliorer lutilisation des ressources en dbut de simulation. Cette interdpendance des dcisions, rendant la remise en cause des dcisions antrieurement prises la fois difcile et dun intrt parfois contestable, explique que lon sen tienne gnralement lalgorithme initial (gure 125) et pourquoi ce type dapproches se traduit assez souvent par une utilisation mdiocre des ressources disponibles. On nillustrera pas la logique du placement au plus tard (dcrit par lalgorithme de la gure 127). Le principe consiste partir de la dernire opration de lordre de fabrication retenu et la programmer le plus tard possible, tout en respectant la date de livraison, puis programmer lopration prcdente en respectant les contraintes dantriorit et ainsi de suite. Cette seconde approche vise limiter le montant des encours, puisque lon attend le dernier moment possible pour programmer les oprations dun OF. Cet objectif est imparfaitement atteint par cette mthode car, la solution retenue ne tendrait minimiser le montant des encours que si la valeur des ordres de fabrication tait prise en compte dans le classement des OF. Placement chronologiquement progressif doprations excutables Cette seconde approche2 sinspire directement des travaux de simulation effectus partir des annes soixante. Elle est utilise par le logiciel de rsolution du
mini-cas propos, avec la possibilit, tout instant dclairer les dcisions prendre
1. Le premier nombre dsigne lOF et le second, aprs le tiret, repre le numro dordre de lopration dans lOF ; lopration 2-1 est donc la premire opration de la commande 2. 2. Elle est connue sous le nom de vertical loading dans la littrature anglo-saxonne Elle est parfois dsigne comme la procdure par placement doprations dans la littrature franaise spcialise.
III-1.2.2
Index thmatique
Table des matires
425
FIGURE 127 Algorithme de placement au plus tard des ordres de fabrication
Slection dun Ordre de Fabrication j non plac (avec nj oprations) i = nj ; Ti = date de livraison de lOrdre de Fabrication j
Recherche de la date la plus lointaine ti telle que ti + di Ti et que soit libre entre ti et ti + di une machine sur laquelle lopration i (de dure di ) peut tre effectue Placement de tche i ; Ti = ti Non i=i1
Table des matires
i=1 Oui
Oui Non
LOF j plac tait le dernier?
Fin de lordonnancement
Index thmatique
par un ensemble dindicateurs qui seront voqus ci-aprs. Lusage de ce logiciel permet de mieux comprendre les fondements des arbitrages raliser entre le point de vue commercial qui privilgie le respect des dlais et le point de vue de la production qui cherche utiliser de manire efficiente les ressources disponibles. Il permet de revenir sur des dcisions antrieurement prises, ce qui permet de mieux apprhender des mcanismes mis en uvre dans certains SIAD1.
La dmarche dcrite par lalgorithme de la page 426, passe par deux grandes tapes que lon va examiner. Pralablement il faut initialiser le processus en dnissant, pour chaque atelier, la liste des oprations immdiatement excutables dans cet atelier, partir des premires oprations non encore excutes des ordres de fabrication, ce qui donne, pour notre exemple, le premier tableau de le dattente de la gure 129, page 428. Examinons lapplication de lalgorithme. - tape 1 : une date t (initialement t = 0), on passe en revue successivement les diffrentes machines du systme productif; si la machine nest pas libre on passe la machine suivante (initialement toutes les machines sont libres) sinon on examine sil y a un ou plusieurs candidats pour tre excuts sur ce poste de travail:
1. Systmes Interactifs dAide la Dcision (en anglais, DSS pour Decision Support Systems).
426
FIGURE 128 Algorithme de placement chronologiquement progressif doprations excutables

t=0 m=1 Non Machine m libre Non opration en attente pour machine m Oui opration unique Non Oui Oui
Analyse dindicateurs et slection (ventuelle) dune opration Non Oui
Placement de lopration
Oui
m=M
Non m=m+1
Pour chaque machine se librant en t : - Examen de lopration suivante de lOF librant la machine - Mise jour de file dattente de machine sur laquelle lopration suivante est excuter Oui Files dattente toutes vides? Fin de lordonnancement Non
sil ny a quun seul candidat, celui-ci, sauf raison particulire lie lanticipation de larrive dune opration juge prioritaire, est charg sur la machine; sil y a plusieurs candidats on slectionne laide dune rgle (ou dun ensemble de rgles) celui qui doit tre privilgi; ces rgles peuvent tre celles introduites la page 412 ou tre plus complexes; - lopration, une fois charge, disparat de la le dattente.
Index
t = date la plus prcoce de libration dune machine ou darrive dune nouvelle opration
Table des
Retrait de lopration plac, de la file dattente
427
- tape 2 : lorsque toutes les machines ont t passes en revue pour cette date t, on dtermine la prochaine date (qui deviendra la nouvelle date courante t dans la simulation) pour laquelle se produit une modication de ltat du systme; celle-ci consiste soit en une arrive prvisionnelle dun nouvel OF, soit par lachvement de lexcution dune (ou de plusieurs) opration(s); lachvement dune opration implique que: lopration suivante de lOF (si elle existe) est excutable et sera donc immdiatement charge dans la le dattente concerne, la machine libre est disponible pour excuter une opration se trouvant dans sa le dattente; - en cas de libration de plusieurs machines, il est conseill pour tre en mesure de dceler la totalit des conits potentiels cette nouvelle date t : dabord de commencer par librer toutes les machines sur lesquelles des oprations sachvent et de mettre aussitt jour des les dattente et seulement ensuite de procder au chargement des machines libres suivant la logique dcrite ltape 1. Le dbut de la simulation de notre problme introductif est illustr par la gure 129, pages 428 et 429;les arbitrages effectus pour le chargement des fraiseuses ne sont pas explicits ici. Le rsultat nal dune simulation opre laide dun ensemble de rgles complexes mais naboutissant pas une trs bonne solution (an de conserver un intrt oprationnel lusage du logiciel) est consign dans la gure 130, pages 430 et 431. La solution propose se caractrise par un large appel aux heures supplmentaires et le fait que la commande 3 nest pas acheve la n du jour 31. On remarquera, par ailleurs, que lordonnancement conduit des changements de rglage (par exemple, la fraiseuse 1 passe du rglage 1 au rglage 3 au cours du jour 1, ce changement tant not R3). Ce type de simulation conduit gnralement une bonne utilisation des ressources des premires priodes. La principale difcult rside dans le choix des rgles privilgier dans la slection dune opration lorsque plusieurs rentrent en comptition pour lutilisation dune ressource libre. Il faut en effet effectuer un arbitrage entre le point de vue commercial (respect des dates de livraison) et celui de la production (meilleure utilisation des ressources productives). Les rgles disponibles (dont les principales ont t prsentes la page 412) tendent favoriser soit lun soit lautre point de vue. Le logiciel du CD-Rom permet dclairer
chaque prise de dcision par un calcul pralable des indicateurs associs ces rgles (puisque ceux-ci varient dynamiquement, ce quillustre la gure 131 de la page 431 pour la premire et la dernire des dcisions dcrites la figure de la page 429); il donne galement des lments permettant de mieux valuer la saturation prvisionnelle des ressources, suivant une dmarche qui sera dveloppe la page 433 et dans les graphiques de la gure 132 de la page 436.
Index thmatique
Table des matires
La principale difcult tient au fait quil est trs difcile de prvoir comment se comportera exactement le systme lorsquon utilise un ensemble de rgles prcises. Il sensuit que certaines dcisions se traduisant par de bonnes performances sur le court terme peuvent masquer de mauvaises performances se produisant ultrieurement. Bien entendu, la rciproque est vraie.
1. On reviendra ultrieurement ( III-2.4, page 441) sur lhorizon de planication retenir.
428
FIGURE 129 Exemple de placement chronologiquement progressif doprations
=0 heure; m = Tour
SITUATION INITIALE FILES DATTENTE
TOUR RECTIFIEUSE 1-1 4-1 1-1
DECISION
PROGRAMMATION
PREMIER JOUR 2 4 1-1 6 8 10 12 TEMPS TOUR RECTIFIEUSE
(rglage initial 1) (rglage initial 2) (rglage initial 3)
FRAISEUSE (rglage 1) 6-1; 8-1 FRAISEUSE(rglage 2) 2-1; 5-1 FRAISEUSE(rglage 3) FOURS 3-1; 7-1 vide
FRAISEUSE 1
FRAISEUSE 2 FRAISEUSE 3
FOUR 1 FOUR 2
= 0 heure; m = Rectifieuse
TOUR RECTIFIEUSE FRAISEUSE (rglage 1) FRAISEUSE(rglage 2) FRAISEUSE(rglage 3) FOURS vide 4-1 6-1; 8-1 2-1; 5-1 3-1; 7-1 vide 4-1
DECISION
PROGRAMMATION
PREMIER JOUR 2 4 1-1 4-1 6 8 10 12 TEMPS TOUR RECTIFIEUSE
FRAISEUSE 2 FRAISEUSE 3 FOUR 1 FOUR 2
= 0 heure; m = Fraiseuse (rglage 1)

TOUR RECTIFIEUSE FRAISEUSE(rglage 1) FRAISEUSE(rglage 2) FRAISEUSE(rglage 3) FOURS vide vide 6-1; 8-1 2-1; 5-1 3-1; 7-1 vide 6-1
DECISION
PROGRAMMATION
PREMIER JOUR 6 8 10 2 1-1 4-1 6-1 4 12 TEMPS TOUR RECTIFIEUSE
(rglage initial 1)
FRAISEUSE 1
FRAISEUSE 2
(rglage initial 2) (rglage initial 3)
FRAISEUSE 3 FOUR 1 FOUR 2
Index thmatique
FRAISEUSE 1
Table des matires
429
Figure 129 (suite) = 0 heure; m = Fraiseuse (rglage 2)

SITUATION INITIALE DECISION PROGRAMMATION
PREMIER JOUR 2 4 1-1 4-1 6-1 2-1 2-1 6 8 10 12 TEMPS TOUR RECTIFIEUSE
FILES DATTENTE
TOUR RECTIFIEUSE FRAISEUSE (rglage 1) FRAISEUSE(rglage 2) FRAISEUSE(rglage 3) FOURS vide vide 8-1 2-1; 5-1 3-1; 7-1 vide
FRAISEUSE 1
= 0 heure; m = Fraiseuse (rglage 3)

SITUATION INITIALE DECISION PROGRAMMATION
PREMIER JOUR 2
Table des matires
4 1-1
8 10
12
TEMPS TOUR
FILES DATTENTE
TOUR RECTIFIEUSE FRAISEUSE(rglage 1) FRAISEUSE(rglage 2) FRAISEUSE(rglage 3) FOURS vide vide 8-1 5-1 3-1; 7-1 vide 7-1
4-1 6-1 2-1

7-1
RECTIFIEUSE
FRAISEUSE 1
Index thmatique
= 1 heure: *libration de la Fraiseuse (rglage 3) Opration 7-2 excutable Mise en file dattente Rectifieuse *m = fraiseuse (rglage 3) car seule machine libre avec file dattente SITUATION INITIALE DECISION PROGRAMMATION
PREMIER JOUR 2 4 1-1 4-1 6-1 2-1
7-1
8 10
12
TEMPS TOUR RECTIFIEUSE FRAISEUSE 1 (rglage initial 1)

(rglage initial 2)
FILES DATTENTE
TOUR RECTIFIEUSE FRAISEUSE (rglage 1) FRAISEUSE(rglage 2) FRAISEUSE(rglage 3) FOURS vide 7-2 8-1 5-1 3-1 vide 3-1
FRAISEUSE 2 FRAISEUSE 3
3-1
(rglage initial 3)
FOUR 1 FOUR 2
430
FIGURE 130 Proposition nale dordonnancement (cas MCANO)
PREMIER JOUR
TEMPS
TOUR
HEURES SUPPLMENTAIRES
3 1-1
7 6-2
10 8-2
11
12
RECTIFIEUSE
4-1 6-1 2-1 7-1 3-1 8-1
7-2
FRAISEUSE 1 (rglage initial 1) FRAISEUSE 2 (rglage initial 2) FRAISEUSE 3 (rglage initial 3)
1-2
R3
2-3
R2 2-2
5-1
FOUR - 1
FOUR - 2
TEMPS 1
TOUR
SECOND JOUR
2 3 4-2 5-2 2-3 7-4 5-1 1-3 7-3 6-3 8-3 4 5 6 2-4 7 8 8-2 7-2
10
11
12
Index
6-5
RECTIFIEUSE
8-5 6-4 - R1 5-3 8-4 4-3
FOUR - 1
FOUR - 2
Table des
431
Figure 130 (suite)
TROISIME JOUR
TEMPS 1
TOUR
8 6-7
10
11 12
6-5 6-6 8-5
RECTIFIEUSE
4-4
4-3 2-5 7-5
FOUR - 1
FOUR - 2
FIGURE 131 Calcul des indicateurs associs aux rgles pour la le dattente de la fraiseuse 2 linstant t = 0 et t = 1 t=0
t=1
432
III-2
Dnition dun Systme Interactif dAide la Dcision de Lancement (SIADL)
Linstabilit croissante de lenvironnement des entreprises rend trs difcile lapprentissage des organisations par la classique mthode des essais et des erreurs. La recherche par ttonnement de solutions de niveau satisfaisant exige, en effet, une stabilit sufsante des problmes poss. Pour survivre, les entreprises sont amenes remplacer en grande partie un apprentissage par lexprience par un apprentissage par la simulation. Cest dans cette perspective que se situent les Systmes Interactifs dAide la Dcision. La complexit des problmes dordonnancement implique une assistance informatique importante et milite en faveur de Systme Interactif dAide la Dcision de prfrence des systmes ferms, fournissant une solution sur laquelle lutilisateur ne peut intervenir. De tels SIAD appliqus aux dcisions de lancement doivent accomplir deux grandes fonctions: - la premire est une capacit fournir plusieurs solutions alternatives caractrises par des propositions prcises dordonnancement et, si ncessaire, de mobilisation temporaire de ressources additionnelles ; la recherche de ces solutions doit tre largement automatique tout en autorisant lintervention du responsable de lordonnancement pour modier certains choix ainsi que certaines rgles utilises dans cette recherche; - la seconde fonction est une certaine capacit de conseil pour guider le choix nal; actuellement, cette fonction nest au mieux satisfaite que par la fourniture dune batterie dindicateurs physiques relatifs lutilisation des ressources et lexcution des commandes; une rexion complmentaire sur la cration dindicateurs synthtiques simpose donc et sera conduite ici. Il semblerait que la premire tentative dans ce sens soit due Godin et Jones1, qui ont mis au point pour la Western Electric en 1969, un systme permettant un oprateur de tester limpact de combinaisons varies dordonnancements possibles et den simuler les effets avant de slectionner un ordonnancement dnitif. Cest partir du dbut des annes quatre-vingt que ces approches se dveloppent vraiment, en raison des progrs raliss dans la micro-informatique tant au niveau des performances que de celle des interfaces graphique. Les caractristiques communes de tels systmes reposent sur quelques principes apportant des rponses aux principales proccupations des utilisateurs2 : prise en compte de linstabilit des objectifs dans la formulation du problme ( III-2.1), dnition de mcanismes de proposition automatique dune solution dordonnancement ( III-2.2, page 436), organisation de linteractivit du systme ( III-2.3, page 440), dnition de la priodicit de lordonnancement ( III-2.4, page 441) et dnition de rgles dvaluation des solutions alternatives dordonnancement ( III-2.5, page 442).
1. Dcrit dans Buffa & Miller (1979, [74], p. 562 et suivantes). 2. Ces principes ont t appliqus dans la ralisation de SIADL dans de travaux de recherches contractuelles conduits sous notre direction, avec mise au point de prototypes. Il sagit de la thse de Riou-Long (1983, [364]] et de celle de r Raharison (1991, [356]) qui complte le travail antrieur par un couplage avec la base de donnes relationnelles de production prsente au chapitre XIV et avec un systme-expert pilotant des rgles par des mta-rgles qui tiennent compte de ltat du systme pour changer de stratgie dordonnancement et possdait une amorce de dialogue graphique.
Index thmatique
Table des matires
433
III-2.1
Prise en compte de linstabilit du problme dordonnancement
La recherche dun ordonnancement est toujours guide par lobjectif que lon privilgie dans cette dnition du problme ( lexception du cas de gure tudi au III-2.2.1, page 437) et un ensemble de contraintes. Cet objectif et ces contraintes, comme on va le voir, sont susceptibles de varier dun jour lautre mais aussi au cours de la simulation. Les interactions entre la fonction production et les autres fonctions de lentreprise conduisent trs naturellement des modications du point de vue privilgier dans le pilotage du systme productif : tantt des problmes de trsorerie conduiront privilgier les tches assurant les plus fortes rentres dargent, tantt des proccupations commerciales prvaudront (respect de dlais), tantt des goulots dtranglement se produiront sur certains postes de travail et tout sera mis en uvre pour rtablir une situation normale Entre deux ordonnancements successifs, il est normal que les objectifs et contraintes de lordonnancement changent Un logiciel dordonnancement doit donc offre une souplesse de formulation sufsante pour rpondre des besoins qui peuvent varier dun jour lautre. Tout aussi important, dun point de vue oprationnel, est le fait que la hirarchie des points de vue prendre en compte dans le mcanisme de construction progressive dun ordonnancement (sauf celui dcrit au III-2.2.1, page 437) repose sur une valuation, mise jour au cours de cette construction, dindicateurs associs aux diffrents points de vue prendre en compte. Ce mcanisme de construction progressive sera naturellement inuenc par lvolution de ces indicateurs qui pourra modier les points de vue que lon pouvait avoir antrieurement dans la construction de cet ordonnancement: des tches qui ntaient pas prioritaires, le deviennent force de voir lexcution de leurs oprations diffres, certaines ressources deviennent ou cessent dtre des goulots dtranglement. Si lanalyse dynamique du degr durgence de tche seffectue facilement travers les indicateurs associs certaines rgles (Marge et S/OPN; voir lexemple de la gure 131, page 431), il nen est pas de mme sur lanalyse de la saturation dun centre productif (atelier spcialis ou poste de travail). Dans notre exemple, on tire des gammes dcrites dans la gure 124, page 420, les charges totales de travail des diffrents centres productifs: 12 heures pour les fraiseuses en rglage 1, 30 heures pour les fraiseuses en rglage 2, 17 heures pour les fraiseuses en rglage 3, 45 heures pour les fours, 29 heures pour la rectieuse et 30 heures pour le tour. Ce constat amne penser que la spcialisation des fraiseuses sur leurs rglages dorigine nest pas efcace1 et quil faudra sans doute changer le rglage des fraiseuses en rglage 1 ou 3. Par ailleurs, les 45 heures de charge des fours sont rpartir sur deux fours, ce qui conduit une charge, a priori, comparable celles des autres machines. Il est cependant difcile, sur la base de ces seules informations, dapprcier la saturation prvisionnelle du systme productif tudi. - Une premire raison rside dans le fait quil a t choisi arbitrairement de proposer un ordonnancement sur 3 jours et il ny a aucune raison pour que la
1. Sans compter quelle nest pas possible si le nombre de rglages est suprieur au nombre de machines.
Index thmatique
Table des matires
434
charge du travail lanc en production concide avec la capacit offerte sur lhorizon dordonnancement retenu. - Ensuite, les arrives de travail sur un centre productif donn peuvent ntre pas rgulires dans le temps. Il sensuit quun centre productif peut sembler peu critique parce que sa charge de travail est comparativement faible mais si celle-ci arrive massivement en n de parcours, ce poste peut savrer plus critique que les autres, lorsque le travail commence lui parvenir. Pour rpondre cette dernire remarque, il faut apprcier la saturation autrement quau travers dindicateurs simples. La saturation prvisionnelle dun centre peut sapprcier en comparant la courbe cumule du travail disponible, avec une courbe cumule de travail effectu. La courbe relle de charge de travail disponible dpend de lordonnancement retenu mais on peut obtenir la courbe au plus tt en faisant lhypothse que toutes les oprations antrieures une opration dun ordre de fabrication excuter sur ce centre productif ont toutes pu tre ordonnances au plus tt (ce qui revient considrer comme innie la capacit de production des autres centres productifs). Ce calcul est effectu dans le tableau 102, pour le cas MCANO. La gure 132, page 436, visualise lvolution de la TABLEAU 102 Dtermination des charges cumules disponibles au plus tt
Date t de disponibilit Date t de disponibilit Travail cumul disponible en t Travail cumul disponible en t Machine(s) Machine(s) Temps opratoire Temps opratoire Opration Opration
Fraiseuse (rglage 1)
6-1 8-1 4-3 2-1 5-1 1-2 7-4 8-3 6-4 3-3 3-1 7-1 2-3 8-5 1-1 6-2 8-2 4-2
3 5 4 6 6 6 3 6 2 1 4 1 6 6 5 3 5 4
0 0 14 0 0 5 7 10 12 14 0 0 8 19 0 3 5 10
3 8 12 6 12 18 21 27 29 30 4 5 11 17 5 8 13 17 Four
3-2 7-3 2-2 6-3 5-3 7-5 1-3 2-5 8-4 4-1 7-2 5-2 4-4 6-6 2-4 6-5 6-7
10 2 2 6 5 8 2 7 3 10 4 4 7 4 2 4 7
4 5 6 6 10 10 11 16 16 0 1 6 18 18 14 14 22
10 12 14 20 25 33 35 42 45 10 14 18 25 29 19 23 30
Tour
Tour
Rectieuse
435
charge de travail au plus tt pour quelques postes de travail. Lordonnancement ralis ne pouvant que retarder larrive de certaines tches, amnera la courbe relle se dformer vers la droite. La courbe du travail cumul au plus tt, mise pointills, est une ligne brise compose de segments obliques, correspondant au fait quune tche est en cours dexcution, et (ventuellement) de segments horizontaux, correspondant une inactivit du centre en raison dune rupture de charge de travail1. Lanalyse conjointe de ces deux courbes permet dafner le concept de saturation prvisionnelle: - lexistence de paliers implique, une possibilit de retard de certaines tches en amont, sans provoquer de rupture de charge, - une distance trs faible entre les deux courbes certaines dates implique que le retard de certaines tches en amont peut amener une rupture de charge, - labsence totale de palier dans la courbe de production cumule indique, si la charge de travail va jusqu la n de lhorizon retenu, que la ressource considre est un goulot dtranglement et que lon a intrt ce que les dcisions dordonnancement ne viennent pas induire de ruptures de charge sur ce centre de production. Ces courbes (tablies automatiquement dans le logiciel) se peuvent se dformer entre deux dcisions conscutives dordonnancement ds lors que plusieurs oprations taient candidates pour passer sur le mme centre de production2. Pour en nir avec les raisons qui peuvent conduire une modication du problme dordonnancement au cours de sa rsolution, il faut intgrer le fait que la formulation initiale est une simplication dun problme complexe, ce qui implique que: - le fait davoir privilgi un point de vue nautorise pas pour autant de retenir une solution o dautres points de vue seraient trop malmens; ds lors, il est tout fait admissible que lon modie la hirarchie des points de vue en cours de rsolution du problme (le plus souvent pour la partie du problme restant rsoudre); - rien ne garantit que la formulation initiale du problme soit cohrente, dans la mesure o rien ne garantit a priori quil existe une solution respectant lensemble des contraintes prendre en compte (dates de livraison, disponibilit des ressources); ds lors, il est tout fait normal que lon soit amen modier certaines contraintes (dates de livraison, par exemple) en cours de rsolution du problme; - la solution trouve peut satisfaire lensemble des contraintes explicitement retenues et savrer inacceptable en pratique parce quelle viole des contraintes (comme, par exemple, la limite physique impose la le dattente devant un poste de travail) qui ont t omises dans la formulation simplie (on parle de relaxation de contraintes) parce que lon esprait
Index thmatique
Table des matires
1. On peut observer deux paliers pour la fraiseuse en rglage 3, correspondant une rupture dalimentation: on dispose dune marge indpendante (au sens donn en ordonnancement de projet) de 3 heures pour les oprations 3-1 et 7-1 et dune marge totale de 3 + 5 = 8 heures pour lopration 8-5. 2. En effet, la date thorique dexcution de lopration non retenue, qui tait la mme que celle de lopration retenue (avec lhypothse implicite de capacit innie pour calculer les courbes de charges cumules au plus tt), est retarde, avec les incidences que cela implique pour les oprations suivantes de la mme tche.
436
FIGURE 132 Charges cumules au plus tt et production cumule au plus tt

18 16 14 12 10 8 6 7-1 4 3-1 2 0 0 8-5
2-3
10 4 5 8 14 15 19 20 1 3 7- e 28-5 e up de ccup de de c t t t c o bu bu bu no e in td td t d ine i n e e e i h h e e c 3-1 ac riv riv ma de -1/m Ar Ar -3/ n i 7 2 F de de Fin Fin
Rectifieuse
30 25 20 15 7-2 10 5 0 0 45 40 35 30 25 20 15 10 5 0 0 2 5 10 15 20 8-4 2-5 4-1
Index thmatique
6-6 4-4 5-2

Table des matires
2 Fours ( production cumule double)

1-3 7-5 5-3 6-3 7-3 3-2 2-2
10
12
14
16
quelles seraient respectes par la solution obtenue; ds lors, il faudra recommencer le processus de recherche, en intgrant de nouvelles contraintes.
III-2.2
Mcanismes de proposition automatique dun ordonnancement
Le problme rsoudre est celui de ltablissement dune proposition dordonnancement (ventuellement modiable, comme on le verra au III-2.3, page 440)
437
pour excuter un ensemble rel de tches (ou commandes ou ordres de fabrication). Pour ce faire, trois familles dapproche sont envisageables: la premire est oriente vers la recherche dune organisation de la ractivit aux alas par la dtermination densembles de solutions alternatives respectant les contraintes du problme ( III-2.2.1), la seconde est oriente vers lutilisation dheuristiques ( III-2.2.2, page 437). III-2.2.1 Recherche dun ensemble dordonnancements admissibles Une approche originale, amorce la n des annes soixante-dix1 vise organiser la raction en temps rel aux invitables incidents qui viendront perturber la mise en uvre dun ordonnancement. Il sagit alors, non pas de rechercher de ce que lon pourrait considrer comme tant la bonne solution, mais de trouver un ensemble dordonnancements admissibles, cest--dire de solutions dordonnancement respectant les contraintes de dates de livraison et celles de disponibilit de ressources. Cette approche ne se situe donc pas exactement dans la ligne de celle dveloppe prcdemment et qui visait proposer un bon ordonnancement (mais avec une approche compatible avec une certaine ractivit en temps rel, aux alas). Concrtement, on recherche, pour chaque ressource, une squence de groupes doprations permutables qui sont tels que les contraintes seront satisfaites quel que soit lordre dexcution des oprations de chaque groupe, tant entendu que lon nexcute pas dopration dun groupe tant que toutes celles du groupe prcdent nont pas t acheves. Loprateur dispose donc dindications souples qui, par rapport un ordonnancement unique, lui permettent de faire face des alas en sachant quil respectera les contraintes initiales. Certaines perturbations importantes peuvent amener prendre localement une dcision nappartenant pas la squence de groupe doprations permutables en cours et une aide peut tre apporte pour choisir une solution permettant de retrouver rapidement un ensemble de solution admissibles, sur la base de ltat davancement observ sur lensemble du systme productif au moment de la prise de dcision. Cette organisation de la ractivit est un atout trs important de la dmarche. Par contre, en ne visant qu respecter des contraintes, cette approche considre tous les ordonnancements admissibles comme quivalents. Cette position est dautant plus acceptable que le problme est fortement contraint, cest--dire que les degrs de libert sont faibles. Si le problme est trop contraint, il ny aura pas de solution admissible et cette approche se prtera assez mal une ngociation des contraintes. Si le problme nest pas assez contraint, il sera assez contestable de considrer tous les ordonnancements admissibles comme quivalents. III-2.2.2 Utilisation dheuristiques La seconde approche consiste proposer un ordonnancement en faisant appel lune des approches dcrites au III-1.2, page 421 (placement progressif dordre
Index thmatique
Table des matires
1. Ces travaux de recherche ont t conduits au LAAS (Laboratoire dAutomatique et dAnalyse des Systmes du CNRS). Les nombreux travaux qui alimentent ce courant thorique sont dcrits au chapitre V (approche par propagation de contraintes) et au chapitre XIII de louvrage coordonn par Lopez et Roubellat (2001, [286]). Un logiciel utilis par plus dune soixantaine dentreprises exploite cette approche avec succs.
438
de fabrication), de prfrence celles dcrites au III-1.2.2, page 424 (placement chronologiquement progressif doprations excutables). Le choix de rgles retenir peut sappuyer, au dpart, sur les enseignements gnraux tirs de la simulation de systmes ctifs (cf. II-2.2, page 411) mais on a vu que la performance des rgles dpendait de la conguration de latelier o le systme doit tre implant, des caractristiques des ux rentrant dans ce systme et des objectifs assigns au pilotage du systme. Il sera alors ncessaire, au dpart, de procder un certain nombre de simulations pour talonner les performances des heuristiques utilises, soit partir de jeux de donnes observes, soit partir de donnes gnres alatoirement et dont les caractristiques sont dnies partir des stabilits constates sur le pass. Les conclusions tires ne devront pas tre dnitives: il est vivement conseill de refaire ce type danalyse comparative de performances des rgles, lorsque lvolution de certaines caractristiques de la demande ou du systme productif risque dinvalider les performances relatives trouves prcdemment. Une rgle ayant tendance privilgier un point de vue (le point de vue commercial ou celui de la production), des travaux visant concilier des points de vue antagonistes ont t conduits ds la n des annes soixante. Lordonnancement seffectue alors sur la base dun indicateur calcul comme une moyenne pondre de diffrents indicateurs retenus dans la dnition des rgles lmentaires1. La lgre supriorit de cette approche se fonde sur des tudes rtrospectives qui ne permettent pas de garantir le maintien de cet avantage sur de nouvelles donnes. Cette approche a donc t abandonne au prot dune utilisation astucieuse dun ensemble de rgles pour rsoudre des problmes rels dordonnancement. On a vu la page 415 quil nest pas forcment judicieux de travailler avec la mme rgle. Cette remarque faite dans les travaux pionniers des annes soixante peut tre gnralise dans lespace et le temps. Il ne semble pas judicieux: - dutiliser les mmes rgles pour tous les postes de travail un moment donn, parce que les problmes ont peu de chance dtre identiques dans tout le systme productif (certains postes sont plus critiques que dautres parce quils sont davantage sollicits comparativement et constituent, temporairement ou non, des goulots dtranglement); - dutiliser la mme rgle au cours du temps pour un mme poste de travail parce que la saturation de ce poste pourra varier au cours du temps et que les caractristiques moyennes des tches traiter (degr durgence) peuvent varier de manire signicative. Si ces remarques paraissent assez videntes, leur traduction oprationnelle est loin dtre facile. Les premiers travaux entrepris srieusement dans cette direction sont dus Holloway et Nelson (1973, [233]), qui ont combin implicitement une
1. Conway, Maxwell et Miller testent en 1963-1965 une moyenne pondre de deux rgles utilisant la mme unit (le temps) et montrent que les performances obtenues sont meilleures mais que les rsultats sont trs sensibles au choix des coefcients de pondration. Plus tard, Hershauer et Ebert (1975, [229]) gnralisent la dmarche et proposent une somme pondre dun nombre quelconque dindicateurs obtenus en application de rgles lmentaires, o les coefcients de pondration varient entre 1 et + 1 et o les valeurs prises par les diffrents indicateurs sont normes an que lhtrognit des chelles ninduise pas de distorsion. Ultrieurement Cliffe et Mac Mannus (1980, [97]) poursuivent dans cette voie, sans apporter de preuves dterminantes de lintrt de ce surcrot de sophistication.
Index thmatique
Table des matires
439
table de dcision et lutilisation de plusieurs rgles slectionnes par la table de dcision. Cette approche amne les remarques suivantes: - Si lintrt de cette modulation des rgles dans lespace et dans le temps semble assez vident, il reste choisir ces rgles, les moments et les endroits o elles peuvent tre utilises et apprcier leur inuence sur le comportement du systme. La difcult de la mise au point de ce pilotage n, est attnue sil est possible de crer et modier facilement une base de rgles composites sappuyant sur des indicateurs sur ltat du systme au moment de la prise de dcision et utilisant de manire conditionnelle plusieurs rgles lmentaires1, ce qui suppose de pouvoir tester commodment limpact de nouvelles rgles sur des jeux de donnes reprsentatifs. Un arbitrage peu vident doit tre opr ensuite entre lapplication automatique de rgles complexes relevant dune approche de type systme-expert (voir ci-aprs) et une approche dans laquelle on rend la main un oprateur chaque fois que le problme rsoudre est considr comme non trivial. Dans ce dernier cas, on est confront deux problmes: celui de lexpertise de loprateur traiter des cas complexes et celui du dclenchement judicieux de son intervention. Lintroduction de cette approche dans un site productif implique un investissement qui dpasse celui de la simple acquisition dun logiciel. - Lusage dheuristiques nexclut pas la possibilit dappliquer localement la solution optimale un problme de dimension restreinte (centre de production dot de machines identiques, poste de production critique, ux unidirectionnels sur quelques postes de travail, non indpendance des temps de lancement des oprations sur une machine critique). Dans cette perspective, on pourra utiliser les rsultats de travaux voqus en section I. - Une difcult inhrente ce type dapproche tient lhypothse implicite dindpendance des tches excuter. Lorsque les tches sont des ordres de fabrication (OF) tablis dans le cadre dun processus de MRP (voir chapitre VI, IV-3, page 496), on ne rencontre pas de problme particulier si les dates de livraison sont respectes. Dans le cas contraire, le retard de certains OF peut empcher lexcution dautres OF alors que le centre de production est disponible, en raison de lindisponibilit de certains composants et rendre sans intrt le respect de la date de livraison dautres OF2. Sil est assez facile de prendre en compte dans le logiciel la mise jour de dates de livraison de certains OF conscutivement au retard dun autre OF, il est plus difcile de prendre en compte ces interdpendances dans la gestion des heuristiques. Lusage possible de systmes-experts pour rsoudre des problmes dordonnancement mrite quelques commentaires. Les premires applications des
1. Par exemple, en supposant que lon ait dni un indicateur synthtique de la saturation prvisionnelle dun centre de production (sur la base des rexions conduites en page 433), on peut imaginer dutiliser la rgle suivante qui combine des indicateurs sur ltat du systme productif et des indicateurs sur les tches excuter: si plusieurs oprations candidates lutilisation dune machine venant de se librer et ayant une valeur positive du critre S/OPN infrieure 2 heures, alors si la charge de travail sur la machine suivante est suprieure 5 heures alors utiliser le critre WINQ pour dpartager ce sous-ensemble de candidats, sinon retenir lopration suivie dune opration excuter sur le centre de production ayant lindicateur de saturation prvisionnel le plus lev 2. Limpossibilit de respecter une date de livraison pour un OF dune rfrence de niveau i peut dclencher mcaniquement un retard pour dautres OF de rfrence de niveau i 1 (ou plus en cascade) et, ce faisant, rendre inutile le respect de la date de livraison dautres OF portant sur des rfrences de niveau i utilises galement pour les rfrences de niveau i 1 sus-vises.
Index thmatique
Table des matires
440
systmes-experts1 dans la rsolution de problme dordonnancement remontent au dbut des annes 1980: une quipe de la Carnegie Mellon University, sous la conduite de Fox explore lapproche Intelligence Articielle dans le cadre du projet ISIS 2, suivi dautres quipes de recherche un peu partout dans le monde (en France notamment avec les travaux du CERT aboutissant au logiciel OPAL). Il est prfrable de considrer le systme-expert comme une composante importante mais pas exclusive dun systme sappuyant galement sur une base de donnes (dcrivant le systme productif, son utilisation prvisionnelle, les gammes et nomenclatures, ainsi que les commandes excuter) et un programme lmentaire de simulation, charg dexcuter les dcisions prises par le systme-expert. En effet, les tentatives du tout systme-expert ont trs rapidement montr leurs limites. Lintrt principal du systme-expert est de permettre une modulation facile dans lespace et dans le temps des heuristiques utiliser : des rgles de niveau haut (mta-rgles) surveillent lvolution de ltat du systme et de lexcution des OF et provoquent, si ncessaire, le basculement dun ensemble de rgles de dcision un autre ensemble jug plus pertinent dans le nouveau contexte.
III-2.3
Systme interactif
Linstabilit des problmes et le pilotage des heuristiques ncessitent lusage dune interface graphique permettant la fois une comprhension rapide de problmes et de propositions de solutions alternatives et une facilit de prise en compte de dcisions prises. Lusage de tels SIAD repose sur lide que lusage dheuristiques et de systmes-experts doit tre considr comme une amlioration des procdures de ttonnement utilises par les agents de planning la recherche dune solution de niveau satisfaisant mais quil nen reste pas moins ncessaire dviter tout automatisme en la matire en permettant au responsable de modier ponctuellement certains arbitrages pour amliorer la proposition dordonnancement (lanalyse de ces modications pouvant, du reste, conduire de nouvelles heuristiques). En 1978, une exprience conduite par Hurrion 3 montrait que lutilisation de simulation interactive avec aide graphique donnait des rsultats meilleurs que ceux obtenus par un traitement global et en temps diffr du problme par les principaux logiciels industriels. Depuis, un certain nombre de travaux ont conrm lintrt de cette vision. Pour tirer partie de cette approche, de nombreuses ides
1. Note de la page prcdente. Le principal atout de cette approche est de permettre de travailler avec une liste de rgles du type si condition satisfaite alors conclusion vraie, dautant plus facile mettre jour quune adjonction ou une suppression de rgle ne ncessite pas de modication des programmes existants. Une condition peut tre relative ltat actuel ou prvisionnel de ressource(s) ou dordre(s) de fabrication. Une conclusion peut tre la modication de ltat actuel ou prvisionnel de ressource(s) ou dordre(s) de fabrication, conscutive ou non la ralisation dun calcul ou dune prise de dcision. 2. Voir Fox, Allen, Smith & Strohm (1983, [158]). Voir galement le numro spcial consacr lIntelligence Articielle en gestion de production de la revue International Journal of Production Research (volume XXVI, n 5, mai 1988). 3. Voir Hurrion (1978, [236]). Ce travail acadmique reposait sur une vision assez simple de la ralit: les heuristiques se limitent quelques rgles locales, systme productif simple (pas de machines identiques, pas de contraintes de non-interruption de certaines tches, temps continu), utilisation dun seul critre dvaluation des performances, absence de rtroaction de la rsolution sur la dnition des problmes. Par contre, le pilotage de chaque machine tait indpendant de celui des autres machines et loprateur, qui voyait safcher progressivement les propositions dordonnancement, pouvait intervenir tout instant pour imposer son choix.
Index thmatique
Table des matires
441
sont exploitables pour obtenir une bonne synergie entre le systme et son utilisateur: - proposition de solutions sous forme de graphiques de Gantt, afch sur un moniteur graphique haute dnition de grand format avec possibilit de dplacement facile (scrolling) dans toutes les directions; - utilisation de la couleur pour assurer une meilleure perception des informations privilgier un moment donn: par exemple, utilisation dune couleur choisie par loprateur lui permet de mieux visualiser la progression prvisionnelle dune tche donne ou, encore, pour faciliter la dtection de goulot dtranglement, coloration automatique du graphique Gantt, diffrencie en fonction de limportance de la le dattente, devant chaque poste de travail, chaque priode; - pointage par souris dune opration programme: pour demander des informations sur ltat prvisionnel du systme ce moment (usage de graphiques et dindicateurs de synthse), pour demander une explicitation du raisonnement ayant conduit la programmation de cette opration de prfrence aux autres, pour modier la dcision et relancer la simulation, etc.; - reprsentations de lvolution prvisionnelle de caractristique du systme productif (saturation, par exemple) ou de la production (retards, par exemple) - inclusion de mcanismes de capitalisation dexprience pour faire voluer la base des rgles (voir les remarques faites sur ce point la page 439); cest trs certainement le problme le plus difcile rsoudre et lun des grands enjeux des annes venir.
Table des matires
Index thmatique
III-2.4
Priodicit et horizon de lordonnancement
Si lon na pas adopt la dmarche consistant organiser la ractivit par ltablissement dun ensemble dordonnancements admissibles ( III-2.2.1, page 437), on est confront au fait que les alas rencontrs dans lexcution dun ordonnancement rendent peu probable son respect au-del dun (ou, au maximum, deux jours). Pour cette raison, il est souhaitable de rgnrer la proposition tous les jours (ou, au maximum, tous les deux jours), pour tenir compte de lexcution effective de lordonnancement et de larrive de nouveaux OF. On obtient alors un ordonnancement glissant dont la philosophie est voisine de celle qui sous-tend les techniques de planication glissante de type MRP. Cette priodicit relativement leve du recalcul de lordonnancement nimplique pas quil soit inutile de proposer un ordonnancement au-del de ce qui a des chances raisonnables dtre ralis. En effet, une programmation sur plusieurs jours permet dobtenir une visibilit de certains problmes venir que lon ne peut pas dceler temps avec un comportement myope. Cet clairage de lavenir moins immdiat permet ventuellement deffectuer des arbitrages diffrents pour des dcisions qui ont toutes les chances dtre excutes et, parfois mme, prendre des dcisions qui ne semblent pas se justier sur le trs court terme (modication de rglage de machine, appel des heures supplmentaires). Cet horizon dordonnancement sera donc suprieur lintervalle de temps sparant deux rgnrations successives dordonnancement. Cela tant, il est inutile de
442
III-2.5
Critres dvaluation de lordonnancement
Lvaluation conomique dun ordonnancement simpose terme pour les sites de production de biens ou services o le respect des dlais nest pas le critre exclusif de jugement et qui sont dots de systmes offrant leurs responsables de vritables alternatives dcisionnelles. Dans les autres cas de gure, ce qui suit ne prsente quun intrt acadmique. Nous examinerons tout dabord la problmatique des critres de jugement et les fondements dun critre conomique ( III2.5.1), avant dappliquer ces principes sur notre exemple numrique ( III-2.5.2, page 447). III-2.5.1 La problmatique des critres dvaluation
III-2.5.1.1 Les indicateurs traditionnels On a vu que la formulation du problme dordonnancement tait presque toujours simplie. Ds lors, il est indispensable que le dcideur ait connaissance de toutes les consquences des choix proposs. Cela implique quen plus du planning prvisionnel sous forme de Gantt et de tableaux, un certain nombre dindicateurs soient disponibles pour faciliter la dtection dventuels problmes ainsi que la recherche damliorations de la solution. Les indicateurs recenss dans la littrature ne sont pas tous sufsants pour dcrire toutes les consquences des dcisions prendre et leur pertinence dpend du type dusage qui en est fait. Certains indicateurs ont pour vocation de mesurer des performances globales en rgime de croisire (dure moyenne dachvement des tches par exemple) et sont sans signication sur courte priode. Leur
Index thmatique
Table des matires
lallonger au point que le systme productif soit globalement en sous-charge au cours des dernires priodes dordonnancement. Cela tant, loccurrence dalas pose la question de savoir ce quil convient de faire sur le terrain (par exemple, comment prendre en compte une nouvelle commande urgente ou faut-il inverser le squencement de deux oprations sur une machine, en raison du retard pris par la premire des deux tches concernes). Laisser les oprationnels sans instruction, cest courir le risque dune amplication de limpact dun ala. On peut alors recourir une dmarche propose par Holloway, Nelson et Suraphongschai (1979, [233]). Parmi les mthodes heuristiques quils ont testes, celle qui donne les meilleurs rsultats consiste crer deux listes de priorit: la premire est gnre lors du calcul centralis de lordonnancement et la seconde est gnre localement lors des arrives des tches nouvelles ou dalas. Lorsquune machine se libre, larbitrage entre les deux tches qui ont la plus forte priorit dans chacune des deux listes, se fait sur la base de la plus faible marge disponible (diffrence entre le temps restant avant la date de livraison et le cumul des temps opratoires des oprations restant faire), ce qui ne conduit pas systmatiquement une utilisation de la machine (cas dune tche de la premire liste, non encore arrive la machine au moment o le calcul est fait, et ayant la plus faible marge disponible). Il ne sagit l, bien entendu que dun exemple de solutions utilisables pour faire face aux alas. Cela tant, la tendance dun suivi en temps rel de la production et les progrs des moyens informatiques mobiliss permettent de relancer beaucoup plus frquemment les calculs dordonnancement.
443
intrt est autre: ils permettent de comparer les performances dheuristiques dans des simulations priodiques de grande envergure. Par contre, les indicateurs associs des ressources individuelles ou des OF particuliers (taux doccupation des postes de travail, temps perdus en rglage, indicateur davancement des diffrentes tches) qui sont dlaisss dans la littrature, prsentent un intrt vident pour les oprationnels. Il est cependant insufsant de sen tenir l. La multiplicit des informations fournies par les indicateurs portant sur des donnes physiques rend difcile tout jugement synthtique. Lintroduction dun indicateur conomique donne, de ce point de vue, un clairage complmentaire dont lintrt est indniable. III-2.5.1.2 Les bases dun indicateur dvaluation conomique Les approches traditionnelles de la comptabilit de gestion sont inefcaces pour rsoudre le problme pos. On fera appel un mcano de quatre concepts (introduits au II-1.1, page 74, du chapitre I) pour dnir un indicateur conomique dvaluation globale dune dcision complexe dordonnancement et de mobilisation temporaire de ressources additionnelles, qui soit utilisable de manire pertinente dans la comparaison de dcisions alternatives et facilement acceptables par les gestionnaires. III-2.5.12a)Le concept de marge La notion de marge, diffrence entre un cumul de produits et un cumul de charges est ancienne1 et a t successivement applique au concept de charges directes et celui de charges variables pour mesurer la contribution dune production la couverture de charges non prises en compte et la scrtion de lexcdent brut dexploitation. Lindicateur conomique dvaluation de la dcision dordonnancement doit tre une marge retant les consquences des dcisions prises, tant au niveau des charges que des produits. Il sensuit que plus grande sera la valeur de cet indicateur, meilleure sera la dcision. La lgitimit de cet indicateur aux yeux des gestionnaires repose sur le fait (voir III-2.5.12e, page 446) que si lon se situe dans le cadre ctif dune programmation en univers certain, couvrant un exercice budgtaire, il sufrait de retrancher cette marge les charges non prises en compte (lesquelles sont indpendantes des dcisions valuer) et deffectuer quelques corrections mineures, pour retrouver lexcdent brut dexploitation de lexercice. Le choix de cette caractristique amne deux commentaires sur certains problmes qui peuvent surgir lors de son usage. - La dtermination dune marge implique la connaissance de recettes. De nombreux sites industriels travaillent pour dautres entits dun mme groupe, ce qui implique quil ny a pas de recette associe lexcution dordre de fabrication. Le problme pos est alors celui beaucoup plus gnral des prix de cession dont la solution, moyennant certaines prcautions mthodologiques, permet de se ramener au problme prcdent.
1. Voir Johnson & Kaplan (1987, [247]) et Berliner & Brimson (1988, [47]), pour une mise en perspective historique de ces concepts; voir galement larticle de Giard, Une comptabilit de gestion en crise, dans louvrage collectif dECOSIP (1993, [135]).
Index thmatique
Table des matires
444
- Il nest pas gnant dintgrer dans ce calcul, des charges indpendantes de ces dcisions valuer, condition que ces charges soient identiques pour toutes les alternatives tudies, puisque la comparaison dalternatives passera par lanalyse dune diffrence de marges (on reviendra sur ce point au III-2.5.12c, page 445). III-2.5.12b)Distinction entre charges xes et charges variables La distinction conomique entre charges xes (ou de structure) et charges variables (ou oprationnelles) avec le volume dactivit, remonte au XIXe sicle mais son utilisation en gestion est plus rcente. La notion de variabilit se rfre au niveau dactivit. Celle de charges xes sapprcie la fois en rfrence une priode au cours de laquelle une production doit tre ralise et une plage dactivit. - La rfrence implicite au dcoupage temporel retenu sexplique par le fait que plus la priode de production considre est grande, plus il est facile dadapter le niveau des ressources (principalement hommes et machines) celui juste requis par le volume de production dsir pour cette priode de production. - La rfrence implicite une plage dactivit sexplique par le fait que les charges xes varient de manire discontinue. Un palier de charges xes permet donc une production susceptible de varier dans une certaine plage de volume dactivit (quil nest du reste pas toujours ais de dterminer avec prcision). Les applications de ce concept restent assez limites: - le raisonnement bien connu du point mort remonte1 aux annes 1903-1904 et constitue un premier modle permettant danalyser lincidence de la sparation des charges xes et variables sur la rentabilit de lentreprise; - lutilisation systmatique de cette distinction sest rpandue partir des annes cinquante, dans le cadre de la mthode des cots variables (ou direct costing). La notion de marge, introduite dans lapproche des cots directs, sadapte sans difcult lapproche du cot variable: dans une logique de point mort gnralis, le cumul des marges sur cots variables des diffrents produits contribue la couverture des charges xes et la constitution dun excdent dexploitation. La principale difcult rencontre dans la mise en uvre de la mthode du cot variable rside dans la dissociation des charges xes et des charges variables. Dans le problme de lvaluation dun ordonnancement sur un horizon de quelques jours, on peut considrer comme charges xes les charges que lentreprise supportera si elle dcide de ne rien produire. Dans cette optique: - le personnel prsent en heures normales constitue lvidence une charge xe sur lhorizon retenu (que lon peut dterminer en faisant appel la technique classique dabonnement de charges); - les charges dont limportance dcoule directement de la programmation retenue, comme la consommation de uides ou le cot des heures suppl1. Voir sur ces points, lexcellent article de Kaplan (1984, [254]).
Index thmatique
Table des matires
445
mentaires, seront considres comme variables puisque leur montant varie bien avec la production dcide; - lamortissement des quipements sera considr comme une charge xe de priode ou comme une charge variable (ou comme un panachage des deux solutions), selon la conception retenue par les spcialistes de comptabilit de gestion de lentreprise. III-2.5.12c)Le concept de charge diffrentielle Dautres implications du concept de charge xe ont t analyses par Clark en 1923 [95], notamment avec lintroduction de la notion de charge diffrentielle ou charge incrmentale, qui associe la mise en uvre dune dcision, la variation de charge qui en dcoule. Historiquement, ce concept a prsent un intrt tout particulier dans lanalyse des dcisions relatives linvestissement (dans ltablissement de bilans diffrentiels) ou de dsinvestissement, ce dernier cas ayant conduit la notion de charge ludable. On a indiqu que lindicateur conomique retenu pour synthtiser lensemble des consquences dune dcision complexe dordonnancement et de mobilisation temporaire de ressources additionnelles sanalysait comme une marge. La logique diffrentielle implique que la comparaison de deux dcisions complexes alternatives passe par lanalyse de la diffrence de leurs marges associes et que celle-ci ne doit intgrer que les consquences de lusage des degrs de libert laisss au dcideur, tant au niveau des charges que des produits. Pour quil en soit bien ainsi et puisque la marge est une diffrence entre des produits et certaines charges, il faut, dune part, que la diffrence des produits rete bien la diffrence effective de valeur de production sortie entre les alternatives et, dautre part, que la diffrence effective de charges entre les alternatives tudies corresponde des variations de ux de trsorerie observables. On considrera donc comme charge associe une dcision complexe: - le dcaissement effectif qui rsulte de lappel des heures supplmentaires ou de toute ressource supplmentaire dont on dcide la mobilisation dans le cadre dcisionnel tudi ici; en effet, laccroissement de cot, par rapport celui des heures normales, est totalement inappropri dans la mesure o cette mobilisation de ressources additionnelles est une dcision qui na rien de fatal et que le gestionnaire prend dans le cadre de la marge de manuvre dont il dispose; - les pnalits de retard qui doivent tre comptabilises ds quil apparat quun retard est devenu invitable (et non lorsquelles seront effectivement supportes). En ce qui concerne les cots variables directs, tels quils ont t dnis prcdemment, lusage du concept diffrentiel conduit aux mmes conclusions (puisque lon se base implicitement sur une solution de rfrence qui consiste ne pas produire et donc ne pas engager ce type de dpenses). Deux remarques complmentaires peuvent tre faites: - Lapproche par un calcul de cots dexcution des OF ne peut tre retenue. Il faut calculer un cot global dutilisation des ressources mobilises par les dcisions prises, toute autre solution est arbitraire et savre impropre
Index thmatique
Table des matires
446
lvaluation de dcisions complexes. On peut ajouter que le cot dun OF ne saurait tre inuenc par le fait quil est ralis partiellement en heures supplmentaires ou quil occasionne un changement de rglage de machine. Cette solution serait en effet, parfaitement arbitraire puisque ces surcots seraient imputer dautres OF si lon modiait lordonnancement. Il faut donc considrer que lappel des ressources excdentaires et la non utilisation de ressources des ns productives (rglages, arrts par manque de travail) sont imputables la dcision globalement prise et non un OF particulier. - Si la tension sur le systme productif est trop grande, suite des retards antrieurement pris ou de mauvaises ngociations des dlais, il sera difcile dviter certaines charges, comme celles rsultant de lusage dheures supplmentaires ou de lapplication de pnalits. Cela tant, la diffrence des marges des alternatives tudies ne retera que les consquences de lusage des degrs de libert, puisque les retards invitables conduiront aux mmes pnalits. III-2.5.12d)Le concept de valeur ajoute directe La notion de valeur ajoute directe laquelle nous faisons appel combine deux concepts. Celui de valeur ajoute est, grosso modo pour les comptables, la diffrence entre la valeur de la production dun exercice et la consommation en provenance de tiers (notamment achats de composants et matires premires) requises par cette production. Sur le court terme retenu et compte tenu de lobjectif assign lindicateur, la valeur ajoute mesure est strictement associe la production programme sur lhorizon retenu et doit donc exclure des consommations qui ne sont pas lies la dcision tudie (prestation de nettoyage par des tiers, par exemple). Cest la raison pour laquelle le qualicatif de direct a t rajout pour signier que ne sont prises en compte, que les consommations lies la seule production du court terme, lexclusion de consommations indirectes. Cette valeur ajoute directe sera donc utilise pour mesurer la valeur de la production ralise conscutivement la dcision complexe dordonnancement et de mobilisation temporaire de ressources additionnelles. Le seul problme qui se pose est celui dOF qui ne sont pas excuts en totalit durant la priode dordonnancement tudie. Une partie de cette valeur ajoute directe sera porter au crdit de cette dcision complexe mais laquelle? ce niveau, il est impossible dviter une certaine part darbitraire. Une solution possible consiste, retenir au titre de la priode, une quote-part de la valeur ajoute de lOF ; cette quote-part peut tre le quotient du temps dexcution de lOF durant la priode, par le temps total dexcution de lOF. Cette solution est contestable si le cot horaire des ressources mobilises pour une opration diffre fortement des cots correspondants pour les autres oprations; dans ce cas, la parade consiste travailler avec des heures pondres par les cots. III-2.5.12e)Ltablissement dun compte de rsultats associ la dcision dordonnancement Lutilisation de ces concepts permet dtablir un compte de rsultat prvisionnel du court terme dont le solde est une marge qui rete les consquences prvisionnelles des dcisions dordonnancement et de mobilisation momentane
Index thmatique
Table des matires
447
de ressources additionnelles. Son acceptation par les gestionnaires est facilite par le fait que si lon se situe dans le cadre ctif dune programmation en univers certain, couvrant un exercice budgtaire, il sufrait de retrancher cette marge les charges non prises en compte et deffectuer quelques corrections mineures pour retrouver lexcdent brut dexploitation. Cela tant, lobjectif poursuivi tant de permettre la comparaison de dcisions alternatives complexes, cest donc la diffrence de leurs marges associes qui permet dindiquer la meilleure alternative dun point de vue conomique (ce qui ne signie pas que dautres points de vue ne soient pas prendre en compte dans la dcision nale). On notera que, dans cette diffrence, les charges xes disparaissent ce qui limine les critiques que lon pourrait faire lusage de certaines conventions les concernant. Par ailleurs, larbitraire de la solution retenue pour dnir les quotes-parts de valeurs ajoutes directes imputables aux dcisions prises, a une incidence dautant plus faible que lhorizon dordonnancement retenu est grand (ce qui accrot le nombre de commandes excutes en totalit). Dans le cas contraire, les effets de bord peuvent tre importants et la valeur des encours de dbut et de n de priode, forte par rapport la valeur de la production. III-2.5.2 Exemple dvaluation conomique dun ordonnancement On illustrera concrtement lapplication de ces principes en prenant appui sur lexemple numrique du cas MCANO, introduit au III-1.1, page 418, pour lequel une solution a t propose (gure 130, pages 430 et 431). Des informations complmentaires pour permettre le calcul de la valeur ajoute directe associe chaque commande ainsi que les dates de livraison (implicitement dnies avec une convention de n de journe) sont fournies dans le tableau 103. Il faut ajouter que la commande 1 est la seule avoir t commence antrieurement et lon supposera que 50 % du travail effectuer sur cette commande a dj t ralis antrieurement. TABLEAU 103 Caractristiques des commandes excuter
Commandes Commande 1 Commande 2 Commande 3 Commande 4 Commande 5 Commande 6 Commande 7 Commande 8 Date de livraison Jour 1 Jour 3 Jour 3 Jour 3 Jour 3 Jour 3 Jour 4 Jour 5 Cot des composants achets 20 30 25 80 25 30 25 30 Prix de vente 1380 1830 980 2130 1380 2080 1515 1965 Valeur ajoute directe 1360 1800 955 2050 1355 2050 1490 1935
Index thmatique
Table des matires
Par ailleurs, la gure 123, page 419, donne pour chaque atelier: - un montant de charges xes quotidiennes qui correspondent au cot des heures normales disponibles et une quote-part des amortissements,
448
- un taux horaire des heures supplmentaires, - un cot horaire variable direct qui correspond une consommation dnergie et uides (y compris pendant les rglages, pour les fraiseuses). Il faut ajouter quune pnalit de 200 dollars lidurien est supporte par MCANO pour chaque jour de retard subi par une commande, et ce quelle que soit la commande1. La solution de la gure 130, page 430 et 431 (que lon a dit ne pas tre le meilleur), fait un large appel aux possibilits offertes dheures supplmentaires. Lindicateur conomique est calcul dans la perspective implicite dune comparaison avec celui dune solution alternative (non explicite ici mais qui, par exemple, viterait de faire appel aux heures supplmentaires). La dtermination des cots variables directs ncessite de calculer partir de la solution de la gure 130 de la page 430, le nombre dheure de fonctionnement pour chaque machine et chaque jour. Un extrait de cette gure 130 (ordonnancement du jour 2) est repris la gure 133, pour expliquer la constitution du tableau des heures de machines utilises. La valorisation de ces heures implique lutilisation dun cot donn la gure 123 de la page 419 que la gure 133 reprend en extrait. Cet exemple dtaille le calcul des cots variables directs de latelier de fours sur chacun des 3 jours constituant lhorizon dordonnancement. Le calcul du cot des heures supplmentaires dcides, qui sanalyse comme une charge diffrentielle lie aux dcisions analyses, ncessite de calculer sur la gure 130 le nombre dheures supplmentaires pour chaque atelier et chaque jour. Un extrait de la gure 130 (ordonnancement du jour 2) est repris la gure 134 de la page 450, pour expliquer la constitution du tableau des heures supplmentaires. Un extrait de la gure 123 de la page 419 (description de latelier de fours) est repris la gure 134 de la page 450, pour expliquer le processus de valorisation aboutissant au calcul des cots additionnels dheures supplmentaires de chacun des 3 jours constituant lhorizon dordonnancement. Lautre poste prendre en compte dans les charges additionnelles est la pnalit de retard. la n du premier jour, la commande 1 aura au moins un jour de retard, ce qui conduit une pnalit de 200 au titre du jour 1. Le jour suivant, lanalyse de lordonnancement montre que, pour toutes les commandes devant tre livres le lendemain, il reste moins de 12 heures de travail, ce qui laisse a priori la possibilit de les achever en heures supplmentaires sans avoir payer de pnalit. Le lendemain, la commande 3 nest pas acheve, ce qui conduit devoir supporter au titre de cette troisime journe, une pnalit de 200 $ (qui aurait t vite si le four 2 avait trait lopration 3-2, au lieu de lopration 7-5). Ces informations sont reprises directement dans le tableau de synthse de la gure 136, page 453.
1. Lusage de pnalits ctives peut tre retenu pour permettre la prise en compte dune incidence conomique des retards de livraison ; en effet, en labsence de telles pnalits, lintrt conomique de la mobilisation de ressources additionnelles peut devenir nul et le jugement seffectuer sans prise en compte dune valuation conomique; la pnalit ctive devient alors un paramtre de pilotage du systme dont la valeur sanctionne plus ou moins fortement sa dfaillance.
Index thmatique
Table des matires
449
FIGURE 133 Exemple de calcul des cots variables directs

TEMPS 1
TOUR
SECOND JOUR
2 3 4-2 5-2 2-3 7-4 5-1 1-3 7-3 6-3
Heures-machines utilises
6 2-4
10
11
12
8-2 7-2
6-5
RECTIFIEUSE
8-5 6-4 - R1 5-3 8-4

Cot variable direct Jour 1 96 84 288 32 500 Jour 2 80 42 184 288 594 Jour 3 64 77 48 240 429
8-3
4-3
FOUR - 1
Table des matires
FOUR - 2
Index thmatique
Jour 1 Tours Rectieuse Fraiseuses Fours Total 12 12 36 2 -
Jour 2 10 6 23 18 -
Jour 3 8 11 6 15 -
. y compris 6 heures de rglage
288 $ = 18 h x 16 $
ATELIER DE FOURS
FOUR 1 FOUR 2
450
FIGURE 134 Exemple de calcul de cots additionnels

TEMPS 1
TOUR
SECOND JOUR
2 3 4-2 5-2 2-3 7-4 5-1 1-3 7-3 6-3
Heures supplmentaires Jour 1 Jour 2 4 0 8 3 Jour 3 4 4 0 0 -
6 2-4
10
11
12
8-2 7-2
6-5
RECTIFIEUSE
8-5 6-4 - R1 5-3 8-4

Cot additionnel en heures supplmentaires 172 180 576 0 928 172 0 384 129 685 172 180 0 0 352
Index thmatique Table des matires
8-3
4-3
FOUR - 1
FOUR - 2
Jour 1
Jour 2
Jour 3
Tours Rectieuse Fraiseuses Fours Total
4 4 12 0 -
. Le mme oprateur conduit les fraiseuses 1 et 2 pendant les heures supplmentaires $ 129 = 3 h x $ 43 . Oprateur unique pour les deux fours
ATELIER DE FOURS
FOUR 1 FOUR 2
451
La gure 135 de la page 452 explicite le calcul de la valeur ajoute directe produite chaque jour. Il reprend dans sa partie suprieure la gure 130; le calcul est explicit pour la commande 2 qui est acheve dans les 3 jours. La rpartition de la valeur ajoute directe est calcule au prorata du temps excut au cours dune journe. Ltablissement du compte de rsultats prvisionnel est donn la gure 136 de la page 453. Cette gure reprend les informations tablies dans les gures 133 133; sy ajoutent les charges xes quotidiennes donnes dans la gure 123, page 419 (reprise partiellement dans la gure 134) et les pnalits de retard dont le calcul a t expliqu prcdemment. Le rsultat nest pas valuer indpendamment pour chaque jour, mais pour le premier jour ou les deux premiers jours ou les trois premiers jours (etc.) an de tenir compte de linterdpendance des dcisions. Il convient de ne pas omettre, dans la comparaison de deux alternatives, cette modulation du jugement dans le temps pour viter un comportement trop myope. En effet, la solution la meilleure sur le premier jour peut savrer la plus mauvaise sur trois jours. Une dernire remarque mrite dtre faite sur un autre usage possible de ce type dindicateur. Il est facile de calculer la variation de marge gnre par lintroduction dune nouvelle tche dans le systme productif. Ce calcul diffrentiel prsente un intrt oprationnel pour les industries travaillant la commande qui peuvent y trouver: - une aide prcieuse dans llaboration des devis, - une autre base pour le calcul de la partie variable de la rmunration des commerciaux (au lieu du chiffre daffaires1) qui amliore naturellement la coordination entre le Commercial et la Production; en effet, en priode de surcharge il est plus intressant pour le commercial et lentreprise de proposer au client lalternative prix lev excution rapide ou prix rduit excution diffre, alors quen priode de sous-charge, lintrt commun est alors de proposer au client si possible une prestation de type prix lev excution rapide, avant de se rabattre sur une prestation de type prix rduit excution rapide.
Index thmatique
Table des matires
1. qui ninduit aucune incitation tenir compte de la charge du systme
452
FIGURE 135 Exemple de calcul de valeur ajoute directe

Commande 2 : 9 heures excutes le jour 1
PREMIER JOUR
TEMPS
TOUR HEURES SUPPLMENTAIRES

TEMPS 12
TOUR
SECOND JOUR
1 8-2 7-2 2-3 7-4 5-1 1-3 7-3 6-3 8-3 2 3 4-2 5-2 4 5 6 2-4 7 8
3 1-1
7 6-2
10 8-2
11
10
11
12
6-5
RECTIFIEUSE
4-1 6-1 2-1 7-1 3-1 8-1
7-2
RECTIFIEUSE
1-2
R3
2-3
8-5 6-4 - R1 5-3 8-4 4-3
R2 2-2
5-1
FOUR - 1
FOUR - 1
FOUR - 2 FOUR - 2

TROISIME JOUR
TEMPS 1
TOUR HEURES SUPPLMENTAIRES
8 6-7
10
11 12
6-5 6-6 8-5
RECTIFIEUSE
4-4
4-3 2-5 7-5
FOUR - 1
FOUR - 2
Commandes I 2 3 4 5 6 7 8 Total
Total 13 23 = 15 25 15 29 18 25 -
excut le jour 1 11 9 4 10 4 6 3 9 jour 2 2 jour 3 7 0 8 12 8 5 -
Total 1360 1800 955 2050 1355 2050 1490 1935
excut le jour 1 575 704 255 820 362 424 248 697 4085 jour 2 105 548 0 574 993 778 580 851 4429 jour 3 548 0 656 848 662 387 3101
7 + 0 7 11 11 7 11 -
. Commande excute 50% antrieurement au jour 1 (1360/2). $704 = $1800 x 9 / 23 . Commande 3 inacheve.
Index thmatique
Temps opratoire
Valeur ajoute directe
Table des matires
453
FIGURE 136 Exemple de calcul des marges associes aux dcisions prises
ATELIER DE RECTIFIEUSE
RECTIFIEUSE
ATELIER DE TOUR
TOUR
Commandes I 2 3 4 5 6 7 8
ATELIER DE FRAISEUSES
TEMPS DE RGLAGE: dpendant du rglage antrieur
RGLAGE FINAL
ATELIER DE FOURS
FOUR 1 FOUR 2
RGLAGE INITIAL
FRAISEUSE 1
FRAISEUSE 2
FRAISEUSE 3
1 2 3
2 3 2 heures 3 heures 1 heure 2 heures 4 heures 3 heures
RGLAGES INITIAUX: rglage i pour la fraiseuse i
Valeur ajoute directe excut le Total jour 1 jour 2 jour 3 1360 575 105 1800 704 548 548 955 255 0 0 2050 820 574 656 1355 362 993 2050 424 778 848 1490 248 580 662 1935 697 851 387
Total
4085 4429 3101
$1840 = $ 288 + $ 960 + $ 304 + $288
Table des matires
DBIT Cots xes Cots variables directs
Jour 1 1840 500 928 200
Jour 2 1840 594 685 0
Jour 3 1840 429 352 200
CRDIT Jour 1
Jour 2
Jour 3
Index thmatique
heures sup. Cots additionnels pnalits
Valeur ajoute directe
4085
4429
3101
MARGE
Total MARGE CUMULE
617
4085 617
1310
4429 1927
280
3101 2207 Cot additionnel en heures supplmentaires Jour 1 172 180 576 0 Jour 2 172 0 384 129 Jour 3 172 180 0 0 Total 4085 4429 3101
Cot variable direct Jour 1 Tours Rectieuse Fraiseuses Fours Total 96 84 288 32 Jour 2 80 42 184 288 Jour 3 64 77 48 240
500
594
429
928
685
352

Chapitre 5 (VG) PDF

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

Chapitre 5 (VG) PDF

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre V ORDONNANCEMENT EN ATELIERS

Table des matires

Gestion de la production et des ux

Table des matires

Chapitre V - Ordonnancement en ateliers spcialiss

Table des matires

Gestion de la production et des ux

Centre de prod. m-1

Table des matires

Chapitre V - Ordonnancement en ateliers spcialiss

Table des matires

INTRODUCTION AUX MODLES STATIQUES DORDONNANCEMENT

Modles statiques Cas des cots de lancement indpendants de lordonnancement retenu

Gestion de la production et des ux

Ordonnancement de n tches ncessitant lintervention dun seul centre de production

Chapitre V - Ordonnancement en ateliers spcialiss

300 280 330 360 1 5

Temps 400 (minutes) 510 2

Gestion de la production et des ux

Table des matires

Chapitre V - Ordonnancement en ateliers spcialiss

position est termine. On a par exemple A4 = Th et dune faon gnrale:

TABLEAU 69 Calcul du temps dachvement moyen

Gestion de la production et des ux

TABLEAU 70 Ordonnancement suivant la rgle TOM

Table des matires

Chapitre V - Ordonnancement en ateliers spcialiss

4 200 2 100 5 4 3 80 80 520

5 30 3 10 1 5 4 100 400 920 A = 422

Temps opratoire ti Pondration ui ti/ui

Ordre de passage de la tche i Ordre de passage j Tche programme Th uh Th uh

Gestion de la production et des ux

Chapitre V - Ordonnancement en ateliers spcialiss

TABLEAU 74 Ordonnancement selon la rgle de la date de livraison minimale

Gestion de la production et des ux

TABLEAU 75 Ordonnancement selon la rgle de la marge minimale

Ordonnancement de n tches ncessitant lintervention de 2 centres de production

Table des matires

Chapitre V - Ordonnancement en ateliers spcialiss

Table des matires

5 160 200 230

1 290 300 360

2 510 560 Temps 500(minutes)

Gestion de la production et des ux

FIGURE 109 Ordonnancement suivant la rgle TOM sur la machine A A 5 1 3 2 4

5 160 200 230

1 290 310 300

440 490 510 580 400

Table des matires

Chapitre V - Ordonnancement en ateliers spcialiss

Ordonnancement de 2 tches ncessitant lintervention de m centres de production

Table des matires

Gestion de la production et des ux

Ordonnancement de n tches ncessitant lintervention de m centres de production

Table des matires

Chapitre V - Ordonnancement en ateliers spcialiss

min tiA = 3 min tiB = 3 min tiC = 1

Table des matires Index thmatique

Gestion de la production et des ux

Table des matires

Chapitre V - Ordonnancement en ateliers spcialiss

Table des matires

Gestion de la production et des ux