6e Confrence Francophone de MOdlisation et SIMulation - MOSIM06 - du 3 au 5 avril 2006 Rabat- Maroc Modlisation, Optimisation et Simulation des Systmes : Dfis

is et Opportunits .

DEVELOPPEMENT DE MODELES HYBRIDES POUR LAIDE A LA DECISION MULTICRITERE EN VUE DORDONNANCER DES JOB-SHOPS GENERALISES
O. ROUX*, V. DHAEVERS et N. MESKENS Facults Universitaires Catholiques de Mons Chausse de Binche, 151 7000 Mons, Belgique {roux,dhaevers,meskens}@fucam.ac.be D. DUVIVIER L.I.L. Calais, France david.duvivier@lil.univ-littoral.fr A. ARTIBA E.T.S. Montral, Canada hakim.artiba@etsmtl.ca

RESUME : Dans le cadre de laide la dcision multicritre, cet article dcrit les possibilits pratiques de trois modles hybrides appliqus un problme dordonnancement rel, fortement contraint, en industrie semi-continue. Le besoin de rutilisabilit et de modularit nous a conduit concevoir une plateforme gnrique doptimisation et de simulation afin dappliquer les modles hybrides tout problme dordonnancement de type job-shop gnralis. La ncessit de produire rapidement de bons compromis entre des objectifs contradictoires requiert lutilisation dune mthode multicritre au sein dun de nos modles hybrides. Le modle doptimisation est bas sur le couplage dune mtaheuristique classique de type algorithme itratif de recherche locale (Hill-Climber) et de la mthode multicritre Promthe II et dun modle de simulation. Les rsultats obtenus montrent que nous offrons un panel de solutions de qualit dans un dlai compatible avec la prise de dcision en temps limit. MOTS-CLES : aide la dcision multicritre, hybridation simulation-ordonnancement, optimisation stochastique, amlioration de la performance. module peuvent tre amliors par le module doptimisation au moyen de mtaheuristiques ou dune mthode exacte. Le cur de la plate-forme est constitu dun modle de simulation. Celui-ci, dvelopp dans le langage de notre simulateur RAO (Artiba et al., 1998), est compos de patterns gnriques dcrivant le fonctionnement des ressources standards. Ce modle peut ventuellement tre complt, au moyen de notre modlisation graphique ALIX (Pichel et al., 2003), dun petit nombre de patterns ddis au problme tudi. Le modle de simulation est donc conu pour tenir compte des moindres dtails de fonctionnement du processus de production sous-jacent. Dans le cadre de cette recherche, notre plate-forme fournit un banc dessai pour comparer diffrentes stratgies dordonnancement et dterminer dynamiquement la stratgie la plus adapte au contexte. Chaque stratgie dordonnancement repose sur lutilisation dune mthode srielle, lexcution dun modle de simulation et, ventuellement, une optimisation par une mtaheuristique. Lemploi de mtaheuristiques dans nos mthodes hybrides amliore les rsultats, sans toutefois garantir loptimalit des solutions. Leur utilisation au sein de mthodes hybrides est toutefois induite par le besoin de ractivit des entreprises. En effet, la rapidit de la prise de dcision peut savrer cruciale dans la course la performance exige par le contexte conomique actuel. Une solution acceptable nest pas ncessairement une

INTRODUCTION

Dans le cadre des processus de production de type discret ou semi-continu organiss en job-shop gnralis, nous avons dvelopp une plate-forme gnrique centre sur loptimisation et la simulation des problmes de planification et dordonnancement (Carlier et Chrtienne, 1998 ; Chu et Proth, 1996 ; Esquirol et Lopez, 1999 ; Pinedo et Chao, 1999). Lors de la rsolution de problmes concrets, il apparat clairement que les mthodes doptimisation exactes sont limites par leurs exigences en temps de calcul et en espace mmoire. La mthode de rsolution mise en uvre doit tre capable de surmonter la difficult de reproduire prcisment le fonctionnement rel dun atelier de production en un temps raisonnable. Pour ce faire, notre plate-forme repose sur plusieurs modles hybrides combinant la simulation avec plusieurs mthodes doptimisation. Cette plate-forme, nomme PlanOrdo, est compose de modules rutilisables, organiss autour dune base de donnes. Cette organisation extrmement souple facilite le couplage un grand nombre doutils complmentaires afin de fournir au dcideur une aide la dcision aussi complte, prcise et fiable que possible. Le module dordonnancement comporte un ensemble de mthodes srielles classiques telles que SPT (Shortest Processing Time) et LPT (Largest Processing Time) ainsi que des mthodes srielles spcifiques. Afin de pallier les faiblesses caractristiques de ces mthodes (Hansmann et Hoeck, 1997 ; Smith et Seidmann, 1983 ; Waikar et al. 1995), les ordonnancements fournis par ce

6e Confrence Francophone de MOdlisation et SIMulation - MOSIM06 - du 3 au 5 avril 2006 Rabat- Maroc Modlisation, Optimisation et Simulation des Systmes : Dfis et Opportunits .

solution optimale, mais souvent une satisfaisante obtenue en un temps raisonnable.

solution

La ncessit de fournir des solutions offrant de bons compromis entre les objectifs souvent antagonistes de lentreprise nous a amens intgrer une mthode multicritre au sein dun des modles hybrides de notre plate-forme. Cette mthode permet de comparer et de classer les solutions en tenant compte des prfrences du dcideur. Notre tude synthtise les rsultats de lapplication de la plate-forme dans une entreprise ayant un systme de production semi-continu fortement contraint (Duvivier et al., 2003). De nombreuses contraintes lies notamment lhtrognit des postes de travail, aux diffrents types de temps de prparation (nots setups) prendre en compte et la gestion des ressources auxiliaires, rendent ce problme particulirement difficile apprhender en termes de modlisation, doptimisation et de simulation. Dans cet article, nous nous concentrons sur lutilisation de trois modles hybrides. Pour chacun deux, cinq stratgies dordonnancement sont compares et classes sur base dun ensemble de mesures de performance. Nous insistons, plus particulirement, sur lintrt dintgrer une mthode multicritre au sein dun des modles hybrides. Le plan suivi pour prsenter notre tude est le suivant : nous dcrivons trois modles hybrides en section 2, nous exposons le problme industriel en section 3, nos rsultats sont synthtiss en section 4, nous concluons ensuite lexpos de notre tude en prsentant quelques perspectives de dveloppement de nos travaux. 2 DESCRIPTION DES MODELES HYBRIDES

Le principe de fonctionnement de la mtaheuristique, utilise dans les modles Hybride lexicographique et Hybride multicritre est le suivant. A partir de la solution initiale, une solution candidate est engendre via un oprateur de dplacement . Si la solution candidate offre une meilleure valuation que la solution initiale, alors la solution candidate devient la solution courante. Loprateur est ensuite appliqu la solution courante afin de donner naissance une nouvelle solution candidate. Ce cycle, appel itration, est rpt jusqu la satisfaction de la condition darrt prdfinie (par exemple, un nombre ditrations maximum). Il est noter quune valuation de la solution candidate est effectue lors de chaque itration, si bien que le nombre ditrations correspond au nombre dvaluations. Diffrents oprateurs de dplacement ont t tests. Ces oprateurs modifient de manire plus ou moins importante le vecteur de priorits associ la solution courante pour engendrer un nouveau vecteur de priorits relatif la solution candidate. Loprateur swap , utilis dans le cadre des rsultats prsents, consiste changer deux lments, slectionns alatoirement, du vecteur courant pour obtenir un nouveau vecteur. Lavantage principal de cet oprateur est quil ne ncessite aucune information sur le processus en cours doptimisation. De ce fait, cet oprateur gnrique est applicable une trs large gamme de problmes dordonnancement ce qui nous permet dvaluer aisment les performances des modules gnriques assembls au sein de notre plate-forme. Il est cependant possible damliorer les performances de cet oprateur en tenant compte des spcificits du processus ordonnanc. Les caractristiques des trois modles hybrides compars sont les suivantes : le premier est trs rapide mais peu performant face des priodes fortement charges (en termes de nombre de commandes raliser, de tonnage produire et dhtrognit des produits) ; le second ncessite un temps plus important pour fournir des rsultats de meilleure qualit, et ne sapplique que pour des problmes o il est possible de classer strictement les critres optimiser suivant leur importance relative ; le dernier est aussi efficace que le second mais permet de donner une importance identique plusieurs critres (selon les prfrences du dcideur). De plus, ce dernier permet lintroduction de gradations et dincertitudes dans les critres grce la mthode multicritre utilise. Ces trois modles hybrides sont conus pour tre utiliss soit au sein de notre plate-forme, soit en tant que modules autonomes doptimisation.

Le fonctionnement global des trois modles hybrides est schmatis succinctement en Figure 1. Sur la base des informations utiles la ralisation de lordonnancement de la production, chaque mthode srielle implmente dans la plate-forme fournit au modle de simulation un vecteur de priorits, associant une priorit chaque commande ou ordre de fabrication. En retour, le modle de simulation calcule lordonnancement et quantifie les mesures de performance slectionnes (notes critres dans la suite de larticle) par le dcideur. Ce vecteur de priorits des commandes et les informations relatives la performance de lordonnancement dfini constituent la solution finale du premier modle hybride, appel Hybride sriel (Duvivier et al, 2005). Cette solution constitue le point de dpart des deux autres modles hybrides bass sur une mthode itrative de recherche locale damlioration dune solution unique (Iterative Improvement, with first improvement selection (Hoos et Sttzle, 2005), i.e. Hill-Climber). Notons que lutilisation dun vecteur de priorits autorise galement lintroduction, par le dcideur, de commandes dont lexcution ne peut en aucun cas tre retarde par la ralisation dautres commandes.

6e Confrence Francophone de MOdlisation et SIMulation - MOSIM06 - du 3 au 5 avril 2006 Rabat- Maroc Modlisation, Optimisation et Simulation des Systmes : Dfis et Opportunits .
Mthode S Srielle Vecteur de priorit priorit Mod Modle de Simulation Solution Initiale
x 20

MS0 VP0 Sim SI0

MS1 VP1 Sim SI1

x 20

MS2 VP2 Sim SI2

x 20

MS3 VP3 Sim SI3

x 20

MS4 VP4 Sim SI4

x 20

(2)

T=

1 Tk n

Retard moyen Dure de production totale (makespan) Avance moyenne

(3) Cmax = max Ck (4)

5 Solutions Finales de lHybride 1 5 Solutions Initiales de lHybride 2 ou de lHybride3

1 E = Ek n

Tableau 1. Notations et descriptions des critres optimiss. Il sagit, dans cette tude, de minimiser les critres (1) (3) et de maximiser le critre (4). Si la minimisation des trois premiers critres est couramment utilise lors de la rsolution dun problme dordonnancement, la maximisation de lavance est moins frquente. Dans ce cas dapplication, lobjectif est de se prmunir des dysfonctionnements apparaissant en cours de production afin de garantir, autant que possible, le respect des dlais de livraison. Les impratifs de lentreprise tudie nous imposent de considrer ces quatre critres dans un ordre dcroissant dimportance NT > T > Cmax > E (ici > dsigne une relation de prfrence). Les valeurs des critres (2) (4) sont exprimes en heures. Le troisime modle hybride a t dvelopp afin de profiter des avantages dune approche multicritre dans le mode dvaluation de la solution candidate. Celui-ci ne se base plus sur un tri lexicographique, comme cest le cas dans le second modle hybride, pour comparer les solutions au fil des itrations. Il utilise la mthode multicritre Promthe II. Le deuxime modle hybride est nomm hybride lexicographique et le troisime hybride multicritre. Ce dernier tend les possibilits des autres modles hybrides au travers de plusieurs spcificits illustres dans son principe de fonctionnement par la Figure 2.
Dbut Solution courante Mthode srielle
(MSi)

HillHill-Climber Solution Finale de lHybride 2 ou de Hybride 3

4000

HC

Sim

4000

HC

Sim

4000

HC

Sim

4000

HC

Sim

4000

HC

Sim

SF0i

SF1i

SF2i

SF3i

SF4i

5x20 Solutions Finales de lHybride 2 ou de lHybride 3

Figure 1. Plan dexprimentation et fonctionnement gnral des mthodes hybrides Le plan dexprimentation suivi dans le cadre de cette tude est illustr par la Figure 1 . Parmi les diffrentes mthodes srielles implmentes, cinq dentre-elles (MSi ; i = 0,14) ont t slectionnes afin de rduire le volume des rsultats prsents1. Cette slection a t effectue de manire prserver une diversit des solutions initiales reprsentative des solutions proposes par lensemble des mthodes srielles testes. Compte tenu du caractre stochastique de lalgorithme itratif de recherche locale, nous avons effectu pour les modles hybride lexicographique ou hybride multicritre, en partant dune solution initiale SIi fournie par chaque mthode srielle MSi, 20 essais (j=1,220) de 4000 itrations/valuations, chaque itration ncessitant le lancement du modle de simulation. Le nombre dessais et ditrations a t tabli sur la base de benchmarks prliminaires. A lissue de chacun des 20 essais, nous obtenons 20 solutions finales SFij par stratgie i. Ce paramtrage vise assurer un bon compromis entre temps de calcul et qualit des solutions finales. Que se soit pour les modles hybride lexicographique ou hybride multicritre, lvaluation des solutions courantes seffectue sur la base des critres slectionns par le dcideur. Ces critres servent galement la comparaison des solutions finales des cinq stratgies dordonnancement pour les trois modles hybrides. Dans cette recherche, quatre critres sont pris en compte. Le Tableau 1 prsente leur description et la notation utilise pour les identifier.
Notation n dk Ck Ek = max(0, dkCk) Tk = max(0, Ckdk) Critre (1) NT
1

Evaluer la solution courante par simulation Meilleure solution Sol. candidate Solution courante

Dplacement (solution courante)

Evaluer la solution candidate par simulation Phi

meilleure solution) Promethee (sol. candidate, Oui

Dtrioration (Phi < 0)?

Non

Solution courante

Solution candidate
Oui

Plateau (Phi = 0)?

Non

Description Nombre de commandes Date dexigibilit de la commande k Date de fin de production de la commande k Dure de lavance de la commande k Dure du retard de la commande k Description Nombre de commandes en retard
Meilleure solution
Non

Solution candidate

Stop ?
Oui

Fin

Figure 2. Fonctionnement dtaill du modle hybride multicritre Afin dindiquer au dcideur la stratgie dordonnancement appliquer, les solutions optimises SFij obtenues pour chaque stratgie, sont ensuite

Celles-ci sont dcrites dans (Dhaevers et al, 2004)

6e Confrence Francophone de MOdlisation et SIMulation - MOSIM06 - du 3 au 5 avril 2006 Rabat- Maroc Modlisation, Optimisation et Simulation des Systmes : Dfis et Opportunits .

classes. Deux mthodes de classement sont disponibles au sein de la plate-forme : le tri lexicographique et la mthode multicritre Promthe II. Cette dernire est une mthode dagrgation partielle qui compare les solutions des stratgies paire par paire tout en tenant compte des prfrences du dcideur. Celles-ci sexpriment en termes dinformations sur limportance relative des critres et sur la fonction de prfrence associe chaque critre (Brans et Mareschal, 2002 ; Pomerol et Barba-Romero 2000). Une analyse de sensibilit permet, par la suite, daffiner la dfinition des poids associs chaque critre (Mareschal, 1988) et de guider au mieux le dcideur dans le choix de la stratgie dordonnancement mettre en uvre. Le recours la mthode de classement multicritre se justifie pleinement. En effet, un tri lexicographique peut paratre suffisant tant quil est possible de classer strictement les critres optimiser. Or, il est rarement facile de classer les critres dans le cadre dun problme rel ; mais surtout, lors de la comparaison des solutions de deux stratgies dordonnancement, un dcideur accepte bien souvent une stratgie moins intressante du point de vue dun critre si cette dernire offre des amliorations significatives sur dautres critres. De ce fait, le classement des stratgies dordonnancement selon plusieurs critres de performance est loin dtre trivial, surtout en prsence de critres antagonistes de mme importance aux yeux du dcideur. La mthode multicritre utilise, que se soit pour lvaluation des solutions courantes au sein du modle hybride 3 ou le classement des solutions finales, ncessite que le dcideur fournisse des informations sur chaque critre : sa fonction de prfrence et son poids. La fonction de prfrence est choisie parmi six possibilits : vrai-critre, forme en U, forme en V, niveaux, linaire, gaussien. En fonction de celle-ci, pour chaque critre, des nuances peuvent tre introduites par le dcideur par le biais de seuils dindiffrence (q) et/ou de prfrence (p). Dune comparaison critre par critre de deux solutions a et b, va rsulter un indice de prfrence qui mesure lintensit de la prfrence de la solution a sur la solution b. Le processus est rpt pour toutes les paires de solutions. Sur la base des indices de prfrence obtenus par la solution a compare toutes les autres solutions, un flux positif est calcul. Celui-ci indique dans quelle mesure la solution a est prfre toutes les autres solutions. Par ailleurs, un flux ngatif est aussi calcul et reprsente dans quelle mesure les autres solutions sont prfres a. La diffrence entre les flux positif et ngatif donne le flux net phi de la solution. Cette valeur est utilise pour dterminer un classement des solutions selon les prfrences du dcideur. videmment, le classement des solutions est influenc par les valeurs des diffrents paramtres assigns aux critres. Toutefois, Promthe II est robuste face aux valeurs des poids des critres condition que ceux-ci se trouvent dans lintervalle de stabilit (Mareschal 1988). Dans le troisime modle hybride, le flux net phi est non seulement utilis pour tablir le classement des stratgies dordonnancement mais aussi, contrairement au second modle hybride, pour comparer

la solution nouvellement produite la meilleure solution trouve (solution courante), aprs chaque itration du Hill-Climber (cf. Figure 2). Le principal inconvnient de lutilisation dune mthode multicritre est le paramtrage additionnel fournir par le dcideur (seuils, poids et types des critres). Cependant, cet inconvnient est largement compens par lajout de nuances dans le jugement du dcideur, ce qui permet dchapper certains optima locaux. Des travaux antrieurs sur lintgration de Promthe II dans une mtaheuristique ont dj t publis (Rekiek 2001 ; De Lit et al 2001), mais notre connaissance cest la premire fois quun hybride utilisant la combinaison simulation-multicritre dans le cadre dun problme semi-continu fortement contraint est prsent. Aprs avoir dtaill les modles hybrides implments, la section suivante dcrit le problme industriel de lentreprise Fontainunion. 3 PROBLEME INDUSTRIEL CONSIDERE

La validation de notre dmarche est effectue sur le problme dordonnancement du systme de production de lentreprise Fontainunion, situe Fontaine-Lvque, en Belgique. Sa production est compose de fils et de torons dacier de haute qualit (cbles constitus de 2, 3 ou 7 fils), utiliss dans le monde entier, dans des constructions diverses telles que les aroports, les stades, les ponts Le systme de production considr est apparent un jobshop gnralis compos de dix-sept postes de travail (cf. Figure 3).
Galvanised wire Simple wire Stabilization & Packaging TBR1, TBR2 Not Packed (bobbin) Raw Wire

Oxidised wire

Cleaning

Stretching OTT1, OTT2, OTT3, BZ, HB

Stranding SKIP RED

Stranding & Stabilization STOL

Stabilization & Packaging TBR3

Stabilization TBR4

Packaging REDEX

Packaging FRIGERIO

Not Sheathed

Sheating UTIFOR

Packing Coils Packs

6e Confrence Francophone de MOdlisation et SIMulation - MOSIM06 - du 3 au 5 avril 2006 Rabat- Maroc Modlisation, Optimisation et Simulation des Systmes : Dfis et Opportunits .

Figure 3. Systme de production de lentreprise Fontainunion Le processus de production comporte sept groupes de machines, associs aux tapes du processus de fabrication. Les oprations continues et discrtes senchanent via des oprations de soudure ou de dcoupe en vue du stockage des produits semi-finis sur des bobines. Le simulateur RAO est utilis pour modliser la totalit du problme, y compris la partie continue du processus. Chaque produit, obtenu partir de fils machine (Raw wire) ou de fils galvaniss (Galvanised wire) (cf. Figure 3), est le rsultat dune squence doprations ordonnances en respectant les contraintes lies aux ressources et aux relations de prcdence. Les contraintes lies aux ressources incluent des limitations au niveau des entres/sorties, des setups, et de la nonpremption. Les relations de prcdence imposent quune opration ne peut commencer avant la fin de toutes les oprations prcdentes identifies dans la gamme opratoire du produit. Lhtrognit des machines induit une dpendance entre le temps opratoire, le produit fabriqu et la machine utilise pour raliser lopration. Enfin, la production de lentreprise cible, de type fabrication sur commande , ncessite la prise en compte de fortes variations des commandes dun mois lautre. Dans ce processus, diffrents types de setups doivent tre considrs, dpendants et indpendants de la squence de ralisation des produits sur les postes de travail. De nombreuses contraintes additionnelles rendent ce problme trs difficile apprhender en termes de modlisation, doptimisation et de simulation. Parmi celles-ci, figurent lutilisation de ressources auxiliaires en nombre limit (bobines), les contraintes sur les diamtres et les charges supports en entre/sortie des postes de travail. Lhtrognit de ces derniers implique que toutes les bobines ne sont pas compatibles avec toutes les machines. De mme, toutes les machines ne sont pas capables de raliser tous les produits et/ou tous les types de conditionnements. Mentionnons galement quun sous-ensemble de commandes ne peut accuser de retard en raison notamment des moyens de transport utiliss lors de leur expdition. Le modle ralis doit galement reproduire et anticiper, dans la mesure du possible, les dysfonctionnements du processus tels que des ruptures de fils. Les problmes lis au stockage et au transport au sein de lentreprise tudie ne sont pas pris en compte dans notre tude car ils nont pas dimpact significatif. Le site travaille 24 heures sur 24, cinq jours sur sept avec une rotation journalire de trois quipes de 11 ouvriers. Dans la section suivante, les solutions finales de cinq stratgies dordonnancement sont prsentes et compares et ce, pour les trois modles hybrides.

RESULTATS EXPERIMENTAUX

Afin de respecter les clauses de confidentialit relatives ce projet, les comparaisons directes entre la production relle et la production simule ne sont pas prsentes. Notons que le comportement des trois modles hybrides a t valid sur diffrentes priodes. Lobjectif de nos modles hybrides est dordonnancer avec prcision un mois de production pour l'usine Fontainunion. Notre simulation porte sur 134 commandes et prend une trois secondes sur un Pentium IV 3GHz. Le temps exact dpend du nombre dordres de fabrication contenu dans la priode analyse et des statistiques calcules pendant la simulation. Afin de prendre en compte les fortes variations de la demande subie par lentreprise, loutil dvelopp repose non pas sur une mthode dordonnancement unique mais sur un panel de modles hybrides et de stratgies dordonnancement offrant une mthodologie robuste et adaptable la prise de dcision en temps limit. Les paragraphes suivants montrent les rsultats obtenus par les trois modles hybrides. 4.1 Rsultats du modle hybride sriel

Les solutions finales obtenues par ce modle hybride pour les cinq stratgies dordonnancement slectionnes sont reprises dans le Tableau 2.
s 0 1 2 3 4 Tous NT 0 0 0 2 6 1.60 T (H) 0 0 0 17.65 10.55 5.64 Cmax (H) 753.94 757.71 760.17 749.77 756.68 755.66 E (H) 271.53 277.40 256.84 287.42 266.58 271.95

Tableau 2. Hybride sriel, comparaison de plusieurs mthodes srielles Dans ce tableau, chaque stratgie dordonnancement est rfrence par un numro didentification. La dernire ligne donne les valeurs moyennes, toutes stratgies confondues. La comparaison des cinq stratgies dordonnancement, selon les critres prdfinis, effectue par un tri lexicographique, met en vidence la supriorit de la stratgie 0. Dans la majorit des cas, le modle hybride sriel gnre des rsultats suprieurs ou identiques, en termes de dlais et de makespan, aux rsultats obtenus par la personne charge de raliser lordonnancement au sein de lentreprise Fontainunion. Cependant, pour des priodes fortement charges, en raison notamment du nombre de commandes en cours, le modle hybride sriel nest pas suffisamment robuste pour produire systmatiquement des solutions satisfaisantes.

6e Confrence Francophone de MOdlisation et SIMulation - MOSIM06 - du 3 au 5 avril 2006 Rabat- Maroc Modlisation, Optimisation et Simulation des Systmes : Dfis et Opportunits .

4.2

Rsultats du modle hybride lexicographique

4.3

Rsultats du modle hybride multicritre

Lapport dun Hill-Climber dans le modle hybride lexicographique amliore les rsultats fournis par le modle hybride sriel. Les rsultats de ce deuxime modle, obtenus aprs 4000 itrations et classs via un tri lexicographique, sont prsents dans le Tableau 3. Ce dernier prsente, pour chaque critre slectionn, la moyenne et lcart-type calculs sur chaque groupe de vingt excutions. Le gain moyen entre la solution initiale et la moyenne des solutions finales obtenues aprs 4000 itrations est galement indiqu. Une valeur positive indique quune amlioration est obtenue. Les deux dernires lignes du tableau donnent respectivement les moyennes et les carts-types en considrant toutes les stratgies. Lanalyse de ce tableau montre que la stratgie 3 est plbiscite. Lordre de prfrence des stratgies, obtenu via un tri lexicographique est le suivant : 3 f 1 f 2 f 4 f 0 ( a f b indique que la stratgie a est classe nettement avant b).
Modle hybride 2 s Moyenne Ecart-type Moyenne Ecart-type Moyenne Ecart-type Moyenne Ecart-Type Moyenne Ecart-type Moyenne Ecart-type Strategie/Solution Finale NT 0 0 0 0 0 0 0 0 0 0 0 0 T (H) 0 0 0 0 0 0 0 0 0 0 0 0 Cmax (H) 744.95 1.34 E (H) 278.57 1.34 Gain aprs 4000 valuations NT 0 0 0 2 6 1.60 T (H) 0 0 0 17.65 10.55 5.64 Cmax (H) 8.99 14.84 16.09 8.71 12.04 12.13 E (H) 7.03 3.16 20.23 -7.58 8.89 6.35

Les particularits du troisime modle hybride rsident dans lincorporation dune analyse multicritre dans lvaluation des solutions courantes et ventuellement dans le classement des solutions finales. Ces particularits offrent la possibilit dintroduire du flou dans la comparaison de ces solutions critre par critre. Ces nuances se traduisent via les seuils dindiffrence (q) et de prfrence (p) pour chaque critre. Trois ensembles de paramtrages ont t retenus en accord avec le dcideur. Les paramtrages utiliss sont prciss dans le Tableau 4.
Modle hybride 3.1
Critre q p Obj. NT 0 0 Min T 0 3 Min Cmax 0 4 Min E 0 4 Max NT 0 0 Min

Modle hybride 3.2

T 0.5 3 Min Cmax 0.5 4 Min E 0.5 4 Max

Modle hybride 3.3

Critre q p Obj. NT 1 5 Min T 0.5 3 Min Cmax 0.5 4 Min E 0.5 4 Max

Paramtres de Promthe II

Tableau 4. Paramtrage de Promthe II Le modle hybride 3.1 est paramtr de manire sapprocher du comportement de notre second modle pour lequel les critres doivent imprativement, comme lexige le tri lexicographique, tre ordonns strictement. Les modles hybrides 3.2 et 3.3 exploitent, par leur paramtrage, les avantages dune mthode multicritre. Prenons lexemple du paramtrage du modle hybride 3.2 . Si deux solutions comportent au moins quatre heures de diffrence (p = 4) sur le makespan (Cmax), cette dernire va entraner la prfrence dune solution sur lautre pour ce critre. Par contre, si la diffrence est de moins dune demi-heure (q = 0,5), celle-ci est non significative. Le Tableau 5 rcapitule, pour chaque paramtrage test, les rsultats moyens obtenus aprs 4000 itrations de ce modle hybride. Lanalyse du tableau montre que, quelle que soit le paramtrage considr, il nexiste aucune relation de dominance entre les stratgies analyses. Afin de dterminer pour chaque paramtrage la stratgie dordonnancement mettre en uvre, les deux mthodes de classement disponibles dans la plate-forme ont t appliques : le tri lexicographique et la mthode multicritre Promthe II. Ces deux mthodes classent en premire position la mme stratgie que ce soit pour le modle hybride 3.1 (stratgie 1) ou le modle hybride 3.2 (stratgie 3). En ce qui concerne le modle 3.3, la meilleure solution diffre selon le mode de classement utilis. Lutilisation dun tri lexicographique met en avant la stratgie 4 tandis que le recours la mthode multicritre favorise une stratgie de compromis, la stratgie 1. Le choix de cette stratgie dordonnancement a pour incidence de dprcier le critre Cmax de 0,91 heures afin damliorer le critre E de 6,09 heures. Ce cas de figure illustre parfaitement la situation o un dcideur pourrait accepter une solution moins intressante du point de vue dun critre si celle-ci

0 1 2 3 4 To us

742.88 280.56 2.79 1.37 744.09 277.06 1.36 2.38 741.07 279.84 2.51 2.05 744.65 275.47 2.29 2.57 743.53 278.30 2.53 2.69

Tableau 3. Rsultats du modle hybride lexicographique aprs 4000 itrations Par rapport au modle hybride sriel, lanalyse des rsultats met en vidence deux amliorations significatives apportes par le modle hybride lexicographique. Dune part, lissue de nimporte quelle excution de 4000 itrations, plus aucune commande nest en retard (les colonnes NT et T sont 0). Dautre part, quelle que soit la stratgie initiale utilise, nous parvenons en moyenne rduire la dure totale de production dau moins huit heures, ce qui conduit librer huit heures de travail pour une quipe de onze ouvriers sur le mois simul. Ce type de rsultat est frquemment obtenu lors de lutilisation de la plateforme, bien quil existe des priodes extrmement charges pour lesquelles il est difficile la fois pour le responsable de production et pour le modle hybride doptimiser les diffrents critres considrs. Cependant, le temps dexcution du modle hybride lexicographique constitue un inconvnient non ngligeable. En effet, chaque excution ncessite, selon le nombre de commandes ordonnancer dans la priode choisie, une trois heures de calcul sur un PC muni dun Pentium IV 3GHz.

6e Confrence Francophone de MOdlisation et SIMulation - MOSIM06 - du 3 au 5 avril 2006 Rabat- Maroc Modlisation, Optimisation et Simulation des Systmes : Dfis et Opportunits .

offre des amliorations significatives sur dautres critres. Une analyse de sensibilit montre la robustesse de ces rsultats face au changement des poids dans Promthe II. Il est, toutefois, ncessaire de rester vigilant face aux comparaisons de valeurs moyennes sans tenir compte de leur variabilit. Pour confirmer nos rsultats, nous avons donc eu recours diffrents tests statistiques paramtriques et non paramtriques. Citons notamment les tests de Kruskal-Wallis, Mann-Whitney, Friedman et Wilcoxon. Ceux-ci nous ont permis de dmontrer lexistence de diffrences significatives entre les stratgies dordonnancement en termes de performance.
Modle hybride 3.1 Strategie/Solution Finale Gain aprs 4000 valuations

La comparaison des rsultats moyens de nos trois modles hybrides montre que les modles hybrides lexicographiques et multicritre surpassent clairement le modle hybride sriel. Latout de ce dernier rside uniquement dans sa rapidit dexcution et son utilisation est prconise lorsque des rsultats rapides sont ncessaires. Lanalyse des meilleures stratgies obtenues par les modles hybrides lexicographique et multicritres 3.1 et 3.2, montre que leurs rsultats sont assez proches. A ce niveau, deux constats principaux peuvent tre tablis. Premirement, le modle hybride multicritre est aussi performant que le modle lexicographique. Deuximement, grce la mthode multicritre intgre, le troisime modle hybride est capable de nuancer le classement des solutions et de prendre en compte les prfrences du dcideur afin de lui offrir une solution de compromis qui lagre. La plate-forme devient ainsi un vritable outil daide la dcision. 5 CONCLUSIONS ET PERSPECTIVES

S 0 1 2 3 4
Tous

NT Moyenne 0 Ecart-type 0 Moyenne 0 Ecart-type 0 Moyenne 0 Ecart-type 0 Moyenne 0.05 Ecart-type 0.22 Moyenne 0 Ecart-type 0 Moyenne 0.01 Ecart-type 0.10

T (H) 0 0 0 0 0 0 0.01 0.06 0 0 0.00 0.03

Cmax (H) 744.23 2.32 742.91 2.69 744.45 1.63 741.82 2.37 743.15 1.56 743.31 2.31

E (H) 278.56 1.58 281.41 0.97 275.98 3.80 280.34 2.46 275.90 2.22 278.44 3.24

NT 0 0 0 2 6 1.59

T (H) 0 0 0 17.64 10.55 5.64

Cmax (H) 9.71 14.81 15.72 7.96 13.53 12.34

E (H) 7.02 4.02 19.14 -7.08 9.32 6.48

Modle hybride 3.2

Strategie/Solution Finale

Gain aprs 4000 valuations

Dans cet article, une approche multicritre hybride doptimisation et simulation pour un problme industriel rel dordonnancement est prsente. Nous avons dmontr exprimentalement lefficacit et la polyvalence des modles hybrides dvelopps. Il est noter que lapproche propose nest pas limite au problme de lentreprise Fontainunion. Notre plate-forme fournit au dcideur un panel de stratgies dordonnancement. En fonction de la ractivit requise pour la prise de dcision, celui-ci optera pour un modle hybride rapide mais peu robuste ou au contraire, pour dautres modles hybrides offrant des solutions de meilleure qualit mais plus consommateurs de temps. Dans cette optique, trois modles hybrides ont t dvelopps. Le modle hybride sriel est suffisamment performant pour faire face aux priodes faiblement charges. Il est cependant peu robuste lors aux variations de certains paramtres, tels que la charge de latelier ou la distribution des commandes sur la priode considre. Le modle hybride lexicographique amliore les solutions donnes par le modle sriel en une trois heures. Il a lavantage de ncessiter peu de paramtres configurer. Toutefois, la prise en compte des prfrences du dcideur se limite au classement des critres optimiser. Le modle hybride multicritre est aussi efficace que le prcdent mais exige un paramtrage supplmentaire requis par la mthode multicritre incorpore. Cependant, celle-ci apporte des nuances dans le classement des stratgies dordonnancement et absorbe les incertitudes lies lacquisition, la synthse des donnes ou encore aux alas du processus de production (pannes, dysfonctionnement). Cette caractristique vite les changements intempestifs de stratgie

S 0 1 2 3 4
Tous

NT Moyenne Ecart-type Moyenne Ecart-type Moyenne Ecart-type Moyenne Ecart-type Moyenne Ecart-type Moyenne Ecart-type 0 0 0 0 0 0 0 0 0 0 0 0

T (H) 0 0 0 0 0 0 0 0 0 0 0 0

Cmax (H) 744.14 2.09 741.81 2.69 744.18 1.51 741.44 2.84 743.95 2.53 743.10 2.62

E (H) 277.48 1.57 279.46 1.34 273.90 2.43 278.80 1.57 275.06 2.20 276.94 2.81

NT 0 0 0 2 6 1.60

T (H) 0 0 0 17.65 10.55 5.64

C max (H) 9.80 15.91

E (H) 5.95 2.06

15.99 17.06 8.34 12.74 12.56 -8.62 8.48 4.99

Modle hybride 3.3

Strategie/Solution Finale

Gain aprs 4000 valuations

S 0 1 2 3 4
Tous

NT Moyenne 0 Ecart-type 0 Moyenne 0 Ecart-type 0 Moyenne 0 Ecart-type 0 Moyenne 1.55 Ecart-type 0.69 Moyenne 0 Ecart-type 0 Moyenne 0.31 Ecart-type 0.69

Cmax T (H) (H) 0 744.44 0 2.11 0 744.77 0 3.17 0 744.19 0 2.40 11.04 747.03 8.07 3.55 0 743.86 0 2.85 2.21 744.86 5.64 3.01

E (H) 276.11 1.92 277.81 1.67 272.68 2.88 284.20 4.45 271.72 3.70 276.50 5.37

NT 0 0 0 0 6 1.29

T (H) 0 0 0 6.62 10.55 3.43

Cmax (H) 9.50 12.95 15.98 2.75 12.82 10.80

E (H) 4.57 0.41 15.84 -3.22 5.15 4.55

Tableau 5. Rsultats de lhybride multicritre aprs 4000 valuations

6e Confrence Francophone de MOdlisation et SIMulation - MOSIM06 - du 3 au 5 avril 2006 Rabat- Maroc Modlisation, Optimisation et Simulation des Systmes : Dfis et Opportunits .

dordonnancement en intgrant les seuils de prfrence dfinis par le dcideur et conduit, au niveau de latelier, une stabilit accrue de lordonnancement. Le contexte particulier de la prise de dcision en temps limit implique de borner le temps dexcution des mthodes hybrides appliques en limitant le nombre dvaluations. De ce fait, il nest pas possible dutiliser un mcanisme de diversification labor au sein dune mtaheuristique plus efficace. Celui-ci naurait effectivement pas suffisamment de temps pour converger vers de bonnes solutions. Cest pour cette raison quaucun mcanisme de diversification na t intgr dans la mtaheuristique utilise (i.e. Hill-Climber). Pour pallier cette absence de diversification, nos modles hybrides sont bass sur un ensemble de mthodes srielles, offrant un panel de solutions initiales disperses dans lespace de recherche. Le modle hybride sriel couple la simulation et les mthodes srielles. Les deux autres modles hybrides compltent cette hybridation par lutilisation dun Hill-Climber comme intensificateur de la recherche qui explore intensment le voisinage de la solution initiale. Nous travaillons actuellement lacclration de notre modle de simulation et lintroduction de nouvelles mthodes srielles, pour amliorer nos modles hybrides et diversifier nos stratgies dordonnancement. Nous exprimentons galement lutilisation dautres mtaheuristiques plus efficaces que le Hill-Climber, telles que la recherche tabou et le recuit simul. L'utilisation de mtaheuristiques bases sur une population de solutions tels que lalgorithme gntique et les colonies de fourmis nest envisageable que si nous parvenons une rduction significative de la dure de simulation. Elles permettraient damliorer considrablement les capacits dexploration de lespace de recherche en vue de maintenir un compromis acceptable entre intensification et diversification (exploitation vs. exploration du voisinage), gage de performance de toute mthode de recherche qui se respecte. Au-del de lhybridation de plusieurs mthodes issues de diffrents domaines de recherche (modlisation, optimisation, simulation, performance), lun des points forts de nos travaux est la prise compte des ressources auxiliaires au sein, notamment, du modle de simulation. Une autre originalit de ces travaux rside dans la prcision de ce modle de simulation ainsi que dans la diversit des indicateurs de performance et des stratgies dordonnancement disponibles au sein de notre plateforme. A ce jour, nous avons termin la collecte et la synthse des informations destines enrichir lensemble des critres dvaluation actuels par la prise en compte daspects financiers et relatifs la maintenance (Jamali et al. 2004). Il sagit doffrir au dcideur une vue aussi complte que possible, non limite aux critres directement lis la production, afin de slectionner la stratgie dordonnancement la plus adapte en tenant compte de limpact des dcisions sur plusieurs aspects

(financier, production, maintenance) lors de la prise de dcision. REMERCIEMENTS Cette recherche a t ralise grce au financement de la Rgion Wallonne et du Fond Social Europen. Les auteurs souhaitent remercier le personnel de lentreprise Fontainunion pour leur contribution ce travail. REFERENCES Artiba, A., Emelyanov, V. V. et Iassinovski, S. I. (1998). Introduction to Intelligent Simulation: The RAO Language. Boston, Kluwer Academic Publishers. Brans J.P. et Mareschal B. (2002). PROMTHE-GAIA: Une mthodologie daide la dcision en prsence de critres multiples. Ellipses. Carlier, J. et Chrtienne, P. (1988). Problmes dordonnancement, modlisation, complexit, algorithmes. France, Masson. Chu C. et Proth J-M. (1996). Lordonnancement et ses applications. Masson. De Lit P., Latinne P., Rekiek B. et Delchambre A. (2001). An ordering genetic algorithm for assembly planning. International Journal of Production Research, 39(16), 36233640. Dhaevers V., Duvivier D., Roux O. et Artiba A. (2004). Intgration de lOptimisation et de la Simulation en Industrie Semi-Continue. In Proc. of MOSIM04. Duvivier, D., Dhaevers, V., Bachelet, B. et Artiba, A. (2003). Integrating simulation and optimization of Manufacturing systems. IEEE - Systems, Man, and Cybernetics, part C: Applications and reviews 33 (2), 186-192. Duvivier D., Artiba A. et Dhaevers V. (2005). Simulation based performance measurement and analysis: an industrial application. International Journal of Computer Integrated Manufacturing, 18(5), p. 402-407. Esquirol P. et Lopez P. (1999). Lordonnancement. Economica. Hansmann, K.-W. et Hoeck, M. (1997). Production control of a flexible manufacturing system in a job shop environment. International Transactions in Operational Research 4 (5/6), 341-351. Hoos H. H. et Sttzle Th. (2005). Stochastic local search Foundations and applications. Morgan-Kaufmann publishers. Jamali M.A., Roux O., Ait-Kadi D. et Artiba. A. (2004). An integrated approach using optimization methods and simulation in maintenance strategies analysis. 14th International Institution for Production Engineering Research, CIRP Design Seminar, Cairo, Egypt. Mareschal B. (1988). Weight stability intervals in multicriteria decision aid. European Journal of Operational Research 33, 54-64. Pichel D., Dontaine A., Iassinovski S., Artiba A. et Fagnart C. (2003). ALIX : une mthode de modlisation

6e Confrence Francophone de MOdlisation et SIMulation - MOSIM06 - du 3 au 5 avril 2006 Rabat- Maroc Modlisation, Optimisation et Simulation des Systmes : Dfis et Opportunits .

des flux dun systme de production. In Proc. of CPI 2003, Maroc. Pinedo, M. et Chao, X. (1999). Operations Scheduling with applications in manufacturing and services. Irwin/McGraw-Hill. Pomerol, J-C. et Barba-Romero, S. (2000). Multicriterion decision making in management: Principles and practice. New York, Kluwer. Rekiek B. (2001). Assembly Line Design multiple objective grouping genetic algorithm and the balancing of mixed-model hybrid assembly line. PhD thesis, Universit Libre de Bruxelles, Bruxelles, Belgium. Smith, M. L. et Seidmann, A. (1983). Due date selection procedures for job-shop simulation. Computers and Industrial Engineering Journal 7 (3), 199-207. Waikar, A. M., Sarker, B. R. et Lal, A. M. (1995). A comparative study of some priority dispatching rules under different shop loads. Production Planning Control 6 (4), 301-310.