Vous êtes sur la page 1sur 43

Gestion de Production

Pierre Lopez
LAAS-CNRS
Laboratoire d'Analyse et d'Architecture des Systmes
Centre National de la Recherche Scientifique
Toulouse
P. Lopez LAAS-CNRS

Gestion de Production

Plan du cours

Introduction

Historique

Typologie des SP

Flexibilit, gestion d'activits

Structures organisationnelles

Modles et mthodes en planification-ordonnancement

Programmation linaire

Thorie des graphes

Mthodes (gnrales) de rsolution exactes et approches

Mthodes spcifiques

Mthodes gnrales en GP

Gestion des stocks

Planification des besoins en composants

Juste--temps

P. Lopez LAAS-CNRS

Gestion de Production

Bibliographie

Vincent GIARD
Gestion de la production
Economica, 2003, 3me dition

Grard BAGLIN et al.


Management industriel et logistique
Economica, 1990

Jean BENASSY
La gestion de production
Hermes, 1998, 3me dition

Lionel DUPONT
La gestion industrielle
Hermes, 1998

Patrick ESQUIROL et Pierre LOPEZ


L'ordonnancement
Economica, 1999
Pierre LOPEZ et Franois ROUBELLAT
Ordonnancement de la production
Herms, 2001

P. Lopez LAAS-CNRS

Gestion de Production

1re partie : Introduction


1. Historique
2. Dfinitions
2.1. Vision automaticienne
Systme de Production
Gestion de Production
GPAO
2.2. Vision systmique : 4 grandes activits
2.3. Trois sous-systmes
systme physique
systme dcisionnel
systme informationnel
2.4 Flexibilit

3. Gestion d'activits
3.1. Dfinition
3.2. Approche multiniveaux
3.3. Organisation matricielle

4. Typologie des systmes de production


4.1. en fonction de lorganisation des ressources
4.2. en fonction du pilotage de la production
4

Historique

XVIIIme s. : production artisanale


XIXme s. : production manufacturire (armes, tabac)
XXme s. : dsir de rationalisation des facteurs de production
point de dpart de la gestion de production...

Taylor (1911) : organisation du travail base sur

distinction radicale entre conception et excution


recherche systmatique des conomies de gestes et mouvements
utilisation maximale de la machine

Ford (1913) : standardisation de la production et travail la chane

Harris et Wilson (1913-1924) : quantit conomique


Fayol (1916) : modle hirarchique d'organisation de la production

avance du concept de flexibilit dans les entreprises

savoir, prvoir, organiser, commander, coordonner, contrler

Gantt (1917) : ordonnancement

P. Lopez LAAS-CNRS

Gestion de Production

SP GP GPAO (1)

Systme de Production
vision automaticienne : transformer un ensemble de
matires premires ou de composants semi-finis en
produits finis

Gestion de Production
assurer l'organisation du systme de production afin de
fabriquer les produits en quantits et temps voulus
compte tenu des moyens (humains ou technologiques)
disponibles

Gestion de Production Assiste par Ordinateur

P. Lopez LAAS-CNRS

Gestion de Production

SP GP GPAO (2)

mat. 1res
ou comp. finis

Systme
de
Production

comp. finis
ou produits finis

GP

GPAO

Avantage : vision synthtique


Inconvnient : masquage des activits non orientes
fabrication (tude de march, conception, recherche, ...)

P. Lopez LAAS-CNRS

Gestion de Production

Vision systmique d'un SP

donnes
techniques

clients

gestion
de stocks
gestion des
matires

fournisseurs

stocks

gestion du
travail

donnes
commerciales

planification
ordonnancement
fabrication
suivi de
fabrication

P. Lopez LAAS-CNRS

Gestion de Production

Quatre grandes activits de la GP

gestion des donnes techniques

description des produits et des familles de produits


(nomenclatures)
description des processus de ralisation (gammes)

gestion des donnes commerciales


reoit les commandes et tablit les calendriers de livraison souhaits

gestion des matires

assurer l'approvisionnement en matires premires ou composants


assurer le stockage de produits fabriqus

gestion du travail
organiser dans le temps la ralisation des tches en leur attribuant
les ressources ncessaires. Prend en compte les donnes techniques
et commerciales et celles du suivi de fabrication (quantits dj
fabriques, tat des ressources...).

P. Lopez LAAS-CNRS

Gestion de Production

Distingo de 3 sous-systmes dans un SP

Systme physique

Systme dcisionnel

lments directement impliqus dans le processus de fabrication


soumis aux perturbations manant de l'environnement

gestion des activits du systme physique


prise en compte des contraintes environnementales
besoin de ractivit

Systme informationnel

assurer les liens systme physique-systme dcisionnel et systme


dcisionnel-environnement
besoin de ractivit

P. Lopez LAAS-CNRS

Gestion de Production

10

Flexibilit dans les entreprises

Flexibilit

Flexibilit vs. Ractivit

capacit d'un systme industriel crer ou grer la varit, afin de s'adapter


aux changements de l'environnement, internes (pannes machines, absences de
personnel...) ou externes (commandes urgentes, retard d'appros...), tout en
maintenant son quilibre
moyen pour une meilleure ractivit industrielle

flexibilit lie au nombre de choix possibles en rponse une perturbation


ractivit = processus de recherche de solution la perturbation

Apparition d'alas

practivit : prparation un changement prvisible


proactivit : action en vue de provoquer un changement souhait

P. Lopez LAAS-CNRS

Gestion de Production

11

La gestion d'activits

Activit = action d'un moyen socio-technique, d'une entreprise

Gestion d'activits = organiser la programmation d'un ensemble


d'activits sous contraintes de temps et de ressources

Applications

planification des flux


ordonnancement de tches / affectation de ressources
gestion de ressources

Traitement

mthodes stochastiques vs. dterministes


mthodes exactes vs. approches
approches par contraintes

P. Lopez LAAS-CNRS

Gestion de Production

12

Gestion d'activits : approche multi-niveaux

volume et htrognit des objectifs

approche globale inadapte (trop complexe)


distribution en plusieurs centres de dcision possdant
une abstraction et une hirarchie distinctes

[Antony 65] : classification des dcisions dans une


structure 3 niveaux qui diffrent par :

l'horizon de dcision
le niveau de comptence hirarchique
l'agrgation de la dcision

P. Lopez LAAS-CNRS

Gestion de Production

13

Niveaux de dcision en planification

planification long terme (dcisions stratgiques) :

planification moyen terme (dcisions tactiques)

tablissement d'un plan de production (dfinition des taux de production


pour chaque famille de produits)
organisation des moyens
horizon de 1 mois 1 an

planification court terme (dcisions oprationnelles)

dfinit la stratgie gnrale ou les macrostructures (tude de march,


investissements, campagne publicitaire)
horizon de 1 5 ans

dfinit des ordonnancements dtaills (objets terminaux et ressources


individualises)
horizon de 1 jour 1 semaine

micro-planification (conduite)

temps rel

P. Lopez LAAS-CNRS

Gestion de Production

14

Structures organisationnelles en GP (1)

Organisation hirarchique fonctionnelle


stratgique

tactique

gestion de projet

planification

oprationnel

ordonnancement

systme de production

P. Lopez LAAS-CNRS

Gestion de Production

15

Structures organisationnelles en GP (2)

Organisation matricielle projet/mtier


RP1

RP1

RP1

RM1
RM2
RM3
RM4

Contexte de lIngnierie Concourante


ordonnancement coordination entre diffrents acteurs
P. Lopez LAAS-CNRS

Gestion de Production

16

Typologie des SP (1)

En fonction de l'organisation des ressources

production continue : produit ne peut attendre qu'une ressource se


libre (ex : industries de process sidrurgie, ptrochimie, chimie
lourde, pharmacie, agroalimentaire)
production de masse : produits quasi-identiques, en grande
quantit, moyens de production spcialiss et organiss afin
d'optimiser le cycle de production (ex : industrie automobile...)
production en petite et moyenne sries : diversit forte des
produits, type de demande (personnalis) prohibe quipement
spcialis ressources polyvalentes, lancement par lot afin de
minimiser les cots lis a une campagne de fabrication (ex :
industries de sous-traitance : quipementiers, service)
production unitaire (gestion de projet) : production en trs faible
quantit, cycle de production lev, nombreuses ressources (ex :
industrie aronautique, spatial, BTP, )

P. Lopez LAAS-CNRS

Gestion de Production

17

Typologie des SP (2)

Organisation en ligne de production

ordre de passage sur les postes de travail toujours identique (flow


shop)

importance de la fiabilit du matriel, la panne d'une machine


provoquant l'arrt de la chane prpondrance de la
maintenance

quilibrage de la chane afin que le produit passe un temps aussi


constant que possible sur chaque poste. But : flux rythm des
produits sans accumulation d'en-cours ni perte de temps.

P. Lopez LAAS-CNRS

Gestion de Production

18

Typologie des SP (3)

Organisation en ateliers

main d'uvre qualifie et quipements polyvalents


importance de la gestion des approvisionnements cots de
manutention importants
diminution des cots

optimisation de la localisation relative des centres de production :


agencement de l'espace
technologie de groupe : constitution de "sous-usines" base sur des
considrations techniques

multiplicit des routes entre postes de travail prpondrance de


la problmatique d'ordonnancement

P. Lopez LAAS-CNRS

Gestion de Production

19

Typologie des SP (4)

Organisation de type srie unitaire

mobilisation de toutes les ressources de l'entreprise pour la


ralisation d'un projet, sur une assez longue priode
"survie" des entreprises ralise par la gestion en parallle de
plusieurs projets, des stades diffrents d'avancement
personnel qualifi excute des tches caractre non rptitif
quipements polyvalents
problme des stocks secondaire (produit fini non stockable et
approvisionnements spcifiques au projet)
problmes majeurs : respect des dlais et matrise des cots
rle essentiel de l'ordonnancement

P. Lopez LAAS-CNRS

Gestion de Production

20

10

Typologie des SP (5)

En fonction du pilotage de la production

production la commande : dclenche par la commande ferme


d'un client grande varit de produits, demande alatoire

production pour stock : dclenche par anticipation d'une demande


solvable ventail des produits restreint, demande importante et
prvisible

production mixte : fabrication sur stocks et la commande

production flux tendus

P. Lopez LAAS-CNRS

Gestion de Production

21

2me partie
Modles et mthodes en
planification-ordonnancement
1. Planification - Programmation linaire
2. Problmes d'ordonnancement
2.1. Dfinitions
2.2. Contraintes
Contraintes temporelles - Ingalits de potentiels
Contraintes de ressources
2.3. Typologie des problmes

3. Ordonnancement de projet
Position du problme
Diagramme de Gantt
Graphe potenties-tches
Mthode PERT

4. Ordonnancement datelier
Position du problme et dfinitions
Problme une machine
Flow shop
Job shop
Open shop

22

11

Programmation Linaire (1)


planification optimale du travail sur des ressources moyen
terme
production = processus continu sur un horizon relativement
important
modlisation par des quations ou des inquations linaires
o les inconnues sont les volumes de production sur chaque
priode
Objet : dterminer ces inconnues de faon optimiser un
critre (minimisation des en-cours, des stocks, des cots,
maximisation des marges bnficiaires)

Max Z = A.X
sous : C.X B
X0
P. Lopez LAAS-CNRS

Gestion de Production

23

Programmation Linaire (2)

Exemple

2 produits 1 et 2 dont les marges brutes sont respectivement 3 et 5


units montaires par unit de produit
fabrication = usinage + montage
capacit de l'atelier d'usinage = 1800 h/mois
capacit de l'atelier de montage = 1000 h/mois
1 unit du produit 1 (resp. 2) ncessite 2 heures (resp. 3 heures)
d'usinage et 1 heure (resp. 2 heures) de montage

Programme linaire
Dterminer :
maximisent :
sous les contraintes :

P. Lopez LAAS-CNRS

x1 et x2
qui
3x1 et 5x2
2x1+3x2 1800
x1 + 2x2 1000
x1, x2 0
Gestion de Production

24

12

PL : interprtation gomtrique

x2

800
droite de pente -3/5
correspondant au critre

600

2x

+3

x2

400

=1

80

rgion
admissible

(600, 200)
x1 = 0

200

x1 +

2x

x2 = 0

200

400

600

=1

800

000

1000
x1

600 units du produit 1 et 200 units du produit 2


marge brute totale = 2800 units montaires

P. Lopez LAAS-CNRS

Gestion de Production

25

PL : rsolution (1)

Le Simplexe

mise en vidence d'une base (affectation de var.) ralisable initiale


identification de la solution optimale en partant de la solution
initiale et en passant par une suite de solution adjacentes
complexit exponentielle mais trs grande efficacit en pratique

Problmes en nombres entiers

mthodes de coupe : relaxation des contraintes d'intgrit et


rsolution du problme continu

optimum entier STOP


sinon ajout de contraintes de faon tronquer la rgion admissible (ou
polydre) sans exclure aucune solution entire, jusqu' ce que
l'optimum soit entier

mthodes d'exploration arborescente

essentiellement pour les problmes bivalents (variables binaires)

P. Lopez LAAS-CNRS

Gestion de Production

26

13

PL : rsolution (2)
mthode de coupe

2me contrainte

solution fractionnaire

1re contrainte

une coupe

P. Lopez LAAS-CNRS

Gestion de Production

27

PL : diffrents problmes

Problme d'affectation
min i j cijxij
sous j xij=1, i
i xij=1, j
xij {0,1} , i,j

Problme de transport
min i j cijxij
sous j xijqi (quantit produite), i
i xijdj (demande), j
xij , i,j

matrices totalement unimodulaires : sous-matrices carres


unimodulaires (dterminant = 1) ou singulires (dterminant = 0)
la solution continue est entire
mthodes de flot maximal cot minimal : algorithmes de FordFulkerson, de Busacker-Gowen,
cf. problme du sac--dos : valeur associe chaque objet
algorithme pour l'affectation : mthode hongroise
algorithme pour le transport : stepping stone

P. Lopez LAAS-CNRS

Gestion de Production

28

14

PL : dualit et solveurs

Problmes primal/dual
min
sous

Z = CT X
max
W = b TU
AX b
sous
ATU C
X0
U0
3 proprits de la dualit :
Le dual du dual est le primal
Z* = W*
La rsolution par l'algorithme primal permet de dterminer tous les
lments de la solution de son dual

Solveurs : Xpress-MP, Cplex, Excel, Matlab (Tool Box


"Optimisation")
1re phase : relaxation en variables continues (Simplexe)
2me phase : optimisation combinatoire

P. Lopez LAAS-CNRS

Gestion de Production

29

Ordonnancement

dcrit
l'excution de tches
et
l'affectation de ressources
au cours du temps
compte tenu de contraintes
et de manire
satisfaire des objectifs

ressource

tche (ou activit ou opration)

restriction sur l'excution des tches


de temps ou de ressource

objectif

P. Lopez LAAS-CNRS

entit lmentaire caractrise par une date


de dbut et/ou de fin, une dure et une
intensit de ressource
interruptible ou non

contrainte

moyen socio-technique disponible en


quantit limite (capacit)
renouvelable ou consommable
disjonctive ou cumulative

optimalit vis--vis de critres


admissibilit vis--vis des contraintes

Gestion de Production

30

15

Profil d'excution d'une tche


On peut distinguer 3 phases dans l'excution de la tche

intensit de
ressource

temps
phase principale
prparation

finition

La dure de la tche peut tre une fonction de la quantit de moyens


utiliss pour son excution (notion de vitesse ou de performance des
ressources) : pi=f[aik (t)]

P. Lopez LAAS-CNRS

Gestion de Production

31

Problmes d'ordonnancement (1)

Etant donn :

un ensemble de tches
un ensemble de ressources

Dterminer :

quand les tches sont excutes ?


dbut (1), dure (2), fin (3)

1
comment les ressources sont affectes aux tches ?

5
3

B
temps

nature et intensit (4), squencement (5)

Applications

organisation du travail dans un atelier de fabrication


gestion de projet
confection d'emplois du temps
conception d'algorithmes de gestion (informatique, spatial, )

P. Lopez LAAS-CNRS

Gestion de Production

32

16

Problmes d'ordonnancement (2)


Plusieurs classes de problmes dterministes

Ordonnancement sans contraintes de ressource


ex : ordonnancement de projet
un projet unique
nombre lev de tches
relations temporelles complexes (contraintes potentielles)
les niveaux de ressources
sont des variables de
dcision (peuvent tre
adapts au plan)
D

ressources
temps
P. Lopez LAAS-CNRS

Gestion de Production

33

Problmes d'ordonnancement (3)

Ordonnancement avec contraintes de ressource

ordonnancement d'atelier/informatique

une machine
m machines identiques
m machines ddies

emploi du temps

11

12

13

21

22

23

31

32

33

Un problme de flow-shop 33

Ordonnancement avec ressources cumulatives

renouvelables/consommables
doublement contraintes

Budget

Ordonnancement
premptif/non premptif

temps

P. Lopez LAAS-CNRS

Gestion de Production

34

17

Ordonnancement/Affectation

placement des tches en temps et en espace


temps continu
contraintes temporelles
contraintes de ressources

diagramme de Gantt
ressources
R2

11

22

21

R1

12

13

23

temps

Cmax
P. Lopez LAAS-CNRS

Gestion de Production

35

Optimisation : mthodes exactes

Cheminement dans les graphes


Procdures d'exploration arborescentes

Programmation mathmatique

algorithme de rsolution par tentative et retour arrire


(backtracking)
"Branch and Bound"
programmation linaire en variables entires, mixtes
programmation dynamique

Rsultats spcifiques

propres chaque type de problme

P. Lopez LAAS-CNRS

Gestion de Production

36

18

Optimisation : mthodes approches

Heuristiques

"procdure exploitant au mieux la structure du problme considr, dans


le but de trouver une solution de qualit raisonnable en un temps de calcul
aussi faible que possible"
algorithmes gloutons (myopes)
rgles de priorit

Mtaheuristiques

cadre gnral de rsolution composes de deux grandes parties :

exploration : permet de visiter des rgions diffrentes dans l'espace des


solutions
exploitation : permet de savoir o se trouvent les meilleures solutions

solution unique (Tabou, recuit simul, ...)


population de solutions (algorithmes gntiques, ...)

P. Lopez LAAS-CNRS

Gestion de Production

37

Tabou, Recuit (recherche locale)

Principe

Mthode Tabou

A partir d'une solution initiale connue x, amlioration du critre par la


recherche de la meilleure solution x' dans un voisinage de x ; si pas
d'amlioration arrt, sinon x=x'.
A partir d'une solution initiale x, on examine compltement le voisinage
de x. On conserve la meilleure solution x'. On mmorise la solution
retenue dans une liste taboue d'une longueur donne.

Recuit simul

A partir d'une solution initiale x, un voisin x' est gnr alatoirement. On


calcule l'cart des fonctions cot f = f(x')-f(x). Si f 0, x=x'. Si f > 0,
x' remplace x avec une probabilit d'acceptation EXP(- /T) o T est un
paramtre, appel temprature, qui dcrot au cours de la procdure.

P. Lopez LAAS-CNRS

Gestion de Production

38

19

Algorithmes gntiques
(approche volutive)

Principe

Une population initiale est gnre alatoirement. Chaque solution


est code comme une chane de caractres (gnes). L'exploration
est ralise par les oprateurs de mutation (modification d'un gne)
et assure la diversification du voisinage ; l'exploitation est assure
par les oprateurs de croisement (permutation de gnes entre
solutions parents) et recherche les meilleurs enfants possibles.

P. Lopez LAAS-CNRS

Gestion de Production

39

Problme une machine


SPT

Rgle de Smith : WSPT (stock d'encours, temps de cycle, retard


algbrique, moyens ou pondrs)
Rgle de Jackson : EDD (retards maximum)
Algorithme de Moore-Hodgson : EDD modifie (nombre de tches
en retard)

P. Lopez LAAS-CNRS

Gestion de Production

40

20

Flow Shop
M1

M2

M3

Minimisation de la dure totale

2 machines Rgle de Johnson :


le travail i prcde le travail j si dans une squence optimale si :
min(pi1, pj2) < min(pj1, pi2)

Cas gnral : extension de la rgle de Johnson (heuristique CDS)

Pas de stockage sur machine


(industrie agroalimentaire)
flow shop sans attente

M1
M2
M3

problme du voyageur de commerce


P. Lopez LAAS-CNRS

Gestion de Production

41

Job Shop
M1
M2
M3

Minimisation de la dure totale

2 machines Algorithme de Jackson : bas sur la constitution de


4 familles (M1, M2, M1-M2, M2-M1) et rgle de Johnson
2 travaux mthode graphique (Akers)
Cas gnral : gnration d'ordonnancements actifs, sans retard,
heuristique de machine goulet ("bottleneck heuristic")

P. Lopez LAAS-CNRS

Gestion de Production

42

21

Open Shop

gammes de fabrication non connues l'avance

2 problmes

ex : construction de lotissements, rparation ou maintenance


d'engins, tenue d'examens mdicaux, ...
fixer un ordre de passage sur les machines pour chaque travail
trouver une squence de travaux sur chacune des machines

Minimisation de la dure totale, 2 machines et nonpremption rgle LAPT (Longest Alternate Processing
Time first) :
slection sur une machine libre du travail dont l'opration sur l'autre
machine possde la plus grande dure

Pour d'autres critres ou ds la considration de 3 machines


problmes NP-difficiles (sauf Om|pmtn|Cmax)

P. Lopez LAAS-CNRS

Gestion de Production

43

Contexte dynamique

Arrive continuelle de nouveaux travaux


Modifications des caractristiques du problme
Informations modlises comme un processus stochastique rgi
par une loi alatoire
Mthode analytique : thorie des files d'attente

valeurs des critres pour diffrentes rgles de priorit


rsultats analytiques sur les valuations en moyenne en rgime
stationnaire
rsultats pauvres pour les problmes d'atelier

Simulation

base sur des mthodes de Monte Carlo (mthode de simulation du


hasard)
permet d'viter des hypothses trop simplificatrices
facilit de gnrer un ordonnancement et d'examiner divers scnarios

P. Lopez LAAS-CNRS

Gestion de Production

44

22

La gestion d'activits

Activit = action d'un moyen socio-technique, d'une entreprise

Gestion d'activits = organiser la programmation d'un ensemble


d'activits sous contraintes de temps et de ressources

Applications

planification des flux


ordonnancement de tches / affectation de ressources
gestion de ressources

Traitement

mthodes stochastiques vs. dterministes


mthodes exactes vs. approches

approches par contraintes

P. Lopez LAAS-CNRS

Gestion de Production

45

Approche par contraintes


des problmes de dcision

originalit : formulation du problme de dcision


exclusivement en termes de contraintes

modle = < {variables de dcision}, {contraintes} >

contrainte = expression reliant des variables de dcision

solution = ensemble de valeurs qui satisfait toutes les contraintes

caractristiques

analyse du problme, rduction de la combinatoire, sparation


analyse/rsolution
flexibilit, modularit de l'approche
adapte au contexte de l'aide la dcision (volution du modle)

P. Lopez LAAS-CNRS

Gestion de Production

46

23

Approche par contraintes


de l'ordonnancement

Problmes de Satisfaction de Contraintes (CSP)

Thorie de l'ordonnancement

thormes de dominance
bornes infrieures et suprieures des solutions optimales
procdures arborescentes de rsolution

rgles de propagation des contraintes de ressources

rgles de cohrence locale pour les contraintes temporelles


stratgies de recherche heuristiques

Programmation par contraintes

Programmation Logique avec Contraintes


librairies C++

P. Lopez LAAS-CNRS

Gestion de Production

47

Propagation de contraintes (1)

ensemble de techniques permettant de simplifier la


rsolution

approche non-dterministe : caractrisation ensemble


de dcisions
renforcement de consistance : simplifier la rsolution du problme
(suppression des redondances, filtrage des valeurs des variables
n'appartenant aucune solution)

structuration des dcisions

limitation des actions possibles

explicitation des degrs de libert disponibles

P. Lopez LAAS-CNRS

Gestion de Production

48

24

Propagation de contraintes (2)

Rgles d'limination et
d'ajustement lie aux
paires de disjonction

tches
Tche 3
Tche 2

Exemple :
dj - ri < pi + pj i non avant j

Tche 1

problme disjonctif j avant i


ajustements de ri et dj

t
Propagation

tches
Tche 3
Tche 2
Tche 1

P. Lopez LAAS-CNRS

Gestion de Production

49

Ordonnancement & affectation

problme mixte d'ordonnancement et d'affectation

affectation de ressources : ensemble de ressources possibles


dures dpendantes des ressources

pour k, dure des tches variables pi,k [pi,kmin, pi,kmax]

exemple : Job Shop avec affectation


( M1 ,[5 ,7 ])
( M 2 ,[9 ,12])

( M 3 ,[5,10])

( M 4 ,[8,14])
( M1 ,[3,6])

( M1 ,[ 6,10])
( M 2 ,[ 2,4])

( M 2 ,[3,7])
( M 4 ,[5,10])

( M 3 ,[ 2,4])

P. Lopez LAAS-CNRS

Gestion de Production

50

25

Propagation de contraintes (3)


i est affecte sur Rk
j peut tre affecte sur Rk
ri

dj

i , pi ,k

Rk

i non avant j

j , p j ,k
rj

A j ! A j \ {Rk }

i , pi ,k

Rk

j , p j ,k

P. Lopez LAAS-CNRS

j p/ i
di

Gestion de Production

51

3me partie
Quelques mthodes de GP
1. Gestion des stocks
1.1. Prambule
1.2. Modle de la quantit conomique optimale (EOQ)
1.3. Exemples

2. Planification des besoins en composants


2.1. Introduction
2.2. Calcul des besoins bruts
2.3. Planification au plus tard
2.4. Calcul des besoins nets

3. Juste--temps
3.1. Introduction
3.2. Mthode Kanban

4. OPT

52

26

Gestion des stocks : prambule (1)

une des plus vieilles mthodes de GP


gestion base sur la notion de stock

stocks = 20 80 % du total du bilan d'une entreprise industrielle (selon l'activit)

assurer un stock moyen pour

viter des stocks trop importants (coteux : immobilisation d'une source


de revenu et besoin de gestion du stock)
viter des stocks trop faibles (difficult d'adaptation aux variations de la
demande) stocks ngatifs (ou pnurie, rupture, manque)

3 types de stocks

matires premires (anticiper les fluctuations des prix et les ventuelles


dfaillances des fournisseurs...)
en-cours (dcouplage des divers stades de la production et quilibrage des
flux, protection contre les arrts momentans)
produits finis (rduction des dlais de livraison, amortir les fluctuations de
la demande, de la production, parer aux priodes chmes (aot))

P. Lopez LAAS-CNRS

Gestion de Production

53

Gestion des stocks : prambule (2)

Hypothses

But

planification moyen terme


demande prvisible et relativement constante (production sur stock)
cots de stockage et d'approvisionnement connus et constants
cots proportionnels au nombre de pices
viter les ruptures de stock tout en conservant un niveau de stock le
plus faible possible
QUAND ET COMBIEN COMMANDER ?

Principe : minimiser une fonction de cot conomique

cot de possession li aux quantits stockes


cot de commande li au lancement en production, aux appros...
cot de rupture li aux retards de livraison

P. Lopez LAAS-CNRS

Gestion de Production

54

27

GdS : Modle de la Quantit


Economique de Commande (EOQ) (1)

EOQ = "Economic Order Quantity"


valable pour demande rgulire et taux d'appros
constant, recompltement priodique, pas de rupture
base sur une politique optimale de gestion des stocks
dont les caractristiques sont :

succession

d'ordres d'approvisionnement dont l'effet est de remonter le niveau du


stock, et
de phases o le stock diminue rgulirement sous l'effet de la
demande)

il est moins coteux d'attendre que le stock soit vide


pour passer commande (courbe y = Dx + Q)

temps de cycle = intervalle entre 2 commandes : Tcycle = Q/D

P. Lopez LAAS-CNRS

Gestion de Production

55

GdS : Modle de la Quantit


Economique de Commande (EOQ) (2)
niveau
de stock
Q

-D
t
Tcycle=Q/D

remplissage du stock non instantan (production par un site A de


l'atelier en amont du site B dont on gre le stock)
pour qu'un site A produise Q un taux P, il faut un temps Q/P,
pendant lequel la demande D du site B par unit de temps effectue un
prlvement DQ/P ; globalement, on a donc un taux P-D pendant une
dure Q/P, et on obtient Qmax = (P-D)Q/P = (1-D/P)Q

P. Lopez LAAS-CNRS

Gestion de Production

56

28

GdS : Politique optimale de gestion


des stocks dans un cadre de production
niveau
de stock
Q
Q(1-D/P)

P -D

-D

t
Q/P

(Q/D-Q/P)
Tcycle=Q/D

P. Lopez LAAS-CNRS

Gestion de Production

57

GdS : Formule de Wilson (1)


Rappel des notations

P = taux de production par priode


Q = taille en volume de la commande (stock)
D = demande en volume par priode
Tcycle = intervalle entre deux commandes (priode)
Cp = cot de possession par unit de produit et par priode
Cc = cot de commande
CT(Q) = cot total de stockage par priode

Le cot de possession entre 2 instants t1 et t2 est proportionnel au nb


cumul darticles stocks et la longueur de [t1,t2] ; il est donc
proportionnel l'aire contenue sous la courbe d'volution des stocks ;
do :
Cp
( Cp
%
DCc
D Q
1
D
CT (Q) = &&
Q(1 ! ) + Cc ## "
=
Q(1 ! ) +
2
P
D
T
2
P
Q
'
$ cycle
qui forme une hyperbole dont le minimum est trouv en galant zro
la drive par rapport Q. On obtient alors la formule de Wilson :
P. Lopez LAAS-CNRS

Gestion de Production

58

29

GdS : Formule de Wilson (2)


CT(Q)
dCT (Q )
=0
dQ
global
possession
commande

Q*

EOQopt = Q* =

2Cc DP
C p ( P ! D)

P. Lopez LAAS-CNRS

" CT (Q*) = 2 DCcC p (1 !

D
)
P

Gestion de Production

59

GdS : Exemple (1)


Donnes
demande hebdomadaire d'une pice D=200 units/semaine
cot de possession Cp=0,5 / unit / semaine
cot administratif d'une commande = 500
frais de livraison = 500

Donc :
cot global de commande Cc=1000

Hypothse : remplissage instantan du stock (fournisseur extrieur)


Q* =

2Cc D
Cp

CT (Q*) = 2 DCcC p

Q*= 895 pices


CT(Q*)=447,21 par semaine soit 2,24 /pice
T*=4,47 semaines
P. Lopez LAAS-CNRS

Gestion de Production

60

30

GdS : Exemple (2)


Donnes
demande annuelle d'une pice D=50000 units/an
production maximale P=200000 units/an
cot de commande Cc=500
cot de possession Cp=3 /unit/an
usine travaille H=240 jours/an

Donc :
demande journalire = 50000/240 = 208,33
production journalire = 200000/240 = 833,33
stock net journalier = 833,33 - 208,33 = 625

Production de Q units en 240Q/200000 jours, au bout desquels on aura


625.240Q/200000=0,75Q units stockes
Si Q=8000, et si le stock initial est nul, la production ncessitera 9,6
jours et permettra de stocker 6000 pices qui seront consommes en
6000/208,33=28,8 jours
Q*=4714 pices et CT(Q*)=10607
P. Lopez LAAS-CNRS

Gestion de Production

61

Planification des besoins en composants :


Introduction (1)

Apparue aux Etats-Unis dans les annes 65-70

Hypothses

MRP1 : Material Requirements Planning


dans les annes 80 prise en compte de la capacit limite des
ressources (MRP2 : Manufacturing Resource Planning)
planification moyen terme dans une production flux pousss
production rptitive (grande srie)

But

anticiper la demande pour s'adapter ses variations


QUAND ET COMBIEN PRODUIRE ?
par rapport la gestion des stocks, on met l'accent sur les
problmes lis la fabrication, les stocks apportant des contraintes
et des cots que l'on cherche minimiser

P. Lopez LAAS-CNRS

Gestion de Production

62

31

Planification des besoins en composants :


Introduction (2)

Implantation
Il faut disposer d'un systme d'information informatis (donnes
physiques, donnes comptables, plan directeur de production
comportant les quantits produire par famille de produits
Master Production Schedule , les niveaux des diffrents stocks et
une organisation des moyens disponibilit variable)
MPS

MRP

INV

Ordres de
fabrication
P. Lopez LAAS-CNRS

BOM

Ordres
d'achat

Gestion de Production

63

Planification des besoins en composants :


Introduction (3)

Principe de MRP1
3 phases
calcul des besoins bruts
planification au plus tard de la mise en fabrication des pices (ou
absorption des dlais)
calcul des besoins nets
Mise en uvre
dcisions prises chaque niveau valides par simulation
remise en cause si problme

MRP2 : ajout d'heuristiques (agissant sur le lancement


en production de pices) pour rester dans les limites
imposes par les ressources

P. Lopez LAAS-CNRS

Gestion de Production

64

32

PBC : Calcul des besoins bruts


Bas sur les liens de nomenclature (reprsentation arborescente)

lien
B
(1)
E
(1)

C
(2)
D
(2)

E
(1)

F
(2)

A se compose d'un sous-ensemble B, de deux


sous-ensembles C et de quatre pices F

Nombre de composants pour un compos


de niveau immdiatement suprieur
(coefficient technique ou de montage)

En final, le montage d'une unit de A


suppose de disposer de trois units de E et
de seize units de F

Pour 200 produits A commands, il faut


approvisionner 600 pices E et 3200 pices
F : ce sont les besoins bruts

A
F
(4)
F
(4)

Dfaut majeur : production non date et ne tenant pas compte des


stocks

P. Lopez LAAS-CNRS

Gestion de Production

65

PBC : Planification au plus tard (1)

Pour rpondre au problme de la production non


date, on va se servir du principe de calcul des besoins
bruts en prenant en compte les dcalages temporels
induits par l'attente d'un produit en un instant donn

"On met la nomenclature l'horizontale en lui faisant


subir une rotation de 90 dans le sens des aiguilles
d'une montre."

P. Lopez LAAS-CNRS

Gestion de Production

66

33

PBC : Planification au plus tard (2)

cycles de montage de A, C et D = 1 semaine


cycle de montage de B = 2 semaines
dlais d'approvisionnement de E = 1 semaine et F = 2 semaines
E
F

E
C

F
F

-6

-5

-4

-3

-2

-1

Pour fabriquer 200 produits A, on doit passer commande de 800 pices F au


dbut de la semaine -6, de 1600 au dbut de la semaine -4 et de 800 au dbut
de la semaine -3. On doit galement passer commande de 200 E au dbut de la
semaine -4 et de 400 au dbut de la semaine -3 Politique "lot-for-lot"...

P. Lopez LAAS-CNRS

Gestion de Production

67

PBC : Planification au plus tard (2)

Cycle total de fabrication d'un produit fini (A) = somme des


plus longs cycles chaque niveau de nomenclature (6)
Parallle avec un chemin critique puisque tout retard sur ce
chemin (manant de livraison ou de fabrication) affecte
d'autant la livraison au client
Les pices lances en fabrication sont affectes une
consommation prvue (politique lot-for-lot qui implique de
commander exactement le nombre d'articles ncessaires par
priode) permet de travailler sans stock (en thorie)
Inconvnient majeur de MRP1 : dcorrlation entre les
dlais et les volumes de production (qui se traduit
gnralement par l'introduction d'heures supplmentaires
pour faire face l'importance du dpassement des dlais
pour des volumes importants) justification de MRP2

P. Lopez LAAS-CNRS

Gestion de Production

68

34

PBC : Calcul des besoins nets (1)

Demande pour A sur les semaines 1 6 :


10, 20, 30, 40, 50, 50
Stocks initiaux :
A=30, B=70, C= 100, D=100, E=100, F=500
On part du niveau suprieur de la nomenclature : produit fini A

semaine 1 : demande couverte par le stock stock = 20


semaine 2 : demande couverte par le stock stock = 0
semaine 3 : lancement de 30 units en semaine 2
semaine 4 : lancement de 40 units en semaine 3
semaine 5 : lancement de 50 units en semaine 4
semaine 6 : lancement de 50 units en semaine 5

Pour pouvoir lancer A, il faut disposer des composants B, C et F


Pour B :
semaines 2 et 3 :demandes couvertes par le stock stock = 0
semaine 4 : lancement de 50 units en semaine 2
semaine 5 : lancement de 50 units en semaine 3
...

P. Lopez LAAS-CNRS

Gestion de Production

69

PBC : Calcul des besoins nets (2)


Demande A
Stock initial A
Besoin net A
Lancement A
Besoin brut B
Stock initial B
Besoin net B
Lancement B
Besoin brut C
Stock initial C
Besoin net C
Lancement C
Besoin brut D
Stock initial D
Besoin net D
Lancement D
Besoin brut E
Stock initial E
Besoin net E
Lancement E
Besoin brut F
Stock initial F
Besoin net F
Lancement F

P. Lopez LAAS-CNRS

1
10
30
0
0
0
70
0
0
100
0
0
0
100
0
0
0
100
0
0
0
500
0
540

2
20
20
0
30
30
70
0
50
60
100
0
40
100
100
0
100
90
100
0
140
380
500
0
-

Semaines
3
4
30
40
0
0
30
40
40
50
40
50
40
0
0
50
50
80
100
40
0
40
100
100
100
100
0
100
150
100
10
0
140
100
100
660
120
540
-

Gestion de Production

5
50
0
50
50
50
0
50
100
0
100
-

6
50
0
50
-

70

35

Juste--temps : Introduction (1)

Apparue au Japon dans les annes 80 (Toyota)

Hypothses

planification court terme dans une production flux tirs


flux tirs : relancer de nouvelles phases de fabrication pour
remplacer des produits ou des composants sortis des stocks
production de masse

But

fournir le produit exactement au moment du besoin et exactement


dans la quantit dsire
minimiser les en-cours
tendre vers un flux de produits continu, approcher les quatre zros
(0 stock / 0 retard / 0 dfaut / 0 panne)

P. Lopez LAAS-CNRS

Gestion de Production

71

Juste--temps : Introduction (2)

Principe

simpliste

mise en ligne des machines pour accrotre la fluidit

quipements spcialiss, oprateurs polyvalents

flux tirs et recherche des quatre 0 (runion entre les diffrents


acteurs de la production)

P. Lopez LAAS-CNRS

Gestion de Production

72

36

JAT : La mthode Kanban (1)

Description

OF en provenance de l'aval = "ticket" ou "Kanban"


un Kanban comporte les informations suivantes :

dsignation de la pice et de l'opration


dsignation des lieux d'origine et de destination
quantit par conteneur (conteneur sert aux manipulations inter-postes)
nombre de tickets en circulation dans la boucle

particularit d'un Kanban : circule en permanence dans le flux de


fabrication ; il descend le flux avec les pices et le remonte une fois
les pices consommes
chaque poste de transformation possde un tableau mural de
Kanbans ; une colonne par rfrence ; chaque colonne possde des
index indiquant un niveau de lancement en fabrication possible (lot
conomique) et un seuil d'alerte imposant un lancement en urgence

(remarque : la mthode Kanban n'induit pas de 0 stock comme le voudrait le juste--temps)


P. Lopez LAAS-CNRS

Gestion de Production

73

JAT : La mthode Kanban (2)

Problme

dterminer le nombre de Kanbans de chaque type ncessaires dans


l'atelier
fait par simulation ou ttonnements successifs (on enlve des
Kanbans jusqu' ce que des ruptures de stock apparaissent)

Diffrentes phases

(a) le Kanban est mis sur le conteneur de pices qui viennent d'tre
fabriques au poste amont
(b) le Kanban accompagne le conteneur au poste suivant (en aval
du flux) et reste sur le conteneur en attente
(c) au moment o le conteneur est mis en fabrication sur le poste
aval, le Kanban est libr et retourne au poste amont
(d) le Kanban est plac dans un planning, prs du poste amont ; il
sera retir de ce planning au moment d'une nouvelle mise en
fabrication

P. Lopez LAAS-CNRS

Gestion de Production

74

37

JAT : La mthode Kanban (3)

Circulation des Kanbans


poste
amont
planning Kanban

(a)

(b)

poste
aval

(c)
flux physique
des conteneurs

(d)

flux des Kanbans


Kanban sur
un conteneur
Kanban libre

P. Lopez LAAS-CNRS

Gestion de Production

75

OPT (Optimized Production Technology)

plus une philosophie qu'une mthode


concept de flux tirs traduit par un flux de lancement
adapt au rythme des machine les plus lentes
base sur un ensemble de 10 rgles de bon sens utilisant
la notion de ressource goulot

il faut quilibrer les flux (dynamique) et non les capacits (statique)


l'utilisation d'une ressource non goulot n'est pas lie sa capacit
1 h perdue sur une ressource goulot est 1 h perdue pour tout le
systme
1 h gagne sur une ressource non goulot est un leurre
les lots de fabrication doivent tre de taille variable et non fixe
calculs des besoins en composants et calcul du plan de production
doivent tre raliss simultanment (remet en cause le MRP)
...

P. Lopez LAAS-CNRS

Gestion de Production

76

38

P. Lopez LAAS-CNRS

Gestion de Production

77

Ordonnancement de projet

Mthode chemin critique (PERT)

modlisation par graphe potentiels


recherche des ordonnancements au plus tt/tard
identification des tches critiques
caractrisation des marges

P. Lopez LAAS-CNRS

Gestion de Production

78

39

Algorithme gnral de rsolution


tant que il reste des variables non affectes
et que une inconsistance globale nest pas dtecte
appliquer les raisonnements
si une inconsistance est dtecte
alors si il existe des choix non explors
alors retour arrire sur un choix non explor
sinon inconsistance globale dtecte
sinon
slectionner une variable encore libre
choisir une valeur pour cette variable et mmoriser les autres

P. Lopez LAAS-CNRS

Gestion de Production

79

Affectation et "Branch and Bound"


Tourne Tour 1 Tour 2 Tour 3
Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8

Principe de sparation :
affecter un camion une
tourne

Fonction d'valuation :
somme des cots minimaux
par tourne

P. Lopez LAAS-CNRS

Gestion de Production

80

40

Affectation et "Branch and Bound"


0 71

Tourne Tour 1 Tour 2 Tour 3


Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8

Principe de sparation :
affecter un camion une
tourne

Fonction d'valuation :
somme des cots minimaux
par tourne
71 = 62 + 1 + 8

P. Lopez LAAS-CNRS

Gestion de Production

81

Affectation et "Branch and Bound"


Tourne Tour 1 Tour 2 Tour 3
Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8

0 71
Cam A Tour 1

Cam A Tour 3

Cam A Tour 2

3 126

112 1

Principe de sparation :
affecter un camion une
tourne (Cam A)

Fonction d'valuation :
somme des cots minimaux
par tourne

P. Lopez LAAS-CNRS

Gestion de Production

2 71

82

41

Affectation et "Branch and Bound"


Tourne Tour 1 Tour 2 Tour 3
Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8

0 71
Cam A Tour 1

Cam A Tour 3

Cam A Tour 2

3 126

112 1

Principe de sparation :
affecter un camion une
tourne (Cam B)

Fonction d'valuation :
somme des cots minimaux
par tourne

P. Lopez LAAS-CNRS

2 71
Cam B Tour 1

Cam B Tour 3

5 151

83 4

Gestion de Production

83

Affectation et "Branch and Bound"


Tourne Tour 1 Tour 2 Tour 3
Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8

0 71
Cam A Tour 1

Cam A Tour 3

Cam A Tour 2

3 126

112 1

Principe de sparation :
affecter un camion une
tourne (optimum)

Fonction d'valuation :
somme des cots minimaux
par tourne

P. Lopez LAAS-CNRS

2 71
Cam B Tour 1

83 4

Gestion de Production

(Cam C Tour 3)

Cam B Tour 3

5 151

84

42

Affectation et "Branch and Bound"


Tourne Tour 1 Tour 2 Tour 3
Camion
Cam A
94
1
54
Cam B
74
10
88
Cam C
62
88
8

0 71
Cam A Tour 3

Cam A Tour 1

Cam A Tour 2

3 126

112 1

Principe de sparation :
affecter un camion une
tourne (optimum)

Fonction d'valuation :
somme des cots minimaux
par tourne

2 71
Cam B Tour 1

83 4

Cam B Tour 3

(Cam C Tour 3)

5 151

Les nuds pendants sont sonds par test d'optimalit

P. Lopez LAAS-CNRS

Gestion de Production

85

Programme linaire
min ijk x(i,j,k)
sous
j,k, ijk x(i,j,k) < 1
i,j,k, x(i,j,k) - x(i,j,k-1) < 1
j, ik t(i,j)*x(i,j,k) < tmax(j)
t(i,j) R
x(i,j,k) {0,1}

critre

contraintes globales

contraintes de domaines

rsolution par solveurs : Xpress-MP, Cplex, Excel, Matlab (Tool


Box "Optimisation")
1re phase : relaxation en variables continues (Simplexe)
2me phase : optimisation combinatoire

P. Lopez LAAS-CNRS

Gestion de Production

86

43