Vous êtes sur la page 1sur 43

Catherine Azzaro-Pantel- Procds Discontinus

Procds
Discontinus

Catherine AZZARO-PANTEL
Professeur ENSIACET-INPT
Catherine.AzzaroPantel@ensiacet.fr

Sommaire
Chapitre 1 : Procds DiscontinusDfinitions et Concepts
Chapitre 2 : Ordonnancement
Chapitre 3 : Conception dateliers
discontinus

Institut National Polytechnique de Toulouse


ECOLE NATIONALE SUPERIEURE DES
INGENIEURS EN ARTS CHIMIQUES ET
TECHNOLOGIQUES

-1/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Procds Discontinus
Dfinitions & Concepts

Objectifs :
Introduction gnrale et application la problmatique chimie fine
( pharmaceutical supply chain )
Keywords : scheduling, production planning, batch plant design, supply chain

1.1

LUnivers de la Chimie Fine

Lindustrie de la chimie fine couvre une grande varit de produits allant de molcules trs
simples comme par exemple lacide pivalique obtenu via une synthse en une seule tape
des molcules fort complexes comme lorfloxacine produite via une synthse en plusieurs
tapes.
Les produits en chimie fine peuvent tre regroups en trois grands secteurs
stratgiques (voir Figure 1.1):
1 Intermdiaires standard
2 Principes actifs standard en vrac (surtout dans le domaine pharmaceutique ou dans
lagrochimie)
3 Produits faon ou synthse faon
Ces divers secteurs prsentent des caractristiques trs diffrentes (Figure 1.2).
Dans lintermdiaire standard, disponible pour tout client potentiel et produit hors du cadre de
synthse faon :
La gamme des produits est reprsente par une multitude de molcules
Malgr sa grande htrognit, ce groupe de produits prsente :
Un cycle de vie relativement long (du moins pour la chimie fine), de lordre de vingt ans ou
plus
Une synthse qui fait intervenir une tape qui le plus souvent requiert une technologie
spcifique (nitration, hydrognation ) ou laccs des matires premires cls (comme
par exemple lacide cyanhydrique).
Des situations de monopole relativement rares, un mme intermdiaire tant le plus souvent
offert par plusieurs fournisseurs qui se concurrencent au niveau des prix
Un impact relativement lev des matires premires dans la structure des cots.
Dans la synthse faon, la gamme des produits est beaucoup plus restreinte, chaque
produit est synthtis pour le compte dun seul client dans le cadre de contrats

-2/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Les produits de ce secteur comprennent principalement des structures molculaires


relativement complexes exigeant pour leur synthse la mise en uvre de plusieurs tapes
ou dun savoir-faire particulier.
Les caractristiques principales sont les suivantes :
- Les produits ont un cycle de vie relativement imprvisible, mais gnralement plus court
que dans le cas des intermdiaires standard. Cela est li au cycle de vie du produit final et
de la dpendance dune seule utilisation et dun seul client. (contrairement aux
intermdiaires standard qui sont utiliss par plusieurs clients dans plusieurs applications).
- Le facteur prix ne joue quun rle relativement limit dans la dynamique dachat et les
bases de la concurrence. Au contraire, la flexibilit commerciale du fournisseur potentiel,
savoir sa capacit de produire la structure molculaire souhaite dans les volumes et les
dlais requis par le client joue un rle bien plus important que les prix.
- Le cot des matires premires reprsente en gnral moins de 40% dans la structure du
cot total.
Dans les principes actifs standard (i.e., ils ne sont plus couverts par les brevets), la gamme
de produits est trs tendue. Elle recouvre des molcules dont la complexit peut varier
normment (ex : paractamol).
Dans la plupart des cas, ces molcules sont obtenues via des procds comportant
plusieurs tapes de synthse et au dpart dintermdiaires de synthse dj trs labors.
Les volumes varient selon le produit considr.
Par exemple en pharmacie (ex Ibuprofne), les tonnages peuvent atteindre plusieurs milliers
de tonnes pour des analgsiques vendues sous la forme de produits OTC (Over The
Counter) tandis que le march des antitumoraux dpasse rarement la dizaine de kilos par
ans.
Le cycle de vie utile (priode pendant laquelle des niveaux satisfaisants de prix peuvent tre
atteint) est en gnral court. Ceci sexplique par des barrires lentre relativement basses,
permettant de nouveaux entrants de stablir sur le march ce qui conduit une certaine
rosion. Le plus souvent, la base de la concurrence dans ce secteur est reprsente par le
prix, surtout pour les molcules fort tonnage.

-3/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Lunivers de la chimie fine

Matires
premires
de base

Intermdiaires
de base

Intermdiaires
avancs

Principes
actifs (vrac)

Produits
formuls

Exemple
Benzne

Nitrobenzne

2,3,4
Oxoflacin
Trifluorobenzne

Tarivid

Produits de chimie de base


Zone de recouvrement dpndant de la dfinition adopte
(prix de vente)

Produits de chimie fine

Figure 1.1 : Lunivers de la Chimie Fine

Segmentation de lindustrie de la chimie fine


Produits

Intermdiaires
standard

Principes actifs
standard

Synthse faon

Types de structures

Trs tendu

Trs tendu

Relativement peu

Applications

Souvent multiples

Unique (mais plusieurs


clients)

Unique
(et un seul client)

Cycle de vie

Long

Relativement court

Court et
imprvisible

Impact des matires


premires sur les
cots de production

Elev

Trs variable

Limit

Exemples

Fluorobenzne

Trifluraline

Etodolac

Figure 1.2 : Segmentation de la Chimie Fine

-4/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

1.2

Dfinition de la Chimie Fine

Il existe plusieurs dfinitions de la chimie fine. Elles consistent noncer diffrentes


caractristiques dont les fonctions sont relativement fluctuantes.
Ces caractristiques sont toutes impliques dans lactivit dingnierie.
Productions de petit tonnage : mais il nen existe pas de limites prcises. Pour certains ce
sera quelques tonnes par an, pour dautres quelques centaines. En gnral, quelques
tonnes par mois au maximum.
Molcules complexes, frquemment fabriques en plusieurs tapes ractionnelles.
Dure de vie des produits relativement courte (surtout si on compare aux produits de la
chimie de base), qui en moyenne infrieure 20 ans.
Forte valeur ajoute du fait de cette complexit de fabrication et de dette courte dure de
vie. L aussi, il ny a pas de limite prcise. Cette valeur tant pour certains de lordre de
10/kg et pour dautres de quelques milliers de francs. Pour fixer les ides, on peut estimer
la moyenne 20/30 /kg. Cependant des montants beaucoup plus levs sont toujours
possible : la littrature mentionne des tudes portant sur la fabrication dun produit valant
plus de 0,15 M/kg !
Activits de R&D assez complexes et coteuses (Figures 1.3 et 1.4): Le domaine
pharmaceutique est typique, tout en constituant un extrme (car compliqu par les
contraintes lies la ncessit dtablir les dossiers dAutorisation de Mise sur le March
(AMM) et labandon de trs nombreux produits au cours du dveloppement) : on estime
que dix ans de travail sont ncessaires et 200 M$ sont ncessaires pour amener une
molcule du stade de la dcouverte la vente en pharmacie. Ainsi de nos jours, dans les
socits pharmaceutiques les dpenses de R&D dpassent 14% du chiffre daffaires... Les
produits ntant protgs que pendant 20 ans par les brevets, on ne pourra amortie les
dpenses de R&D que sur une priode de 10 ans environ. On conoit aisment quune trs
grande confidentialit entoure la profession.

-5/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Figure 1.3 : Les diffrents stades de dveloppement du produit

Figure 1.4 : Vitesse dattrition dun produit pharmaceutique

-6/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Production en discontinu : la plupart du temps mme si on se pose souvent la


question du passage en continu (volution probable de certaines fabrications).

Installations polyvalentes : la plus souvent du fait des faibles tonnages fabriquer, de


la ncessit de rduire les stockages un minimum pour ces produits coteux et de
la plus grande facilit mettre en uvre conomiquement des units discontinus
pour la fabrication de produits diffrents.

1.3

Notion datelier polyvalent ou flexible

Les ateliers discontinus concernent traditionnellement des produits forte valeur ajoute, de
lordre de 5-500 /kg [1]. Les quantits produites annuellement sont relativement modestes,
de lordre de quelques centaines de tonnes. Dans ces conditions, une installation ddie la
fabrication dun seul produit est confronte au dilemme suivant :

fonctionner toute lanne, ce qui conduit de faibles volumes dquipement et


entrane des frais de main duvre levs.
ou fonctionner quelques mois par an : en rsultent des volumes plus importants et
des frais de main duvre plus supportables, mais des investissements plus difficiles
amortir ;
la dure de vie des produits est trs variable, gnralement imprvisible, souvent
brve ; ils nont habituellement quun nombre limit dapplications (parfois une seule)
et sont facilement remplacs par un produit nouveau offrant dautres avantages ;
les produits sont souvent prpars au moyen de synthses complexes ncessitant
plusieurs tapes.

Ces contraintes ont donc fait natre le besoin dateliers de fabrication assez souples, dits
polyvalents ou flexibles, pour pouvoir prendre en charge, en ltat ou moyennant des
modifications mineures, des procds non prvus lors de la phase de conception. Ils
permettent ainsi de ragir rapidement aux demandes du march et de satisfaire les attentes
des clients selon le concept du juste temps .
La flexibilit peut tre dfinie comme laptitude rpondre une variation de la demande et
peut tre envisage sous langle de :
la flexibilit vis--vis des produits. Elle caractrise la capacit dun systme de
production laborer diffrents produits sans modification substantielle du systme.
Ce type de flexibilit est particulirement important pour la production de familles de
produits (flexibilit de variantes, de type, de produits).
la flexibilit structurelle. On peut distinguer une flexibilit de transformation (le
systme de production, spcialis pour un produit, peut tre adapt rapidement une
autre fabrication via des changements de connexions entre ses lments) ainsi
quune flexibilit au sens large (le systme de production peut servir,
simultanment, pour des fabrications de produits trs diffrents). Un intrt des
ateliers discontinus est galement de pouvoir mettre en uvre trs rapidement des
procds nouveaux.
La flexibilit vis--vis de la capacit. Un tel systme peut sadapter des
demandes diffrentes en capacit.

-7/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

1.4

Production par campagnes

Un atelier discontinu prsente lavantage de pouvoir laborer, par campagnes, plusieurs


composs, souvent forte valeur ajoute, partir dquipements standard et de sadapter
des variations de nature et de qualit des matires premires, ainsi qu des fluctuations
frquentes du march (en jouant, par exemple sur le nombre et la longueur des campagnes).
Il nexiste pas un consensus gnral sur la dfinition dune campagne de production.
Certains auteurs [2] englobent les notions de campagne et dhorizon total de la production
long terme. Ils considrent que la production totale seffectue en une seule fois, en
ngligeant les problmes de gestion court terme.
Dautres auteurs [3] envisagent des campagnes de longue dure pendant lesquelles un seul
produit est labor (campagnes dites monoproduits ). La succession de plusieurs
campagnes monoproduits assure le niveau de production de plusieurs produits.
Une autre approche frquemment rencontre dans la littrature concerne llaboration
simultane de plusieurs produits condition quils ne partagent pas des quipements
(campagnes dites multiproduits ) [4].
Une approche classique consiste diviser l'horizon de production en campagnes identiques
(Voir Figure 1.5). La politique de production par campagnes cycliques permet ainsi de
rduire la complexit de la gestion et le contrle de l'atelier en oprant d'une manire
cyclique dans laquelle un ensemble de tches est rpt rgulirement [5]. Ce
fonctionnement assure une production priodique de chaque produit et permet une meilleure
utilisation des ressources en favorisant la polyvalence des quipements.
Une contrainte particulire (surtout pour les produits de chimie fine ou de spcialits)
concerne la ncessit de nettoyer systmatiquement et facilement les quipements, ce qui
doit tre prvu ds les phases de conception et de construction de lunit. Lobjectif du
nettoyage entre la fabrication de deux produits est dviter la contamination du produit
suivant B par les rsidus du produit A issu du lot prcdent (prvention du phnomne de
contamination croise). Lefficacit du nettoyage peut tre value en termes de critres
physiques, biologiques ou chimiques. Dans lindustrie de la chimie fine, cette exigence est
impose par les Bonnes Pratiques de Fabrication, do la ncessit dintgrer la phase de
nettoyage au sein du procd. En particulier, elle consiste pour des ateliers monoproduits
raliser ces nettoyages lors de phases dintercampagnes.

Campagnes de production
Niveau de production :
Produit 1 (20%)
Produit 2 (30%)
Produit 3 (50%)

Horizon de production

campagne
1
2

Production discontinue
Figure 1.5 : Division de lhorizon de production en campagnes cycliques

-8/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

En conclusion, la gestion dun atelier discontinu implique la considration explicite du temps


et de la dynamique des tapes du procd. Trois lments essentiels sont prendre en
compte:

Production : procds + recettes qui dcrivent lensemble des tapes physiques et


chimiques ncessaires pour laborer un produit ;
Atelier : {ensemble dquipements} pour effectuer ces oprations ;
Un march qui fixe les quantits, qualit et dlais pour llaboration des produits

On peut comparer les caractristiques des procds continus et discontinus. (Figure 1.6)

Continu
Correspondance
entre tapes de la
recette et
quipements de
lunit.
Le flowsheet permet
la ralisation de la
recette et sa structure
reste fixe dans le
temps.

Discontinu
Structure de la recette
et structure du rseau
dquipements de
latelier a priori
distinctes.
La configuration peut
changer en fonction
du type de produit
(ex. connexions entre
quipements).

Figure 1.6 : Comparaison procds continus/discontinus

Les procds discontinus induisent donc un niveau de dcision dingnierie supplmentaire


(Figure 1.7).

Problme daffectation
tapes de la recette /
quipements sur des
intervalles de temps
spcifiques
Dcisions de nature
discrte
Aspect combinatoire
induit, original par rapport
aux procds continus

Figure 1.7 : Niveau dingnierie supplmentaire

-9/ 43-

Opration i ?

Catherine Azzaro-Pantel- Procds Discontinus

1.5

Structures monoproduit et multiproduit

On rencontre classiquement deux types de configurations dateliers : ateliers multi-produits


ou flowshop (Figure 1.8) et ateliers multiobjectifs ou jobshop (Figure 1.9).
Le premier cas correspond un cheminement unique o tous les produits suivent la mme
squence opratoire. La production est gnralement ralise en une srie de campagnes
monoproduits.
Dans le second cas (i.e., multiobjectifs ou jobshop), il sagit dateliers cheminements
multiples o chaque famille de produits possde une squence dlaboration spcifique.
Latelier multiobjectif est bien videmment plus polyvalent que latelier multiproduits.
Notons que les tudes recenses dans la littrature traitent majoritairement du cas de
latelier multiproduit.

A
B
C

Figure 1.8 - Atelier multiproduit

A
B

4
C

Figure 1.9 - Atelier multiobjectif

Il faut signaler que la frontire entre procds multiproduits et multiobjectifs nest pas
toujours trs rigide, dans la mesure o les divers auteurs qui ont men des recherches sur la
conception et la gestion dateliers discontinus, affectent les exemples lune ou lautre des
catgories selon la similitude des processus dlaboration des produits et le partage ou non
des quipements pour une mme campagne de production.

Un peu de terminologie en anglais !

The standard discontinuously operated multiproduct plant is very similar to a conventional


batch plant, the most frequently encountered and oldest type of multi-product plant. of whicb
there are many variations. The conventional batch plant is product-specific, and contains
only the equipment necessary for the production of a specific product; in contrast, the
likelibood that a standard multiproduct plant will be used for many different tasks is
incorporated into the planning from the outset. Equipment suited to a wide spectrum of
product properties and process parameters is usually preferred..
A significant characteristic of this type of plant is the permanent connections between the
tubing of the equipment. Cleaning between product changeovers is then a very complex
problem. In practice, the whole unit is often cleaned by a suitable solvent being boiled in the
plant; this is a very intensive process. A pro-posed solution to this problem has been that of
permanently installed CIP (cleaning in place) installations.
Structure of the Plant

-10/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Basic Construction

The center of the plant is an agitated vessel with a distillation column placed on top of it and
a secondary beating-cooling cycle. The structure of such a discontinuously operated
standard multiproduct plant is represented in Figure 1.10. For the bandling of feedstocks,
products, and solvents, a sufficient number of loading vessels, buffer containers, and
receivers are at band. Bach peripherally placed buffer vessel can receive the total content of
the reactor. Agitated reactor vessels and peripheral equipment are connected to each other
by fixed pipes.
The columns on top of the reactor are for simpler distillations, such as removal of solvents or
reaction side products. This task is usually fulfilled by glass columns with a few meters of
random packing or structured glass or ceramic packing.
The vertical positioning of the apparatus allows a gravitational flow direction of the
substances: from the loading vessels and batch vessels into the agitated reactor vessel,
placed below them, and then further into the receivers placed underneath the reactor.
Despite this vertical arrangement, it is still useful to equip central apparatus such as stirring
vessels and important receivers with pumps and pump cycles. This prevents difficulties with
highly viscous media or slurries.
Equipment and machinery for solid-liquid separations are usually found below the agitated
vessel. Solid-liquid separations are required for the workup of solid-containing reaction
mixtures or the separation of catalysts in the case of suspension-catalyzed reactions. At this
point, centrifuges such as inverting filter centrifuges or agitated pressure nutsch filters that
are adaptable may be incorporated. Below the filter, a drier that is as widely applicable as
possible, for example, a shovel drier, is chosen, to ensure independent drying if needed.
The pumps that are in use should be corrosion-resistant and be adaptable regarding rate and
pressure of delivery.

Figure 1.10. Standard multiproduct batch plant (from Multiproducts plants, Wiley-VCH,
ed. Joachim Rauch)

-11/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

1.6

Description dun atelier discontinu

Un procd discontinu peut tre dcrit comme une squence dvnements chimiques,
physiques ou biologiques partir desquels on obtient un nouveau produit. Cette dfinition
trs gnrale est indpendante de type datelier dans lequel on mettra en uvre ce procd.
La quantit de produit qui rsulte du procd discontinu est appele lot.
Un atelier discontinu peut tre dcrit en faisant intervenir les lments suivants :
- un ensemble dquipements (units de procds, bacs de stockage, units de
transport, lignes de connexions entre quipements) au sein dun atelier. Les quipements
sont gnralement adapts un large spectre de proprits de produits et de conditions
opratoires. Un quipement Eqk peut tre utilis un stage j1 dans la production du produit
P1, mais peut aussi tre utilis ltape j2 de la production du produit P2 ;
- un ensemble de produits laborer et des spcifications sur leur demande.
- un ensemble de ressources consommables (matires premires, ractifs...) ou
renouvelables (oprateurs, lectricit, utilits de chauffage ou refroidissement).
- des tches : il sagit des oprations lmentaires de transformation physique ou
chimique qui ncessitent un type dquipement particulier. A chacune de ces oprations sont
associs :
- un temps opratoire (pour les appareils discontinus) ou un dbit (pour les appareils
semi-continus), gnralement fonction du type spcifique dquipement ou de la quantit de
produits traiter.... On dsigne par Tij le temps ncessaire au traitement du lot de produit i
ltape j pour produire une quantit unitaire de produit i.
- une liste dquipements admissibles pour effectuer lopration ; ce niveau,
lclatement ou le regroupement de lots de produits peut tre envisag sur certains
appareils. On appelle facteur de taille Sik la capacit requise ltape k pour produire une
quantit unitaire de produit i (en volume, mole ou masse).
- un bilan matire qui dtermine la quantit de matire traite par opration
conduisant une quantit unitaire dun produit final. Pour produire un lot Bi de produit i
lquipement k, un quipement de volume BiSik et un temps opratoire Tik sont ncessaires.
De faon plus gnrale si lon se fixe une consigne de production Bi pour chaque produit i, on
cherche calculer le produit limitant pour chaque opration. On peut crire cette capacit Vk
comme tant :
Vk = max{Sik .Bi }, k K
i I

o I dsigne le sous - ensemble des produits fabriqus


K est le sous - ensemble des oprations

ILLUSTRATION FACTEUR DE TAILLE

A la base des dimensionnements d'units complexes, la capacit d'un appareil est tablie
par rapport aux produits par l'intermdiaire des facteurs de taille.
Le facteur de taille, Sij est la capacit requise pour raliser l'opration i par unit (de volume,
de mole ou de masse)
de produit j. Ainsi en se fixant une consigne de production, Bj pour chaque produit j, on
cherche calculer le produit limitant pour chaque opration.
Nous pouvons crire cette capacit Vi comme tant :

Vi = max{B j S ij }, i I
jJ

-12/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

o J est le sous-ensemble des produits fabriqus,


I est le sous-ensemble des oprations de recettes.
C'est une simplification svre du problme de conception de considrer une variation
linaire de la capacit requise en fonction de la quantit de produit dsire. C'est toutefois
une premire manire de formuler le problme de conception qu'on trouve frquemment
dveloppe dans la littrature, et la notion de facteur de taille doit tre connue.
EXEMPLE
Montrons l'intrt des facteurs de taille sur un exemple simple. Un procd discontinu
multiproduit fabrique deux produits diffrents avec une recette de deux oprations. On dfinit
l'ensemble des facteurs de taille :

S = { S11 ,S12, S21,S22 } = { 3, 2,2,1.6 }


Les volumes des oprations donns par les produits-cl associs, sont regroups dans le
tableau pour trois exemples de consignes sur les consignes de production. On y constate
videmment que le produit qui impose le volume requis n'est pas le mme selon l'intensit
des consignes.

- ltat final caractris par la composition, la phase, la temprature ou dautres


variables appropries.
- une condition de stabilit ou dinstabilit dun produit. Diffrents cas de figures
peuvent tre envisags (Figure 1.11) :
- le produit doit immdiatement tre trait (politique dattente nulle),
- le produit peut tre stock en temps limit (stabilit en temps limit)
- le produit peut tre stock en temps illimit (stabilit illimite) ;

R1

T2

R2

R2

T1
R1
T*

T2

T2 - T* < T fixe
Attente nulle

R1

R2

T1
R1

T1
R1
R2

R1

R2

Stabilit en temps
limit

R2

T*

T2

Pas de contrainte
sur T2 - T*
Stabilit en temps
illimit

Figure 1.11 Diffrentes conditions de stabilit ou dinstabilit dun produit

-13/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

-une condition de stockage qui reflte la politique adopter aprs traitement de


lopration :
- stockage au sein mme de lquipement qui a servi ltape active du procd,
- stockage dans un (ou plusieurs) bac(s) externe(s),
- stockage externe en volume illimit ;

-les temps de nettoyage de lquipement si lopration suivante, traiter dans


lquipement, le ncessite ;
- les temps de chargement et dchargement des produits et ventuellement, des
temps de mise en rgime ;
- les spcifications en ressources ncessaires pour effectuer lopration (plusieurs
voies peuvent tre envisageables).
un ensemble de recettes : la recette est dfinie comme lensemble
complet et univoque dinstructions contenant linformation minimale
ncessaire pour la fabrication dun produit. Elle est indpendante de
latelier dans lequel elle doit tre mise en uvre. Les quantits donnes
doivent tre fournies en valeurs relatives. Les spcifications sur les
quipements sont dfinies indirectement travers les conditions
opratoires, par exemple, temprature ou pression. La recette peut tre
considre comme un graphe orient de tches de procds qui doivent
tre accomplies pour laborer un produit donn ; les noeuds de ce
graphe sont les tches alors que les arcs orients dterminent les
relations dantriorit entre les tches. La recette peut galement
comporter des boucles de recyclage de certains produits (voir Figure
1.12) ;

Exemple de recette :
1. Mlanger les matires premires A et B. Chauffer jusqu' 60C et laisser ragir pendant 5
heures pour former le produit C ;
2. Mlanger avec le solvant D pendant une heure dans les conditions ambiantes ;
3. Centrifuger pendant 2 heures pour sparer le produit solide C ;
4. Scher pendant 1 heure 50C.

B
D

Centrifugation
Etape 3
Liquide A, B, D

A
A, B, C
Raction
Etape 1

Mlange
Etape 2

Solide C
Schage
Etape 4

Figure 1.12 : Exemple simple de procd discontinu

-14/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

On utilise souvent le mode de reprsentation Rseau Tche-Etat (RTE ou STN pour State
Task Network) qui dcrit la recette sous forme dun digraphe (exemple figure 1.13). Le nud
tat, symbolis par un cercle, correspond un tat de la matire (alimentation, produit
intermdiaire, produit final. Le nud tche est matrialis par un rectangle et reprsente une
opration unitaire. Les flches reliant dune part nuds et tches dfinissent les matires
utilises en alimentation de la tche, celles reliant dautre part tches et nuds dterminent
les sorties de matire. On peut galement spcifier sur les flches les proportions de produit
qui quantifient la composition des mlanges.

Figure 1.13 : Exemple de rseau tche-tat State Task Network (STN) (Kondili,
Pantelides, Sargent, 1993)

- des relations dantriorit entre produits : il sagit galement de graphes orients


dans lesquels les noeuds reprsentent les produits et les arcs orients dterminent lordre
dans lequel les produits doivent tre labors. Par exemple, un produit peut tre un
intermdiaire qui intervient dans la production dun ou plusieurs composs.
- des spcifications sur la disponibilit des ressources : il faut gnralement tenir
compte des contraintes dapprovisionnement en ressources consommables et
dindisponibilit momentane des ressources renouvelables (congs des oprateurs,
maintenance des quipements...).

-15/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Ordonnancement

Objectifs :

Dfinition du problme
Prsentation des principales mthodes dordonnancement
Application de quelques algorithmes particuliers

2.1 Dfinition
Le problme dordonnancement dateliers peut se formuler de la faon suivante :
programmer au mieux lensemble des tches raliser, en leur allouant les ressources
ncessaires et en fixant leur date de dbut.
Le terme au mieux donne implicitement cette dfinition une fonction doptimisation, de
sorte que le problme ne consiste pas uniquement dterminer des solutions ralisables,
mais comporte aussi la recherche des plus favorables dentre elles, au regard dun critre
souhait.
Si lnonc de ce problme peut paratre trs gnral et sappliquer des domaines trs
diffrents comme la mcanique, la construction (suivi de projet), linformatique (les tches
sont les programmes, les ressources sont les processeurs ou la mmoire), de nombreux
facteurs spcifiques ou non au domaine de la chimie contribuent rendre trs dlicat
lordonnancement de la production :
- la synthse des produits met en jeu des intermdiaires ractionnels dont
llaboration doit galement tre planifie, do lutilisation de politiques de stockage
adaptes, diffrentes selon les ateliers et la nature des intermdiaires ractionnels (voir
illustration 1).
- certaines oprations peuvent produire des effluents dont le niveau de rejet est
lgalement contrl, ce qui peut engendrer des contraintes sur le droulement de la
campagne.
- les ressources partages (lhuile de prchauffage, les fluides de refroidissement ou
dasservissement des quipements, llectricit...) sont des ressources seuil de
disponibilit qui doivent tre prises en compte pour lorganisation de production.
- enfin, on doit galement considrer des contraintes de disponibilit des ressources
renouvelables (quipements mais aussi oprateurs) et consommables (matires premires),
des contraintes dapprovisionnement des ressources consommables et dindisponibilit

-16/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

momentane des ressources renouvelables (congs des oprateurs, maintenances des


quipements...), de nettoyage des quipements et des bacs de stockage.
On utilise classiquement un diagramme de Gantt (Figure 2.1) (ou diagramme barres)
pour visualiser lexcution des diffrentes oprations (et donc le cheminement des produits)
au cours du temps. Chaque opration est reprsente par un segment positionn dans le
temps et dont la longueur est proportionnelle sa dure. On peut ainsi dtecter rapidement
les goulets dtranglement potentiels (trait continu) et les priodes doisivet des
quipements.
Le diagramme de Gantt permet donc de visualiser la fois lutilisation des moyens productifs
et lavancement de lexcution des tches.

Produit 1 Produit 2

Broyage

Produit 1 Produit 2

Schage
Filtration
Cristallisation

Produit 1 Produit 2
Produit 1Produit 2

Temps

Figure 2.1 : Exemple de diagramme de Gantt

Les facteurs les plus importants dans lvaluation technique dune solution au problme
dordonnancement sont lutilisation efficace des ressources, le dlai global, le respect des
dates chues Les critres usuels sont:
la minimisation du makespan (temps total ncessaire pour laborer
tous les produits en quantits requises).
la minimisation du temps de cycle des produits : ce cas concerne les
ateliers multiproduits. Il sagit du temps sparant le lancement lidentique
dun nombre fix de produits au sein dune campagne permettant de
satisfaire la politique de transfert impose (voir illustration 1).
la minimisation du temps de sjour maximum des produits dans latelier.
la minimisation du temps de sjour moyen des produits dans latelier.
la minimisation du retard maximum par rapport aux dates limites fixes (le
retard Ti de lopration i est dfini par Ti = max (O, Ci - di) ; Ci dsigne la
date de fin dexcution de lopration i, di la date chue de lopration i) ;
la minimisation du retard moyen pondr.
la minimisation des stocks dencours pondrs.

-17/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Voir Exercice 1_Srie 1 : influence des politiques de transfert

La synthse de deux produits nots respectivement A et B est ralise dans un atelier


multiproduit. Le tableau 1 donne les temps opratoires des produits sur les 3 tapes de
fabrication. On suppose que lon veut produire le mme nombre de lots de chaque
produit selon la squence ABAB Une application classique consiste dterminer le
temps de cycle et le makespan pour la fabrication de ces deux produits pour les
politiques de transfert suivantes :
- Attente nulle ;
- Sans stockage intermdiaire (possibilit de stockage au sein de lquipement ayant
servi ltape active du procd) ;
- Stockage intermdiaire illimit.
On sintressera la fabrication de deux lots de produits.
Etape 1 Etape 2 Etape 3
A 7
5
4
B 4
3
3

Tableau 1 : Temps opratoires en [h]


Dfinition 1 : le temps de cycle dsigne le temps de lancement dune squence de
produits lidentique.
Dfinition 2 : le makespan dsigne le temps de fabrication dun nombre fini de produits.

Pour une approche plus raliste, lindicateur de performance doit prendre en compte les
cots opratoires (notamment la consommation en matires premires, utilits...), les cots
de maintenance, les charges en main duvre, les pnalits de retard de livraison ainsi que
des notions de qualit ou de respect de lenvironnement. Pour des tudes de gestion de
production court terme, les problmes lis la limitation des effluents et la qualit de
produits sont considrs comme des contraintes de production.
Dune manire gnrale, les applications industrielles conduisent trs souvent des
problmes multicritres, avec des critres optimiser souvent contradictoires.
Lhorizon de temps considr en ordonnancement est de lordre du court terme
(ordonnancement journalier, hebdomadaire, voire ventuellement mensuel). Une tude
court terme est de nature exclusivement organisationnelle. Elle consiste raliser au mieux
une production fixe (ventuellement par des tudes long terme), sur un horizon de temps
donn. Lordonnancement court terme exige une description dtaille des conditions et
contraintes de production du site.
A contrario, les tudes de conception sont de lordre du long terme (quelques annes) et
impliquent plusieurs niveaux de dcision (structurel, dimensionnement, ordonnancement).
La liste exhaustive de ces lments met en exergue la complexit des problmes
dordonnancement rencontrs en Gnie des Procds.
Deux facteurs accentuent cette difficult :
- la rsolution du problme dordonnancement savre trs dlicate en fonction du
volume dinformations traiter (donnes commerciales, donnes sur les
-18/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

quipements, recettes, informations sur ltat de latelier...). De plus, des donnes


peuvent tre incertaines, notamment les demandes en produits.
- le problme doptimisation sous-jacent lordonnancement prsente un caractre
combinatoire trs marqu. Une grande partie des problmes dordonnancement
appartient en effet la classe des problmes NP-difficiles1.
2.2 Mthodes classiques de rsolution du problme dordonnancement

2.2.1 Approches par optimisation

On distingue gnralement les mthodes dordonnancement prvisionnel, qui considrent


uniquement le problme statique, dont toutes les donnes sont supposes connues
lavance et les approches dordonnancement ractif. Ces dernires considrent
ventuellement un problme statique dans un premier temps, puis proposent des mthodes
pour faire face des vnements gnrant des perturbations, comme larrive en fabrication
dun nouveau produit, les pannes de ressource, labsence de personnel
En ordonnancement prvisionnel, les mthodes classiques ont pour but de gnrer un
ordonnancement optimal, cest--dire minimisant un des critres prsents (ou une
combinaison de plusieurs critres). Les problmes dordonnancement ainsi dfinis sont des
problmes doptimisation combinatoire.
La plupart dentre eux appartiennent la classe des problmes NP-difficiles, qui ne peuvent
tre rsolus au moyen dun algorithme polynomial. Ainsi ct des algorithmes classiques
de loptimisation combinatoire ont t dvelopps un grand nombre dheuristiques.
Les mthodes de rsolution des problmes dordonnancement sont largement prsentes
dans la littrature [6] Elles puisent dans toutes les techniques de loptimisation
(programmation mathmatique, programmation dynamique, procdures par sparation et
valuation Branch and Bound, thorie des graphes...). Ces mthodes prsentent lavantage
de garantir thoriquement loptimalit de la solution fournie, si le problme est convexe.
2.2.2 Quelques rsultats classiques de la thorie de lordonnancement

Ce paragraphe prsente quelques algorithmes particuliers. On insiste particulirement sur


lalgorithme de Johnson et les mthodes Branch & Bound par sparation et valuation.

Cette classe (NP pour non-dterministe polynomial) contient des problmes pour lesquels
aucun algorithme polynomial nest connu. De plus, on conjecture quil nexiste pas
dalgorithme polynomial pour ces problmes. Notons quun problme est dit polynomial sil
existe un algorithme permettant de trouver une solution optimale pour toutes ses instances en
un temps polynomial par rapport la taille de linstance.

-19/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Problmes classiques m quipements identiques en


parallle

Makespan minimum donn par

1
max max Ti 1 ,
ml
i

[ ]

T
i =1

i1

McNaughton (1959)

(tches indpendantes)
Ex: 2 equipements en //
Opration
1
Temps opratoire (min) 2
Minimisation de la dure totale:
1
2
Equipement 1

2
4

3
6

4
8

6
12

max(12, 42/2)=21
3

Equipement 2

5
10

Ordonnancement optimal par la rgle de Naughton

Problmes classiques m quipements identiques en


parallle

Solution approche
Slection des produits selon la rgle LPT (longest processing
time), i.e., par dures croissantes.
Ex :
Equipement 1
Equipement 2

2
1

erreur relative majore par

4
1

3 3ml

-20/ 43-

Graham

20

22

Catherine Azzaro-Pantel- Procds Discontinus

Problmes classiques m quipements identiques en


parallle
Minimisation du temps de sjour moyen des produits
Slection des produits selon la rgle SPT (shortest
processing time), i.e., par dures dcroissantes
Algorithme optimal pour les problmes premptif et
non-premptif.

ex:

Equipement 1
Equipement 2

3
2

5
4

18

Dfinition : Ordonnancement non premptif / premptif

- Non premptif : On ninterrompt jamais lexcution dune tche en cours au profit dune
autre tche
- Premptif : La tche en cours peut tre arrte au profit dune autre tche (juge plus
urgente)

Cas de latelier 2 quipements identiques en srie : algorithme de Johnson

Chaque tche ncessite pour son excution le passage sur deux quipements : les
quipements A et B. Soient tiA et tiB, les temps dexcution de la tche i sur les quipements
A et B respectivement. On va utiliser comme critre dordonnancement la minimisation du
temps total dexcution des tches sur les deux quipements. On tudie le cas le cas o
toutes les tches sont excuter sur A puis B.

-21/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Algorithme de Johnson
1. Pour toutes les oprations ordonnancer, rechercher celle de temps opratoire
minimum, quel que soit lquipement ;

2. (a) Si ce temps opratoire minimum correspond l'q 1, ordonnancer l'opration


en premire position disponible dans la squence, et aller l'tape 3 ;
2. (b) Si ce temps opratoire minimum correspond l'q 2, ordonnancer l'opration
en dernire position disponible dans la squence, et aller l'tape 3 ;
3. Retirer l'opration qui vient d'tre affecte et retourner l'tape 1 jusqu'
occuper toutes les positions de la squence.
Lalgorithme de Johnson est un ordonnancement de permutation , cest--dire que lordre
trouv est le mme sur les deux quipements.
ILLUSTRATION ALGORITHME DE JOHNSON

Opration
Equipement 1 Ti1
Equipement 2 Ti2
Etape

1
3
7

Opration effectuer

1
2
3
4
5

Equipement 1
Equipement 2

1, 2, 3, 4, 5
1, 2, 4, 5
1, 4, 5
1, 4
4

1
3

2
6
2

Tijminimum

4
4
4

5
1

5
8
3

Affectation Ordonnancement
partiel
3 = [1]
3 xx x x
2 = [5]
3 xx x 2
5 = [4]
3 xx 5 2
1 = [2]
31x52
4 = [3]
31452

T31
T22
T52
T11
T41 = T42

3
1
3

2
4

15

19

2 24

Cas de latelier trois quipements identiques en srie

Application de l algorithme prcdent sur deux quipements fictifs dont les pseudotemps dexcution sont respectivement
(Ti1+ Ti2) et (Ti2+ Ti3).

La solution nest optimale que si lun des cas suivants est vrifi :

si lune des deux valeurs min {Ti1} ou min {Ti3} est suprieure ou gale max {Ti2}.

Si l ordre trouv sur les quipements 1&2 et 2&3 est le mme par lalgorithme relatif
aux deux quipements en srie, alors il est aussi optimal sur 1&2&3.

-22/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Voir Exercice 1_Srie 2 : Algorithme de Johnson

Un atelier multiproduit comporte trois quipements Eq1, Eq2, Eq3 permettant la ralisation
de trois oprations unitaires dans lordre respectif OP1, OP2, OP3. On doit traiter sur cet
atelier 4 produits. Les temps opratoires exprims en h sont donns dans le tableau.
1/ Dterminer lordre de passage des produits pour minimiser le temps total de ralisation.
Justifier les hypothses.
2/ Tracer le diagramme de Gantt correspondant et dterminer la valeur minimale du temps
total de traitement des produits.

i Eq 1 Eq 2 Eq 3
1
8
2
4
2
5
4
5
3
6
1
3
4
7
3
2
Tableau : Temps opratoires de latelier flowshop
Mthode par sparation et valuation (Branch and Bound)

Les procdures doptimisation par sparation et valuation sont des procdures dexploration
par numration implicite de lensemble des solutions. Elles conduisent construire une
arborescence2 o chaque sommet reprsente un sous-problme et o les arcs issus dun
mme sommet reprsentent la dcomposition dun problme en sous-problmes de taille
rduite. Lobjectif est de parvenir en un sommet correspondant un problme rsolu de
faon simple (solution unique par exemple) en ayant gnr le moins possible de sommets.
Les PSE reposent sur quatre composantes essentielles :
1. La technique de sparation, qui permet de dcomposer un problme en sousproblmes de taille rduite ; celle-ci effectue en gnral une partition du domaine
dune variable du problme dcomposer (voir exemples ci-aprs) ; elle partitionne
ainsi lensemble des solutions. La dimension des sous problmes est infrieure
celle du problme initial ;

x=0

x=1

x>=a

x<a

Sparation sur une variable Sparation sur le domaine


boolenne
dune variable continue

2. La mthode dvaluation qui associe une borne du critre doptimisation sur


lensemble des solutions dun sous-problme (borne infrieure dans le cas de
minimisation) ;
3. La mthode de sondage, qui permet de dterminer si un sommet est terminal (il ne
contient pas de solution admissible ou cest une solution optimale ) ou sil mrite
2

Une arborescence est un graphe orient compos dune racine et dun ensemble de sommes tels
que chaque sommet na quun seul prdecesseur.

-23/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

dtre spar ; si lon peut assurer quil ne contient aucune solution meilleure que
celles dj trouves, il ne sera pas spar ;
4. La mthode de slection ou stratgie dexploration qui dcrit comment choisir le
problme sparer lorsque plusieurs sont candidats. Deux grandes stratgies
existent :
a. Meilleur dabord (PSEP ou PSE Progressives) : on slectionne puis on spare
le sous-problme pendant ayant la meilleure valuation, cest--dire la plus
petite.
b. Profondeur dabord et retour arrire (PSES ou PSE Squentielles) : les
sommets pendants sont grs selon une pile et on spare le sommet pendant
obtenu le plus rcemment.

Voir Exercice 2_Srie 1 et Exercice 2_Srie 2

2.2.3 Application en Gnie des Procds

Ces mthodes ont t largement utilises et mentionnes dans la littrature spcialise en


Gnie des Procds, o un grand nombre dtudes aborde le problme sous forme de
programmation linaire en variables entires ou mixtes3, ou bien sous forme de
programmation non linaire en variables mixtes. Pour des problmes de taille relle, ces
procdures requirent des temps dexcution prohibitifs et sont alors gnralement
associes des mthodes heuristiques ou des algorithmes de recherche locale.
Rappelons que les mthodes heuristiques font intervenir des algorithmes de liste
construisant progressivement un ordonnancement en affectant les oprations aux
ressources et en rsolvant les conflits dutilisation des ressources par des rgles de priorit.
Ces mthodes sont trs rapides et trs utilises en pratique.
Les mthodes de voisinage impliquent une gnration itrative dun ensemble
dordonnancements partir dun ordonnancement initial, dans le but damliorer le critre.
On peut ainsi citer les mthodes de descente qui amliorent le critre, mais risquent de
conduire un optimum local.
Les mthodes mtaheuristiques suscitent lheure actuelle beaucoup dintrt, car elles sont
reconnues pour leur aptitude traiter des problmes forte combinatoire. Ces techniques
autorisent une dgradation provisoire du critre en vue dobtenir un optimum global.
Parmi ces algorithmes stochastiques, on peut citer la procdure du recuit simul (RS) [7,8]
ou les algorithmes gntiques (AG) [9, 10] bass sur une volution probabiliste de la (ou
des) solution(s) au problme pos. Leur inconvnient majeur est lincertitude quant
lobtention dune solution optimale chaque essai de la procdure et le rglage empirique
des paramtres intrinsques la procdure. Un atout rside dans le fait quil nest pas
ncessaire davoir des connaissances particulires sur les proprits mathmatiques du
problme traiter.
Les algorithmes gntiques (AG) sont fonds sur une analogie entre un problme
doptimisation et un phnomne naturel, la loi de lvolution nonce par Darwin, o seuls
les individus les plus forts dune population survivent par suite de leur meilleure adaptation
leur milieu naturel. Dans un AG, aprs cration artificielle dune population de solutions
viables pour un problme donn, la procdure fait voluer les individus par croisement,
3

Un problme est dit variables mixtes sil met en jeu la fois des variables discrtes et continues.

-24/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

mutation et slection selon le critre optimiser, jusqu fournir une population dindividus
trs bien adapts au milieu naturel (i.e. une population de bonnes solutions pour le problme
considr).
Ces algorithmes prsentent lavantage de conduire en fin de recherche une population
diversifie de bonnes solutions. Si plusieurs critres sont prendre en compte, cette
diversit de solutions est un lment intressant car elle permet de disposer de possibilits
plus varies (quune seule et unique solution optimale).
Un nombre important de travaux est actuellement consacr [11] aux algorithmes gntiques
en tant que mthode doptimisation multicritre pour fournir une aide la dcision.
Une autre approche utilise les mthodes de dcomposition qui visent construire partir du
problme dordonnancement une suite de sous-problmes plus faciles rsoudre. On
distingue les mthodes de dcomposition spatiale pour lesquelles les quipements sont
regroups en lots de fabrication des mthodes de dcomposition temporelle pour lesquelles
on regroupe les produits en ordonnant les sous-problmes le long de laxe des temps.
Certaines mthodes lies lIntelligence Artificielle sont bases sur la reprsentation des
connaissances au moyen dun ensemble de rgles de production. Un moteur dinfrence
contenant la stratgie de contrle comparable un algorithme de rsolution est ncessaire.
En ordonnancement prvisionnel, une autre approche a pour objectif non pas de minimiser
un critre mais de caractriser les ordonnancements admissibles pour proposer au dcideur
des solutions vis--vis de contraintes non modlises et des perturbations. Ces approches,
bases sur lanalyse sous contraintes, font lobjet de nombreux travaux.
Les orientations portent dans le domaine de lordonnancement ractif en incluant une
mthode de raction en temps rel face aux alas, tant internes (pannes, absences)
quexternes (retard dapprovisionnement, arrive imprvue dun ordre de fabrication).

2.3 Techniques de simulation


2.3.1 Objectifs gnraux

Paralllement ces travaux impliquant une formulation en terme de problme doptimisation,


des mthodes de simulation dateliers ont t dveloppes en utilisant des techniques de
simulation par vnements discrets (SED) pour dcrire de faon dtaille le
fonctionnement dynamique dun atelier, en tenant compte de ses contraintes spcifiques.
Ces techniques sont particulirement intressantes car une exprimentation directe
effectue sur le terrain peut se rvler coteuse, irrationnelle voire impossible. Elles
permettent notamment dexaminer facilement et rapidement des variantes du systme
tudi.
2.3.2 Mise en oeuvre

La simulation par vnements discrets (SED) [12] dsigne la modlisation dun systme rel,
tel quil volue dans le temps, par une reprsentation dans laquelle les grandeurs le
caractrisant ne varient quen un nombre fini ou dnombrable de points isols dans le temps.
Ces points sont les instants o se passent les vnements, i.e., les phnomnes capables
de modifier ltat du systme. Un vnement est donc un changement dtat du systme
rel, se produisant un instant donn, ainsi que les actions qui accompagnent ou
caractrisent ce changement.

-25/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

La simulation vnements discrets consiste alors prendre en compte dans la


modlisation des tches actives, les seuls instants o un vnement se produit et
concentrer lactivit des tches simules sur ces instants-l. Latelier flexible de chimie fine
est peru comme un systme discret o les quipements changent dtat des instants
prcis lors du cheminement des lots de produits.
Un simulateur vnements discrets dsigne le programme qui met en uvre un modle de
simulation vnements discrets. Sa tche premire est dassurer que la chronologie des
vnements sera respecte. A chaque occurrence dun vnement, les actions qui lui sont
associes sont excutes. Deux voies de conception de simulateurs sont possibles,
simulateurs orients vnements ou processus .
Dans le premier cas, la modlisation est centre sur la gestion des vnements eux-mmes.
A chaque vnement correspond une action ralise, en principe, par lactivation dune
procdure. Le noyau dun tel systme a pour rle de grer lchancier dans lequel les
vnements sont consigns avec la date laquelle la procdure doit tre appele. Lors de
son excution, de nouveaux vnements peuvent tre crs et insrs dans lchancier.
Dans le cas dun simulateur orient processus , lunit conceptuelle est la tche active.
Elle est programme comme un processus, activ par chaque vnement se rapportant
cette tche. Les instructions se rapportant aux actions effectuer sont alors excutes, sans
modification de lheure de la simulation. Puis, le processus est suspendu jusqu ce quun
nouvel vnement provoque sa ractivation. Cette mise en uvre ncessite la
programmation de processus parallles ou quasi-parallles.
Les systmes orients vnements constituent lapproche classique dans laquelle le
systme simul est gr vnement par vnement [12,13].
Les vnements sont dcrits par deux attributs :
lheure dactivation ou date doccurrence qui est le moment o lvnement est cens
se produire ;
la procdure dactivation, ou dexcution , qui contient les actions excuter cet
instant.
Le noyau de simulation, appel moteur , possde lui aussi deux attributs :
lhorloge centrale du systme qui donne la date courante , cest dire lheure
dactivation de lvnement courant ;
un chancier, ralis comme une file dattente avec priorit o les vnements sont
classs par rapport lheure dactivation et aux priorits des processus correspondant.
Lors du droulement de la simulation, le moteur (Figure 2.2) extrait lvnement situ en tte
de lchancier et provoque lexcution de la procdure dactivation correspondante.
Lhorloge du systme est alors mise lheure dactivation de lvnement extrait.

-26/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Evnement(s)
Nouveau(x)

Superviseur

Non

Conditions
Vrifies
?

Oui

Atelier

Evnement
Classer
vnements

Excuter
lvnement

Evnement de tte

Moteur
File dattente
des vnements

Figure 2.2- Fonctionnement du moteur de simulation

Lexcution de la procdure dactivation peut provoquer la cration de nouveaux vnements


mais aussi la rvocation ou le report dvnements dj programms.
Lensemble de ces lments montre que la programmation dun simulateur orient
vnements est squentielle et peut se faire a priori dans un langage de programmation
classique dit procdural tel que PASCAL, FORTRAN
Lors de lcriture dapplications, il apparat quun certain nombre dutilitaires programms
pouvaient tre exploits dans plusieurs parties dune application, voire dans des applications
diffrentes. Il est donc important de permettre leur rutilisation afin de limiter leffort de
rcriture. La programmation par objets est lheure actuelle la technique informatique la
mieux adapte cette dmarche.
De nombreux logiciels ont t dvelopps pour simuler des procds discontinus. De faon
systmatique, la plupart des simulateurs commerciaux les plus rcents fournissent un
environnement orient-objet pour dfinir les diffrentes composantes, statiques et
dynamiques, du systme modliser. Ils permettent ensuite de suivre le droulement de la
simulation. La liste ci-dessous, loin dtre exhaustive, reprend les simulateurs les plus cits
dans la littrature ddie :

ARENA (Modeling Corporation) fournit une bibliothque dobjets prdfinis, assez


simples, que lutilisateur peut ensuite utiliser pour construire son propre modle, ce qui lui
confre une grande flexibilit. Le simulateur obtenu peut ventuellement tre coupl
des modules externes crits en C ou en FORTRAN.

WITNESS (Lanner Group ltd.), possde une bibliothque dobjets prdfinis trs tendue
permettant de dvelopper rapidement un simulateur. Des modules doptimisation (Recuit
Simul, Hill Climbing) peuvent tre intgrs, mais linterface avec des modules
externes est difficile.

G2 (Gensym) est conu dans lesprit des deux logiciels prcdents et permet de
dvelopper assez facilement des modules utilisateurs partir dune bibliothque.

Extend (Imagine That Inc.) est un progiciel permettant de dvelopper un simulateur


vnements discrets. Le simulateur obtenu peut galement tre interfac avec des
logiciels de traitement de donnes ou des modules crits en C ou en FORTRAN.

-27/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

BATCHES, qui succde BOSS, a t dvelopp par lUniversit amricaine de WestLafayette. Il permet de simuler la production dateliers discontinus ou semi-continus,
ddis aux industries pharmaceutique et alimentaire. Il peut, de plus, intgrer des
modles dynamiques doprations unitaires ainsi que des rgles de dcision. BATCHES
a t utilis pour le remodelage dun atelier de chimie fine [14] et pour la conception
dune brasserie [15].

Batch Plus (Aspen Technology, Inc) a t conu pour faciliter la transposition des
recettes llaboration du procd. Lutilisateur dveloppe un modle en crant une
recette et le moteur de simulateur restitue un diagramme de flux du procd.

BDK - Bach Design Kit de Hyprotech [16,17] est trs similaire dans sa philosophie et ses
fonctionnalits Batch Plus.

SuperPro designer, SchedulePro et EnviroPro designer (Socit Intelligen, Inc.) [18] ont
t dvelopps initialement pour des procds biotechnologiques mais ont t tendus
dautres domaines (chimie fine, agroalimentaire, traitement de leau ). Un atout
concerne ltude des critres conomiques et lanalyse en terme dimpact
environnemental.

SUPERBATCH, version tendue de gPROMS, a t dvelopp par lImperial Collge de


Londres, Royaume-Uni. Il peut tre utilis pour ordonnancer les procds discontinus en
ligne (on-line) ou off-line. Il intgre les utilits et contrle les politiques de stockages
intermdiaires. Le module gBSS exprime les recettes des produits ainsi que le niveau de
leur demande et permet doptimiser les rsultats (MINLP). Il a donn lieu de nombreuses
publications parmi lesquelles concernant notamment loptimisation dun plan de
production [5, 19, 20].

Une mthodologie de dveloppement de simulateur a t propose dans [21] selon une


approche multicouche. Le moteur de simulation gnrique charg dordonner et dactiver
les vnements est le noyau commun tout SED. Les vnements de la couche
suivante sont, pour la plupart, gnriques tous les simulateurs dateliers discontinus, et
servent dcrire les changements du systme modlis ; seuls quelques cas spcifiques
peuvent imposer la dfinition dvnements particuliers. Par rapport aux objets modliss
dans le simulateur, un nombre restreint est commun tous les types dateliers (i.e. bacs
de stockage, racteur simple ...), les autres sont dfinir pour chaque problme
particulier. Le niveau suprieur o la gestion de conflits est rsolue, correspond au
superviseur : les actions mettre en oeuvre au cours dune simulation peuvent tre
diffrentes selon les cas et imposent dtre adaptes. Suivant cette mthodologie, deux
simulateurs ont t dvelopps : MELISSA (MicroElectonique-Logiciel Industriel de
Simulation et de Suivi dAteliers), ddi la fabrication des composants lectroniques et
AD-HOC (Ateliers Discontinus-Heuristiques et Ordonnancement Court terme) dans le
domaine de la chimie fine.

Les donnes des simulateurs concernent gnralement :


- larchitecture de latelier (quipements, bacs de stockage pour intermdiaire) ;
- les oprateurs (habilitation, i.e., polyvalence ou non, rotation des quipes, congs);
- les utilits ;
- les ressources consommables ;
- les produits et sous-produits ;
- les recettes de production ;
- les informations sur la production (quantits, nombre de lots, horizon de temps, type
de campagne, rgle de gestion des conflits).

-28/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

2.3.3 Analyses typiques

Le but principal de la simulation est dobtenir des rsultats qui reprsentent le comportement
du systme. On peut envisager deux types danalyse suivant la nature du problme,
lanalyse dhorizon fini et celle en phase dquilibre :
- dans le premier cas, la simulation se termine lorsquun vnement donn se produit
tel le tarissement dune source dapprovisionnement ou tout simplement lorsque le
temps imparti la simulation est rvolu.
- dans le cas dune analyse en phase dquilibre, on est intress par les
performances long terme, effectues aprs que le systme a travers une phase
initiale transitoire.
Lanalyse par simulation poursuit lobjectif de toute technique daide la dcision, savoir
dvaluer les dcisions possibles dans un certain contexte et de choisir la meilleure stratgie
adopter par le dcideur, dfaut une stratgie de haute qualit.
A la phase de conception du modle sajoutent les actions dvaluation suivantes :
validation du modle : contrle de la correspondance entre le modle et la
ralit
exprimentation sur le modle : mise lpreuve en agissant sur les
paramtres qui le configurent.
optimisation du modle : recherche de stratgies optimales par des
mthodes appropries.
Un simulateur par vnements discrets peut conduire diverses utilisations :

outil prdictif daide la production : un SED peut tre utilis pour fixer des dlais de
production dans un contexte donn. On peut en gnral visualiser le droulement dune
campagne et dtecter les mauvais fonctionnements, les lacunes de lorganisation de
production (manque de matires premires, retards excessifs...), ou les goulets
dtranglement du systme. Il peut galement servir la dtermination de la capacit
maximale de production dun atelier donn.
aide directe la production : pour un systme de production bien rod, avec des
rgles de fonctionnement bien dfinies, et pour une dure de campagne spcifie, le
simulateur peut tre une aide directe la production, en ditant au pralable les listes
dtaills des tches raliser. Dans ce contexte, il devient alors lorganisateur rel de la
production, qui propose les procdures suivre pendant la campagne, en respectant les
politiques imposes lors de lentre des donnes.
raction aux alas de production : lincidence dun ala sur la campagne et sur les
dlais de production en particulier, peut nanmoins tre value et diffrentes stratgies
testes pour en limiter limpact.
aide la conception : lutilisation dun modle de simulation permet ainsi dtudier
plusieurs architectures dateliers envisageables, afin de dterminer la plus favorable, au
regard dun critre de performance donn.
optimisation interactive : sous cette appellation un peu abusive, on dsigne laptitude
dun simulateur contribuer la mise au point de paramtres de fonctionnement dun
systme. Lutilisation du simulateur permet dvaluer limpact de modifications des
paramtres de fonctionnement sur les indicateurs de performance de production du
systme. On peut par exemple tester linfluence de lajout dun quipement
supplmentaire un endroit donn de latelier, ou laugmentation des capacits des

-29/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

stockages... On peut aussi lutiliser pour dterminer les priodes de maintenance les
moins pnalisantes pour le droulement de la campagne ou les dates
dapprovisionnements au plus tard, ne gnrant pas de retards de production.

fonction dvaluation des performances : on peut signaler laptitude du modle de


simulation tre une fonction dvaluation dune performance de production choisie du
systme tudi. Le modle de simulation peut en effet tre utilis pour valuer
lefficacit dune configuration de production choisie, avec un critre (ou fonction
dvaluation ) de nature technique. Ce critre peut par exemple tre la date
dachvement de la campagne raliser, une fonction des temps de cycle des lots ou
encore des retards de production par rapport des dates dattente spcifies.

2.3.4 Couplage simulation-optimisation


Dans cet ordre dide, une solution retenue pour dterminer des politiques efficaces
dordonnancement consiste coupler un modle de simulation par vnements discrets
avec une procdure stochastique doptimisation, notamment par Algorithme Gntique, trs
adapt laspect combinatoire des problmes dordonnancement [22]. Cette phase permet
damliorer de faon significative les performances de latelier (par exemple, assurer le
respect de dates chues en fonction de lordre de lancement des produits et des rgles
heuristiques de gestion des conflits).
Lintgration du modle de simulation dans une boucle doptimisation a t tudie dans
certains travaux. Les variables doptimisation concernent notamment lordre de lancement
initial des produits, le choix des vnements concurrents excuter, les rgles heuristiques
de gestion des conflits. La procdure de couplage simulation-optimisation est illustre dans
[22] travers le problme du lancement initial des produits dans latelier, choisi comme
variable doptimisation. Lindicateur de performance concerne la minimisation de la moyenne
des temps de sjour des produits dans latelier.
Les autres paramtres qui correspondent aux habitudes de latelier (rgles heuristiques
de rglement des conflits, taille du lot ...) sont supposs figs.
Plusieurs problmes pratiques lis lordonnancement prvisionnel qui se posent au
responsable de production trouvent ainsi une solution efficace par cette approche.

-30/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Conception dateliers
discontinus

Objectifs :

Dfinition du problme de conception & remodelage


Application al conception dunits simples

3. Dfinition
3. 1 Introduction la conception et au remodelage
Le problme de la conception d'ateliers discontinus apparat comme un enjeu industriel
majeur et sintgre au sein dune succession de dcisions qui vont de la dfinition des choix
stratgiques de lentreprise loptimisation de la production (cf. Figure 3.1). De plus en plus,
le contexte conomique actuel rend rdhibitoire le recours lempirisme qui prvalait
jusquici pour concevoir de tels ateliers, et qui aboutissait dans de nombreux cas leur
surquipement.

Dcisions
stratgiques

Moyen
terme
Dcisions
tactiques

Court terme
Informations

Remise en cause des dcisions

Long terme

Dcisions
oprationnelles

Systme
de production

Approche
multi-niveaux
Planification long terme
stratgie gnrale+investissement
(conception)
Horizon ~ 3 5 ans

Planification moyen terme


Plan de production
+organisation des moyens
Horizon ~ 1 mois 1 an

Planification court terme


Ordonnacement
Horizon ~ 1 semaine

Figure 3.1 Approche dcisionnelle multi-niveaux en conception et ordonnancement de

-31/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

procds.

Le but de la conception consiste dterminer le nombre et les dimensions des quipements


ncessaires pour chacune des oprations unitaires intervenant dans les procds
d'laboration des diffrents produits afin dassurer un niveau de production donn, tout en
optimisant un critre technico-conomique [23]. Toutefois, il est difficile de laborder sans
mentionner dautres sujets qui lui sont troitement lis et souvent traits simultanment,
notamment la gestion et le remodelage [24].
Il faut prciser quune des difficults majeures dapprhension de ces problmes concerne
les incertitudes qui leur sont inhrentes, notamment sur la demande du march. Par
consquent, il est illusoire, notre sens, dutiliser le terme de conception optimale , mme
si ce qualificatif est souvent abusivement utilis dans la littrature ddie. Nous
lemploierons ici surtout par rfrence aux mthodes doptimisation mises en uvre pour le
rsoudre.
Le remodelage dun atelier, souvent qualifi par le terme anglo-saxon de retrofitting , peut
rsulter dune modification dans la liste des produits laborer (nouveaux produits
fabriquer, suppression de produits de la liste initiale), dun rajustement de la demande,
dune amlioration de la flexibilit du procd, dune rduction des cots opratoires, de la
consommation nergtique ...
On considre en pratique deux types de modifications:
- modification pour expansion, par augmentation du niveau de production : si la liste de
produits reste fixe, la stratgie opratoire n'est pas modifie. La variable daction est
gnralement la dure des campagnes, en autorisant ventuellement laddition
dquipements en parallle.
- modification pour tenir compte dune nouvelle liste de produits fabriquer : ce cas peut
imposer des modifications importantes, y compris la dcision d'introduire ou non de
nouveaux quipements et de supprimer ou non des quipements existants. Laddition de
nouveaux quipements peut imposer de nouvelles dcisions d'affectation des tches. Le
retrait d'quipements peut affecter la taille des lots et altrer la performance du systme.
3. 2 Formulation du problme de conception

Plus prcisment, le problme de la conception optimale dun atelier discontinu est


dfini [23] dans les termes suivants:
Etant donns :
1) Un ensemble de N produits, des spcifications sur leur production et un horizon de
temps.
2) Un ensemble dquipements disponibles classs selon leur fonction en familles
dquipements.
3) Des recettes dlaboration de chaque produit incluant les relations dantriorit
entre oprations unitaires et les temps opratoires correspondants.
4) Lensemble des quipements admissibles pour chaque produit.
5) Ltat stable ou instable des intermdiaires et les rgles de transfert des produits.
6) Les niveaux dutilisation des ressources, les temps de transfert entre quipements.
7) La disponibilit du stockage.

-32/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

8) Un (voire des) critre(s) de performance technico-conomique, impliquant les


cots en investissement, frais dexploitation, main duvre et stockage
Dterminer une structure datelier qui permette dassurer la production (capacit et nombre
des quipements et bacs de stockage) pour optimiser le (ou les) critre(s) de performance
retenu(s).
Cette formulation o les performances des quipements sont figes est connue dans la
littrature ddie sous la dnomination approche facteurs de temps et de taille
constants (cf. Figure 3.2).

DONNES

Recettes dlaboration
Production souhaite
Conception
Optimale de
Procds

Atelier
Nombre dquipements
Taille des quipements

CRITRES
Cot dinvestissement

Figure 3.2 Approche classique pour la conception dateliers

Le problme de conception implique ainsi trois niveaux de dcision :

Niveau structurel

Affectation des tches aux quipements

Dtermination du nombre dunits en parallle ou de bacs de stockage

Niveau dimensionnement

Dtermination du volume des quipements

Niveau ordonnancement

Dtermination des campagnes de production, politiques de transfert

Squencement des produits

-33/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Etude dun problme simple de conception


Niveau structurel 1
Affectation des tches aux quipements :
fort impact pour lordonnancement et le
cot
Exemple
Procd monoproduit
Tche 1 : Mlange, 2 h
Tche 2 : Raction, 4h
Tche 3 : Mlange, 1 h
Tche 4 : Raction, 2h

Solution de base :
1 tche / 1 quipement

Mlangeur
Acier au carbone

Racteur
Acier au carbone

Politique de transfert
ZW

Etape 1
Etape 2
Etape 3
Etape 4

Temps de cycle = 4 h , 4 quipements

Temps (h)

Variante 1 >>:

Mlangeur
Acier au carbone

Mlangeur/Racteur
Racteur
Acier au carbone Acier inox

Politique de transfert
ZW

Etape 1
Etape 2
Etape 3
Etape 4

Temps de cycle = 4 h , 3 quipements

Temps (h)

Postulat : Grouper des tches adjacentes dont la somme


des temps opratoires nexcde pas le temps de cycle

-34/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Variante 2 >>: Regroupement total des


tches

Mlangeur/Racteur/Mlangeur/Racteur
Acier inox

Etape 1

Temps de cycle = 9 h , 1 quipement

Temps (h)

Niveau structurel 2
Affectation des stockages intermdiaires :
choix dict par la possibilit de stockage
de produits intermdiaires
Slection du nombre dunits en parallle,

Nous prsentons titre dillustration un exemple simple de dimensionnement dune unit


monoproduit qui exploite les notions de recette et de facteur de taille, classiquement utilises
pour la conception dateliers. Sur cette application, on fixe le nombre dquipements de
lunit, ce qui constitue un cas restrictif, mais permet une familiarisation avec la manipulation
des concepts.
Voir Exercice 3_Srie 1 Illustration 2 : Dimensionnement dune unit monoproduit

On sintresse une unit simple de type monoproduit pour la fabrication dun produit C. Sa
capacit de production est de 226 800 kg/an. Lunit est suppose fonctionner 6000 h/an. La
synthse du produit C seffectue selon la recette suivante :
1. Mlanger 1 kg de A, 1 kg de B, laisser ragir pendant 4 h pour former C. Le rendement
de lopration est de 40% massique et la densit du mlange m est gale 961 kg/m3.
2. Ajouter 1 kg de solvant et sparer par centrifugation pendant 1 h pour rcuprer 95 % du
produit C. La densit du mlange m est gale 1041 kg/m3.
On suppose que lunit dispose dun quipement par tape et fonctionne selon une politique
de transfert de type Attente Nulle. On veut dterminer les volumes des quipements de
lunit dans ces conditions.

-35/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

3. 3 Formulation classique du problme de conception datelier multiproduit

Nous illustrons la formulation du problme de conception dun atelier multiproduit


fonctionnant par campagnes monoproduits. Les hypothses retenues sont les suivantes :
- latelier consiste en M tapes de traitement, qui sont utilises pour laborer P produits
diffrents.
- chaque tape j, il y a Mj quipements en fonctionnement asynchrone, et Nj quipements
en fonctionnement synchrone4, chacun avec une taille Vj.
- chaque produit i suit la mme squence gnrale. Certains produits peuvent sauter
quelques tapes.
- un bac de stockage de taille VTj peut tre affect entre les tapes j et j+1.
- lorsquun bac de stockage nest pas affect, les lots sont transmis dune tape la suivante
sans attente.
- la production souhaite, Qi, pour le produit i dans lhorizon de temps H est connue.
Avec ces hypothses, le problme de conception consiste en la minimisation du cot
dinvestissement donne par :
M

Min CI = M j N j a jV j j + c jVT j

j =1

j =1

o a j , j , c j et j dsignent les coefficients de cot pour chaque type dquipement de


latelier selon la terminologie utilise en valuation conomique des procds. Le premier
terme tient compte du cot des tapes de traitement, le second est relatif au cot des bacs
de stockage.
La taille des quipements est choisie de faon accueillir les lots des diffrents produits.

Vj =

Si , j .Bi
Nj

o Si,j est le facteur de taille du produit i dans l tape j. Bi est la taille du lot du produit i. Les
quations des facteurs de taille des quipements drivent des modles des oprations
unitaires.
Le temps Ti,j ncessaire pour traiter le produit i dans ltape j est calcul partir des
modles des oprations unitaires.
Le fonctionnement est caractris par un temps de cycle TLi pour chaque produit qui
correspond au temps limitant de fabrication de chaque produit.

TLi

Ti,j
Mj

Fonctionnement Synchrone / Asynchrone


Rappelons que le fonctionnement synchrone correspond lactivit synchronise de deux (ou
plusieurs) quipements en parallle (c'est--dire que les dates de dbut et dachvement des tches
concident pour tous les quipements concerns) ; par opposition, le fonctionnement asynchrone
correspond un fonctionnement asynchrone des quipements en parallle.

-36/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Sur lhorizon de temps H, latelier doit traiter une quantit Qi de chaque produit P, cest--dire
respecter la contrainte suivante :
P

Q E
i

i =1

o Ei est linverse de la production par unit de temps pour le produit i.


Ce problme est classiquement rsolu dans la littrature par une mthode classique
doptimisation en variables mixtes ou MINLP (Mixed Integer Non Linear Programming), par
exemple en utilisant le module DICOPT de lenvironnement de modlisation Gamstm) [25]:
les variables entires concernent les choix de structure et les variables continues sont
relatives aux volumes des quipements.
A notre connaissance, trs peu de travaux sont consacrs loptimisation simultane de
conditions opratoires de certains procds cls [26].
3. 4 Mthodes classiques doptimisation monocritre

Comme pour le problme dordonnancement, les principaux algorithmes doptimisation


monocritre utiliss pour la conception et le remodelage dateliers de chimie fine peuvent
tre rpertoris en deux groupes : dune part, ceux caractre dterministe qui ncessitent
au pralable une formulation (critres et contraintes) et des proprits mathmatiques
prcises (convexit, drivabilit, ) du problme traiter, et dautre part, ceux de nature
stochastique qui sappuient sur des rgles dvolution probabilistes. Ces derniers ne
requirent la vrification daucune formulation et proprit mathmatique particulire.
Dans le cadre de la conception ou du remodelage dateliers multiobjectifs, les procdures les
plus utilises dans la littrature sont des procdures de type MINLP. En effet, la formulation
gnrale du problme fait apparatre des critres et contraintes gnralement non linaires,
comportant des variables entires traduisant par exemple la prsence ou labsence dunits,
et des variables relles correspondant aux conditions de fonctionnement, aux divers bilans,
etc, Dans certaines applications particulires, le problme peut tre linaire ou linaris; il
est alors rsolu au moyen de procdures MILP (Mixed Integer Linear Programming) ou
Branch and Bound .
En prsence de proprits mathmatiques satisfaites telles que la drivabilit par rapport
aux variables continues ou la convexit, la convergence de ces mthodes vers un optimum
global est assure.
Comme en ordonnancement, un des inconvnients majeurs de cette dmarche dterministe
rside dans laspect combinatoire des problmes. En effet, le nombre de variables et de
contraintes peut devenir rapidement trs important en prsence dateliers de taille
industrielle. Cest pourquoi la grande majorit des publications dans ce domaine ne concerne
que des exemples didactiques et/ou sappuie sur des hypothses simplificatrices restrictives,
o linstabilit des produits est ignore, le stockage est illimit et o il ny a pas de partage
dun quipement entre plusieurs recettes.
Comme en ordonnancement, les mthodes stochastiques, notamment le Recuit Simul ou
les Algorithmes Gntiques constituent une voie trs intressante pour traiter le problme de
conception optimale. Ils sont souvent coupls un simulateur vnements discrets, des
fins de conception dateliers [27, 28].

-37/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

a. Vers une conception intgre de procds

Dans la plupart des travaux, loptimisation est effectue en fonction dun critre technicoconomique, reprsentant par exemple le cot dinvestissement ou le bnfice actualis. Or,
les politiques environnementales et nergtiques imposent de plus en plus de prendre en
compte, ds la phase de conception, la limitation de la gnration deffluents et de la
consommation nergtique dun procd. Ce concept nest certes pas nouveau et a t
abord initialement en 1970 en Gnie des Procds sur des applications de conception
optimale de rseaux dchangeurs de chaleur.
Un nombre important de travaux en a driv [29, 30]. Ces recherches ont galement conduit
la cration de rseaux dchangeurs de matire [31] avec lobjectif de concentrer les
polluants dans certains courants deffluents du procd et de les liminer des autres.
Dans le contexte particulier de la chimie fine, les ateliers multiproduits de chimie fine
conduisent une large gamme deffluents liquides, solides ou gazeux qui ncessitent un
traitement avant rejet comme lillustre la Figure 3.3 pour des procds pharmaceutiques. Or,
le cot des technologies de traitement curatif des rejets a considrablement augment en
raison du nombre croissant de rglementations de plus en plus strictes sur lenvironnement.
Pour le rduire, une alternative intressante consiste minimiser la source la gnration
des effluents. Il apparat ainsi important dintervenir titre prventif, ds les premiers stades
de conception et de dveloppement du procd de fabrication. Deux raisons
supplmentaires viennent conforter cette position : dune part, il est toujours plus difficile et
coteux de modifier a posteriori un procd ; dautre part, les contraintes de production
strictes du type dindustries concernes par les procds discontinus (pharmacie,
agroalimentaire, composants lectroniques ) imposent de figer les conditions opratoires,
une fois les choix tablis, afin dassurer la traabilit des produits.

Produits
Produitsfinis
finis
(500.000
(500.000kg.)
kg.)

Matires
Matires
Premires
Premires
(5.000.000
(5.000.000kg.)
kg.)

Procds
Pharmaceutiques

Recyclage
Recyclage

Solvants
Solvantsuss
uss
(8.000.000
(8.000.000kg.)
kg.)

Dchets
Dchets
aqueux
aqueux
(1.400.000
(1.400.000kg.)
kg.)

Dchets
Dchets
solides
solides
(300.000
(300.000kg.)
kg.)

Figure 3.3 : Rsum synthtique deffluents classiquement rencontrs dans un atelier


de produits pharmaceutiques daprs [32]

Le problme de conception multicritre des ateliers discontinus se transpose de la faon

-38/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

suivante : il sagit de dterminer le nombre et la taille des quipements (et des bacs de
stockage) ainsi que les conditions opratoires de chaque opration unitaire, ayant comme
donnes les recettes dlaboration et la production souhaite pour chacun des produits avec
pour fonctions objectifs un critre conomique ainsi que des critres associs limpact
environnemental, et ventuellement dautres critres, comme la scurit ou la flexibilit.
Les enjeux actuels consistent en la prise en compte du (des) critre(s) environnemental(aux)
lors de la conception de latelier selon une dmarche doptimisation multicritre (Figure 3.4).
DONNES

Recettes dlaboration

Atelier

Production souhaite
Conception
Optimale de
Procds

Nombre dquipements
Taille des quipements
Conditions opratoires
Politique de production

CRITRES
Cot
Environnement
Flexibilit
Scurit

Figure 3.4 Approche multicritre en conception dateliers

Ils sintgrent dans le concept danalyse du cycle de vie (ACV ou LCA Life Cycle
Assesment) [33] qui value d'une manire exhaustive les diffrentes formes de pollution
associes un procd ou un systme industriel. Certes, les difficults dapplication de la
mthode sont dues laffectation des impacts des diffrents produits, la dfinition des limites
du systme dtude, la qualit des donnes, les caractristiques temporelles et spatiales et
les mthodes de caractrisation de limpact.
Une autre mthode qui englobe les principes de lACV dans un cadre doptimisation de
procds est connue sous le nom dImpact Environnemental Minimal [IEM]. Elle a t
applique au cas des ateliers discontinus de chimie fine [34, 35]. Elle implique la dfinition
dune frontire autour du procd tudi (pour une production donne dun produit dsir),
lidentification de linventaire en missions de rejets, la quantification dun impact
environnemental travers une mtrique approprie (pour la pollution dans lair et leau, les
dchets solides, le rchauffement global, loxydation photochimique et la rduction de la
couche dozone) ainsi que linclusion de critres environnementaux dans les outils de
conception et doptimisation de procds.
Dans cette mme perspective, un nombre important de travaux fait rfrence la mthode
connue sous lacronyme anglo-saxon WAR (Waste Algorithm Reduction) (Figure 3.5) [36] qui
introduit le concept de bilan de pollution gnrique dun procd pour dvelopper une
mthodologie de conception systmatique pour la minimisation des effluents.

-39/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Evaluation
de limpact
Algorithme
AlgorithmeWAR
WAR
environnemental
Procds
Procds
de
defabrication
fabrication

Distribution
Distribution
de
deproduits
produits

Utilisation
Utilisation
du
duproduit
produit

Acquisition
Acquisition
des
desmatires
matires
premires
premires

Recyclage
Recyclage

Rejet
Rejetdu
du
produit
produit

Environnement
Figure 3.5 Exemple approche WAR

La prise en compte de ces lments doit aboutir une conception intgre de procds .

3. 5 Conclusions et perspectives

Nous avons prsent les mthodes actuelles utilises en ordonnancement et en conception


dateliers pour des industries de process.
Une solution intressante pour le praticien consiste utiliser un simulateur dateliers pour
reprsenter le fonctionnement de latelier en phase dexploitation et tester diffrentes
politiques de gestion, ce qui apporte une aide efficace pour passer du stade du
dveloppement la fabrication, facilitant ainsi le transfert technologique.
Il faut remarquer que le recours de tels outils est encore loin dtre systmatique:
les industries de process telles que la chimie fine commencent les utiliser de faon
significative pour assister le dveloppement du procd et loptimisation de la fabrication. Il
est important de pallier ce manque, compte tenu des spcificits des industries de process,
notamment dans le domaine pharmaceutique. Pour mmoire, le dveloppement dun
nouveau principe actif ncessite un processus long (environ 7 12 ans) et des
investissements coteux. Un autre argument rside dans le fait que bon nombre de produits
tests au stade du dveloppement (80 85% environ) ne seront finalement pas retenus. En
consquence, le recours la simulation qui permet de tester rapidement et de valider ou non
la faisabilit dalternatives constitue une avance apprciable.
Dun point de vue thorique, les enjeux actuels en matire de recherche se situent sur le
dveloppement de mthodes efficaces dordonnancement ractif et la prise en compte de
laspect multicritre qui sous-tend la problmatique dordonnancement.
Par ailleurs, la modlisation de lincertitude inhrente aux procds discontinus (variations
de la demande, notamment) fait lheure actuelle lobjet de nombreux travaux.

-40/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

Lutilisation dun simulateur datelier peut galement savrer intressante des fins de
conception dateliers. Pour amliorer de faon significative les performances de
fonctionnement, le couplage entre le simulateur datelier et un module doptimisation
constitue la voie privilgier. Pour faire face laspect combinatoire important des
problmes rencontrs tant en ordonnancement quen conception, les algorithmes
stochastiques sont des mthodes trs sduisantes dont lefficacit a t largement
dmontre. Les perspectives se situent clairement sur le dveloppement de mthodes
doptimisation multicritre, ce qui prne encore lutilisation dalgorithmes stochastiques
notamment par Algorithmes Gntiques, en vue de contribuer au dveloppement de
procdures de conception integre de procds [37, 38].

Bibliographie
[1] RAUCH J., Multiproduct plants, Wiley Vch, 2003
[2] MODI A.K., KARIMI I.A., Design of Multiproduct Batch Processes With Finite
Intermediaire Storage, Computers Chem. Engng., Vol. 13, No. 1/2, pp. 127-139,
(1989).
[3] ESPUA A., LZARO J., MARTNEZ M., PUIGJANER L., An Efficient and
Simplified Solution to the Predesign Problem of Multiproduct Plants, Computers
Chem. Engng., Vol.13, No. 1/2, pp.163-174, (1989).
[4] VOUDOURIS V., GROSSMANN I.E., Mixed-Integer Linear Programming
Reformulations for Batch Process Design with Discrete Equipement Sizes, Ind.
Eng. Chem. Res., Vol. 31, pp. 1315-1325, (1992).
Optimal
Campaign
[5] PAPAGEORGIOU
L.G.,
PANTELIDES
C.C.,
Planning/Scheduling of Multipurpose Batch/Semicontinuous Plants 1.
Mathematical Formulation , Ind. Eng Chem Res., 35, pp. 488-509, (1996).
[6] Groupe GOTHA, Modles et Algorithmes en Ordonnancement, Ed. Ellipses
(2004).
[7] KU H., KARIMI I., An Evaluation of Simulated Annealing for Batch Process
Scheduling, Ind. Eng. Chem. Res., Vol. 30, pp. 163-169, (1991).
[8] VAN LAARHOVEN P.J.M., AARTS E.H.L., LENSTRA J.K., Jobshop Scheduling
by simulated annealing, Operations Research , Vol. 40, No. 1. 113-125 (1992).
[9] GOLDBERG, D.A., Algorithmes gntiques, Addison-Wesley (1994).
[10] HOLLAND J.H., Adaptation in Natural and Artificial Systems, University of
Michigan Press, Ann Arbor, MI, (1975gorithmes gntiques, Addison-Wesley
(1994)
[11] COLLETTE Y., SIARRY P. Optimisation multiobjectif, Eyrolles, ISBN : 2-21211168-1
[12] ERARD P.J., DEGUENON. P, Simulation par vnements discrets Presses
polytechniques et universitaires romandes, Collection informatique, 1re Edition
(1996)
[13] BANKS, J., CARSON, J.S., Discrete Event System Simulation, Prentice Hall,
Englewood Cliffs, N.J., (1984)
[14] YOUNG R.A., REKLAITIS G.V., Capacity Expansion Study of a Batch Production
Line, Ind. Eng. Chem. Res., Vol. 28, No. 6, pp. 772-777, (1989)
[15] MIGNON D.,
HERMIA J., Complementarity of Simulation and Analytical
Methodologies - A Design Application, Computers Chem. Engng.,Vol. 20, No.3,
pp. 235-247, (1996)
[16] LINNINGER A. A., ALI S. A., STEPHANOPOULOS E., HAN C.,
STEPHANOPOULOS G., Synthesis and assessment of batch processes for
pollution prevention, AIChE Symposium Series, 90 (303), 46-53, 1994
[17] LINNINGER A. A., STEPHANOPOULOS E., ALI S. A., HAN C.,

-41/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

STEPHANOPOULOS G., Generation and assessment of batch processes with


ecological consideration, Computers Chem. Engng., Vol. 19 No. 3, Suppl. S7S13, (1995)
[18] PETRIDES D., KOULOURIS A., LAGONIKOS P, The Role of Process Simulation
in Pharmaceutical Process Development and Product Commercialization,The
Official Journal of Pharmaceutical Engineering, ISPE, Vol. 22 (1),
January/February (2002)
[19] KONDILI, E., PANTELIDES, C.C., SARGENT, R.W.H., A General Algorithm for
Short-Term Scheduling of Batch Operations., I - MILP Formulation, Comp.
Chem. Engng., Vol. 17, pp. 211-229, (1993)
[20] SHAH, N., PANTELIDES, C.C., SARGENT, R.W.H., A General Algorithm for
Short-Term Scheduling of Batch Operations., II - Computation Issues. Comp.
Chem. Engng., Vol. 17, pp. 229-244, (1993)
[21] BERARD, F., AZZARO-PANTEL, C., PIBOULEAU, L., DOMENECH, S.,
NAVARRE, D., PANTEL, M., Towards an incremental development of discreteevent simulators for batch plants : use of object-oriented concepts, Comp.
Chem. Engng., Vol. 23, Suppl., ESCAPE-9, pp. S565-S568, (1999).
[22] C. AZZARO-PANTEL, L. PIBOULEAU, S. DOMENECH, Mthodes de Gnie
des procds. Etude de cas. Modlisation et optimisation du fonctionnement
dateliers discontinus. Application lordonnancement dateliers de fabrication
de composants lectroniques. Edition HERMES Science -LAVOISIER (PARIS),
ISBN 2-7462-0814-8 (2004).
[23] PAPAGEORGAKI S., REKLAITIS G.V., Optimal design of multipurpose batch
plants I. Problem Formulation, Ind. Eng. Chem. Res., Vol. 29, pp. 2054-2062
(1990)
[24] PAPAGEORGAKI S., REKLAITIS G.V., Retrofitting a general multipurpose
batch chemical plant, Ind. Eng. Chem. Res., Vol. 32, pp. 345-362 (1993)
[25] BROOKE A., KENDRICK D., MEERAUS A. AND R. RAMAN, 1998, GAMS
Users Guide, GAMS Development Corporation.
[26] PINTO J. M., MONTAGNA J. M., VECCHIETTI A. R., IRIBARREN O. A.,
ASENJO J. A., Process performance models in the optimization of multiproduct
protein production plants, Biotechnology and bioengineering, 2001, 74 (6), 451465
[27] BERNAL-HARO L., AZZARO-PANTEL C., PIBOULEAU L., DOMENECH S.,
Multiobjective batch plant design : a two-stage methodology -Part I :
Development of a Design-Oriented Discrete-Event Simulation Model, Industrial
& Engineering Chemistry Research, Volume 41, Issue 23 (November 6, 2002),
pp. 5727-5742
[28] BERNAL-HARO L., AZZARO-PANTEL C., PIBOULEAU L., DOMENECH
S.,Multiobjective batch plant design : a two-stage methodology -Part II :
Development of a genetic algorithm and results analysis,
Industrial &
Engineering Chemistry Research, Volume 41, Issue 23 (November 6, 2002),
pp. 5743-5758
[29] SHERNOY U., Heat exchange network synthesis: process optimisation by
energy and resource analysis, synthesis, and design of chemical processes.
Huston: Gulf Publishing Company.
[30] GUNDERSEN T., DRABBANT R., JAIN R, The synthesis of cost optimal heat
exchangers networks: an industrial review of the state of the art. Computers and
Chemical Engineering, 17, 151-170
[31] EL-HALWAGI M., MANOUSIOUTHAKIS V., Synthesis of mass exchange
networks, AIChE Journal.,35, 8, 1233-1250 (1989)
[32] CHAKRABORTY A., LINNINGER A., Plant-wide waste management. 1.
Synthesis and multiobjective design, Ind. Eng. Chem. Res. 2002, 41, 45914604

-42/ 43-

Catherine Azzaro-Pantel- Procds Discontinus

[33] BURGESS A., BRENNAN D., Application of life cycle assessment to chemical
processes, Chemical Engineering Science, Volume 56/8 pp 2589-2604 (2001)
[34] STEFANIS S. K., LIVINGSTON A. G., PISTIKOPOULOS E. N., Minimizing the
environmental impact of process plants: a process systems methodology,
Computers Chem. Engng. Vol. 19, Suppl., pp. S39-S44 (1995)
[35] STEFANIS S. K., LIVINGSTON A. G., PISTIKOPOULOS E. N., Environmental
impact considerations in the optimal design and scheduling of batch processes,
Computers Chem. Engng. Vol. 21 No. 10, pp. 1073-1094 (1997)
[36] CABEZAS H., BARE J. C., MALLICK S. K., Pollution prevention with chemical
process simulators: the generalized waste reduction (WAR) algorithm full
version, Computers and Chem. Engng. Vol. 23, 623-634 (1999)
[37] CAVIN L., FISCHER U. GLOVERB F., HUNGERBHLER K., Multi-objective
process design in multi-purpose batch plants using a Tabu Search optimization
algorithm, Computers and Chemical Engineering 28 (2004) 459478
[38] DIETZ A., AZZARO-PANTEL C., DOMENECH S., PIBOULEAU L., A framework
for multiproduct batch plant design with environmental consideration,
application to protein production, Industrial & Engineering Chemistry Research.

-43/ 43-