1

Analyse statistique et classement de stratgies

dordonnancement :
Cas dune industrie semi-continue
V. Dhaevers 1, O. Roux 1, A. Lazraq 2, D. Duvivier 3, N. Meskens 1, A. Artiba 4.

1 Facults Universitaires Catholiques de Mons

151 Chausse de Binche, B-7000 Mons, Belgique,
{dhaevers, roux, meskens}@fucam.ac.be
2 ENIM, Rabat, Maroc, lazraq@enim.ac.ma
3 LIL, Universit du Littoral Cte dOpale, Calais, France, david.duvivier@lil.univ-littoral.fr
4 ETS, Montral, Canada, hakim.artiba@etsmtl.ca

problmes de planification et dordonnancement [4]. Celle-ci

Rsum Cet article porte sur lutilisation de tests statistiques
pour laide la dcision dans le cadre de lordonnancement de la
production en industrie semi-continue. Lobjectif est de fournir
au dcideur la stratgie dordonnancement la plus adapte ses
prfrences et au contexte. Une plate-forme a t dveloppe
pour fournir notamment lordonnancement dun mois de
production, par lexploitation de diffrentes mthodes
doptimisation et de la simulation. Les diffrents
ordonnancements fournis par ces mthodes sont, si ncessaire,
amliors au moyen dun modle rsultant de lhybridation
dune mtaheuristique et dun modle de simulation. Afin de
gnrer des solutions offrant de bons compromis entre des
objectifs bien souvent antagonistes, une mthode multicritre est
intgre au sein de notre hybride.
Cette tude compare et classe, sur base dun ensemble de
mesures de performance, plusieurs stratgies dordonnancement
au moyen dun tri lexicographique dune part et de la mthode
multicritre Promthe dautre part. Diffrents tests statistiques,
paramtriques et non paramtriques sont utiliss pour valider les
classements obtenus.
Mots-clefs Aide la dcision, tests paramtriques et non-
paramtriques, optimisation, ordonnancement, mthode
multicritre, simulation.
I. INTRODUCTION
repose sur plusieurs modles hybrides combinant la simulation
avec diffrentes mthodes doptimisation. Le modle de
simulation est conu de manire tenir compte des
spcificits du processus de production sous-jacent.
Cette plate-forme, nomme PlanOrdo, est compose de
modules rutilisables organiss autour dune base de donnes.
Cette organisation extrmement souple permet dintgrer un
grand nombre doutils complmentaires afin de fournir au
dcideur une aide la dcision aussi complte, prcise et
fiable que possible.
Le module ddi lordonnancement comporte un
ensemble de mthodes srielles classiques telles que SPT
(Shortest Processing Time), LPT (Largest Processing Time)
ainsi que des mthodes srielles spcifiques. Afin de pallier
les faiblesses caractristiques de ces mthodes [4, 7, 10, 11],
les ordonnancements fournis peuvent tre amliors par le
module doptimisation au moyen de mtaheuristiques ou
dune mthode exacte. Dans le contexte de ltude prsente,
la gnralisation de nos rsultats sapplique aux problmes
dordonnancement de type jobshop gnralis (jobshop dans
lequel au moins une tape du processus de production peut
tre ralis sur plus dun poste et/ou au moins un produit peut
emprunter plus dun chemin).
Le cur de la plate-forme est constitu dun modle de

D ANS le cadre des processus de production de type

discret ou semi-continu organiss en jobshop gnralis,
nous avons dvelopp une plate-forme gnrique daide
la dcision base sur loptimisation et la simulation de
1 Celles-cisont dcrites dans [5]
2 Il
est noter que les tests statistiques ont t raliss au moyen du logiciel
Minitab 13. Toutes les informations utilesconcernant ce logiciel sont
disponibles ladresse http://www.minitab.fr .
4 Lanalyse factorielle des correspondances a t ralise au moyen du
logiciel SPAD 5.6 . La documentation concernant ce logiciel est disponible
sur le site http://www.decisia.fr .
simulation. Celui-ci, dvelopp dans le langage de notre
simulateur RAO [1], est compos de patterns gnriques
dcrivant le fonctionnement des ressources standards. Ce
modle peut ventuellement tre complt, au moyen de notre
modlisation graphique ALIX [8], dun petit nombre de
patterns ddis au problme tudi.
Dans la suite de cet article, les mthodes srielles, suivies
dune simulation, et ventuellement dune phase
doptimisation sont appeles stratgies dordonnancement.
Dans le cadre de cette recherche, notre plate-forme fournit un
banc dessai pour comparer diffrentes stratgies
dordonnancement et dterminer dynamiquement la stratgie
la plus adapte au contexte. Ce contexte peut prendre en

compte lenvironnement conomique et la forte variabilit de
la demande. Chaque stratgie dordonnancement repose sur
lutilisation dune mthode srielle, lexcution dun modle
de simulation et, ventuellement, une optimisation par une
mtaheuristique.
La ncessit de fournir des solutions offrant de bons
compromis entre les objectifs bien souvent antagonistes de
lentreprise nous a amens intgrer une mthode multicritre
au sein de notre plate-forme.
Notre tude synthtise les rsultats de lapplication de notre
dmarche dans une entreprise ayant un systme de production
semi-continu fortement contraint [5, 6, 14] : lentreprise
Fontainunion. Cet article prsente la comparaison de solutions
de cinq stratgies dordonnancement afin de dterminer celle
quil convient de mettre en uvre dans lentreprise. Cette
comparaison est ralise en utilisant des tests statistiques
paramtriques et nonparamtriques sur base, dune part, dun
tri lexicographique et dautre part, dune analyse multicritre.
Loriginalit de nos travaux rside donc non seulement dans
l'hybridation de diffrentes techniques, mais galement dans la
prise en compte de diffrentes disciplines telles que
lordonnancement, la simulation, les mtaheuristiques, laide
multicritre la dcision, les statistiques et lanalyse des
performances afin de fournir au dcideur des solutions
englobant tous les aspects du problme dordonnancement
auquel il est confront.
Le plan suivi pour prsenter notre tude est le suivant: nous
dcrivons notre plate-forme en section 2, nous exposons le
problme industriel en section 3, nos rsultats sont synthtiss
en section 4, nous concluons ensuite lexpos de notre tude
en prsentant quelques perspectives de dveloppement de nos
travaux.
II. DESCRIPTION DU MODELE HYBRIDE ANALYSE :
L HYBRIDE LEXICOGRAPHIQUE
Dans cet article, nous nous concentrons sur lutilisation
dun modle hybride, le modle Hybride lexicographique ,
incluant une mtaheuristique pour amliorer les rsultats
fournis par les diffrentes stratgies dordonnancement
implmentes.
Le principe de fonctionnement du modle hybride prsent
2
Figure 1 : Fonctionnement du modle Hybride lexicographique
est illustr par la Figure 1.
Sur base des informations utiles la ralisation de
lordonnancement de la production, chaque mthode srielle
implmente dans la plate-forme fournit au modle de
simulation son vecteur de priorits, associant une priorit
chaque commande ou ordre de fabrication. En retour, le
modle de simulation calcule lordonnancement et quantifie
lensemble des mesures de performance slectionnes (notes
critres dans la suite de larticle) par le dcideur. Ce
vecteur de priorits des commandes et les informations
relatives la performance de lordonnancement dfini
constituent la solution initiale de la mthode de recherche
locale.
Notons que lutilisation dun vecteur de priorits autorise
galement lintroduction, par le dcideur, de commandes dont
lexcution ne peut en aucun cas tre retarde par la
ralisation dautres commandes.
Le principe de fonctionnement de la mtaheuristique,
utilise dans notre hybride, repose sur une mthode itrative
d'amlioration d'une solution unique (Iterative Improvement,
with first improvement selection [18, 19], i.e. Hill-Climber). A
partir de la solution initiale, une solution candidate est
engendre via un oprateur de dplacement . Si la solution
candidate offre une meilleure valuation que la solution
initiale, alors la solution candidate devient la solution
courante. Loprateur est ensuite appliqu la solution
courante afin de donner naissance une nouvelle solution
candidate. Ce cycle, appel itration, est rpt jusqu la
satisfaction de la condition darrt prdfinie (par exemple, un
nombre ditrations maximum). Il est noter quune
valuation de la solution candidate est effectue lors de
chaque itration, si bien que le nombre ditrations correspond
au nombre dvaluations. La comparaison des solutions au fil
des itrations se base sur un tri lexicographique.
La Figure 2 prsente le plan dexprimentation suivi dans
cette tude. Parmi les diffrentes mthodes srielles
implmentes, cinq dentre-elles (MSi ; i = 0,14) ont t
slectionnes afin de rduire le volume des rsultats
prsents1. Cette slection a t effectue de manire
prserver une diversit des solutions initiales reprsentative
des solutions proposes par lensemble des mthodes srielles
testes.
Compte tenu du caractre stochastique de lalgorithme
itratif de recherche locale, nous avons effectu, partir de la
solution initiale SIi fournie par chaque mthode srielle MSi,
20 essais (j=1,220) de 4000 itrations/valuations, chaque
itration ncessitant le lancement du modle de simulation. A
lissue de chacun des 20 essais, nous obtenons 20 solutions
finales (optimises) SFij par stratgie i. Le nombre dessais et
ditrations a t tabli sur la base de benchmarks
prliminaires. Ce paramtrage vise assurer un bon
compromis entre temps de calcul et qualit des solutions
finales.
Diffrents oprateurs de dplacement ont t tests. Ces

oprateurs modifient de manire plus ou moins importante le
vecteur de priorits associ la solution courante pour
engendrer un nouveau vecteur de priorits relatif la solution
candidate. Loprateur swap , utilis dans le cadre des
rsultats prsents, consiste changer deux lments du
vecteur courant pour obtenir un nouveau vecteur. Lavantage
principal de cet oprateur est quil ne ncessite aucune
information sur le processus en cours doptimisation. De ce
fait, cet oprateur gnrique est applicable une trs large
gamme de problmes dordonnancement ce qui nous permet
dvaluer aisment les performances des modules
gnriques assembls au sein de notre plate-forme.
Figure 2 : Plan dexprimentation de l Hybride lexicographique
Afin dindiquer au dcideur la stratgie dordonnancement
appliquer, les solutions optimises, obtenues pour chaque
stratgie, sont ensuite classes. Deux mthodes de classement
sont disponibles au sein de la plate-forme : le tri
lexicographique et la mthode multicritre Promthe II [2, 3,
9]. Cette dernire est une mthode dagrgation partielle qui
compare les solutions des stratgies paire par paire tout en
tenant compte des prfrences du dcideur. Elle ncessite de
la part du dcideur des informations sur chaque critre : sa
fonction de prfrence et son poids. La fonction de prfrence
est choisie parmi six possibilits : vrai-critre, forme en U,
forme en V, niveaux, linaire, gaussien. En fonction de celle-
ci, pour chaque critre, des nuances peuvent tre introduites
par le dcideur par le biais de seuils dindiffrence (q) et/ou de
prfrence (p). Dune comparaison critre par critre de deux
solutions a et b, va rsulter un indice de prfrence qui mesure
lintensit de la prfrence de la solution a sur la solution b.
Le processus est rpt pour toutes les paires de solutions. Sur
la base des indices de prfrence obtenus par la solution a
compare toutes les autres solutions, un flux positif est
calcul. Celui-ci indique dans quelle mesure la solution a est
prfre toutes les autres solutions. Par ailleurs, un flux
ngatif est aussi calcul et reprsente dans quelle mesure les
autres solutions sont et reprsente dans quelle mesure les
autres solutions sont prfres a. La diffrence entre les flux
positif et ngatif donne le flux net phi de la solution.
Cette valeur est utilise pour dterminer un classement des
solutions selon les prfrences du dcideur. videmment, le
classement des solutions est influenc par les valeurs des
3
diffrents paramtres assigns aux critres. Toutefois,
Promthe II est robuste face aux valeurs des poids des
critres condition que ceux-ci se trouvent dans lintervalle
de stabilit [2].
Le recours la mthode de classement multicritre se
justifie pleinement. En effet, un tri lexicographique peut
paratre suffisant tant quil est possible de classer strictement
les critres optimiser. Or, il est rarement facile de classer les
critres dans le cadre dun problme rel ; mais surtout, lors
de la comparaison des solutions de deux stratgies
dordonnancement, un dcideur accepte bien souvent une
stratgie qui est moins intressante du point de vue dun
critre si cette dernire offre des amliorations significatives
sur dautres critres. De ce fait, le classement des stratgies
dordonnancement selon plusieurs critres de performance est
loin dtre trivial, surtout en prsence de critres antagonistes
de mme importance aux yeux du dcideur.
Tableau 1 : Notation et description des critres optimiss
Dans cette recherche, quatre critres sont considrs. Le
Tableau 1 prsente la notation utilise pour les identifier et
leur description. Il sagit, dans cette tude, de minimiser les
critres (1) (3) et de maximiser le critre (4). Si la
minimisation des trois premiers critres est couramment
utilise lors la rsolution dun problme dordonnancement, la
maximisation de lavance est moins frquente. Dans ce cas
dapplication, lobjectif est de se prmunir des
dysfonctionnements apparaissant en cours de processus de
production afin de garantir, autant que possible, le respect des
dlais de livraison. Les impratifs de lentreprise tudie nous
imposent de considrer ces quatre critres dans un ordre
dcroissant dimportance NT > T > Cmax > E (ici > dsigne
une relation de prfrence). Les valeurs des critres (2) (4)
sont exprimes en heures.
Aprs avoir dtaill la plate-forme utilise ainsi que
lhybride implment, la section suivante dcrit le problme
industriel de lentreprise Fontainunion.
III. PROBLEME INDUSTRIEL CONSIDERE

La validation de notre dmarche est effectue sur le
problme dordonnancement du systme de production de
lentreprise Fontainunion, situe Fontaine-Lvque, en
Belgique. Sa production est compose de fils et de torons
dacier de haute qualit (cbles constitus de 2, 3 ou 7 fils),
utiliss dans le monde entier, dans des constructions diverses
telles que les aroports, les stades, les ponts En fonction de
la nature des produits raliss, le systme de production
considr, compos de dix-sept postes de travail, prend la
forme dun flowshop ou dun jobshop gnralis (cf. Figure
3).
Figure 3: Systme de production de l'entreprise Fontainunion
Le processus de production comporte sept groupes de
machines, associs aux tapes du processus de fabrication. Les
oprations continues et discrtes senchanent via des
oprations de soudure ou de dcoupe en vue du stockage des
produits semi-finis sur des bobines. Le simulateur RAO est
utilis pour modliser la totalit du problme, y compris la
partie continue du processus.
Chaque produit, obtenu partir de fils machine (FM) ou de
fils galvaniss (cf. Figure 3), est le rsultat dune squence
doprations ordonnances en respectant les contraintes lies
aux ressources et aux relations de prcdence. Les contraintes
lies aux ressources incluent des limitations au niveau des
entres/sorties, des setups, et de la non-premption. Les
relations de prcdence imposent quune opration ne peut
commencer avant la fin de toutes les oprations prcdentes
identifies dans la gamme opratoire du produit.
Lhtrognit des machines induit une dpendance entre le
temps opratoire, le produit fabriqu et la machine utilise
pour raliser lopration. Enfin, la production de lentreprise
cible de type fabrication sur commande ncessite la prise
en compte de fortes variations des commandes dun mois
lautre.
Dans ce processus, diffrents types de setups doivent tre
considrs dpendants et indpendants de la
squence de ralisation des produits sur les postes de
travail. De nombreuses contraintes additionnelles rendent
ce problme trs difficile apprhender en termes de
modlisation, doptimisation et de simulation. Parmi celles- ci,
figurent lutilisation de ressources auxiliaires en nombre limit
(bobines), les contraintes sur les diamtres et les charges
supports en entre/sortie des postes de travail.
Lhtrognit de ces derniers implique que toutes les
bobines ne sont pas compatibles avec toutes les machines. De
mme, toutes les machines ne sont pas capables de raliser
tous les produits et/ou tous les types de conditionnements.
Mentionnons galement quun sous-ensemble de commandes
ne peut accuser de retard en raison notamment des moyens de
transport utiliss lors de leur expdition. Le modle ralis
4
doit galement reproduire et anticiper, dans la mesure du
possible, les dysfonctionnements du processus tels que des
ruptures de fils. Les problmes lis au stockage et au transport
au sein de lentreprise tudie ne sont pas pris en compte dans
notre tude car ils nont pas dimpact significatif.
Le site travaille 24 heures sur 24, cinq jours sur sept avec
une rotation journalire de trois quipes de onze ouvriers.
Dans la section suivante, les solutions optimises, via
l'Hybride lexicographique, de cinq stratgies
dordonnancement sont prsentes et compares.
IV. RESULTATS EXPERIMENTAUX
Afin de respecter les clauses de confidentialit relatives ce
projet, les comparaisons directes entre la production relle et
la production simule ne sont pas prsentes. Prcisons
toutefois que dans la majorit des cas, PlanOrdo gnre des
rsultats suprieurs ou identiques, en termes de dlais et de
makespan, aux rsultats obtenus par la personne charge de
raliser lordonnancement au sein de lentreprise
Fontainunion.
Notre Hybride lexicographique ordonnance de faon
prcise un mois de production. Sur cette priode, la dure
dexcution du modle de simulation varie de trois six
secondes, sur un Pentium IV 1.5GHz. La validation de la
plate-forme PlanOrdo est ralise sur le problme
dordonnancement du processus de production de lentreprise
Fontainunion. Les paragraphes suivants prsentent un
exemple dutilisation de PlanOrdo o la production de 134
commandes est simule sur une priode dun mois. Les
solutions des stratgies dordonnancement sont values selon
les quatre critres choisis par le dcideur (cf. Tableau 1).
A. Objectifs de notre tude
Notre objectif est de sassurer, au moyen de tests
statistiques paramtriques et non paramtriques, que les
diffrences constates entre les stratgies dordonnancement,
values sur quatre critres, sont significatives. Une fois la
diffrentiation tablie, il est possible de dterminer, sur base
du classement de ces stratgies, celle quil convient
dappliquer dans lentreprise.
Le classement des stratgies dordonnancement tant
ralisable via un tri lexicographique ou une mthode
multicritre, nous souhaitons analyser les rsultats fournis par
ces deux mthodes et souligner lintrt dexploiter une
mthode multicritre. En effet, celle-ci offre de plus larges
possibilits que le tri lexicographique. La mthode
multicritre permet au dcideur de dfinir un ordre de
prfrence strict entre les critres dvaluation comme le fait
le tri lexicographique ou laisse la possibilit de nuancer les
prfrences en accordant la mme importance plusieurs
critres. De plus, le paramtrage de la mthode offre au
dcideur la possibilit de dfinir des seuils dindiffrence et de
prfrence pour chaque critre considr afin dabsorber les
incertitudes lies lacquisition, la synthse des donnes ou
encore aux alas du processus de production.

B. Donnes
Il est utile de rappeler que les classements prsents, relatifs
la priode slectionne comprenant 134 commandes, ne sont
pas gnralisables directement dautres priodes, cause de
linfluence de divers paramtres sur les performances des
mthodes srielles (cf. section II). Cependant, les rsultats
obtenus lors de ltude de notre hybride sur diffrentes
priodes demeurent cohrents par rapport aux rsultats
engendrs par la personne charge de lordonnancement de la
production.
Les rsultats fournis par lhybride ont t analyss sur base
de trois chantillons de donnes diffrents. Une observation
tant compose, pour une stratgie donne, des 20 valuations
pour une itration fixe, nous dfinissons les compositions des
chantillons tudis de la manire suivante :
- lchantillon 1 est compos des 20 solutions finales des 5
stratgies dordonnancement, soit 5 observations ;
- lchantillon 2 est compos des solutions courantes,
gnres toutes les 10 itrations de chaque stratgie, soit 401
observations par stratgie ;
- lchantillon 3 est compos des solutions courantes,
gnres toutes les 10 itrations, de chaque stratgie aprs
stabilisation du classement (rejet des 200 premires
observations), soit 201 observations par stratgie.
Ces diffrents chantillons ont t respectivement dfinis de
manire :
- raliser classiquement une analyse portant sur les
solutions finales des stratgies dordonnancement optimises ;
- dgager une tendance gnrale du comportement des
diffrentes stratgies dordonnancement ;
- mettre en vidence une tendance qui apparat aprs la
stabilisation du classement des stratgies.
C. Mthodes utilises
Un classement des stratgies est ralis, dune part, au
moyen dun tri lexicographique et dautre part, laide de la
mthode multicritre Promthe II.
Afin de valider ces classements, diffrents tests statistiques,
paramtriques et non paramtriques (bass sur les rangs) sont
utiliss 2. Pour chaque stratgie dordonnancement tudie, la
moyenne moyi(SFij)3 et la mdiane medi(SFij) des solutions
fournies par les 20 essais raliss sont calcules toutes les 10
valuations.
Les mdianes sont utilises en remplacement des moyennes
car elles sont beaucoup plus robustes en prsence
dobservations aberrantes. Notre dmarche de validation
statistique consiste tester lexistence ou le rejet dune galit
entre ces valeurs moyennes et/ou mdianes.
Les tests non paramtriques de Kruskal-Wallis et de Mann-
Whitney [12, 13, 15, 16] sont appliqus chaque chantillon.
Le test de Kruskal-Wallis offre une alternative non
paramtrique l'analyse de la variance un facteur contrl. Il
permet de tester lgalit des mdianes de k populations
(traitements). Si k=2, ce test se rduit au test de Mann-
Whitney. Le test de Kruskal-Wallis est utilis en vue de
5
dterminer si les mdianes des cinq stratgies sont
significativement diffrentes, et dans laffirmative, dtablir
un premier classement approximatif des stratgies
dordonnancement. En tenant compte du p-value global du
test, le classement obtenu est ensuite confirm et affin par
une succession de tests de Mann-Whitney, destins
comparer les mdianes des stratgies deux deux. Ces deux
tests ne sont toutefois applicables que dans le cas o il est
possible de comparer les observations entre-elles pour des
itrations diffrentes. Lingalit de Bonferroni [17] dmontre
que lerreur alpha globale associe un ensemble de tests est
infrieure la somme des erreurs alpha de chaque test.
Le test de Friedman est une analyse non paramtrique d'un
plan d'expriences nk. Les n lignes sont des blocs
reprsentant les individus et les k colonnes, les traitements. On
remplace chaque observation dun traitement pris sur le mme
individu par son rang dans la mme ligne (le bloc). Lobjectif
est de tester lgalit des mdianes des k traitements. Si k=2
ce test se rduit au test de Wilcoxon. Dans le cas de la
mthode Promthe II, il nest pas possible de comparer les
stratgies suivant leur rang pour diffrentes itrations. Seule la
comparaison entre stratgies, pour une mme observation, est
autorise. Le bloc reprsente dans ce cas une itration et
chaque ligne (bloc) contient donc les rangs des 5 stratgies.
Etant donn que nous utilisons des blocs, les tests de
Friedman et de Wilcoxon [12, 13, 15, 16] sont donc appliqus
en lieu et place des tests de Kruskal- Wallis et de Mann-
Whitney.
Dans le cas de lchantillon 1, une analyse statistique
supplmentaire, base sur les moyennes des solutions finales
des stratgies, a t mene. Celle-ci repose sur lapplication
des tests paramtriques de lANOVA un facteur contrl
[13] et des comparaisons deux deux de Fisher. Bien entendu,
pralablement leur mise en uvre, les tests de normalit et
dhomognit des variances ont t raliss.
D. Rsultats
Lanalyse des rsultats de cette tude est organise en deux
sections selon le mode de classement des stratgies
dordonnancement. Dans chacune de ces sections, les trois
niveaux danalyse des rsultats sont prsents et interprts.
1) Classement des stratgies dordonnancement laide
dun tri lexicographique
Les rsultats, obtenus aprs 4000 itrations et classs via un
tri lexicographique, sont prsents dans le Tableau 2.
Lanalyse de ce tableau montre que la stratgie 3 est
plbiscite. Lordre de prfrence des stratgies est le suivant:
3 1 2 4 0 ( a b indique que la stratgie a est
classe nettement avant b).
Le Tableau 2 prsente, pour chaque critre slectionn, sa
valeur moyenne et la valeur de lcart-type calcule sur
chaque groupe de vingt excutions. Le gain moyen ralis
entre la solution initiale et la moyenne des solutions finales
obtenues aprs 4000 itrations est galement indiqu pour
chaque stratgie dordonnancement.

Tableau 2 : Rsultats de l Hybride lexicographique aprs 4000 itrations
(tri lexicographique)
Lanalyse des rsultats met en vidence deux proprits
importantes de la mthode hybride : dune part, lissue de
nimporte quelle excution de 4000 itrations, il nexiste plus
aucune commande en retard (les colonnes NT et T sont 0) ;
dautre part, quelle que soit la stratgie initiale utilise, lHill-
climber parvient en moyenne rduire le makespan dau
moins huit heures, ce qui conduit librer huit heures de
travail pour une quipe de onze ouvriers sur le mois simul.
La comparaison de ces solutions optimises la solution
propose par le responsable de production montre que notre
mthode rduit, en moyenne, le makespan de neuf heures dans
le pire des cas et de treize heures dans le cas le plus favorable.
Le dfaut de cette mthode de classement est de se baser
uniquement sur les moyennes des valeurs des critres associs
aux solutions, sans tenir compte de leur variabilit. Pour
pallier cela, les tests statistiques prcdemment mentionns
sont utiliss afin de confirmer ou dinfirmer le classement
obtenu par tri lexicographique.
a) Analyse statistique Echantillon 1
Le test paramtrique de lANOVA un facteur contrl,
reprsentant la stratgie, donne un p-value de 0,0000.
Ce test, complt par des comparaisons deux deux de
Fisher, fournit le classement suivant 3 1 0 = 2 = 4 ( a = b
indique que la stratgie a est juge quivalente la stratgie
b). Les tests non-paramtriques de Kruskal-Wallis et de
Mann-Whitney, testant lgalit des mdianes confirment ce
classement avec, pour chaque test, un p-value de 0,0000.
La prise en compte de la variabilit des donnes met en
vidence que les diffrences, en moyenne et en mdiane,
existant entre les stratgies 0, 2 et 4 ne sont pas suffisamment
discriminantes pour tablir un classement strict entre ces trois
stratgies.
b) Analyse statistique Echantillon 2
Par la ralisation du test de Kruskal-Wallis et des tests deux
deux de Mann-Whitney, nous tablissons que, dans le cas o
toutes les solutions gnres par pas de 10 itrations, sont
prises en considration, la relation de dominance existante
entre les stratgies est reprsente par 2 3 1 4 0. Afin
de confirmer ce rsultat, nous poursuivons notre analyse
statistique en dressant le tableau de contingence
classement/stratgie (cf. Tableau 3).
6
Tableau 3: Tableau de contingence de lchantillon 2 tri lexicographique
Chaque case du Tableau 3 contient le nombre de fois
quune stratgie obtient un classement allant de 1 5. Une
dpendance trs marque entre les stratgies et leur classement
a t mise en vidence par un test du Khideux (p-value =
0,0000), qui complt par une analyse factorielle des
correspondances4 de ce tableau confirme le classement suivant
: 3 2 1 4 0. Ce classement diffre quelque peu du
premier classement tabli par le test de Kruskal-Wallis.
Limportance des stratgies 3 et 2 est inverse. Nous pouvons
toutefois affirmer que les stratgies 3 et 2 sont globalement
dominantes.
c) Analyse statistique Echantillon 3
Lobservation de lvolution, pour chaque stratgie
dordonnancement, des mdianes, calcules sur les 20
solutions courantes dune mme itration, montre quil faut
attendre la 201me observation pour quune diffrence
significative entre les stratgies soit atteinte. Afin de
complter ltude de l Hybride lexicographique , nous
analysons son comportement en supprimant les 200 premires
observations.
Aprs avoir rejet trs fortement lhypothse dquivalence
des stratgies dordonnancement lors du test de Kruskal-
Wallis, nous concluons, sur base des rsultats des quatre tests
de Mann-Whitney raliss (p-value = 0.0000), que le
classement des stratgies prend la forme 3 2 1 4 0.
Aprs avoir rejet trs fortement lhypothse dquivalence
des stratgies dordonnancement lors du test de Kruskal-
Wallis, nous concluons, sur base des rsultats des quatre tests
de Mann-Whitney raliss(p-value = 0.0000), que le
classement des stratgies prend la forme 3 2 1 4 0.
En se basant sur lingalit de Bonferroni [17], nous
pouvons affirmer que le niveau global des cinq tests (1
Kruskal-Wallis et 4 Mann-Whitney) est infrieur 0,005 si,
pour chaque test, un risque de premire espce gal 0,001
est pris. Ce rsultat montre que mme avec ces hypothses trs
restrictives (=0,001), le classement fourni la suite de ces
cinq tests est toujours valide.
Comme nous lavons fait dans la section prcdente, sur
base du tableau de contingence classement/stratgie, nous
avons tabli un classement global des stratgies partir de la
201me observation. Les rsultats sont les suivants :
- La stratgie 3 est systmatiquement dominante ;
- La stratgie 2 est la 2me systmatiquement dominante ;
- La stratgie 1 est la 3me systmatiquement dominante ;
- La stratgie 4 est la 4me systmatiquement dominante ;
- La stratgie 0 est la 5me systmatiquement dominante.
-

2) Classement des stratgies dordonnancement au
moyen de la mthode multicritre Promthe II
Dans cette section, le classement des moyennes moyi(SFij),
prsent dans le Tableau 5, est effectu au moyen de la
mthode multicritre Promthe II dont le paramtrage est
prcis dans le Tableau 4.
Tableau 4 : Paramtrage de la mthode Promthe II
Ce paramtrage induit que si, par exemple, deux solutions
comportent au moins quatre heures de diffrence (pj = 4) sur le
makespan (Cmax), cette dernire va entraner la prfrence
dune solution sur lautre pour ce critre. Par contre, si la
diffrence est de moins dune demi-heure (q = 0,5), celle-ci
est non significative.
Tableau 5 : Rsultats de l Hybride lexicographique aprs 4000 itrations
(Promthe II)
Promthe II classe les stratgies dordonnancement dans
un ordre diffrent de celui donn par un tri lexicographique.
Le classement 1 3 2 0 4 est propos. Une dmarche de
validation statistique, semblable celle utilise dans le cas du
tri lexicographique, a galement t mise en place. Elle est
prsente dans les sections suivantes.
a) Analyse statistique Echantillon 1
Lhypothse dquivalence des stratgies est trs fortement
rejete (p-value de 0,0000) par le test paramtrique de
lANOVA un facteur contrl. Les comparaisons deux
deux de Fisher ont permis de dfinir le classement suivant 3
=1 = 0 = 2 = 4 ( a = b indique que le test statistique
ne permet pas de trancher clairement entre lgalit et la
dominance de a sur b).
Cet chantillon ne se rfrant qu une seule itration, il est
par consquent possible dutiliser les tests nonparamtriques
de Kruskal-Wallis et de Mann-Whitney bien que le classement
des solutions soit obtenu via la mthode Promthe. Ceux-ci,
testant lgalit des mdianes, confirment ce classement.
Notons que ce classement est trs proche de celui de
lanalyse statistique prsente en 1. On constate toutefois que
la mthode multicritre se rvle plus nuance, par rapport au
tri lexicographique, quant la dominance de la stratgie 3 sur
la stratgie 1.
Contrairement au classement des observations de
lchantillon 1 propos partir des valeurs moyennes
moyi(SFij), le classement dtermin par les tests statistiques
rejette toute dominance stricte dune stratgie sur lautre.
7
b) Analyse statistique Echantillon 2
Aprs avoir tabli par un test de Friedman que les stratgies
sont significativement diffrentes, les tests de Wilcoxon,
appliqus sur les stratgies deux deux, dfinissent le
classement suivant 1 3 2 0 4. Le plus grand p-value est
de 0,001.
Si, pour chaque test, un risque de premire espce est fix
0,0011, le niveau global des cinq tests (1 Friedman et 4
Wilcoxon) peut tre valu, selon lingalit de Bonferroni,
comme infrieur 0,0055 ce qui est plus que confortable pour
rejeter les diffrents tests dgalit.
Tableau 6: Tableau de contingence de lchantillon 2 Promthe II
Une dpendance trs marque entre les stratgies et leur
classement est mise en exergue dans le tableau de contingence
classement/stratgie (cf. Tableau 6) et confirm par un test du
Khi-deux (p-value = 0,0000). Ce rsultat complt par
lanalyse factorielle des correspondances de ce tableau nous a
permis dobtenir le classement suivant : 1 = 3 2 0 4. Ce
classement diffre quelque peu du premier classement tabli
par les tests de Friedman et de Wilcoxon. Nanmoins, nous
pouvons constater que les stratgies 1 et 3 restent globalement
dominantes.
c) Analyse statistique Echantillon 3
Comme nous lavons fait dans la section prcdente, sur
base du tableau de contingence classement/stratgie, nous
tablissons un classement global des stratgies partir de la
201me observation : 3 1 2 0 4.
La ralisation du test de Friedman suivi de quatre tests deux
deux de Wilcoxon permet de confirmer que les stratgies
dordonnancement analyses sont, avec un alpha global
infrieur 0,0001, trs significativement diffrentes et
quelles sont classes dans un ordre identique celui obtenu
prcedemment : 3 1 2 0 4.
E. Synthse
La synthse des rsultats obtenus lors de la dmarche de
validation statistique est prsente dans le Tableau 7.
Tableau 7: Synthse des diffrents classements de stratgies
d'ordonnancement tablis
Lanalyse de ce tableau montre que globalement les
stratgies dordonnancement sont significativement
diffrentes. Il subsiste cependant quelques cas o les tests
statistiques ne permettent pas de trancher clairement entre
lgalit et la dominance dune stratgie sur lautre. Cela ne
nuit toutefois pas une utilisation efficace de loutil daide

la dcision dvelopp.
Quel que soit le mode de classement utilis ou lchantillon
pris en considration, la stratgie 3 occupe une place
prpondrante dans le classement tabli suivie de prs par la
stratgie 1 dans les classements proposs par la mthode
multicritre ou les stratgies 1 et 2 dans le cas dun tri
lexicographique.
V. CONCLUSIONS
Dans notre tude, les tests statistiques montrent quil existe
des diffrences significatives entre les stratgies
dordonnancement en terme de performance. Cela nest
toutefois pas toujours le cas. Il est, en effet, ncessaire de
rester vigilant face aux comparaisons, sans tenir compte de
leur variabilit, des moyennes des valeurs des critres des
diffrentes solutions. Le recours ces tests statistiques offre
donc au dcideur la possibilit de classer de manire beaucoup
plus fiable les groupes de solutions fournis par la mthode
stochastique (Hillclimber).
Lanalyse statistique ralise montre galement quil existe
des similitudes entre les classements obtenus par tri
lexicographique et par la mthode Promthe II. Toutefois, le
recours une mthode multicritre nuance le classement des
stratgies dordonnancement et absorbe les incertitudes lies
lacquisition, la synthse des donnes ou encore aux alas du
processus de production (pannes, dysfonctionnement).
Cette caractristique vite les changements intempestifs de
stratgie dordonnancement en intgrant les seuils de
prfrence dfinis par le dcideur ce qui conduit, au niveau de
latelier, une stabilit accrue de lordonnancement.
De ce fait, lors de lutilisation de la plate-forme sur
diffrentes priodes, il est frquent de prsenter au dcideur
plusieurs stratgies de qualit identique. Celui-ci peut
indiffremment les appliquer la production ou ajouter des
critres supplmentaires afin de les discerner. Citons par
exemple le taux dutilisation des ressources auxiliaires, les
cots de production lis la stratgie dordonnancement
slectionne
En ce qui concerne la stratgie dominante, la stratgie 3, il
savre quelle correspond la solution initiale la moins
performante. Pour le carnet de commandes considr, cela
laisse penser quil est plus intressant, dans le cas o lon ne
devrait choisir quune stratgie optimiser, de choisir la
moins performante. Ce qui peut sexpliquer par le fait que les
autres stratgies sont proches doptima locaux, et donc que la
mthode itrative est rapidement pige. Cette analyse devra
tre approfondie sur dautres jeux de donnes et dautres
mthodes de recherches locales (telles que le mthode Tabou)
afin de valider ou infirmer cette conclusion.
Les tests statistiques ont t effectus sur base de 401
observations par stratgie, raison dune observation toutes
les 10 itrations de la mthode de recherche itrative.
Cependant, les mmes rsultats ont t obtenus en effectuant
les tests cits en ne ralisant plus quune observation toutes les
20 itrations. Ceci met en vidence la stabilit de la mthode.
8
Diffrents tests prliminaires raliss laissent penser quil
est possible dobtenir des performances similaires pour
chaque stratgie avec des essais de moins de 4000 itrations,
acclrant de ce fait la mthode. Ceci traduit la difficult
croissante damliorer la solution courante au fil des itrations
du Hill-Climber. Il serait galement possible deffectuer dans
un mme temps un plus grand nombre dessais. De plus, tant
donn lindpendance entre les essais, il serait galement
envisageable de les effectuer en parallle sur plusieurs
ordinateurs ou processeurs.
Il est noter qu lexception de certaines parties du modle
de simulation, la dmarche labore et de la plateforme
rsultante sont applicables un large ventail de problmes
industriels. Cette mthodologie peut tre mise en uvre quelle
que soit la mthode doptimisation stochastique (mono- ou
multi-critre) utilise. Elle nest donc pas restreinte
lutilisation dun Hill-Climber pour loptimisation dun
ordonnancement.
Dans nos travaux futurs, nous souhaitons tendre le module
doptimisation de la plate-forme en dveloppant un nouveau
modle hybride : un hybride multicritre. Lide est
dintgrer, au sein de lhybride, la mthode multicritre
Promthe II dont le rle consistera comparer les solutions
entre elles en cours dexcution.
Lexploitation dune mthode multicritre au sein de
lhybride permettra de bnficier des avantages dune telle
mthode ds la slection des solutions intermdiaires.
REFERENCES
[1] Artiba A., Emelyanov V., et Iassinovski S. : Introduction to Intelligent
Simulation: The RAO Language. Kluwer Academic Publishers, ISBN
0792381769 (1998).
[2] Brans J.P. et Mareschal B. : PROMTHE-GAIA: Une mthodologie
daide la dcision en prsence de critres multiples. ditions Ellipses,
ISBN 2729812539 (2002).
[3] Brans J.P. et Mareschal B. : PROMCALC & GAIA: A new decision
support system for multicriteria decision aid. Decision Support Systems,
12, pp.297-310 (1994).
[4] Carlier J. et Chrtienne P. : Problmes d'ordonnancement, modlisation,
complexit, algorithmes. Masson, ISBN 2225812756 (1988).
[5] Dhaevers V., Duvivier D., Roux O. et Artiba A. : Intgration de
lOptimisation et de la Simulation en Industrie Semi-Continue. In Proc.
of MOSIM04, vol. 2, pp. 601-608, ISBN 2743007311 (2004).
[6] Duvivier D., Dhaevers V., Bachelet B. et Artiba A.: Integrating
simulation and optimization of Manufacturing systems. IEEESMC, part
C: Applications and reviews, 33(2):186-192, ISSN 10946977 (2003).
[7] [7] Hansmann K.-W. et Hoeck M. : Production control of a flexible
manufacturing system in a job shop environment. ITOR, 4(5/6):341-351,
ISSN 09696016 (1997).
[8] Pichel D., Dontaine A., Iassinovski S., Artiba A. et Fagnart C. : ALIX :
une mthode de modlisation des flux dun systme de production. Conf.
CPI 2003, Maroc (2003).
[9] Pomerol J-C. et Barba-Romero S. : Multicriterion decision making in
management: Principles and practice. Kluwer, New York (2000).
[10] Smith M.L. et Seidmann A. : Due date selection procedures for job-shop
simulation. Computers and Industrial Engineering Journal, 7(3):199-207
(1983).
[11] Waikar A. M., Sarker B. R. et Lal A. M.: A comparative study of some
priority dispatching rules under different shop loads. Production
Planning Control, 6(4):301-310, ISSN 09537287 (1995).
 9

[12] Gibbons J.D. et Chakraborti S. : Nonparametric statistical inference,

3me ed. Marcel Dekker, Inc. (1992).
[13] Lebart L., Morineau A. et Fnlon J.P. : Traitement des donnes
statistiques, mthodes et programmes, Dunod (1982).
[14] Roux O., Duvivier D., Dhaevers V., Meskens N. and Artiba A. : A
multicriteria approach to classify scheduling strategies, Industrial
Engineering and Systems Management Conference (IESM05), 16-19
Mai 2005, Marrakech (2005).
[15] Dagnelie P : Statistique thorique et applique. Tome 1. Statistique
descriptive et bases de l'infrence statistique. Paris et Bruxelles, De
Boeck et Larcier, ISBN 2804127702 (1998).
[16] Dagnelie P : Statistique thorique et applique. Tome 2. Infrence
statistique une et deux dimensions. Paris et Bruxelles, De Boeck et
Larcier, ISBN 2804128024 (1998).
[17] Seber, G. A. F., Multivariate Observations, John Wiley, New York,
ISBN 0471691216 (1984).
[18] Siarry P., Dro J., Ptrowski A., Taillard E., Mtaheuristiques pour
l'optimisation difficile. Eyrolles. ISBN 2212113684 (2003).
[19] Hoos H. H. and Sttzle Th., Stochastic local search Foundations and
applications. Morgan-Kaufmann publishers (2005).