Vous êtes sur la page 1sur 22

Ecole Nationale d’Ingénieurs de Sfax

Département de Génie Mécanique

Modélisation et Simulation
des Systèmes de Production

Chapitre 3
Simulation des systèmes de
production

1
Plan

1. Définition de la simulation
2. Types de modèles de simulation
3. Quand simuler?
4. Avantages et limites de la simulation
5. Méthodologie de conduite d'une simulation

2
1. Définition de la simulation
• Expérience conduite sur un calculateur à l’aide d’un modèle
• Méthode numérique pour résoudre un problème en imitant la
réalité
• Représentation dynamique de la réalité obtenue en
construisant un modèle et en le manipulant pendant un temps
donné

La simulation est l'activation d’un modèle dans le temps,


afin de connaître son comportement dynamique et de
prédire son comportement futur [Claver et al. 1997]1

1« Gestion de flux en entreprise » Editions Hermes, 1997, J.F. Claver, J. Gélinier, D. Pitt 3
2. Types de modèles de simulation
Modèle déterministe vs modèle stochastique

• Si le système est indépendant de l'influence de


variables aléatoires ou imprévisibles, on utilise un
modèle déterministe.

• Si les aléas jouent un rôle significatif dans le


comportement du système (exemple typique : les
pannes), on utilise un modèle stochastique.

4
2. Types de modèles de simulation
Modèle continu vs modèle à évènements discrets

• Modèles à événements discrets (ou discontinus) : les


changements d'état ne surviennent que lors d'événements
Processus
Activité
temps
Evènement Evènement Evènement
(Arrivée) (début de service) (fin de service)

• les modèles continus : plus adaptés aux flux continus


• les modèles combinés (ou mixtes) : qui intègrent les deux
aspects
5
3. Quand simuler ?
Choix de la méthode de résolution à suivre
Problème à résoudre

En terme de complexité
Peut-on Oui Solution Oui Résolution
résoudre analytique
analytique
analytiquement? souhaitée?

Non

Non Expérimentation Oui


réelle possible?
Non
Souhaitable?
En terme d’investissement
Oui

Expérimentation
Simulation réelle 6
3. Quand simuler ?
Choix de la méthode de résolution à suivre
Problème à résoudre

En terme de complexité
Peut-on Oui Solution Oui
La simulation est la
résoudre
analytiquement?
analytique
souhaitée?
Résolution
analytique

méthode de Non
dernier
Non ressort
Expérimentation Oui
réelle possible?
Non
Souhaitable?
En terme d’investissement
Oui

Expérimentation
Simulation réelle 7
4. Avantages et limites de la simulation
Ce que la simulation peut faire?

• FOURNIR DES ESTIMATIONS REALISTES


– du comportement attendu du système
– des variations à l'intérieur du système

• EVALUER LES EFFETS DES ACTIONS SUIVANTES


– ajouter, déplacer ou supprimer des ressources
– modifier les flux
– modifier les durées de processus et/ou de montage
– introduire de nouveaux produits ou supprimer des produits existants
– modifier les systèmes de manutention
– modifier l'ordonnancement et la répartition des tâches
– ....
8
4. Avantages et limites de la simulation
Ce que la simulation peut faire?

• Dans le but de résoudre les problème de


– équilibrage de lignes d’assemblage et de transformation
– conception de systèmes de transfert entre des postes
– dimensionnement des stocks d’un atelier
– comparaison de pilotage
– évaluation de la charge prévisionnelle
– étude de la synchronisation entre les réceptions des
pièces et l’assemblage
!! Pour ne citer que les problèmes liés aux systèmes de flux de production !!
9
4. Avantages et limites de la simulation
Les limites de la simulation
Optimisation des performances  Que la reproduction du
X d'un système comportement du système
modélisé
Proposition de solutions Obtention d’indications à partir
X  desquelles des solutions
aux problèmes considérés
peuvent être déduites

Objectif de la simulation
 Mieux connaître le comportement du système au niveaux :
• Structure physique
• Sous-système décisionnel
 Evaluer ses performances
 AIDER les décideurs dans leurs choix 10
4. Avantages et limites de la simulation
Les limites de la simulation
Optimisation des performances  Que la reproduction du
X d'un système comportement du système
modélisé
Proposition de solutions Obtention d’indications à partir
X  desquelles des solutions
aux problèmes considérés
peuvent être déduites

Objectif de la simulation
 Mieux connaître le comportement du système au niveaux :
• Structure physique
• Sous-système décisionnel
 Evaluer ses performances
 AIDER les décideurs dans leurs choix 11
4. Avantages et limites de la simulation
Les limites de la simulation

 La justesse des résultats dépend de la précision des données


les outils de simulation comptent sur l’expertise du modélisateur
et de l’utilisateur

 La simulation ne peut pas décrire les caractéristiques d'un système


qui n'a pas été complètement modélisé
Niveau de détail qu’il faut atteindre au cours de la
modélisation pour que le modèle soit représentatif
de la réalité

12
5. Méthodologie de conduite d'une
simulation

13
5. Méthodologie de conduite d'une simulation
Etape 1 : Analyse du problème

Formulation du problème

Définition des objectifs

Planification du projet

Collecte des données Macrographie des flux

14
Collecte des données
Exemples de données

• Données sur les articles à fabriquer : gammes de fabrication (routage), loi


d'arrivée (fréquence et taille de lot).
• Données sur les moyens de production : nombre et types de machines,
lois de pannes, nombre et types de ressources principales et auxiliaires
• Données sur les systèmes de manutention : nombre et type de
convoyeurs ou de chariots, capacité en nombre d'articles, vitesse de
déplacement, etc...
• Données sur les stocks et les magasins : types et capacités, règles
d'entrée et de sortie, etc...
• Données sur le personnel : effectifs, compétences et horaires

15
5. Méthodologie de conduite d'une simulation
Etape 2 : Modélisation et programmation

Choix du progiciel

Développement et vérification
du modèle

Non Modèle
vérifié?
Oui
Validation du modèle

Non Modèle
Vers l’Etape 1 validé?
16
Oui
Vérification

Modèle vérifié :
• fonctionne comme le concepteur le désire
• pas d’erreur de logique

Conseil : Commencer par un modèle simple à


enrichir progressivement

17
Vérification
Quelques techniques pour l’identification des erreurs :
• Suivre une approche destructive
• Eviter des erreurs classiques (saisie de données, unités,
parenthèses, …)
• Réviser le modèle avec un connaisseur du langage
• Réviser les données avec un connaisseur du problème
• Tester le modèle en remplaçant les temps aléatoires par des
constantes
• Tester le modèle dans les conditions limites
• Tester des parties dissociées du modèle
• Générer et analyser la trace du modèle pour vérifier le
cheminement des pièces (utilisation de l’animation)
18
Validité
3 volets à considérer :
• Validité conceptuelle : la structure du modèle représente-t-elle
correctement le système réel ?
• Validité opérationnelle : les données générées par le modèle
concernant son comportement sont-elles caractéristiques de
celles du système réel ?
• Confiance attribuée : Peut-on se fier aux résultats du modèle
selon :
- Le développeur du modèle
- Un évaluant du modèle (superviseur, client)
- L'utilisateur final (décideur)
19
5. Méthodologie de conduite d'une simulation
Etape 3 : Expérimentation sur le modèle

Définition des expérimentations

Exécution des simulations

Analyse des résultats

Non Objectifs
atteints?

Oui
20
5. Méthodologie de conduite d'une simulation
Etape 4 : Rapport et conclusions
Filtrer et formater les données

Elaborer le rapport

Conclure sur l’étude de


simulation

 Ne pas « noyer » le demandeur dans des tableaux de chiffres insignifiants


pour lui (EXEMPLE)
 Expliquer les indicateurs utilisés
 Justifier les hypothèses simplificatrices
 Utiliser un grapheur pour présenter les résultats
 Présenter les différentes solutions donnant le même résultat et proposer
des critères de choix
 Suggérer de nouvelles pistes d’étude 21
Processus de modélisation
La méthodologie de Quéré et al. (1997)2
Système
existant Etape 1 : Description par un
Etape 4 : Actions sur ou à formalisme graphique ou en
concevoir langage usuel
le système

Critères de
performance MODELE de
CONNAISSANCES

Etape 3 : Exploitation Etape 2 : Traduction dans un


du modèle d'action formalisme mathématique ou
MODELE
d'ACTION de programmation

2A.Quéré, M. Belkhiter, M. Gourgand. « Modélisation multi-agents et ordonnancement dynamique d'un convoyeur


à entrées / sorties multiples ». Actes du 2ème congrès franco-québécois de Génie Industriel, Albi 1997 22