TP Technologie des Chaînes de Production Enseignant : M.

Omar AYADI
Application sur le logiciel « SIMAN/Arena »

Manipulation 1
Initiation sur SIMAN / Arena

Introduction
L’objectif de cette manipulation est de s’adapter avec le logiciel Arena et de l’utiliser pour la
modélisation et la simulation d’un système de production simple. Ce TP permet à l’étudiant
de comprendre le rôle des icônes de base d’Arena et de maîtriser leur paramétrage. Après le
développement du modèle et sa simulation, l’étudiant est appelé à relever les performances du
modèle simulé à partir des rapports générés par le logiciel afin de les interpréter et en tirer des
conclusions sur l’état du système de production considéré.

1. Généralités
Pour se familiariser avec le logiciel Arena, lancer le programme en suivant le chemin suivant :
Démarrer\ Programmes\ Rockwell Software\ Arena \ Arena ou en l’activant directement à

partir du raccourci présent sur le bureau .

Le lancement du logiciel ouvre la fenêtre principale montrée sur la figure 1.1

Zone 4 : Menus et raccourcis

Zone 2 : zone modèle (Flowshart)

Zone 1 :
Bibliothèque
(Project
Bar)

Zone 3 : zone de données (Spreadsheat)

Figure 1.1. Fenêtre principale du logiciel Arena

On distingue sur cette figure 4 zones principales :
 Zone 1 : zone bibliothèque du logiciel comportant des icônes prédéfinies
permettant la construction du modèle de simulation (cf. icônes réseaux du
Basic Process) et d’autres icônes permettant l’accès à son paramétrage (cf.
icônes de données du Basic Process) ; voir Figure 1.2.
 Zone2 : zone de développement du modèle de simulation.
 Zone 3 : zone d’affichage des données utilisées pour le paramétrage du
modèle.
 Zone 4 : zone des menus et raccourcis.

ENIS 1/3 Manipulation 1

TP Technologie des Chaînes de Production Enseignant : M. Omar AYADI
Application sur le logiciel « SIMAN/Arena »

Icones Réseau Icones Données

Figure 1.2. Exemples d’icônes de la bibliothèque « Basic Process »

Si les zones 2 et 3 ne sont pas visualisées simultanément, sélectionner l’option Slipt Screen
du menu View.
Pour comprendre les principales fonctions basiques, l’utilisateur peut consulter l’exemple
illustratif ‘Mortgage Applications’ accessible à partir du chemin suivant : C\ Program Files\
Rockwell Software\ Arena \ Examples
Ce modèle utilise seulement 4 types d’cônes :
 Création Create (arrivée des clients)
 Traitement Process
 Aiguillage Decide (choix ou décision)
 Fin Dispose
Notons que le fait de cliquer sur l’une des icônes du « Basic Process », ceci nous permet de
sélectionner toutes les icônes de même type du modèle étudié
Le paramétrage d’une icône d’un modèle de simulation est accessible ou bien à partir de la
zone de données, ou bien à partir d’une fenêtre de paramétrage qui s’affiche en double
cliquant sur l’icône en question.
L’activation d’un modèle de simulation sur Arena peut s’effectuer suivant 3 modes :
- Simulation en mode normal ‘Run’ : permet de visualiser l’animation de la simulation avec
une vitesse gérable à partir du curseur de vitesse (voir figure 1.3).
- Simulation en mode pas à pas ‘Step’ : permet d’activer un évènement à chaque clic.
- Simulation en mode rapide ‘Fast Forward’ : permet de faire tourner la simulation à une
vitesse assez importante sans visualiser l’animation du modèle.
En fin de simulation, un message de visualisation du rapport des résultats s’affiche. Cliquer
sur Oui pour afficher le rapport.

Figure 1.3. Sous-menu d’exécution

2. Modélisation et simulation d’un système de production

On propose d’étudier un système de production de pièces métalliques. La première pièce
arrive au système à t = 0 s, et le temps d’inter-arrivée entre deux pièces successives est
supposé constant et égale à Tint = 12 min.
La gamme d’usinage des pièces comporte deux phases d’usinages effectuées sur deux
machines distinctes M1 et M2 montées en série. On suppose que les temps d’usinage sur M1
et M2 sont constants et égales à T1 = 10 min et T2 = 15 min respectivement.
On cherche à étudier les performances du système pour satisfaire une commande de 100
pièces.

ENIS 2/3 Manipulation 1

TP Technologie des Chaînes de Production Enseignant : M. Omar AYADI
Application sur le logiciel « SIMAN/Arena »
1) Représenter le système étudié par un modèle correspondant sur Arena.
Simuler le modèle et en déduire les indices de performances suivants :
- tsc : temps de séjour de la commande
- RU1, RU2 : taux d’utilisation des machines
- WQ1, WQ2 : temps d’attente moyen d’une pièce dans la file d’attente Qi
- Ws : temps de passage (temps de séjour moyen d’une pièce)
- LQ1, LQ2 : nombre moyen de pièces en attente dans la file d’attente Qi
- LQ1max,LQ2max : nombre maximum de pièces en attente dans la file d’attente Qi

2) A l’aide d’un calcul analytique, valider le résultat de simulation en déterminant les

indicateurs suivant : tsc, RU1, RU2 et WQ2 (qui se calcule à partir du temps d’attente
tQ2(i) de la ième pièce dans la file d’attente Q2).

3) Simuler le système durant 6 jours ouvrables à l’ordre de 16h de travail par jour sur le
modèle développé. Relever le nombre de pièces produites durant cette période ainsi
que les performances du système.
Comparer les performances obtenues avec celles relevées à la deuxième question et
conclure.

4) On suppose maintenant que le temps d’inter-arrivées est de 17 min. Simuler le système

pour 6 jours de travail et relever les performances du système. Interpréter les résultats
et conclure.

5) Pour prendre compte de l’effet aléatoire qui peut être rencontré dans les systèmes
réels, on se propose de simuler le modèle avec des inter-arrivées suivant une loi
exponentielle de moyenne 12 min et des temps opératoires suivant une loi
exponentielle de moyenne 10 min et 15 min respectivement pour les machines M1 et
M2. Conclure à propos de l’effet du phénomène aléatoire sur les systèmes de
production.

6) On suppose que la machine M1 est à 90% fiable, et que 10% de sa production

comporte des défauts. Les pièces récupérées seront renvoyées de nouveau à la
machine M1 en vue de leur correction. Intégrer les modifications nécessaires au
modèle afin de prendre en considération cette nouvelle donnée. Interpréter les résultats
de la simulation.

7) Modéliser le cas où seulement 50% des défauts sont récupérables, alors que le reste
génère des pièces défectueuses à rejeter.

ENIS 3/3 Manipulation 1

TP Technologie des Chaînes de Production Enseignant : M. Omar AYADI
Application sur le logiciel « SIMAN/Arena »

Manipulation 2
Modélisation et simulation
d’un système de lavage de bouteilles
Dans ce TP, on se propose d’étudier un système de lavage de bouteilles en vue de leur
réutilisation. La modélisation et la simulation de plusieurs configurations associés à cette
opération nous permettra le bon choix de la configuration adéquate pour l’optimisation du
système de production considéré.

1. Indices de performance
Les indices de performances d’une chaîne de production peuvent être déterminés à partir des
paramètres du système considéré. Les principales performances considérées dans ce TP sont
définies comme suit :
a) RU : ratio moyen d’utilisation d’un serveur parmi s serveurs en parallèle
b) Ws : temps de passage
c) Wq : temps moyen d’attente d’un élément dans la queue
d) Ls : nombre moyen d’éléments en attente dans le système
e) Lq : nombre moyen d’éléments en attente dans la queue

Soit un système de production caractérisé :

- un taux moyen des arrivées λ : nombre d’éléments qui arrivent par unité de temps
- une seule opération de taux moyen de service µ : nombre d’éléments traités par unité
de temps
Le ratio d’utilisation d’un serveur parmi s serveurs montés en parallèle pour ce système de

production est donné par RU 
s
Dans le cas où :
- la capacité de la source des arrivées est si grande qu’on peut la considérer comme
infinie
- la queue est gérée par la loi « FIFS » (First In First Served) ;
- et le temps d’inter-arrivées suit une loi exponentielle de moyenne 1/ λ

On montre que :
 Ls
* Ls  *W s 
  
2 Lq
* Lq  *W q 
     

ENIS 1/3 Manipulation 2

TP Technologie des Chaînes de Production Enseignant : M. Omar AYADI
Application sur le logiciel « SIMAN/Arena »

2. Travail demandé
Un processus de lavage de bouteilles de boissons gazeuses est constitué par un serveur dont le
temps opératoire suit une loi exponentielle de moyenne 3min.
Les bouteilles arrivent au serveur avec des temps d’inter-arrivées suivant une loi
exponentielle de moyenne 5min et une capacité infinie de la source des arrivées.
1) Modéliser et simuler le système étudié sur Arena pour une durée de 50000 minutes. En
déduire les performances définis dans le premier paragraphe. Conclure à propos de l’état du
système de production étudié.
2) Déterminer analytiquement les différents indices de performance. Comparer ces
valeurs avec les résultats de simulation.
3) Animer la maquette numérique par une représentation de la machine dans ses états
actif et en repos. Pour cela procéder comme suit :
– Cliquer sur l’icône Ressource de la zone des raccourcis (voir figure 1). La fenêtre de la
figure 2 s’ouvre.
– Identifier le nom de la ressource « Identifier ».
– Cliquer sur Idle, choisir une image pour l’état en repos et cliquer sur la flèche à gauche
. Procéder de la même façon pour insérer une image pour l’état actif de la machine en
utilisant l’icône Busy. Cliquer sur OK puis choisir l’emplacement de la machine dans la zone
« modèle » de la page d’exécution d’Arena.

Figure 1. Icône Ressource

Figure 2. Fenêtre d’insertion des images

4) Supposons maintenant que le temps d’inter-arrivées des pièces est géré par une loi
exponentielle de durée moyenne 3.2min. Simuler le système, en déduire les performances et
interpréter les résultats. Conclure à propos de l’influence du temps d’inter-arrivées sur les
performances de production considérées.

ENIS 2/3 Manipulation 2

TP Technologie des Chaînes de Production Enseignant : M. Omar AYADI
Application sur le logiciel « SIMAN/Arena »
5) Le chef de production souhaite doubler la capacité de production de son atelier. Pour
cela, il propose d’acheter une nouvelle machine identique à la première qui lui sera montée en
parallèle. Par contrainte d’espace, la seconde machine devra être implantée à un emplacement
éloigné de celui de la première. Pour cela, chaque machine aura sa propre file d’attente.

Pour simuler cette action, on utilisera les icônes PickStation et Station du menu Advanced
Transfer. Si ce menu n’est pas présent dans la zone bibliothèque, activer le à partir de la
fenêtre Attach présente sous le menu File\ Template Panel.
Procéder comme suit :
Après l’icône des arrivées, créer une icône PickStation 1 suivie de deux icônes Station 1 et
Station 2 montées en parallèle. Chacune des icônes « Station i » doit être suivie d’une icône
de traitement « lavage i ». Pour chaque poste de traitement lavage i, créer la Resource i
correspondante.
Double cliquer sur PickStation 1 et cocher les trois critères de sélection Number in Queue,
Number En Route to Station et Number of Resources Busy. Ajouter dans la même fenêtre les
deux stations déjà créées en indiquant les noms des queues et des ressources correspondantes.

N.B. Il n’existe pas de traits connecteurs entre les icônes PickStation et Station.

Simuler l’exemple avec des inter-arrivées qui suivent une loi exponentielle de moyenne
1.75min, des durées de traitement qui suivent une loi exponentielle de moyenne 3min et une
seule réplication de durée 50000min. Relever les indices de performance et conclure à propos
de l’influence de la duplication des postes de traitement.

6) L’ingénieur de maintenance propose au chef de production une autre solution pour

doubler la capacité de production. Il s’agit d’intégrer une modification sur la conception de la
machine sans en acheter une autre. Pour cela, il propose de monter une deuxième tête de
lavage sur la machine.
Il faut donc effectuer un groupement des bouteilles en des lots de 2 bouteilles avant leur
entrée à la machine de lavage. Pour simuler ce scénario, on utilisera l’icône Batch pour le
groupement des bouteilles. La séparation des bouteilles après lavage est assurée par l’icône
Seperate.
Simuler ce nouveau scénario. Interpréter les résultats et conclure.

ENIS 3/3 Manipulation 2

TP Technologie des Chaînes de Production Enseignant : M. Omar AYADI
Application sur le logiciel « SIMAN/Arena »

Manipulation 3
Gestion du flux physique d’une chaîne de production
But de la manipulation
Le but de cette manipulation est de modéliser une chaîne de production comportant des
systèmes de transferts et de la simuler pour le traitement simultané de pièces ayant des temps
opératoires différents.

Formulation du problème
On se propose d’étudier une chaîne de production composée de trois machines M1, M2 et M3.

2 types de pièces P1 et P2 seront lancés simultanément sur cette chaîne. On se propose

d’étudier 2 scénarii différents afin d’en déterminer le meilleur choix pour la production de
1000 pièces de chaque type.

Temps d’inter-arrivées :
Les temps d’inter-arrivées suivent une loi exponentielle de moyenne 11 mn pour chaque type
de pièces. La première pièce de type P1 arrive à t = 0 et la première pièce de type P2 arrive
à t = 5 mn.

Temps opératoires :
 Les durées de traitement d’une pièce sont gérées par une loi exponentielle de moyenne
5.5 mn sur la machine M1 pour les deux types de pièces.

 Un relevé de l’historique des durées de traitement des pièces des 2 types sur la machine
M2 est donné dans le tableau 1. Ce relevé servira à déterminer la loi de distribution
caractérisant les variations aléatoires du temps opératoire de la machine M2.

 Sur la machine M3, ces durées sont gérées par des lois exponentielles de moyennes 5.7
mn pour les pièces de type P1 et 4 mn pour les pièces de type P2.

Travail demandé
1) En ayant recours à l’application Input Analyzer d’Arena (qui se trouve dans le menu
Tools), déterminez la loi de distribution correspondante au temps opératoire des pièces sur la
machine M2 ainsi que ses paramètres.

Pour cela, introduisez les valeurs du tableau 1 dans une feuille du bloc note (fichier .txt).
Ouvrir une nouvelle fenêtre sur l’application Input Analyzer et utilisez les fonctions
suivantes :

 Use Existing Data File : pour extraire les données à partir du fichier texte.

 Fit All : pour déterminer la loi de distribution gérant les variations aléatoires du temps
opératoire ainsi que le paramétrage correspondant.

ENIS 1/2 Manipulation 3

TP Technologie des Chaînes de Production Enseignant : M. Omar AYADI
Application sur le logiciel « SIMAN/Arena »
 Fit All Summary : pour afficher les erreurs au carré des différentes lois de distribution.

 Fit : pour visualiser l’allure des courbes des différentes lois de distribution ainsi que
leurs paramétrages.
Relevez la loi de distribution la plus adéquate avec le paramétrage et le carré des erreurs
correspondants.
2) On suppose que le transfert des produits entre les machine M2 et M3 se fait pièce par
pièce par le biais d’un tapis roulant à capacité infinie. Le transfert d’une pièce nécessite 4 mn.
Les autres temps de transfert sont supposés négligeables.

Modélisez le système étudié sur Arena.

Simulez la production de 1000 pièces de chaque type en utilisant la méthode de
gestion des files d’attente FIFO (First In First Out) pour le 1er scénario et LIFO (Last
In First Out) pour le 2ème scénario.

Relevez les performances du système pour les 2 scénarios considérés, interprétez les
avantages et les inconvénients de chaque méthode et conclure la quelle faut-il choisir.

Tableau 1. Historique du temps de traitement des pièces sur M2 (en mn)

5 4 6 6 4 5.2 4 4.8 5.4

5.2 5 4.8 4 4.6 5.4 4.6 5 5.2

5.4 5.4 4.6 5 5.2 5 5.2 6 5

4.8 5.2 6 4.8 5.4 4.8 4.6 4.8 4.6

4 5 4.6 5.4 6 5 5.2 5.2 4.8

4.6 5.4 4.8 5.2 5 5.4 4.6 5 4.8

Indications :
- Les transferts sont modélisés par les icônes « route » et « station » de la bibliothèque
‘Advanced Transfer’.

- Pour définir des temps opératoires variables selon le type de pièce, sur une même
machine, on utilise l’icône « Assign ». Cette icône permet d’attribuer des valeurs
différentes à une même variable.

ENIS 2/2 Manipulation 3