Chapitre 2 Simulation Des Sys Indus

11/15/2021
Chapitre 2:
Conduite d’un projet de simulation
Dr.Z Ben Houria 26
Introduction
 La recherche opérationnelle est l’outil de résolution de problème
d’optimisation. Il permet de déterminer les meilleures valeurs des
paramètres de décision.
 La simulation se base sur un modèle comportemental (What if). Il
peut être vue comme l’unique solution dans certains cas :
 Dans le cas de problèmes avec plusieurs variabilités où dont la
modélisation analytique est impossible
 Pour voir le système en sa globalité (y compris les interactions
entre sous systèmes en présence d’aléas)
 Si le problème est non linaire et très complexe pour être résolu avec la
RO
Dr.Z Ben Houria 27
1
11/15/2021
Introduction à la modélisation
Définition du « modèle »:
 Représentation simplifiée
 d’un système existant ou imaginé
 permettant d’expliquer et/ou de prédire le comportement du
système modélisé
Modèles
statiques
Modèles
Modèles
dynamiques
Dr.Z Ben Houria 28
Typologie des modèles

Classification selon le type de représentation:
Modèles -
-
Solutions des équations différentielles
Réseaux de files d'attente
analytiques - Modèles d’optimisation
Modèles -
-
Graphe d'analyse de déroulement
Matrice de déroulement
Graphiques - Réseau de Petri
Modèles
Modèles de - SIMAN/ARENA
simulation
Modèles
physiques
Dr.Z Ben Houria 29
2
11/15/2021
Outils de modélisation
 Les systèmes de production font partie des systèmes (dynamiques) à
événements discrets .
 Parmi les modèles utilisés pour l'étude de ces systèmes, il y a :
 Les réseaux de files d'attente → évaluation analytique de
performances,
 Les réseaux de Petri → analyse des propriétés, évaluation de
performances, simulation,
 Les modèles (et programmes) de simulation.
De façon générale, un modèle est composé :
 De variables,
 D'objets (centres de services, clients, ressources) caractérisés par des attributs
: Fixes (i.e., dont la valeur ne change pas au cours du temps, exemple : Type de
pièce), ou variables (i.e., dont la valeur change au cours du temps, exemple :
Occupation d’une machine),
 Des relations entre ces objets (services effectués au cours du temps).
Exemple:
- Attributs fixes : Pièces A, Pièces B

- Attributs variables : Temps de traitement
de la machine M1 (t1A, t1B)
Dr.Z Ben Houria 31
3
11/15/2021
L'état du système à un instant donné est caractérisé
par l'ensemble des valeurs des variables et des
attributs de tous les objets.
Le modèle reproduit l'évolution au cours du temps de
l'état du système sous l'effet des activités qui y sont
réalisées.
Dr.Z Ben Houria 32
Performances des systèmes de production
Le besoin à l’application de la simulation aux systèmes de production dû à :
 Complexité croissante, interactions très fortes entre les
différents éléments d'un système de production : Nécessité d'une
approche globale.
 Prise en compte de tous les aspects (données techniques, géométrie du
réseau de transport, capacité des files d'attente, contraintes sociales,
travail en équipe, heures supplémentaires).
Dr.Z Ben Houria 33
4
11/15/2021

Indicateurs de performances et prise de décision
A partir de l'historique de circulation des flux de produits, on obtient des

valeurs des indicateurs de performances liés au:
 Volume de production: Nombre et type de pièces produites, Nombre et type de
pièces défectueuses, ...
 l'engagement des ressources: Taux d'utilisations (Machines, outils,
personnel, stock, ...,); Temps passé par un élément dans un état (Ressources,
machines en fonctionnement, machines inoccupées, en panne, cycle de pièce, ...)
 la satisfaction du client.
 Ces indicateurs de performances sont ensuite agrégés pour des prises de décisions
relatives à l'aide à la conception, à la conduite, ...
Dr.Z Ben Houria 34

Selon l’Afnor, la performance est une donnée qui mesure l’efficacité et/ou
l’efficience de tout ou partie d’un processus ou d’un système (réel ou simulé), par
rapport à une norme, un plan ou un objectif déterminé dans le cadre d’une stratégie
d’entreprise.
L'efficacité qualifie la capacité d'une personne, d'un groupe ou d'un système de

parvenir aux objectifs qui lui sont fixés
L'efficience est l'optimisation des moyens mis en œuvre pour parvenir aux
objectifs
Dr.Z Ben Houria 35
5
11/15/2021

Exemple
On considère un objectif : duplication de la production (à partir de 15499 pièces)
Solutions :
1- Achat d’une machine dont la production peut atteindre 28470p
 Efficacité = 28470/(2x15499) = 91.8%
2- Montage d’une deuxième tête alors la production peut atteindre 28380p
 Efficacité 28380/(2x15499) = 91.5%
 Efficience = bénéfice/coût
 E2>E1 Dr.Z Ben Houria 36

 Un des indicateurs les plus utilisés dans les processus de production est
l’Indicateur de Tension des Flux (ITF) qui permet de contrôler la durée de
cycles.
 Cet indicateur mesure la fluidité des flux. Son amélioration permet, à la fois, une
réduction des délais et des coûts de production.
 L’ITF est calculé par la formule suivante :
ITF = temps de transformation / temps de production
Avec :
- Le temps de transformation correspond au temps pendant lequel le produit subit des
transformations (usinage, assemblage, etc.). Autrement dit, c’est le temps à valeur
ajoutée.
- Le temps de production étant la somme du temps de transformation, du temps
d’inspection, du temps de transfert et du temps d’attente.
Dr.Z Ben Houria 37
6
11/15/2021

 L’ ITF est toujours inférieur ou égale à 1.
 Plus l’ITF s’approche de sa valeur maximale (1), plus l’entreprise améliore sa
réactivité aux demandes des clients et crée de la valeur : réduction des délais et
augmentation du temps des activités à valeurs ajoutée apportant de l’argent à
l’entreprise.
 En effet, la théorie sur laquelle repose cet indicateur est que tout temps consacré à
d’autres activités que la transformation (telles que l’inspection, la reprise de produits
défectueux, le transfert, l’attente) est un temps qui ne rajoute pas de la valeur au
produit.
 Mais dans l’industrie, le temps de transformation ne représente, dans plusieurs cas,
que 5% du temps de production. L’ITF est, dans ce cas, égale à 0.05 seulement.
 C’est dans les processus qui travaillent en flux tiré que le temps de transformation
est exactement égal au temps de production et l’ITF atteint la valeur 1
Dr.Z Ben Houria 38

Taux de Rendement Economique, Global & Synthétique
Temps Total : Horizon d’étude (exple.1 mois=30j×24h)
Temps d’ouverture (exple.1 mois≈26j×2postes×8h) TF
Temps Requis TAI

Arrêt induit : Tout arrêt de production qui est subis
Arrêt induit
Fermeture
- Absence ou insuffisance de personnel

- Manque lié au flux (Essais, Indisponibilité des pièces, Manque d’énergie, Pénurie ou
rupture du stock de MP Temps de Changement de Production ou d’outil NON et/ou MAL
Programmé, Sous charge, …) Temps d’Entretien Fréquentiel (préventif)
Nombre des pièces théoriquement réalisables
TRE
Dr.Z Ben Houria TRG 39
7
11/15/2021

Temps Requis TAI
Temps Brut de fonctionnement TAP
Arrêt induit
Fermeture
Production
Arrêt
TRS
TRE
Dr.Z Ben Houria TRG 40

Temps d’arrêt production(volontaire)
TA d’exploitation TA fonctionnnel
 Tout arrêt de production  Tout arrêt de production

lié au arrêts du directement lié au MOYEN DE
PERSONNEL (Réunions, PRODUCTION (Temps de
Pauses, …) Changement de Production
Programmé, Temps de Réglage
Fréquentiel (micro arrêt – baisse
de cadence)
Dr.Z Ben Houria 41
8
11/15/2021

Temps Requis TAI
Temps Brut de fonctionnement TAP
Arrêt induit
Fermeture
Production
Arrêt
Temps Net de fonctionnement P
Temps Utile de fonctionnement NQ Panne

Nombre des pièces Bonnes
Nombre des pièces Réalisées
42
TRE TRG

Le TRS est un indicateur de productivité sur l’utilisation EFFECTIVE d’un

moyen de production
TRS= Temps Utile de fonctionnement/Temps Requis
TU Nbre de pièces Bonnes

Tq = =
TN Nbre de Pièces Réalisées
TN Temps Net
Tp  
TF Temps de Fonctionnement
tF Temps de Fonctionnement
Do  
tR Temps Requis
Dr.Z Ben Houria 43
9
11/15/2021

Le TRG est un indicateur de productivité sur l’ORGANISATION INDUSTRIELLE
TRG= Temps utile de fonctionnement/temps d’ouverture

TRG= Nombre de pièces bonnes /nombre de pièces théoriquement
réalisables
TRG= B/A(Disponibilité) × C/B(Performance) × D/C(Qualité)
A
B
C
D

Le TRE est un indicateur stratégique d’engagement des moyens, il reflète

l’INTENSITE d’UTILISATION des INVESTISSEMENTS
TRE= Temps utile de fonctionnement/temps Total
Le TRG est un indicateur de productivité de l’organisation industrielle. C’est

un indicateur économique qui intègre la charge effective d’un moyen de
production
TRG= Temps utile de fonctionnement/temps d’ouverture
Dr.Z Ben Houria 45
10
11/15/2021

Exemple: PYLE plasturgie

TRG= TUF/Temps d’ouverture
TRS= TUF/Temps requis
TUF= (NPB/NEM) × (Tc(s)/3600)
Avec NPB: Nombre des pièces bonnes

NEM: Nombre d’empreintes moule
Tc: temps de cycle du moule
Dr.Z Ben Houria 46

Exemple: calcul pour une journée

Soit NPB: 185
NEM: 4
Tc: 1000 s
Pour 2 postes: TRG=(185/4)×(1000/3600)/(8*2)=80%
Pour 3 postes: TRG=(185/4)×(1000/3600)/(8*3)=53%
Dr.Z Ben Houria 47
11
11/15/2021
Application aux systèmes de production

La simulation: une aide à la conduite
La simulation permet de mettre en évidence les dysfonctionnements par rapport aux besoins et
proposer des solutions permettant de pallier à ces dysfonctionnements au moindre coût:
 Définir les performances à mesurer.
 Déterminer les ressources goulets (machines, stocks, moyens de manutention, personnel, ...)
qui agissent le plus sur les performances, et pour un scénario de production donnée.
Dr.Z Ben Houria 48

La simulation: une aide à la conduite
 On peut chercher à améliorer le système, soit en agissant sur la capacité des

ressources, soit sur la manière dont on utilise ces ressources (règles de
gestion).
 Les données à utiliser (recueil non exhaustif) :
 Produits (type, gamme),
 Moyens de production (capacité des machines, coût, taux rebut, disponibilité),
 Systèmes de transfert (nature, caractéristiques),
 Caractéristiques des automates (règles de commande),
 Stocks (nature, capacité, gestion),
 Opérateurs (qualification, nombre, horaires),
 Stratégie(s) de gestion de production,
 Règles de fonctionnement (mode nominal ou dégradé)
Dr.Z Ben Houria 49
12
11/15/2021

La simulation: une aide à la traçabilité (implicite/explicite)
 L'objectif est de concevoir, développer un système de traçabilité.

 Bien mettre en évidence les entités à identifier, recenser le contenu de l'historique
des produits et du (des) processus
 Définir les informations éventuellement utilisées dans le système de commande.
Dr.Z Ben Houria 50

La simulation: une aide à la traçabilité (implicite/explicite)
 Le système de traçabilité devant être adapté à sa structure, conforme à l'attente de
l'environnement et en accord avec les standards et les règlements.
 On peut chercher à synthétiser un système de traçabilité qui soit fiable (le reflet de la
réalité) et robuste (l'outil de simulation permettant la prise en compte de différents scenarii
possibles, ceci sans risque pour le système (réel)).
 Les données à utiliser (recueil non exhaustif) concernent l'ensemble de l'état (dynamique)
du système piloté dans le but « de retrouver l'historique, l'utilisation ou la localisation d'un
article ou d'une activité, au moyen d'une identification enregistrée (1994, ISO 8402) » :
 Produits, articles, lots (entités),
 Moyens de production (capacité des machines),
 Stocks, systèmes de transfert (état),
 Opérateurs (qualification, nombre, horaires),
 Système d'identification,
 Structure de traitement des données recueillies.
Dr.Z Ben Houria 51
13
11/15/2021

La simulation: définir un futur système
Aide à la décision d'investissement :

 Choix technologiques et organisationnels : Equipements, stratégies de gestion
de production (gestion des stocks, taille des lots, seuils de réapprovisionnement,
nombre de Kanban),
 Organisation du travail (cellules, lignes, mixte),
 Choix de gamme.
 Evaluation des différents scénario en fonction
Dr.Z Ben Houria des critères les plus pertinents.
52
Analyse des données
 Enfin de simulation des résultats statistiques globaux peuvent être

automatiquement fournis (moyenne, écart-type, min, max ...) sur les
paramètres observés.
 ARENA permet également de récupérer l'historique complet des valeurs
intermédiaires qui ont conduit à ces premiers résultats.
 Ces historiques sont réutilisés par l'analyseur de résultats pour les études
statistiques nécessaires à la validation.
 Outre les tracés de courbes et d'histogrammes, ce module intègre différentes
fonctions statistiques, telles que :
- Calculs d'intervalles de confiance,
- Analyse de moyennes et de variances,
- Test d'hypothèses...
Dr.Z Ben Houria 53
14
11/15/2021
Analyse des données
Dans un système de production, de nombreux phénomènes ont un
caractère aléatoire, par exemple :
 La durée opératoire d'une opération manuelle,
 La durée de vie d'un outil,
 L'absentéisme des opérateurs,
 La période d'arrivée des ordres de fabrication déclenchant une
production.
Dr.Z Ben Houria 54
Les lois de distribution standard
Loi de comptage: loi de poisson
On s’intéresse à un type particulier de processus N(t) appelé processus de comptage

où N(t) est un effectif à la date t. Par exemple
– N(t) = nombre de poissons capturés dans l’intervalle de temps [0 ; t]
– N(t) = nombre de patients dans le service d’urgence à 10h.
Le processus de Poisson qui est fréquemment utilisé pour modéliser les
occurrences d’un évènement (arrivé d’un client) pouvant survenir à tout instant
avec une probabilité constante et indépendamment des occurrences passées e.g.
l’arrivée d’un patient ne dépend pas du nombre de patients déjà existant
P( N(tn+t)-N(tn) = 1 ) = P( N(t1+t)-N(t1) = 1 )
= P( N(t)-N(0) = 1)
55
Dr.Z Ben Houria
15
11/15/2021
On s’intéresse au comptage du nombre d’occurrences d’un évènement.

On note N(t) le nombre d’évènements survenus dans l’intervalle [0; t].
Le processus poisson a une trajectoire en escalier. L’évènement d’intérêt
survient aux dates t1, t2, ... ; à chacune de ces dates, le comptage N(t)
augmente de 1 :
N(t) = 0 si t < t1,
= 1 si t1 < t < t2,
...
= k si tk < t < tk+1,
Dr.Z Ben Houria 56

Soit Pr {N(t) = n} la probabilité que le nombre N(t) à l’instant t soit égale à n
Loi de poisson :
On en déduit immédiatement l’espérance et la variance de N(t):
E[N(t)] = λt et Var[N(t)]= λt
Si on a en moyenne 1 poisson toutes les 10

minutes alors le paramètre de loi N(t) est
t/10 (lamda = 1/10)
57
16
11/15/2021

Loi de la durée séparant deux évènements : loi exponentielle
On s’intéresse à la durée (aléatoire) séparant deux occurrences de l’évènement. On
se place à une date 𝑡 et on s’intéresse à la variable T:
T= temps d’attente jusqu’à l’occurrence du prochain évènement
Rappel:
 La densité de probabilité est : f(t)= λ𝒆 λ𝒕 où λ est une constante
f(t) dt= 1− 𝒆 λ𝒕
𝒕
 La fonction de répartition est : F(t) = ∫
 La moyenne est de 1/ λ et la variance de 1/ λ² .
 P(T>t)= P{N(t0+t)-N(t0)=0}
= P{N(t)=0}
= 𝒑𝒐 (t) = 𝒆 λ𝒕
58
Dr.Z Ben Houria

Loi de la durée séparant deux évènements : loi exponentielle
Exemple: λ = 0.1
Densité d'une durée de vie d'espérance 10 de loi exponentielle
Cette loi est souvent utilisée en pratique. Par exemple, dans le cas de temps séparant les
arrivées de deux « clients » successifs dans l'étude d'un phénomène d'attente, ou dans
le cas d'une durée de bon fonctionnement d'un équipement technique.

59
Dr.Z Ben Houria
17
11/15/2021

Loi normale
Cette loi s'applique dans le cas de processus dont la distribution est symétrique et
pour lesquels la moyenne et l'écart type sont estimés.
Rappel :
 La loi normale ou de Gauss a deux paramètres N (m, σ) avec m la moyenne et σ
l’écart type.
(𝒕 𝒎)𝟐
𝟏
 La densité de probabilité est : f(t)= 𝒆 𝟐 ²
𝝈 𝟐𝝅
(𝒕 𝒎)𝟐
𝟏 𝒕
 La fonction de répartition est : F(t)= ∫ 𝒆 𝟐 ² 𝒅𝒕
𝝈 𝟐𝝅
Cette loi s’applique à de nombreux phénomènes (incertitude sur des mesures ou

des fabrications par exemple).
60
Dr.Z Ben Houria

Loi normale
Exemple : Variations de la longueur de pièces fabriquées en séries. Cette loi

permet de modéliser une donnée qui est la somme d'un grand nombre de données
aléatoires (théorème central limite)
Point d’inflexion
61
Dr.Z Ben Houria
18

Chapitre 2 Simulation Des Sys Indus

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 2 Simulation Des Sys Indus

Transféré par

Droits d'auteur :

Formats disponibles

11/15/2021

Conduite d’un projet de simulation

Dr.Z Ben Houria 26

Dr.Z Ben Houria 27

Dr.Z Ben Houria 28

Typologie des modèles

 Parmi les modèles utilisés pour l'étude de ces systèmes, il y a :

 Les réseaux de files d'attente → évaluation analytique de

 Les réseaux de Petri → analyse des propriétés, évaluation de

 Les modèles (et programmes) de simulation.

- Attributs fixes : Pièces A, Pièces B

L'état du système à un instant donné est caractérisé

par l'ensemble des valeurs des variables et des

attributs de tous les objets.

Le modèle reproduit l'évolution au cours du temps de

l'état du système sous l'effet des activités qui y sont

Dr.Z Ben Houria 32

Performances des systèmes de production

Le besoin à l’application de la simulation aux systèmes de production dû à :

 Complexité croissante, interactions très fortes entre les

différents éléments d'un système de production : Nécessité d'une

 Prise en compte de tous les aspects (données techniques, géométrie du

réseau de transport, capacité des files d'attente, contraintes sociales,

travail en équipe, heures supplémentaires).

Dr.Z Ben Houria 33

Performances des systèmes de production

A partir de l'historique de circulation des flux de produits, on obtient des

Performances des systèmes de production

L'efficacité qualifie la capacité d'une personne, d'un groupe ou d'un système de

Performances des systèmes de production

On considère un objectif : duplication de la production (à partir de 15499 pièces)

1- Achat d’une machine dont la production peut atteindre 28470p

 Efficacité = 28470/(2x15499) = 91.8%

2- Montage d’une deuxième tête alors la production peut atteindre 28380p

 Efficacité 28380/(2x15499) = 91.5%

 E2>E1 Dr.Z Ben Houria 36

Performances des systèmes de production

Performances des systèmes de production

Performances des systèmes de production

Temps Total : Horizon d’étude (exple.1 mois=30j×24h)

Temps d’ouverture (exple.1 mois≈26j×2postes×8h) TF

Temps Requis TAI

- Absence ou insuffisance de personnel

Nombre des pièces théoriquement réalisables

Performances des systèmes de production

Temps Total : Horizon d’étude (exple.1 mois=30j×24h)

Temps d’ouverture (exple.1 mois≈26j×2postes×8h) TF

Temps Requis TAI

Temps Brut de fonctionnement TAP

Nombre des pièces théoriquement réalisables

Performances des systèmes de production

Temps d’arrêt production(volontaire)

 Tout arrêt de production  Tout arrêt de production

Dr.Z Ben Houria 41

Performances des systèmes de production

Temps Total : Horizon d’étude (exple.1 mois=30j×24h)

Temps d’ouverture (exple.1 mois≈26j×2postes×8h) TF

Temps Requis TAI

Temps Brut de fonctionnement TAP

Temps Utile de fonctionnement NQ Panne

Performances des systèmes de production

Le TRS est un indicateur de productivité sur l’utilisation EFFECTIVE d’un

TRS= Temps Utile de fonctionnement/Temps Requis