Francais Chapter 3

Les bases de la variabilité
1
© Wallace J. Hopp, Mark L. Spearman, 1996, 2000 http://www.factory-physics.com
La variabilité fait la différence!
La loi de Little: TH = WIP/CT, alors le même débit de sortie peut

être obtenu avec un grand WIP et un long CT ou un petit WIP et un
court CT.
La différence? La variabilité
Penny Fab One: atteint un TH maximum (0.5 j/hr) avec WIP=W0= 4
tâches (meilleur cas), mais nécessite WIP= 27 tâches pour atteindre
95% de sa capacité (TH maximum) s'il se comporte comme le pire
des cas pratique. Pourquoi?
La variabilité
2
TH vs. WIP: Practical Worst Case
0,6
0,5 Best Case
rb
0,4 PWC
Good (lean)
TH
0,3
0,2 Bad (fat) Worst Case
1/T0
0,1
0
0 1 2 3 4W05 6 7 8 9 10 11 12
WIP 3
Exemple de Tortoise and Hare
Deux machines:
• soumis à la même charge de travail : 69 produits/day (2.875
produits/heure)
• Soumis à des pannes imprévisibles (disponibilité = 75%)
Hare X19:
• pannes longues mais peu fréquentes
Tortoise 2000:
• pannes courtes mais plus fréquentes
Performance: Hare X19 est sensiblement moins bonne sur toutes les
mesures que Tortoise 2000. Pourquoi?
La variabilité
4
Variabilité
5
L’intuition Probabiliste
Variabilité :
•Tout écart par rapport à l’uniformité
• Variation aléatoire ou contrôlée
Utilisations de l'intuition:
• conduire une voiture
• lancer une balle
• maîtriser le marché boursier
Effets du premier moment:
• Le débit augmente avec la vitesse de la machine
• Le débit augmente avec la disponibilité
• Le stock augmente avec la taille du lot
Notre intuition est bonne dans les premiers moments

6
L’intuition Probabiliste(suite)
Effets du deuxième moment:
• Qu'est-ce qui est plus variable - les temps de traitement des pièces ou
des lots?
• Lesquelles sont les plus perturbatrices – défaillances longues et peu
fréquentes ou courtes?
– Notre intuition est moins sûre pour les seconds moments
– Interprétation erronée – ex., régression à la moyenne
7
Représentations des phénomènes aléatoires
• Valeur moyenne • Skewness (asymétrie)
• Ecart type – variance • Kurtosis (acuité – aplatissement)
8
Variabilité
Définition : La variabilité est tout ce qui fait dévier le système du

comportement régulier et prévisible.
Sources de Variabilité:
• Temps de changement • variation de la pièce
• pannes de machines • Niveaux de compétence différents
• pénuries de matériaux • modification technique
• Perte de productivité • commandes client
• refabrication • diversification des produits
• manutention • indisponibilité de l'opérateur
9
Mesurer la variabilité du processus
te  mean process time of a job
σ e  standard deviation of process time
e
ce   coefficient of variation, CV
te
Note: on utilise souvent le

“coefficient de variation au carré” (SCV), ce2
10
Classes de Variabilité en Factory Physics®
Low variability Moderate variability High variability
(LV) (MV) (HV)
ce
0 0.75 1.33
Temps de traitement effectifs:

• les temps de traitement réels sont généralement LV
• les temps de processus effectifs incluent les temps de changement,
les pannes, etc.
• HT, BT et MT sont tous possibles en temps de traitement effectifs
Relation avec les cas de performance: pour les systèmes
équilibrés
• MV - le pire cas pratiques
• LV - entre le meilleur cas et le pire cas pratique
• HV - entre le pire cas pratiques et le pire cas
11
Les Classes de variabilité: faible variabilité (LV)
Temps de traitement
de la machine
(non compris:
pannes, temps de
changement…)
• Moyenne = 20min
• Écart-type = 6.3min
• CV = 0,32
12
Les classes de variabilité: Variabilité modérée (MV)
Temps de traitement
de l'opérateur
(opération facile
la plupart du
temps, parfois
des difficultés
apparaissent).
• Moyenne = 20min
• CV = 0,75
13
Les classes de variabilité: grande variabilité (MV)
Temps de traitement
brut de la
High Variability
machine:
moyenne = 15
min; CV = 0,225
Mais avec des
Low pannes de
Variability MTTF = 744 min;
MTTR = 248 min
• Moyenne = 20min
• CV = 2,5
14
Mesure de la variabilité de processus - Exemple
Trial Machine 1 Machine 2 Machine 3
1 22 5 5
2 25 6 6 Question: peut
3 23 5 5
4 26 35 35 on meusurer Ce
5 24 7 7 comme ceci?
6 28 45 45
7 21 6 6
8 30 6 6
9 24 5 5
10 28 4 4 Answer: Non!
11 27 7 7
12 25 50 500 Ne considère pas
13 24 6 6 les évenements
14 23 6 6
15 22 5 5 “rare”
te 25.1 13.2 43.2
se 2.5 15.9 127.0
convenablement
ce 0.1 1.2 2.9
Class LV MV HV
15
Les causes de la variabilité
• Variabilité Naturelle
• Variabilité due aux arrêts préemptifs : pannes
• Variabilité due aux arrêts non préemptives: temps de
changement
• Autres causes…
16
La variabilité Naturelle
Définition : une variabilité sans cause explicitement analysée
Sources :
• rythme de l’opérateur
• fluctuations matérielles
• type de produit (s’il n’est pas explicitement pris en compte)
• qualité du produit
Observation: la variabilité naturelle du processus appartient

généralement à la catégorie LV.
17
Pannes- Effets sur les valeurs moyennes
Définitions:
t0= temps de traitement

c0= coefficient de variabilité du temps de traitement
r0= 1/t0 = capacité de base (taux de production, ex, produit /h)
mf= temps moyen entre pannes
mr =temps moyen de réparation
cr = coefficient de variabilité du temps de réparation (r/mr)
18
Pannes- Effets sur les valeurs moyennes
Disponibilité: la fraction de la machine temporelle est en hausse

mf
A
m f  mr
Taux et Temps de traitement effectifs:
re  Ar0
te  t0 / A
19
Totoise et Hare – variabilité
Hare X19: Tortoise:

t0 = 15 min t0 = 15 min
0 = 3.35 min 0 = 3.35 min
c0 = 0 /t0 = 3.35/15 = 0.233 c0 = 0 /t0 = 3.35/15 = 0.233
mf = 12.4 hrs (744 min) mf = 1.9 hrs (114 min)
mr = 4.133 hrs (248 min) mr = 0.633 hrs (38 min)
cr = 1.0 cr = 1.0
variabilité:
mf 744 mf 114
  0.75   0.75
m f  m r 744  248 m f  mr 114  38
A= A=
Aucune différence entre les machines en termes de disponibilité.

20
Pannes - Effets de variabilité
Variabilité effective:
te  t0 / A
2
   ( m 2
  r )(1  A)t 0
2
La variabilité dépend
σ e2   0   r des temps de
 A Amr
réparation
 e2 mr en plus de
ce2   c02  (1  cr2 ) A(1  A) la disponibilité
Conclusions: te2 t0
• Les pannes gonflent la moyenne, la variance et le CV du temps de
traitement effectif
• La moyenne (te) augmente proportionnellement avec 1/A
• SCV (ce2) augmente proportionnellement avec mr
• SCV (ce2) augmente proportionnellement à cr2
• Pour une disponibilité constante (A), les interruptions longues et peu
fréquentes augmentent le SCV plus que les courtes et fréquentes
21
Tortoise and Hare - Variabilité
Hare X19: Tortoise 2000
t0 15 t0 15
te =   20 min te =   20 min
A 0.75 A 0.75
mr mr
ce = c  (1  c ) A(1  A) 
2 2
ce = c  (1  c ) A(1  A)
2 2
0  2
r
2
0 r
t0 t0
248 38
0.05  (1  1)0.75(1  0.75)  0.05  (1  1)0.75(1  0.75) 
15 15
6.25 high variability 1.0 moderate variability
Hare X19 est beaucoup plus variable que Tortoise 2000!
22
L’Impact de la variabilité
2.875 jobs/hr 2.875 jobs/hr

Tor-
Hare
toise
Hare X19 Tortoise 2000

• CT = 28 heures • CT = 8 heures
• WIP = 81 jobs • WIP = 23 jobs
Conclusion: La capacité et la variabilité des

arrivées sont les mêmes. CT et WIP sont
considérablement gonflés par la variabilité
du processus due aux pannes
23
Temps de changement
Effets sur les valeurs moyennes et la variabilité
Analyse: Observations:
N s  average
Nombreno. jobs between
moyens setupschangements
de jobs entre • Les changements
t s  average
Temps de changements
setup duration moyens augmentent la
 s  std.
Ecart type
dev. sur lestime
of setup temps de changement moyenne et la
s variance des temps de
cs  traitement.
ts
t • La réduction de la
t e  t0  s variabilité est l’un des
Ns
avantages des
 s2 Ns 1 2
σ e2   02   2
ts machines flexibles.
Ns Ns
 e2 • Cependant,
c 
2
e l'interaction est
te2
complexe.
24
Temps de changement – Exemple
Les données:
• Machine rapide et inflexible – temps de changement de 2 heures tous les 10
produits – c0= cs= CV0= CVs=0,25
t0  1 hr
N s  10 jobs/setup
t s  2 hrs
te  t0  t s / N s  1  2 / 10  1.2 hrs
re  1 / te  1 /(1  2 / 10)  0.8333 jobs/hr
• Machine plus lente et flexible - pas de temps de changement – c0= CV0= 0,5
t0  1.2 hrs
re  1 / t0  1 / 1.2  0.833 jobs/hr
Analyse traditionnelle?
Aucune différence!
25
Exemple pour Temps de changement:
Approache Factory Physics®
• Machine rapide et inflexible - • Machine plus lente et flexible -
temps de changement de 2 pas de temps de changement
heures tous les 10 produits
t0  1 hr t0  1.2 hrs
c02  0.0625 c02  0.25
N s  10 jobs/setup
t s  2 hrs re  1/ t0  1/ 1.2  0.833 jobs/hr
cs2  0.0625 ce2  c02  0.25
te  t0  t s / N s  1  2 / 10  1.2 hrs
re  1 / te  1 /(1  2 / 10)  0.8333 jobs/hr Conclusion:
 c 2
N s 1 La flexibilité peut réduire la
σ e   0  t s 
2 2 2 s
   0.4475
2 
 Ns Ns 
variabilité.
ce2  0.31 26
Exemple pour Temps de changement:
Approache Factory Physics®
Une nouvelle machine: Considérez une troisième machine identique à la

machine précédente avec des temps de changement plus courts et plus
fréquents N  5 jobs/setup s
t s  1 hr
analyse:
re  1 / te  1 /(1  1 / 5)  0.833 jobs/hr
 cs2 N s  1 
σ    t 
2
e
2
0 2
s 2 
  0.2350
 Ns Ns 
ce2  0.16
Conclusion:
Des configurations plus courtes et plus fréquentes induisent
moins de variabilité. 27
Autres processus de gonfleurs de la Variabilité
Les sources:
• indisponibilité de l'opérateur
• recyclage
• mise en lot
• indisponibilité matérielle
• Etc.
•Les effects:
• Gonfler te
• Gonfler ce
Conséquences: La variabilité effective du processus peut être

LV, MV ou HV.
28
Variabilité de procédé:
résumé des relations de calcul
29
Variabilité du débit
La variabilité du processus est déjà assez grave…

• Augmentation du CT
• Augmentation du WIP
• Utilisation amoindri
Mais la variabilité se propage aussi…

• Provoque des arrivées non uniformes en aval
• Augmentation des CT et WIP au niveau des autres stations
• Utilisation amoindri sur toute la chaine
30
Illustration de la variabilité du débit
Arrivées à faible variabilité

t
régulière!
Arrivées à forte variabilité

t
En rafale!
31
Mesurer la variabilité du débit
ta= temps moyen entre deux arrivées
ra= 1/ta le taux d’arrivée
a= L’écart type du temps entre deux arrivées.
ca= coefficient de variation des intervalles de temps
32
Propagation de la variabilité
ce2(i)
ca2(i) cd2(i) = ca2(i+1)
i i+1
Station avec une seule machine :

départ var
c  u c  (1  u )c
2
d
2 2
e
2 2
a dépend de
où u est l'utilisation de la station donnée par u = rate l'arrivée
var et processus
var
Station à multi-machine:
u2 2
c  1  (1  u )(c  1) 
2
d
2 2
a (ce  1)
m
ra te
où m est le nombre de machines (identiques) et u
m
33
Propagation de la variabilité
Station à utilisation élevée
LV HV HV
HV HV HV
LV LV LV
HV LV LV
Conclusion: la variabilité du débit d’une station à forte utilisation est

déterminé principalement par la variabilité des processus à cette station.
34
Propagation de la variabilité –
Station à faible utilisation
LV HV LV
HV HV HV
LV LV LV
HV LV HV
Conclusion: la variabilité du débit d’une station à faible utilisation est

déterminé principalement par la variabilité du débit dans cette station.
35
L’Interactions de la variabilité
L’importance de la file d'attente:

• Une usine de production est un réseaux en file d'attente
• la file d'attente et le temps d'attente constituent la majorité du
temps de cycle (jusqu'à 95% et plus).
Les Caractéristiques du système:
• Processus d'arrivée
• Processus de service
• Nombre de serveurs
• Taille maximale de la file d'attente (blocage)
• La politique de gestion(FCFS, LCFS, EDD, SPT, etc.)
• Routage
• …
36
La Classification de Kendall
B
A/B/m/b
A
Où:
• A: processus d'arrivée
• B: processus de service
• m: nombre de machines Queue C
Server
• b: nombre maximum des jobs dans le système
A & B pourrait être:

• M: distribution exponentielle (markovienne)
• G: distribution complètement générale
• D: distribution constante (déterministe).
37
Les Paramètres de file d'attente
ra = le taux d'arrivées des clients (pièces) par

unité de temps (ta = 1/ra = le temps moyen entre
les arrivées).
Note: une
ca = le CV des temps inter-arrivées. station peut
être décrite
m = le nombre de machines. avec 5
paramètres
re = le taux de production de la station en pièces .
par unité de temps = m / te.
ce = le CV des temps de traitement effectifs.
u = Utilisation de la station = ra/re. 38

Les Mesures de la file d'attente
Les Measures:
CTq = le temps d'attente en file d'attente.
CT = le temps de séjour, i.e., le temps d’attente plus le temps de
traitement
WIP = le nombre moyen WIP des produits à la station.
WIPq = le nombre moyen WIP des produits dans la files d’attente
Des relations:
u=ra/re
CT = CTq + te
WIP = ra  CT
WIPq = ra  CTq
Result: Si nous connaissons CTq, nous pouvons calculer WIP,
WIPq, CT. 39
La file d'attente M / M / 1
Observations:
La formule :
u • Toutes les mesures de
WIP( M / M / 1)  performance augmentent
1 u
avec u
WIP( M / M / 1) t • Pour une utilisation proche
CT ( M / M / 1)   e
ra 1 u de 1, le WIP et le CT
augmentent très rapidement
u (1- u, au dénominateur)
CTq ( M / M / 1)  CT ( M / M / 1)  te  te
1 u • Modèle valable pour une
station à une seule machine
u2
WIPq ( M / M / 1)  ra  CTq ( M / M / 1)  • temps interarrivée
1 u Exponential (memoryless
property)
40
Tortoise 2000 : WIP & CT
u = utilisation de la station= ra/re.= 2.875/3 = 0.9583

u 0.9583
WIP( M / M / 1)    23 jobs
1  u 1  0.9583
WIP( M / M / 1) te
CT ( M / M / 1)    8 hours
ra 1 u
u
CTq ( M / M / 1)  CT ( M / M / 1)  te  te  7.6667 hours
1 u
u2
WIPq ( M / M / 1)  ra  CTq ( M / M / 1)   22.0417 jobs
1 u
41
File d’attente G/G/1
La formule :
Les Observations:
• Modèle utile pour des poste de travail avec une seule
machine(bonne approximation lorsque 0,1 <u <0,95
mais faible approximation si ca et ce >> 1) La
• Termes distinct pour la variabilité, l’utilisation, et le variabilité
temps d’opération. engendre la
• CTq (et autres mesures) augmentent avec ca2 etce2 congestion!
• La variabilité de flux, la variabilité de processus ou les
deux peuvent être combinées pour gonfler le temps
d'attente. 42
Hare X19 alimentant Tortoise 2000
For Hare X19
 ca2  ce2  u   1  6.25  0.9583 
CTq    te      27.79hours
 2  1  u   2  1  0.9583 
CT = CTq + te =28.123 hours ; WIP = ra  CT = 80.85 jobs
cd2  u 2 ce2  (1  u 2 )ca2  6.25(0.95832 )  1.0(1  0.95832 )  5.8216
For Tortoise 2000
 ca2  ce2  u   5.82  1  0.9583 
CTq    
e 
t    26.15hours
 2  1  u   2  1  0.9583 
quand Tortoise 2000 seule
u
1 u
43
La file d’attente M/M/m
La formule
2 ( m 1) 1
u
CTq  te
m(1  u )
Les Observations:
• Modèle utile pour des postes de travail multi-machines
• valable quand le taux d'arrivée et le taux de traitement sont
exponentiels (ca = ce = 1)
44
Exemple M/M/m
Tortoise 2000 ( 20min/job)

ra=207 jobs/jours = 8.625 jobs/heure (ajouter 2 machines)
ra 8.625
u  te  0.333  0.958
m 3
Trois machines Tortoise 2000 avec file d'attente dédiée
u
1 u
Trois machines Tortoise 2000 avec une seule file d'attente
commune
u 2 ( m 1) 1 0.958 2 (31) 1
CTq  te  0.333  2.467hours
m(1  u ) 3(1  0.958)
45
La file d’attente G/G/m
L a formule:
Les Observations:
• Modèle utile pour des postes de travail multi-machines
• Extrêmement général.
• Rapide et précis
• Facilement implémenté dans une feuille de calcul (ou des packages
tels que MPX).
46
L’Effets de blocage
VUT Equation:
• caractérise les stations avec une file d’attente de capacité infinie
• utile pour voir ce qui va arriver à WIP, CT sans restrictions
Mais les systèmes du monde réel limitent souvent les WIP:

• contraintes physiques (par exemple, espace ou détérioration)
• contraintes logiques (par exemple, kanbans)
Modèles à capacité finie de file d’attente (Blocking):
• estimer WIP et TH pour un taux et une taille de buffer donnés,
• beaucoup plus complexe que les modèles ouverts (capacité infinie)
• nécessitent souvent une simulation pour évaluer des systèmes
réalistes
47
The M/M/1/b Queue
1 2 Note: there is room
Infinite for b=B+2 jobs in
raw
materials system, B in the buffer
B buffer spaces and one at each station.
Model of Station 2
u (b  1)u b 1
WIP( M / M / 1 / b)   Goes to u/(1-u) as b
1 u 1  u b 1
Always less than WIP(M/M/1)
1 u b
TH ( M / M / 1 / b)  r
b 1 a Goes to ra as b
1 u Always less than TH(M/M/1)
WIP( M / M / 1 / b)
CT ( M / M / 1 / b)  Little’s law
TH ( M / M / 1 / b)
where u  te (2) / te (1) Note: u>1 is possible; formulas valid for u1
48
Blocking Example
te(1)=21 te(2)=20
u  te (2) / te (1)  20 / 21  0.9524 B=2

M/M/1/b system has
u
WIP( M / M / 1)   20 jobs less WIP and less TH
1 u than M/M/1 system
TH ( M / M / 1)  ra  1 / te (1)  1 / 21  0.0476 job/min CT  420.18min
1-u b 1  0.9524 4  1 
TH(M/M/ 1/b)  r 
b 1 a 5    0.039 job/min
1-u 1  0.9524  21  18% less TH
u (b  1)u b 1 5(0.95245 )
WIP( M / M / 1 / b)   b 1
 20   1.8954 jobs
90% less WIP
1 u 1 u 1  0.9524 5
49
The M/M/1/b Queue : utilization =1
1 2
Infinite
raw
materials
B buffer spaces
Model of Station 2
b
WIP( M / M / 1 / b) 
2
b b
TH ( M / M / 1 / b)  ra  re
b 1 b 1
WIP( M / M / 1 / b)
CT ( M / M / 1 / b)  Little’s law
TH ( M / M / 1 / b)
where u  te (2) / te (1)
50
The M/M/1/b Queue: Throughput Loss
1 2
Infinite
raw
materials
B buffer spaces
Model of Station 2
1 ub
TH ( M / M / 1 / b)  r  ure for u  1
b 1 a
1 u
b
TH ( M / M / 1 / b)  ra  re for u  1
b 1
On the other hand large decrease in WIP
51
Chercher la Variabilité
Les Stratégies générales:
• chercher de longues files d'attente (loi de Little)
• chercher le blocage
• se concentrer sur les ressources à forte utilisation
• tenir compte à la fois de la variabilité des flux et des processus
Cibles spécifiques:
• pannes d'équipement
• Temps de changement
• refabrication
• Cadence de l'opérateur
• tout ce qui empêche les arrivées et les temps de traitement réguliers
52
Concatenation de la variabilité
Idée de base: le CV d’une somme de variables aléatoires

indépendantes diminue avec le nombre de variables aléatoires.
Exemple (Temps nécessaire pour traiter un lot de pièces):

t 0  time to process single part
 0  standard deviation of time to process single part
0
c0   CV of time to process single part
t0
t 0 (batch)  nt 0
 02 (batch)  n 02
 02 (batch)
n 02  02 c02 c0
c (batch)  2
2
0  2 2  2   c0 (batch) 
t 0 (batch) n t 0 nt 0 n n
53
Concatenation de la variabilité
• Regroupement des stocks de sécurité

• PC composé de 6 composants
• Choix parmi trois pour chaque composant
• Donc, 18 composants différents par rapport à 729 ordinateurs
différents
• Mieux stocker les composants et utiliser ensuite un système
d'assemblage sur commande
• le partage de la file d'attente
• Exemple de rappel de la machine Three trotoise 2000
• Si vous utilisez une file d'attente indépendante, CTq = 7,667
heures
• Si vous utilisez la file d'attente commune CTq = 2,467 heures
54

Francais Chapter 3

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

Francais Chapter 3

Transféré par

Droits d'auteur :

Formats disponibles

Les bases de la variabilité

La loi de Little: TH = WIP/CT, alors le même débit de sortie peut

Notre intuition est bonne dans les premiers moments

Définition : La variabilité est tout ce qui fait dévier le système du

te  mean process time of a job

σ e  standard deviation of process time

Note: on utilise souvent le

Temps de traitement effectifs:

Définition : une variabilité sans cause explicitement analysée

Observation: la variabilité naturelle du processus appartient

t0= temps de traitement

Disponibilité: la fraction de la machine temporelle est en hausse

Hare X19: Tortoise:

Aucune différence entre les machines en termes de disponibilité.

Hare X19: Tortoise 2000

Hare X19 est beaucoup plus variable que Tortoise 2000!

2.875 jobs/hr 2.875 jobs/hr

Hare X19 Tortoise 2000

Conclusion: La capacité et la variabilité des

Une nouvelle machine: Considérez une troisième machine identique à la

Conséquences: La variabilité effective du processus peut être

La variabilité du processus est déjà assez grave…

Mais la variabilité se propage aussi…

Arrivées à faible variabilité

Arrivées à forte variabilité

ta= temps moyen entre deux arrivées

ra= 1/ta le taux d’arrivée

a= L’écart type du temps entre deux arrivées.

ca= coefficient de variation des intervalles de temps

Station avec une seule machine :

Conclusion: la variabilité du débit d’une station à forte utilisation est

Conclusion: la variabilité du débit d’une station à faible utilisation est

L’importance de la file d'attente:

A & B pourrait être:

ra = le taux d'arrivées des clients (pièces) par

u = Utilisation de la station = ra/re. 38

u = utilisation de la station= ra/re.= 2.875/3 = 0.9583

Tortoise 2000 ( 20min/job)

Mais les systèmes du monde réel limitent souvent les WIP:

u  te (2) / te (1)  20 / 21  0.9524 B=2

Idée de base: le CV d’une somme de variables aléatoires

Exemple (Temps nécessaire pour traiter un lot de pièces):

• Regroupement des stocks de sécurité

Vous aimerez peut-être aussi