Accelerat ing t he world's research.

La modélisation et la simulation en
vue de la conduite des systèmes de
production
Nicolae Brinzei, George Draghici

Related papers Download a PDF Pack of t he best relat ed papers 

L'Et at De L'Art Sur La Conduit e Des Syst emes Flexibles De Product ion
Nicolae Brinzei

De l'Isoarchie pour le Pilot age des Syst èmes de Product ion

Pat rick Pujo

Processus mét iers et S.I

Ilias Bouznari
 La modélisation et la simulation en vue de la conduite des
systèmes de production
George DRAGHICI, Nicolae BRINZEI, Ioana FILIPAS
UNIVERSITATEA POLITEHNICA DIN TIMISOARA
E-mail : {draghici, nbrinzei, ioanaf} @mec.utt.ro

Résumé. L’ouvrage présente les caractéristiques des systèmes de production, différentes

approches de conduite, les principes de simulation et l’application à un atelier de production. Les
nouvelles caractéristiques des systèmes de production qui doivent être prises en compte sont la
flexibilité, la réactivité, la proactivité et la robustesse. Ces caractéristiques nécessitent des
nouvelles approches pour la conception du système de conduite. Ceci a besoin des connaissances
sur la partie opérative du système, connaissances que l’on obtient grâce à la modélisation et à la
simulation du système.

1 Les caractéristiques des systèmes de production

Le contexte économique dans lequel les entreprises évoluent aujourd’hui ne permet plus de
produire efficacement à partir des systèmes de production basés sur les principes du Taylorisme, qui
ont fait largement leurs preuves. Il nécessite des systèmes de production basés sur d’autres
principes, ayant des nouvelles caractéristiques, telles que la flexibilité, la réactivité, la proactivité et
la robustesse.

1.1 Flexibilité
L'évolution croissante des besoins d'une entreprise fait que la conception du système de
production est de plus en plus orientée vers des familles de produits et non vers un seul type de
produit. Les systèmes correspondants à une telle exigence doivent se révéler flexibles.
La flexibilité d'un système de production se caractérise par sa capacité d'adaptation à la
production des nouveaux produits pour lesquels le système n'a pas été étudié. Cela suppose une
adaptation totale du système de production au produit courant (de la distribution des flux discrets
de composants aux opérations qu'effectuent les moyens de production sur le produit).
Plusieurs types de flexibilité [ABR 96], [ADA 97] ont été mis en évidence suivant leurs
incidences sur l'objectif qui est le produit fini et sur les moyens de production permettant la
réalisation de ce produit.
• flexibilité de produits : offre la possibilité d'une reconfiguration du système pour la prise en
compte d'un nouveau produit ou famille de produits permettant ainsi un gain de productivité ;
• flexibilité de mélange : c'est la possibilité de produire simultanément un ensemble de
produits ayant des caractéristiques de base communes ; cette flexibilité peut être mesurée par le
nombre de produits différents qui peuvent être fabriqués simultanément ;
• flexibilité de quantité : il s'agit de la capacité du système à faire face aux fluctuations de la
quantité des produits à fabriquer en modifiant les rythmes, ainsi que les temps de passage et
d'engagement des outils ;
• flexibilité de routage : offre au système les moyens d'un aiguillage plus souple, de façon à
servir les différents segments de procédés libres ou sous - engagés ;
 La modélisation et la simulation en vue de la conduite des systèmes de production 111

• flexibilité d'ordre des opérations : permet de changer l'ordre des opérations en cours de
production (ce qui suppose l'existence d'une gamme principale et des gammes secondaires) ou de
choisir la destination suivante après chaque opération ;
• flexibilité d'expansion : autorise une extension et une modification de l'architecture du
système et elle exige une modélisation ;
• flexibilité des ressources : c'est la capacité des ressources à effectuer plusieurs tâches
élémentaires et de permettre la reprogrammation.
En considérant les définitions données ci-dessus on peut déduire que la flexibilité est un
facteur déterminant dans l'élaboration de la conception d'un système de production apte à fabriquer
plusieurs variantes de produits. Malheureusement, une forte accentuation sur cette flexibilité
engendre des investissements très élevés des ressources technologiques relevant de ce système, à
cause de leur surdimensionnement à l'installation, et entraîne une baisse de productivité. Au cours
de l'automatisation d'un système flexible de production il faut donc faire un compromis entre
flexibilité et productivité.

1.2 Réactivité
Une exigence importante du client est de recevoir sa livraison dans les délais impartis et ce
quel que soit le carnet de commande (variable). Satisfaire une telle exigence impose au système de
production d'être réactif, c'est-à-dire capable de répondre rapidement et économiquement à un
changement (fabrication multi-produit, introduction d'une commande urgente, modification d'une
norme etc.) ou à un aléa. Ces aléas peuvent provenir soit du système de production (défauts
d'alimentation, défauts de réalisations d'une tâche, pannes des machines, rebuts) soit de son
environnement (approvisionnements des matières premières).

La réactivité d’un système de production est définie comme l’aptitude à répondre (réagir)
dans un temps requis aux changements de son environnement interne ou externe (aléa, situation
nouvelle, perturbation, sollicitation, …) par rapport au régime (fonctionnement) permanent
(stable).
La réactivité se pose en terme de mesure de la qualité d'une certaine performance du
système de production. Celle-ci implique une maîtrise du système observé, une maîtrise du type de
performance à évaluer et de la pertinence sémantique et logique des données et des traitements mis
en œuvre. Il est donc plus que nécessaire de disposer d’une excellente connaissance sur la
composition interne du système, sa frontière, son environnement, ses interactions intra et extra
système, ses aspects technologiques, humaines, opérationnels, organisationnels, décisionnels et
économiques selon un horizon temporel d'évolution. On peut donc considérer des indicateurs de
réactivité : un indicateur d'a priori en vue de l'évaluation d'une réactivité potentielle, un indicateur
temps réel pour l'évaluation d'une activité courante et un indicateur d'a posteriori en vue d'une
archive historique des réactivités considérées dans le passé. Selon leur niveau de considération, ses
indicateurs sont de type spécifiques ou généraux, sélectifs ou universels (réactivité induite par les
perturbations), absolus ou relatifs (réactivité différentielle), instantanés ou cumulés, locaux ou
globaux.
La réactivité d'un système de production impose une vision dynamique des événements qui
se passent dans le système. Afin d'assurer cette propriété de réactivité du système de production,
trois fonctions annexes s'avèrent nécessaires :
• une fonction d'observation qui collecte les variables nécessaires au suivi, afin de connaître
l'état courant du système (disponibilité et état des produits, disponibilité et état des moyens de
production) ;
112 Les Cahiers des Enseignements Francophones en Roumanie, 1998

• une fonction de surveillance qui détecte (suite au résultat d'une observation) et interprète les
écarts et les changements entre le plan prévisionnel et le plan courant par anticipation ;
• une fonction de correction qui tente à tout instant de corriger les écarts entre ces plans, ce
qui implique un ordonnancement dynamique.

1.3 Proactivité
Aujourd’hui, l'évolution rapide de l'environnement, la complexité croissante des processus
de production conduisent à considérer comme nécessaire une adaptation permanente, dans un
monde où l'aléa constitue la règle et non l'exception. La réactivité est donc nécessaire, mais elle
n’est pas suffisante et les systèmes de production doivent présenter une nouvelle propriété : la
proactivité.

La proactivité d’un système de production se caractérise par ses capacités d’anticipation

(prévoir et/ou provoquer) les changements d’état, d’apprentissage et d’enrichissement des
connaissances (pour améliorer sa réactivité), d’adaptation ses règles de fonctionnement et par sa
capacité de réorganisation reposant sur une architecture décentralisée et une délégation de
responsabilité.

Un système de production proactif est avant tout un système réactif. La proaction sous-
entend l’existence de la réaction. La réaction consiste dans l’application de règles fixées, en réponse
aux événements, tandis que la proaction, en considérant la définition donnée ci-dessus, ajuste en
quelque sorte son environnement et modifie les règles de fonctionnement afin de gérer et maîtriser
les aléas néfastes à la performance industrielle.

A côté des fonctions d’observation, de surveillance et de correction, nécessaires pour assurer

la réactivité d’un système, la proactivité implique une quatrième fonction d’enrichissement des
connaissances, qui permet d’améliorer les processus d’interprétation et de décision.

1.4 Robustesse
Une autre exigence du client est d'acquérir sa commande avec la garantie d'une certaine
qualité. Cela oblige le concepteur du système de production à imposer au système de production
une certaine robustesse.
La robustesse d'un système de production se définit par son aptitude à produire
conformément aux résultats attendus. Cela suppose la garantie de l'obtention des performances
souhaitées en présence d'incertitudes dans le système.
L'acquisition de ces quatre propriétés est liée à une réorganisation notable du système de
production existant, notamment au niveau de la conduite du système par la prise en compte des
nouvelles approches.

2 La conduite des systèmes de production

De manière générale on peut décomposer un système de production en deux parties

complémentaires : la partie opérative, qui désigne le flux matériel et la partie conduite, qui traite le
flux informationnel. La partie opérative est constituée des entités appartenant à trois populations : la
population des produits, la population des moyens de production et la population des opérateurs de
production [ROD 89], [ADL 94]. Elle a pour fonction de fabriquer (qualité, quantité, délais) des
 La modélisation et la simulation en vue de la conduite des systèmes de production 113

produits (finis) à partir des produits bruts avec les moyens de production et les opérateurs de
production. La partie conduite a pour fonction d’élaborer les ordres nécessaires à la partie opérative.
Le rôle de la conduite des systèmes de production est de diriger, guider et piloter, de
manière à assurer la pertinence et la cohérence du système dans un environnement donné. La
conduite peut être considérée comme l’art d’adapter en permanence les objectifs de l’entreprise à
l’évolution de l’environnement à travers l’analyse des contraintes et des opportunités. En tenant
compte de la définition de la réactivité donnée ci-dessus, la conduite réactive d’un système de
production [JIA 97] se définit ainsi comme la capacité à répondre à une demande fluctuante en
nature et en quantité de produits variés et personnalisés, dans des délais respectés et de plus en plus
courts. C’est une démarche visant à répondre à la demande du client et correspond à l’un des
facteurs mesurant la compétitivité industrielle de l’entreprise. Un système est réactif si les
conditions de flexibilité sont assurées au sein de l’entreprise.
Les principales missions du système de conduite peuvent être résumées de la façon
suivante : auto-organisation, adaptation, optimisation et régulation.
D’une manière générale, le système de conduite se trouve à tous les niveaux de l’entreprise,
il est en relation étroite avec les autres fonctions de l’entreprise soit par les actions de coordination,
soit par des actions de coopération. On peut distinguer essentiellement cinq structures différentes
[TRE 96] :
• structure centralisée, caractérisée par un pilotage localisé au sein d’une ressource unique qui
supervise la production ;
• structure hiérarchisée, dont chaque niveau coordonne les unités de pilotage du niveau
inférieur, et ce jusqu’au niveau le plus bas ;
• structure coordonnée, correspond à un ensemble de structures hiérarchisées où une
coopération est possible au sein d’un même niveau ;
• structure distribuée, fondée sur une distribution totale des capacités de décision ;
• structure distribuée supervisée, caractérisée par un ensemble d’entités coopérantes sous le
contrôle d’une entité superviseur dont le rôle est d’imposer, de conseiller ou de modifier une
décision afin de respecter un objectif plus global.
Le choix de structure dépend essentiellement d’un compromis entre le degré d’autonomie et
la cohérence de décision.
La conduite d'un système de production consiste à utiliser un système de décision pour faire
exécuter par le système physique l'ensemble des opérations de fabrication qui lui sont affectées :
• en respectant au mieux les objectifs de production fixés, tout en satisfaisant les contraintes
spatiales, temporelles et de coûts ;
• en s'assurant que chaque ordre transmis est cohérent vis-à-vis du caractère perturbé de
l'environnement dans lequel évolue le système ;
• en utilisant un système d'information cohérent réalisant une interface robuste entre le
système physique et le système de décision.
Le système de décision définit des cadres de décisions dans lesquels il précise les opérations
à accomplir, les grandeurs sur lesquelles il est possible d'agir, les méthodes à suivre ainsi que les
limites. Il s'articule autour d'une organisation en boucle (figure 1) constituée de quatre activités
suivantes :
114 Les Cahiers des Enseignements Francophones en Roumanie, 1998

• la planification, qui consiste à mettre en œuvre des techniques d'ordonnancement. Intégrée

dans le processus global de conduite, la planification propose une affectation pour les différentes
opérations, dans le temps et l'espace. C'est un moyen unique et incontournable pour s'assurer du
respect des objectifs fixés. Néanmoins les méthodes de calcul employées pour sa mise en œuvre
sont souvent pénalisantes dans le temps.
• le lancement, qui répartit et transmet les ordres au système en tenant compte de l'état des
entités de production ;
• le suivi, qui recueille l'ensemble des événements survenant dans l'atelier et qui met à jour
une image interne du système opérant ;
• la réaction, qui corrige les déviations induites par les aléas de production. Cette activité est
très liée à celle de la planification, car il s'agit de prendre des mesures correctives tout en s'assurant
du respect des objectifs de production.
La conduite en temps réel d'un système de production est une tâche complexe qui requiert
des connaissances dans les domaines de l'informatique, de l'automatique, de la production, de la
communication homme - machine etc. Sa difficulté est due :
• à la complexité du problème d'ordonnancement ;
• à la nécessité de résoudre le problème d'ordonnancement dans un contexte perturbé ;
• au problème intrinsèque du suivi, souvent banalisé dans la plupart des systèmes ;
• à l'intégration du système de conduite dans le système global de gestion de production.

Planification

Réaction

Lancement Suivi

Figure 1. Le modèle conceptuel du système de décision

Pour gérer le déroulement des opérations sur les moyens de production la conduite doit
respecter les contraintes techniques suivantes :
• une machine exécute au plus une opération à la fois (contrainte d'exclusion mutuelle) ;
• une opération commencée sur une machine doit être terminée sans interruption sur la même
machine (contrainte de non - préemption) ;
• la fabrication d'une pièce nécessite un ensemble d'opérations qui doivent être effectuées
dans un ordre spécifique (contrainte de précédente).
La partie conduite d’un système de production doit disposer d’un modèle de la partie
opérative du système, afin de réaliser son objectif. Dans ce but, plusieurs approches de modélisation
du système de production ont été envisagées. En ce qui suit nous présentons deux des principales
approches existantes pour la conduite des systèmes de production.
 La modélisation et la simulation en vue de la conduite des systèmes de production 115

2.1 Approche objet

Avant de présenter l’approche objet on va faire un tour d’horizon sur les principales
méthodes de modélisation disponibles en vue de l’analyse, de la conception et de la spécification
des systèmes de production. Il est possible de dresser une typologie des familles de méthodes
[GOU 95], [DEN 95], [LAN 97], chaque famille ainsi définie etant caractérisée par leurs domaines
d’application et leurs limites.
• approches orientées opérations : analyse structurée (diagramme de flux de données)
Ces approches raisonnent en termes d'applications : elles partent des besoins ou résultats à
obtenir pour en déduire les données d'entrée nécessaires à cette application. Les limites de cette
approche : redondance de données identiques pour différents traitements, risque d'incohérence de
ces mêmes données connues de façon différentes en plusieurs endroits du système. On note encore
que le modèle obtenu est peu évolutif, car est spécifié pour les besoins du moment. En conclusion,
ces approches sont dans l'incapacité de définir un schéma de base de données.
• approche orientée données : Entité / Association
Contrairement à la famille précédente, ces modèles explicitent des niveaux d'abstraction
dans la représentation : ce sont des méthodes conceptuelles. Apparues vers le milieu des années 60,
elles définissent une structure générale de données, indépendante de programmes qui les
manipulent. Cette approche figure également dans les principes fondateurs des bases de données.
Elle s’intéresse aux aspects structurels et informationnels. Les limites de cette approche sont : elle
n'intègre pas les aspects dynamiques, le modèle étant par définition statique ; les conditions de
déclenchement, l'ordonnancement dans le temps des contraintes opératoires sont difficilement
représentables. Parmi ces approches on peut citer, par exemple, la méthode NIAM.
• approches orientées comportement : REMORA - J.S.D.
Elles présentent l'avantage de représenter les contraintes de dynamique et d'évolution dans le
temps. Ces approches privilégient cependant ensuite soit l'aspect données (méthode REMORA),
soit l'aspect traitements (méthode J.S.D.) et se heurtent aux mêmes difficultés que celles
précédemment citées.
• approches combinées : MERISE - SADT
Ces méthodes prennent bien en compte les aspects traitement et données, mais de façon
séparée. MERISE utilise l'approche entité - association pour modéliser les données et conçoit le
modèle de traitement à l'aide d'un formalisme largement inspiré de réseaux de Pétri. La méthode
conseille de réaliser les deux études par deux équipes séparées. SADT, quant à elle, permet de
décrire les processus qui conduisent à générer ou à modifier les données du système étudié. Elle
permet de spécifier les actions ou traitements que subissent les données du système et ainsi, de
décrire les processus de décision reposant sur la nature des données, traduisant l’état du système.
Des adaptations de SADT ont permis de développer une méthode temps réel SA-RT.
• approches orientées objet
Les méthodes relatives aux approches citées ci-dessus privilégient systématiquement soit
l’aspect données soit l’aspect traitement, mais les deux aspects ne sont jamais pris en compte de
façon simultanée. Pour aller dans ce sens, l’approche objet tend à définir une structure permettant
de rassembler ces deux points de vue.
Après l'avènement de l'approche objet dans le domaine du développement et de la
programmation informatique, celle-ci devient de plus en plus utilisée dans le domaine de la
modélisation, de l'analyse et de la conception. Grâce à ses propriétés de reutilisabilité, de localité
116 Les Cahiers des Enseignements Francophones en Roumanie, 1998
des données, l'approche objet est adaptée à la problématique de l'étude des systèmes de production.
En effet, les mécanismes objet tels que l'abstraction, l'encapsulation, la modularité, la classification,
l'agrégation et l'héritage [BOO 93] permettent de définir une méthodologie s'appuyant sur des
variations mineures d'entités préétablis et de les adapter au besoin du système étudié. L'intérêt d'une
telle approche réside également dans le fait que l'utilisation des techniques objet lors du processus
de conception nous assure une plus grande indépendance vis à vis d'éventuelles modifications ou
évolutions de l'environnement externe du système. En effet, les propriétés de forte cohésion et de
faible couplage entre objets, du modèle ou de l'environnement, assurent une évolutivité plus aisée.
Un objet dénote un concept, et il est défini comme une collection de propriétés structurelles
(attributs) et procédurales (méthodes) décrivant son état et les opérations qu'il est capable d'exécuter
[MOR 95]. Considéré comme une abstraction d'un élément du monde réel, l'objet correspond à une
entité structurante du système. Il est donc une description d'une entité, qui souligne certains détails
et propriétés de celle-ci, tout en supprimant d'autres détails.
La communication entre les objets s'effectue par l'envoi et la réception des messages. Un
objet envoie un message vers un autre objet, afin de lui demander l'enclenchement d'une de ses
méthodes. L'objet destinataire du message exécute la méthode qui lui est demandée. Suite à
l'exécution de la méthode, l'objet change son état par la modification de ses attributs.
Une qualité principale de l'approche objet est sa capacité d'intégration des informations. En
effet, il est possible d'intégrer dans la même modélisation des variables quantitatives, des équations
et des comportements fondés sur des règles de la logique, grâce au mécanisme de polymorphisme.
Celui-ci permet la définition des procédures polymorphes, c'est-à-dire des procédures différentes
qui seront exécutées en fonction de l'état courante du système. Il est aussi très facile d'intégrer des
modifications par la correction des méthodes de l'objet. Celle-ci n'entraîne pas des modifications au
niveau du modèle global du système, car les autres objets ne connaissent pas l'implémentation de la
méthode mais seulement son identificateur.
L'utilisation de l'approche objet pour la conduite des systèmes de production implique une
structuration hiérarchique du système [TIT 92], en le décomposant en plusieurs niveaux. Le
fonctionnement de chaque niveau est supervisé et coordonné par le niveau qui lui est
hiérarchiquement supérieur. Les décisions se prennent au niveau supérieur pour tous les niveaux qui
lui sont subordonnés.
La démarche de modélisation par objet a pour objectif de définir les objets du système de
production identifiés lors du processus de conception. Une première étape correspond à la définition
des entités génériques ou objets abstraits qui constitueront la bibliothèque initiale de composants.
Ensuite, par l'exploitation des entités génériques, l'utilisateur de la méthode pourra adapter les
modèles proposés à son besoin, en définissant de cette manière l'architecture de conduite du
système de production considéré.
L’approche objet pour la conduite des systèmes de production a été utilisée par Fabian et al.
[FAB 92] au Control Engineering Laboratory de Göteborg, Suède. Afin de modéliser le système de
production, deux types d'objets sont considérés : les objets externes et les objets internes (figure 2).
Les objets externes représentent les équipements physiques du système de production, tandis que les
objets internes sont des modèles informatiques des objets externes. La conduite est réalisée par un
contrôleur qui assure la synchronisation et le contrôle des objets. Les objets externes exécutent les
tâches qui leur sont répartis à travers les objets internes correspondants. Ceux-ci communiquent par
des messages avec le contrôleur et les autres objets du système et transforment les messages reçus
en messages compréhensibles par les objets externes. Chaque objet interne est divisé en deux
parties : une partie générale qui participe à l'échange de messages et une partie spécifique qui
communique avec les objets externes. Le comportement des objets est modélisé par la technique de
l'automate d'état fini. La partie générale contient également l'information sur l'état courant de l'objet
 La modélisation et la simulation en vue de la conduite des systèmes de production 117

physique. Elle valide les messages reçus, en fonction de l’état courant. Si le message est validé,
alors une routine spécifique correspondante à ce message est exécutée, sinon une réponse négative
est envoyée vers l'émetteur du message. La partie générale est identique pour tous les objets qui
représentent des équipements physiques ayant des comportements similaires. A ce niveau, la
représentation des équipements physiques est abstraite, afin d'utiliser des modèles génériques.
Ceux-ci permettent un développement facile du système par l'ajout des nouveaux modules ou par le
remplacement des certains modules par des autres, sans nécessiter des grandes modifications. La
flexibilité du système est ainsi augmentée. La partie spécifique, quant à elle, assurent la liaison avec
l'objet externe. Elle permet l'implémentation des toutes les fonctions de l'équipement, décrites de
façon abstraite dans la partie générale. L'utilisation des objets internes garantit une séparation entre
le contrôleur et le niveau équipements, qui permet au contrôleur de ne pas s'occuper avec les tâches
spécifiques des équipements.

Contrôleur
Partie générale
Echange des messages de
haut niveau
Etat courant de
l'équipement modélisé
Objet interne Objet interne Objet interne
Partie spécifique
Traduction des messages
Implémentation des
caractéristiques spécifiques
Objet externe Objet externe Objet externe aux équipements

Figure 2. Architecture de conduite orientée objet

Les produits sont modélisés par une liste d'opérations nécessaires à leur réalisation. La
commande du système consiste en l'affectation à chaque opération de la liste un équipement
physique capable d'accomplir cette opération. Celle-ci est effectuée par le contrôleur qui établit le
routage de chaque pièce dans le système.
L'inconvénient de cette architecture est la structure centralisée du système de conduite.
Toutes les décisions sont gérées au niveau du seul contrôleur qui les synchronise en fonctions de
variables propres à l'environnement de conduite du système de production. Cette approche ne prend
pas en compte ni les aléas de production, ni le suivi de production. Le suivi de production est un
critère déterminant dans la conduite des systèmes de production, car il permet de reconstituer la
genèse complète et temporelle du système et parer par conséquent aux situations imprévues de
production.

2.2 Approche multi-agents

Les systèmes multi-agents ont été développés dans le cadre de l'intelligence artificielle
distribuée. L'intérêt qu'ils suscitent est lié à leur capacité d'aborder les problèmes complexes d'une
manière distribuée et de proposer des solutions réactives et robustes. La résolution distribuée par
l'approche multi-agents s'adapte bien avec la nature des systèmes de production généralement
composés de plusieurs équipements, où il faut intégrer plusieurs fonctions (conduite, gestion de
production etc.) [BRI 97] et où les décisions doivent se prendre à plusieurs niveaux. L’architecture
distribuée d’un système multi-agents permet également aux systèmes de production, qui sont
modélisés à l’aide de cette approche, d’acquérir la propriété de proactivité.
118 Les Cahiers des Enseignements Francophones en Roumanie, 1998
Un système multi-agents est constitué d'un ensemble d'agents autonomes interactifs qui
coopèrent pour aboutir à un objectif commun. L'entité de base qui est l'agent est une entité physique
ou virtuelle [FER 95] qui :
• est capable d'agir dans un environnement ;
• peut communiquer directement avec d'autres agents ;
• est mue par un ensemble de tendances (sous la forme d'objectifs individuels ou d'une
fonction de satisfaction, qu'elle cherche à optimiser) ;
• possède des ressources propres ;
• est capable de percevoir (mais de manière limitée) son environnement ;
• possède des compétences et offre des services ;
• peut éventuellement se reproduire ;
• dont le comportement tend à satisfaire ses objectifs, en tenant compte de ressources et de
compétences dont elle dispose, et en fonction de sa perception, de ses représentations et de
communications qu'elle reçoit.
Un système multi-agents est un système composé d’éléments suivants [FER 95] :
• un environnement E, c’est-à-dire un espace disposant généralement d’une metrique ;
• un ensemble d’objets O. Ces objets sont situés, c’est-à-dire que, pour tout l’objet, il est
possible, à un moment donné, d’associer une position dans E. Ces objets sont passifs, c’est-à-dire
qu’ils peuvent être perçus, créés, détruits et modifiés par les agents.
• un ensemble A d’agents qui sont des objets particuliers qui représentent les entités du
système ;
• un ensemble de relations R qui unissent des objets (et donc des agents) entre eux ;
• un ensemble d’opérations Op permettant aux agents A de percevoir, produire, consommer,
transformer et manipuler des objets de O ;
• des opérateurs chargés de représenter l’application de ces opérations et la réaction du monde
à cette tentative de modification, que l’on appellera les lois de l’univers.
L'approche multi-agents fait partie des méthodes utilisées pour l'ordonnancement dynamique
et le pilotage des systèmes de production [KOU 95]. L'ordonnancement est la fonction qui décide
quoi faire, quand et où. Il est dynamique lorsqu'il s'intéresse à un environnement changeant, où il
peut y avoir des retards, des tâches nouvelles, des pannes de machines. Quant au pilotage, il
consiste à commander en temps réel les différentes tâches planifiées dans les systèmes de
production. Dans cette méthode, chaque agent a une perception de son environnement et a la
capacité de contrôler localement, il décide lui-même des actions qu'il doit réaliser en fonction de
son objectif local. La performance du système n'est pas globalement planifiée, elle émerge de la
dynamique des interactions en temps réel entre les agents. Ainsi, le système n'est pas obligé de
toujours alterner entre une phase de planification et une phase d'exécution, mais son comportement
est élaboré à partir des décisions concourantes des agents locaux.
Dans la conduite des systèmes de production, la coopération entre les agents est
indispensable pour résoudre des conflits pouvant apparaître, pour l'allocation des ressources
limitées, pour réconcilier des préférences différentes et rechercher des solutions dans un espace
 La modélisation et la simulation en vue de la conduite des systèmes de production 119

globale à partir d'information locale. La coopération peut être appréhendée selon les trois concepts
suivants [ESP 95] :
• la coordination : acte de gérer les interdépendances des différentes activités exécutées
pendant la réalisation d'un but ;
• l'organisation : détermine le statut et les comportements des agents et les relations qui
permettent d'unir des agents au sein d'un groupe par rapport à la décision ou par rapport à la
coordination ;
• la communication : ensemble des processus effectués pour la mise en relation d'un agent
(l'émetteur) avec un ou plusieurs agents (les récepteurs) afin d'atteindre certains objectifs ; elle n'est
pas réduite à un simple échange des données, mail il s'agit d'un acte intentionnel qui se traduit par
une modification de la connaissance des agents.

Les systèmes multi-agents ajoutent à la localité de comportements, présentée dans

l'approche objet, l'autonomie et la répartition de prise de décisions. En effet, l'agent, à l'encontre de
l'objet, peut effectuer un certain travail, le refus pouvant s'expliquer par son manque de compétence
(il ne possède pas le savoir-faire nécessaire) ou par sa trop grande occupation à une autre tâche ou
par toute autre raison.

L’approche multi-agents a été utilisée par Querrec et al. [QUE 97] au Laboratoire
d’Informatique Industrielle de Brest, qui ont proposé une architecture multi-agents générique pour
des systèmes réactifs tels qu’une cellule de production. Chaque entité de la cellule est représentée
par un agent autonome qui possède un comportement individuel et la capacité de prise de décision
locale. Les entités sont constituées d’une Partie Opérative et de son contrôleur (Partie Conduite),
selon le modèle de la figure 3. Cette architecture assure le découplage des parties opérative et
conduite, permet de s’affranchir d’un contrôleur global à la cellule, ce qui facilite la réutilisation des
composants dans des nouvelles configurations. Les Parties Opératives constituent des prototypes
virtuels sur lesquels les Parties Conduites peuvent être mises au point et validées hors-lignes.

Agent

Contrôle
Partie Opérative Contrôleur
Informe

Figure 3. Modèle conceptuel d'un élément générique

Un agent réagit aux messages qu’il reçoit, compte - tenu de son objectif et de son état
interne. Les propriétés d’un agent sont donc des attributs qui caractérisent son état interne, des
méthodes qui constituent les actions potentielles de l’agent et un canal de réception des messages
qui le rend réceptif à son environnement (boîte à lettre).
Les contrôleurs des agents sont spécifiés sous la forme des réseaux de Petri ordinaires. Les
réseaux de Petri implémentés dans les contrôleurs ont ensuite été dérivés en réseaux de Petri
synchronisés de la façon suivante :
• en synchronisant les transitions sur des événements externes, i.e. la réception de message ;
• en associant aux places l’appel d’une méthode de l’agent ou l’émission d’un message.
120 Les Cahiers des Enseignements Francophones en Roumanie, 1998
Toutes les transitions ne sont pas systématiquement synchronisées sur un événement externe
(on leur associe alors l’événement e, toujours occurent). Les messages émis lors du marquage
d’une place sont de deux types : des ordres destinés à la Partie Opérative de l’agent et des
informations susceptibles d’intéresser le contrôleur d’un autre agent. De manière symétrique, les
événements synchronisant une transition sont de deux types : des messages émis par la Partie
Opérative de l’agent et des informations diffusées par un autre élément de la cellule.
La modélisation par système multi-agents proposée favorise la modularité de la conception
et de la réalisation en localisant la prise de décision au niveau des agents eux-mêmes. Le traitement
local d’information amène à modifier la conception des éléments de la Partie Opérative de la cellule
de production conçus initialement pour une approche centralisée. Cela conduit le plus souvent à
rajouter explicitement des agents capteurs, afin que les différents éléments disposent localement de
toute l’information nécessaire à la réalisation des leurs objectifs. Ceci revient à considérer que
chaque élément serait piloté par un petit automate programmable industriel (API) qui lui serait
entièrement dédié.
L’architecture multi-agents proposée permet pendant la simulation de la cellule de
production : la reconfiguration dynamique de celle-ci (l’introduction d’une source d’alimentation
supplémentaire), l’interaction de l’utilisateur par le déclenchement d’événements indépendament du
contrôleur (l’ajout ou la suppression dynamique des pièces), le changement dynamique d’un
contrôleur (son remplacement par un autre contrôleur implémenté dans un autre formalisme que
celui de réseaux de Petri synchronisés).
Une autre implémentation des systèmes multi-agents pour la conduite d’un système de
production a été réalisée au Laboratoire Sols, Solides, Structures (3S) de Grenoble par Brun-Picard
et al. [BRU 96], [BRU 97]. Une synthèse des architectures de conduite des systèmes de production,
basées sur l’approche objet et sur l’approche multi-agents se trouve dans [BRI 98].

3 La simulation des systèmes de production

La performance globale d’un système de production est le résultat d’une interaction
complexe de nombreux facteurs aussi variés que : la vitesse d'un engin de manutention, le temps de
changement d'outil sur une machine, les principes d'ordonnancement utilisés ou encore la dextérité
d'un opérateur. Cette superposition de facteurs nécessite de représenter le système industriel comme
un modèle où toutes ces composantes interagissent, qu'elles soient des flux physiques ou des flux
d'informations. On utilise un modèle quand on veut comprendre un système réel que l’on ne peut
pas observer ou expérimenter directement, parce que le système n'existe pas encore ou parce que
cela est trop difficile à manipuler. Ensuite, par simulation, il est possible de mesurer l'impact relatif
de chacune de ces composantes sur la performance globale du système de production. Ainsi, la
modélisation et la simulation de la partie opérative du système permet de fournir les informations
nécessaires au système de conduite.
La modélisation est le processus de conception d’un modèle d’un système, tandis que la
simulation est le processus d’implantation du modèle et les simulations faites sur ce modèle dans le
but de comprendre le comportement du système et/ou d'évaluer différentes stratégies pour
différentes opérations du système.
La simulation est l'un des plus puissants outils d'analyse des systèmes complexes.
Aujourd'hui, elle est devenue indispensable pour résoudre les problèmes d’optimisation des flux
physiques ou des flux d’informations dans les systèmes de production manufacturiers.

3.1 Objectifs de la simulation

La simulation permet d’évaluer les performances d'un système de configuration donnée :
 La modélisation et la simulation en vue de la conduite des systèmes de production 121

• au niveau de la structure physique (conception de nouveaux systèmes) ;

• au niveau du système de décision (exploitation, réorganisation).
La simulation permet de répondre à la question : « Qu'obtiendra-t-on si l'on fait ceci ? » mais
ne permet pas de répondre à la question : « Que faut-il faire pour obtenir cela ? ».
Pour aboutir à une solution intéressante, il faut tester un nombre suffisant de scénarios afin
de les comparer et de retenir le plus intéressant. Donc la simulation est une démarche par induction
(étude de cas particuliers afin d'aboutir à une conclusion, la plus générale possible) et non par
déduction (solution obtenue par un raisonnement, un algorithme).
En production, la simulation permet d’évaluer les effets suivants :
• suppression/adjonction de machines/de main d'œuvre ;
• modification du processus de fabrication : gammes, temps de fabrication et de préparation ;
• présence d'aléas de fabrication : pannes machines, rupture des stocks, commandes urgentes ;
• capacité des stocks ;
• ordonnancement : politiques de lancement, règles de gestion des files d'attente, affectation
des ressources, ...
• insertion de nouveau produits/suppression de produits existants.

3.2 Etapes et critères dans la réalisation d'une simulation

C'est hors de la partie proprement informatique qu'une étude de simulation requiert le plus
de temps et de savoir-faire. On peut découper un projet de simulation avec l’enchaînement de
phases suivant (figure 4) :
Analyse :
• identification du problème ;
• définition des objectifs (cahier des charges) ;
• collecte des données/analyse des données ;
• rédaction d'un dossier d’analyse fonctionnelle ;
• validation.
Modélisation :
• modélisation logico-mathématique :
- choix des entités, des attributs ;
- modélisation de l'évolution du système ;
• identification des paramètres ;
• modélisation initiale ;
• programme de simulation ;
• validation et tests.
122 Les Cahiers des Enseignements Francophones en Roumanie, 1998
Simulation (exploitation du modèle) :
• expérimentation (jeux de simulation),
• analyse des résultats,
• interprétation des résultats.

Enoncé du problème

Modélisation

Acquisition de
données

Vérification du modèle

Validation du modèle

Expérimentation

Analyse des données

Exploitation,
évolution future

Figure 4. Etapes d'une étude de simulation [CLA 97]

Avant de commencer la simulation d’un système nous devons fixer les critères pour pouvoir
obtenir des bons résultats. Quelques critères d’un bon modèle de simulation sont :
• connaissance du but de la simulation ;
• compréhension parfaite du système ;
• modèle évolutif (démarrer simple ==> complexe) ;
• modèle complet sur les caractéristiques principales (décrit les phénomènes principaux avec
exactitude) ;
• modèle flexible, facile à modifier et à mettre à jour ;
• modèle solide, qui reste valide face à un grand nombre de situations ;
• modèle facile à mettre au point ;
• modèle qui donne des résultats de façon claire.
 La modélisation et la simulation en vue de la conduite des systèmes de production 123

3.3 Concepts de simulation des systèmes de production

La simulation se divise en deux mondes très distincts : celui des simulations discrètes et
celui des simulations continues. Les termes de discret et continu s’appliquent en fait à la nature des
flux examinés et, par extension, à la nature des modèles.
Dans les simulations discrètes, les flux essentiels que l’on examine sont composés
d’éléments isolables que l’on peut dénombrer et identifier individuellement. Ces éléments sont
couramment appelés « entités ».
Dans les simulations continues, il n’est pas possible d’isoler quoi que ce soit dans le flux
étudié, parce qu’il est continu.
Le regard que l’on porte sur les systèmes peut être soit statique, soit dynamique. Le regard
statique prend pour base un instantané du système ou bien une approximation. En revanche,
l’approche dynamique, parce qu’elle tient compte de l’évolution dans le temps des paramètres et
des états va rendre avec plus de justesse les phénomènes réels.
Certains outils de résolution du problème ne permettent qu’une approche déterministe, où
les mêmes causes produisent inmanquablement les mêmes effets, avec une exactitude arithmétique
parfaite, infiniment reproductible. La simulation se démarque en pouvant prendre en considération
l’aspect stochastique des phénomènes aléatoires.

Analyse des systèmes

de production

Méthodes Simulation
analytiques

Modèle Modèle dynamique

mathématique

Résultats

Figure 5. Analyse des systèmes de production

Il existe plusieurs méthodes d’analyse des systèmes de production (figure 5) :

• méthodes analytiques (réseaux de files d’attente, réseaux de Petri, chaînes de Markov) ;
• la simulation (SIMAN/Arena, Sirphyco, Cadence, QNAP, Automod).

4 Le modèle Arena pour un atelier de production

Pour la modélisation et la simulation d’un atelier de production nous allons utiliser le
logiciel SIMAN/Arena, développé par Systemes Modeling Corporation. Il est notamment dédié à la
modélisation, simulation et animation de systèmes de production. Le logiciel est basé sur les
concepts de programmation orientée objet et de modélisation hiérarchique, utilisant la puissance et
la flexibilité de modélisation du système SIMAN/Cinema.
124 Les Cahiers des Enseignements Francophones en Roumanie, 1998
A l'aide d'Arena on peut développer un projet complet de simulation. Arena est un support
intégré pour l'analyse des données d'entrée, la construction du modèle, l'exécution interactive,
l'animation, la traçabilité et la vérification de l'exécution et l'analyse des sorties.
Les utilisateurs peuvent développer des nouveaux modèles dans la fenêtre du modèle, des
nouvelles constructions de modélisation dans la fenêtre de template, identifier les caractéristiques
des données d'entrée dans la fenêtre d'entrée et analyser les résultats de simulation dans la fenêtre de
sortie.

4.1 Présentation de l’atelier actuel

Dans notre étude il s’agit d’un atelier garniture d’une entreprise d’automobiles. Il n’a jamais
réellement fait l’objet d’une réimplantation dans son intégralité. Au début de chaque lancement
d’un nouveau modèle de véhicule l’atelier est souvent calqué sur la précédente organisation.
La conduite du système de production devra tenir compte de la diversité des produits
fabriqués des futurs modèles de véhicules, ainsi que des différents procédés de réalisation. Cela,
avec les moyens techniques actuels, si possible. Il faudra de plus répondre sans difficulté à la
demande du client.
La modélisation des flux du système de production sera faite compte tenu des événements
qui interviennent pendant le processus de fabrication. Nous prévoyons d’intégrer les méthodes de
gestion de production, de façon à maîtriser le flux de production et à assurer la flexibilité du
système, la réduction des coûts et du temps de réponse à la demande.
Notre étude se déroule au sein de l’atelier sellerie qui constitue une branche de l’Unité de
Carrosserie. Les flux que l’on examine sont composés d’éléments isolables que l’on peut dénombrer
et identifier individuellement.
L’atelier sellerie fabrique les sièges, et comporte cinq secteurs qui sont :
• secteur coupe,
• secteur préparation complexe (parties centrales sur automate),
• secteur préparation (toutes les pièces de la coiffe autres que les parties centrales),
• secteur piqûre (assemblage final sur les modules),
• secteur stockage des pièces.
Une représentation schématique est détaillée sur la figure 6.

4.2 Reconception de l’atelier

En considérant les objectifs fixés, et à partir des connaissances sur les nouvelles règles de
production, nous proposons d’implanter l’atelier en cellules de production en ligne par famille de
véhicules.
Cette implantation est la représentation la plus fidèle de l’atelier « nouveau », suite aux
considérations exposées au paragraphe précédent. L’atelier est ainsi beaucoup plus réactif, et
s’adaptera rapidement, sans changement important, à la fabrication de nouveaux produits.
La solution retenue présente les caractéristiques suivantes :
• mise en place de cellules de production : les machines se succèdent dans l’ordre des
opérations de fabrication,
 La modélisation et la simulation en vue de la conduite des systèmes de production 125

• suppression de la zone de préparation : une mécanicienne sur la machine à coudre réalise

entièrement l’une des quatre parties constituant une voiture complète (plus un complément pour
équilibrer les charges).

ZONE DE PREPARATION DES

PARTIES CENTRALES
ZONE DE
COUPE

STOCK DE
PIECES
COUPEES A
PREPARER ZONE DE
PREPARATION
DES AUTRES
PIECES
STOCK DE
PIECES
COUPEES ET
PREPAREES
STOCK DE
COIFFES
ASSEMBLEES

ZONE D’ASSEMBLAGE FINAL

SECTEUR PIQURE DES COIFFES

STOCK DE COIFFES ASSEMBLEES

Figure 6. Les secteurs de l’atelier

L’atelier se décompose donc en :

• une zone de coupe commune : deux machines de coupe ;
• trois zones de fabrication coiffes ; pour chacune de ces zones on a :
- une zone de préparation sur automates ;
- une zone de piqûre finale sur modules ;
• zone de coiffes finies.

4.3 Gestion de l’atelier

a) Flux interne
Le stock de matières premières est considéré comme jamais affamé, car c’est le service
logistique qui s’occupe de l’approvisionnement de ce stock.
L’atelier PIQURE fonctionne en Kanban par rapport au flux véhiculés. Ce secteur fabrique
les voitures commandées (ordre ferme) par lots optimisés appelés quantités économiques, à partir
des informations relatives aux voitures sorties de l’atelier tollerie (situé en amont de l’atelier étudié)
et de l’état des stocks en coiffes finies pour un type donné.
126 Les Cahiers des Enseignements Francophones en Roumanie, 1998
La zone de coupe est approvisionnée en matières premières par la fonction logistique. Elle
est composée de deux machines qui coupent le tissu nécessaire à la fabrication des coiffes. Sur ces
machines de coupe un nombre entier de quantités économiques (taille de convoi) est coupé à la fois,
donc le lancement d’une étiquette Kanban à la coupe signifie que l’on va avoir une taille de convoi
en aval.
Placées en amont de secteurs de piqûre, les pièces coupées sur les machines de coupe sont
acheminées par des approvisionneuses - coupe dans leurs casiers de stockage respectifs avant
l’automate.
Les deux cellules de piquage sont composées chacune de :
• une zone automate composée d’un automate pour le piquage, un stock de pièces coupées en
attente pour l’automate et un stock de pièces passées sur l’automate en attente de
l’approvisionneuse - piquage.
• plusieurs modules de piquage ; chaque module comprend quatre machines à coudre. Sur
chaque module une coiffe complète est fabriquée.
La piqûre consomme les pièces coupées et préparées, localisées en zone de stockage, en aval
de l’automate, par quantité économique. L’approvisionnement des stocks se fera dès que la
condition de stock de sécurité sera atteinte, donc on ne lancera une étiquette Kanban à la coupe
uniquement lorsque la quantité de pièces restante en stock sera inférieure à une valeur calculée.
Les coiffes sont réparties sur quatre postes (pour la fabrication d’une voiture complète) que
l’on appelle « module ». L’équilibrage se fera au moyen d’abaques.
L’affectation des modules aux automates (pour la définition des modules) est faite suite aux
calculs de charge. Ainsi, un automate approvisionnera plusieurs modules en pièces préparées.
La préparation sur l’automate constitue une entité intermédiaire entre la coupe et la piqûre.
Son engagement est directement lié aux pièces qui lui sont situées en amont. La gestion est assurées
par la règle du FIFO. Les pièces à préparer sont donc « cumulées » en amont de chaque automate et
machines à coudre.
L’ensemble composé par un automate et plusieurs modules constituera une cellule. Le calcul
de charge en fonction du pourcentage de véhicules de chaque type et de la diversité nous a permis
de calculer le nombre de cellules et le nombre de modules pour chaque cellule.
Après leur fabrication, les coiffes sont emmenées dans la zone de coiffes finies, d’où elles
sont envoyées vers l’atelier suivant, à la demande.
b) Flux externe
La piqûre reçoit les informations en sortie de l’atelier tollerie, et connaissant les quantités de
coiffes finies respectives en stock on décide de fabriquer ou non un lot économique.
Le rapprochement des activités consécutives permet l’optimisation des flux informationnels
et des flux physiques au sein de l’atelier.

4.4 Modélisation et simulation de l’atelier

Nous présentons le modèle pour quatre types significatifs de coiffes fabriquées dans l’atelier
étudié. Le modèle est représenté par des ensembles de modules réalisant une tâche spécifique. Dans
le modèle présenté, nous distinguons huit ensembles :
• les entités ;
 La modélisation et la simulation en vue de la conduite des systèmes de production 127

• les cellules de production ;

• la gestion de la demande ;
• la gestion des étiquettes Kanban ;
• la gestion des machines ;
• le traitement des lots ;
• l'enregistrement des statistiques.
Dans cet ensemble on a deux flux :
• le flux physique : flux d’entités ;
• le flux d’information : flux d’étiquettes Kanban et flux de la demande.
En fonction de notre besoin une entité peut représenter :
• une taille de convoi sur les machines de coupe, car ces machines coupent une taille de
convoi à la fois ;
• une quantité économique entre l'automate et le stock de coiffes finies, car l'alimentation des
stocks entre l'automate et les modules de piquage sont réalisés par quantité économique ;
• une coiffe dans le stock de coiffes finies.
Les principaux attributs assignés à chaque entité du lot sont :
• le type de l’entité ;
• le numéro de la séquence qu'elle doit suivre ;
• le temps de préparation sur la machine de coupe ;
• le temps de fabrication sur la machine de coupe ;
• le temps de fabrication sur l’automate ;
• le nombre de lot de la taille de convoi ;
• la taille du lot ;
• le numéro de l'entité dans le lot.
Ces attributs assurent la reconnaissance de n'importe quelle entité et sont utilisés pour
effectuer tous les traitements et orientations des entités dans le modèle.
Le modèle Arena est présenté sur la figure 7.
A l’aide du module d’animation nous avons réalisé une représentation de l’atelier, qui est
très proche de réalité. Ainsi nous pouvons suivre à chaque instant le comportement du système de
production proposé :
• l’évolution de la demande ;
• la circulation des Kanbans.
128 Les Cahiers des Enseignements Francophones en Roumanie, 1998
Le traitement des lots sont bien mis en évidence et faciles à suivre à l’aide des modules
créés pour chaque machine.
A l’aide de la simulation nous avons déterminé :
• le nombre de modules de piquage dans chaque cellule ;
• la quantité économique ;
• le nombre de Kanbans pour chaque type ;
• le stock initial en aval de l’automate.
Les résultats obtenus à la fin des simulations nous ont permis une analyse détaillée du
comportement dynamique de l’atelier.
Malgré la complexité du système de production étudié, le logiciel ARENA nous permet de
construire un modèle de l’atelier très proche de réalité. A l’aide de la modélisation dynamique nous
avons réussi à valider l’implantation de l’atelier en cellules de production en ligne par famille de
véhicule et à optimiser les flux.
La simulation représente une étape importante dans l’étude d’un système de production. Elle
nous apporte la connaissance du fonctionnement du système de production sur une période
appropriée, afin de juger son comportement. Ces informations sur le fonctionnement du système
considéré sont utiles pour le système de conduite, lui permetant d’établir les meilleures politiques
pour atteindre les objectifs de l’entreprise.

Figure 7. Le modèle de l’atelier

 La modélisation et la simulation en vue de la conduite des systèmes de production 129

Références bibliographiques
[ABR 96] Abrudan I. - Sisteme flexibile de fabricatie - concepte de proiectare si management, Ed.
Dacia, Cluj-Napoca, 1996.
[ADA 97] Adamou M. - Contribution à la modélisation en vue de la conduite des systèmes flexibles
d'assemblage à l'aide des réseaux de Petri orientés objet, Thèse de doctorat, Université de
Franche-Comté, 1997.
[ADL 94] Adlemo A., Andreasson S.A., Fabian M., Gullander P., Lennartson B. - "Towards a true
flexible manufacturing system", Proceedings of the 10th ISPE - IFAC Conference on
CAD/CAM, Robotics and Factories of the future, Ottawa, 1994, p. 401-410.
[BOO 93] Booch G. - Object - Oriented Design with Applications , Benjamin/Cummings
Publishing Company Inc., 1993.
[BRI 97] Brinzei N., Draghici G. - "Integrarea proceselor de conceptie si fabricatie in conducerea si
comanda sistemelor de productie", Analele Universitatii din Oradea, Fascicola Mecanica,
Oradea, 1997, p. 49-54.
[BRI 98] Brinzei N. - L’état de l’art sur la conduite des systèmes flexibles de production, Rapport à
l’Université Polytechnique de Timisoara, 1998.
[BRU 96] Brun-Picard D. - "Architecture décentralisée et intégrée pour la commande des machines
et le pilotage des ateliers", Université d'été - Conception des systèmes mécaniques et
mécatroniques, Bucarest, 1996, p. 40-59.
[BRU 97] Brun-Picard D., Bouvet H., Baboli H., Binder Z. - "The product as an active element of
distributed production control", Proceedings of IFAC-IFIP-IMACS Conference - Control
of industrial systems, Belfort, 1997, p. 359-365.
[CLA 97] Claver J.-F., Gélinier J., Pitt D. - Gestion de flux en entreprise, Ed. Hermès, Paris 1997
[DEN 95] Denis B., Lesage J.J. - "Un panorama de la recherche en conception de la conduite des
systèmes de production", La productivité dans un monde sans frontières, Congrès
International de Génie Industriel de Montreal, Quebec, 1995, p. 1537-1549.
[ESP 95] Espinasse B., Spinosa L.M., Chouraqui E. - "D-CIM et IAD : une approche orientée
connaissance pour la modélisation de systèmes de production distribués", La productivité
dans un monde sans frontières, Congrès International de Génie Industriel de Montreal,
Quebec, 1995, p. 915-925.
[FAB 92] Fabian M., Lennartson B. - "Control of manufacturing systems; an object oriented
approach", Proceedings of IFAC - INCOM'92, Toronto, 1992.
[FAG 95] Faguet T. - Manuel de formation au logiciel de simulation Arena, Ouroumoff Dffusion,
Lyon, 1995.
[FER 95] Ferber J. - Les systèmes multi-agents. Vers une intelligence collective, InterEditions,
Paris, 1995.
[GOU 95] Gourc D., Pourcel C., Jia T. - "Analyse et conception orientée objet des systèmes de
production", La productivité dans un monde sans frontières, Congrès International de
Génie Industriel de Montreal, Quebec, 1995, p. 1809-1818.
[JIA 97] Jia T., Bourdel J.P., Pourcel C. "Amélioration de la performance : conduite réactive", Le
genie industriel dans un monde sans frontières, Deuxième Congres Franco-Quebecois de
Genie Industriel, Albi, 1997.
130 Les Cahiers des Enseignements Francophones en Roumanie, 1998
[KEL 98] Kelton W.D., Sadowski R.P., Sadowski D.A. - Simulation with ARENA, McGraw&Hill
Companies, 1998.
[KOU 95] Kouiss K., Pierreval H. - "Systèmes multi-agents : directions actuelles pour les systèmes
de production", La productivité dans un monde sans frontières, Congrès International de
Génie Industriel de Montreal, Quebec, 1995, p. 2029-2038.
[LAN 97] L’Anton A., Castagna P. - "Modélisation orientée objets d’un système de production", Le
genie industriel dans un monde sans frontières, Deuxième Congres Franco-Quebecois de
Genie Industriel, Albi, 1997.
[LOP 97] Lopez P. - Introduction à la simulation, transparents de cours, 1997.
[MOR 95] Moreau R. - Approche objet, Ed. Masson, 1995.
[ORM 98] Ouroumoff Dffusion - Logiciel de simulation-ARENA-Manuel de formation, Ouroumoff
Dffusion, Lyon, 1998.
[QUE 97] Querrec R., Tarot S., Chevaillier P., Tisseau J. - "Simulation d’une cellule de production.
Utilisation d’un modèle à base d’agents contrôlés par réseaux de Petri", Colloque de
recherche doctorale AGIS’97 – Automatique, Génie informatique, Image, Signal, Angers,
1997, p. 209-214.
[ROD 89] Rodde G. - Les systèmes de production, Ed. Hermès, Paris, 1989.
[TIT 92] Tittus M., Egardt B. - "Applyng object-oriented principles in control-systems design",
Proceedings of WRTP'92, Bruges, 1992.
[TRE 96] Trenteseaux D. – Conception d’un système de pilotage distribué, supervisé et
multicritèrepour les systèmes automatisés de production, Thèse de doctorat, Université de
Valenciennes, 1996.