ORDONNANCEMENT DE LA

PRODUCTION
Mongi HADDAR
Ingénieur principal en Génie Industriel
Docteur en Management
Maître Assistant
ESC de Sfax
 Plan du cours
2

 Chapitre introductif
 Chapitre 1 : L’ordonnancement de la production
 Chapitre 2 : L’ordonnancement de projet
 Chapitre 3 : La gestion des stocks
 Chapitre 4 : La planification de la production
 Chapitre 5 : Les techniques de juste à temps
 Plan de la présentation
3

1. Introduction
2. Les modèles statique d’ordonnancement
1. Ordonnancement sur un centre de production
2. Ordonnancement sur deux centres de production
3. Ordonnancement sur n centres de production
3. Les modèles dynamiques d’ordonnancement
1. Approche aléatoire dynamique
2. Approche déterministe dynamique
 1. Introduction
4

 C’est quoi un ordonnancement

 C’est la planification de l’exécution de la production à
très court terme.

 C’est la détermination de l’ordre de passage de

l’ensemble des travaux à réaliser pour la production
d’un bien ou d’un service.

 C’est la détermination de l’ordre de traitement des

commandes en indiquant pour chaque tâche à exécuter
où et à quel moment elle sera effectuée.
 1. Introduction
5

 L’ordonnancement est la dernière étape de la planification

de la production. Elle est souvent la seule étape dans les
PME.

 Le problème de gestion quotidienne est de déterminer

l’ordre d’exécution d’un certain nombre de tâches, la
réalisation d’une tâche nécessitant le passage sur une ou
plusieurs machines.
 1. Introduction
6

 L’ordonnancement n’est pas utile lorsque la production

est du type continu ou quasi continu (exemple cimenterie,
aciérie ou production automobile) car il consiste
essentiellement à déterminer l’ordre de réalisation des
travaux lors de la production.

 Or dans une production continue l’ordre des travaux est

figé.
 1. Introduction
7

 Exemple : dans une chaîne d’assemblage d'un appareil de

petit électroménager fabriqué en très grande série, la
gamme de montage est fixe, seule est importante la
présence des composants au bon endroit, au bon moment
et en nombre suffisant.

 L'ordonnancement est surtout utilisé dans les productions

de type discontinu pour les petites et moyennes séries
(ateliers spécialisés).
 1. Introduction
8

 Il consiste, à partir des ordres de fabrications issus du

système MRP (s’il existe) ou à partir des commandes
fermes ou prévisionnelles de clients, à définir l’ordre de
passage des fabrications sur les postes de charge et ensuite
à réaliser le lancement et le suivi de la production.
 1. Introduction
9

 Par exemple, l’emboutissage de plusieurs types de

portières de voitures demande le passage sur une même
presse, l’ordre de passage des différents types de portières
sur la presse n’étant pas déterminé à l’avance.
 1. Introduction
10

 Ce cours traite de l’ordonnancement d’un ensemble de

commandes (ou d’ordres de fabrication), à exécuter dans
un système productif organisé en ateliers spécialisés,
chaque commande pouvant porter sur une où plusieurs
unités (dans ce dernier cas, on parle de série) et
impliquant l’exécution de plusieurs opérations mobilisant
des ressources variées.
 1. Introduction
11

 Les problèmes d’ordonnancement en ateliers spécialisés se

posent sur le très court terme (moins d’une semaine),
peuvent porter sur un nombre élevé de commandes
(plusieurs centaines) et concernent, dans le détail et à
chaque instant du temps, la planification de l’utilisation
des ressources disponibles en hommes et en machines, afin
de mieux contrôler les coûts et de maîtriser les délais de
fabrication des productions décidées.
 1. Introduction
12

 Parmi les modèles d’ordonnancement en ateliers

spécialisés, on distingue:

 Les modèles statiques pour lesquels on recherche

l’ordonnancement optimal d’un ensemble donné de
tâches sur une période donnée : autrement dit, au cours
de la période considérée, aucune nouvelle tâche non
prévue ne peut être prise en compte dans
l’ordonnancement;
 1. Introduction
13

 Les modèles dynamiques d’ordonnancement qui se

caractérisent par des arrivées successives de tâches, le
plus souvent dans un univers aléatoire.
 1. Introduction
14

Statique Dynamique

- se fait une fois par période - toutes les commandes sont

considérées au fur et à
mesure.
- nouvelle commande = - nécessite techniques +
changement de complexes (file d’attente et
l’ordonnancement simulation)
 1. Introduction
15

 Principales étapes de l’ordonnancement

Planification Contrôle
affectation des tâches
détermination d’un ordre suivi
de passage relance
calendrier de fabrication

Exécution

lancement
 1. Introduction
16

 Principales étapes de l’ordonnancement

 Affectation: répartition des commandes aux divers
postes de travail par exemple qui fait quoi?

 Détermination d’un ordre de passage: détermination de

la séquence de traitement des commandes à chaque
poste de travail sans tenir compte de la capacité
(jalonnement)

 Calendrier de fabrication: date et heure de lancement

des opérations à chaque poste de travail
 1. Introduction
17

 Principales étapes de l’ordonnancement

 Lancement: démarrage des opérations selon le
calendrier.

 Suivi: supervision de l’exécution et vérification de

l’adéquation avec la planification

 Relance: ajustements en fonction des imprévus.

 1. Introduction
18

 Principaux objectifs de l’ordonnancement

 Améliorer le service aux clients en fonction des
quantités à livrer, du respect des délais de livraison et de
la qualité des produits.

 Réaliser les commandes au moindre coût en réduisant

les stocks et en optimisant l’utilisation des ressources.

 Tenir compte des besoins et du bien-être du personnel.

19 Modèles statiques d’ordonnancement
 2.1 Ordonnancement sur un centre de production
20

 Illustrons le problème sur l’exemple suivant tiré de

Giard. On a cinq tâches â effectuer sur la machine
A. Le tableau suivant présente les différentes
tâches ainsi que leurs temps opératoires. Il s’agit
de déterminer l’ordre dans lequel on va effectuer
ces différentes tâches.
Tâche (i) 1 2 3 4 5
Temps opératoire (t) 50 150 80 200 30

Temps opératoires (en centièmes d’heures)

 2.1 Ordonnancement sur un centre de
production
21

 Il est clair que, quel que soit l’ordre choisi, le

temps opératoire total est le même : il s’agit de la
somme des temps opératoires. Il faudra donc
définir un autre critère entre tous les
ordonnancements possibles.
 Un ordonnancement possible est illustré comme suit:

Ordre (j) 1 2 3 4 5
Tâche programmée (i) 3 4 1 5 2
Temps d’exécution (Ti) 80 200 50 30 150
 2.1 Ordonnancement sur un centre de
production
22

 2.1.1 Diagramme de GANTT

 Illustrons Tout d’abord une technique de visualisation
d’un ordonnancement, Le diagramme GANTT. Celui-ci
est représenté à la figure suivante:
 2.1 Ordonnancement sur un centre de
production
23

 2.1.1 Diagramme de GANTT

 Le diagramme de Gantt permet de visualiser à la fois :
 l’utilisation des moyens productifs;
 l’avancement de l’exécution des tâches.
 2.1 Ordonnancement sur un centre de
production
24

 2.1.1 Diagramme de GANTT

 En effet, une ligne horizontale illustre l’´evolution du
temps. Ensuite, pour chaque moyen productif (ici, il y a
seulement la machine A), on trace une ligne horizontale
en dessous de la ligne du temps. Chaque tâche à
effectuer sur la machine est représentée par un segment
dont la longueur est proportionnelle à la durée
d’exécution de la tâche. On indiquera le numéro de la
tâche au dessus du segment.
 2.1 Ordonnancement sur un centre de
production
25

 2.1.1 Diagramme de GANTT

 On porte également sur le graphique les causes
d’inutilisation du poste de travail, à l’aide des lettres
conventionnelles suivantes:
 Z (aucun travail exécuté),
 A (exécutant absent),
 M (manque de matière première),
 R (réparation)
 2.1 Ordonnancement sur un centre de
production
26

 2.1.1 Diagramme de GANTT

 Si l’on veille à aligner verticalement l’origine du temps

pour chaque machine, une ligne verticale indique donc à
tout moment à quelle tâche est occupée chacune des
machines. Un tableau mural peut être ainsi d’un grand
recours pour les agents de maîtrise responsable de
l’affectation des moyens humains et matériels.
 2.1 Ordonnancement sur un centre de
production
27

 2.1.2 La règle T.O.M.

 Comme nous l’avons indiqué plus haut, tous les
ordonnancements possibles conduisent au même temps
total d’exécution des tâches. Dans l’exemple, l’exécution
des 5 tâches nécessite 510 centièmes d’heure. La question
qui se pose est alors :
 comment choisir parmi les n! ordonnancements possibles ?
 2.1 Ordonnancement sur un centre de
production
28

 2.1.2 La règle T.O.M.

 Notons Aj le temps d’achèvement de la tâche
programmée en position j. Le temps d’achèvement
d’une tâche est la somme des temps d’exécution de
la tâche avec ceux des tâches précédentes. Par
exemple,

A4 = = T1 + T2 + T3 + T4
 2.1 Ordonnancement sur un centre de
production
29

 2.1.2 La règle T.O.M.

 calcul des différents temps d’achèvement des tâches est
repris au tableau suivant:

Ordre (j) 1 2 3 4 5
Tj 80 200 50 30 150
Aj 80 280 330 360 510
Tableau : Temps d’achèvement des tâches
 2.1 Ordonnancement sur un centre de
production
30

 2.1.2 La règle T.O.M

 Le temps d’achèvement moyen est:

 En général
 2.1 Ordonnancement sur un centre de
production
31

 2.1.2 La règle T.O.M

 Il s’agit donc d’une somme pondérée des temps
opératoires, chaque temps opératoire étant pondéré par
un facteur d’autant plus grand qu’il se trouve exécuté
plus tôt dans l’ordonnancement.
 2.1 Ordonnancement sur un centre de
production
32

 2.1.2 La règle T.O.M.

 La règle d’ordonnancement qui minimise le temps
d’achèvement moyen est celle du Temps Opératoire
Minimum, règle que l’on notera TOM (elle est connue
dans la littérature anglo-saxonne opérationnelle sous le
nom de SPT rule, pour Shortest Processing Time rule, ou
encore SOT rule, pour Shortest Operation Time).
 Il s’agit d’exécuter les tâches par ordre croissant de durée :
T1 ≤ T2 ≤ . . . ≤ Tj ≤ . . . ≤ Tn
 2.1 Ordonnancement sur un centre de
production
33

 2.1.2 La règle T.O.M.

 L’application de cette règle donne l’ordonnancement
illustré au tableau suivant. Cette application donne le
temps d’achèvement moyen minimum :
= 218
Ordre (j) 1 2 3 4 5
Tâches (j) 5 1 3 2 4
Tj 30 50 80 150 200
Aj 30 80 160 310 510
Tableau : Application de la règle TOM
 2.1 Ordonnancement sur un centre de
production
34

 2.1.2 La règle T.O.M.

 On peut montrer que la règle T.O.M. revient à minimiser
le retard moyen, le retard d’une tâche étant la différence
entre le moment où la tâche est terminée et celui où elle
aurait été terminée si l’on l’avait commencé en premier
lieu.
 2.1 Ordonnancement sur un centre de
production
35

 2.1.3 La règle T.O.M. pondérée

 Dans la pratique, les travaux à effectuer peuvent ne pas
tous présenter le même intérêt (articles en rupture de
stock, commandes urgentes, etc.). On peut alors
introduire un coefficient ui (ui ≥ 1) traduisant la plus ou
moins grande priorité accordée à la tâche i, par exemple à
partir de l’inverse de la marge (notion introduite au
chapitre de gestion de projet) ou d’un indicateur en
valeur comme la marge financière associée à la
commande à exécuter ou la valeur de ses composants.
 2.1 Ordonnancement sur un centre de
production
36

 2.1.3 La règle T.O.M. pondérée

 On cherche alors à minimiser le temps d’attente moyen
pondéré.

 On démontre que le temps d’attente moyen pondéré est

obtenu en donnant la priorité la plus forte à la tâche qui
a le plus faible quotient du temps opératoire au
coefficient de pondération. Cette règle récurrente, que
l’on désignera sous le nom de règle TOM pondéré,
(connue aussi sous le nom de règle de Smith) est donc:
 2.1 Ordonnancement sur un centre de
production
37

 2.1.3 La règle T.O.M. pondérée

 On démontre que le temps d’attente moyen pondéré
est obtenu en donnant la priorité la plus forte à la
tâche qui a le plus faible quotient du temps
opératoire au coefficient de pondération. Cette règle
récurrente, que l’on désignera sous le nom de règle
TOM pondéré, (connue aussi sous le nom de règle
de Smith) est donc:
 2.1 Ordonnancement sur un centre de
production
38

 2.1.3 La règle T.O.M. pondérée

 Illustrons cette règle par une modification de notre
exemple. Supposons maintenant que les tâches ont
respectivement les priorités suivantes: 1, 2, l, 2, 3.
L’ordonnancement optimal est alors 5, 1, 2, 3, 4 (voir
calcul sur diapositif suivant).
 2.1 Ordonnancement sur un centre de
production
39

 2.1.3. La règle T.O.M. pondérée

 2.1 Ordonnancement sur un centre de
production
40

 2.1.4 La règle de la date de livraison minimale

 Dans notre exemple, nous avons supposé implicitement
qu’a priori n’importe quelle tâche pouvait être la
dernière, c’est-à-dire que les 5 tâches devaient être
terminées 5,1 heures après la livraison simultanée des 5
travaux à effectuer sur le centre de production
considéré.
 Un cas fréquent dans la pratique est celui d’une date
maximale souhaitée pour la fin de l’exécution d’une ou
de plusieurs tâches.
 2.1 Ordonnancement sur un centre de
production
41

 2.1.4 La règle de la date de livraison minimale

 Le plus souvent, aucun ordonnancement ne permet de
satisfaire simultanément toutes ces dates de livraison et
un arbitrage doit être effectué.
 Nous allons examiner maintenant les implications de
règles de priorité fréquemment utilisées, mais il nous
faut préalablement modifier notre exemple et introduire
les dates de livraison di (l’origine du temps se situant au
moment de la remise des différents travaux à effectuer, ce
qui fait que di peut fort bien être négatif).
 2.1 Ordonnancement sur un centre de
production
42

 2.1.4 La règle de la date de livraison minimale

 On calculera également la marge de chaque tâche, que
l’on définit comme la différence entre la date de
livraison souhaitée et le temps opératoire et qui mesure
la marge de manœuvre dont on dispose pour une tâche si
l’on ne se préoccupe pas des autres tâches (ce qui
correspond au concept de marge totale en
ordonnancement de projet).
 2.1 Ordonnancement sur un centre de
production
43

 2.1.4 La règle de la date de livraison minimale

 Calculons les conséquences de l’ordonnancement TOM
sur les retards de livraison, avant de présenter d’autres
règles d’ordonnancement:

 Retard minimal : 10; Retard maximal : 110

 Retard moyen : 24
 2.1 Ordonnancement sur un centre de
production
44

 2.1.4 La règle de la date de livraison minimale

 Conway, Maxwell & Miller (1967) montrent que le retard
vrai maximum est minimisé (et donc le retard algébrique
aussi) si l’on adopte l’ordonnancement programmant les
tâches selon les dates croissantes de livraison (connu sous le
nom de règle de Jackson). Ceci implique que l’on ait (j
repérant toujours l’ordre de passage) :
d1 ≤ d2 ≤…≤ dj ≤ dj + 1 ≤…≤ dn
(règle de la date de livraison minimale ⇒ minimisation du
retard maximum)
 Appliquons cette règle sur notre exemple
 2.1 Ordonnancement sur un centre de
production
45

 2.1.4 La règle de la date de livraison minimale

 Retard minimal: 30
 Retard maximal: 100
 Retard moyen: 26
 A = 260
 2.1 Ordonnancement sur un centre de
production
46

 2.1.4 La règle de la date de livraison minimale

 Cet ordonnancement minimise le plus grand retard
possible, mais il ne minimise pas le retard moyen:
l’application de la règle TOM avait donné par exemple un
retard moyen de 24 centièmes d’heures, contre 26 ici. On
n’a pas trouvé de règle simple d’ordonnancement
permettant de minimiser le retard moyen, le retard d’une
tâche étant maintenant nul si la date de livraison est
postérieure à sa date de fin1. Dans notre exemple, on peut
assez facilement le trouver par tâtonnement, il s’agit de
l’ordonnancement: l - 5 - 2 - 3 – 4.
 2.1 Ordonnancement sur un centre de
production
47

 2.1.5 La règle de la marge minimale

 Une autre technique d’ordonnancement est parfois
envisagée. Elle consiste à programmer les tâches par
valeurs croissantes de leurs marges (di – ti), les tâches
ayant la plus faible marge étant supposées offrir le plus
grand risque d’être en retard. Ce raisonnement est
spécieux, car un tel ordonnancement ne conduit ni à une
minimisation du retard moyen ni à une minimisation du
retard maximum.
 2.1 Ordonnancement sur un centre de
production
48

 2.1.5 La règle de la marge minimale

 On montre en effet que l’ordonnancement qui
programme les tâches par valeurs croissantes de leur
marge conduit au résultat suivant :
 d1 – T1 ≤ d2 – T2 ≤…≤ dj – Tj ≤ dj + 1 – Tj + 1 ≤…≤ dn – Tn
 (règle de la marge minimale ⇒ minimisation du retard le
plus faible)
 cet ordonnancement minimise le retard le plus faible
possible.
 2.1 Ordonnancement sur un centre de
production
49

 2.1.5 La règle de la marge minimale

 Dans notre exemple, le plus grand retard minimum
possible est nul quel que soit l’ordonnancement choisi,
comme on peut le voir en appliquant cette règle
d’ordonnancement.

Retard
minimal: 30
Retard
maximal: 100
Retard moyen:
32
A = 284
 2.2 Ordonnancement sur deux centres de production
50

 Chaque tâche nécessite pour son exécution le

passage sur deux machines A et B. Soient tiA et tiB,
les temps d’exécution de la tâche i sur les machines
A et B respectivement. On va utiliser comme
critère d’ordonnancement la minimisation du
temps total d’exécution des tâches sur les deux
machines. On va distinguer deux cas :
 le cas où toutes les tâches sont à exécuter sur A puis B;
 le cas où toutes les tâches n’ont pas le même ordre de
passage sur les deux machines.
 2.2 Ordonnancement sur deux centres de
production
51

2.2.1 Cas où toutes les tâches sont à exécuter sur A puis B

 Le problème traité ici est un problème de flow shop à 2
centres de production.
 Supposons donc que cinq tâches soient à exécuter sur les
machines A puis B. Les temps opératoires (en centièmes
d’heure) sont repris au tableau suivant:

Tâches (j) 1 2 3 4 5
tiA 50 150 80 200 30
tiB 60 50 150 70 200

Tableau : Ordonnancement sur deux centres

 2.2. Ordonnancement sur deux centres de
production
52

2.2.1 Cas où toutes les tâches sont à exécuter sur A puis B

Figure : Diagramme de Gantt

 2.2 Ordonnancement sur deux centres de
production
53

2.2.1 Cas où toutes les tâches sont à exécuter sur A puis B

 L’ordonnancement optimal est illustré à la figure du
diapositif passé. Remarquez que durant l’exécution de la
première tâche sur A, la machine B dort. On a donc intérêt
à mettre en tête la tâche de temps tiA le plus faible. De façon
similaire, lors de l’exécution de la dernière tâche sur la
machine B, la machine A dort. On a donc intérêt à mettre
en fin la tâche de durée d’exécution tiB minimum.
 2.2 Ordonnancement sur deux centres de
production
54

2.2.1 Cas où toutes les tâches sont à exécuter sur A puis B

 En se basant sur ces deux observations, l’algorithme
Johnson (1954) calcule l’ordonnancement minimisant le
temps total d’exécution des tâches :
1. Rechercher la tâche i de temps d’exécution tim minimum.
2. Si m = A, placer cette tâche à la première place disponible;
Si m = B, placer cette tâche à la dernière place disponible.
3. Supprimer la tâche i des tâches encore à programmer,
retour en 1.
 2.2 Ordonnancement sur deux centres de
production
55

2.2.1 Cas où toutes les tâches sont à exécuter sur A puis B

 Appliquons ceci à l’exemple. D’abord, la tâche 5 (t5A = 30)
est mise en première position. Puis, la tâche 1 (t1A = 50) est
mise en deuxième position. Puis la tâche 2 (t2B = 50) est mise
en dernière position. Puis la tâche 4 (t4B = 70) est mise en
avant dernière position. Enfin, la tâche 3 est mise à la
dernière place disponible.
51342
 2.2 Ordonnancement sur deux centres de
production
56

2.2.1 Cas où toutes les tâches sont à exécuter sur A puis B

 On obtient le graphique de Gantt de la figure suivante où le
passage d’une tâche d’une machine à l’autre est visualisé à
l’aide d’une flèche verticale.
 2.2 Ordonnancement sur deux centres de
production
57

2.2.2 Cas de tâches ne s’effectuant pas dans le même ordre

 Jackson a montré en 1957 comment adapter l’algorithme de
Johnson pour tenir compte de la possibilité d’avoir des
tâches ne s’effectuant pas toutes dans le même ordre (ce qui
transforme le problème en un problème de job shop).
 Dans ce cas plus général, certaines tâches ne nécessitent que
le passage sur une machine, d’autres sur les deux dans un
ordre ou l’autre. Les données numériques sont reprises au
tableau du diapositif suivant.
 2.2 Ordonnancement sur deux centres de
production
58

2.2.2 Cas de tâches ne s’effectuant pas dans le même ordre

 Tableau : Illustration de l’algorithme de Jakson 1957

 2.2 Ordonnancement sur deux centres de
production
59

2.2.2 Cas de tâches ne s’effectuant pas dans le même ordre

 L’ordonnancement qui minimise le temps total
d’exécution des tâches sur les deux machines est obtenu
par l’algorithme de Jackson (1957) qui est une
généralisation de l’algorithme de Johnson. Il consiste
tout simplement à :
1. Faire une partition de l’ensemble des n tâches en
l’ensemble A des tâches ne passant que sur A : A = {4, 5, 6};
l’ensemble B des tâches ne passant que sur B : B = {10, 11};
l’ensemble AB des tâches passant sur A puis B : AB = {1, 2, 3};
l’ensemble BA des tâches passant sur B puis A : BA = {7, 8, 9}.
 2.2. Ordonnancement sur deux centres de
production
60

2.2.2 Cas de tâches ne s’effectuant pas dans le même ordre

2. Calculer un ordonnancement pour chaque sous-ensemble :
 l’ordonnancement optimal pour AB par Johnson : 3, 2, 1;
 l’ordonnancement optimal pour BA par Johnson : 9, 8, 7;
 un ordonnancement arbitraire pour A (par exemple, TOM) :
5, 4, 6;
 un ordonnancement arbitraire pour B (par exemple, TOM) :
11, 10.
 2.2 Ordonnancement sur deux centres de
production
61

2.2.2 Cas de tâches ne s’effectuant pas dans le même ordre

3. Remarquons que l’on a intérêt à débuter le plus vite possible sur
A les tâches qui doivent ensuite aller sur B et à mettre en
dernière place sur A celles qui doivent d’abord aller sur B. Ceci
conduit à combiner ces ordonnancement de la manière suivante :
 Pour la machine A : la séquence optimale pour le sous-ensemble
AB, puis les tâches de A, puis la séquence optimale du sous-
ensemble BA :
3, 2, 1, 5, 4, 6, 9, 8, 7.
 Pour la machine B : la séquence optimale pour le sous-ensemble
BA, puis les tâches de B, puis la séquence optimale du sous-
ensemble AB :
9, 8, 7, 11, 10, 3, 2, 1.
 2.2 Ordonnancement sur deux centres de
production
62

2.2.2 Cas de tâches ne s’effectuant pas dans le même ordre

 On obtient le diagramme de Gantt de la figure suivante:

Figure : Algorithme de Jackson

 2.3 Ordonnancement de n tâches sur m centres de
production
63

 Le problème combinatoire posé est formidable, il

y a en effet (n!)m ordonnancements possibles, dans
le cas (simplifié) où une même tâche ne passe
qu’une fois sur chaque poste de travail (ordre
identique pour toutes les tâches).
 Le problème général a été formalisé en termes de
programmation dynamique et en termes de
programme linéaire en nombres entiers.
 2.3 Ordonnancement de n tâches sur m centres de
production
64

 La formulation générale permet d’intégrer des

contraintes supplémentaires (date de livraison,
capacité variable de production) et de choisir
plusieurs formulations différentes de la fonction-
objectif (minimisation du temps d’achèvement
total, minimisation du cumul des retards par
rapport aux dates de livraison souhaitées,
minimisation de l’appel à des ressources
supplémentaires…).
 Par contre, elle devient difficilement exploitable
au-delà d’une trentaine de tâches ou de postes de
travail.
 2.3 Ordonnancement de n tâches sur m centres de
production
65

2.3.1 Ordonnancement de n tâches nécessitant

l’intervention de 3 centres de production (ordre
identique de passage)
 L’algorithme de Johnson ne s’applique qu’en présence
de deux machines. Cependant, le cas de trois machines
peut se ramener au cas de deux machines si la machine B
est complètement dominée par la machine A ou par la
machine C, c’est-à-dire si l’on se trouve dans le cas où
minimum tiA ≥ maximum tiB,
 soit dans le cas où
minimum tiC ≥ maximum tiB.
 2.3 Ordonnancement de n tâches sur m centres de
production
66

2.3.1 Ordonnancement de n tâches nécessitant

l’intervention de 3 centres de production (ordre
identique de passage)
 Illustrons ceci sur l’exemple du tableau suivant:

Tableau : Temps opératoires avec trois machines

 2.3. Ordonnancement de n tâches sur m centres de
production
67

2.3.1 Ordonnancement de n tâches nécessitant

l’intervention de 3 centres de production (ordre
identique de passage)
 On constate que :
minimum tiA = 12 = maximum tiB.
 On est donc bien dans les conditions d’application
énoncées ci-dessus. Remarquez qu’il ne faut pas que
les conditions soient simultanément vérifiée. Ainsi
dans l’exemple, la seconde condition n’est pas vérifiée.
 2.3 Ordonnancement de n tâches sur m
centres de production
68

2.3.1 Ordonnancement de n tâches nécessitant

l’intervention de 3 centres de production (ordre
identique de passage)
 Lorsque l’on se trouve dans un des deux cas, on
reformule alors le problème en un problème à deux
machines, la première groupant les machines A et B
(tiAB = tiA + tiB) et la seconde groupant les machines B et
C (tiBC = tiB + tiC).
 2.3 Ordonnancement de n tâches sur m centres de
production
69

2.3.1 Ordonnancement de n tâches nécessitant

l’intervention de 3 centres de production (ordre
identique de passage)
 On applique alors l’algorithme de Johnson à ce
problème à deux machines pour déterminer
l’ordonnancement optimal.
 2.3 Ordonnancement de n tâches sur m centres de
production
70

2.3.1 Ordonnancement de n tâches nécessitant

l’intervention de 3 centres de production (ordre identique de
passage)
 On peut alors tracer le diagramme de Gantt correspondant au
problème original, c’est-à-dire celui avec trois centres:

s
 2.3 Ordonnancement de n tâches sur m centres de
production
71

2.3.1 Ordonnancement de n tâches nécessitant

l’intervention de 3 centres de production (ordre
identique de passage)

 Dans le cas où la machine centrale n’est pas dominée par

la première où la troisième machine, le problème peut
être modélisé comme un problème en nombres entiers et
résolu par une technique de programmation en nombres
entiers telle que la méthode de “branch and bound”.
 2.3 Ordonnancement de n tâches sur m centres de
production
72

2.3.2 Généralisation de l’algorithme de

Johnson (ordre identique de passage)
 Il peut s'appliquer sur toute fabrication dont le processus
de fabrication est séquentiel avec plus de deux postes de
fabrication même si tous les postes ne sont pas utilisés.
 Pour chaque pièce :
 Réaliser la somme des temps de toutes les phases (N)
 Réaliser la somme x des temps des n-1 premières phases
 Réaliser la somme y des temps des n-1 dernières phases
 Calculer le rapport k=x/y
 On obtient l'ordre des fabrications grâce à l'ordre
croissant de k.
 2.3 Ordonnancement de n tâches sur m centres de
production
73

2.3.2 Généralisation de l’algorithme de Johnson

(ordre identique de passage)
 Soit une file d'attente composée de six pièces et devant
être fabriquées séquentiellement sur 4 machines, les
temps opératoires sont exprimés en centièmes d'heures.
Pièces M1 M2 M3 M4
P1 2000 1720 600 160
P2 3560 3960 3800 3080
P3 280 1880 800 3920
P4 320 2560 480 3760
P5 2440 760 2600 560
P6 40 3200 2640 3120
 2.3 Ordonnancement de n tâches sur m centres de
production
74

2.3.2 Généralisation de l’algorithme de Johnson

(ordre identique de passage)
 Le calcul de x, y et k permet de déterminer
l’ordonnancement:

Pièces M1 M2 M3 M4 x y k ordre
P1 2000 1720 600 160 4320 2480 1.74 6
P2 3560 3960 3800 3080 11320 10840 1.04 4
P3 280 1880 800 3920 2960 6600 0.45 1
P4 320 2560 480 3760 3360 6800 0.49 2
P5 2440 760 2600 560 5800 3920 1.48 5
P6 40 3200 2640 3120 5880 8960 0.66 3
75

MERCI DE VOTRE ATTENTION