Planification et ordonnancement : potentiel inexploré de la planification de la production pour l'industrie

Le problème de l'identification d'un calendrier de production qui reflète les besoins du processus opérationnel de toute entreprise manufacturière remonte à l'un des problèmes de recherche opérationnelle les plus célèbres, le Problème d'atelier de travail.

Le problème de l'atelier de travail

Ce problème consiste à assigner n travaux qui peuvent être effectués sur m différentes machines, dans le but de minimiser le temps total de réalisation. Dans cette mission, toutes les contraintes doivent être prises en compte, comme par exemple le fait qu'une même machine ne peut pas effectuer plusieurs tâches en même temps.

À mesure que la valeur de augmente n Et m le problème peut devenir très complexe et a donc fait l'objet de nombreuses études au fil du temps. Le premier algorithme de solution a été présenté par Johnson en 1954 et conduit à trouver la solution optimale au problème dans le cas de 2 machines.

Bien que cela puisse paraître simpliste, il a été démontré en 1976 que pour m > 2 il n'existe pas d'algorithmes qui trouvent l'optimum dans des délais acceptables, et les principales solutions de référence des instances du Problème d'atelier d'emploi avec différentes valeurs de n Et m sont à attribuer à Taillard.

La complexité de ce problème est donc claire, alors pourquoi est-il si essentiel de trouver une solution dans les environnements de production de nos jours ?

De la théorie à la pratique

Le Job Shop Problem consiste donc dans la recherche du planning optimal, que l’on peut représenter graphiquement avec un diagramme pour planifier les activités temporelles.

En considérant qu'il y a 2 machines et 4 tâches disponibles avec des durées différentes et en supposant que chaque tâche puisse être traitée sur les deux machines, la solution optimale sera la suivante :

Bien entendu cette autre solution serait également admissible :

Mais ce ne serait pas excellent, car cela prévoirait l'achèvement des travaux une demi-heure plus tard que la proposition précédente. Il est donc essentiel que la solution non seulement respecte les contraintes, mais soit « la meilleure possible ».

Si, dans cet exemple simple, vous pouvez voir visuellement quelle est la meilleure voie à suivre, augmenter le nombre de machines ou de tâches peut devenir très complexe. Il existe des méthodes heuristiques pour trouver de très bonnes solutions, mais lorsque la complexité augmente, la meilleure proposition reste un modèle d’optimisation.

De plus, en présence de problèmes réels d'ordonnancement de la production au sein d'une entreprise, où la réalisation d'un travail consiste à exécuter une commande, de nombreux facteurs supplémentaires peuvent entrer en jeu, tels que :

• nombre élevé de machines et de commandes
• plusieurs étapes de production séquentielles sur différentes machines pour chaque commande
• temps de configuration ou de maintenance de la machine
• gestion des nomenclatures (BOM, Bill of Materials) et des délais d'approvisionnement en matières premières

Pour cette raison, lors de la création de modèles proposant une planification de la production, il est conseillé de diviser le problème en deux phases :

• Planification à long terme, c'est-à-dire avec un horizon temporel même de 6 ou 9 mois. Un modèle plus simple et moins précis peut être utilisé pour obtenir des informations sur les dates de livraison des commandes aux clients.
• Planification à court terme, c'est-à-dire avec un horizon temporel de quelques semaines. Vous pouvez utiliser un modèle plus complexe et plus précis qui prend en entrée les commandes planifiées dans les deux premières semaines à partir du modèle de planification pour obtenir un planning plus détaillé.

Principaux avantages de la planification de la production

L’utilité de proposer un plan de production correct présente de nombreux avantages. Parmi les plus importants figure certainement le respect des dates de livraison communiquées aux clients et, le cas échéant, leur replanification, ainsi que la gestion de l'approvisionnement en matières premières (MRP).

Planifiez également votre travail dans ce sens cadre il vous permet également d'exécuter des simulations avec différents scénarios et et siutile pour planifier l’allocation de nouvelles ressources et éviter les goulots d’étranglement dans le processus de production.

Ces raisons signifient que la création d'une programmation cohérente a pris une importance croissante dans le développement des entreprises manufacturières.

Limites de l'approche manuelle

Cependant, la manière dont de nombreuses entreprises mettent en œuvre ces plans repose sur la seule expérience humaine, combinée à des outils inadaptés, comme les feuilles Excel. Cela risque de générer un gaspillage d'énergie et d'argent pour un plan qui pourrait ne pas être optimal, puisque : plus le problème est grand, moins les individus sont en mesure de proposer un plan qui respecte toutes les contraintes. Pour surmonter ces problèmes, des solutions APS, c'est-à-dire des logiciels pour, ont été créées au cours de la dernière décennie. Planification et ordonnancement avancésdont l'objectif est de proposer un plan cohérent avec toutes les contraintes du problème, qui exploite les dernières innovations technologiques dans des domaines tels que l'intelligence artificielle et le développement de modèles d'optimisation.

Pour mieux comprendre les avantages découlant de l'adoption de ces solutions, analysons le cas d'une entreprise de taille moyenne dans le secteur du moulage plastique. L'entreprise est équipée de 13 machines et a une centaine de commandes (attribuables aux travaux précités) à leur passer. Comme on peut facilement le comprendre, ce problème logiquement simple donne lieu à jusqu’à 1300 combinaisons possibles ! Si l'on ajoute à cela toutes les contraintes de production comme par exemple l'utilisation d'équipements spécifiques qui ne peuvent pas être utilisés simultanément, ou la nécessité de trouver une séquence optimale pour limiter le temps d'inactivité de la machine entre un travail et celui d'ailleurs, alors un une complexité est créée qui nécessite l'utilisation d'un logiciel de planification afin d'être gérée et surmontée efficacement.

Conclusions

Dans la construction d'un algorithme de planification et d'ordonnancement la connaissance du processus joue un rôle fondamental dans la production. Cette connaissance est formée à la fois par toutes ces règles qui doivent être respectées et par ces précautions non écrites qui constituent le patrimoine de l'entreprise, et l'intégration des deux dans la modélisation du processus de production est fondamentale. Dans ce processus, les techniques d’optimisation sont des ressources inestimables qui permettent de gérer une énorme quantité de contraintes. Le « facteur humain » et la connaissance du processus modélisé restent fondamentaux pour construire l'ensemble des règles nécessaires pour guider l'application de ces algorithmes dans le domaine d'intérêt.