Modélisation et résolution dun problème intégré de planification et dordonnancement Cathy...
-
Upload
capucine-devos -
Category
Documents
-
view
109 -
download
1
Transcript of Modélisation et résolution dun problème intégré de planification et dordonnancement Cathy...
Modélisation et résolution d’un problème intégré de
planification et d’ordonnancement
Cathy WOLOSEWICZ1,2
Stéphane DAUZERE-PERES1, Riad AGGOUNE2
1 Ecole des Mines de Saint Etienne France - 2 Université du Luxembourg
Réunion du groupe Bermudes 17 novembre 2006 Université du
Luxembourg
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 2
Plan
Contexte
Problématique
Nouvelle modélisation
Méthode de résolution: relaxation Lagrangienne
et recuit simulé
Résultats expérimentaux Conclusion et perspectives
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 3
ContexteGestion de production : ensemble de décisions permettant une organisation efficace de la production
Comprend les choix d’infrastructure
Planification de la production, des stocks, de l’approvisionnement …
Ordonnancement des activités de production, stockage et transport
+ le niveau est élevé
+ l’horizon de temps est
long
+ modèles sont agrégés
Niveau Tactique
Niveau Opérationnel
Niveau Stratégique
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 4
Contexte
Niveau Planification
Calcul d’un plan de production
Objectifs: Déterminer les périodes de production et les quantités à produire Minimiser les coûts (de production, de stockage ….)
Contraintes: Capacités de production Stocks
Niveau Ordonnancement
Mise en œuvre des moyens opérationnels afin de suivre
le plan de production
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 5
Description de la problématiqueModèles mathématiques au niveau planification :
Capacité agrégée Contraintes opérationnelles non prises en compte
Objectif :Objectif : Développer une approche intégrée en planification et ordonnancement
Intégrer des contraintes plus précises de l’ordonnancement au niveau de la planification
→ Pas de garantie de solution réalisable au niveau ordonnancement
→ Conséquences : • Retard et/ou en cours importants lorsque la capacité est sur estimée• Sous-utilisation de la capacité lorsque celle-ci est sous estimée
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 6
Exemple 2 produits A et B 3 machines M1, M2, M3 T = 60 unité de temps Durée de production par unité de produit :
PA(M1) = 2 PA (M2) = 1 PA (M3) = 1
PB(M1) = 3 PB (M2) = 1 PB (M3) = 2
Xi = quantités à produire de l’article i Contraintes de capacité agrégées:
Plan de production « réalisable »: XA = XB = 10
6032 BA XX
60 BA XX
602 BA XX
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 7
Exemple Cas A séquencé avant B
Cas B séquencé avant A
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 8
État de l’art Problèmes de dimensionnement de lots à courtes périodes
(Drexl and Kimms, 1997), (Fleischmann,1990)
Problèmes considérant des coûts et temps de préparation qui dépendent du séquencement sur les ressources (Fandel and Stammen-Hegene, 2005), (Hasse and Kimms, 2000)
Intégration des décisions de dimensionnement de lots et ordonnancement (Giglio et Minciardi, 2002), (Sikora et al., 1996), (Kimms, 1999)
(Dauzère-Pérès et Lasserre, 1994 et 2002) ont proposé un modèle intégré (MDL) qui calcule un plan de production réalisable et détermine une séquence des opérations
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 9
Méthode de résolution itérative
Calcul d’un plan de production
optimal pour une séquence fixée
Détermine un meilleur
ordonnancement pour un plan de production fixé
Ordonnancement
Plan réalisable
NIVEAU PLANIFICATION
NIVEAU ORDONNANCEMENT
Module PlanificationModule Planification
Module OrdonnancementModule Ordonnancement
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 10
Limites de l’approche précédente
Limites au niveau du module planification : résolu par un logiciel standard de programmation mathématique
→ Difficultés pour intégrer les coûts et temps de préparation
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 11
Modèle et méthode de résolution Nouvelle modélisation :
Modélisation explicite des chemins du graphe conjonctif
Prise en compte des temps et coûts de préparation
Séquence fixée des opérations sur les ressources
Méthode de résolution : Relaxation Lagrangienne : calcul les quantités à
produire Recuit simulé : amélioration de la séquence
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 12
Graphe conjonctif
Sommets : représentent les différentes opérations composants des jobsArcs de précédences : Entre 2 opérations d’un même job (en noir) Entre 2 opérations de job différents utilisant la même machine (en couleur)
M1
M1
M1
M2
M2
M2
M3
M3
M3
Représentation des solutions d’un problème d’ordonnancement
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 13
Graphe conjonctif
Chaque chemin du graphe correspond à une séquence d’opérations du nœud source au nœud puit
Contrainte pour chaque chemin :
M1
M1
M1
M2
M2
M2
M3
M3
M3
Somme des durées des opérations d’un chemin Date de fin au plus tard de
dernière opération du chemin
)(
1)()()()( )( )(
ol
ll
cooloi
t
ooloi
u
o
f
c cYsXpor
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 14
Nouvelle modélisation
liYIIX ilililil ,1,00,,
Objectif: minimiser l’ensemble des coûts
liil
s
ili
il
back
iil
inv
ili
il
p
i YcIcIcXc,,,
)(
iliDSj
Ljlijililililil DXgXIIIIj
)(11
Équation d’équilibrage des stocks
CccYsXporol
ll
cooloi
t
ooloi
u
o
f
c
)(
1)()()()( )( )(
liYDX il
T
kikil ,)(
1
Contraintes sur les chemins
Contraintes de lancement de la production
Contraintes de non négativité
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 15
Méthode de résolution
Modélisation de l’ensemble des chemins du graphe
→ Nombre exponentiel de contraintes de capacités
Méthode de résolution : relaxation Lagrangienne
Principe : relâcher des contraintes difficiles pour se ramener à des problèmes facile à résoudre
Application à des problèmes à un niveau
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 16
1. Résolution du problème relaxéEnsemble de sous problèmes à un produit sans contraintes de capacité de type Wagner-Whitin
2. Construction d’une solution réalisableDeux types d’heuristique de lissage développés:
CSR1 : Lissage d’avant en arrière sur l’horizon de temps
Points clés de l’heuristique Lagrangienne
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 17
Construction d’une solution réalisable
Opération critique appartenant à un chemin violé
Produit 3
Produit 1
Produit 2
Job qui doivent être terminés en période 1
Job qui doivent être terminés en période 2
Job qui doivent être terminés en période 3
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 18
1. Résolution du problème relaxéEnsemble de sous problèmes à un produit sans contraintes de capacité de type Wagner-Whitin
2. Construction d’une solution réalisableDeux types d’heuristique de lissage développés:
CSR1 : Lissage d’avant en arrière sur l’horizon de temps
CSR2 : Recherche le produit le plus critique
Points clés de l’heuristique Lagrangienne
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 19
Construction d’une solution réalisable
Opération critique appartenant à un chemin violé
Produit 3
Produit 1
Produit 2
Job qui doivent être terminés en période 1
Job qui doivent être terminés en période 2
Job qui doivent être terminés en période 3
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 20
Points clés de l’heuristique Lagrangienne
3. Mise à jour des multiplicateurs Lagrangiens Étant donné le nombre exponentiel de
contraintes, il n’est pas possible de mettre à jour tous les multiplicateurs Lagrangiens
Initialiser tous les multiplicateurs Lagrangiens à 0
Choisir un ensemble de multiplicateurs à augmenter parmi l’ensemble des chemins les plus violés dans le graphe
Mise à jour de ces multiplicateurs par la méthode des sous-gradients
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 21
Résultats expérimentaux
Jeux de données générés aléatoirement de façon uniforme
Nombre de produits : 6, 10 et 20 Variations de différents paramètres :
Période entre 5 et 50; Capacité entre 0.45 et 0.70; Coût de préparation (setup) entre 5 et 100;
Problème du job shop: 6x6 (6 jobs, 6 opérations par jobs et 6 machines); 10x10 (10 jobs, 10 opérations par jobs et 10 machines); 20x 5 (20 jobs, 20 opérations par jobs et 5 machines).
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 22
Variation de la capacité
Job T Capacité
Heuristique Lagrangienne
Xpress-MP après 10 minutes
shop BI BS Gap Temps BI BS Gap Temps
5 0.45 1732.65 1753 1.17 0.50 1745 1745* 0,00 0,56
6x6 0.70 1730 1730* 0.00 0.00 1730 1730* 0,00 0,17
30 0.45 9408 9678 2.83 2.47 9367,1 9561 2,05 654,48
0.60 9409.61 9442 0.34 0.78 9379,19 9420 0,43 666,89
10 0.45 5362 5365 0.06 0.00 5362 5362* 0,00 2,97
0.60 5362 5362* 0.00 0.00 5362 5362* 0,00 2,45
10x10 0.45 25923 25937 0.05 0.20 25470,8 25959 1,90 650,97
50 0.50 25923 25929 0.02 0.09 25462,9 25960 1,93 657,47
0.70 25923 25923* 0.00 0.05 25474 25947 1,84 659,06
20 0.45 21479 21483 0.02 0.83 21415,7 21482 0,31 698
0.55 21475 21475* 0.00 0.00 21420,3 21478 0,27 722,44
20x5 30 0.45 31335 31353 0.06 0.11 30910,6 31383 1,52 668,2
0.55 31335 31335* 0.00 0.03 30903,6 31379 1,53 667,19
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 23
Variation de la capacité
Job T Capacité
Heuristique Lagrangienne
Xpress-MP après 10 heures
shop BI BS Gap Temps BI BS Gap Temps
6x6 30 0.45 9408 9678 2.83 2.47 9404,72 9552 1,55 40484,2
0.60 9409.61 9442 0.34 0.78 9411,67 9418 0,07 43048,1
0.45 25923 25937 0.05 0.20 25518,7 25944 1,65 38530.7
10x10 50 0.50 25923 25929 0.02 0.09 25505,4 25945 1,71 38700.2
0.70 25923 25923* 0.00 0.05 25518 25944 1,66 38770.3
20 0.45 21479 21483 0.02 0.83 21450 21481 0,14 40661,2
20x5 0.55 21475 21475 0.00 0.00 21456,6 21475 0,09 45213,8
30 0.45 31335 31353 0.06 0.11 30954,6 31363 1,31 41162
0.55 31335 31335* 0.00 0.03 30947,1 31365 1,34 41602,7
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 24
Variation du setupJob T Setup Heuristique Lagrangienne Xpress-MP après 10 minutes
shop BI BS Gap Temps BI BS Gap Temps
5 15 1730.42 1731 0.03 0.06 1731 1731* 0,00 0,25
6x6 50 2222.33 2290 3.00 0.33 2275 2275* 0,00 0,67
50 20 16676.1 16923 1.47 6.45 15910,8 16889 5,96 683,99
100 23941.3 29497 20.79 22.81 19323,2 41322 72,55 657,42
30 15 16358 16358* 0.00 0.03 16270,3 16359 0,54 661,22
10x10 50 20594.5 21108 2.46 5.84 18183,6 21206 15,35 663,8
50 50 32759.8 33802 3.13 24.11 26947,1 34087 23,40 639,36
100 39321.8 42525 7.83 76.63 29208,1 69362 81,47 641,52
10 20 11050 11050* 0.00 0.02 11050 11050* 0,00 5,81
50 13537.6 13601 0.47 1.22 13465,4 13574 0,80 684,09
20x5 100 16607.2 17115 3.01 1.69 16372 16901 3,18 625,59
15 21475 21475* 0.00 0.00 21420,3 21478 0,27 722,44
20 20 22490 22490* 0.00 0.02 22005,6 22525 2,33 696,3
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 25
Variation du setup
Job T Setup
Heuristique Lagrangienne
Xpress-MP après 10 heures
shop BI BS Gap Temps BI BS Gap Temps
6x6 50 20 16676.1 16923 1.47 6.45 15965,5 16866 5,49 41283.7
100 23941.3 29497 20.79 22.81 19639,2 41322 71,14 39351.2
30 15 16358 16358 0.00 0.03 16309,7 16358 0,30 40504,5
10x10 50 20594.5 21108 2.46 5.84 18331,6 21107 14,07 38841
50 50 32759.8 33802 3.13 24.11 27095,7 33934 22,41 38563.2
100 39321.8 42525 7.83 76.63 29459,4 43383 38,23 37874.2
10 50 13537.6 13601 0.47 1.22 13498,6 13560 0,45 41565,3
20x5 100 16607.2 17115 3.01 1.69 16486,9 16831 2,07 38097,5
20 15 21475 21475* 0.00 0.00 21456,6 21475 0,09 45213,8
20 22490 22490 0.00 0.02 22060,7 22513 2,03 42146,3
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 26
Variation de la demande
Job T Demande Heuristique Lagrangienne Xpress-MP après 10 minutes
shop BI BS Gap Temps BI BS Gap Temps
5 [5,15] 1730.42 1731 0.03 0.06 1731 1731* 0,00 0,25
[10,50] 4110 4110* 0.00 0.00 4110 4110* 0,00 0,09
6x6 [4,8] 6149.65 6297 2.37 3.39 5808,9 6232 7,03 700,77
30 [5,15] 9410.63 9488 0.82 1.53 9357,29 9439 0,87 667
[10,50] 23373 23373* 0.00 0.02 23373 23373* 0,00 0,98
20 [4,8] 6841 6847 0.09 0.02 6603,47 6876 4,04 684,33
10x10 [5,15] 10909 10909* 0.00 0.02 10909 10909* 0,00 209,53
50 [4,8] 17033 17048 0.09 0.16 15456,9 17214 10,76 642,17
[5,15] 25923 25923* 0.00 0.05 25467 25948 1,87 657,33
10 [4,8] 6870.54 6884 0.20 0.61 6872 6872* 0,00 23,72
[5,15] 10524 10524* 0.00 0.02 10524 10524* 0,00 2,33
20x5 [4,8] 20433.1 20452 0.09 1.06 18764,1 20612 9,39 664,47
30 [10,80] 118020 118020* 0.00 0.02 118020 118020* 0,00 3,92
[10,100] 135978 135978* 0.00 0.02 135978 135978* 0,00 3,66
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 27
Variation de la demande
Job T Demande
Heuristique Lagrangienne
Xpress-MP après 10 heures
shop BI BS Gap Temps BI BS Gap Temps
6x6 30 [4,8] 6149,65 6297 2.37 3.39 5856,42 6232 6,21 40504,5
[5,15] 9410,63 9488 0.82 1.53 9389,92 9437 0,50 42815,7
20 [4,8] 6841 6847 0.09 0.02 6637,07 6859 3,29 40798,4
10x10 50 [4,8] 10149 10152 0.03 0.03 9563,4 10197 6,41 39746,5
[5,15] 16358 16358* 0.00 0.03 16309,7 16358 0,30 40504,5
20x5 30 [4,8] 20433,1 20452 0.09 1.06 18813,8 20583 8,98 38968,4
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 28
Recuit simulé
Le précèdent modèle permet de calculer un plan de production pour une séquence fixée des opérations sur les machines.
Afin de résoudre le problème intégré, nous appliquons l’algorithme du recuit simulé afin d’améliorer la séquence.
Choix de la méthode : trouver une nouvelle séquence proche de la séquence initiale sans changer complètement la solution courante.
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 29
Résultats expérimentaux
Job T BI Avant le recuit simulé Après le recuit simulé
shop absolue BI BS BI BS
2592 2852.18 3328 2811.49 3227.00
5 2592 2819.7 3101 2814.30 3001.00
1681 2009.94 2175 PA PA
3256 3269.5 3316 3261.87 3292.00
6x6 10 4671 4934.54 5560 PA PA
3252 3252.84 3283 3252.37 3268.00
6312 6313.63 6331 6312.24 6315.00
20 6625 6630.07 6669 6627.60 6628.00
7966 8050.65 8629 8041.25 8537.00
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 30
Conclusions
Approche intégrant planification et ordonnancement
Nouvelle formulation
Combinaison de la relaxation Lagrangienne et du recuit simulé pour résoudre le problème intégré
Résultats numériques encourageants
Légende ……Réunion du groupe Bermudes – 17 novembre 2006 31
Perspectives
Amélioration de l’heuristique de construction d’une solution réalisable
Extension de la méthode pour les problèmes à plusieurs niveaux (chaîne logistique)
Amélioration de la séquence par la méthode itérative proposé par Dauzère-Pérès et Lasserre