4 Résolution approchée du problème
4.4 Heuristique de décomposition à base d’algorithmes
4.4.1 Calcul de la charge accumulée . . . 100 4.4.2 Equilibrage de la charge et la capacité . . . 102 4.5 Résultats et discussion . . . . 108
4.5.1 Génération des instances aléatoires . . . 108 4.5.2 Evaluation des algorithmes heuristiques proposés en comparaison à une
solution optimale . . . 109 4.5.3 Comparaison entre le processus réel et les résultats de l’heuristique à base
d’algorithmes pour des instances industrielles . . . 112 4.6 Conclusion . . . . 115
Les résultats développés dans ce chapitre ont été présentés dans les articles suivants :
[119] E. Mhiri, M. Jacomino, F. Mangione, P. Vialletelle, and G. Lepelletier. Finite capacity planning algorithm for
semicon-ductor industry considering lots priority. IFAC-PapersOnLine (2015),
48(3), 1598-1603.
[120] E. Mhiri, M. Jacomino, F. Mangione, P. Vialletelle, and G. Lepelletier. Prise en compte des priorités des lots pour la projection des encours de production dans l’industrie des
semi-conducteurs. In 16ème conférence ROADEF Société Française de
Re-cherche Opérationnelle et Aide à la Décision, Marseille, France (2015).
[121] E. Mhiri, F. Mangione, M. Jacomino, P. Vialletelle, and G. Lepelletier. Approche heuristique pour la projection des encours de production (WIP) à capacité finie, application à l’industrie
des semi-conducteurs. In 17ème conférence ROADEF Société Française
de Recherche Opérationnelle et Aide à la Décision, Compiègne, France
4.1 Introduction
Dans le chapitre précédent, nous avons proposé des approches exactes pour résoudre le
problème de projection duWIP à capacité finie dont le but est de minimiser la somme des
retards pondérés. L’apport de ces méthodes est la modélisation du problème. Cependant, le temps d’exécution long ainsi que la mémoire requise pour une résolution exacte, rendent les algorithmes exacts inutilisables pour des problèmes réels. Afin de trouver une solution réalisable de bonne qualité au problème de planification de grande taille, les chercheurs se sont intéressés à des heuristiques de décomposition. Les approches de décomposition fonctionnent généralement sur une ou plusieurs dimensions du problème. En effet, les heuristiques de décomposition pour les problèmes de planification à moyen terme sont classées en deux catégories : les heuristiques période par période et les heuristiques réfé-rence par référéfé-rence. Les heuristiques période par période fonctionnent souvent de manière récursive. La solution d’un problème à la périodetest utilisée comme entrée au problème
à la période t+ 1. Une solution réalisable du problème initial est obtenue lorsque tous
les sous-problèmes de chaque période sont résolus. Une telle heuristique doit s’assurer de la faisabilité de la solution des sous-problèmes. Les heuristiques référence par référence fonctionnent par ensembles de références. A chaque étape, un ensemble de références est planifié jusqu’à ce qu’un plan de production soit obtenu pour toutes les références.
Dans ce chapitre, nous continuons à explorer le problème de projection du WIP à
capacité finie en développant des heuristiques de décomposition. En premier lieu, nous présentons une méthode basée sur une hybridation du programme linéaire mixte présenté
dans le chapitre 3 et une stratégie de décomposition de l’horizon de planification afin
de fournir une solution réalisable au problème traité. En second lieu, une heuristique de décomposition sur des algorithmes itérés par période de l’horizon de planification est proposée. Ces heuristiques correspondent à deux systèmes de planification considérant les contraintes de capacité et de qualifications des équipements ainsi que la priorité des lots et la variabilité du temps de cycle. Les deux systèmes se composent par des modules.
Ils ont un premier module commun de projection du WIP à capacité infinie qui sera
présenté au début de ce chapitre. Ensuite, l’algorithme de chaque heuristique sera détaillé en présentant les différents modules le composant. Ces approches sont testées sur des instances générées aléatoirement pour les valider et sur des instances industrielles afin d’évaluer leur performance en termes de qualité de la solution obtenue et temps de calcul.
4.2 Projection du WIP à capacité infinie
Prendre en compte des priorités des lots pour assurer une livraison des produits à temps et considérer la variabilité du processus de fabrication sont des objectifs principaux
finie
dans cette thèse. Ainsi, le principe du premier module de planification est de proposer un modèle de temps de cycle qui tient compte de ces contraintes mais qui néglige, en premier lieu, les contraintes de capacité.
L’algorithme de projection du WIP prévoit la trajectoire de chaque lot par période,
depuis sa position dans la route jusqu’à sa due date afin de connaître l’activité induite par période. En effet, il détermine pour chaque lot son propre modèle du temps de cycle basé sur :
— la vitesse nécessaire et suffisante des steps restants de chaque lot pour atteindre la due date,
— un modèle de temps de cycle objectif moyen pour chaquestep qui tient compte de
la variabilité du process, extrait de l’historique des données.
Pour le calcul du temps de cycle, une nouvelle variable notéeCT Coef fl est introduite. Il s’agit d’un coefficient de temps de cycle pour chaque lot qui identifie sa vitesse nécessaire et suffisante pour atteindre la date d’échéance de livraison en tenant compte du temps de cycle objectif. Après avoir établi le modèle de temps de cycle pour chaque lot, l’algorithme de projection calcule la date de début et de fin de chacun des steps restants pour chaque
lot ainsi que le nombre de moves à exécuter, estimé pour chaque période de l’horizon de
planification noté Mt. Ce module est composé de trois étapes principales comme il est
expliqué dans l’algorithme 2.
Dans ces projections, chaque lot a son propre modèle du temps de cycle qui représente le temps de traitement desstepsrestants en se basant sur la vitesse nécessaire et suffisante pour atteindre les dates d’échéance de livraison des lots. Dans la section suivante, on explique le modèle du temps de cycle considéré.
4.2.1 Modèle du temps de cycle
Le temps de cycle est le temps prévu écoulé depuis le début jusqu’à la fin d’un processus de production. Dans le cas où le processus de fabrication est composé d’une séquence distincte d’étapes de traitement telles que la fabrication des semi-conducteurs, le temps de cycle d’un lot est égal à la somme des temps de cycle individuels pour chaque étape de traitement avec l’hypothèse qu’une étape de traitement est indépendante de toute autre. Cette hypothèse est appliquée à l’estimation du temps de cycle dans la présente recherche, comme cela est représenté sur la figure 4.1.
Le temps de cycle de chaquestepCT sl est aussi décomposé en deux parties : un temps d’attente devant les équipementswtsl,l,i et un temps de processpsl,l,i. La figure4.2 illustre les composants du temps de cycle.