D ISCUSSION 116

9   APPENDIX:  ILLUSTRATIONS  OF  PREDICATES  ...  120   10  ACKNOWLEDGEMENTS  ...  121   11  REFERENCES  ...  121  

Ce  chapitre  expérimental  a  fait  l’objet  d’un  article  actuellement  sous  presse  dans  la  revue  

Human  Factors  and  Ergonomics  in  Manufacturing  &  Service  Industries.  L’article  a  donc  été  

intégralement   inséré   dans   ce   chapitre.   Un   résumé   en   français   rappelle   les   objectifs   et   questions  de  recherche,  la  méthode  utilisée,  et  les  principaux  résultats.  

1 R

1.1 INTRODUCTION  

Cette  recherche  est  une  contribution  à  l’étude  des  stratégies  humaines  d’ordonnancement.     Dans  la  littérature,  la  plupart  des  travaux  qui  ont  cherché  à  décrire  ces  stratégies  ont  adopté   le  point  de  vue  des  procédures  (heuristiques,  règles)  mises  en  œuvre  par  les  ordonnanceurs.   En  partant  du  constat  que  l’activité  d’ordonnancement  implique  la  gestion  de  contraintes,   nous  avons  adopté  le  point  de  vue  complémentaire  des  représentations  manipulées  par  les   ordonnanceurs.  

1.2 OBJECTIFS  ET  QUESTIONS  DE  RECHERCHE  

Pour   mieux   comprendre   la   nature   de   l’expertise   en   ordonnancement,   nous   avons   choisi   d’examiner   un   cas   particulier  –   la   conception   d’un   emploi   du   temps   universitaire   par   des   experts   et   des   novices   –   pour   lequel   la   complexité   est   gérable   et   l’accès   aux   experts   est   relativement   facile.   Pour   décrire   l’activité   d’ordonnancement   en   termes   de   gestion   de   contraintes,  nous  avons  emprunté  aux  travaux  sur  la  résolution  de  problème  de  conception   une   définition   de   la   contrainte.   Pour   Stefik   (1981a),   une   contrainte   est   une   relation   entre   variables   permettant   de   décrire   partiellement   un   objet.   En   prolongeant   cette   proposition,   nous  avons  adopté  une  définition  permettant  de  distinguer  en  un  sens  strict  la  contrainte  de   l’objet  :  les  contraintes  sont  des  relations  entre  variables  qui  ne  peuvent  être  représentées  

dans  la  solution  (l’emploi  du  temps),  alors  que  les  objets  sont  des  satisfactions  de  contraintes   qui  peuvent  y  être  représentées.  Cette  distinction  nous  a  permis  de  proposer  que  l’activité  

d’ordonnancement   est   notamment   organisée   autour   de   deux   espaces   problèmes   duaux  :   l’espace   des   contraintes   et   l’espace   des   objets.   Par   ailleurs,   les   contraintes   peuvent   s’exprimer  dans  différents  Systèmes  de  Représentation  et  de  Traitement  (SRTs  –  Hoc,  1987),   alors   que   les   objets   rendent   visible   des   satisfactions   de   contraintes   dans   un   SRT   externe   unique.   Dans   la   conception   d’emploi   du   temps,   l’ordonnanceur   doit   donc   traduire   les   contraintes  du  problèmes  dans  les  termes  de  la  solution  au  problème  :  un  emploi  du  temps.   Dans  cette  situation  expérimentale,  nous  avons  examiné  plusieurs  questions  de  recherche  :  

− Est-­‐ce  qu’une  approche  en  termes  de  gestion  de  contraintes  et  d’objets  est  pertinente   pour  décrire  de  manière  exhaustive  la  conception  d’emploi  du  temps  ?  

− Est-­‐ce   que   l’activité   de   gestion   de   contraintes   est   importante   dans   ce   cas   particulier  d’ordonnancement  ?  

− Est-­‐ce   que,   par   rapport   aux   novices,   les   experts   en   ordonnancement   adoptent   un   contrôle   cognitif   interne   (à   partir   des   contraintes)   ou   un   contrôle   cognitif   externe   (à   partir  des  objets  du  SRT  externe)  ?  En  effet,  bien  que  l’expertise  soit  caractérisée  par  un   contrôle   de   l’activité   sur   la   base   de   représentations   internes,   les   experts   sont   aussi   capables  d’étendre  leur  cognition  et  de  guider  leurs  processus  cognitifs  en  définissant   dans  l’environnement  des  signaux  externes  de  guidage.  

Chapitre  6  :  La  nature  de  l’expertise  en  ordonnancement  :  le  cas  de  la  conception  d’emploi  du  temps  

− Est-­‐ce   que   les   experts   manifestent   des   capacités   d’abstraction   en   formulant   plus   de   plans  d’action  que  les  novices  ?  

1.3 METHODE  UTILISEE  

Dans   cette   étude,   nous   avons   demandé   à   trois   experts   (enseignants   d’IUT   chargés   de   concevoir   des   emplois   du   temps   depuis   environ   dix   ans)   et   à   trois   novices  (étudiants   sans   expérience  spécifique  dans  le  domaine)  de  concevoir  un  emploi  du  temps  universitaire  d’une   semaine  pour  trois  groupes  d’étudiants.  Les  participants  à  l’expérience  devaient  prendre  en   considération  un  ensemble  de  contraintes  liées  par  exemple  à  la  disponibilité  d‘enseignants   ou  de  salles  de  cours.  

Pour   accéder   à   l’activité   mentale   des   ordonnanceurs,   nous   avons   utilisé   une   consigne   de   verbalisation  simultanée  à  la  réalisation  de  la  tâche  (thinking  aloud).  A  partir  de  travaux  issus   de  la  littérature  et  en  fonction  des  spécificités  de  la  situation  étudiée,  nous  avons  construit   un   schème   de   codage.   Ce   schème   était   constitué   d’un   ensemble   d’opérations   liées   à   la   gestion  des  contraintes  et  des  objets,  et  d’une  opération  plus  abstraite  de  planification  (les   plans  d’action).  Enfin,  le  schème  de  codage  nous  a  permis  de  coder  les  protocoles  individuels   des   participants   (actions   et   verbalisations)   en   utilisant   le   logiciel   MACSHAPA   (Sanderson  et  al.,  1994).  

1.4 PRINCIPAUX  RESULTATS    

Avant   de   rappeler   plus   précisément   les   résultats   de   cette   expérience,   il   est   important   de   noter   que   la   description   de   l’activité   de   conception   d’emploi   du   temps   à   partir   de   notre   schème  de  codage  s’est  révélée  pertinente  car  le  schème  nous  a  permis  de  coder  l’ensemble   des  verbalisations  produites  par  les  participants.  

Par  ailleurs,  malgré  des  différences  individuelles  observées  dans  les  stratégies  entre  experts   et   novices,   nous   n’avons   pu   conclure   à   des   différences   de   performance   puisque   les   différences  entre  experts  et  novices  étaient  très  faibles.  Ce  résultat  est  peut-­‐être  lié  au  choix   d’une   tâche   simple   qui   n’a   posé   aucun   problème   aux   participants   pour   aboutir   à   une   solution  acceptable  en  un  temps  raisonnable.  

L’analyse  des  protocoles  nous  a  permis  d’observer  les  résultats  suivants  :  

− Quel   que   soit   le   niveau   d’expertise,   la   présence   de   composants   de   planification   (plans   d’actions)   est   bien   moins   importante   que   les   activités   de   gestion   de   contraintes   et   d’objets.   La   conception   d’emploi   du   temps   semble   être   une   situation   d’ordonnancement  dans  laquelle  ces  composants  sont  moins  présents  qu’ils  ne  le  sont   dans  le  contexte  manufacturier.  Dans  ce  contexte,  des  procédures  bien  connues  ont  été   identifiées   (par   ex.,   SPT,   EDD),   et   permettent   probablement   aux   ordonnanceurs   de   mettre  en  œuvre  des  plans  d’action  guidés  par  ces  procédures.  

− Quel  que  soit  le  niveau  d’expertise,  la  gestion  des  contraintes  est  proportionnellement   plus   observée   que   la   gestion   des   objets   dans   le   SRT   externe   (l’emploi   du   temps).   On   peut  alors  se  demander  si  le  choix  du  SRT  externe  joue  un  rôle  dans  cette  répartition.   − Les  experts  réalisent  proportionnellement  moins  d’opérations  de  gestion  de  contraintes  

l’expérience  (Sanderson,  1989,  1991),  les  experts  choisissent  des  objets  sur  la  base  de   contraintes  évidentes  sur  l’emploi  du  temps.  A  l’opposé,  les  novices  semblent  manipuler   plus   de   contraintes,   en   réalisant   notamment   plus   d’opérations   de   propagation   (combinaison  de  contraintes).  Avant  de  satisfaire  des  contraintes  en  spécifiant  un  objet   sur  l’emploi  du  temps,  les  débutants  combinent  plus  de  contraintes  entre  elles  que  ne  le   font  les  experts.  Par  ailleurs,  l’analyse  des  transitions  entre  opérations  a  montré  que  les   experts   basculent   plus   directement   que   les   novices   des   spécifications   du   cahier   des   charges  (formulation  de  contraintes  prescrites)  à  l’espace  des  objets.  

− Les   experts   utilisent   plus   que   les   novices   les   représentations   externes   (les   objets)   comme  support  à  leur  activité  car  ils  réalisent  plus  d’opérations  à  l’intérieur  de  l’espace   des  objets  (particularisation  et  modification  d’objets).  Les  experts  ont  tendance  à  gérer   les  contraintes  du  problème  à  partir  des  objets  représentés  sur  l’interface  plutôt  qu’à   partir  de  structures  mentales  abstraites.  Ce  résultat  valide  l’hypothèse  selon  laquelle  les   experts  sont  capables  de  déporter  leur  cognition  en  externalisant  leurs  représentations   mentales.  

− Les   experts   utilisent   une   stratégie   de   moindre   compromission.   Ils   satisfont   plus   de   contraintes   avec   des   objets   partiellement   définis   (objets   abstraits)   et   reportent   la   spécification  complète  des  objets  (en  particularisant  ensuite  ces  objets).  A  l’opposé,  les   novices   gèrent   “mentalement”   plus   de   contraintes   avant   de   définir   entièrement   des   objets   (objets   concrets).   Ce   comportement   des   novices   reste   à   expliquer.   Une   hypothèse  pourrait  être  que  les  novices  ont  peur  de  se  compromettre  trop  tôt  dans  la   spécification  des  objets  en  préférant  d’abord  traiter  les  interactions  entre  contraintes.   Puisque   le   traitement   des   contraintes   reste   une   activité   coûteuse,   le   fait   de   se   compromettre  trop  tôt  sur  des  résultats  intermédiaires  (objets  abstraits)  pourrait  être   une   crainte   des   novices   en   cas   où   ils   devraient   remettre   en   question   ces   résultats   intermédiaires,  et  ne  plus  pouvoir  gérer  la  situation.  

− Les   experts   formulent   proportionnellement   plus   de   plans   d’action   que   les   novices.   Ce   comportement  est  lié  aux  capacités  d’abstraction  des  experts  par  rapport  aux  novices,   qui  disposent  d’un  répertoire  de  plans.  

Nous   fournissons   maintenant   l’intégralité   de   l’article   en   anglais,   actuellement   sous   presse   dans  la  revue  Human  Factors  and  Ergonomics  in  Manufacturing  &  Service  Industries.  

Chapitre  6  :  La  nature  de  l’expertise  en  ordonnancement  :  le  cas  de  la  conception  d’emploi  du  temps  

THE  NATURE  OF  EXPERTISE  IN  SCHEDULING:  THE  CASE  OF  TIMETABLING  

Hoc,  J.M.,  Guerin,  C.,  &  Mebarki,  N.  

2 A

This  study  aims  to  gain  greater  insight  into  scheduling  expertise  by  comparing  the  work  of   experts  and  novices  when  designing  a  university  timetable.  We  assumed  that  the  scheduling   activity  would  take  place  within  two  dual  spaces:  the  constraints  space  (CS)  and  the  objects   space  (OS).  Constraints  are  defined  in  the  strictest  sense  as  relations  between  variables  that   cannot   be   represented   in   the   solution   (timetable),   whereas   objects   are   constraint   satisfactions  that  can  be  thus  represented.  The  study  shows  that  experts  were  more  likely   than   novices   to   use   external   representations   as   activity   support.   They   satisfied   many   constraints  with  partially  defined  objects.  On  the  contrary,  novices  devoted  a  long  time  to   managing   constraints   in   their   heads   before   defining   only   fully   specified   objects   (concrete   objects).  The  objects  space  could  be  a  suitable  activity  support  for  experts.    Novices,  on  the   other  hand,  could  benefit  from  support  in  managing  constraints  and  translating  constraints   into  objects.  

Keywords:  Expertise;  Scheduling;  Timetabling;  Constraint  management  

3 I

Scheduling  is  imperative  for  companies,  because  a  poor  schedule  can  considerably  reduce   competitiveness   by   increasing   manufacturing   costs.   However,   few   people   are   actually   involved  in  carrying  out  this  activity,  and  the  ergonomic  stakes  are  weakly  perceived,  in  spite   of  the  potentially  serious  ergonomic  (and  economic)  consequences  of  a  poor  schedule.  On   the  other  hand,  operations  research  has  always  been  very  active  with  regard  to  these  issues,   revealing   itself   more   as   a   software   supplier   aimed   at   automating   the   scheduling   process   than  as  a  designer  of  human  operator  support.  Paradoxically,  in  practice,  human  operators   are  often  the  main  performers  of  scheduling  tasks.  

Scheduling  is  a  complex  activity.  Not  only  does  it  tackle  NP  (non-­‐deterministic  polynomial-­‐ time)   hard   problems,   but   it   also   leads   to   combinatorial   explosion   and   occurs   in   various   domains  (including  manufacturing,  management  of  staff  activity,  truck  route  planning,  and   timetabling).   Although   several   observational   studies   have   been   devoted   to   identifying   scheduling   expertise,   mainly   from   a   procedural   viewpoint,   no   controlled   comparisons   between  experts  and  novices  are  available.  Thus,  this  study  has  selected  a  particular  area  of   scheduling  —  namely,  timetabling  —  where  complexity  is  manageable  and  access  to  experts   is  quite  easy.  To  complement  previous  studies,  we  adopted  the  viewpoint  of  representation   —  in  this  case,  the  nature  of  the  representations  processed  when  timetabling  —  rather  than   one   of   procedure.   In   particular,   we   tried   to   borrow   the   notion   of   constraint   management   from  the  literature  on  design  problem  solving.  

Various  definitions  of  scheduling  are  available  in  the  literature  (e.g.,  Crawford,  MacCarthy,   Wilson,  &  Vernon,  1999;  Hoc,  Mebarki,  &  Cegarra,  2004;  Jorna,  2006;  Kiewiet,  Jorna,  &  van  

Wezel,  2005;  van  Wezel,  Cegarra,  &  Hoc,  2011).  Although  each  one  stresses  specific  aspects   of  scheduling,  all  of  them  agree  that  scheduling  consists  in  allocating  resources  to  tasks  and   satisfying  constraints,  particularly  temporal  constraints.  Some  definitions  add  the  notion  of   objective,  which  can  also  be  considered  as  a  constraint.  The  schedule  must  be  expressed  in   an   external   representation   system   with   a   particular   format,   whereas   constraints   can   be   expressed  in  various  formats  within  the  specifications.  Thus,  scheduling  can  be  considered  as   a  particular  case  of  design  problem  solving,  which  “at  some  very  abstract  level,  is  the  process   of   transforming   one   set   of   representations   (the   design   brief)   into   another   set   of   representations   (the   contract   document)”   (Goel,   1995,   p.   128).   In   fact,   the   first   “set   of   representations”   is   heterogeneous   and   corresponds   to   the   constraints   belonging   to   the   design  brief.  To  identify  homogeneous  sets  of  representations  within  the  context  of  problem   solving,  particularly  within  computer  program  design,  Hoc  (1988)  introduced  the  notion  of   representation  and  processing  system  (RPS).  In  the  case  of  timetabling,  constraints  can  come   from  the  teacher’s  viewpoint  (e.g.,  availability,  work  conditions),  from  the  student’s  point  of   view   (e.g.,   workload,   comfort),   and   from   the   pedagogical   viewpoint   (e.g.,   a   lecture   must   precede   a   practical   work   session).   Finally,   in   addition   to   satisfying   all   the   constraints,   the   schedule  must  be  represented  in  a  standard  and  external  representation  system  that  cannot   represent  all  the  constraints  explicitly.  Some  constraints  are  visible,  while  others  are  hidden.   For   example,   the   constraint   that   “lectures   must   be   performed   in   an   auditorium”   is   visible   because   the   timetable   will   systematically   show   an   association   between   lecture   and   auditorium.   However,   the   constraint   that   “Ms.   X   is   not   available   on   Wednesday”   will   be   hidden   because   Ms.   X’s   schedule   on   a   day   other   than   Wednesday   may   satisfy   a   different   constraint.  

Obviously,  scheduling  and  timetabling  share  common  properties  with  other  design  problem-­‐ solving  situations,  such  as  complexity  (NP  hard  problems)  or  multiple  acceptable  solutions   (Visser,  2006).  

Because  the  notion  of  constraint  is  central  in  this  domain,  we  have  favored  the  reference  to   Stefik’s   (1981a)   theoretical   framework.   This   author   elaborated   it   within   the   context   of   planning   an   experiment   in   molecular   genetics.   He   defined   a   constraint   as   “a   relationship   among   plan   variables:   “[…]   A   constraint   is   essentially   a   partial   description   of   an   object.”   (p.114).   Within   our   context,   a   constraint   may   be:   “I   need   a   teacher   available   on   Wednesday”.  Until  a  teacher  is  selected,  this  constraint  is  not  satisfied  by  a  definite  object.   Moreover,   going   beyond   Stefik’s   definition,   we   will   introduce   a   distinction   between   a   “constraint”   in   the   strictest   sense,   as   something   not   represented   in   the   solution,   and   an   “object”,  as  something  visible  in  the  solution  and  satisfying  some  constraints.  

Sanderson   (1989,   1991)   was   the   first   to   approach   the   human   scheduler   activity   using   problem-­‐solving  models,  such  as  those  by  Rasmussen  (1986),  from  a  procedural  viewpoint.   In  this  study,  we  adopt  a  complementary  viewpoint,  stressing  the  representations  processed   in  relation  to  the  human-­‐machine  interface  problem.  Obviously,  our  experimental  approach   to  expertise  will  give  rise  to  the  same  criticisms  with  regard  to  ecological  validity  as  those   formulated   by   researchers   such   as   Jackson,   Wilson,   and   MacCarthy   (2004)   or   MacCarthy,   Wilson,  and  Crawford  (2001),  all  of  whom  have  considerable  experience  in  field  studies.  Our   experimental  approach  should  be  considered  as  complementing  this  kind  of  study,  but  with   a   nonnegligible   ecological   validity.   To   identify   the   nature   of   expertise   in   timetabling,   we   carried  out  a  study  to  compare  three  novices  (students  without  any  specific  experience  in  

Chapitre  6  :  La  nature  de  l’expertise  en  ordonnancement  :  le  cas  de  la  conception  d’emploi  du  temps  

this   domain)   and   three   experts   (senior   lecturers   in   charge   of   timetable   design   in   a   polytechnic  institute).  The  participants  were  asked  to  design  a  1-­‐week  university  timetable   on  an  Excel®  spreadsheet,  which  satisfies  pedagogical  constraints,  as  well  as  the  constraints   of   teachers,   students,   and   room   allocation.   We   collected   actions   on   the   interface   and   simultaneous  verbal  reports.  The  method  consisted  mainly  in  analyzing  individual  protocols,   with  the  support  of  the  MacSHAPA  software  developed  by  Sanderson  et  al.  (1994),  within   the  perspective  of  exploratory  sequential  data  analysis.  

Expertise,   as   the   property   of   people   with   a   long   accumulation   of   experience,   is   a   well-­‐ documented   topic   in   the   psychology   of   problem   solving,   covering   a   wide   spectrum   of   domains  (Chi,  Glaser,  &  Farr,  1988).  Although  expertise  has  some  general  features,  such  as   anticipation   ability   (Cellier,   Eyrolle,   &   Mariné,   1997)   or   meaningful   and   large   pattern   recognition  ability  (Simon  &  Barenfeld,  1969),  it  remains  very  domain  specific.  In  the  present   study   our   aim   was   to   test   a   hypothesis   that   often   occurs   in   the   expert   cognitive   control   mode  of  dynamic  situation  management.  In  several  types  of  situation,  although  experts  are   able  to  anticipate  on  the  basis  of  internal  models  of  their  environment,  they  are  also  able  to   extend  their  cognition  toward  their  environment,  defining  meaningful  cues  within  it  that  are   capable  of  guiding  their  cognitive  processes  (Hoc  &  Amalberti,  2007).  The  main  reason  for   this  extension,  which  leads  them  to  adopt  an  external  cognitive  control,  is  the  management   of  mental  workload  within  acceptable  limits.  Thus,  in  this  study,  we  expected  a  wider  usage   of  the  timetable  RPS  —  the  required  and  external  representational  system  for  the  solution   —   by   experts   than   by   beginners.   Such   a   result   could   be   of   interest   for   defining   computer   interfaces  capable  of  supporting  the  scheduling  activity.  

In  the  next  section  of  this  article,  we  will  develop  the  main  theoretical  foundations  of  this   experiment   by   considering   scheduling   (and   timetabling)   within   the   context   of   design   problem  solving,  examining  expertise  in  scheduling  in  more  detail,  and  proposing  important   concepts  for  describing  constraint  management  and  object  design  in  scheduling.  Then,  we   will  describe  the  experimental  task,  the  participants,  the  data-­‐gathering  technique,  and  the   coding  scheme.  After,  we  will  present  the  main  results  of  the  study.  Finally,  the  implications   for  the  study  of  expertise  and  for  interface  design  in  terms  of  operators’  assistance  will  be   derived.  

4 T

4.1 SCHEDULING  AS  DESIGN  PROBLEM  SOLVING  

4.1.1  SCHEDULING  AND  TIMETABLING  

In  manufacturing  systems,  scheduling  consists  in  allocating  job  operations  to  machines  and   periods  of  time  with  the  aim  of  meeting  performance  criteria,  such  as  maximizing  machine   usage  and  minimizing  delays.  This  usually  results  in  the  drawing  of  a  Gantt  chart  with  time   on   abscissa   and   machines   on   ordinate   (figure   12).   Allocation   must   satisfy   a   number   of   constraints,   such   as   duration   of   operation,   due   dates   for   delivering   jobs,   precedence   between   operations,   and   release   dates   to   start   the   process   of   a   job.   It   results   in   the   definition  of  a  complete  set  of  triplets  of  the  type  (job,  operation-­‐machine,  period  of  time),   each   one   being   represented   as   a   rectangle   in   the   Gantt   chart,   which   we   name   “object”.   Constraints   are   defined   at   first   in   specifications   distributed   over   several   documents;   only  

some  of  them  will  be  directly  represented  in  the  representational  system  required  for  the   solution.  For  example,  in  figure  12,  we  can  see  that  job  1  can  be  delivered  at  time  t,  but  the   due   date   could   be   t+1,   a   constraint   not   directly   expressed   in   this   particular   interface,   although   it   could   be   represented   in   another   type   of   interface.   On   the   contrary,   operation   duration  is  expressed  in  the  solution  as  well  as  in  the  specifications.  

Figure  12:  Example  of  Gantt  chart:  time  in  abscissa;  machines  in  ordinate;  grey  rectangles  represent  three  jobs  processed   by  the  two  machines.  

University   timetabling   is   a   particular   case   of   scheduling,   similar   to   industrial   scheduling,   except  that  jobs  are  replaced  by  groups  of  students,  operations  by  teaching  modules,  and   machines  by  teachers.  An  additional  type  of  resource  is  the  room.  An  object  is  thus  here  a   quintuplet   (group,   room,   teacher,   module,   period).   The   main   difference   between   timetabling   and   industrial   scheduling   relates   to   temporal   constraints.   Precedence   constraints  are  weaker  in  timetabling  than  in  industrial  scheduling,  in  terms  of  the  required   sequence  of  operations.  In  addition,  university  timetabling  considers  that  there  is  less  of  a   difference  between  groups  of  students  in  terms  of  processing  time,  due  date,  and  so  on  than   between  jobs  in  industrial  scheduling.  

4.1.2  CONSTRAINT  AND  OBJECT  

In   terms   of   design   problem   solving,   constraint   management   is   usually   identified   and   modeled  (Darses,  1991;  Hoc,  1988;  Stefik,  1981a;  Visser,  2006).  According  to  Stefik  (1981a),   a  constraint  is  a  partial  description  of  an  object,  and  there  is  no  clear-­‐cut  distinction  between   the  two  entities.  However,  this  distinction  forms  the  basis  of  design  problem  solving.  As  a   matter  of  fact,  according  to  Hoc  (1988),  a  design  problem  is  a  task  that  is  represented  by  the   problem  solver  as  the  search  for  a  detailed  representation  of  the  goal.  Moreover,  the  user  of   the  schedule  imposes  the  representation  format,  which  is  related  to  RPS.  The  notion  of  RPS   is  similar  to  the  notion  of  “viewpoint”  in  artificial  intelligence.  It  is  based  on  a  (concrete  or   abstract)   device   or   set   of   basic   rules   that   enables   the   generation   of   a   large   variety   of   representations.  For  example,  a  particular  university  timetable  is  an  instance  of  the  general   class  of  timetables.  It  is  composed  of  a  certain  number  of  quintuplets  (objects).  These  satisfy   constraints  expressed  in  RPS  that  are  different  from  the  RPS  imposed  for  the  solution.  We