Malgré une très bonne connaissance des composants élémentaires d’un système, il est aujourd’hui impossible de prévoir le comportement d’un système complexe, autrement que par l’expérience ou la simulation.
Cet écueil ne vient pas nécessairement de nos limites de calcul, d’un comportement aléatoire, ou de la sensibilité aux conditions initiales. Cela vient plus généralement :
- du caractère de plus en plus intégré de nos systèmes modernes,
- du nombre de paramètres élevé,
- et du fait que chacun d’entre eux peut avoir une influence essentielle sur le comportement global du système.
Pour prévoir ce comportement, il est donc nécessaire de tous les prendre en compte.
La simulation de flux du système étudié est un des outils les mieux adaptés pour y arriver.
La simulation de flux par événements discrets est un outil informatique largement utilisé dans l’industrie et par les chercheurs .(O’Kane et al., 2000). Elle permet de reproduire le comportement dynamique du système étudié grâce à un modèle d’action (Robinson, 2004) événementiel et temporel… Et non pas par un modèle intégral mathématique qui peut présenter des limites dès que l’on atteint un certain niveau de complexité.
La simulation permet de modéliser des systèmes de production en manipulant des éléments généraux (machines, convoyeurs, stocks, etc.) caractérisés par des états (disponible, occupé, etc.) qui vont permettre de représenter la réalité. Les articles ou entités se déplacent au travers des éléments du modèle en utilisant éventuellement des ressources. La dynamique est simulée grâce à une horloge et à une séquence d’événements qui apparaissent quand les entités entrent ou sortent des éléments. Il est possible de prendre en compte les phénomènes aléatoires et la variabilité du monde réel.
La simulation de flux permet de travailler sur des modèles de systèmes particulièrement complexes tout en prenant en compte des niveaux de détails élevés.
Par ailleurs, le modèle de simulation a une forme de représentation proche du système réel. Ce qui peut faciliter sa perception et sa compréhension… Bien que sa construction soit parfois beaucoup plus délicate (Fontanili et al., 2004).
La simulation de flux permet de répondre aux questions soulevées grâce à l’analyse des résultats. Elle incorpore nativement une prise en compte de l’incertain dans le calcul de performance.
Cette analyse porte ainsi sur des statistiques descriptives associées aux :
- produits fabriqués (temps de défilement, encours, etc.),
- machines ou postes de travail (pourcentage d’occupation dans chacun des états possibles),
- stocks et files d’attentes (temps de séjour, quantité en attente, etc.)
- et aux ressources humaines.
Il est ainsi relativement facile d’identifier, par exemple, les goulots d’étranglement, les opérateurs surchargés ou les postes de travail trop souvent en réglage.
En plus des statistiques et des résultats obtenus à l’issue d’une simulation, des indicateurs de performances peuvent aussi être mis en place dans le modèle… Et analysés pendant et après une simulation avant une exploitation éventuelle sur le système réel. La simulation permet donc de définir ces indicateurs… Et de mettre en évidence les données nécessaires à leur calcul et leur mise à jour sur le terrain.
Bien que la construction d’un modèle de simulation soit de plus en plus facilitée par l’évolution des progiciels, il n’est pas toujours facile de passer directement du système réel, existant ou à concevoir, au modèle virtuel. Un certain nombre d’étapes intermédiaires sont nécessaires pour mener à bien la construction du modèle.
L’étape la plus importante est sans aucun doute la réalisation du modèle conceptuel de connaissances.
Les objectifs d’un tel modèle sont multiples :
- structurer et rassembler les données utiles à la construction du modèle informatique,
- servir d’outil de communication entre les différents acteurs,
- représenter aussi bien les flux physiques qu’informationnels,
- identifier et définir les règles et lois utiles au pilotage du système,
- servir de support à la réalisation du modèle informatique.
Auteurs : Matthieu LAURAS, AGILEA / Franck FONTANILI, Ecole des Mines d’Albi
