Présentée pour obtenir le titre de

Oscar Baez

Description

Niveau: Supérieur, Doctorat, Bac+8

• mémoire

N°d'ordre : THESE Présentée pour obtenir le titre de DOCTEUR DE L'INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE École doctorale : Transferts, Dynamiques des Fluides, Énergétique et Procédés Spécialité : Génie des Procédés et de l'Environnement Par M. Oscar Baez Senties METHODOLOGIE D'AIDE A LA DECISION MULTICRITERE POUR L'ORDONNANCEMENT D'ATELIERS DISCONTINUS Soutenance prévue le 15/03/2007 devant le jury composé de : M. Antonio ESPUÑA Rapporteur M. Arsène ISAMBERT Rapporteur Mme Catherine AZZARO-PANTEL Directrice de thèse M. Jean Pierre COUDERC Membre M. Denis JAUME Membre M. Luc PIBOULEAU Membre M. Serge DOMENECH Membre invité

• presentamos los


• melissa con


• del estudio


• ordonnancement


• simulation par événements discrets


• conclusiones de esta investigación


• el capitulo


• producción


• con éxito

Sujets

• Fabrication
• Mémoire
• Domenech
• Institut national polytechnique de Toulouse
• Couderc

Informations

• Publié par: profil-feym-2012
• Publié le: 01 mars 2007
• Nombre de lectures: 22
• Langue: English
• Poids de l'ouvrage: 2 Mo

Extrait

N°d’ordre :
THESE
Présentée pour obtenir le titre de
DOCTEUR DE L’INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE
École doctorale : Transferts, Dynamiques des Fluides, Énergétique et Procédés
Spécialité : Génie des Procédés et de l’Environnement
Par M. Oscar Baez Senties
METHODOLOGIE D'AIDE A LA DECISION MULTICRITERE POUR
L'ORDONNANCEMENT D'ATELIERS DISCONTINUS
Soutenance prévue le 15/03/2007 devant le jury composé de :
M. Antonio ESPUÑA Rapporteur
M. Arsène ISAMBERT Rapporteur
Mme Catherine AZZARO-PANTEL Directrice de thèseM. Jean Pierre COUDERC Membre
Denis JAUME M. Luc PIBOULEAU Membre
Serge DOMENECH Membre invitéAbstract :
Scheduling of electronic components manufacturing systems is identified as a complex task, mainly
because of the typical features of the process scheme, such as cyclic flows and the high number of
equipment items. Actually, production managers have to cope with various objectives, which
contribute also to scheduling complexity. Discrete-event simulation (DES) is one of the most widely
used methods to study, analyze, design, and improve manufacturing systems, however their
applications in industrial processes takes an enormous computing time. In this study, we propose the
DES substitution by an approach based on a neural network technique coupled with a multiobjective
genetic algorithm for multi-decision scheduling problems in semiconductor wafer fabrication. The
training phase of the neural network was performed by use of the previously developed discrete-event
simulator, by using a backpropagation algorithm. The neural networks are then embedded in a
multiobjective genetic algorithm (MOGA) to optimize the decision variables and to deal with the set
of compromise solutions for the studied criteria, thus giving the optimal Pareto zone solutions. The
computing time is then considerably reduced. The program efficiency is validate by means of a
simplified industrial examples based on semiconductor manufacturing.
Résumé :
Les ateliers de fabrication de composants électroniques sont caractérisés par un mode opératoire
discontinu et flexible, par un flux de produits cyclique et par un fort besoin en équipements qui rend
complexe leur gestion. L’objectif des travaux de ce mémoire est l’optimisation multicritère de ces
activités de production, donnant lieu à un problème d’ordonnancement à court terme. Le modèle de
Simulation à Événements Discrets (SED) habituellement employé est cependant lourdement pénalisé
par le temps de calcul nécessaire au traitement de problèmes de taille industrielle. Le SED est ainsi
remplacé par une technique de modélisation reposant sur des réseaux de neurones, au sein desquels un
algorithme de rétropropagation est mis en uvre. Le temps de calcul se trouve alors considérablement
réduit. Enfin, lors de la phase d'optimisation, l’utilisation d’un Algorithme Génétique Multicritère
(AGM) offre la possibilité de considérer de plusieurs critères d’évaluation. La démarche est validée
sur un exemple didactique, représentatif des industries de fabrication de semi-conducteurs.
Resumen :
El estudio basado en la combinación del simulador y el optimizador ha permitido obtener resultados
satisfactorios para el problema de planeación a corto plazo. El principal inconveniente de esta
metodología es a menudo el tiempo para lograr una « buena » planeación, en relación al tiempo del
?que disponen el(los) responsable(s) de producción. Y a menudo no hacen uso de estas prácticas. Los
estudios anteriores ponen en evidencia un tiempo de cálculo elevado a causa del uso excesivo del
simulador, en cuanto a la fase de evaluación de los indicadores de producción. Por ello la mención de
los trabajos mencionados con anterioridad.
En este sentido y tomando en cuenta la complejidad del problema, el estudio se enfocara en determinar
la planeación de manera provisoria. Para el desarrollo sistemático de una herramienta de ayuda a la
decisión, la acción a tomar consiste en utilizar un modelo de fabricación simple representado por un
simulador que a su vez pueda reproducir los fenómenos intrínsecos del sistema. En este sentido se ha
considerado utilizar los modelos de redes neuronales (RN) tomando en cuenta para el aprendizaje el
modelo de la simulación con miras a la optimización.
El programa de simulación MELISSA, ha sido desarrollado en nuestro laboratorio y servirá de soporte
para el presente estudio. El capitulo 2 explica el uso y resultados de MELISSA. Asimismo,
presentamos los criterios considerados para evaluar el rendimiento del modelo. Esta fase permite
poner en evidencia las variables del responsable frente a los criterios.
El capitulo 3 esta dedicado al desarrollo de los modelos de redes neuronales con el objeto de
representar el comportamiento del sistema de acuerdo a los criterios considerados. Es importante
resaltar que la utilización de las redes neuronales se ha llevado a cabo con éxito ([SET98], [DAG95],
[KIM01], [RAM96], [MOR96], [HAN96], [SEI01], [ZHA00], [CHO02], [MON02], [HOL95]) y se ha
mostrado su capacidad para representar sistemas con éxito. Por otro lado, el análisis debe tomar en
cuenta el aspecto de múltiples criterios, que es común en este tipo de problemática.
El objetivo del estudio es de ayudar al responsable de producción a la toma de decisiones al encontrar
mejores soluciones para la planeación de la producción y proponer métodos o herramientas que
permitan progresos en la solución de problemas de decisión en donde los diferentes puntos de vista, a
menudo contradictorios, deben ser tomados en cuenta.
Tomando en cuenta los resultados presentados con anterioridad sobre el problema de concepción de
sistemas de fabricación flexible, los algoritmos genéticos multicriterio (MOGA), serán tomados en
cuenta. La figura 4 presenta la metodología básica del estudio. Las soluciones obtenidas pueden ser
simuladas de forma detallada por MELISSA con el fin de anexarlas a la base de datos original. Un
ejemplo de una pequeña fabrica, pero reproduciendo fidedignamente el proceso global de lafabricación de componentes electrónicos sirve de ejemplo en este estudio para validar la metodología
propuesta.
El capitulo 5 esta consagrado a la aplicación de la metodología a un modelo de fabricación industrial
de mayor envergadura, a fin de justificar plenamente las aportaciones de este trabajo. Finalmente
presentamos las conclusiones de esta investigación y presentamos las perspectivas.Sommaire
11. Introduction et position du problème
3 1.1 Présentation des ateliers de fabrication de semi-conducteurs
1.1.1 Principes généraux 3
1.1.2 Procédés de fabrication des composants électroniques 5
7 1.2 Résolution du problème d ? ordonnancement
1.2.1 Formulation du problème 7
1.2.2 Méthodes classiques de résolution du problème d ordonnancement 7
1.2.2.1 Approches par optimisation 7
1.2.2.2 Approches par simulation 9
1.2.2.3 Couplage simulation-optimisation 15
16 1.3. Méthodologie multicritère d aide à la décision en ordonnancement
2. Simulation par événements discrets d un atelier de fabrication de composants
19électroniques
19 Introduction
21 2.1 Rappel de la méthodologie retenue
23 2.2 Simulation par Événements Discrets (SED)
2.2.1 Principes généraux 23
2.2.2 Logiciels de simulation d ateliers discontinus 23
2.2.3 Présentation du Simulateur MELISSA 24
25 2.3 Fonctionnement du simulateur MELISSA
2.3.1 Principes de la simulation avec MELISSA 25
2.3.2 Architecture générale de MELISSA 25
2.3.2.1 Le module d entrée 26
2.3.2.2 Phase de linéarisation 26
27 2.4 Application à un atelier didactique
2.4.1 Présentation de l atelier 27
2.4.2 Données de l atelier 28
2.4.3 Hypothèses de fonctionnement de l atelier 29
2.4.4 Entrées du simulateur 30
2.4.5 Calcul des critères de performances 32
2.4.5.1 Taux d utilisation moyen (TUM). 33
2.4.6.2 Temps de séjour moyen (TSM) 35
2.4.6.3 Écart type de temps de séjour moyen 35
2.4.6.4 Lots en cours de fabrication (EN) 35
2.4.6.5 Nombre de fois où des lots sont stockés (TS) 36
2.4.6.6 Moyenne des temps d attente (MTA) 36
36 2.5 Simulations
2.5.1 Analyse de sensibilité des variables 39
2.5.2 Plan d expériences pour la construction de la base de données 40
?
?
?
?
?
?
?
?
?
?
? 2.5.3 Résultats de simulation 41
2.5.4 Analyse des indicateurs de performance de l atelier 41
2.5.4.1 Taux d utilisation moyen (TUM) 41
2.5.4.2 Temps de séjour moyen (TSM) 42
2.5.4.3 Écart type de TSM (