Data science et algorithmes avancés d’optimisation pour la planification d’atelier

Avec l’avènement des ERP et le développement de la puissance de calcul des ordinateurs, la planification de type MRP2 (Manufacturing Resource Planning) s’est démocratisée. Elle est désormais utilisée, dans sa version complète ou dégradée, dans de nombreuses sociétés. Le principe de cette approche réside dans la résolution à trois niveaux (S&OP, PDP et Ordonnancement) de problèmes prenant en compte trois contraintes : le respect des capacités, des délais et des approvisionnements.

Les outils de type MRP2 sont de simples calculettes qui prennent en entrée le besoin client, certaines données de gestion (nomenclatures, gammes opératoires, tailles de lot, sécurités, etc.) et restituent un plan, qui est généralement infaisable dans les ateliers avec tout le stress que cela génère. Pour obtenir un plan faisable, divers acteurs (planificateurs, ordonnanceurs, etc.) s’affairent pour construire tant bien que mal le meilleur plan possible en tenant compte des contraintes et des leviers à disposition tels que les stocks, les horaires de travail, la sous-traitance, etc.

On comprend bien que c’est complexe et aussi que le niveau de complexité augmente lorsque les leviers deviennent à leur tour des contraintes (p.ex. minimiser le stock en fin de mois en respectant les contraintes ci-dessus). C’est tellement complexe que les solutions obtenues sont largement sous-optimales, voire enfreignent une ou plusieurs contraintes avec toutes les conséquences de perte d’efficience et de rentabilité que l’on peut imaginer.

Dans ce cours, nous allons voir comment les méthodes d’intelligence artificielle et d’optimisation combinatoire (algorithmes génétiques, taboo, recuit simulé, réseaux de neurones, etc.) peuvent nous aider à traiter plus aisément des problèmes d’ordonnancement et de planification complexes sous contrainte et à obtenir des solutions optimisées avec moins d’efforts.

Direction, responsables industriels, responsables de production, responsables de planification et ordonnancement, chargés méthodes et industrialisation. Toute personne amenée à avoir un impact sur le pilotage industriel court, moyen et long terme de l’entreprise.

I. Introduction

• Présentation du sujet et de ses enjeux

II. La planification MRP2

• Principes de la planification MRP2 : les trois niveaux de planification (S&OP, PDP, Ordonnancement) et les les contraintes prises en compte : capacités, délais, approvisionnements
• Les limites de la planification MRP2 : les difficultés liées à la résolution des problèmes et le rôle des acteurs dans l'élaboration d'un plan faisable

III. L'intelligence artificielle pour la planification et l'ordonnancement

• Introduction à l'intelligence artificielle et à l'optimisation combinatoire, quelques librairies python open source
• Les différentes méthodes d'optimisation combinatoire : algorithmes génétiques, taboo, recuit simulé, réseaux de neurones, etc.
• Les avantages et les limites de l'utilisation de l'intelligence artificielle dans la planification et l'ordonnancement

IV. Études de cas

• Présentation de cas d'utilisation des méthodes d’'intelligence artificielle et d’optimisation combinatoire

1) Planification sous contraintes multi-ateliers et multi-gammes

2) Ordonnancement d’un flow shop dans le but de minimiser les stocks en fin de mois

• Analyse des résultats obtenus
• Discussion des avantages et des limites de chaque méthode utilisée

V. Conclusion

• Synthèse des enseignements
• Perspectives et évolutions futures de la planification et de l'ordonnancement
• Mise en perspective des enjeux économiques et environnementaux