Comment découvrir, comprendre et interpréter les performances d'un système de production – une méthode visuelle : « le plan des préférences »

Auteurs

DOI :

https://doi.org/10.53102/2003.22.04.430

Mots-clés :

Gestion de production, Indicateurs de performance, Paramètres d'action, Simulation , Plan des préférences, Visualisation, Extraction de connaissances, Analyse multicritère

Résumé

Le contexte général de cette étude est le paramétrage du système de production. Il s'agit de réguler le flux physique en fonction d'objectifs, habituellement exprimés en valeurs d'indicateurs de performance. Le pilotage de la performance passe par la maîtrise des conséquences des choix effectués. Il devient alors crucial de comprendre les effets potentiels des différentes décisions. Les approches existantes pour résoudre ce problème supposent toutes disposer d'un moyen de simulation capable d'estimer la valeur des indicateurs de performance pour chaque configuration des paramètres d'action qu'on lui soumet. Sur la base de ce postulat, et privilégiant l'utilisateur, nous proposons une démarche multicritère de compréhension et de représentation des relations entre paramètres et indicateurs d'un système donné. La particularité de la démarche proposée est de combiner analyse de la situation et expertise de l'utilisateur. L'instrumentation de la démarche se nourrit d'outils d'analyse de données et d'aide à la décision pour donner naissance à une visualisation originale de la structure des performances dans un plan, appelé « plan des préférences ».

Biographies des auteurs

David Damand, Humanis EM Strasbourg

David Damand est Maitre de Conférences en science de gestion à l’EM Strasbourg (Université de Strasbourg) et chercheur au laboratoire HUMANIS. Il enseigne la gestion de production. Ses travaux de recherche portent sur l’aide à la décision en planification de système de production et sur la conception d’entrepôt logistique.

Voir plus

Marc Barth, INSA-Strasbourg, Humanis EM Strasbourg

Marc Barth est maître de conférences habilité à diriger les recherches à l’INSA de Strasbourg et son laboratoire d’accueil est Humanis de l’EM Strasbourg. Ses travaux concernent la modélisation pour la conception et l’amélioration des systèmes de la supply chain.

Voir plus

Références

[AND 81] Anderson J.R., 11Effect of Prior Knowledge in Memory for New Information", Memory and Cognition, Vol. 9, n° 3, p. 237-246, 1981.

[AYT 94] Aytug H., Koehler G.J., Snowdon J.L., "Genetie learning of dynamic scheduling within a simulation environment 11 , Computers & Operations Research, ISSN 0305-0548, Vol. 21, Iss 8, p. 909-25, oct., 1994.

[BAD 91] Badami V.S., Parks C.M., 11A classifier based approach to flow shop scheduling", Computers & Industrial Engineering, ISSN 0360-8352, Vol. 21, p. 329-33, 1991.

[BOU 92] Bouzid L., Mutel B, De Guio R., "Application of Conceptual Learning Techniques to Generalized GroupTechnology, Applied Artificial Intelligence, vol. 6, p. 443-458, 1992

[BOW 96] Bowden R., Bullington S.F., "Development of manufacturing control strategies using unsupervised machine learning", IIE Transactions, ISSN 0740-817X, Vol. 28, Iss 4, p. 319-31, 1996.

[BRA 85] Brans J.P., Vincke Ph., "A preference ranking organization method, the PROMETHEE method", Management Science, Vol. 31, p. 647-656, 1985.

[BRA 92] Brandimarte P, 11Neighbourhood search-based optimization algorithms for production scheduling: a survey", Computer-Integrated Manufacturing Systems, ISSN 0951-5240, Vol. 5, Iss 2, p. 167-76, 1992.

[BRO 85] Brockhoff K., "Experimental test of MCDM algorithms in a modular approach", European Journal of Operational Research, vol. 22, p. 159-166, 1985.

[BUC 87] Buchanan J.T., Daellenbach HG., "A comparative evaluation of interactive solution methods for multiple objective decision models 11 , European Journal of Operational Research, vol. 24, p. 353-359, 1987.

[BUL 94] Bulgak A.A., Diwan P.D., Inozu B., 11Buffer size optimization in asynchronous assembly systems using genetic algorithrns", Computers & Industrial Engineering, ISSN 0360-8352, Vol. 28, Iss 2,.p. 309-322, 1995.

[CHA 94] Chang T.-M., Yih Y, "Deterrnining the number of kanbans and lotsizes in a generic kanban system: a simulated annealing approach", International Journal of Production Research, ISSN 0020-7543, Vol. 32, Iss 8, p. 1991-2004, 1994.

[DAM 97] Damand D., Barth M., "La simulation pour l'aide au paramétrage en planification stratégique de la production", Modélisation et simulation des systèmes de production et de logistique, Hermès, Coordinateurs: M. Itmi, J.P. Pécuchet, H . Pierreval, N°ISBN 2-86601-623-8, 1997, p. 99-111.

[DAM 00] Damand D., "Assistance for the Control of Performance in Production Management : Characterization and Representation of Properties of a Production Process Described by a Decision Table", PhD memoir, University Louis Pasteur, decembre 2000.

[FLE 98] Fleury G., Gourgand M., "Genetie algorithms applied to workshop problems", International Journal of Computer Integrated Manufacturing, ISSN 0951-192X, Vol. 11, Iss 2, p. 183-92, 1998.

[GAR 95] Gardiner S.C., Blackstone J.H., "Setups and effective capacity: the impact of lot sizing techniques in an MRP environment", Production Planning and Control, ISSN 0953-7287, Vol. 6, Iss 1, p. 26- 38, févr., 1995.

[HO 95] Ho C.J., "Examining the impact of demand lumpiness on the lot-sizing performance in MRP systems", International Journal of Production Research, ISSN 0020-7543, Vol. 33, Iss 9, p. 2579-99, sept., 1995.

[HOC 92]Hoc J.-M., "Psychologie cognitive de la planification", Presses universitaires de Grenoble, ISBN 2-7061-0280-2, 1992.

[HUR 97]Hurrion R.D, "An example of simulation optimisation using a neural network metamodel: finding the optimum number of kanbans in a manufacturing system", Journal of the Operational Research Society, ISSN 0160-5682, Vol. 48, Iss 11, p. 1105-12, 1997.

UON 96] Jones C.V., "Vizualisation and Optirnization", Kluwer Academic, Publishers, 1996

[KEE 77] Keen P.G.W., "The evolving concept of optimality in multiple criteria decision Making", Management Science, vol. 6, p. 31-57, 1977.

[KER 96] Kern G.M., Wei J.C., "Master production rescheduling policy in capacity-constrained just-in-time make-to-stock", Decision Sciences, ISSN 0011-7315, Vol. 27, Iss 2, p. 365-87, 1996.

[KUI 93] Kuik R., Salomon M., Van Wassenhove L.N., Maes J, "Linear programming, simulated annealing and tabu search heuristics for lot sizing in bottleneck assembly systems", IIE Transactions, ISSN 0740-817X, Vol. 25, Iss 1, p. 62-72, 1993.

[KUR 95] Kurbel K., Rohmann T., "A comparison of job-shop scheduling techniques : simulated annealing, genetic algorithms and mathematical optirnization", Wirtschaftsinformatik, ISSN 0937-6429, Vol. 37, Iss 6, p. 581-93, 1995.

[LEB 97] Lebart L., Morineau A., Piron M., "Statistique exploratoire multidimensionnelle", Dunod, ISBN 2-10-004001-4, 1997.

[LEE 97] Lee I., Sikora R., Shaw M.J, "A genetic algorithm-based approach to flexible flow-line scheduling with variable lot sizes", IEEE Transactions on Systems Man and Cybernetics Part B

[Cybernetics], ISSN 1083-4419, Vol. 27, Iss 1, p. 36-54, 1997.

[LIN 94] Lin C., Madu C.N., Kuei C.H., "Experimental design and regression analysis in simulation: an automated flowline case study", Microelectronics and Reliability, ISSN 0026-2714, Vol. 34, Iss 5, p. 845-61, mai., 1994.

[MAR 98] Martin A.D., Te-Min Chang, Yeuhwern Yih, Kincaid R.K, "Using tabu search to determine the number of kanbans and lotsizes in a generic kanban system", Annals of Operations Research,ISSN 0254-5330, Vol. 78, Iss 2, p. 201-17, 1998.

[MIL 56] Miller G.A., "The Magic Number Seven, Plus or Minus Two : Sorne Limits on Our Capacity for processing Information", Psychology Review, p. 81-97, mars, 1956.

[MIN 85] Minifie J.R., Heard E, "On the generalizability of MRP simulation results", Engineering Costs and Production Economies, vol. 9, p. 211-217, 1985.

[MIN 86] Minifie J.R., Davis R..A., "Survey of MRP nervousness issues", Production and Inventory Management, vol. 17, p . 11-120, 1986.

[MOS 77]Moscarola J. Roy B., "Procédure automatique d'examen de dossiers fondée sur une segmentation trichotomique en présence de critères multiples", RAIRO Recherche opérationnelle, vol. 11, n°2, p. 145-173, 1977.

[NAR 88]Narasirnhan R., Vickery S.K., "An experimental evaluation of articulation of preference in multiple criteria decision making (MCDM) methods", Decision Sciences, vol. 19, p. 880-888, 1988.

[PAR 95] Paris J.L., Pierreval H., Tautou L., "Une méthode d'optimisation évolutioniste et son application à la gestion de production en juste-à-temps", Proceeding, International Conference on Industrial Engineering and Production Management, vol. 1, p. 43-52, Grenoble, France, 1996.

[POM93] Pomerol J.C., Barbara-Romero S. « Choix multicritère dans l'entreprise», principe et pratique, Hermes, Collection Informatique, 1993.

[RIC 98] Richard J.-F., " Les activités mentales, comprendre, raisonner, trouver des solutions", Editeur A. Colin, ISBN 2-200-21871-0, 1998.

[SAL 93] Salomon M., Kuik R., Van Wassenhove L.N., "Statistical search methods for lotsizing problerns", Annals of Operations Research, ISSN 0254-5330, Vol. 41, Iss 1-4, p. 453-68, 1993.

[SIM 55] Simon H.A., "A behavioral model of rational choice", Quaterly Journal of Economies, vol. 69, p. 99-118. Repris dans Models of Man, Wiley, New-York, 1957, p. 241-260.

[SRI 88] Sridharan V., Berry W.L., Udayabhanu V., "Measuring master production schedule stability under rolling planning horizons", Management Science, Vol. 33, p. 47-165, 1988.

[TAD 95] Tadei R., Della Croce F., Menga G, "Advanced search techniques for the job shop problern: a comparison", RAIRO Recherche Operationelle, ISSN 0399-0559, Vol. 29, Iss 2, p. 179-94, 1995.

[WAL 75] Wallenius J., "Comparative evaluation of somme interactive approaches to multicriterion optimization", Management Science, vol. 21, n°12, p. 1387-1396, 1975.

Téléchargements

Publiée

01-12-2003

Comment citer

Damand, D., Barth, M., & De Guio, R. (2003). Comment découvrir, comprendre et interpréter les performances d’un système de production – une méthode visuelle : « le plan des préférences ». Revue Française De Gestion Industrielle, 22(4), 97–124. https://doi.org/10.53102/2003.22.04.430

Rubrique

Article

Statistiques

Vues: 36
Téléchargements: 13