1 / 30

Ligne d’Assemblage

Ligne d’Assemblage. Professeur Amar Ramudhin, ing. Ph.D. Introduction. Une ligne d’assemblage consiste en un nombre de station en série Types de ligne d’assemblage Ligne dédiée à une famille de produit Un modèle à la fois sur la ligne Ligne multi-modèles:

breck
Download Presentation

Ligne d’Assemblage

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Ligne d’Assemblage Professeur Amar Ramudhin, ing. Ph.D

  2. Introduction • Une ligne d’assemblage consiste en un nombre de station en série • Types de ligne d’assemblage • Ligne dédiée à une famille de produit • Un modèle à la fois sur la ligne • Ligne multi-modèles: • Plusieurs produits en même temps sur la ligne • Chaîne de montage synchronisée (Paced assembly line) • à vitesse constante, c.à.d chaque travaille C unité de temps • Le système de manutention va envoyer le produit à la station suivante même si l’opération n’est pas complétée… • Le temps de cycle C doit être ajusté pour tenir compte des variabilités des temps d’opérations • Chaîne de montage non synchronisée (Unpaced assembly system) • Durée de tâches variables

  3. Exemple Introduction Des Pièces Encours Ligne d’assemblage

  4. m1 m1 m1 m2 m2 m2 mn mn mn Ligne d’assemblage Flexible …. • Plusieurs stations en parallèle à chaque étape • Les commandes sont assignées à une station en fonction des besoins de la tâche et de l’encours aux stations • Système de manutention automatisée

  5. Formulation Mathématique • Taux de Production: P unité par période • Temps de Cycle C= 1/P • Note: si on a m lignes en parallèle alors • C=m/P • Contrainte de Préséance: • IP = {(u,v) : tâche u doit immédiatement précéder v} • Restrictions de zonage • ZS = ensemble de tâches qui doivent être assignées à la même station • ZD = ensemble de tâches qui ne peuvent être assignées à la même station • Variable binaire Xik • Prend la valeur 1 si la tâche i est assignée à la station k • Soit K le nombre maximale de station dans la ligne • Afin de minimiser le temps mort sur les stations on va forcer les tâches dans les stations ayant les numéros les plus bas • Soit cik, le coût d’assigner la tâche i dans la station k. La structure de cik est telle que: • Ncik≤ ci,k+1, pour k=1,…K-1

  6. Modèle de Programmation Mathématique Contraintes Temps de Cycle Assignation des tâches Contrainte de préséance Contraintes de Zonage

  7. Modèle de Programmation Mathématique • Contrainte de préséance • Exemple: 3 stations; • la tâche 2 doit précéder la tâche 3 • X31≤ X21 • X32 ≤ X21 + X22 • X33 ≤ X21 + X22 + X23 • Contrainte de zonage 5) est non linéaire • Agréger les tâches qui doivent être faites à une même station en une super tâche • Élimine la contrainte 5) • Nombre min de station: • ┌ T/C ┐ • Où T = ∑ti

  8. Solutions Heuristiques • En pratique on veut trouver une solution à un des problèmes suivants: • Étant donné un temps de cycle trouver le nombre minimum de station (ou de personnes) sachant pour chaque tâche son temps d’opération, ses préséances et les restrictions de zonage • Étant donné un nombre de station, trouver le temps de cycle minimal

  9. C – temps de cycle Sk – ensemble de tâches assignées à la station k=1,…,M ti – temps d’opération de la tâche i, i=1,…,N T – temps total disponible pour la séquence d’assemblage requis Q – La quantité requise C = T/Q Restrictions: 1 ≤ M ≤ N : Moins de stations que de tâches ti ≤ C Efficacité de la ligne: Efficacité de la station k Notations

  10. 3 13 2 3 1 5 4 5 5 2 Algorithme de Helgeson-Birnie (HB) • Assigner les opérations aux stations selon leurs poids de ‘positionnement’ en considérant les contraintes de préséance, de zonage et de temps. • Poids de positionnement d’une tâche i: • Somme des temps de i et de toutes les tâches qui succèdent i • e.g. poids tâche 1 = 5+13+3+5+2 = 28

  11. Autres règles • On peut utiliser les règles suivantes au lieu du poids de positionnement dans l’assignation des opérations au stations: • + grand nombre des successeurs d’un nœud; • + grand nombre de successeurs immédiats; • + grand poids des successeurs immédiats; • On peut combiner des règles: • Exemple: • + grand poids en premier. Si égalité choisir l’opération ayant le plus grand temps d’opération

  12. Exemple Temps de Cycle: 21

  13. Exemple: Résolution à l’aide de la procédure de HB • - Temps de cycle :21- Nbre min de station : 105/21 = 5 • Efficacité de la ligne: (105)/(6*21) = .833 • Éfficacité de la 6ième station 2/21 = .095

  14. Station 1 Operations: 1 – 3- 4- 2 Temps total: 21 Station 2 Operations: 5-7-6 Temps total: 21 Station 3 Operations: 8-9-11-12-10-15 Temps total: 22 Station 4 Operations: 13-16-17 Temps total: 21 Station 5 Operations: 18-21-14-20-19 Temps total: 20 Éfficacité ? Exemple avec Temps de Cycle de 22

  15. Approche par Région • Le problème avec l’approche précédente • une tâche ayant un poids élevé peut s’avérer moins critique qu’une tâche ayant beaucoup plus de successeurs mais avec des temps d’opérations moindre • Approche par région tends à corriger cette situation

  16. Approche par Région • Développer le réseau de préséance • Assignation des régions de préséance: • Redessiner le réseau en assignant les tâches aux régions de préséance les plus éloignés • Dans une région lister les tâches en ordre décroissant des durées • Laisse les petites tâches pour la fin • Assigner les tâches en suivant les règles suivantes (en considérant les autres contraintes de zonages, etc.) • Les tâches des régions les plus à gauche en premier • À l’intérieur d’une région, la plus grande tâche en premier • À la fin d’une assignation pour une station, décider si l’utilisation est acceptable • Si non parmi l’ensemble des tâches qui reste dont les prédécesseurs ont été assignés, • trouver le sous-ensemble des tâches dont les prédécesseurs sont dans des régions plus à gauche que les tâches assignées. Inter changer les tâches et déterminer s’il y a augmentation de l’utilisation. • Si oui la nouvelle assignation est finale

  17. Ligne d’assemblage mixte • Lorsque différents produits sont assemblés sur une même ligne on peut assumer qu’il y a une grande similarité entre les produits • Plusieurs tâches communes • Construire le réseau combiné

  18. Produit 1 3 4 Réseau combiné Produit 2

  19. tâches temps tâches temps 1,4,5 7 1 1 9 3 8,9 7 6 6 0 2,3 9 3 4 7,11 5 10,7,11 10 Résultat avec le réseau Combiné • En appliquant l’algorithme de HB avec C=10 sur le réseau combiné on a le résultat suivant: Efficacité: (39*100)/(5*10) = 78% tâches temps 1,4,5 7 8,9 7 6 6 2,3 9 10,7,11 10 Produit 1: Efficacité: (22*100)/(5*10) = 44% Produit 2: Efficacité: (30*100)/(5*10) = 60%

  20. Procédure améliorée • En réalité, il y a seulement un produit différent par poste • Donc diminution de l’efficacité • Solution logique • Accumuler les temps des tâches assignées par produits séparément

  21. Autre méthode pour ligne multi-modèle • Posons où est la proportion du modèle j à produire • Utiliser le temps moyen pour construire la ligne. • Soit • dj : demande du modèle j • Demande totale: D=j dj • T: Horizon de planification • : temps de l’opération i du modèle j

  22. Lissage et Ordonnancement des modèles d’une ligne mixte • Le temps de cycle minimal est: • Où est l’ensemble de tâches assignées à la station k • Le temps d’introduction idéal pour la nième unité du modèle j est • On peut trouver la séquence mixte en fusionnant les temps de début des séquences individuelles en une seule séquence non avec des temps de début non-décroissant. • Les unités de production sont introduites dans la chaîne à chaque c unité de temps.

  23. Exemple • T = 4 heures (240 mins) • 3 modèles de voitures: • 10 sedan (S) • 6 hachback (H) • 4 station wagon (W) • Total de 20 voitures • C = 240/20 = 12 minutes • Temps d’introduction en considérant les modèlesséparément: • Sedan: 240/10 : à chaque 24 minutes • Temps d’entrée: 0,24,48,72,96,120,144,168,192,216 • Hachback: 240/6 : à chaque 40 minutes • Temps d’entrée: 0,40,80,120,160,200 • Station wagon: 240/4 : à chaque 60 minues • Temps d’entrée: 0,60,120,180

  24. Résultat • Combiner les 3 vecteurs en un vecteur • en donnant priorité au modèle ayant la plus grande demande (en cas d’égalité) • S: 0,24,48,72,96,120,144,168,192,216 • H: 0,40,80,120,160,200 • W: 0,60,120,180 • Séquence résultants: • S-H-W-S-H-S-W-S-H-S-S-H-W-S-H-S-W-S-W-S

  25. Temps Stochastique • ti est normalement distribué avec moyenne μti et variance V(ti) • De la loi centré réduite on a: • t = μt + z(σt) • Donc pour une station, avec une probabilité α, la valeur du temps t est

  26. α=99.4% et donc z=2.5 Exemple avec α=99.4% Tâches en ordre décroissant de positionnement: B – A – C – D – E – F - G

  27. Solution Déterministe 3 Stations

  28. Solution Stochastique 5 Stations

More Related