1. Projet de Fin d’Année
Optimisation et informatisation d’un
système de production reconfigurable
Soutenu le 06-05-2012
Réalisé par :
Afef BEN SAAD Marwa BOUSSETTA
Rahma SGHAIER Emna MONES
Encadré par : Mme Sonia HAJRI-GABOUJ
2. Introduction
Problématique posée
Plan d ’actions
Approche génétique proposée pour la recherche de
configurations
Développement d’un système informatisé pour l’évaluation
des configurations
Conclusion et perspectives
3. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
Un système de production porte à transformer un ensemble de
matières premières ou de composants semi-finis en produits finis Mondialisation
Concurrence
Nouvelles
conditions
de marché
Variété de produits Capacité
DML FMS
Structure fixe Structure fixe
Capacité fixe Capacité fixe
Flexibilité non Flexibilité oui
Convertibilité non Réponse Convertibilité oui
Usinage séquentielle et Usinage séquentielle
rapide
ou simultanée
Haute productivité Haute flexibilité
RMS
Structure changeable , Capacité changeable , flexibilité juste
nécessaire, Convertibilité oui, Usinage séquentielle et ou simultanée
3
4. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
Les RMS sont conçus pour assurer un changement rapide de structure
aussi bien des composants que des logiciels. Il vise à répondre à des
exigences variables et d’assurer une fonctionnalité et une productivité
ajustable. Les concepts de reconfigurabilité sont établis par 6 principes :
Modularité
Intégrabilité
Convertibilité
Extensibilité
Personnalisation
Diagnosabilité
4
5. Algorithme Système Conclusion et
Introduction Problématique
Capacité génétique informatisé perspectives
Concurrence Mondialisation
Nouvelles
conditions
de marché
RMS
Variété de produits Capacité
LMD
DML FMS
Structure fixe Structure fixe
Capacité fixe Capacité fixe
FMS
Flexibilité non Flexibilité oui
Convertibilité non Réponse Convertibilité oui
Usinage séquentielle et Usinage séquentielle
rapide
ou simultanée
Fonctionnalité
Haute productivité Haute flexibilité
RMS
Structure changeable , Capacité changeable , flexibilité juste
nécessaire, Convertibilité oui, Usinage séquentielle et ou simultanée
5
7. Proposer une approche génétique permettant de générer plusieurs
solutions performantes et correspondant aux configurations données selon
l’indicateur Cmax
Proposer un outil d’évaluation d’efficacité des solutions fournies selon
des indices de performance choisis.
Concevoir et développer une base de données rassemblant toutes les
informations de production.
Développer une interface graphique qui va interagir avec la base de
données et l’outil d’évaluation des performances.
8. Algorithme Conclusion et
Introduction Problématique Système informatisé
génétique perspectives
Les algorithmes génétiques font partie de la famille des algorithmes
évolutionnaires.
Avec ce type d’algorithmes, il ne s’agit pas de trouver une solution analytique
exacte mais de trouver une bonne solution satisfaisante dans un temps de
calcul raisonnable.
Ils travaillent sur un ensemble de solutions candidates, appelé
« Population" d’individus ou chromosomes.
Un chromosome est un ensemble d’éléments, appelés "gènes", qui peuvent
prendre plusieurs valeurs, appelées "allèles" 8
9. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
Génération d’une
population initiale de
taille constante N
Évaluation des N individus
Sélection
Croisement
jusqu’à
critère d’arret
Mutation
Evaluation des individus
enfants
Arret
?
Oui
Géneration de Np solutions
9
10. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
Un chromosome peut être codé de manière :
Binaire
Symbolique
Nous avons retenu le codage symbolique ,car il est le plus adapté a notre
problème. C1 C2 C3
10
11. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
GÉNÉRATION DE LA POPULATION INITIALE
La population initiale peut être choisie :
aléatoirement
Par des heuristiques
Par un mélange de solutions aléatoires et heuristiques
11
12. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
EVALUATION
Une fonction d’évaluation F est utilisée pour mesurer les
performances de chaque individu.
Fi = Cmax
12
13. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
SÉLECTION
La sélection détermine quels membres d’une population survivent et se reproduisent
Nous avons retenu la sélection par la roue biaisée
F1= 0.2 F2=0.55 F3=0.1 F4=0.15
15% 20% Individu 1
10% Individu 2
Individu 3
55% Individu 4
13
14. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
CROISEMENT
Le croisement permet d’enrichir la population en manipulant
les composantes des chromosomes
Un croisement est envisagé avec deux parents et génère un
ou deux enfants.
Il est appliqué avec une probabilité Pc
14
15. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
CROISEMENT
Parent 2
Parent1
Enfant1 Enfant 2
15
17. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
Interface
graphique Evaluation des
Base de données
VB performances
ACCESS
ARENA
17
18. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
DÉVELOPPEMENT D’UNE BASE DE DONNÉES
Diagramme de classe UML
18
19. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
Pour implémenter la base de données , on a utilisée le logiciel Access
19
20. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
EVALUATION DES PERFORMANCES À L’AIDE D’UN
OUTIL DE SIMULATION
On a choisi d’effectuer l’évaluation de performances à laide du logiciel
de simulation de flux ARENA
L’évaluation est basé sur les deux indicateurs de performance :
La productivité « Throughput »
Le temps moyen de fabrication
20
21. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
C’est le chef de file dans le domaine des progiciels de simulation
Configuration 1 Configuration 2
.Il offre une réponse complète pour la simulation et l’optimisation
des flux et des processus industriels
Configuration 3 Configuration 4
21
22. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
22
23.
24. Algorithme Système Conclusion et
Introduction Problématique
génétique informatisé perspectives
Développement d’une interface graphique
Le système informatisé s’articule autour de la base de données développé sous
ACCESS et l’outil de simulation ARENA interagissant à traves l’interface graphique
suivante :
Interface homme machine développé sous VB
24
25. CONCLUSION ET PERSPECTIVES
Nous avons conçu un algorithme génétique permettant
l’optimisation d’un atelier de production reconfigurable
Nous avons développé un système informatisé d’évaluation de
performances en :
- Implémentant une base de données , modélisé UMLpar
ACCESS
- Utilisant un logiciel de simulation de flux Arena
- Développant une interface graphique sous Visual basic
25
26. Perspectives
Implémenter l’algorithme génétique sous Visual C++
Tester l’algorithme avec différents scénarios pour sa
validation
Intégrer l’algorithme génétique dans le fonctionnement du
système informatisé pour générer des nouvelles configurations .
26
