Demandez si le logiciel sait modéliser votre usine

La démo mène avec l'algorithme

La démo typique d'un logiciel d'ordonnancement mène avec l'algorithme. Une diapositive sur la façon dont la recherche trouve de meilleurs plannings de production et dont les benchmarks ne cessent de s'améliorer. C'est le discours facile, et c'est le même discours pour chaque usine dans la salle. La question que personne ne pose dans la démo est celle qui décide si l'outil fonctionne du tout : peut-il contenir les faits physiques de cette usine ? Une étape batch alimentant une étape continue, un changement de série qui prend trois fois plus de temps dans un sens que dans l'autre, vingt minutes pour pomper de la matière entre les étapes, un calendrier d'équipes qui ferme le vendredi soir. Si le modèle ne peut pas contenir ces faits, l'algorithme astucieux optimise une usine qui n'existe pas.

Des plannings optimaux sur le papier, morts sur le terrain

La littérature sur l'ordonnancement documente depuis des décennies l'écart entre les plannings optimisés et ceux qui sont exécutés. La théorie optimise sous des hypothèses statiques et déterministes ; le terrain vit une réalité dynamique et stochastique. Quand un planning de production ne survit pas au contact avec l'atelier, la réponse standard est de réordonnancer, ce qui peut retarder ou invalider le travail qu'il était censé protéger. L'instabilité des plannings de production est un phénomène étudié. Quand le planning ne cesse de bouger, les gens qui font tourner la ligne cessent de lui faire confiance, et l'énergie part dans la poursuite des révisions. Aucune statistique n'est nécessaire ; les responsables d'usine ont vécu cela. La sophistication de l'optimiseur se mesure sur un modèle simplifié, tandis que le terrain vit la réalité compliquée. L'écart entre les deux est un écart de modélisation.

Le vrai test, c'est le modèle, pas l'optimiseur

Le facteur décisif dans le choix d'un logiciel d'ordonnancement est donc la fidélité du modèle, pas la sophistication de l'optimiseur. La fidélité du modèle, c'est la fidélité avec laquelle l'outil représente le processus : le comportement des étapes batch par rapport aux étapes flow, la direction des changements de série, les délais de transfert et de passation, les calendriers d'équipes et les indisponibilités. La sophistication de l'optimiseur, le langage de l'optimisation, c'est le discours de l'algorithme : l'intelligence que l'optimiseur paraît avoir quand le fournisseur le présente. Un outil d'ordonnancement n'est digne de confiance que dans la mesure du modèle de processus sous l'optimiseur. Un optimiseur puissant sur un modèle qui ne peut pas représenter la physique de l'usine produit des plannings inexécutables, quoi que prétende le discours.

Cinq faits physiques qu'un ordonnanceur doit contenir

Qu'est-ce que « représenter le processus » signifie en pratique ? Cinq faits physiques. Posez-les à n'importe quel outil.

Des étapes batch et flow dans une même gamme. Un mélangeur travaille par lots sur un cycle ; une remplisseuse tourne à un débit horaire, et une gamme contient les deux. L'outil peut-il contenir la physique de chaque étape, ou force-t-il une vitesse de ligne unique mélangée ?

Des changements de série dont le sens compte. Passer d'un produit à un autre prend un temps différent du retour. Dans les réglages illustratifs ci-dessous, le rinçage poussé vers un produit clair prend beaucoup plus de temps que le rinçage dans l'autre sens. L'outil peut-il contenir une valeur de changement de série qui diffère selon le sens ?

Des délais de transfert et de passation. La matière met du temps à se déplacer entre les étapes, par pompe, convoyeur ou chariot élévateur. L'outil peut-il enchaîner un démarrage en aval sur une fin en amont plus le temps de transfert, ou la matière arrive-t-elle instantanément ?

Des calendriers d'équipes, des exceptions et des indisponibilités. Les nuits, les week-ends, les jours fériés et les arrêts programmés sont des faits de capacité. L'outil peut-il planifier le travail dans les fenêtres travaillées, ou planifie-t-il en temps écoulé comme si l'usine ne s'arrêtait jamais ?

Une attente visible quand la ligne est affamée. Quand une étape en aval dépasse l'approvisionnement en amont, le planning de production doit montrer une attente, pas supposer que la matière était déjà là. L'outil peut-il montrer l'affamement ?

Un outil qui ne peut pas contenir l'un de ces faits produit des plannings de production que le terrain ne peut pas suivre.

Ce que valent les cinq faits en réglages

Les cinq faits ne sont pas des abstractions. Chacun est une valeur qu'une usine peut énoncer et qu'un outil peut contenir ou perdre. Notez les vôtres avant toute démo, dans les unités que votre usine utilise. Les valeurs ci-dessous sont illustratives et propres à une usine ; les vôtres différeront.

Demandez maintenant ce que fait un outil quand il ne peut pas contenir l'un d'eux. Un modèle qui fond une étape batch et une étape flow en une seule vitesse de ligne planifie l'étape rapide contre un approvisionnement que l'étape lente ne peut pas fournir. Un modèle qui porte une seule valeur de changement de série pour les deux sens traite la transition longue et la courte de la même façon, et une semaine qui tient sur le papier ne tient pas sur le terrain. Un modèle qui déplace la matière instantanément entre les étapes démarre l'étape en aval à la minute où l'étape en amont a fini. Un modèle qui planifie en temps écoulé traite les nuits et les week-ends comme des heures de travail, et un planning de trois jours devient un planning de cinq jours.

Aucun de ces éléments n'est exotique, et chacun déplace le planning de production à sa façon. Ensemble, ils produisent un planning que le terrain ne peut pas exécuter. Aucun optimiseur sur un tel modèle ne peut se rattraper, parce que le modèle n'a jamais contenu les faits qui auraient exposé l'erreur.

L'optimiseur est borné par le modèle

L'optimiseur est borné par le modèle, et c'est exactement ainsi que fonctionne Schantt. L'algorithme d'ordonnancement ne peut agir que sur ce que le modèle représente. En mode Auto, l'outil peut réordonner la séquence de production, regroupant les produits pour que les longs changements de série deviennent rares ; cela ne fonctionne que parce que le modèle contient des valeurs de changement de série directionnelles. En mode Semi-Auto, l'usine fixe la séquence de production et le logiciel optimise le reste : quelle machine, quel jour, quand chaque lot démarre. Dans les deux modes, l'objectif est le temps de production total calculé sur la physique modélisée, y compris les cycles de lot, les changements de série, les transferts, les calendriers et les attentes. L'algorithme ne vaut que ce que vaut le modèle de processus sous lui.

Fidélité et tenue des données s'achètent ensemble

La profondeur de modélisation et la maintenance des données s'achètent ensemble. Le test de fidélité inclut donc une question sur la saisie des données : les valeurs propres de l'usine (temps de changement de série, vitesses de ligne, tailles de lot, temps de transfert et gamme de fabrication) peuvent-elles même être saisies et tenues à jour ? Schantt prend en charge la saisie en masse avec validation, si bien qu'un classeur de valeurs se charge en un seul passage. Mais le planificateur possède les nombres. L'outil importe et valide ; il ne les mesure ni ne les maintient. Un modèle précis alimenté par des temps de changement de série périmés est un modèle précis de l'usine de l'année dernière. Un planning de production ne vaut que ce que valent les données sous lui.

Quand la sophistication de l'optimiseur gagne légitimement

Certaines usines sont réellement statiques. Avec un mix de produits stable, des étapes équilibrées et une généreuse capacité tampon entre elles, le modèle d'ordonnancement statique et déterministe s'applique, et la sophistication de l'optimiseur peut faire la différence. L'affirmation de cet article est que la fidélité compte au moins autant, pas qu'elle gagne toujours. Si la physique de votre usine est modérée, comparez librement les algorithmes. Si elle est réelle, comparez d'abord les modèles.

Appliquez d'abord le test de fidélité du modèle

Appliquez donc le test de fidélité du modèle avant de comparer les discours d'algorithmes. L'outil peut-il représenter des étapes batch et flow dans une même gamme ? Peut-il contenir une valeur de changement de série qui diffère selon le sens ? Peut-il enchaîner un démarrage en aval sur une fin en amont plus un temps de transfert ? Planifie-t-il dans les calendriers d'équipes et les indisponibilités, et montre-t-il une attente quand la ligne est affamée ? Si le modèle ne peut pas contenir la physique de l'usine, aucun optimiseur dessus ne peut être digne de confiance, quoi que prétende la diapositive de benchmark. Le discours de l'algorithme vaut la peine d'être entendu. Il ne vaut pas la peine d'être entendu d'abord. La fidélité du modèle est le test qui vous dit si le reste de la conversation porte sur votre usine, ou sur une usine qui n'existe pas.