Amélioration du processus de maintenance d’avions grâce à la modélisation multi-agents AnyLogic

Amélioration du processus de maintenance d’avions grâce à la modélisation multi-agents AnyLogic

Problème :

Il nous arrive tous de prendre l’avion sur des lignes commerciales de temps en temps. Cependant, nous ne savons pas à quel point la maintenance des avions peut être complexe. Le processus de rotation pour maintenance des appareils militaires (le délai entre le moment où l’avion touche le sol, est réapprovisionné en carburant et en armements, puis inspecté, afin d’être remis en service) est encore plus complexe et, en plus d’être plutôt long, il comprend de nombreux flux de travail en parallèle et interactions. De plus, il est nécessaire de disposer d’une main d'œuvre qualifiée pour maintenir le processus de rotation à un niveau soutenable, ce qui entraîne forcément des coûts.

Des ingénieurs de Lockheed Martin, une des plus grandes sociétés dans les secteurs de l’aérospatiale, de la défense, de la sécurité et des nouvelles technologies, se sont servis de la modélisation par simulation AnyLogic pour essayer d’améliorer la prise de décisions dans l’ensemble du processus de rotation des avions militaires et évaluer l’impact des modifications apportées au processus sur le délai de rotation.

Solution :

Pour compléter le modèle, les trois principaux éléments du processus de délai de rotation devaient être pris en compte :

Une fois ces processus clarifiés, une application mobile a été développée afin de permettre l’enregistrement, la validation et la compréhension des processus à chaque étape de la maintenance. Cet outil de collecte de données a été utilisé par les observateurs qui surveillaient le personnel chargé de la maintenance. L’application a été modifiée plusieurs fois au cours du projet.

Application de modèle de processus d’entreprise par simulation

Pour chaque étape du flux de travail, les acteurs, les ressources, les dépendances ainsi que toutes les autres données servant à définir les processus ont été identifiés. Les données nécessaires pour élaborer le modèle incluaient les heures de début et de fin de chaque tâche. En plus de ces heures de début et de fin, il était important d’offrir une capacité d’enregistrement audio afin de capturer les activités qui ne figuraient pas dans l’application. Par exemple, les observateurs ont pu enregistrer la raison pour laquelle une tâche a pris plus longtemps que prévu, ou bien enregistrer qu’ils ont malencontreusement appuyé sur le bouton « Démarrer ». Cela a permis de rendre l’application de collecte des données particulièrement flexible et adaptable.

L’étude du processus de rotation des avions a montré que la modélisation multi-agents et l’environnement de simulation nécessitaient d’inclure des capacités d’expérimentation et de présentation. L’outil de modélisation par simulation AnyLogic répondait à ces exigences. De plus, la visualisation du processus dans le modèle a permis sa présentation à tous les niveaux hiérarchiques, des développeurs à la haute direction.

 Modèle multi-agents par simulation

Ensuite, les agents, ressources et tâches identifiés durant l’étape de modélisation du processus ont été implémentés au sein du flux du processus dans AnyLogic, en plus de nombreuses visualisations. Ensuite, des modèles de référence des processus « tels qu’ils étaient mis en place » ont été développés. Ils ont été exécutés de manière itérative en mode déterministe à des fins de débogage, ainsi qu’en mode Monte Carlo, à une et à plusieurs exécutions. Les résultats ont ensuite été comparés avec ce qui avait été observé sur les sites.

Après validation et actualisation, un modèle multi-agents stochastique a été en mesure de capturer les processus dynamiques et en interaction, qui composent le processus de rotation. Pour rendre ce dernier plus efficace, des expériences ont été menées afin d’évaluer quantitativement l’impact des changements apportés au processus, que ce soit par la suppression d’étapes du processus, par la réduction du temps nécessaire à la réalisation d'une étape du processus ou par la redéfinition des portions du processus.

Les expériences réalisées avec ce modèle ont permis :

Conclusions :

Les nombreuses expériences réalisées avec le modèle, notamment à l’aide de la méthode Monte Carlo, ont permis d’obtenir des suggestions, qui montrent quelles sont les modifications du processus qui feraient le plus de différence, ainsi que l’étendue potentielle de cette différence. Les approches de modélisation et de simulation d’AnyLogic ont non seulement permis de modéliser les interactions personnes/machines/postes de travail, mais elles ont également permis de faire un suivi des spécificités des flux de travail, qui étaient inconnues avant l’expérience :

Grâce à tout cela, les ingénieurs ont pu observer les goulets d’étranglement du processus de rotation, proposer des modifications pour le flux de travail et présenter des améliorations de taille pour le processus de rotation des avions.

Télécharger l’étude de cas complète (PDF)

Amélioration du processus de maintenance d’avions grâce à la modélisation multi-agents AnyLogic
Présentation du projet par Nadya Belov, Senior Researcher chez Lockheed Martin

Études de cas similaires

Plus d’études de cas