Problème
Le groupe Model développe, produit et fournit des solutions de packaging intelligentes, innovantes et de haute qualité en carton solide et ondulé. Elle opère sur 15 sites dans sept pays avec un total de 4 500 employés.
Dans leur usine de Weinfelden, en Suisse, ils produisent environ 200 types de produits par jour sur 19 machines différentes. Toute leur planification quotidienne était effectuée par quatre planificateurs de production, qui essayaient de déterminer le meilleur horaire pour chaque jour. Ces planificateurs se sont appuyés sur leur expérience pour prendre des décisions, mais n'avaient aucun moyen de valider et de comparer leurs calendriers conçus pour comprendre lequel était le meilleur.
Les planificateurs voulaient améliorer la planification de leur atelier de fabrication pour la rendre meilleure et plus efficace. La création d'un calendrier était un processus compliqué en raison des dépendances entre les éléments du système de la ligne de production.
Solution
ProSim est une entreprise qui travaille principalement avec des entreprises manufacturières et logistiques pour les aider à prendre de meilleures décisions commerciales à l'aide de données et de simulations. Ils travaillent également sur la simulation alimentée par l'IA, car ils y voient beaucoup de potentiel.
Pour résoudre le problème de planification de l'atelier de fabrication présenté par The Model Group, ProSim a développé un modèle de simulation AnyLogic intégrant différentes techniques de planification de l'atelier de fabrication afin de fournir un retour d'information sur les horaires proposés par les planificateurs.
Les planificateurs ont continué à créer manuellement les plannings, puis à les saisir dans le modèle, en les comparant et en les validant chaque jour. Les horaires étaient donc améliorés chaque jour.
Suite à cela, ProSim a décidé d'implémenter un agent d'IA avec le modèle de simulation afin de créer les plannings sans aucune intervention des planificateurs.
Cela a bien fonctionné et a donné de bons résultats, mais ils ont décidé de développer davantage cela en utilisant un algorithme génétique dans le modèle de simulation pour planifier les fabrications.
Un algorithme génétique résout un problème d'optimisation basé sur la sélection naturelle. Il y a une génération composée d'individus avec leurs propres forces et faiblesses. Grâce à cela, certains individus survivent, d'autres non. Ceux qui survivent essaient de produire de nouveaux individus mutés qui sont plus forts et meilleurs que ce qui les ont précédés.
Après cela, il y a toute une nouvelle génération, et ce processus se répète et se répète jusqu'à ce qu'il n'y ait plus de meilleurs individus. Dans ce cas, nous parlons de nouveaux horaires en tant qu'individus.
La première étape du processus de planification des tâches consiste à générer de manière aléatoire des planifications dans le modèle. Chaque fois que ce processus se produit, environ 200 planifications sont générées au début. Ensuite, à l'aide de l'algorithme génétique, les horaires sont améliorés à chaque génération.
Le modèle fonctionnera généralement pendant environ 100 générations, ce qui réduira le nombre de planifications à chaque fois. À la fin, le meilleur horaire sera disponible. L'utilisateur peut ensuite examiner la meilleure solution dans le modèle de simulation pour connaître plus en détail le calendrier de production, le temps total de configuration, le temps total de production et le temps de retard total.
Résultats
Parmi les techniques de planification d'atelier mises en œuvre, l'algorithme génétique s'est avéré produire de meilleurs résultats que la simulation alimentée par l'IA et la planification manuelle. Le calendrier de l'atelier de fabrication s'est amélioré de 18 % sur la base des indicateurs clés de performance définis par The Model Group. À l'heure actuelle, trois lignes de production ont été modélisées à l'aide d'un algorithme génétique dans le modèle de simulation, mais d'autres devraient être réalisées à l'avenir. ProSim continue également d'étudier à la fois la simulation alimentée par l'IA et les algorithmes génétiques pour résoudre davantage de problèmes.
L'étude de cas a été présentée par Patrick Kehrli de ProSim, lors de la conférence AnyLogic 2022.
Les diapositives sont disponibles au format PDF.
