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 :
- Inspections des avions sur l’aire de trafic.
- L’approbation, qui signifie que toutes les inspections ainsi que le réapprovisionnement en carburant sont terminés.
- L’évaluation et la destruction de tout code de maintenance téléchargé depuis l’avion.
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.
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.
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 :
- D’enregistrer les caractéristiques des flux de travail actuels.
- D’explorer les alternatives à ces flux de travail.
- De prévoir l’impact de ces alternatives.
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 :
- Lorsqu’ils exécutent les tâches qui leur incombent, les employés ne suivaient pas une méthode de travail linéaire. C’est pour cette raison que les actions dans le flux de travail n’étaient pas synchronisées et étaient parfois présentes en parallèle.
- Des interdépendances entre les tâches ont été détectées qui n’étaient pas évidentes lorsque l’on observait les différentes parties du processus individuellement.
- En observant l’intégralité du parcours du processus plutôt qu’un seul des éléments qui le composent, il a été possible d’identifier les véritables facteurs ayant une influence sur le délai de rotation.
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)