présentation du pfa
Post on 08-Jul-2015
602 Views
Preview:
TRANSCRIPT
Projet de Fin d’Année
Optimisation et informatisation d’un
système de production reconfigurable
Réalisé par :
Afef BEN SAAD Marwa BOUSSETTA
Rahma SGHAIER Emna MONES
Soutenu le 06-05-2012
Encadré par : Mme Sonia HAJRI-GABOUJ
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
Un système de production porte à transformer un ensemble de
matières premières ou de composants semi-finis en produits finis
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
Nouvelles
conditions
de marché
Concurrence Mondialisation
Variété de produits Capacité
Structure fixe
Capacité fixe
Flexibilité oui
Convertibilité oui
Usinage séquentielle
FMS
Structure fixe
Capacité fixe
Flexibilité non
Convertibilité non
Usinage séquentielle et
ou simultanée
DML
Haute productivité Haute flexibilité
Structure changeable , Capacité changeable , flexibilité juste
nécessaire, Convertibilité oui, Usinage séquentielle et ou simultanée
RMS
Réponse
rapide
4
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
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
5
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
Nouvelles
conditions
de marché
Concurrence Mondialisation
Variété de produits Capacité
Structure fixe
Capacité fixe
Flexibilité oui
Convertibilité oui
Usinage séquentielle
FMS
Structure fixe
Capacité fixe
Flexibilité non
Convertibilité non
Usinage séquentielle et
ou simultanée
DML
Haute productivité Haute flexibilité
Structure changeable , Capacité changeable , flexibilité juste
nécessaire, Convertibilité oui, Usinage séquentielle et ou simultanée
RMS
Réponse
rapide
Ca
pa
cité
Fonctionnalité
LMD
FMS
RMS
6
Stock Chargement/Déchargement
Configuration 3
Stock Chargement/Déchargement
M1 M2Robot
Configuration 4
Stock Chargement/DéchargementStock Chargement/Déchargement
M3
M1 M2Robot
Configuration 1Configuration 2
M1 M4Robot
M2
M3
M1 M4Robot
M2
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
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"
Introduction Problématique Algorithme génétique
Système informatiséConclusion et perspectives
9
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
Génération d’une
population initiale de
taille constante N
Évaluation des N individus
Sélection
Mutation
Croisement
Evaluation des individus
enfants
Arret
?Oui
Géneration de Np solutions
jusqu’à
critère d’arret
10
Un chromosome peut être codé de manière :
Binaire
Symbolique
Nous avons retenu le codage symbolique ,car il est le plus adapté a notre
problème.
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
C1 C2 C3
GÉNÉRATION DE LA POPULATION INITIALE
11
La population initiale peut être choisie :
aléatoirement
Par des heuristiques
Par un mélange de solutions aléatoires et heuristiques
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
EVALUATION
12
Une fonction d’évaluation F est utilisée pour mesurer les
performances de chaque individu.
Fi = Cmax
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
SÉLECTION
13
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
20%
55%
10%
15%Individu 1
Individu 2
Individu 3
Individu 4
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
CROISEMENT
14
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
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
CROISEMENT
15
Parent1Parent 2
Enfant1 Enfant 2
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
MUTATION
16
21 77
Avant mutation
77
Après
mutation
17
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
Interface
graphique
VB
Evaluation des
performances
ARENA
Base de données
ACCESS
DÉVELOPPEMENT D’UNE BASE DE DONNÉES
18
Diagramme de classe UML
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
19
Pour implémenter la base de données , on a utilisée le logiciel Access
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
EVALUATION DES PERFORMANCES À L’AIDE D’UN
OUTIL DE SIMULATION
20
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
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
21
Configuration 1
Configuration 3 Configuration 4
Configuration 2
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
C’est le chef de file dans le domaine des progiciels de simulation
.Il offre une réponse complète pour la simulation et l’optimisation
des flux et des processus industriels
22
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
24
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
Introduction Problématique Algorithme génétique
Système informatisé
Conclusion et perspectives
CONCLUSION ET PERSPECTIVES
25
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
26
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 .
Perspectives
top related