Planification Et Répartition Flexible du travail entre les OpérateuRs des chaînes d’asseMblage AéroNautiques : une approChe systémique pour gérer les risques Ergonomiques et économiques – PER4MANCE

Les contributions porteront à la fois sur le développement de nouveaux modèles mathématiques et des méthodes d’optimisation pour résoudre des problèmes difficiles d’optimisation combinatoire en présence de forts composants incertains et sur la mise en place de nouvelles méthodes d’évaluation de la pénibilité ergonomique pour les taches dans les chaînes d’assemblage aéronautiques. Le projet utilisera les méthodes du génie industriel, de la recherche opérationnelle et de l’intelligence artificielle, mais aussi de l’ergonomie physique et cognitive.

Pour améliorer la robustesse des solutions, nous avons proposé un modèle de représentation de solutions pour des problèmes d'ordonnancement «compilées« sous la forme d'un arbre de décision. Les incertitudes sur les données sont représentées par des intervalles d'incertitude, sous l'hypothèse que le décideur a la possibilité, à certains moments donnés pendant l'exécution de l'ordonnancement, de poser des questions sur les données incertaines. Ces questions lui apportent des informations qui permettent de réduire l'incertitude sur ces données. Nous avons développé un algorithme de construction d'un arbre de décision robuste, dont les nœuds correspondent à des questions posées par le décideur. Chaque branche issue de ce nœud correspond à une réponse possible et propose une nouvelle solution robuste (au vu des informations obtenues) compatible avec l'ordonnancement effectué jusqu'à ce nœud. Un tel arbre permet au décideur d'adapter de manière on-line la solution actuelle en conservant certaines propriétés de robustesse. Finalement, nous avons réalisé des expériences pour mesurer la qualité des solutions fournies par l’arbre en fonction du nombre de question posées, les résultats montrent que l'on obtient des solutions qui généralement dominent au sens de Pareto les solutions trouver par l'approche réactive.

Nous avons aussi modélisé le problème de replanification. Le modèle proposé tient compte des contraintes de précédence et de ressources, des métiers des opérateurs, leurs compétences et des contraintes des zones de travail. Nous avons étudié différents critères d’optimisation qui peuvent être utilisés dans ce contexte. Nous avons élaboré un modèle de programmation par contraintes pour le problème considéré en implémentant plusieurs fonctions multi-objectifs proposées. Les performances de ces modèles ont été testées et l’impact de chaque critère sur les caractéristiques des solutions trouvées lors de la résolution a été analysé.

Expériences sur l'efficacité de la modélisation de la pénibilité physique

Expériences sur l'analyse du stress des managers face à la prise de décisions sous l'incertitude

Validation de l'approche générale

Valorisation des résultats.

1. T. Portoleau, C. Artigues, R. Guillaume, Decision trees for robust scheduling, to appear in 17th International Workshop on Project Management and Scheduling (PMS 2020), Toulouse, France, 2020
2. T. Portoleau, C. Artigues, R. Guillaume. Robust Predictive-Reactive Scheduling: An Information-Based Decision Tree Model, International Conference on Information Processing and Management of Uncertainty in Knowledge-Based Systems, 479-492, 2020.
3. N. Berti, C. Artigues, O. Battaïa, R. Guillaume, D. Battini. Heuristic approaches for scheduling manufacturing tasks while taking into account accumulated human fatigue, IFAC-PapersOnLine 52 (13), 963-968, 2019.
4. T. Portoleau, C. Artigues, R. Guillaume. Arbres de décision robustes pour l'ordonnancement proactif/reactif sous incertitude, ROADEF 2020.
5. T. Portoleau, C. Artigues, R. Guillaume, H. Fargier, Contingency scheduling pour le RCPSP robuste : travaux préliminaires, dans Atelier Multi-Agents, Flexible, Temporel, Epistémique et Contingent (MAFTEC 6.5) des 14èmes Journées Francophones sur la Planification, la Décision et l'Apprentissage pour la conduite de systèmes (JFPDA 2019), Toulouse, France, 2019
6. T. Borreguero Sanchidrian, T. Portoleau, C. Artigues, A. Garcia Sanchez, M.Ortega Mier, P. Lopez. Multimode Time-Constrained Scheduling Problems with Generalized Temporal Constraints and Labor Skills, Working paper.
7. O. Battaïa, L. Sanmartin, C. Pralet. Dealing with disruptions in low-volume manufacturing: a constraint programming approach, Procedia CIRP 81, 1372-1375, 2019.

Dans le cadre de ce projet nous nous concentrerons sur le problème de la répartition du travail dans des chaînes d’assemblage aéronautiques. En termes d’organisation industrielle, il s’agit d’une chaîne cadencée : chaque aéronef doit visiter tous les postes de travail et change de poste à un moment défini et synchronisé entre tous les postes de travail. Les contraintes techniques, économiques et financières imposent actuellement l’organisation suivante : peu de postes de travail (<10) et beaucoup de tâches d’assemblage par poste (de quelques centaines jusqu’à plusieurs milliers). Ce nombre important de tâches par poste est source d’aléas fréquents : retard d’approvisionnement, absence d’opérateur qualifié, problème de qualité. Ainsi le planning de répartition des tâches aux opérateurs travaillant sur chaque poste (entre 5 et 35 personnes) est constamment remis en cause par l’impossibilité de son suivi sur le terrain. Or, le problème de planification décrit est un problème difficile à résoudre. En pratique, la préparation d’un tel planning peut prendre plusieurs jours. Par conséquent, les actions correctives sont souvent réalisées sans vision globale du processus et leur qualité dépend grandement de l’expérience du manager.
Nous proposons dans ce projet, de découper le processus de décision en fonction des risques associés aux aléas. Nous envisageons d’explorer les modèles d’optimisation robuste afin de garantir la stabilité du planning face aux aléas les plus fréquents. Les risques de moindre fréquence seront anticipés en faisant appel à la compilation des solutions de repli. Ces solutions seront pré-calculées avant l’exécution du planning et stockées de façon efficace afin de pouvoir retrouver rapidement une réponse à un aléa constaté lors de l’exécution. Les événements rares seront traités par des modèles de re-planification pour aider le décideur à reprendre au plus vite et/ou avec un moindre impact le déroulement des opérations dans des conditions satisfaisantes.
Afin d’améliorer les conditions de travail des opérateurs des chaînes d’assemblage aéronautiques, nous proposons également d’intégrer dans le processus de décision les informations liées à la pénibilité des tâches à effectuer. Nous développons une nouvelle approche fondée sur la consommation énergétique pour évaluer la pénibilité des tâches et ainsi en tenir compte lors de la répartition du travail à tous les niveaux de décision. Ceci permettra une répartition du travail plus équitable qui contribuera à diminuer les risques ergonomiques et troubles musculo-squelettiques.
Parmi les retombées positives du projet, nous pouvons escompter : l’amélioration de la planification des ressources, la diminution des retards de livraison grâce à des solutions de correction optimisées, un rassérènement du travail grâce à la disponibilité pour les managers d’outils adaptés dans les situations de stress et l’amélioration des conditions de travail des opérateurs par la prise en compte de la pénibilité des tâches lors de leur répartition. D’un point de vue scientifique, les contributions porteront à la fois sur le développement de nouveaux modèles mathématiques et des méthodes d’optimisation pour résoudre des problèmes difficiles d’optimisation combinatoire en présence de forts composants incertains et sur la mise en place de nouvelles méthodes d’évaluation de la pénibilité ergonomique pour les taches dans les chaînes d’assemblage aéronautiques.