Simulation de processus

De la thorie la pratique

Jrme NEAU,
Ingnieur & Associ NS CONSEIL

Sommaire

Introduction
Intrt de la simulation
Historique
Typologie
Comment a fonctionne ?
Simulation et Recherche Oprationnelle
Projet de simulation: dmarche
Dangers et limitations
Quels logiciels ?
Portfolio dtudes
Dmarche complte applique un exemple simple
Exemple 1 : Industrialisation de nouveaux produits
Exemple 2 : Logistique
Exemple 3 : Ordonnancement
Exemple 4 : La simulation dans le secteur hospitalier

Introduction
Quest-ce que la simulation ?

Les chercheurs, les ingnieurs, les militaires et bien d'autres professionnels

se posent souvent la question : quel est le rsultat que j'obtiens si j'exerce
telle action sur un lment ?
Le moyen le plus simple serait de tenter l'exprience, c'est--dire d'exercer
l'action souhaite sur l'lment en cause pour pouvoir observer ou mesurer le
rsultat. Dans de nombreux cas l'exprience est irralisable, trop chre ou
contraire l'thique. On a alors recours la simulation : rechercher un
lment qui ragit d'une manire semblable celui que l'on veut tudier et
qui permettra de dduire les rsultats.
La simulation est un outil utilis par le chercheur, l'ingnieur, le militaire etc.
pour tudier les rsultats d'une action sur un lment sans raliser
l'exprience sur l'lment rel.
Lorsque l'outil de simulation utilise un ordinateur on parle de simulation
numrique.
Source : Wikipdia

Introduction
Quest-ce que la simulation ?

La simulation est le processus de concevoir un modle dun systme rel et

de mener des expriences avec ce modle dans le but de comprendre le
comportement du systme et/ou valuer diffrentes stratgies opratoires.
Source : Winter Simulation Conference 1998

La simulation consiste reproduire, chelle rduite, lvolution dans le

temps dun systme complexe dont on veut tudier le comportement
dynamique.

Introduction
Quest-ce quun modle ?

On appelle modle un lment, analogique ou numrique, dont le

comportement vis--vis d'un phnomne est similaire celui de l'lment
tudier.
Les sorties sont les lments et grandeurs que l'on veut tudier.
Les entres, paramtres et contraintes sont les lments dont la variation
influe sur le comportement du modle ;
on appelle entre ceux qui sont commands par l'exprimentateur
paramtres ceux que l'oprateur choisit de fixer
contraintes ceux qui dpendent d'lments extrieurs.
On appelle simulation l'ensemble constitu par un modle, les entres,
paramtres et contraintes, et les rsultats obtenus.
Paramtres

Entres

Modle

Contraintes

Sorties

Introduction
Exemple : maintenance dans un atelier de production

Contenu du modle :
Srie doprations de production relies entre elles par des convoyeurs.
Les machines ralisant les oprations subissent des pannes qui
requirent lintervention dune quipe de maintenance
Entres : nombre de personnes dans lquipe de maintenance
Paramtres : temps de cycle, temps moyen de bon fonctionnement,
temps de rparation, etc.
Contraintes : flux darrive des pices dans latelier
Sorties : statistiques dutilisation des moyens et ressources, nombre de
pices produites par latelier

Dmonstration rapide

Intrt de la simulation

La simulation dynamique permet de

Formaliser le fonctionnement dun systme
Evaluer les performances
Analyser le fonctionnement global
Dimensionner les composantes du systme
Valider les modes de fonctionnement
Comparer diffrentes solutions et hypothses
Evaluer les consquences dune dcision avant quelle soit prise,
ventuellement avant que le systme existe.
Par exprimentation sur un modle, on teste diffrents scnarios pour les
comparer ou effectuer des prdictions.

La simulation dynamique est un outil daide la dcision

Intrt de la simulation

La simulation dynamique permet galement de

Communiquer
Ralit virtuelle
Modles faciles comprendre et donc utiliser comme moyen de
communication
Outil de dialogue et de formalisation
Former
Exemples les plus connus: simulateurs de vol, de combat...
Ds quil existe un risque (intgrit physique, financier, etc.), la
simulation peut tre utilise dans un but dapprentissage par le test de
raisonnements, attitudes, dcisions et ltude de leurs consquences
(apprentissage par lerreur).

Intrt de la simulation

La recherche de la performance au quotidien appelle des solutions de plus en

plus complexes
La simulation permet didentifier et de prioriser les actions mener
Loptimisation activit par activit des processus ne garantit pas la performance
globale
La simulation permet davoir une approche globale et multi-mtiers
(processus, fiabilit, ordonnancement, logistique, etc.)
Le lancement dinvestissements require des indicateurs fiables de retour sur
investissement afin de minimiser les risques
La simulation repose sur une approche scientifique qui fournit des rsultats
trs proches de la ralit condition de prendre certaines prcautions

Quelques exemples
Industrie Ligne dassemblage GMP
Cadre :
implantation de nouvelles lignes dassemblage
Objectif : - vrifier le dimensionnement des lignes (valider les temps de cycle, les temps de
changements entre rfrence, les frquentiels)
- optimiser le nombre de chariots dans la boucle
97
96.5
96
RO (%)

95.5
95
94.5
94
93.5
93
92.5

19

20

21

22
Nbre de Chariots

Rendement en fonction
du nombre de chariots

23

24

25

Quelques exemples
Industrie Atelier de production
Cadre :
conception dun nouvel atelier de pressage et schage daccessoires de tuilerie
Objectif : - dterminer les vitesses optimales de dplacement des moyens de manutention
- optimiser le nombre de supports par type de produit
- optimiser le nombre de chambres de schage
- dfinir et tester les rgles de pilotage du systme

Source: CTTB

Quelques exemples
Portuaire Logistique conteneurs
Cadre :
concours pour la construction dun nouveau port de conteneurs Barcelone
Objectif : - dfinir limplantation du futur site (longueur de quai, surface de stockage, etc.)
- dimensionner le nombre optimal de moyens (grues, porte-conteneurs,
transbordeurs, etc.)

Quelques exemples
Postal Chronopost Roissy
Cadre :
rorganisation du centre de tri multimodal de Roissy
Objectif : - valider / optimiser les plans de tri et de transport loccasion du changement de
rseau
- identifier les points bloquant de linstallation
- spcifier les besoins en personnel et les vacations mettre en place
Rception flux arien

Vidage

Expdition flux arien

Chgt

Dpose

Convoyage
Mise en pinon /
conteneur
Tri

Convoyage

Prlvement
Mise en roll /
palette

Convoyage

Dpose

Vidage

Rception flux routier

Chgt

Expdition flux routier

Quelques exemples
Postal La Poste Paris Nord
Cadre :
aide la conception du centre de tri postal de Paris Nord pour Somepost
Objectif : - valider / optimiser le dimensionnement des installations
- fournir une animation 3D comme support commercial
- faire des recommandations organisationnelles et des prconisations de
modification des installations

Historique
Prs de 65 ans dhistoire

La simulation numrique est apparue en mme temps que l'informatique pour

les besoins du projet Manhattan pendant la Seconde Guerre mondiale, afin
de modliser le processus de dtonation nuclaire. Depuis, elle a volu
paralllement l'informatique.
Parmi les prcurseurs des logiciels de simulation actuels, on peut citer GSP
(fin annes 50), GPSS (fin annes 50), GASP (dbut annes 60), SLAM (fin
anne 70)
Les principales volutions au cours des dernires annes portent sur les
aspects graphiques, la puissance de calcul et lintgration de la simulation au
sein dautres applications

Typologie
Nombreuses mthodes de simulation

Il existe plusieurs faons de classifier les simulations

Statique ou dynamique
Notion dvolution au cours du temps
Stochastique ou dterministe
Notion dalatoire
A vnements discrets ou continue
Equations diffrentielles vs. logique vnementielle
Exemples doutils et mthodes :
Runge-Kutta rsolution dquations diffrentielles
Monte-Carlo calcul de valeurs numriques par des procds alatoires
Lanalyse par simulation des flux et processus require gnralement des
simulations dynamiques et stochastiques, discrtes ou / et continues selon les
processus considrs

Comment a fonctionne ?
Focus sur la simulation vnements discrets

Les moteurs de simulation vnements discrets reposent sur plusieurs concepts :

Gestion dchancier
Gestion des files dattente
Gnration de nombres alatoires
Edition de rapports statistiques

Comment a fonctionne ?
Gestion dchancier

Un moteur de simulation vnements discrets gre un chancier dans lequel il

crit lavance les vnements venir.
Diffrents vnement grs : cycles, pannes, rglages, pauses, etc.
Exemple:
Machine avec un temps de cycle de 30 minutes
Panne de 5 minutes toutes les 1 heures 40 minutes de bon fonctionnement
Pause de dheure toutes les 2 heures

170.0
135.0
150.0

Fin de cycle

Dbut de cycle
Fin de cycle

100.0
105.0

Fin de pause

125.0

Dbut de pause

Dbut de cycle
Fin de cycle

90

Fin de panne

60

Dbut de panne

Dbut de cycle
Fin de cycle

30.0

Dbut de cycle
Fin de cycle

Dbut de cycle
Fin de cycle

Dbut de cycle

0.0

200.0

Comment a fonctionne ?
Gestion des files dattente

Un moteur de simulation vnements discrets gre les phnomnes de files

dattente : saturations et attentes.
Exemple :
quand une machine tombe en panne, les effets sont les suivants
En amont, les stocks se remplissent et les moyens finissent par saturer, cest-dire par tre dans lincapacit dvacuer leur production
En aval, les stocks se vident et les moyens se mettent en attente
Les moteurs de
automatiquement

simulation

grent

gnralement

ce

fonctionnement

Inactive
0%

Disponible
Occupe
Bloque
Rglage
Rparation
Att. ress. cycle
Att. ress. rglage
Att. Ress. rparation

Comment a fonctionne ?
Gnration de nombres alatoires

Un moteur de simulation vnements discrets est capable de gnrer des

nombres alatoires
Ces nombres sont notamment utiliss pour modliser les temps inter-pannes et
les dures de rparation, les taux de rebut, etc.
La gnration de ces nombres se fait par un algorithme ou une srie
mathmatique qui produit une squence de nombres prsentant certaines
proprits du hasard. Il sagit donc de nombres pseudo-alatoires
Toujours un sujet de recherche ; cf. travaux de Pierre LEcuyer, Universit de
Qubec
Avantage : lalatoire est reproductible ; les rsultats de deux simulations sont
comparables mme si le modle est stochastique
Inconvnient : il faut respecter un certain nombre de rgles de modlisation et
dexprimentation ; cf. dangers et limitations

Comment a fonctionne ?
Edition de rapports statistiques

Un moteur de simulation dite des rapports statistiques

Statistiques
machines Rapport
suivant les Plannings D'ouverture
Etat doccupation
desdes
diffrents
moyens
ZoneA.Operation15
ZoneB.Operation25
ZoneB.Operation45
ZoneA.Operation55
ZoneB.Operation60
ZoneA.Operation75
0

10

20

30

40

50

60

70

80

90

%Disp.

%Cycle - Remp.

%Arrt - Bloqu

%Arrt - rglage

%Arrt - panne

%Cycle - Occ.

%Cycle - Vidange

%Attente - Cycle

%Attente - rglage

%Attente de rpar.

100

Evolution des niveaux de stock et statistiques classiques (taille mini, maxi ,

moyenne, temps moyen de sjour, etc.)
Evolution et statistiques concernant les ressources (occupation par activit, par
individu, nombre doprations ralises, etc.)

Simulation et recherche oprationnelle

Comptition ou coopration ?

Il existe dautres mthodes de modlisation de flux et de processus que la

simulation. La recherche oprationnelle en fournit de nombreuses : rseau de
Ptri, chanes de Markov, etc.
Toutefois la comptition la plus rude en entreprise vient dun outil beaucoup plus
commercial MS Excel !
Tous ces outils reposent sur des approximations qui deviennent rapidement
rdhibitoires quand le systme modliser devient complexe.
M1
90%

Stock

M2
80%

Capacit du stock Productivit

0
72%
Infinie
80%
5
??

La modlisation est souvent une brique dans une dmarche plus large telle que
loptimisation ou lordonnancement. L encore la recherche oprationnelle fournit
de nombreuses mthodes. Sur ce sujet, la simulation et la recherche
oprationnelle cooprent souvent.

Projet de simulation
Dmarche gnrale : par itrations

Systme
rel

Abstraction
Modlisation

Exprimentation

Retours

Dductions sur
le systme rel

Modle de
simulation

Transfert
Interprtation

Rsultats

Projet de simulation
Quand lutiliser ? En phase de conception ou pour amliorer

La simulation en phase de conception devrait intervenir au plus tt dans un

projet. En pratique, elle intervient parfois trop tard et pour valider des
investissements dj lancs. La simulation est aussi souvent utilise pour
lamlioration de systmes existant.
CROISSANCE

CONCEPTION

MATURITE

DECLIN

Temps

Cycle de vie

Projet de simulation
Dmarche gnrale
Temps pass
Recueil des donnes
modes de fonctionnement
fiabilit, PAD, frquentiels...
Validation
par les mtiers

Cahier des charges

hypothses
objectifs
responsables

40%

Validation
par le groupe projet

Modlisation
conception et ralisation

20%

Vrification & Validation

par expert outil et groupe projet
Exploitation du modle
Simulations
analyse des rsultats

40%
Prsentation
des rsultats

Edition du dossier
de simulation

Capitalisation

La tentation est souvent

grande de se concentrer
sur la ralisation du
modle alors que ce
sont les tapes en
amont et aval qui
constituent la vritable
valeur ajoute de la
simulation.

Projet de simulation
Etapes dun projet

Cahier des charges

Identifier les objectifs et le primtre de ltude, les diffrentes solutions
tudier, les indicateurs de performance utiliser, etc.
Le CdC est un contrat entre le demandeur et le ralisateur.
Cette phase conditionne tout le reste de ltude.
Sans cela, les conclusions de ltude pourront toujours tre rfutes et ltude
risque de traner en longueur.
Recueil des donnes
Collecter lensemble des donnes ncessaires la ralisation du modle. Les
seules inconnues restantes doivent tre les paramtres optimiser.
Cette tape est souvent la plus fastidieuse de ltude et peut ncessiter un
travail de terrain.
Il peut tre souhaitable de conclure linutilit dune simulation lissue du CdC
ou du recueil de donnes.

Projet de simulation
Etapes dun projet

Conception et ralisation du modle

Faire un modle conceptuel du systme (suivant le type de question pose, on
peut avoir des modles diffrents dun mme atelier).
Traduire le modle conceptuel dans le langage propre au logiciel utilis
Vrification par un expert du logiciel (dboggage)
Validation par le simulateur (tests)
Validation du fonctionnement par lquipe projet et/ou lexploitant (conformit
avec CdC et donnes)
Exploitation du modle
Simuler les diffrents scnarios dfinis dans le CdC afin de rcolter toutes les
informations chiffres utiles (plans dexpriences).
Analyser les rsultats connaissant le modle, les hypothses et le systme rel.
En dduire ventuellement de nouveaux scnarios tester.
Le simulateur doit valider les rsultats de ses modles soit sur des cas
simplifis, soit sur le terrain (si possible).

Projet de simulation
Etapes dun projet

Conclusion de ltude de simulation

Prsenter les rsultats en rappelant les hypothses de modlisation
Raliser le rapport de fin de simulation.
Assurer la transmission du modle.
Capitalisation
Le dossier simulation doit tre constitu tout au long de ltude. Or les
hypothses et donnes voluent au cours du temps.
difficult interprter et prsenter les rsultats
quelle est la part de ce qui a t rellement utile?
En dduire ventuellement de nouveaux scnarios tester.
La capitalisation ne doit pas sarrter ds que le rapport de simulation est
rendu. Il faudrait faire un bilan lissue du projet et de sa ralisation...
Comparer
Comparer
simul
simul%%rel
rel

Identifier
Identifierorigine
origine
des
desdiffrences
diffrences

Points non pris en

compte dans CdC
Evolutions par
rapport au CdC
Ecarts dus la
modlisation

Analyser
Analyser

Capitaliser
Capitaliserpour
pour
futures
futuressimulations
simulations

Identifier et quantifier
aspects impossibles
modliser
Amliorer adquation
entre conception simule
et ralit

Dangers et limitations
Donnes et nombres alatoires

Donnes
Sans donnes, la simulation na pas de raison dtre.
Avec des donnes inexactes, lutilisation de la simulation peut se rvler
catastrophique
Nombres alatoires
Tout comme une journe ne ressemble aucune autre, une mme simulation tire
avec des nombres alatoires diffrents fournira des rsultats diffrents. Il faut
utiliser des techniques statistiques telles que les intervalles de confiance et ne pas
raisonner sur des moyennes.
donnes dentre
incertaines

Simulation
pannes et temps
de cycle alatoires

quelle certitude
sur les rsultats?

Dangers et limitations
Conditions exprimentales

Ne pas tenir compte de la monte en rgime de la simulation biaise les rsultats...

particulirement si la dure de simulation est courte.
Solutions : simuler sur une dure trs longue pour minimiser leffet de la mise en
rgime et / ou rinitialiser les statistiques aprs une priode de mise en rgime.
INDICATEUR
Moyenne non
biaise

Moyenne biaise
par la mise en
rgime

TEMPS
Priode de mise en rgime
Dbut de la
simulation

RZ des
statistiques

Rgime stabilis
Fin de la simulation

Dangers et limitations
Les plus gros dangers

Le plus gros danger en modlisation en gnral et en simulation en particulier est

de vouloir reprsenter la ralit le plus fidlement possible. La vritable expertise
de lutilisateur est de savoir faire les bonnes hypothses qui simplifient le travail de
modlisation tout en garantissant des rsultats fiables et exploitables.
La simulation numrique ne doit videmment pas tre confondue avec le rel. Ce
n'est pas parce que l'ordinateur dit que cela va se passer comme cela que cela se
comporte effectivement comme tel dans la ralit (ex: simulations numriques des
prvisions mtorologiques). Si le modle est erron, les rsultats calculs sont
alors faux et peuvent amener des prises de dcision elles-mmes errones.
L'analyse critique des rsultats, la vrification de la validit des modles
thoriques utiliss, la confrontation des rsultats prdits l'exprience ... sont
autant de rflexes d'ingnieur avoir et qui font alors partie mme de l'thique du
professionnel utilisateur.

Quels logiciels ?
Une multitude dacteurs

Logiciel
@Risk
Arena
AnyLogic
Automod
Crystal Ball
EmPlant
Enterprise Dynamics
Extend
Flexsim
Microsaint Sharp
Promodel
Simul8
Quest
Vensim
Witness

Editeur
Palisade Corporation
Rockwell Automation
XJ Technologies
Brooks PRI Automation
Decisioneering
Tecnomatix (Siemens)
InControl
Imagine That
Flexsim Software Product
Micro Analysis & Design
Promodel Corporation
Simul8 Corporation
Delmia (Dassault Systems)
Ventana Systems
Lanner

Quelques exemples
Industrie Atelier de production
Cadre :
Objectif :

conception dun nouvel atelier de fabrication de durites en caoutchouc

- dterminer le nombre optimal et le type de palettes
- concevoir et optimiser lalgorithme de lancement des ordres de fabrication
- valider la conception du systme (vitesse dextrusion, vitesse de convoyage, nombre
dautoclaves, etc.)

Quelques exemples
Industrie Ligne dassemblage
les lignes dassemblage natteignent pas le TRS souhait et les actions engages sur le
terrain ne semblent pas toujours donner les rsultats escompts
- apporter une vision complte des lignes et en tudier leur comportement dynamique
- dfinir des voies damlioration
- valuer les gains obtenus

Cadre :
Objectif :

Reglage
Chgt de
ref

Reglage
Chgt de
ref

PMJ
Conv9

Conv7

Conv8

Orienteur 2

Vision

Orienteur 3

Conv12

Conv11

Conv10

Portillon
Tlescopique 1

Rebus

Conv13

Conv6
Conv14
1

Reglage
Chgt de
ref

CP43

Four
Conv5

Conv4

Reglage
Chgt de
ref

Etiqueteuse

Conv3
Rparation
S2

S1

Reglage
Chgt de
ref

MPM

Refroidisseur

Reprise
Rebus

FIFO

Testeur

Orienteur 4

Dclamp

Conv2
Conv1
Clamp
Orienteur 1

Conv15

Conv16

Conv17

Portillon
Tlescopique 2

Conv18

Cartes
Nues

Oper

Cartes
SMI

Quelques exemples
Industrie Atelier de fabrication de moteurs
Cadre :
Objectif :

atelier de fonderie daluminium pour la fabrication de moteurs haut de gamme

investissement pour rorganisation
- valuer la performance de latelier
- dfinir des voies damlioration
- valuer limpact de lajout de moyens supplmentaires (postes de
nettoyage, presses, transbordeurs, etc.)

Quelques exemples
Logistique Ligne de prparation de commande de timbres
Cadre :
Objectif :

Amlioration de la productivit dun centre de prparation de commande

Valider diffrentes hypothses et rgles de gestion
modifier le circuit de prparation en crant un rebouclage
valuer la performance de diffrents modes darrts des bacs aux gares
valuer diffrentes rpartitions de produits dans les gares

Quelques exemples
Industrie Placo Vaujours
Cadre :

restructuration du site : augmentation de 60% de la capacit de production et

cration dun magasin de stockage de 40000 m
Objectif :
- dimensionner le futur magasin
- optimiser et scuriser les flux du site (rduire les temps de sjour des camions
sur site,
minimiser les croisements de flux, dimensionner les moyens mettre en
place pour crer une entre
unique)

Zone de pese
entre / sortie

Quelques exemples
Industrie Air France Industries
Cadre :
logistique produits unserviceable / serviceable dans une unit de maintenance
aronautique
en conception
Objectif :
- dfinir les modes de transfert interne (principe de collecte/distribution, identification des zones desservir)
- dimensionner les zones de stockage containers
- dimensionner les ressources (humaines et
matrielles)
- tester lajout dune zone de rception / expdition
- dterminer les frquences et nombre de navettes

Alle de circulation
sens unique

Bureaux

Alle principale
de circulation

Magasin
central

Autre quai de
rception /
expdition possible

Quai de
rception /
expdition

Racks

Stock rapproch: pices

de rechange spcifiques

Process

Quelques exemples
Manufacturier Caterpillar
augmentation de la productivit de la ligne dassemblage
regroupement de deux lignes de production
Objectif :
valuer diffrents scnarii de rorganisation :
modifier les gammes
ajouter des postes
quilibrer les charges
dimensionner les quipes
dimensionner les stocks
etc.
Cadre :

Painting

Shipping

Start

Quelques exemples
Aroportuaire Air France Roissy
Cadre :
Objectif :

logistique bagage Roissy CdG 2

valuer les temps de dplacement des caristes sur pistes en fonction des mouvements davion
produire des abaques donnant les courbes dvolution dans la journe des temps de
dplacement des caristes pour tous les trajets possibles

Interface Excel de
paramtrage

Fichier des
arrives
davions

Gnration
des moyens
de manutention

Fichier des
dparts
davions

Modle de
simulation

Temps de
parcours

Quelques exemples
Aroportuaire Air France Roissy
Cadre :
Objectif :

systmes de tri des bagages Roissy CdG 2

dimensionner les besoins en main duvre dans les diffrents centres de tri bagages
estimer les flux entre les diffrents centres de tri
tester les diffrentes phases de mise en route des nouvelles installations
valuer la performance et la robustesse des plans de tri

Avions en apport

Terminaux
du CdG2

Rapatriement

Enregistrement

Dpose

Stockage

Tri

Mise en conteneur

Livraison

Gestion des rats

Livraison dernire
minute

Livraisons
3 dposes

TBEF
Avions en emport
Locaux F1 & F2
Locaux E

TBC

TBM

TBS
TBEE

Locaux C
Livraisons

3 dposes

TBF
4 dposes

Livraisons
6 dposes
Livraisons

Livraisons

EBS

Quelques exemples
Grande distribution Entrept frigorifique
Cadre :
Objectif :

implantation pour un entrept frigorifique

choisir parmi deux schma dimplantations
minimiser les distances palette et le temps total de traitement dune vague de

rception

expdition
Palettes
1

Palettes

Boucherie

Boulangerie
3

PLS

5
3

Boulangerie

Poissons
5
5

Plantes1

Plantes

8
3
1 6/ 6

61

2
1500 m
50 x 30
T ambiante
3 quais

700 m
23 x 30
14 / + 16
3 quais

8000 m
105 x 76
+2 / +4
13+23 quais

2000 m
35 x 57
0 / +2
4 quais

1500 m
26 x 57
+2 / +4
3 quais

4200 m
+8 / +12
19 quais

F&L
3
6
1570 m
T ambiante
4 quais

Poissons
PLS

Boucherie

F&L

Quelques exemples
Grande distribution Plateforme Vert St Denis
Cadre :
Objectif :

nouveau centre de distribution de textiles (250 magasins, 60000 rfrences)

- tester la capacit de la plate-forme traiter les flux demands
- apporter une solution avant de dcouvrir les problmes sur le terrain
- fournir un outil dexploitation au quotidien

Vtements
suspendus

Autres
vtements

Vtements
plats

Crossdocking
(JT)

Flux stock

Picking
dtail

Trieur

Tri - Expdition

Prparation
commandes

Quelques exemples
Logistique Entrept
Cadre :
Mettre en place un outil de comparaison dimplantations / dorganisation
Objectif : - Aider lutilisateur choisir la meilleure configuration de son entrept selon
de nombreux critres
- Dimensionner les quipes ncessaires
80
70
60
50

Nb Pal Rception

40

Nb Pal Traits

30

Nb Pal Exped

20
10

07
:0
0:
00
08
:0
0:
00
09
:0
0:
00
10
:0
0:
00
11
:0
0:
00
12
:0
0:
00
13
:0
0:
00
14
:0
0:
00
15
:0
0:
00
16
:0
0:
00
17
:0
0:
00

10

90%

80%

70%

60%

50%

40%

30%

20%

10%

0%

07
:0
0:
00
08
:0
0:
00
09
:0
0:
00
10
:0
0:
00
11
:0
0:
00
12
:0
0:
00
13
:0
0:
00
14
:0
0:
00
15
:0
0:
00
16
:0
0:
00
17
:0
0:
00

100%

Taux d'occupation
Nb Pal Traits

Quelques exemples
Logistique Magasin
Cadre :
Mettre en place un outil de comparaison dimplantations / dorganisation
Objectif : - Aider lutilisateur choisir la meilleure configuration de son magasin selon
de nombreux critres
- Dimensionner les quipes ncessaires
Suivi d'une Zone de Preparation/tri

14
12

8
6

1
2

0
20:30:00 21:00:00 21:30:00 22:00:00 22:30:00 23:00:00 23:30:00 00:00:00 00:30:00 01:00:00

Gantt de suivi des tches effectues

Nbre de Palettes Max

Nbre d'oprations

10

Mthodologie applique un exemple

Prsentation dune ligne simple avec visite virtuelle de la ligne

Formalisation du processus
Dfinition du cahier des charges
Recueil des donnes
Modlisation
Vrifications
Validation
Exprimentations
Rsultats
Prsentation des rsultats
Capitalisation

Visite Virtuelle

Dpart Cycle

Reprise
au
prochain
cycle

Retouche

OK

Contrleur

Sortie

Formalisation du processus

A laide dun schma MS visio par exemple :

Tige

SCIE

Convoyeur

Poste de
Protection

Poste de
Dcoupe
Convoyeur de retour des outils

Dcharg
ement

Rectifieu
se 1

Chargem
ent

Zone
dattente
Stock Contrle
Outils

Durcisseur
Contrle

Rectifieu
se 2

Nettoyage
Stock de
Soupapes

Sortie

Zone
dattente
Retouche

Cahier des charges

Cadre de ltude :
Depuis larrive des tiges dans le stock de tige jusqu la sortie des
soupapes de la machine de nettoyage
Horizon de simulation :
1 mois , soit 168 heures de production environ
Objectif :
Augmenter la production de soupapes
Hypothses de simulation :
Loprateur au poste de contrle est considr comme toujours
disponible
Les perturbations du systme sont toutes celles qui sont lies
uniquement au fonctionnement mme de la ligne :
Pannes
Rglages
Etc..

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Comment arrivent
les tiges ?
SCIE

-> Programme de
fabrication ?
-> Frquence et
taille de lot ?
-> Profil horaire ?
->
-> 1 seul type de
tige
-> Frquence fixe et
taille de lot fixe

Convoyeur

Poste de
Protection

Poste de
Dcoupe
Convoyeur de retour des outils

Dcharg
ement

Rectifieu
se 1

Chargem
ent

Zone
dattente
Stock Contrle
Outils

Durcisseur
Contrle

Rectifieu
se 2

3 tiges toutes les 10

minutes

Nettoyage
Stock de
Soupapes

Sortie

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Stock de tiges :
-> Taille du stock
-> Mode de gestion ?
FIFO, LIFO,

SCIE

Convoyeur

Poste de
Protection

Poste de
Dcoupe
Convoyeur de retour des outils

-> Stock FIFO

De 10 places
Dcharg
ement

Rectifieu
se 1

Chargem
ent

Zone
dattente
Stock Contrle
Outils

Durcisseur
Contrle

Rectifieu
se 2

Nettoyage
Stock de
Soupapes

Sortie

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Poste de dcoupe
-> Temps de cycle
-> Pannes ?
-> Rglages ?
-> Oprateur pour
intervention ?

SCIE

Convoyeur

Poste de
Protection

Poste de
Dcoupe
Convoyeur de retour des outils

Zone
dattente
Stock Contrle
Outils

-> 6 minutes pour lensemble de la dcoupe

Rectifieu
-> Lame 1 : Rglage ttes les 40 oprations
se 1
Durcisseur
Chargem
Dcharg
-> Lame 2 : Rglage ttes les
30 oprations
ent
ement
Rectifieu
-> Temps de rglage : entre 10 et se
152 minutes (uniforme)
-> MTBF : en moyenne 100 minutes (Ngative Exponentielle)
-> MTTR : En gnral 25 minutes, des fois seulement 10 et
parfois 30
Nettoyage
Sortie
-> Oprateur pour le cycle de la machine,
la rparation et le
rglage
Stock de
Soupapes

Contrle

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Type de convoyeur ?
-> Avec/sans accumulation
-> Vitesse, Longueur,
limitations techniques ?

SCIE

Convoyeur

Poste de
Protection

Poste de
Dcoupe

Convoyeur de retour des outils

Zone
dattente
Stock Contrle
Outils

-> Convoyeur bande : donc sans accumulation

Rectifieu
-> Longueur : 2m
se 1
Durcisseur
Chargem
Dcharg
-> Vitesse : 0.4 m/min
ent
ement
Rectifieu
-> Pas de contrainte techniques se 2

Nettoyage
Stock de
Soupapes

Contrle

Sortie

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Poste de protection
-> Rgle dapprovisionnement :
SCIE
priorit entre le convoyeur et le
Poste de
stock de retouche ? Autre(s)
Dcoupe
rgle(s) ?
Convoyeur de retour des outils
-> Caratristiques du poste

Convoyeur

Zone
dattente
Stock Contrle
Outils

-> Temps de cycle : 60 minutes pour les 6 pices

Rectifieu
-> 5 min de rglage tous les 10 cycles
se 1
Durcisseur
Chargem
Dcharg
-> Rgles dapprovisionnement
ent
ement
Rectifieu
1/ Priorit de la zone dattente parserapport
au
2
convoyeur
2/ On ne prend pas les tiges du stock si il ny a pas
de tiges sur le convoyeur
Nettoyage
3/ On prend en priorit les tiges ayant subit
le plus
de retouche dans le stock dattente retouche
Stock de
Soupapes

Poste de
Protection

Contrle

Sortie

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Zones dAttente
-> taille et gestion
Contrle
-> Proportion de retouches ?
->Caractristiques du poste

SCIE

Convoyeur

Poste de
Protection

Poste de
Dcoupe

Convoyeur de retour des outils

Zone
dattente
Stock Contrle
Outils

-> Zone Attente Contrle : FIFO, capacit : 1 tige

Rectifieu
-> Zone Attente Retouche : gresela1 rgle
Durcisseur
Chargem
prcdente, capacit Dcharg
:ement
10 tiges
ent

Contrle

Rectifieu
se 2

-> 20% de pices rejetes au contrle

-> Temps de cycle : 20 min
-> Rglage dune minute par pice
Nettoyage
Stock de
Soupapes

Sortie

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Durcisseur
-> mode de fonctionnement
-> caractristiques techniques
SCIE

Convoyeur

Poste de
Protection

Poste de
Dcoupe
Convoyeur de retour des outils

Dcharg
ement

Rectifieu
se 1

Chargem
ent

Zone
dattente
Stock Contrle
Outils

Durcisseur
Contrle

Rectifieu
se 2

-> Capacit de 10 pices

-> Temps de cuisson minimum : 60 minutes
-> Convoyeur avec accumulation

Nettoyage

Stock de
Soupapes

Sortie

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Les outillages
-> gestion particulire des outils ?
-> quantit, disponibilit
immdiate, etc

SCIE

Convoyeur

Poste de
Protection

Poste de
Dcoupe
Convoyeur de retour des outils

Dcharg
ement

Rectifieu
se 1

Chargem
ent

Zone
dattente
Stock Contrle
Outils

Durcisseur
Contrle

Rectifieu
se 2

-> 10 outils disponibles

-> Boucle de retour : 3m ; 0.5m/min
-> Pas de maintenance (hypothse),
disponible ds le dmarrage
Stock de
Soupapes

Nettoyage

Sortie

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Les poste de chargement et dchargement

SCIE
-> caractristiques ?

Convoyeur

Poste de
Protection

Poste de
Dcoupe
Convoyeur de retour des outils

Dcharg
ement

Rectifieu
se 1

Chargem
ent

Zone
dattente
Stock Contrle
Outils

Durcisseur
Contrle

Rectifieu
se 2

-> 4 min de tps de cycle

-> Ni panne, ni rglage, ni oprateur
Nettoyage
Stock de
Soupapes

Sortie

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Les rectifieuses
-> caractristiques ?
SCIE
-> rgle de gestion entre les 2 machines
Poste de

Convoyeur

Poste de
Protection

Dcoupe
Convoyeur de retour des outils

Dcharg
ement

Rectifieu
se 1

Chargem
ent

Zone
dattente
Stock Contrle
Outils

Durcisseur

Rectifieu
se 2

-> Rectifieuse 1 : Soupape de de type 1 , tcy = 35 min

-> Rectifieuse 2 : Soupape de de type 2 , tcy = 40 min
-> MTBF : Normal , Moyenne=75 min, Ecart-type
Nettoyage = 15min Sortie
-> MTTR : 45 minutes selon ngative exponentielle
Stock de
-> Loprateur intervenant
sur la scie intervient galement ici
Soupapes
-> Alterner si possible entre les 2 rectifieuses

Contrle

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Les stocks de soupapes

-> capacit ? Gestion ?

SCIE

Convoyeur

Poste de
Protection

Poste de
Dcoupe
Zone

Convoyeur de retour des outils

dattente
-> Capacit de 10 soupapes chacun
Stock Contrle
-> La machine de nettoyage prend du stock de soupape
Outils
le plus plein

Dcharg
ement

Rectifieu
se 1

Chargem
ent

Durcisseur
Contrle

Rectifieu
se 2

Nettoyage
Stock de
Soupapes

Sortie

Zone
dattente
Retouche

Recueil des donnes

Parcourir le systme et poser toutes les questions possibles

Tige

Le nettoyage
-> caractristiques ?

SCIE

Convoyeur

Poste de
Protection

Poste de
Dcoupe

-> Multi-poste ( carrousel ) : nbre de poste = 5

Zone
-> Tcy : 15 min par poste Convoyeur de retour des outils
dattente
Stock Contrle
-> MTBF : Negexp de 20 min
Outils
-> MTTR : Erlang de moyenne 20 min, paramtre k=3
Rectifieu
-> Loprateur de la scie intervient
ici galement pour la rparation
se 1
Durcisseur
Dcharg
-> 5 min de rglage automatique
toutesChargem
les 100 oprations
Contrle
ent

ement

Rectifieu
se 2

Nettoyage
Stock de
Soupapes

Sortie

Zone
dattente
Retouche

A propos de la loi Erlang

Forme de la distribution :

Moy. = 1.0, K =1

Paramtres: K (Entier)
Moy. : Rel

Moy. = 1.0, K=3

Les distributions ERLANG sont une famille de distributions; elle prsente une courbe
diffrente suivant la valeur du paramtre K
Quand K vaut 1, la distribution ERLANG est identique la distribution Exponentielle
Ngative
Quand K vaut 2, la distribution ERLANG possde la forme de d'une cloche fortement
dcale vers la gauche.
Au fur et mesure que K augmente, la distribution ERLANG tend vers la distribution
de Gauss (Normal).
En changeant le paramtre K, la distribution ERLANG peut tre utilise pour des
analyses de sensibilit. Par exemple, pour tester les effets d'arrts ; de petites valeurs
de K crent un chaos maximum, tandis que des valeurs plus grandes le rduisent.

Dbut de la documentation (pour capitalisation)

Re-lister les rgles de gestion particulire
Rpertorier lensemble des donnes dentre dans un
fichier Excel comment
Faire valider les rgles de gestion ainsi que les donnes
Excel par les acteurs du projet

Modlisation
Construire le modle de simulation
Seul risque derreur , une mauvaise connaissance du
logiciel
Aperu du modle de simulation

Vrifications & Validation

Vrifications :
Par un expert : Dbogage
Validation Statique : Retirer tous les alas
(pannes, rglages, etc) et vrifier que le rendement
est de 100%.
Validation :
Sassurer que les rsultats obtenus par simulation
sont conformes la ralit / au concept
Si non valid
Revenir sur les donnes Excel
Revenir sur les rgles de gestion
Revenir sur le modle de simulation

Exprimentations
Rappel de lobjectif :
Augmenter la production de soupapes
Sur quels paramtres sommes nous autoriss jouer ?
Liste des paramtres
Prparer le modle pour les exprimentations
Dfinir la priode de mise en rgime
Choisir un indicateur pour tracer la courbe
En dduire la priode de mise en rgime
Prparer les indicateurs ncessaires (camembert,
nombre de pices expdies)

Exprimentations
Rflchissons sur le modle laide des indicateurs en
place afin de dfinir les premires amliorations

Exprimentations
Prparons plus finement le modle afin de cibler les
prochaines exprimentations
Exemple : Rduction dun temps cycle par tranche de
10%
Crer une variable Percent que vous piloterez
depuis Excel
Utiliser cette variable dans le temps de cycle
machine : 60 * Percent
Crer une fonction de cot qui vous renvoie le cot
associe cette modification
Utilisation doutil de gestion de scnarios intgrs au
logiciel

Exprimentations
Ciblons les paramtres sur lesquels nous allons jouer
plus finement :
Taille de lot de la protection : [6;9]
Rduction du tps de cycle protection : [0.5,1]
Rduction du tps de cycle contrle : [0.5,1]
Nbre de poste de contrle : [2,3]
Soit 4 x 6 x 6 x 2 = 288 scnarios
Rsultats obtenus

Exprimentations
Interprtations des rsultats

De faibles investissements permettent de bons rsultats

Et de forts investissements nobtiennent pas de bons rsultats
Conservons les rsultats de plus de 1060 soupapes

Exprimentations
Et lala ?
Sur les scnarios obtenant plus de 1060 soupapes
expdis effectuons une analyse de sensibilit
Pour chacun des scnarios effectuons 10 rplications
(cad changer le germe alatoire 10 fois tout en
conservant les mme paramtres)
Rsultats obtenus

Exprimentations
Synthse des rsultats obtenus
1080

1045
1040

1075

1035
1030

1070

1065

1025

Valeur "Originale"

1020

Moyenne

1015
1010

1060

1005
1055

1000
Scnario 1 Scnario 2 Scnario 3 Scnario 4 Scnario 5

Scnario(s) retenu(s) : le n2
Taille de lot : 7 pice
Temps de cycle de protection * 0.5
3 postes de contrle
Temps de cycle de contrle * 0.5

Prsentation des rsultats

Prparer le modle pour une prsentation
Prparer une prsentation synthtique des rsultats
obtenus et du cheminement (cf slides prcdent)
Conclure sur la (ou les) meilleure(s) option(s) et la
squence des amliorations effectuer

Capitalisation

Modle original (sans les amliorations)

Interface Excel de paramtrage
Cahier des charges (objectifs,cadre de ltude, etc)
Rgles de gestion (dj fait)
Explications sur la rflexion tenue lors des
exprimentations
Scnarios jous (au moins les inputs)
Slides de prsentation
Les volutions futures
Celles auxquelles on a penser la fin du projet
Celles discuter en phase de prsentation des
rsultats par les acteurs du projet

Exemple 1
Industrialisation de nouveaux produits

Rsum du cahier des charges

Contexte : Industrialisation de nouveaux produits

Objectifs :
Tester diffrents modes opratoires
Evaluer le capacitaire annuel
Chiffrer les cots de production

Donnes dentre

Aperu du fichier Excel dinterface rsumant lensemble des donnes

dentres :
Poste de travail : Nom, opration, Cout horaire, position,etc

Temps de process

Donnes dentre
Oprateurs

Interface de pilotage des scnarios jouer

Aperu du modle

Rsultats de simulation

Taux doccupation des quipements

Taux doccupation des oprateurs

Rsultats de simulation

Cots de production

Gantt de suivi des tches

Exemple 2 :
Logistique

Rsum du cahier des charges

Contexte :
Libration dun site situ zone urbaine
Regroupement de technologies
Optimiser lespace occup
Objectifs de simulation :
- Optimiser les ressources logistiques
- Dtecter les goulets dtranglement
- Parfaire limplantation

Description conceptuel du modle de simulation

Construction du modle de simulation sur les principes suivants

Un systme de routage permettant la circulation dans les alles en
respectant limplantation physique du terrain
Une multitude de zones de production gnrant des appels selon leurs
caractristiques propres

Des moyens de manutentions rpondant aux appels et circulant au sein

du rseau dfini

La systme de routage

Machine nud
Appartenant une
alle horizontale
Extrait du fond de
plan

Machine nud
Appartenant une
alle verticale

Seuls les points caractristiques des alles sont reprsents : intersection, zone de
dpose, zone de prise, quai, zone de stockage

Les zones de production

Une zone de production est le lieu de gnration des appels

Appel sur seuil de
dclenchement

Composants
Produits Finis

Film de Production
Appel en
appro
Nomenclature

Zone de Production

Ref1 Qte1
Ref2 Qte2
C1

Ref 1
Ref 2

Appel en
expdition

C2

C3

0.06
1

0.02

Temps Cycle

Nb Ref par Pal

Ref 1

0.002

12900

Ref 2

0.013

6000

Cration de zones atypiques, ne rpondant pas ces critres : quais, traitement de

surface

Moyens logistiques

Les quipes logistiques sont des caristes fonctionnant tche par tche

Dfinition des horaires de travail par quipe

Les quipes sont affectes gographiquement sur les diffrentes zones
de production et zones atypiques
Gestion des appels sur le mode de fonctionnement existant : notion dalerte
et de tche urgente

Aperu vido

Rsultats de simulation

Suivi horaire des besoins en

ressources

Suivi horaire du nombre

dappels

En fonctionnement
Hors fonctionnement
En rupture dappros

Taux de charge des zones de

production

Conclusions

Les indicateurs de performances mis en place ont permis de rpondre aux objectifs fixs

Validation du dimensionnement des quipes caristes

Vrification du trafic dans les alles de circulations

Vrification capacitaire sur les zones quais

Rflexion sur un changement de lorganisation par simulation : mis en place de

Tourne

Exemple 3
Ordonnancement

Rsum du cahier des charges

Contexte : Le moyen de production considr (un four) est rgi par des
contraintes technologiques et conomiques trs fortes, la gestion de stock
en aval en subit les consquences : comment optimiser le fonctionnement
du moyen ?
Objectif : Dfinir le programme de fabrication du four le plus adapt la
demande client

Donnes dentres

Prvisions annuel de vente avec sa saisonnalit : le march

Pte

Fruit

Quantit

Feuil

Pomme

30 000

Sabl

Pomme

20 000

Bris

Cerise

18 000

Sabl

Poire

25 000

Donnes dentres

Donnes et contraintes du four

Feuil

Sabl

Bris

Rendement

100 / Jour

200 / Jour

300 /Jour

Lot Eco / Jour

Lot Eco / Jour

Changement de
Pte (Jours)
de / vers->

Feuil

Sabl

Bris

Changement de
Fruit (Jours)
de / vers->

Feuil
5

Bris

Cerise

Poire

Cerise

Poire

Pomme

Pomme

Sabl

Pomme

Cerise

Poire

1
2

Fonctionnement du modle de simulation

A partir du march prvisionnelle, de la saisonnalit et des contraintes

dexpditions (non prsentes ici), il dfinit une matrice journalire de
produits expdier :
March Objectif de la
simulation

Feuil +
Pomme

Sabl +
Pomme

Bris +
Cerise

Sabl +
Poire

01 / 01 / 2010

30

20

10

20

02 / 01 / 2010

35

15

30

Le premier produit lancer sur le four est laiss au choix de lutilisateur

Puis ds la fin du lot conomique du premier produit choisi, un algorithme
de dcision (bas sur le principe de lancement du produit tant le plus en
retard de production par rapport son objectif) slectionne le produit
lancer nouveau (en respectant bien sur les contraintes dfinies)

Rsultats de simulation

Le programme de fabrication du four

Jour de lancement de
lOF

Pte

Fruit

Tps de
changement

Volume

01/01/2010

Feuil

Pomme

400

09/01/2010

Sabl

Pomme

1200

Lencours du stock par Pte, avec le niveau maximum atteint

25 000

35 000

30 000
20 000

25 000
15 000

10 000

20 000
15 000
10 000

5 000

5 000
0

Cumul
Feuil
Sabl
Bris

Exemple 4
Utilisation de la simulation dans le
secteur hospitalier

Simulation hospitalire
Service durgences
Cadre :

Conception dun nouveau service durgences

Box rservs pendant la dure du sjour patient
Objectif : Dfinir le nombre de box rservs aux diffrents services durgences
Valider les besoins en personnel (dont les assistants en radiologie)

Simulation hospitalire
Diagnostic pr-opratoire
Cadre :
Rorganisation dun service pr-opratoire
Objectif : Dfinir la capacit du service en nombre de lits
Valider le besoin en personnel ddi
Valider le besoin dune machine ultrason ddie

Simulation hospitalire
Blocs opratoires
Cadre :
Blocs en cours de reconception
Objectif : Dfinir le nombre de blocs ncessaires et la capacit du service
Dfinir le nombre de lits ncessaires dans les zones de rception et de suivi postopratoire
Estimer la surface requise pour le service

Simulation hospitalire
Flux logistiques automatiss
Cadre :

AGV sizing
2:00
1:47

1:45

Duration of delivery sequences

Nouvel hpital
Automatisation partielle de la logistique
(repas, linge, pharmacie, strilisation)
Objectif : Dfinir le nombre de vhicules requis
Estimer les dures des missions

Breakfast delivery
Breakfast clear away
Lunch delivery
Lunch clear away
Diner delivery
Diner clear away

1:30

1:15

1:00

1:26
1:16
1:07
0:57
0:52
0:45

0:45

0:30

0:26 0:26 0:26

0:28 0:28 0:28 0:29

0:31 0:31 0:32 0:32

0:34 0:35

0:37

0:48

0:40 0:41

0:15

27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10

Number of AGVs for catering

Simulation hospitalire
Flux verticaux dun nouvel hpital
Cadre :
trois types de flux : visiteurs, mdical et logistique
Objectif : dterminer le nombre optimal de cages dascenseur par type de flux

Simulation hospitalire
Flux verticaux et horizontaux
Cadre :

conception de lensemble de la logistique en phase davant-projet

trois types de flux : visiteurs, mdical et logistique
Objectif : - dterminer les ressources humaines ncessaires au traitement du flux logistique
- dterminer le nombre optimal de cages dascenseur par type de flux
- fournir des supports visuels de prsentation pour le concours

VISITEURS
PERSONNEL

LOGISTIQUE

Simulation hospitalire
Laboratoire de biologie
Cadre :
Pr tri du futur laboratoire de Biologie
Objectif : Mesurer l'influence de l'organisation sur le temps de service.
Comparaison de diffrentes implantations et technologies
Comparaison par rapport la situation actuelle

Temps de service maxi tous labos

Tps Service moyen Tous Labos

% Au dela de 32 mn

% Au dela de 60 mn

Nb PC

18
16
14
12
10
8
6
4

an
u

Ac
tu
el
ND
M
11
an
u
ND
10
M
an
u
ND
M
9
an
u
ND
M
8
an
u
ND
7
HB
-4
3
HB
Ba
-4
HB
3
Ba
P43
HB
Ba
I-4
HB
3
Ba
VTo
43
us
Fl
ux
43

HB
-3
HB
3
Ba
P33
HB
Ba
-3
3
HB
Ba
I-3
HB
3
Ba
VTo
33
us
Fl
ux
33

NS Conseil
Nous contacter

Jrome NEAU
Ingnieur Simulation
Tel: +33 1 45 46 82 60
Email: jneau@nsconseil.fr

NS CONSEIL
12 Avenue Raspail
GENTILLY
Tel: +33 1 45 46 82 60
Web: http://www.nsconseil.fr