Logo ÉTS
Session
Cours
Responsable(s) Jean-Pierre Kenné

Se connecter
 

École de technologie supérieure
Département de génie des systèmes
Responsable(s) de cours : Jean-Pierre Kenné


PLAN DE COURS

Hiver 2019
SYS829 : Modélisation des systèmes de production (4 crédits)



Préalables
Aucun préalable requis




Descriptif du cours
Développer des aptitudes avancées en modélisation des systèmes de production en se fondant sur une approche pragmatique quoique quantitative. Se familiariser avec les approches utilisées pour la modélisation et les mesures de performance des systèmes manufacturiers complexes.

Modèles déterministes : modèles linéaires multiproduits, multicapacités, planification agrégée de production, planification à capacité finie, contrôle de flux dans les réseaux de processeurs indépendants, problèmes engendrés par les lots et les temps de mise en course. Simulation : modélisation des ensembles manufacturiers en utilisant la simulation par événements discrets, par processus et continue. Contrôle de temps, files d’attente, génération de nombres aléatoires, distribution de probabilités, tests statistiques. Introduction au design expérimental. Modélisation de cas réels.



Objectifs du cours

Ce cours vise à donner à l’étudiant la maîtrise des concepts de modélisation et de commande des systèmes de production complexes basés sur la théorie de commande optimale déterministe et stochastique, les méthodes numériques et les méthodes heuristiques d’approximation des politiques optimales en production manufacturière.

 

À la fin de ce cours, l’étudiant sera plus particulièrement en mesure de :

  • Décrire les différents environnements manufacturiers, leurs composants et leur évolution dans les systèmes de production à flux continu, en atelier et cellulaire;
  • Développer les modèles déterministes ou stochastiques qui décrivent la dynamique de différents types de système de production;
  • Établir les conditions d’optimum des problèmes formulés et définir les structures des politiques optimales;
  • Résoudre les équations décrivant les conditions d’optimum par des méthodes numériques et intégrer la simulation et les plans d’expériences dans la modélisation et la commande des systèmes de production complexes.



Stratégies pédagogiques
  • Trois heures de cours magistral par séance (deux séances de cours par jour);
  • Deux heures de travaux dirigés aux dates spécifiées au plan du cours;
  • Trois devoirs et autres travaux réalisés en dehors des heures de cours permettront aux étudiants de consolider la matière présentée dans chaque chapitre du cours;
  • Un travail de synthèse intégrant les différents concepts présentés dans le cours.



Utilisation d’appareils électroniques

N/A




Horaire
Groupe Jour Heure Activité
01 Lundi 08:30 - 17:00 Activité de cours
Vendredi 08:30 - 17:00 Deuxième activité de cours
Vendredi 08:30 - 17:00 Laboratoire



Coordonnées de l’enseignant
Groupe Nom Activité Courriel Local Disponibilité
01 Jean-Pierre Kenné Activité de cours Jean-Pierre.Kenne@etsmtl.ca A-1820
01 Jean-Pierre Kenné Deuxième activité de cours Jean-Pierre.Kenne@etsmtl.ca A-1820



Cours

Cours

Description

#1

(7 janvier 2019)

Présentation du cours, notions générales sur la modélisation des systèmes de production, théorie des probabilités. Analyse des performances des systèmes de production.

#2

(7 janvier 2019)

Programmation dynamique et modèles déterministes d’optimisation des systèmes de production.

#3

(11 janvier 2019)

Processus stochastiques et chaînes de Markov (chapitre 2 et Ross).

#4

(11 janvier 2019)

Modèles stochastiques de planification de la production et de la maintenance des systèmes de production – machines en parallèle (chapitre 8).

#5

(14 janvier 2019)

 

Modèles stochastiques de planification de la production et de la maintenance des systèmes de production – machines en parallèle (chapitre 9).

#6

(14 janvier 2019)

Modèles stochastiques de planification de la production et de la maintenance des lignes de production (chapitres 3 et 4).

#7

(18 janvier 2019)

Méthodes et algorithmes numériques en commande optimale stochastique.

#8

(18 janvier 2019)

Introduction aux systèmes logistiques intégrant les systèmes de productions (chaîne logistique : approvisionnements, production, distribution), gestion des approvisionnements et de stocks.

#9

(21 janvier 2019)

Chaînes d’approvisionnement en boucle fermée et problèmes de logistique inverse en production.

#10

(21 janvier 2019)

 

Mise en course et ordonnancement en systèmes manufacturiers (chapitres 10 et 11).

#11

(28 janvier 2019)

Introduction à la simulation et théorie des files d’attente en production manufacturière.

#12

(28 janvier 2019)

Introduction aux modèles de simulation  (définitions, avance du temps et principe de la simulation à événements discrets, principaux blocs) et exemples.

#13

(1 février 2019)

Introduction aux plans d’expérience et à la méthodologie des surfaces de réponse, commande des systèmes de production (logiciel d’analyse statistique et d’optimisation).




Laboratoires et travaux pratiques

Séances

Description

25 janvier 2019 (2h)

Techniques d’optimisation (rappels 1 & 2)

25 janvier 2019 (2h)

Techniques d’optimisation (rappels 3 & 4)

25 janvier 2019 (2h)

Travaux dirigés (exercices en programmation dynamique déterministe)

25 janvier 2019 (2h)

Travaux dirigés (modélisation des systèmes logistiques de production, logistique inverse)

8 février 2019 (2h)

Familiarisation avec Matlab (M1P1 – une machine produisant un type de pièces),

8 février 2019 (2h)

Présentation du projet de session. 

8 février 2019 (2h)

Familiarisation avec les méthodes numériques et algorithme de résolution des équations d’HJB

8 février 2019 (2h)

Support pour le projet de session.




Évaluation
Devoirs 30 %
Projet de session 30 %
Examen final 40 %

 




Date de l'examen final
Votre examen final aura lieu pendant la période des examens finaux, veuillez consulter l'horaire à l'adresse suivante : http://etsmtl.ca/Etudiants-actuels/Baccalaureat/Examens-finaux


Politique de retard des travaux
Tout travail (devoir pratique, rapport de laboratoire, rapport de projet, etc.) remis en retard sans motif valable, c’est-à-dire autre que ceux mentionnés dans le Règlement des études (1er cycle, article 7.2.7 b / cycles supérieurs, article 6.5.4 b) se verra attribuer la note zéro, à moins que d’autres dispositions ne soient communiquées par écrit par l’enseignant dans les consignes de chaque travail à remettre ou dans le plan de cours pour l’ensemble des travaux.

Dispositions additionnelles

N/A




Absence à un examen
Dans les cinq (5) jours ouvrables suivant la tenue de son examen, l’étudiant devra justifier son absence d’un examen durant le trimestre auprès de la coordonnatrice – Affaires départementales qui en référera au directeur de département. Pour un examen final, l’étudiant devra justifier son absence auprès du Bureau du registraire. Toute absence non justifiée par un motif majeur (maladie certifiée par un billet de médecin, décès d’un parent immédiat ou autre) à un examen entraînera l’attribution de la note (0).



Plagiat et fraude
Les clauses du « Règlement sur les infractions de nature académique de l’ÉTS » s’appliquent dans ce cours ainsi que dans tous les cours du département. Les étudiants doivent consulter le Règlement sur les infractions de nature académique (https://www.etsmtl.ca/A-propos/Direction/Politiques-reglements/Infractions_nature_academique.pdf ) pour identifier les actes considérés comme étant des infractions de nature académique ainsi que prendre connaissance des sanctions prévues à cet effet.  À l’ÉTS, le respect de la propriété intellectuelle est une valeur essentielle et les étudiants sont invités à consulter la page Citer, pas plagier ! (https://www.etsmtl.ca/Etudiants-actuels/Baccalaureat/Citer-pas-plagier).



Documentation obligatoire
  • Gershwin, S. B. Manufacturing Systems Engineering, Prentice Hall, 1994.



Ouvrages de références
  • Askin, R. G. et Standridge, C. R.; Modeling and analysis of manufacturing systems, John Wiley & Sons, 1993.
  • Altiok, Tayfur; Performance Analysis of Manufacturing Systems, Springer Series in Operations Research, 1997.
  • Ross S. M.; Introduction to probabilities models, 5e edition, Academic Press, 1993.
  • Myers, R. H. et Montgomery, D. C.; Response Surface Methodology: Process and Product Optimization Using Designed Experiments, Wiley & sons, 1995
  • Montgomery, D. C.; Design and Analysis of Experiments, Wiley & Sons, 1997.
  • Pritsker, A.A.B. et O’Reilly, J.J. (1999); Simulation with Visual SLAM and Awesim, 2e édition, John Wiley & Sons, N.Y.
  • Banks, J., Carson J.S., Nelson, B.L. and Nicol, D.M. (2001); Discrete Event System Simulation, 3e édition, Prentice-Hall.
  • Law, A.M. and Kelton, W.D. (2000); Simulation Modeling and Analysis, 3e édition, Mc Graw-Hill.
  • Kelton, W. David et al. (2009); Simulation with Arena, 5e édition, McGraw Hill.
  • Rossetti, Manuel D. (2009); Simulation Modeling and Arena, John Wiley & Sons.



Adresse internet du site de cours et autres liens utiles

https://ena.etsmtl.ca