Antoneta Iuliana BRATCU

Slides:



Advertisements
Présentations similaires
La recherche de chemin optimal
Advertisements

La Méthode de Simplexe Standardisation
Fabrice Lauri, François Charpillet, Daniel Szer
« Systèmes électroniques »
Co-directeurs : Alexandre DOLGUI et Farouk YALAOUI
Algorithmes et structures de données avancés
Fonctions & procédures
Calcul géométrique avec des données incertaines
LIRMM 1 Journée Deuxièmes années Département Microélectronique LIRMM.
UMLV 1 Problème G = (S, A) graphe (orienté) Calculer H = (S, B) où B est la clôture réflexive et transitive de A. Note : (s,t) B ssi il existe un chemin.
Finalités et objectif de la sous-épreuve
Simplification et abstraction de dessins au trait
LES GRAPHES.
1 Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres.
Modélisation et commande hybrides d’un onduleur multiniveaux monophasé
A.Faÿ 1 Recherche opérationnelle Résumé de cours.
Ordre et inégalités Objectifs: - Comparer des nombres.
Ordonnancement des mouvements de deux robots
Plus rapide chemin bicritère : un problème d’aménagement du territoire
Stabilité des systèmes linéaires continus
Stabilité des systèmes linéaires continus
Safae LAQRICHI, Didier Gourc, François Marmier {safae
                                        République Algérienne Démocratique et Populaire Ministère de l’Enseignement Supérieur et de la Recherche Scientifique.
Introduction Modélisation Utilisation dun ensemble de relations mathématiques pour refléter le plus adéquatement possible une situation réelle Compromis.
PROGRAMMATION SCIENTIFIQUE EN C
Professeur Amar Ramudhin, ing. Ph.D
Plan Évolution Système On Chip Difficultés de la testabilité des SOCs
Application des algorithmes génétiques
Algorithmique et Programmation
Algorithmes Branch & Bound
Les algorithmes: complexité et notation asymptotique
Programmation linéaire
OperationFormules et symboles 1.Utiliser pour trouver la moyenne d'une étendue (bloc) de cellules. 2.Pour trouver parmi une étendue de cellules celle.
LES ARBRES IUP 2 Génie Informatique
Coloration gap sommet identifiante de graphes
Introduction à l’algorithmique
1 Enseigner les mathématiques grâce à lenvironnement Cabri UREM UNIVERSITE LIBRE DE BRUXELLES 18 Avril 2007 Enseigner les mathématiques grâce à lenvironnement.
GPA750 Les ateliers multigammes Chapitre 5
IFT Complexité et NP-complétude
Programmation linéaire en nombres entiers Algorithme de la subdivision successive («Branch and Bound Algorithm»)

1 Licence dinformatique Algorithmique des graphes Problèmes dordonnancement. Utilisation de ce document strictement réservée aux étudiants de l IFSIC dans.
Journées scientifiques GdR MOMAS 4-5 novembre Modèles et couplages
Algorithmes d ’approximation
Introduction à la programmation linéaire
Club Cast3m 21 novembre 2008 Modélisation du comportement hydromécanique post-fermeture d’une cavité souterraine remblayée N. Dufour et H. Wong DGCB,
Page de garde présentation
Les modalités d’évaluation dans le cadre du C2i
Détection du meilleur format de compression pour une matrice creuse dans un environnement parallèle hétérogène Olfa HAMDI-LARBI.
L ABORATOIRE d I NGÉNIERIE des S YSTÈMES A UTOMATISÉS EA 4014 – Université dAngers Institut des Sciences et Techniques de lIngénieur dAngers Master2 Recherche.
Calcul des groupes d'homologie d’objets discrets
Why You Ought To Use Formal Methods: a 3-Pages 11-Slides Illustration Eric Jaeger, UPMC / LIP6 Réunion SSURF du 5 avril 2007.
GPA750 – Gestion de Projets
Atelier de formation : MAT optimisation II (les graphes).
Programmation linéaire en nombres entiers : les méthodes de troncature
MAXIMISER les RESULTATS
Heuristiques C. Recherche de la meilleure branche . Branch And Bound
ECOLE DES HAUTES ETUDES COMMERCIALES MARKETING FONDAMENTAL
ECOLE DES HAUTES ETUDES COMMERCIALES MARKETING FONDAMENTAL
Coupes efficaces pour la relaxation lagrangienne
Apérisentation Sur les graphes évolutifs Mardi 22 novembre 16h30.
Pr ZEGOUR DJAMEL EDDINE Ecole Supérieure d’Informatique (ESI)
INF3500 : Conception et implémentation de systèmes numériques Pierre Langlois La technique du pipeline.
Chemin critique et fréquence maximale d’horloge
Programmation linéaire en nombres entiers
Algorithmes Branch & Bound
LE FLOT MAXIMAL et LA COUPE MINIMALE
Travaux Pratiques Optimisation Combinatoire
Optimisation pour la Conception de Systèmes Embarqués
Ajouts et retraits dans un arbre de connexion Nicolas Thibault et Christian Laforest, Équipe OPAL Laboratoire IBISC (regroupement LaMI et LSC), Évry 8.
Transcription de la présentation:

Optimisation du coût des lignes de transfert reconfigurables – approche par programmation linéaire – Antoneta Iuliana BRATCU – stagiaire post-doc sous la direction d’Alexandre DOLGUI – Présentation G2I / 26.05.2005 – 1 / 15

Sommaire  Positionnement du sujet  Description du problème – notations  Agrégation des contraintes. Formulation comme programme linéaire  Pré-traitement : réduction du modèle, bornes  Discussion sur un exemple  Conclusion et perspectives Présentation G2I / 26.05.2005 – 2 / 15

 Positionnement du sujet Lignes de transfert… plusieurs stations en série exécution sérielle des blocs dans chaque station tête d’outil multifonctionnel : bloc – exécution parallèle des opérations  utilisées dans l’usinage (production de masse)  grande productivité  investissements importants l’optimisation initiale est justifiée … mais la ligne manque de flexibilité … reconfigurables : concevoir dès début la ligne de sorte à minimiser son coût pour toute une famille de produits Présentation G2I / 26.05.2005 – 3 / 15

?  Description du problème – notations La ligne doit usiner : sous les contraintes… Ni – opérations Gi – graphe de précédence Tci – temps de cycle … d’inclusion – p produits – pour chaque i=1,2…p … de précédence – Dori … de temps avec un ensemble de blocs (têtes d’outils) connu : Cbr – coût tbr – temps opératoire B – pour chaque r=1,2…| B | … d’exclusion – Dbs Cs0 – coût (fixe) d’une nouvelle station m0 – nombre maximal de stations n0 – nombre maximal de blocs par station en sachant en plus : Combien de stations, y et quelle affectation des blocs aux stations, xrk = faut-il avoir afin de minimiser le coût total de la ligne : Cs0·y + ·xrk ? Présentation G2I / 26.05.2005 – 4 / 15

 Agrégation des contraintes  agrégation des contraintes de précédence – superposition des p graphes de précédence individuels, Gi  graphe G’ – puisqu’il peut y avoir des précédences contraires dans les différents Gi, G’ peut contenir des circuits, – … alors le sens stricte de la notion de précédence doit être relâché – … et les nœuds de chaque tel circuit sont agglutinés pour former une seule macro-opération  G orienté acyclique  agrégation des contraintes d’inclusion – chaque élément de chaque qui contient seulement des parties d’une macro-opération est étendu avec les opérations manquantes – les ensembles ayant des intersections non vides sont réunis  agrégation des contraintes d’exclusion – les blocs qui ne peuvent exécuter que des parties de macro-opérations sont éliminés,… – … donc les éléments de Dbs qui les contiennent seront aussi éliminés Dbs Présentation G2I / 26.05.2005 – 5 / 15

 Formulation comme programme linéaire. Paramètres additionnels bornes m* – une borne inférieure du nombre de stations – pour chaque bloc r, l’intervalle K(r) = [head(r), tail(r)], head(r) est la station la plus tôt tail(r) est la station la plus tard où le bloc r peut être assigné La famille Fs = {F1,…Fv} de paires de blocs ayant des opérations communes  Fs est un sous-ensemble de blocs alternatifs (seulement un bloc de chaque paire de Fs peut être utilisé dans une décision) F0 = B\ – l’ensemble de blocs qui sûrement apparaissent dans une décision M(r) – les opérations prédécesseurs des opérations de Br, qui n’appartiennent pas à Br DtDos – pour chaque bloc r bloc Br wrt=|BrDt| H(r) = {BtB | BtM(r)≠} Wt = {BrB | wrt>0} H={BrB | M(r)} Ut = {BrB | itBr}, avec it une opération fixée de l’ensemble DtDos Br  H BtH(r) htr=|BtM(r)| R* – une borne supérieure de l’ensemble des blocs à affecter à la dernière station Présentation G2I / 26.05.2005 – 6 / 15

 Formulation comme programme linéaire Minimiser Cs0·y + ·xrk sous les contraintes :  exécution de chaque opération de l’ensemble agrégé, N, dans une seule station, aussi bien par des blocs qui n’ont pas d’intersections (de F0), que par les autres blocs (de Fs)   exécution de toutes les opérations de N  respect des contraintes de précédence agrégées (décrites par le graphe de précédence « total », G)  respect des contraintes d’inclusion agrégées, Dos  respect des contraintes d’exclusion agrégées, Dbs  contrainte du nombre maximal de blocs par station  y  kxrk, rR*, kK(r), km* contrainte sur le nombre de stations  respect des temps de cycle de tous les produits Présentation G2I / 26.05.2005 – 7 / 15

 Pré-traitement : réduction du modèle … portant sur l’ensemble de blocs, après l’agrégation des contraintes et l’élimination des blocs ne pouvant exécuter que des parties de macro-opérations 1. Identifier les « circuits » de blocs a). u v B w i j B x q s B z i B r j k l B t k l B y a) b) « Briser » chaque tel circuit en éliminant le plus coûteux bloc de par son coût par opération. 2. En particulier, si 2 blocs forment une « boucle » b), alors ils seront traités comme des blocs alternatifs. 3. Éliminer tout bloc pour lequel il n’existe pas un sous-ensemble de blocs B’, tel que : – les opérations de B’ donnent l’ensemble total, N, – |B’|  m0n0, – tous les blocs de B’ sont mutuellement disjoints. Présentation G2I / 26.05.2005 – 8 / 15

décrit dans un travail antérieur  Pré-traitement : calcul des bornes  Calcul de K(r), pour chaque bloc r. graphe de précédence agrégé, G algorithme A décrit dans un travail antérieur a) contraintes d’inclusion agrégées, Dos q–(i), i=1,2,…|N| matrice des distances d(i,j) = graphe inversé, Ginv algorithme A b) Dos q+(i), i=1,2,…|N| matrice d c) k+/–(i) = [q+/–(i)/n0], i=1,2,…|N| head(r) = max{k–(i) | i  Br} tail(r) = min{k+(i) | i  Br} d)  Calcul de m* : m* = max{k–(i)| i  N}  Calcul de R*. a) tail_max  max{tail(r)| Br  B}. b) Notons par head_min le minimum des heads des blocs ayant le tail égal à tail_max. c) R* est formé des blocs qui ont le tail strictement supérieur à head_min. Présentation G2I / 26.05.2005 – 9 / 15

 Un exemple de petite taille – données d’entrée  p = 3 produits N1={1,2,3,4,5,6,7,8,9,10}, |N1|=10 N2={1,2,3,4,5,6,7,8,9,10,11,12}, |N2|=12 N3={1,2,5,7,8,9,10,11,12,13}, |N3|=10 |N|=13    contraintes de précédence 1 6 3 4 2 8 9 5 10 11 G 7 12 1 6 3 2 7 8 4 9 10 5 G 1 13 5 12 8 2 9 10 11 G 3 7  contraintes d’inclusion Présentation G2I / 26.05.2005 – 10 / 15

 Un exemple de petite taille – données d’entrée  les blocs Bloc r Opérations Temps opératoire, tbr [u.t.] Coût, Cbr [u.m.] B1 {1,3,6,13} 9 250 B2 {1,3,13} 8 170 B3 {1,2,7,8} 6 281 B4 {2,5,9} 10 150 B5 {2,5,7,8,11} 275 B6 {2,6,9,10} 11 230 B7 {4,6,8,10} 13 211 B8 {4,7,8} 160 B9 {4,7,8,9} 215 B10 {5,12,13} 158 B11 {10,11,12,13} 12 B12 {2,5,10,11,12} 260         contraintes d’exclusion  les temps de cycle : Tc1=23 u.t. Tc2=25 u.t. Tc3=21 u.t. Présentation G2I / 26.05.2005 – 11 / 15

 Un exemple de petite taille – pré-traitement  le graphe de précédence agrégé 1 6 9 4 3 8 7 a = {2,5} b = {10,11,12} G 13  … l’ensemble de blocs Bloc r Opérations tbr [u.t.] Cbr [u.m.] B1 {1,3,6,13} 9 250 B2 {1,3,13} 8 170 B3 {1,2,7,8} 6 281 B4 {2,5,9} 10 150 B5 {2,5,7,8,11} 275 B6 {2,6,9,10} 11 230 B7 {4,6,8,10} 13 211 B8 {4,7,8} 160 B9 {4,7,8,9} 215 B10 {5,12,13} 158 B11 {10,11,12,13} 12 B12 {2,5,10,11,12} 260  2 macro-opérations  … « circuits » de blocs a 6 B 1 3 13 B 2 9 B 9 4 7 8 B 8 a 9 B b B 12 13 b B 11  … les contraintes d’inclusion  b  … les contraintes d’exclusion a b Présentation G2I / 26.05.2005 – 12 / 15

 Un exemple de petite taille – bornes… Bloc head tail m* R* B1 1 4 2 {1,2,3,4,5,6} B2 5 B4 B8 B9 B12 t  … optimisation Fs={{B1,B2}, {B4,B12}, {B4,B9}, {B8,B9}} F0= R={1, 2, 4, 8, 9, 12} |Dospt|=nic=3 H={B4, B8, B9, B12} wrt, r  R, t=1,2,…nic=3 M(r) H(r) htr, r  R, t  R W1={B1,B2} W2={B8,B9} W3={B4,B12} B1 B2 B4 B8 B9 B12 2  1 {4,7,8} {B8,B9} 3 {3,6,13} {B1,B2} {4} r t 2 Station 1 ts =9, Cs =600 2 Station 2 ts =21, Cs =825 B 1 { 1, 13, 3, 6 } tb =9 Cb =250 B 9 { 4, 7, 8, 9 } tb =10 Cb =215 B 12 { b , a } tb =11 Cb =26 solution optimale Présentation G2I / 26.05.2005 – 13 / 15

 Conclusions…  … à faire  … perspectives  lignes de transfert : investissement initial important  – optimisation dans la phase initiale de conception justifiée… – … encore plus dans le cas d’une famille de produits, assurant la reconfigurabilité à moindres frais  conception des lignes de transfert reconfigurables : agrégation des contraintes  … à faire  amélioration des bornes  tests numériques plus amples  couplage avec des heuristiques  … perspectives  reformuler le problème en tenant compte des coûts de fonctionnement Présentation G2I / 26.05.2005 – 14 / 15

Merci de votre attention ! Présentation G2I / 26.05.2005 – 15 / 15