WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Pilotage de cycle de vie de produit à base de produits intelligents : application à l'industrie pharmaceutique

( Télécharger le fichier original )
par wassim bouazza
université d'Oran - Magister 2013
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Chapitre IV: Implémentation et simulations

5. EVAL : Permet de calculer et de diffuser les évaluations partielles.

6. PROG : Contrôle-le suivie de l'ordonnancement avec la plus petite fonction « Objectif ».

Comportement

type

Déclenchement

PERCEPTION

SIMPLEBEHAVIOUR

AG_PROD.SETUP ()

ECOUTE

SIMPLEBEHAVIOUR

AG_PROD.SETUP ()

TREE

ONESHOTBEHAVIOUR

LOOP

LOOP

TICKERBEHAVIOUR

AG_PROD.SETUP ()

PROG

TICKERBEHAVIOUR

TREE

Tableau 17 : Digramme de séquences de l'algorithme de résolution

5.5. Résultats point de vue produit intelligent

Les agents sont définis en se basant sur le modèle de produit actif pour les systèmes Hétérarchiques. L'utilisation d'agents permet l'encapsulation des modèles de comportement (que nous nommons activités) utilisés en particulier pour l'ordonnancement des ressources.

La coordination entre agents produits est réalisée par le biais de partage d'informations et d'évaluations. L'évaluation du système de pilotage ainsi défini se fait en utilisant l'interaction entre produits actifs.

Figure 78: Séquence de déclenchement des comportements dans une résolution type

Les comportements sont comme des briques logicielles, réutilisables et modulaires qui, combinées entre elles, permettent d'envisager d'étendre à des taches dans différents domaines, tel que l'ordonnancement de production, la logistique ou encore la planification de personnel.

104

Chapitre IV: Implémentation et simulations

5.6. Efficacité de la méthode

Les structures de données permettent de générer uniquement l'espace de recherche pertinent. Ce qui représente un gain important en termes de ressources et de temps d'exécution.

C'est ce point qui rend possible: premièrement, l'utilisation d'une méthode exacte d'énumération totale, deuxièmement, cette approche de formalisme facilite l'extension à d'autres phases de cycle de vie du produit

Figure 79: Ecart entre espace totale et espace pertinent

105

Chapitre IV: Implémentation et simulations

5.7. Efficacité de la méthode et hétérogénéité des produits

Comme le montre les premiers résultats, l'efficacité de notre méthode est positivement affectée par l'hétérogénéité. En effet, plus les produits à ordonnancer sont de familles différentes, plus les temps de changement d'outils peuvent s'avérer importants. En résulte une progression avec une courbe de tendance de 237,17 exp (0,14 x). Notre méthode est alors d'autant plus efficace que l'hétérogénéité des produits est importante.

Figure 80 : Impacte de l'hétérogénéité des produits sur les résultats

5.8. Temps d'exécution

Pour un nombre réduit d'agents-produits les temps de résolution sont tout à fait acceptables. Cette validation tient compte de l'environnement industriel du cas pratique. En effet, dans le contexte pratique, le nombre de machines d'HPLC est de quatre machines. Pour les produits, une simple présélection des produits à traiter suffit à garder les données dans un cadre mathématiquement exploitable.

106

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Le doute est le commencement de la sagesse"   Aristote