METAHEURISTIQUES POUR LA MANIPULATION DE ROUTAGES ALTERNATIFS EN TEMPS REEL DANS UN FMS

Abstract

Cet article présente certaines métaheuristiques (les colonies de fourmis (ant colony optimization (ACO)), les algorithmes génétiques (genetic algorithm (GA)), le recuit simulé (simulated annealing (SA)), la recherche tabou (taboo search (TS)), les essaims particulaires (particle swarm optimization (PSO)) et l’électromagnétisme (electromagnetism like method (EM))) et compare leurs performances avec les règles de sélection de routages alternatifs en temps réel DMM (Dissimilarity Maximization Method) et DMM modifiée (MDMM), afin d’avoir une idée sur l’efficacité de ces techniques et de sélectionner la plus efficace. Pour valider les résultats de cette comparaison, nous avons simulé les règles DMM et DMM modifiée sur un FMS (Flexible manufacturing system) modèle en utilisant ARENA, et les métaheuristiques ont été simulées en utilisant Java sur le même modèle, qui se compose de sept machines, une station de chargement, une station de déchargement, et six types de pièces différentes. En raison de l'existence de centres d'usinage identiques dans le système, les types de pièces ont des routages alternatifs. De plus, au niveau de chaque machine, FIFO (First In First Out) est employé comme règle de séquencement. Les résultats de simulation ont montré l’amélioration des performances des métaheuristiques jugées par le taux de production, le taux d’utilisation des machines et du système de transport pour un système flexible de production saturé, même avec la présence de pannes.