L’optimisation & simulation : Princeps répond à ces deux défis de la performance industrielle

Optimisation : l’enjeu de prendre les bonnes décisions pour aujourd’hui et pour demain

À un niveau abstrait, l’optimisation consiste à tirer le meilleur parti des actifs existants; Par extension, il peut également se référer aux investissements les plus rentables dans de nouveaux équipements ou de nouveaux actifs. Cette première distinction donne lieu à 2 horizons d’application de l’optimisation dans l’industrie : l’optimisation structurelle à long terme et l’optimisation des opérations à court terme.

De plus, la gestion des opérations elle-même peut être abordée de différentes manières, selon que l’approche adoptée pour l’optimisation est ascendante ou descendante :

  • L’approche descendante

    L’approche descendante est basée sur l’optimisation hiérarchique : le problème d’optimisation est abordé comme une succession de problèmes d’optimisation de différentes échelles ou granularités temporelles. Par exemple, le premier problème est un problème de planification à moyen terme et concerne le système industriel dans son ensemble et un horizon d’un à plusieurs mois. Par la suite, l’horizon de temps est subdivisé en intervalles de temps plus fins. Au niveau le plus bas, l’objectif théorique est de réaliser la planification des opérations au jour le jour.

  • L’approche ascendante

    L’approche ascendante est celle qui commence par les problèmes locaux et tente de les agréger en une solution cohérente au niveau global.

  • À un niveau abstrait, l’optimisation consiste à tirer le meilleur parti des actifs existants; Par extension, il peut également se référer aux investissements les plus rentables dans de nouveaux équipements ou de nouveaux actifs. Cette première distinction donne lieu à 2 horizons d’application de l’optimisation dans l’industrie : l’optimisation structurelle à long terme et l’optimisation des opérations à court terme.

    De plus, la gestion des opérations elle-même peut être abordée de différentes manières, selon que l’approche adoptée pour l’optimisation est descendante ou ascendante :

  • L’approche descendante

    L’approche descendante est basée sur l’optimisation hiérarchique : le problème d’optimisation est abordé comme une succession de problèmes d’optimisation de différentes échelles ou granularités temporelles. Par exemple, le premier problème est un problème de planification à moyen terme et concerne le système industriel dans son ensemble et un horizon d’un à plusieurs mois. Par la suite, l’horizon de temps est subdivisé en intervalles de temps plus fins. Au niveau le plus bas, l’objectif théorique est de réaliser la planification des opérations au jour le jour.

  • L’approche ascendante

    L’approche ascendante est celle qui commence par les problèmes locaux et tente de les agréger en une solution cohérente au niveau global.

  • Avec la simulation dynamique d’un système, visibilité totale sur l’impact d’une décision

    La simulation peut être considérée comme une méthode de résolution de problèmes par essais et erreurs. Elle consiste à imiter, par des calculs, le comportement d’un système physique, et permet, en quelque sorte, une expérimentation virtuelle. L’idée fondamentale est de permettre de visualiser l’impact d’une décision donnée, à travers une série de calculs, plutôt que dans la réalité. Avec cette définition, on peut imaginer la simulation comme une succession de calculs manuels ; Le rôle des ordinateurs est simplement d’accélérer le processus grâce à leur puissance de calcul.

    Bien que la simulation puisse être effectuée avec des outils très simples tels que des tableurs Excel, il devient clair au-delà d’un certain niveau de complexité, que des outils plus élaborés deviennent nécessaires.

    Il y a 2 situations typiques qui donnent lieu à des comportements complexes dans la vie réelle :

    • Relations complexes

      Le cas où il existe des relations complexes entre les différentes composantes d’un système : c’est le cas lorsqu’il existe un grand nombre de degrés de liberté à tous les stades du système, et que l’évolution possible (et donc les bonnes décisions) à un moment donné dépend fortement des décisions prises aux autres étapes

    • Incertitudes

      Le cas où il existe un certain niveau d’incertitude dans le système; Ici, la complexité vient de l’interaction entre les parties déterministes et aléatoires du système

    • Le logiciel de Princeps s’occupe essentiellement du 1er sous-type de systèmes complexes.

      Le moteur de simulation de Princeps est un moteur générique. Il gère la simulation en temps discret et continu et permet la résolution de contraintes locales et la définition et la propagation des relations.

    Découvrez l’expérience Flowers pour la planification industrielle