Projet de 2 ans P₃S₂ : Pilotage Souple pour une Performance sure des Systèmes logistiques et de Production...

Reconduit pour 2 ans sous le titre P₃S₂ : Pilotage Souple de la Performance des Systèmes Productifs...

octobre 2004 à décembre 2008 - Au Centre de Recherches et d'Études en Gestion Industrielle (CREGI), puis au sein de l'équipe MAAD, aux FUCaM, Mons, Belgique - Projet sur Fonds spéciaux de recherche "P₃S₂".

Le projet P₃S₂ a débuté en octobre 2004 et s'est terminé en décembre 2008 ; j'ai participé à la création de ce projet, j'y ai été associé dès le début et je co-encadre une étudiante en doctorat sur ce projet depuis juin 2005. La défense privée a eu lieu le 2 septembre 2011 aux FUCaM. La défense publique a eu lieu le 12 décembre 2011.

Le thèse est accessible via cette URL : http://dial.academielouvain.be/handle/boreal:105268.

Pilotage souple pour une performance sure des systèmes logistiques et de production

Cette étude concerne le pilotage souple des systèmes de production. Celui-ci est basé sur une approche intégrant la performance industrielle, des mécanismes d'agrégation, des outils d'analyse de dysfonctionnements et des techniques de simulation.

Il s'agit, dans le cadre de ce projet, de développer une approche permettant au décideur d'élaborer une politique de pilotage de son système productif en se basant sur les diverses mesures collectées sur celui-ci. Ces mesures sont ensuite traduites, selon des logiques d'agrégation appropriées, en indicateurs compatibles avec les besoins des différents niveaux de décision de l'entreprise. Ils participent à la formation de tableaux de bord et offrent un outil d'aide à la décision.
L'interrogation sur la manière d'améliorer la performance industrielle de l'entreprise passe d'abord par la définition du processus de production et par l'identification des activités « critiques ». Une fois le périmètre de l'étude bien cerné, il reste à qualifier et quantifier la performance à mesurer. Plusieurs questions sont dès lors possibles : Quels sont les indicateurs permettant d'exprimer cette performance ? Ceux-ci sont-ils pertinents, aisément mesurables ? Comment recueillir les données au sein du système d'information ?

En se basant sur différentes recherches concernant la performance et des travaux antérieurs menés au sein du CREGI dans le domaine de l'analyse, la modélisation et la simulation des systèmes de production, nous mettrons en avant les différents types d'indicateurs utilisés pour le pilotage de systèmes de production (indicateur de processus, de résultat, de maîtrise, de suivi, etc.). Nous verrons également dans quelle mesure les indicateurs varient en fonction des logiques d'agrégation et de l'incertitude des mesures. Cette remontée d'informations agrégées constitue la démarche ascendante. Elle a pour but de détecter les symptômes de dysfonctionnements éventuels par la mise en place d'alarmes. Elle s'accompagne d'une logique de désagrégation, c'est à dire d'une approche descendante permettant d'identifier les indicateurs capables de renseigner les gestionnaires sur les sources potentielles de ces dysfonctionnements. Cette étape de désagrégation, couplée avec des outils d'analyse causes-effets (diagramme d'Ishikawa), des outils de contrôle statistique de procédés (Six Sigma) ou encore des outils d'analyse des modes de défaillance (AMDEC), guide les décideurs dans l'identification des causes des dérives détectées. Cela se traduit par la sélection appropriée de règles de pilotage (affectation des ressources, planification d'approvisionnement, gestion des stocks, ordonnancement, maintenance, etc.) à appliquer sur l'ensemble ou sur une partie du système de production.

Cette méthodologie a le mérite de la rapidité. Son principal défaut est son côté statique étant donné que tous les processus ne sont pas stables et leur performance évolue dans le temps. De plus, la performance optimale du processus correspond rarement à la performance optimale de chacune de ses parties. Les outils de simulation permettent d'appréhender cette performance fluctuante en modélisant précisément les aspects dynamique et stochastique du système étudié. Ils offrent également la possibilité d'étudier des solutions organisationnelles alternatives en cherchant notamment une meilleure allocation des ressources et ceci en adoptant une démarche multicritère.

Les résultats de la simulation vont enrichir le modèle de performance initialement décrit. Celui-ci sera, par conséquent, plus rigoureux et souvent plus détaillé. En outre, la simulation de plusieurs stratégies d'action permet de mesurer la sensibilité des logiques d'agrégation des indicateurs, l'efficacité des logiques de désagrégation et d'évaluer l'impact des choix des règles de pilotage sur la performance globale du système.

David DUVIVIER

Retour à ma page d'accueil...