Métaheuristiques pour la manipulation de routages alternatifs dans un job shop

Abstract

Le problème d’ordonnancement de type Job Shop est une classe très connue des problèmes d’optimisation NPdifficile. En raison de leur complexité, plusieurs heuristiques et métaheuristiques ont été proposés pour le résoudre. Cet article présente les résultats d'une étude de simulation d'un job shop avec flexibilité de routages. L’objectif de cette étude est de comparer les performances de quelques métaheuristiques (les colonies de fourmis, les algorithmes génétiques, le recuit simulé, la recherche avec tabou, les essaims particulaires et l’électromagnétisme) avec les méthodes de sélection de routage alternative en temps réel DMM (Dissimilarity Maximization Method) et DMM modifiée afin d’avoir une idée sur l’efficacité de ces métaheuristiques et de choisir la plus efficace. Pour valider les résultats de cette étude, nous avons simulé la DMM et la DMM modifiée sur un modèle de Job shop en utilisant le logiciel de simulation ARENA, et les métaheuristiques ont été simulées par Java sur le même modèle. Les résultats obtenus ont montré que toutes les métaheuristiques ont nettement amélioré le taux de production, le taux d’utilisation des différentes machines et le taux d’utilisation du système de transport, pour un système de production saturé et même en présence de pannes.