Contrôle du paramètre Decoupled Lead Time (DLT) et des temps de réponse dans un système piloté en DDMRP

La méthode Demand Driven Material Requirements Planning (DDMRP) est une méthode récente de gestion de la production, intégrant différents principes du génie industriel tels que le flux poussé, le flux tiré, l'utilisation de stocks tampons, ou encore le mécanisme des méthodes à point de commande. En combinant ces éléments, les auteurs du DDMRP affirment que leur méthode est la solution aux limites des méthodes traditionnelles de gestion de la production. Un des paramètres les plus importants du DDMRP est le Decoupled Lead Time (DLT). Il est défini comme le temps que l'on alloue aux ordres de fabrication pour être complétés. Le temps réellement mis pour fabriquer un ordre est appelé temps de réponse. Ainsi, si le temps de réponse d'un ordre est plus grand que le DLT, l'ordre est alors terminé en retard et l'on risque des ruptures de stocks. De plus, ce paramètre sert à dimensionner les stocks tampons qui génèrent les ordres de fabrication. Par conséquent, le DLT est également relié aux niveaux de stocks de l'entreprise. Il est donc intéressant de réduire au maximum ce paramètre, pour éviter des coûts de stockage inutiles. C'est ainsi qu'apparaît le compromis autour du dimensionnement du DLT, enjeu principal de cette thèse : d'un côté on cherche à dimensionner le DLT assez grand pour que les temps de réponse y soient le plus souvent possible inférieurs ou égaux, et de l'autre on cherche à diminuer au maximum ce paramètre pour réduire les coûts liés aux stocks. Le DLT est alors relié à deux indicateurs de performances clés en gestion de la production : le taux de service client et le niveau des stocks. Notre objectif général est donc d'améliorer les performances des ateliers de production pilotés par la méthode DDMRP, en proposant des outils de maîtrise des temps de réponse ou d'ajustement du paramètre DLT. Après avoir fait le tour des publications sur les différents sujets abordés et réalisé une revue de la littérature permettant de définir trois objectifs spécifiques de recherche différents, nous utilisons un protocole expérimental basé sur la simulation à évènements discrets pour atteindre ces objectifs, car elle permet de modéliser des environnements complexes soumis à de fortes variabilités. Nous proposons dans un premier temps une boucle de régulation permettant d'ajuster dynamiquement le paramètre DLT en fonction des temps de réponse observés dans l'atelier. Nous utilisons par la suite la simulation pour créer des abaques d'aide à la décision. Ces outils permettent de choisir la meilleure option possible de capacité pour une demande prévisionnelle donnée. L'idée étant de maîtriser les temps de réponse en contrôlant le taux de charge des ressources goulots. Enfin, nous couplons le DDMRP à la méthode Constant Work-In-Process (ConWIP) pour créer un modèle de génération des ordres de fabrication plus robuste que la méthode DDMRP classique. Notre modèle prend en compte la variabilité de la demande et celle de la production pour adapter les tailles de lot de fabrication, et ainsi lisser la charge et fluidifier l'atelier. Les principaux résultats de nos travaux de recherche sont la démonstration que lorsque des ordres de fabrication utilisent la même ressource goulot, leurs temps de réponse sont sensiblement les mêmes. Par conséquent, le paramètre DLT des stocks tampons de produits doit être le même pour tous. De plus, l'ajustement dynamique de ce paramètre permet de réduire les niveaux de stocks, notamment lors d'un mauvais paramétrage initial. Ensuite, il paraît plus judicieux de chercher à maîtriser les temps de réponse plutôt que d'ajuster le DLT. Cette maîtrise passe par le contrôle du taux de charge des ressources goulots. C'est pourquoi nous proposons des outils visuels d'aide à la décision permettant d'identifier les meilleures options d'ajustement de la capacité. Ces outils permettent de corréler le taux de charge des ressources, la distribution des temps de réponse, le paramètre DLT, et les taux de service atelier et client. Enfin, le couplage des méthodes DDMRP et ConWIP permet d'ajuster automatiquement la taille des lots de fabrication en fonction de l'état de l'atelier, fluidifiant ce dernier. Ce couplage rend plus robuste le système et offre de meilleures performances que la méthode DDMRP classique, en termes de volume d'en-cours, de distribution des temps de réponse, et de taux de service.

Abstract

The Demand Driven Material Requirements Planning (DDMRP) method is a recent production management method that integrates various industrial engineering principles such as push flow, pull flow, the use of inventory buffers, and the mechanism of reorder point methods. By combining these elements, the authors of DDMRP claim that their method is the solution to the limitations of traditional production management methods. One of the most important parameters of DDMRP is the Decoupled Lead Time (DLT). It is defined as the time that production orders are allowed to be completed. The time actually taken to produce an order is called flow time. Thus, if the flow time of an order is greater than the DLT, the order is completed late and there is a risk of stock-outs. Moreover, this parameter is used to size the stock buffers that generate the production orders. Consequently, the DLT is also linked to the company's inventory levels. It is therefore interesting to reduce this parameter as much as possible, to avoid unnecessary storage costs. This is how the compromise around the DLT dimensioning appears, which is the main issue of this thesis: on the one hand, we try to dimension the DLT large enough so that the flow times are as often as possible lower than or equal to the DLT, and on the other hand, we try to reduce as much as possible this parameter to reduce the costs related to the stocks. Our objective is therefore to propose methods allowing either to control the flow times so that they are lower than the DLT, or to adjust the DLT accordingly. After having surveyed the literature on the different topics and performed a critical review of the literature to define three different research objectives, we use an experimental protocol based on discrete event simulation to achieve these objectives, as it allows to model complex environments subject to high variability. First, we propose a control loop that dynamically adjusts the DLT parameter according to the real times observed in the workshop. We then use simulation to create decision support charts. These tools allow to choose the best possible capacity option for a given forecasted demand. The idea is to control the flow times by controlling the load rate of bottleneck resources. Finally, we couple DDMRP to the Constant Work-In-Process (ConWIP) method to create a more robust model for generating production orders than the classical DDMRP method. Our model takes into account the variability of demand and production to adapt the manufacturing batch sizes, thus smoothing the load and making the shop floor more fluid. The main results of our research are the demonstration that when production orders use the same bottleneck resource, their flow times are approximately the same. Therefore, the DLT parameter of the product buffers must be the same for all. Moreover, the dynamic adjustment of this parameter makes it possible to reduce the stocks, in particular at the time of a bad initial parameter setting. Secondly, it seems more sensible to try to control the flow times rather than adjusting the DLT. This control is achieved by controlling the load rate of bottleneck resources. This is why we propose visual decision support tools to identify the best capacity adjustment options. These tools allow to correlate the resource load rate, the flow time distribution, the DLT parameter, and the workshop and customer service rates. Finally, the coupling of DDMRP and ConWIP methods allows for the automatic adjustment of batch sizes according to the state of the shop floor, making the shop floor more fluid. This coupling makes the system more robust and offers better performance than the traditional DDMRP method, in terms of WIP volume, flow time distribution, and service rate.