L'ingénierie personnalisée et la construction de produits uniques sont des tâches complexes, où la gestion de projet contient beaucoup d'incertitudes. Les techniques de simulation pourraient aider à évaluer et à réaliser des plans améliorés et plus robustes pendant la gestion de projet, mais elles ne sont généralement pas appliquées dans l'industrie, en particulier dans les PME (petites et moyennes entreprises). Cet article présente quelques idées du projet de recherche commun SimCast des universités de Kassel et de l'université des sciences appliquées de Zwickau. Il vise à développer une méthode d'estimation de la durée d'une tâche lors de la planification d'un projet. Sur la base de l'état de l'art, les exigences et le processus de planification sont décrits, ainsi qu'une ébauche de l'infrastructure technique actuelle du prototype modulaire prévu. Les premiers plug-ins sont mis en œuvre et montrent déjà les avantages possibles pour le processus de gestion de projet. Le document décrit les scénarios possibles pour l'utilisation des techniques de simulation dans ce contexte, sur la base de l'expérience acquise.
Aujourd'hui, le respect des délais et la livraison d'un produit sont des facteurs concurrentiels importants pour les entreprises manufacturières (Emmanouilidis et al. 2012). Cela s'applique en particulier aux entreprises qui fabriquent des produits uniques ou des petites séries, qui sont généralement des PME. Un objectif important des entreprises manufacturières modernes est d'augmenter la valeur ajoutée dans et autour de la fabrication en éliminant systématiquement toutes les charges de travail improductives et les temps de latence. Le succès de l'entreprise est déterminé par la conception efficace de ses processus à valeur ajoutée, par un ordonnancement fiable et précis et, par conséquent, par un processus de planification valable. Comme l'ont déjà souligné Gutfeld et al. (2014) et Gutfeld et al. (2015), l'ingénierie et la construction sur mesure d'usines, de machines ou de produits uniques en général diffèrent considérablement de la production en série stationnaire. Outre les limites techniques et structurelles, les aspects pertinents sont les spécifications organisationnelles du projet (par exemple, les étapes de production, les phases de construction ou la disposition des ressources) et les contraintes logistiques. La faisabilité temporelle de la conception, de la construction et de la production, la robustesse des plans de projet ainsi que les contraintes personnalisées revêtent une importance cruciale pour la compétitivité de chaque entreprise participante. En particulier dans le cas d'une production unique, en raison des commandes des clients et des composants spécifiques au projet, seul un nombre limité d'hypothèses peut être dérivé pour déterminer les temps de traitement des projets précédents et transféré 1:1 aux nouveaux projets. C'est pourquoi des délais supplémentaires sont souvent ajoutés au cours du processus de planification afin de pouvoir réagir aux incertitudes et aux perturbations éventuelles. Ils sont généralement coûteux et peuvent représenter un désavantage concurrentiel pour les PME en particulier ; un processus de planification faible conduit à une position plus faible sur le marché.
Les outils de gestion de projet actuels n'offrent pas encore de méthodologie pour aider un planificateur à prévoir de manière fiable les processus dans ces environnements. La planification et la mise en œuvre - en particulier dans les PME - se font encore aujourd'hui principalement avec des méthodes simples de gestion de projet. Des approches qui envisagent l'utilisation de la simulation existent et ont été discutées dans le passé, mais principalement d'un point de vue académique. En utilisant la simulation, les incertitudes temporelles de la logistique et des calendriers de projet pourraient être considérées comme plus adéquates. Toutefois, en particulier dans le cas d'une production unique, la création de modèles de simulation spécifiques pour les processus logistiques pourrait ne pas être applicable dans tous les cas, étant donné qu'un grand nombre des restrictions imposées au projet sont spécifiques à ce cas d'utilisation unique. Néanmoins, la simulation peut jouer un rôle utile. Quelques approches possibles sont discutées dans cette contribution, après un aperçu général de l'état de l'art existant et de l'approche du projet de recherche sous-jacent SimCast dans les premières sections. Un cadre technique est discuté après les idées d'application de la simulation, où ces approches peuvent être intégrées et utilisées de manière pragmatique. Une perspective sur les travaux futurs dans le domaine de la recherche et en particulier dans le cadre du projet de recherche conclut le document.
L'achèvement et la livraison d'un produit dans les délais impartis, ainsi que l'individualisation des produits requise dans le contexte de la quatrième révolution industrielle, sont aujourd'hui des facteurs concurrentiels importants pour les entreprises manufacturières. Ceci est particulièrement vrai pour les constructions spécifiques aux clients, généralement mises en œuvre par une production unique en son genre. Le traitement des commandes est affligé d'une grande spécificité et complexité du client, ce qui ne permet pas le transfert de la standardisation dans le secteur des produits. Le produit personnalisé est généralement fabriqué dans un site de production fixe ; de petits lots dépendant des types de composants sont également préconfigurés dans un site de production fixe. La planification et l'exécution de ces ordres de production peuvent être considérées comme une tâche de gestion de projet. Le Pmbok (2013) définit la gestion de projet comme l'application des connaissances, des compétences, des outils et des techniques aux activités du projet afin de répondre à ses exigences. Dans la production en série, les processus logistiques en particulier sont considérés comme faisant partie de la planification de l'usine ; dans la fabrication spécifique à la commande (production de pièces uniques et de petits lots), ces processus ne sont mis en place qu'au cours de la phase de planification du projet, après que la commande a été passée. En fonction du type de sous-modules spécifiques (quantité, taille, distance par rapport au client), il faut par exemple planifier les transports lourds pour la production d'un grand équipement. De même, les transports internes de grues et de chariots élévateurs dotés d'un équipement spécial doivent être planifiés et programmés individuellement.
Les outils de gestion de projet sont largement utilisés pour soutenir la planification des projets et jouent un rôle crucial dans la réussite de leur exécution. Contrairement à la production en série, les connaissances acquises lors de projets antérieurs ne peuvent pas être transférées à un nouveau projet de manière individuelle en raison des composants spécifiques au client. Les données historiques des plans de projets réussis ne peuvent être utilisées que dans une mesure limitée. Par conséquent, les experts estiment grossièrement les temps de processus manuellement et ajoutent les temps de processus logistiques en particulier au temps total du projet. Bien que les interactions entre les produits uniques et leurs processus logistiques puissent être décrites (voir par exemple Heidmann 2015 ; Voigtmann 2014 ; Szczesny et König 2015), ces processus sont associés à de fortes incertitudes en raison de la commande du client ou de la spécificité des composants due à des facteurs perturbateurs. Étant donné qu'une gestion sûre du temps est importante dans la concurrence mondiale, le planificateur de projet ajoute des tampons supplémentaires afin de déterminer un cadre cohérent de conditions personnelles, techniques et financières. En particulier, la planification d'une période de temps spécifique pour chaque (sous-)processus d'un projet doit être estimée. Akhavian et Behzadan (2013) ainsi que Xie et al. (2011) proposent différentes approches pour améliorer l'estimation des durées de projet via l'extraction de connaissances ou la collecte de données en temps réel pour des cas individuels concrets, mais ne se réfèrent pas aux temps de processus logistiques dans la production unique ou en petite série.
Il existe des outils logiciels spécifiques dans divers domaines d'application, qui simulent des scénarios de projet simples et visualisent les résultats afin de soutenir la planification et le contrôle de grands chantiers de construction en visualisant différents événements sur des plans d'implantation en fonction de séquences temporelles. Ces outils de simulation prennent en compte la priorité d'une combinaison de plans de localisation et de planification pour la visualisation de processus portables mesurés dans le temps sans manipulation ou visualisation des processus logistiques. D'autres outils de simulation offrent des capacités de planification à distance et montrent les processus de construction dans des diagrammes distance-temps respectifs (TILOS 2018). Ce type de logiciel de simulation sera souvent utilisé dans la construction de routes, de chemins de fer, de pipelines ou de tunnels. L'outil OTD-PM (Fraunhofer 2018) propose une approche axée sur les processus. Il s'agit d'un modèle de chaîne de processus, qui permet de simuler et de visualiser les étapes du projet et de prendre en compte le processus logistique des fournisseurs.
L'industrie allemande de la construction navale utilise l'outil de simulation STS (Simulation Toolkit Shipbuilding) qui, depuis les années 1990, a été constamment adapté à la construction navale personnalisée (Steinhauer 2008). La boîte à outils est intégrée à Siemens Plant Simulation et contient des blocs paramétrés et réutilisables pour modéliser différents aspects de la fabrication et de la logistique. En outre, l'influence des données météorologiques a été cartographiée et développée pour la simulation d'événements discrets. Depuis 2006, la fondation de recherche entre la construction navale et le génie civil appelée "Simulation of Outfitting in Shipbuilding and Civil Engineering" (SIMoFIT 2018 ; Steinhauer 2011) a développé une approche de simulation basée sur les contraintes (Steinhauer et al. 2007). L'objectif du projet est un outil de planification basé sur la simulation, qui prend en compte les différents participants au projet, les fournisseurs, les différentes variantes d'exécution, les dépendances des commandes et l'environnement de production dynamique. Dans l'approche décrite, un "gestionnaire de contraintes" est intégré dans STS, de sorte que des conditions dynamiques respectant les relations de prédécesseur et de successeur seront en mesure de visualiser le processus de construction et les étapes de travail. En outre, il devrait être possible de visualiser les dépendances de temps et de disponibilité des ressources, par exemple, les matériaux ou les ressources humaines (voir par exemple Beißert et al. 2010). Selon Steinhauer et König (2010), l'analyse basée sur la simulation, qui est normalement utilisée dans la production en série, pourrait être utilisée pour évaluer la sécurité de la planification d'usines uniques et personnalisées et pour accroître l'efficacité de la production des usines. De cette manière, des améliorations potentielles dans l'ingénierie des usines pour les petites entreprises sont également possibles.
Entre 2013 et 2015, l'Université de Paderborn et l'Université de Kassel ont travaillé sur le projet de recherche commun simject (Gutfeld et al. 2014 ; Gutfeld et al. 2015 ;). L'objectif était de minimiser les problèmes et les déficits décrits dans la gestion de projet et de développer un démonstrateur pour la gestion de projet basée sur la simulation et intégrée à la logistique dans l'ingénierie des installations. Au début du projet de recherche, l'Université de Kassel et l'Université de Paderborn ont effectué une analyse des besoins pour un outil de gestion de projet basé sur la simulation et intégré à la logistique, en collaboration avec des fabricants d'installations de PME dans le domaine des technologies environnementales. Des entretiens ont été menés pour analyser les restrictions en matière de gestion de projet dans ce domaine. Les résultats montrent notamment que les outils de gestion de projets intégrés à la logistique et basés sur la simulation devraient avoir une interface avec les outils de planification de projets tels que Microsoft Project ou au moins avec le système de planification des ressources de l'entreprise (ERP) correspondant. En outre, les informations météorologiques et leur influence sur les processus logistiques devraient être incluses dans le modèle de simulation afin d'en déduire les conséquences sur un plan de projet spécifique. Les données du système d'information géographique (SIG) doivent être représentées dans le modèle de simulation d'un tel outil. En ce qui concerne les outils de simulation utilisés, il n'y a pas eu d'analyse de simulation des processus de projet dans le cadre de la planification du projet, ni d'analyse des plans de projet basée sur la simulation. Une gestion de projet basée sur la simulation avec une logistique intégrée a été développée, qui soutient le processus d'utilisation illustré dans la figure 1 (voir ci-dessous). Partant d'une planification déterministe, ce processus décrit les différentes étapes de la planification probabiliste, la simulation ultérieure de la planification du projet mise à jour pendant la réalisation du projet ainsi que, finalement, l'analyse du plan (Gutfeld et al. 2014).
Au cours des étapes suivantes du projet, un démonstrateur a été développé, qui a intégré et comparé trois approches pour la gestion de projets d'ingénierie d'usine : la planification déterministe, la simulation de Monte-Carlo et la simulation d'événements discrets (DES), cf. Jessen et al. (2015). La comparaison a montré que pour chaque approche, il est possible de trouver un scénario utilisateur correspondant. Dans la pratique, la planification déterministe sera principalement utilisée parce que de nombreux outils sont disponibles et que les utilisateurs n'ont besoin que d'une courte formation. Un plan déterministe est la base de la planification ultérieure. La simulation présente des avantages si des informations plus précises sur les délais du projet sont nécessaires et si des informations sur l'incertitude incluse sont pertinentes. La simulation de Monte-Carlo peut ajouter des probabilités pour chaque tâche du projet et pour le projet dans son ensemble. La plupart des partenaires d'application du projet simject n'ont jamais eu d'expérience avec cette méthode. L'outil approprié doit donc être conçu de manière très conviviale, afin que l'utilisateur fasse confiance à cette approche. Le DES est bien connu comme méthode de planification logistique et de planification du calendrier. L'effort de modélisation important peut être réduit par des composants de modèle spécifiques, qui représentent des unités du domaine d'application. Dans le cadre du projet simject, il a pu être démontré que la simulation peut améliorer la planification des projets (Gutfeld et al. 2015). Cependant, le projet a soulevé certaines questions, qui doivent en partie être traitées par un nouveau projet de recherche appelé SimCast, qui est décrit brièvement dans la section suivante.
La plupart des PME manufacturières manquent encore aujourd'hui d'une méthodologie pratique pour planifier des temps de processus réalistes pour les processus de fabrication à la commande et leur logistique en vue d'atteindre une qualité de planification élevée. En raison du fait que les expériences des projets antérieurs ne peuvent pas être incluses dans les estimations, certaines des approches développées dans le cadre du projet simject ne peuvent pas être appliquées de manière adéquate, d'autant plus que les méthodes doivent être appliquées par les PME manufacturières. Dans le cadre du projet de recherche SimCast, une approche est développée, qui peut prévoir de manière fiable la durée des processus logistiques dans la production d'une pièce unique ou d'un petit lot en utilisant les données historiques existantes du projet. La planification des projets devrait ainsi être réduite au minimum. L'objectif scientifique est de conceptualiser une méthodologie pour la dérivation correcte et la quantification valide des valeurs des paramètres de processus à partir de projets antérieurs. L'idée de base est de classer les processus logistiques dans la production de pièces uniques ou de petits lots et de les décrire universellement par le biais de paramètres à spécifier dans le cadre d'un projet et de les placer dans un contexte distinct et quantifiable par rapport à la durée du processus. La durée du processus peut être prédite par la valeur des paramètres. Par la suite, la qualité de l'estimation basée sur ces données de projet peut être déterminée pour un niveau de signification donné. Au fil du temps, les paramètres estimés peuvent être continuellement améliorés.
L'objectif principal de la méthodologie est de fournir une fonctionnalité de prévision de la durée du processus en tant qu'aide à la décision pour les planificateurs concernés. La méthodologie sera ultérieurement mise en œuvre en tant que complément des outils de gestion de projet existants utilisés par les PME. Une utilisation pratique des méthodes existantes combinée à une expertise externalisée permet d'améliorer l'aide à la décision pour les PME. Globalement, le processus de planification gagne en qualité.
Figure 2 : ébauche du modèle procédural dans SimCast.
La figure 2 montre l'interaction entre les processus de référence logistique (1), la boîte à outils de la méthodologie générale (2), la méthodologie de la procédure (3) et la boîte à outils de la méthodologie adaptée (4). Les processus de référence logistique pour la production d'une pièce unique ou d'un petit lot sont déjà élaborés selon le modèle Supply-ChainOperations-Reference-(SCOR) et déterminent les paramètres influents (par exemple, la longueur, le poids ou le matériau des composants ou la capacité des ressources techniques ou humaines), y compris les connaissances d'experts requises. Sur la base des résultats d'une étude Delphi, les paramètres qui influencent particulièrement la durée des processus logistiques sont placés sur des rôles avec des relations de cause à effet pour quantifier la durée des processus logistiques. La boîte à outils de la méthodologie générale comprend des méthodes de gestion pour l'externalisation et la systématisation des connaissances d'experts ainsi que des méthodes d'analyse des données et d'intelligence économique afin de pouvoir estimer la durée des processus logistiques de référence sur la base de données historiques. Ainsi, la méthodologie fournit une estimation évaluable de la durée des processus logistiques pour la planification de projets. La méthodologie de la procédure peut être utilisée pour une adaptation spécifique à l'entreprise en utilisant la boîte à outils de la méthodologie générale, de sorte que la boîte à outils de la méthodologie générale devient une boîte à outils de la méthodologie adaptée et spécifique à l'entreprise. Contrairement aux méthodes génériques, la méthodologie des procédures aide les PME à externaliser et à systématiser l'expertise qui leur est propre. En outre, l'adoption des processus de référence ainsi que les paramètres des processus spécifiques à l'entreprise et les relations de cause à effet en termes de durée des processus sont déduits. Une prévision de haute qualité fonctionne pour le contexte d'application spécifique en utilisant des analyses de données sélectionnées, combinées et configurées. La durée du processus dans le cadre d'un plan de projet peut alors être prévue en utilisant les règles de la boîte à outils méthodologique adaptée. La validation des règles de prévision peut se faire par simulation.
Un démonstrateur incorpore les résultats de (1) et (2) comme exemple dans un processus de planification de projet. Dans le projet de recherche, la boîte à outils méthodologique générale et la méthodologie de la procédure seront évaluées par le démonstrateur. En ce qui concerne l'intégration de la méthodologie, les outils de gestion de projet utilisés par les PME seront pris en compte en priorité. La possibilité d'étendre d'autres outils de gestion de projet est en principe prévue après l'achèvement du projet à la fin de l'année 2018.
Les connaissances externalisées ainsi que les données historiques des projets antérieurs servent de base à la quantification des temps de processus logistiques. En utilisant la configuration spécifique à l'entreprise de la boîte à outils de la méthodologie générale, le temps réaliste requis pour un processus logistique particulier est prédit. La figure 3 présente un exemple de processus d'estimation.
L'utilisateur de l'outil obtiendra une mesure compréhensible de la sécurité de cette estimation ou de l'incertitude contenue dans l'estimation. Le résultat de l'estimation est inclus en tant que paramètre de processus dans le plan de projet réel et l'ensemble de la planification du projet peut être sécurisé par rapport à des dates de livraison ou de début de production fixes.
Différentes méthodes de simulation jouent un rôle dans le projet SimCast, afin de valider les règles de prévision d'une part et d'améliorer la gestion des risques en général d'autre part. Cette section examine les scénarios possibles d'intégration des méthodes de simulation dans le développement futur du projet de recherche.
Les règles de prévision de la boîte à outils de la méthodologie adaptée doivent être de haute qualité. Il est donc nécessaire de tester la boîte à outils méthodologique adaptée (basée sur le démonstrateur développé) ainsi que la validité des règles en utilisant des scénarios d'application spécifiques à l'entreprise. Pour ces scénarios, des modèles de simulation sont mis en place afin de vérifier les valeurs estimées des paramètres et de déterminer les limites des règles de manière analytique. Les modèles doivent tenir compte des spécificités des commandes de produits uniques et de petits lots. Les connaissances éventuelles tirées de la simulation sont à leur tour incorporées dans l'estimation des paramètres. La simulation vérifie les délais du processus logistique et valide les règles élaborées pour le démonstrateur. En conséquence, les estimations du démonstrateur sont vérifiées sur une page, mais les règles pour les paramètres d'estimation sont également améliorées. Les modèles de simulation pourraient ultérieurement être mis en œuvre en tant qu'extension des outils de gestion de projet existants afin de modifier ou d'améliorer les règles du démonstrateur.
Comme cela a déjà été discuté dans le cadre du projet simject, la durée spécifique d'un processus de projet unique peut être estimée à l'aide de la simulation. Comme nous l'avons montré, ce problème peut être résolu par la simulation de Monte-Carlo, lorsqu'une certaine distribution pour un processus spécifique est donnée. Des estimations encore plus complexes peuvent être obtenues en résolvant un modèle de processus plus complexe via DES (sous-étapes logistiques ou de fabrication) ou System Dynamics (dans le cas de processus plus complexes de la chaîne d'approvisionnement). Cependant, en raison du modèle procédural du projet SimCast, ces applications peuvent être enrichies par trois scénarios supplémentaires :
Comme le montrent les résultats des recherches actuelles dans le cadre du projet SimCast, la disponibilité et la qualité des données restent un problème majeur pour les PME qui sont prises en compte dans ce projet de recherche. Les idées mentionnées ci-dessus peuvent conduire à de meilleures estimations des processus, mais seulement si un certain niveau de qualité des données est garanti. Comme ce n'est pas le cas dans la plupart des cas d'utilisation réels intégrés dans le projet de recherche, la simulation peut également être utilisée pour une analyse de sensibilité des ensembles de données donnés. Ici, les conséquences de mauvaises règles d'estimation ou de bonnes règles d'estimation, qui sont calculées avec de "mauvaises" données, peuvent être exactement dérivées dans le cadre du plan de projet donné. Si l'on constate qu'une règle d'estimation spécifique basée sur des données a une influence majeure sur le processus global du projet, un processus de sauvegarde supplémentaire peut être mis en place. La figure 4 (voir ci-dessous) montre un exemple d'estimation de la durée d'un projet basée sur des estimateurs stochastiques (ici, la règle d'estimation est une simulation de Monte-Carlo). Les coûts totaux correspondants du projet sont dérivés. Si le budget du projet est donné (voir bouton rouge), les incertitudes et la mauvaise qualité des données peuvent conduire à des écarts importants, qui doivent être clarifiés lors de la planification du projet.
L'approche de l'analyse de sensibilité peut également être appliquée à l'ensemble du plan du projet lui-même. Par une déviation systématique des durées de processus, une analyse de sensibilité peut dériver de nouvelles connaissances sur les processus qui peuvent facilement conduire à un changement significatif de la durée totale du projet. Ces processus, en particulier lorsqu'ils sont estimés avec une forte variation, devraient être connus du gestionnaire de projet responsable, même s'ils ne font pas nécessairement partie du chemin critique du projet (même la méthode du chemin critique (CPM) n'est pas fréquemment utilisée dans les PME, comme l'ont montré les résultats du projet simject).
Au final, le plan de projet correspondant est enrichi d'informations supplémentaires sur les incertitudes incluses dans les différentes étapes du processus. Ainsi, comme le montre généralement le projet simject, le plan de projet pour le produit unique en somme peut également être simulé ou amélioré au cours de la phase de planification par des approches d'optimisation basées sur la simulation. Grâce à cette évaluation, la gestion globale des risques du projet pourrait être améliorée de manière significative et les modifications apportées au cours du contrôle du projet pourraient être prises en compte en fonction de leurs conséquences probables sur l'ensemble du projet. Ici, dans un avenir proche, des travaux supplémentaires doivent être réalisés pour inclure ces méthodes expertes dans les outils de gestion de projet utilisés afin de fournir au gestionnaire de projet responsable une meilleure aide à la décision pendant la planification et la sauvegarde d'un projet. La figure 5 (voir ci-dessous) montre un exemple de visualisation possible de la certitude cumulée de terminer le projet à une date limite spécifique (cumulée sur la durée).
Les idées présentées dans la section précédente doivent être intégrées dans une mise en œuvre technique cohérente. Au cours du projet SimCast, les premiers résultats du démonstrateur résultant sont fixés et seront brièvement discutés dans cette section (pour un aperçu, voir la figure 6 ci-dessous). Dans la boîte à outils de la méthodologie générale, certains instruments de base ont été développés, qui aideront les PME manufacturières dans la mise en œuvre du processus SimCast. L'un de ces instruments est une ontologie, qui relie et organise les termes et définitions pertinents dans le domaine donné et leurs relations. En outre, des règles d'estimation concrètes peuvent être attachées à ces termes et relations, qui ont été dérivées généralement du projet et peuvent être adaptées aux besoins spécifiques des entreprises. L'ontologie peut être stockée comme une structure de données indépendante et constitue la base du plug-in d'estimation, qui est prévu pour être intégré dans les outils de gestion de projet standard (dans un premier temps, une implémentation pour MS Project Professional est mise en œuvre). Au cours de la procédure SimCast, cette structure de données de base est adaptée à une entreprise spécifique.
Tous les types de règles ne sont pas forcément pertinents et les règles d'estimation doivent être paramétrées en fonction des paramètres des fonctions et des sources de données pour les valeurs historiques. En outre, les processus opérationnels pertinents de l'entreprise sont classés en fonction de la structure de l'ontologie, de sorte qu'une mise en correspondance est possible et que les règles d'estimation générales et spécifiques peuvent être stockées dans une structure de données actualisée, propre à l'entreprise, toujours basée sur l'ontologie.
Le module d'extension d'estimation, qui sera mis en œuvre dans l'outil de gestion de projet, utilisera cette structure de données pour créer dynamiquement les interfaces utilisateur pertinentes pour le paramétrage. Elles sont conçues comme des assistants qui permettent l'estimation personnalisée d'une tâche de processus du plan de projet donné en utilisant les règles d'estimation définies et les données correspondantes. Comme expliqué dans les sections 3 et 4, ces règles peuvent être très simples et déterministes ou plus complexes et utiliser des fonctions de simulation. Enfin, l'utilisateur obtient une estimation de la durée du processus pour la tâche sélectionnée. Il peut accepter ou modifier cette estimation et appliquer la durée résultante à la tâche directement dans l'outil de gestion de projet. Avec cette approche, toutes les tâches pertinentes du projet peuvent être estimées avec la boîte à outils SimCast. Enfin, l'ensemble du plan du projet peut être simulé et assuré par la boîte à outils de démonstration du projet simject.
L'ingénierie personnalisée et la fabrication de produits uniques sont des tâches très complexes, pour lesquelles la gestion de projet comporte de nombreuses incertitudes. Les techniques de simulation existantes pourraient aider à évaluer et à réaliser des plans améliorés et au moins plus robustes pendant la gestion du projet, mais elles ne sont généralement pas appliquées dans l'industrie, en particulier dans les PME. Cet article traite d'un projet de recherche commun SimCast de l'université de Kassel et de l'université des sciences appliquées de Zwickau, qui vise à développer une méthode d'estimation de la durée d'un projet pour la planification et l'ordonnancement des projets. Sur la base des connaissances préalables d'autres projets de recherche tels que simject, une procédure d'estimation de la durée des processus a été mise au point, ce qui permet une meilleure gestion des risques pour les entreprises qui produisent des pièces uniques. L'un des objectifs du projet de recherche sous-jacent SimCast est d'améliorer ces règles d'estimation par l'application de techniques de simulation à différentes étapes du processus de planification global. Le document décrit les idées pour lesquelles l'application de la simulation dans ce domaine pourrait être utile. Afin de mettre en œuvre ces approches, un premier projet de mise en œuvre technique est expliqué.
Dans une prochaine étape, l'équipe du projet continuera à mettre en œuvre les approches et à les valider dans un environnement industriel réel. En outre, une évaluation générale de ces idées aura lieu dans le cadre du projet de recherche. En ce qui concerne les perspectives d'avenir, les résultats obtenus montrent déjà que la disponibilité des données, l'accessibilité et l'utilisation des données existantes pour une meilleure prise de décision sont encore des questions en suspens dans les PME manufacturières. À cet égard, les projets futurs pourraient contribuer à
Les résultats présentés dans ce document sont issus du projet de recherche conjoint SimCast de l'université de Kassel et de l'université des sciences appliquées de Zwickau. L'opération IGF (19371) de l'association de recherche BVL a été financée par l'AiF dans le cadre du programme de promotion de la recherche industrielle collective (IGF) par le ministère fédéral de l'économie et de l'énergie sur la base d'une décision du Bundestag allemand. Certains résultats font également référence au projet de recherche simject. Il a été financé en tant qu'opération IGF (17725N) de l'association de recherche BVL via l'AiF dans le cadre du programme de promotion de la recherche industrielle collective (IGF) par le ministère fédéral de l'économie et de l'énergie sur la base d'une décision du Bundestag allemand.
WIBKE KUSTURICA a étudié l'ingénierie industrielle et la gestion à l'université des sciences appliquées de Zwickau, en Allemagne. Depuis 2017, elle est assistante de recherche à l'Institut de gestion et d'information et travaille dans le projet de recherche SimCast. Son adresse électronique est wibke.kusturica@fhzwickau.de.
CHRISTOPH LAROQUE a étudié l'informatique de gestion à l'université de Paderborn, en Allemagne. Depuis 2013, il est professeur d'informatique de gestion à l'université des sciences appliquées de Zwickau, en Allemagne. Il s'intéresse principalement à l'application de techniques d'aide à la décision basées sur les données pour la production opérationnelle et la gestion de projet. Son adresse électronique est la suivante : christoph.laroque@fh-zwickau.de.
DEIKE GLIEM a étudié le génie mécanique à l'université technique de Dortmund, en Allemagne. Depuis 2017, elle est assistante de recherche au département de l'organisation de la production et de la planification des usines à l'Université de Kassel, en Allemagne, et travaille dans le projet de recherche SimCast. Son adresse électronique est deike.gliem@uni-kassel.de.
JANA STOLIPIN est assistante de recherche et doctorante au département de l'organisation de la production et de la planification des usines à l'université de Kassel, en Allemagne. Elle travaille dans le cadre du projet de recherche SimCast. Ses recherches portent sur les flux de matériaux dans la production et la logistique et sur la réutilisation des connaissances dans les études de simulation. Son adresse électronique est jana.stolipin@uni-kassel.de.
SIGRID WENZEL est professeur et directrice du département d'organisation de la production et de planification industrielle de l'université de Kassel. En outre, elle est membre du conseil d'administration de l'Arbeitsgemeinschaft Simulation (ASIM), porte-parole du groupe de travail de l'ASIM sur la simulation dans la production et la logistique, membre du conseil consultatif de l'Association des ingénieurs allemands de la société de production et de logistique (VDI-GPL) et responsable du comité de modélisation et de simulation de l'Association des ingénieurs allemands de la société de production et de logistique (VDI-GPL). Son adresse électronique est la suivante : s.wenzel@uni-kassel.de.
Akhavian, R., et A. H. Behzadan. 2013. "Automated Knowledge Discovery and Data-Driven Simulation Model Generation Of Construction Operations". In Proceedings Of The 2013 Winter Simulations Conference, édité par R. Pasupathy et al, 3030-3041, Piscataway, New Jersey:IEEE.
Beißert, U., M. König et H.J. Bargstädt. 2010. "Soft Constraint-Based Simulation Of Execution Strategies In Building Engineering". Journal Of Simulation 4(4) : 222-231.
Emmanouilidis, C., M. Taisch, et D. Kiritsis. 2012. "Advances In Production Management Systems - Competitive Manufacturing For Innovative Products And Services". Conférence internationale IFIP WG 5.7, 24-26 septembre, Rhodes Grèce, Revised Selected Papers, Part I. Heidelberg : Springer.
Fraunhofer. 2018. OTD NET - Simulationsstudie Für Supply-Network-Fragen Des Fraunhofer-Institutes Für Materialfluss Und Logistik. https://www.Iml.Fraunhofer.De/De/Abteilungen/B2/Supply_Chain_Engineering/Produkte/OtdNet.Html, consulté le 2 mai 2018.
Gutfeld, T., U. Jessen, S. Wenzel, A. Akbulut, C. Laroque, et J. Weber. 2015. Simject - Simulationsgestütztes Logistikintegriertes Projektmanagement Im Anlagenbau. Publié par Wenzel, S. ; Laroque, C., Kassel, Fachgebiet Produktionsorganisation Und Fabrikplanung.
Gutfeld, T., U. Jessen, S. Wenzel, C. Laroque et J. Weber. 2014. "A Technical Concept For Plant Engineering By Simulation-Based And Logistics-Integrated Project Management". In Proceedings Of The 2014 Winter Simulation Conference, édité par A. Tolk et al, 3423-3434, Piscataway, New Jersey:IEEE.
Heidmann, R. 2015. Windenergie Und Logistik : Losgröße 1 : Logistikmanagement Im Maschinen- Und Anlagenbau Mit Geringen Losgrößen. DIN E.V. Berlin : Beuth. 1ère édition
Jessen, U., L. Möller, S. Wenzel, A. Akbulut et C. Laroque. 2015. "A Comparison of The Usage Of Different Approaches For The Management Of Plant Engineering Projects" (Comparaison de l'utilisation de différentes approches pour la gestion des projets de génie végétal). In Proceedings Of The 2015 Winter Simulation Conference, édité par L. Yilmaz et al, 3402-3413, Piscataway, New Jersey:IEEE.
Pmbok. 2013. Project Management Institute. A Guide To The Project Management Body Of Knowledge (Pmbok® Guide). Pennsylvanie : Project Management Institute, Inc. 5ème édition
Simofit. 2018. Simulation Of Outfitting Processes In Shipbuilding And Civil Engineering. http://simofit.Inf.Bi.Ruhr-Uni-Bochum.De/, consulté le 2 mai 2018.
Steinhauer, D. 2008. "Planung Komplexer Montageabläufe Mit Hilfe Der Constraintbasierten Simulation". In Advances In Simulation For Production And Logistics Applications, édité par M. Rabe : 81-89. Stuttgart : Fraunhofer IRB Verlag.
Steinhauer, D. 2011. "The Simulation Toolkit Shipbuilding (STS) - 10 Years Of Cooperative Development And Interbranch Applications". In Proceedings Of The 10th Euro-Conference On Computer And IT Applications In The Maritime Industries (COMPIT), 453-465. Ort : Editeur
Steinhauer, D., M. König et H.J. Bargstädt. 2007. "Branchenübergreifende Kooperation Zur Simulation Von Montageabläufen Beim Innenausbau Von Schiffen". Hansa International Maritime Journal 9(Issue Number) : 40-42.
Szczesny, K. et M. König. 2015. "Reactive Scheduling Based On Actual Logistics Data By Applying Simulation-Based Optimization" (Ordonnancement réactif basé sur des données logistiques réelles en appliquant une optimisation basée sur la simulation). Visualization In Engineering, 3 (10) :
TILOS. 2018. TILOS - Weg-Zeit-Planung. www.tilos.org, consulté le 2 mai 2018. Voigtmann, J. 2014. Simulation Baulogistischer Prozesse Im Ausbau. Dissertation, Université Bauhaus. Weimar
Xie, H., S. Fernando, et S. Abourizk. 2011. "Integrating Realtime Project Progress Input Into A Construction Simulation Model". In Proceedings of The 2011 Winter Simulation Conference, Edited by S. Jain et al, 3443-3454, Piscataway, New Jersey:IEEE.