Le lundi matin à 6h00, j’élabore un plan pour ma journée qui commence à 7h00. Cela ne semble pas être une tâche si difficile. Comment se fait-il qu’à 7h30, mon plan montre déjà des signes de désespoir ?
J’ai fait les choses les plus évidentes. Tout d’abord, je suis passé d’un diagramme de Gantt magnétique basé sur des informations manuscrites à un logiciel de planification et d’ordonnancement avancé (APS). C’était beaucoup plus facile à utiliser, mais franchement, les résultats ne se sont pas améliorés de façon spectaculaire. En l’alimentant avec des données en temps réel provenant de mon système d’exécution de la fabrication (MES), j’ai obtenu un bon point de départ, avec beaucoup moins d’efforts que l’approche papier, mais mon plan n’a toujours pas résisté à l’épreuve du temps.
Je me suis alors rendu compte que mon logiciel était basé sur des délais standard et qu’il supposait une capacité infinie – il surestimait constamment ma capacité de production. J’ai donc adopté le logiciel Finite Capacity Scheduling (FCS). Cela m’a beaucoup aidé. Mais j’avais encore beaucoup de problèmes parce que l’outil FCS était basé sur un modèle de données « standard » pour mon secteur d’activité. Je suppose que nous faisons les choses un peu différemment de la plupart des gens dans notre secteur, mais le calendrier qu’il génère ne reconnaît pas ces différences.
Je suis donc passé à un produit de simulation à usage général qui a la flexibilité de modéliser mon système tel qu’il est réellement ET de générer les diagrammes de Gantt et autres rapports dont j’ai besoin pour la planification. Je peux désormais tenir compte de l’allée problématique où mes chariots élévateurs sont si encombrés. Et je peux tenir compte de ce groupe de machines qui partagent l’accès à une seule grue. En prime, j’ai également obtenu une animation qui me permet de « jouer » la journée et de voir visuellement à quoi je peux m’attendre.
J’ai maintenant un bien meilleur plan qui est réaliste et précis si tout se passe bien. Mais il est toujours optimiste. Je peux certes mettre en place une maintenance préventive, mais il est impossible de prendre en compte le fait que ma machine Cobalt 120 a 30 ans et qu’elle tombe en panne presque tous les jours. Ou que mon fournisseur de matériel Jenkins 257 est souvent en retard sur les délais de livraison promis. Je peux modifier le calendrier pour prévoir du temps supplémentaire, mais cela ne fait que garantir que je perdrai un temps de production précieux lorsque les choses se passeront bien.
Dans mon outil de simulation, je peux exécuter mon modèle en tenant compte de toute cette variabilité (analyse stochastique) et cela me donne une bonne analyse de la capacité à long terme. Mais comme il n’y a aucun moyen de prévoir un problème « aléatoire » spécifique, comme une panne d’équipement, je ne peux pas utiliser cette connaissance pour générer mon plan pour aujourd’hui – je suis limité à un calendrier déterministe… ou est-ce que je le suis?
En fait, il existe une nouvelle technique appelée Planification et ordonnancement basés sur le risque (RPS) qui génère d’abord un plan déterministe, puis applique une analyse stochastique à ce plan. Cette analyse m’indique la probabilité que le plan soit respecté. Par exemple, les commandes qui nécessitent la machine Cobalt 120 ou le matériau Jenkins 257 peuvent présenter un risque élevé de ne pas être terminées à temps. Comme je le sais avant le début de l’équipe, j’ai plus d’options pour y faire face, par exemple en ajustant les affectations de main-d’œuvre, en réorientant un processus ou en accélérant un matériau. Je peux même évaluer les différentes alternatives pour déterminer laquelle est la plus performante, puis baser mon plan sur l’alternative qui génère un risque acceptable au coût le plus bas.
Voilà un plan qui me convient !
Bonne modélisation !
Dave Sturrock, VP Operations, Simio LLC