Simulation de production pour les perturbations et les changements de gamme de produits

Disclosure: M365.FM host Mirko Peters works at iFAKT GmbH. This page describes the company factually; paid partnerships and links are labelled as advertising.

Par Mirko Peters · 2026-11-12

Simulation de perturbations en production : testez pannes, absences, retards d’approvisionnement et changements de gamme dans un modèle avant qu’ils n’affectent votre ligne. Un guide pratique.

Traduit automatiquement par IA à partir de l'article original. Lire l'original en anglais

Une simulation de production vous permet de rejouer une perturbation dans un modèle : une panne sur votre goulot d’étranglement, un opérateur absent, une livraison en retard ou une évolution de la gamme de produits. Vous observez ensuite l’effet sur la production et les délais, sans toucher à la ligne réelle. Cet article s’adresse aux planificateurs de production qui souhaitent savoir quelles perturbations simuler, quelles données sont nécessaires et comment interpréter les résultats.

Points clés

• Une simulation de production vous permet de rejouer une perturbation, comme une panne ou un changement de gamme, dans un modèle et d’en observer l’effet sur la production et les délais, avant qu’elle ne se produise.
• Sélectionnez les perturbations en fonction de leur probabilité et de leur impact, à partir de vos propres registres. Modéliser chaque événement possible ne fait que ralentir le modèle et réduire la confiance qu’on peut lui accorder.
• Un changement de gamme peut déplacer le goulot d’étranglement même si le volume total reste identique, car les variantes utilisent les machines partagées pendant des durées différentes.
• Les pannes étant aléatoires, exécutez chaque scénario plusieurs fois et comparez des plages de résultats plutôt qu’un résultat unique.
• Commencez par valider le modèle sur une période passée, puis gardez une courte liste de scénarios de perturbation que vous rejouez chaque fois que le processus évolue.

Que peut vous montrer une simulation au sujet d’une perturbation ?

Une perturbation est tout ce qui rend le plan erroné : une capacité inférieure à celle prévue, des matières qui ne sont pas disponibles ou une demande qui diffère des prévisions. Un plan répond à la question « ce qui devrait se passer ». Une simulation d’usine répond à la question « que se passe-t-il si cela tourne mal ».

Le NIST décrit la simulation à événements discrets comme un moyen d’analyser un système de production dans différents scénarios et conditions, et de mesurer le débit, la capacité et les goulots d’étranglement. Cette même page du NIST souligne le principal obstacle : il est difficile d’obtenir en temps utile des données fiables sur les équipements et les processus. Gardez ce point à l’esprit, car il détermine le degré de confiance que vous pouvez accorder à tout résultat.

Ce qu’une simulation montre le plus utilement, c’est l’endroit où les effets se font sentir. Un arrêt sur une machine ne touche rarement que cette machine. Le travail s’accumule devant elle, prive les postes en aval et retarde des commandes qui n’y étaient jamais passées. Un modèle rend cette chaîne visible en quelques minutes, au lieu de semaines de gestion de crise.

Elle vous aide aussi à constater que le goulot d’étranglement peut se déplacer. L’introduction du Lean Enterprise Institute à la théorie des contraintes indique qu’après avoir agi sur la contrainte, il faut réévaluer si elle s’est déplacée vers une autre partie du système. Une perturbation produit le même effet sans vous le demander. Testez-le d’abord dans le modèle.

Quelles perturbations valent la peine d’être simulées ?

Pas toutes. Commencez par une liste courte et sélectionnez en vous posant deux questions : à quelle fréquence cela se produit-il, et combien cela coûte-t-il lorsque c’est le cas ?

Candidats typiques :

• Arrêts machine. Modélisez la fréquence des arrêts et la durée des réparations. Les moyennes masquent les réparations longues, qui sont justement celles qui pénalisent. Si votre journal de maintenance contient les durées réelles d’arrêt, tenez compte de leur dispersion, et pas seulement de la moyenne.
• Personnel. Absences, une compétence manquante sur un poste pendant un équipe, limites d’heures supplémentaires.
• Matières. Une livraison en retard, une livraison incomplète, un blocage qualité sur un lot entrant.
• Perte de qualité. Rebut ou reprise qui renvoie des pièces vers un poste déjà traité.
• Commandes urgentes. Une commande prioritaire qui passe devant la file d’attente et impose des réglages supplémentaires.
• Évolutions de la demande. Une part différente de variantes, ou une hausse soudaine de volume.

Utilisez vos propres données pour les classer. Consultez le journal des arrêts de l’année dernière, les rapports de poste et la liste des commandes en retard. Si une perturbation apparaît chaque mois, simulez-la. Si elle ne s’est produite qu’une fois en cinq ans, notez-la et laissez-la de côté pour l’instant.

Comment simuler un changement de mix produit ?

Le mix produit correspond à la part de chaque variante dans votre flux de commandes. Il est important, car les variantes utilisent rarement les machines partagées pendant la même durée. Lorsque le mix change, la charge de chaque ressource change, même si le nombre total d’unités reste identique.

Un article présenté à la Winter Simulation Conference sur la simulation interactive de fabrication illustre cet effet dans une zone de fours à lots. Les produits ne peuvent partager un lot que selon certaines règles de combinaison ; l’ordre des produits influe donc sur l’utilisation des fours, et le goulot d’étranglement se déplace à mesure que le mix évolue. Il s’agit d’un article ancien et d’un cas particulier, mais la leçon vaut pour la plupart des ressources partagées.

Voici une méthode pour procéder :

1. Établissez une base de référence. Utilisez le mix actuel et vérifiez que le modèle reproduit la production et les délais récents.
2. Définissez le nouveau mix. Exprimez-le en parts de volume, par exemple « la variante B passe d’une minorité à la moitié des commandes ». Décidez si le volume total reste stable ou augmente.
3. Vérifiez les données par variante. Chaque variante a besoin de sa propre gamme de fabrication, de ses temps de traitement et de ses temps de réglage. Les changements entre variantes comptent souvent davantage que les temps d’exécution.
4. Exécutez le nouveau mix. Comparez le taux d’utilisation par ressource, la longueur des files d’attente et le délai par variante.
5. Déplacez le mix par étapes. Ne testez pas uniquement l’état final. Faites-le évoluer en plusieurs paliers pour identifier le point où le goulot d’étranglement passe sur une autre ressource ou où le délai commence à augmenter rapidement.
6. Notez ce que vous changeriez. Une deuxième équipe, un stock tampon, une autre règle de séquencement, un outil sur une deuxième machine. Testez ensuite ces changements dans le même modèle.

Exemple : une vérification rapide (chiffres hypothétiques)

Cet exemple est fictif et sert uniquement à illustrer la logique. Il ne s’agit pas d’un résultat mesuré.

Une cellule dispose d’une seule fraiseuse. La variante A y demande 6 minutes et la variante B 10 minutes. Aujourd’hui, 70 % des commandes concernent A et 30 % B. Le temps moyen par unité est de 0,7 × 6 + 0,3 × 10 = 7,2 minutes. Sur une équipe de 450 minutes, la fraiseuse peut produire environ 62 unités.

Si le mix passe à 50 % A et 50 % B, la moyenne atteint 8 minutes et la même équipe donne environ 56 unités. Cela représente une baisse d’environ 10 % de la production due au seul mix, sans aucune panne.

Ajoutons un arrêt de 45 minutes. La fraiseuse dispose alors de 405 minutes, et l’équipe donne environ 50 unités. Deux changements en apparence anodins ont fait perdre près d’un cinquième de la production.

Ce calcul est un bon premier contrôle, et il doit être fait avant de construire le moindre modèle. Il ne permet pas de voir les files d’attente, les réglages, les règles de lots, les arrêts aléatoires ni les effets en cascade sur le poste suivant. C’est là qu’intervient la simulation.

De quelles données les scénarios ont-ils besoin ?

Les scénarios de perturbation nécessitent quelques éléments que le modèle normal ne contient pas forcément. Vérifiez cette liste avant de promettre des résultats.

• Historique des arrêts par machine : leur fréquence et la durée de chaque arrêt, extraits du journal de maintenance ou des arrêts.
• Calendriers de travail et compétences : qui peut tenir quel poste, et ce qui se passe lors d’une équipe réduite.
• Temps de réglage et de changement entre variantes, pas seulement les temps d’exécution.
• Données de commandes et de dates d’échéance, pour voir quelles commandes glissent et pas seulement le fait qu’un glissement a eu lieu.
• Les règles que la ligne suit réellement aujourd’hui : règles de séquencement, limites d’heures supplémentaires, moment où un travail passe sur une autre machine.

Si une ligne manque, indiquez-le dans la description du scénario. Un résultat fondé sur une durée d’arrêt estimée n’est qu’une supposition habillée d’un beau graphique. Faites valider les chiffres par l’équipe de production : elle vous dira souvent en deux minutes lequel est faux.

Comment mener une étude de perturbations ?

Les étapes sont les mêmes que pour tout projet de simulation, avec quelques points plus importants pour les perturbations.

1. Formulez la question. Par exemple : « Si l’atelier est à l’arrêt pendant une équipe complète, quelles commandes ne seront pas livrées à temps, et quelle est la réponse la moins coûteuse ? »
2. Validez la référence. Comparez les résultats du modèle à une période passée. Si l’écart est important, corrigez les données avant d’ajouter la moindre perturbation.
3. Définissez un petit ensemble de scénarios. Trois à cinq suffisent. Nommez chacun d’eux et notez ce qui change, et pendant combien de temps.
4. Exécutez chaque scénario plusieurs fois. Les pannes étant aléatoires, une exécution peut donner un résultat meilleur ou moins bon que la normale. Comparez la plage des résultats, et non un chiffre unique.
5. Testez les réponses possibles. Heures supplémentaires, transfert du travail vers une autre machine, modification de l’ordonnancement, utilisation des stocks. Une étude de perturbations sans options de réponse ne vous apprend qu’une chose : que les choses tournent mal.
6. Convenez de la règle de décision. Avant l’exécution, déterminez quel résultat vous conduirait à agir. Sinon, les chiffres seront simplement débattus.

Conservez les scénarios dans une courte liste que vous pourrez rejouer lorsque le processus évoluera. Une bibliothèque de scénarios a plus de valeur que n’importe quelle étude isolée.

Quelle place pour les outils Microsoft ?

Votre progiciel de gestion intégré (ERP) héberge généralement les gammes de fabrication, les nomenclatures et les calendriers de travail. Il constitue donc la source naturelle des données de base du modèle. Le modèle lui-même est généralement un logiciel distinct.

Pour présenter les résultats, Power BI se prête bien à la comparaison des scénarios côte à côte. Microsoft Learn documente aussi les paramètres what-if : une variable ajustable que les lecteurs du rapport modifient à l’aide d’un segment, ce qui recalcule le rapport. C’est utile pour des calculs simples comme l’exemple ci-dessus, par exemple pour modifier la part d’un mix et observer l’évolution d’un chiffre de capacité. Microsoft précise que ces paramètres sont conçus pour des mesures dans les visuels. Ils ne simulent pas les files d’attente : ne confondez donc pas un curseur what-if avec une simulation.

Erreurs courantes

• Simuler tout. Trop de scénarios ralentissent le modèle et rendent les résultats difficiles à expliquer.
• Ne se fier qu’aux durées moyennes de réparation. Ce sont les arrêts longs qui causent la plupart des dégâts.
• Ne tester que l’état final d’une modification de mix. Le goulot d’étranglement se déplace souvent en cours de route.
• Omettre la vérification de la référence. Si le modèle ne peut pas reproduire le mois dernier, ses résultats sur les perturbations ne sont que des suppositions.
• Se fier à une seule exécution. Avec des événements aléatoires, une seule exécution peut induire en erreur.
• Oublier les personnes. Absences, compétences et limites d’heures supplémentaires doivent figurer dans le modèle lorsque la perturbation concerne les effectifs.
• Construire un modèle ponctuel. Un modèle que personne ne met à jour après le prochain changement de processus est obsolète en quelques mois.

Où se situe Polaris

Si vos questions portent sur la capacité, les effectifs, les stocks tampons ou le mix produits, iFAKT Polaris est une option à examiner. iFAKT décrit Polaris comme une solution d’IA et de jumeau numérique pour la production, qui combine les données de l’ERP et un jumeau numérique de fabrication. Le module Polaris Simulator teste virtuellement le système de production, notamment les scénarios de capacité, d’effectifs et de stocks tampons, ainsi que les mix produits dynamiques sur des ressources partagées. Le module Polaris Optimizer détecte les goulots d’étranglement et, en cas de perturbation, analyse leur impact et réoptimise le plan. Son adéquation dépend de vos données et de votre question : commencez par le tester sur un cas précis et restreint.

Sujets connexes à explorer

• Alimenter le modèle avec des données en temps réel. Un jumeau numérique maintient le modèle connecté à l’usine. Déterminez d’abord si votre décision nécessite un flux de données en direct ou simplement un bon modèle.
• Modéliser la réaction humaine. Les retards de réaction et les changements d’équipe modifient la durée d’une perturbation. Ajoutez-les lorsque les effectifs font partie de la question.
• Reprise et redémarrage. Une fois la perturbation terminée, le retard accumulé pèse sur la ligne. Simulez le redémarrage, y compris les limites d’heures supplémentaires.
• Fermer la boucle avec la planification. Une fois la perturbation avérée, le planning doit changer. Réfléchissez à la manière dont le résultat d’une simulation alimente la replanification.

Prochaine étape

Les perturbations de simulation de production sont plus faciles à gérer si vous partez de votre propre journal des arrêts. Choisissez la perturbation qui vous a coûté le plus cher l'an dernier, formulez-la en un seul scénario, avec sa durée et la ressource touchée, puis testez-la dans un modèle, même sommaire, avant la prochaine réunion de planification.