VI.2.3 troisième étapes affichage des
résultats et analyse
Figure 41 insertion des tâches de maintenance
dans le plan de production
Dans cette étape nous avons
inséré les tâches de maintenance dans le plan de production
en respectant les dates de début et de fin de chaque tâche ,et on
a affiché la fonction objective initiale et après insertion on a
eu le tableau décrit dans la figure 41 dont la tâche de
maintenance 02 est inséré dans l'emplacement 3 et la tâche
de maintenance 03 est inséré dans l'emplacement 6.
115
VI.2.3.1 Analyse de résultats
Le nombre de tâche de maintenance a
inséré dans cette exemple est 2 avec 5 tâches de
productions, puisque nous sommes dans le cas d'insertion des tâches de
maintenance sur plusieurs machine alors on effectue l'insertion en utilisant un
décalage à gauche s'il ya lieu pour pouvoir optimisé le
plan de production conjoint maintenance, dans cette exemple l'insertion des 2
tâches de maintenance a été sans difficulté car
l'intégration ne provoque pas un conflit production \ maintenance , en
effet la figure 41 représente un plan de production \ maintenance
initiale , sur le quel on va appliquer l'algorithme génétique
afin de donner un plan final de production \ maintenance.
On a appliqué l'algorithme
génétique sur le tableau illustré dans la figure 41 afin
d'optimiser la fonction objective et comme première étape de
l'algorithme génétique c'est la construction de la population
initiale dont chaque chromosome on fait un décalage à gauche s'il
ya lieu pour pouvoir optimiser la fonction objective ainsi la population est
représenté comme suit :
Figure 42 population initiale de l'algorithme
génétique
Le résultat obtenu dans la Figure 42 est une
population initiale dont nous avons sept chromosomes par ligne dont chaque
chromosome est structuré comme suit :
116
|
Code de la tâche
de production
ou
de maintenance
|
Date de début
de la tache
|
Date de fin de la
tache
|
Durée de la tache
|
Figure 43 structure d'un chromosome
Et le dernier paramètre indiqué dans le
tableau de la Figure 42 est la fonction objective
Après avoir construire la population initiale on
applique les opérateurs de sélection & croisement &
mutation sur la population initiale comme suit :
1. étape de sélection
Dans cette étape on a utilisé la
sélection par rang et on a fixé un pourcentage de 50% de chaque
population calculé.
2.étape de croisement
Durent cette étape on a croisé chaque deux
individus pour donner un autre individu enfant.
3.étape de mutation
L'opérateur de mutation a été fait
entre deux individus qui se suit afin de donner d'autre individus pour enrichir
notre population initiale.
Notre système traite environ de cinq populations
afin de donner une solution bien optimisé.
117
| 
