Compte rendu de TP :

Simulation de processus de production

5ème année GÉNIE INDUSTRIEL

Réalisé par :

Oussama Ilyass

Année : 2025
Introduction
Ce travail pratique (TP) porte sur la simulation d’un processus de production à l’aide du
logiciel Arena. L’objectif est de modéliser, analyser et interpréter le comportement du
système de production afin d’évaluer les performances, d’identifier les goulots
d’étranglement et d’optimiser le flux des entités. Le TP est divisé en plusieurs parties allant
de la modélisation de base jusqu’à l’analyse des résultats obtenus.

Partie 1 : Création du modèle de base

Dans cette partie, on construit le modèle de base en définissant les entités, les processus et
les ressources nécessaires. Les réponses aux questions du TP sont détaillées ci-dessous :

Question 1:

➤ Q-1-1)

1
 Q-l-2) Quel est le problème avec cette configuration ?

Le problème vient d’une incohérence entre l’unité de temps de Create (arrivées définies
en secondes) et l’unité de base de la simulation (minutes). Ceci engendre un taux d’arrivée
très élevé qui surcharge le poste d’aiguillage et provoque l’accumulation de pièces en file.
Alternativement, si la question a affiché un message indiquant l’insuffisance de capacité, le
problème est que la capacité du poste est trop faible par rapport au taux d’arrivée et au
temps de service.

Q-1-3) Interprétez le message d'erreur que vous obtenez

Le message d’erreur montre que les entités s’entassent car le poste d’aiguillage n’arrive pas
à traiter les pièces aussi rapidement qu’elles arrivent. Cela peut provenir d’un rythme
d’arrivée trop rapide (erreur dans l’unité de temps sur Create) ou d’une capacité de
traitement trop faible de la ressource. Pour résoudre ce problème, il est recommandé soit
d’augmenter la capacité de la ressource, soit d’ajuster l’unité de temps des arrivées.

Q-1-4) Quelle est la valeur de la capacité pour laquelle le poste peut traiter toutes les
pièces ?
 response : 19

Q-1-5) Après simulation, et à l'aide des données issues du rapport de simulation,

répondez aux questions suivantes :
 Number Out = 44 pièces
 VA Time (process time mean) = 3,6130 min
 Waiting time Average = 0,01256983 min
 WIP (Time in System) = 0,3323 min
 Utilisation poste aiguillage = 33,12 %
 Number Waiting Average = 0,001115223 pièces

Question 2:

Q-1-6) Combien de pièces ont été traitées ?

2
 Q-1-7) Taux d’utilisation du poste de contrôle-aiguillage ?
Utilisation = 100%.

Q-1-8) Compare avec la configuration précédente

Pour le scénario 1, les valeurs étaient de 44 et 33 %, et pour le scénario 2, elles
sont passées à 134 et 100 %. Après avoir modifié l’arrivée vers TRIA([...]) (en
minutes), le Number Out est passé de [Number Out_scenario1] à [Number
Out_scenario2], ce qui représente une augmentation de [Δ%] %. Le taux
d’utilisation du poste d’aiguillage a évolué de [U_scenario1] % à [U_scenario2] %,
ce qui montre que [interprétation : ex. la charge s’accroît / diminue].

Question 3:

Q-1-9) Pour TRIA (2,3,5) :

a) Number Waiting Average = 2,1313

b) Waiting time Average = 7,2330
c) Utilisation poste aiguillage = 99,6 %.

d) Comparaison des taux :

En comparant le taux d’utilisation du scénario 3 avec ceux des scénarios 1 et 2, on constate
que le poste d’aiguillage est beaucoup plus sollicité. Cela montre que le flux de pièces
approche de la capacité maximale du poste, le rendant plus chargé que dans les scénarios
précédents.

e) Conclusion :
Avec un taux d’utilisation proche de 100 %, le poste d’aiguillage représente un goulot
d’étranglement potentiel. Si l’utilisation avait été très faible, cela aurait indiqué que la
capacité du poste est surdimensionnée par rapport au flux.

f) Number Out après 8 heures :

Le nombre de pièces traitées au bout de 8 heures est de 137

Q-1-10) Comparaison :

Le Number Out passe de 44 dans le scénario 1 à 134 dans le scénario 2 (+204,5 %), puis à
137 dans le scénario 3 (+211,4 % par rapport au scénario 1). Le taux d’utilisation augmente
de 33 % à 100 % puis reste très élevé à 99,6 %. Le poste d’aiguillage devient donc fortement
sollicité dans les scénarios 2 et 3, presque à saturation

Q-1-11) Conclusion si critère = produire plus de pièces

3
Pour produire le plus grand nombre de pièces en 8 heures, il est préférable de choisir la
configuration qui maximise le Number Out tout en gardant l’utilisation des ressources
raisonnable. Si l’augmentation de production est obtenue en accélérant les arrivées sans
changer les postes, on risque une hausse des files et de l’utilisation, ce qui peut nécessiter
d’ajouter des serveurs. Si la production augmente en ajoutant des postes, il est recommandé
d’augmenter la capacité jusqu’à atteindre une situation stable, puis d’optimiser légèrement
les temps de traitement. La meilleure approche consiste donc à combiner augmentation de
capacité et optimisation des temps de service.

Partie 2 : Ajout des files d’attente et ressources

Cette partie consiste à introduire la gestion des files d’attente et des ressources afin de
simuler un flux de production plus réaliste. Les résultats permettent d’analyser les temps
d’attente et les taux d’utilisation.

Q-2-1)
Le poste d’aiguillage reçoit toutes les pièces produites et chaque pièce passe par un
test de contrôle qualité. La configuration reste identique à celle choisie dans la
question Q-1-1. Chaque pièce peut être jugée conforme ou non conforme.

Q-2-2) Pièces traitées par le système

136 pièces ont été traitées par le système sur la durée de 8 heures.
4
 Q-2-3) Pièces non traitées

5 pièces n’ont pas été traitées, soit des pièces restant en attente à la fin de la
simulation.

Q-2-4) Temps de traitement moyen

Chaque pièce a nécessité en moyenne 9,7976 minutes pour être traitée par le poste
de contrôle.

Q-2-5) Pièces bien usinées

Sur l’ensemble des pièces traitées, 126 ont été jugées conformes au contrôle qualité.

Q-2-6) Pièces mal usinées

11 pièces ont été jugées non conformes.

Résumé interprétatif :
Le système traite la quasi-totalité des pièces avec un temps de traitement moyen
raisonnable. La majorité des pièces est jugée conforme (126/137), tandis qu’une minorité
(11 pièces) échoue au contrôle qualité. Les quelques pièces non traitées (5) correspondent à
la file résiduelle à la fin de la période simulée.

Conclusion : La simulation montre que le poste traite presque toutes les pièces, avec une
majorité bien usinée et un temps de traitement stable. Les pièces restantes non traitées sont
dues à la file résiduelle à la fin de la journée simulée.

Partie 3 : Optimisation du modèle

L’objectif de cette partie est d’optimiser le modèle afin de réduire les temps d’attente et
d’améliorer la productivité globale. Des ajustements ont été apportés au niveau des
processus et des ressources.

Q-3-1) Modèles conceptuel et logique

Le modèle conceptuel comporte un poste d’aiguillage qui oriente les pièces usinées vers
trois postes distincts :

 25 % des pièces sont dirigées vers le poste 1,

 25 % vers le poste 2,

 et 50 % vers le poste 3.

Chaque poste possède un temps de traitement différent :

5
  Le poste d’aiguillage traite les pièces entre 2 et 5 minutes (loi uniforme).

 Le poste 1 a un temps de traitement moyen de 2 minutes (loi exponentielle).

 Le poste 2 traite les pièces entre 2 et 5 minutes (loi uniforme).

 Le poste 3 traite les pièces entre 2 et 10 minutes (loi uniforme).

Les arrivées de pièces suivent une distribution triangulaire TRIA(2,3,5) exprimée en

minutes.
Le modèle logique reprend la même configuration sous Arena, avec une durée de simulation
de 8 heures.

6
 Q-3-2) Premier cas : Résultats de simulation

Le temps moyen de traitement global dans le système est de 8,028 minutes.

Le poste d’aiguillage affiche un temps moyen de 2,1211 minutes, tandis que les postes 1, 2
et 3 ont respectivement des temps moyens de 3,4758, 5,8751 et 5,8751 minutes.

Le temps moyen d’attente dans le système est de 23,2513 minutes.

Devant les postes, on observe des attentes moyennes de 2,1661 minutes pour le poste 1,
3,5500 minutes pour le poste 2 et 15,1450 minutes pour le poste 3.

Le nombre moyen de pièces en attente dans les files est de 21,7446, ce qui indique une
certaine accumulation, surtout au niveau du poste 3.

Les taux d’utilisation sont de 0,1237 pour le poste 1, 0,2172 pour le poste 2 et 0,9355 pour
le poste 3. Ce dernier est donc le plus sollicité, proche de la saturation.

Le nombre total de pièces arrivées dans le système est de 148, dont 138 ont traversé le
poste d’aiguillage, et 136 ont été entièrement traitées par le système.

Interprétation : le poste 3 représente le goulot d’étranglement du système, avec une

utilisation très élevée et un temps d’attente important.

Q-3-3) Deuxième cas : Poste d’aiguillage plus rapide

Dans cette configuration, le poste d’aiguillage est modifié pour un temps moyen de 2
minutes selon une loi exponentielle.
Après exécution de la simulation, le nombre total de pièces traitées passe à 143 au lieu de
136 dans le premier cas. Le flux de production devient donc plus rapide, bien que les files
d’attente augmentent légèrement.

Q-3-3-b) Comparaison des deux cas

Le premier cas présente un système plus équilibré mais légèrement moins productif.
Le deuxième cas, grâce à la réduction du temps de traitement de l’aiguillage, permet
d’augmenter la productivité de 7 pièces en 8 heures. Cependant, cette amélioration
s’accompagne d’une charge plus importante sur les postes suivants, en particulier sur le
poste 3, dont le taux d’utilisation est presque maximal.

Ainsi, le cas 2 est plus performant si le critère principal est la quantité produite, tandis que
le cas 1 reste préférable si l’on cherche à réduire les temps d’attente et la congestion.

Q-3-3-c) Choix selon la quantité produite

Si le critère de choix est le nombre de pièces produites, la deuxième configuration est à

privilégier, car elle permet d’atteindre 143 pièces traitées contre 136 dans le premier
scénario.

7
 Q-3-3-d) Choix selon les en-cours de production

Si l’objectif est de minimiser les en-cours et de stabiliser la production, la première

configuration est la plus adaptée.
Le nombre de pièces en attente y est plus faible, les files sont plus courtes et le flux de
production est plus fluide.

Conclusion finale :

Le cas 2 améliore légèrement la productivité mais provoque une saturation plus marquée
du poste 3.
Le cas 1, quant à lui, offre un système plus équilibré et mieux régulé, avec moins
d’encombrement dans les files d’attente.

En conclusion, le choix dépend du critère visé :

 Pour maximiser la production, opter pour la configuration 2.

 Pour assurer un fonctionnement stable et fluide, préférer la configuration 1, qui

constitue le meilleur compromis global entre performance et régularité du flux.

Partie 4 : Analyse des résultats de la simulation

4-a) Modèle logique

8
Le modèle logique garde la même configuration que précédemment : les pièces arrivent
selon la loi TRIA(2,3,5) en minutes pendant 8 heures. Le poste d’aiguillage répartit les flux
vers trois machines : 25 % vers la machine 1, 25 % vers la machine 2 et 50 % vers la
machine 3. Chaque poste de travail a son propre temps de traitement, défini selon la loi
utilisée dans les étapes précédentes. L’ensemble du système inclut des blocs Create,
Process, Decide et Record pour suivre le nombre de pièces, les coûts et les taux
d’occupation.

4-b) Nombre de pièces traitées

La simulation montre que 142 pièces ont été traitées par le système durant la période
de 8 heures.

4-c) Coût total des pièces produites

Le coût total correspondant à ces 142 pièces est estimé à 379 unités monétaires, selon le
rapport Arena.

4-d) Coût total des ressources occupées

Le coût cumulé des ressources lorsqu’elles sont en activité est de 317 unités, ce qui
représente la part principale du coût total.

4-e) Coût individuel des ressources occupées

Les coûts d’occupation par ressource sont :

• Machine 1 : 22,68

• Machine 2 : 56,43

• Machine 3 : 161,99

• Poste d’aiguillage : 75,57

9
 4-f) Comparaison des coûts totaux

La somme des coûts d’occupation (≈317) correspond parfaitement au coût total des
ressources actives indiqué dans le rapport. La cohérence entre ces valeurs confirme la
bonne répartition du temps de travail des postes.

4-g) Coût des ressources au repos

Même à l’arrêt, les ressources génèrent des coûts :

• Machine 1 : 20,76

• Machine 2 : 21,09

• Machine 3 : 7,50

• Poste d’aiguillage : 12,94

4-h) Coût total d’arrêt

Le coût total d’inactivité est de 62,29 unités, ce qui représente la différence entre le coût
total du système (379) et le coût des ressources actives (317).

4-i) Comparaison avec le rapport Arena

Les coûts calculés manuellement concordent avec les valeurs données dans le rapport. Cela
confirme la fiabilité des données et la justesse de la modélisation.

4-j à 4-l) Nombre de pièces par type

• Type 1 : 179 entrées – 179 sorties

• Type 2 : 189 entrées – 188 sorties

10
• Type 3 : 145 entrées – 144 sorties

4-m à 4-n) Utilisation des machines

La machine 1 a été utilisée 34 fois, la machine 2 environ 44 fois, la machine 3 66 fois et le

poste d’aiguillage 145 fois.

4-o) Taux d’utilisation

Les taux d’utilisation moyens sont :

 M1 : 13,5 %

 M2 : 34,1 %

 M3 : 84,4 %

 Aiguillage : 59,6 %

Conclusion

Le poste 3 reste le plus sollicité, ce qui confirme sa position de goulot d’étranglement. Le

modèle est cohérent : le coût total, le taux d’utilisation et le nombre de pièces traitées sont
en accord avec les résultats du rapport Arena.

Partie 5 : Analyse des résultats de la simulation

5.1 – Modifications apportées au modèle

11
Dans cette partie, nous avons modifié le modèle précédent afin de différencier le temps de
traitement des pièces dans le poste de contrôle (aiguillage).
Trois blocs Assign ont été ajoutés avant le processus d’aiguillage pour définir un attribut de
temps spécifique à chaque type de pièce :

 Type 1 : distribution triangulaire entre 1 et 3 minutes (mode 2 minutes)

 Type 2 : distribution triangulaire entre 3 et 5 minutes (mode 4 minutes)

 Type 3 : distribution triangulaire entre 5 et 7 minutes (mode 6 minutes)

Cette modification permet de simuler un fonctionnement plus réaliste du poste de contrôle,

où chaque type de pièce demande un temps différent selon sa complexité.

5.2 – Résultats de simulation

Après exécution du modèle sur 8 heures :

 Pièce P1 → Temps moyen d’exécution : 3,7247 min

 Pièce P2 → Temps moyen d’exécution : 7,8815 min

 Pièce P3 → Temps moyen d’exécution : 12,0371 min

12
 5.3 – Interprétation

On remarque une augmentation progressive du temps de traitement selon le type de pièce.

Les pièces de type 3 mobilisent davantage le poste d’aiguillage, ce qui peut provoquer une
accumulation de pièces et une hausse du temps d’attente moyen.
Ainsi, il serait pertinent d’envisager une meilleure répartition des ressources ou une
adaptation du flux pour limiter la surcharge sur ce poste.

Conclusion
Ce TP a permis de comprendre les principes fondamentaux de la simulation de systèmes de
production avec Arena. Les différentes parties ont illustré la création d’un modèle, la
gestion des files d’attente, l’allocation des ressources et l’interprétation des résultats
statistiques. Les indicateurs de performance obtenus permettent d’identifier les goulots et
d’orienter les décisions d’amélioration du processus.

13