Recherche sur l'optimisation de l'ordonnancement dans un atelier de tôlerie navale basée sur un algorithme NSGA-II amélioré

Pourquoi les chantiers navals ont besoin d'ordonnancements plus intelligents

Les chantiers modernes manipulent des milliers de plaques d'acier lourdes qui doivent être marquées, découpées et déplacées dans un ordre précis. La moindre perturbation — une machine de découpe en panne ou une commande urgente — peut se répercuter dans l'atelier, gaspiller de l'énergie, surcharger certaines machines et menacer les dates de livraison. Cet article présente une nouvelle méthode pour réorganiser automatiquement le travail dans un atelier de tôlerie navale lorsque de telles perturbations surviennent, en utilisant un algorithme évolutionnaire amélioré pour maintenir une production rapide, fiable et efficace.

Maintenir la production lorsque tout va mal

La construction navale est un type de fabrication complexe, marqué par des arrêts et des remises en marche. Les plaques varient en taille et en forme, et plusieurs machines se partagent la charge de travail. Aujourd'hui, lorsqu'un imprévu survient, de nombreux chantiers s'en remettent encore à des techniciens expérimentés pour réajuster manuellement le planning. Cela prend du temps et conduit souvent à une utilisation inégale des machines et à des coûts plus élevés. Les auteurs s'intéressent à une question centrale : lorsque l'atelier est frappé par des événements comme des pannes, des retouches ou des arrivées tardives de matériaux, comment un ordinateur peut-il générer rapidement un nouveau plan qui respecte les délais, minimise la consommation d'énergie et évite de surcharger une machine en particulier ?

Transformer l'atelier en jumeau numérique

Pour y parvenir, les chercheurs modélisent d'abord l'atelier de tôlerie sous la forme d'un modèle numérique détaillé. Ils construisent une configuration tridimensionnelle des machines et des flux de matériaux à l'aide d'un logiciel d'ingénierie, et la relient à une plateforme de données IoT qui collecte des informations en temps réel depuis les tables de découpe, les grues et d'autres équipements. Cela crée une sorte de « jumeau numérique » de l'atelier : un environnement virtuel qui reflète ce qui se passe sur le terrain. Les données de production alimentent un système d'ordonnancement qui utilise des algorithmes d'optimisation pour proposer un plan de travail initial. Ce plan est ensuite testé en simulation pour vérifier qu'il respecte les délais de livraison et l'utilisation raisonnable des machines avant d'être renvoyé pour piloter l'atelier réel.

Équilibrer le temps, le coût et la charge des machines

Le cœur de l'étude est une description mathématique du parcours des plaques dans l'atelier. Chaque plaque passe par plusieurs étapes sur différentes machines, et le planning doit respecter l'ordre des opérations, la capacité de chaque machine et la date de livraison promise. Les auteurs définissent trois objectifs simultanés : raccourcir le temps d'achèvement total, réduire l'énergie totale consommée pendant le traitement et les périodes d'attente, et éviter de longues périodes pendant lesquelles les machines sont soit inactives, soit surchargées. Ce type de problème multicritère n'a pas de solution unique parfaite. Il produit plutôt un ensemble de compromis — par exemple, finir un peu plus tôt au prix d'une consommation d'énergie plus élevée. L'objectif de l'algorithme est de cartographier ces compromis afin que les planificateurs puissent choisir un ordonnancement correspondant le mieux à leurs priorités.

Apprendre à un algorithme à s'adapter comme un expert

Pour explorer l'immense espace des ordonnancements possibles, les auteurs améliorent une méthode évolutionnaire populaire appelée NSGA-II, qui fonctionne en faisant évoluer une population de plans candidats sur de nombreuses générations. Les versions traditionnelles utilisent des paramètres fixes pour la fréquence de croisement et de mutation des plans, et conservent les meilleurs individus de manière simple. Cela peut conduire la recherche à se « coincer » trop tôt. Ici, les probabilités de croisement et de mutation s'adaptent automatiquement au fur et à mesure de la recherche, favorisant une large exploration au départ puis un affinage progressif. Parallèlement, une nouvelle règle de « sélection d'élite », inspirée du recuit simulé, contrôle combien des meilleurs plans sont conservés d'une génération à l'autre. Cela aide à maintenir la diversité parmi les solutions prometteuses afin que l'algorithme ne converge pas trop vite vers une solution sous‑optimale.

Valider la méthode sur des tests et dans un chantier réel

L'approche améliorée est testée de deux façons. D'abord, elle est exécutée sur un ensemble de benchmarks d'ordonnancement standard largement utilisés par la recherche. Sur la plupart de ces tests, elle trouve des compromis plus diversifiés et de meilleure qualité que l'NSGA-II original et qu'une variante plus récente, NSGA-III. Ensuite, l'équipe l'applique à un ordre de production réel impliquant 16 plaques et sept machines dans un chantier, puis introduit des perturbations réalistes : travaux de retouche urgents et une panne majeure de machine. Dans chaque cas, le système tente d'abord un simple décalage des tâches affectées vers la droite ; si cela compromettait la date de livraison, il déclenche une replanification complète à l'aide de l'algorithme amélioré. Comparée aux stratégies traditionnelles, la nouvelle méthode fournit des temps d'achèvement plus courts, une consommation d'énergie équivalente ou réduite, et un meilleur équilibrage des charges machines, tout en calculant des plans assez rapidement pour une utilisation pratique.

Ce que cela signifie pour la construction navale

Pour les non‑spécialistes, le message essentiel est que les ateliers de tôlerie navale peuvent désormais répondre aux imprévus de façon plus automatique et fiable. En combinant un flux de données en direct depuis l'usine, un modèle numérique réaliste et un algorithme évolutionnaire plus intelligent, la méthode maintient la production sur le calendrier avec moins d'interventions manuelles urgentes. À long terme, un tel ordonnancement dynamique pourrait aider les chantiers à réduire les retards, économiser de l'énergie et mieux exploiter des équipements coûteux — une étape concrète vers une fabrication plus intelligente et résiliente.

Citation: Dong, L., Liu, J., Gu, S. et al. Research on scheduling optimization of ship plate processing workshop based on improved NSGA-II algorithm. Sci Rep 16, 5549 (2026). https://doi.org/10.1038/s41598-026-35278-y

Mots-clés: construction navale, ordonnancement de la production, algorithme génétique, fabrication intelligente, optimisation dynamique