Conception de lignes de fabrication sous incertitudes : analyse de sensibilité et approche robuste.
Auteur / Autrice : | Evgeny Gurevsky |
Direction : | Alexandre Dolgui |
Type : | Thèse de doctorat |
Discipline(s) : | Génie Industriel |
Date : | Soutenance le 13/12/2011 |
Etablissement(s) : | Saint-Etienne, EMSE |
Ecole(s) doctorale(s) : | ED SIS 488 |
Jury : | Président / Présidente : Nathalie Sauer |
Examinateurs / Examinatrices : Alexandre Dolgui, Nathalie Sauer, Jean-Charles Billaut, Mireille Jacomino, Olga Battaïa, Mhand Hifi, Sylvie Norre, André Rossi | |
Rapporteurs / Rapporteuses : Jean-Charles Billaut, Mireille Jacomino |
Résumé
Les travaux présentés dans cette thèse portent sur la conception de systèmes de fabrication en contexte incertain. La conception d’un tel système peut être vue comme un problème d’optimisation qui consiste à trouver une configuration qui permet d’optimiser certains objectifs tout en respectant des contraintes technologiques et économiques connues. Les systèmes de fabrication étudiés dans ce mémoire sont des lignes d’assemblage et d’usinage. La première est une ligne qui se présente comme une chaîne de postes de travail où, dans chaque poste, les opérations d’assemblage s’exécutent de manière séquentielle. La deuxième, quant à elle, est une ligne particulière qui se compose de machines de transfert comportant plusieurs boîtiers multibroches où les opérations s’exécutent simultanément. Dans un premier temps, nous décrivons de différentes approches permettant de modéliser l’incertitude des données en optimisation. Une attention particulière est portée sur les deux approches suivantes : l’approche robuste et l’analyse de sensibilité. Puis, nous présentons trois applications : la conception d’une ligne d’assemblage et d’une ligne d’usinage soumises aux variations de temps opératoires et la conception d’une ligne d’assemblage avec les temps opératoires connus sous la forme d’intervalles des valeurs possibles. Pour chaque application, nous identifions les performances attendues ainsi que la complexité de la prise en compte de l’incertitude. Ensuite, nous proposons de nouveaux critères d’optimisation en adéquation avec la problématique introduite. Enfin des méthodes de résolution sont développées pour appréhender les différents problèmes mis en évidence par ces critères.