Planification des réapprovisionnements sous incertitudes pour les systèmes d’assemblage à plusieurs niveaux

Replenishment planning under uncertainty for multi-level assembly systems

• Auteur / Autrice : Oussama Ben Ammar
• Direction : Alexandre Dolgui, Mohamed Aly OULD-LOULY
• Type : Thèse de doctorat
• Discipline(s) : Génie Industriel
• Date : Soutenance le 09/10/2014
• Etablissement(s) : Saint-Etienne, EMSE
• Ecole(s) doctorale(s) : ED SIS 488
• Partenaire(s) de recherche : Laboratoire : Département Décision en Entreprise : Modélisation, Optimisation
• Jury : Président / Présidente : Saïd Noureddine Zerhouni
• Jury : Examinateurs / Examinatrices : Alexandre Dolgui, Saïd Noureddine Zerhouni, Caroline Thierry, Nidhal Rezg, Henri Pierreval, Jean-Claude Hennet, Faicel Hnaien, Hélène Marian
• Jury : Rapporteurs / Rapporteuses : Caroline Thierry, Nidhal Rezg

Mots clés

Mots clés contrôlés

Algorithmes génétiques

Approvisionnement dans l'entreprise

Optimisation globale

Production -- Planification

Mots clés libres

MRP

Systèmes d’assemblage

Incertitude

Délais d’approvisionnement

Optimisation

Algorithme Génétique

Procédure par Séparation et Évaluation

MRP

Assembly systems

Uncertainty

Lead Times

Optimization

Genetic algorithm

Branch and bound

Résumé

Dans le contexte actuel marqué par l’instabilité des marchés, les clients sont de plus en plus exigeants. un client qui n’est pas approvisionné à une date souhaitée peut soit remettre son achat à plus tard, soit aller chercher le produit chez un concurrent. de plus, l’entreprise doit faire face à de multiples imprévisibilités internes, de la concurrence ou d’événements extérieurs. ces aléas induisent de l'incertitude dans la planification de la production et génèrent des sources nombreuses de retard, de désynchronisation et de pertes de productivité. ce travail de thèse s’intègre dans la problématique de la planification de la production dans un environnement incertain. nous étudions des problèmes de la planification des réapprovisionnements pour un système d’assemblage à plusieurs niveaux, quand les délais d’approvisionnement sont incertains. nous avons choisi comme indicateur de performance l’espérance du coût total moyen qui est égal à la somme du coût de stockage des composants, le coût de rupture du produit fini et le coût de stockage du produit fini. des propriétés théoriques, des modèles analytiques ainsi que des méthodes d’optimisation ont été proposés. nous avons montré que la résolution du problème ne dépend pas seulement de la méthode de résolution et du nombre de niveaux, mais aussi du coût de rupture en produit fini et de la structure du système d’assemblage.

In the current industrial context, the offer is largely higher than the demand. Therefore, the customers are more and more exigent. To distance themselves, companies need to offer to their customers the best quality products, the best costs, and with controlled lead times as short as possible. Last years, the struggle for reducing costs was accentuated within companies. However, stocks represent an important financial asset, and therefore, it is essential to control them. In addition, a bad management of stocks led either to delays in delivery, which generate additional production costs, either to the unnecessary inventory. The latter one can occur at different levels (from components at the last level to finished product), it costs money and immobilize funds. That is why, planners have to look for efficient methods of production and supply planning, to know exactly for each component, and when to order and in which quantity.The aim of this doctoral thesis is to investigate the supply planning in an uncertain environment. We are interested in a replenishment planning for multi-level assembly systems under a fixed demand and uncertainty of components lead times.We consider that each component has a fixed unit inventory cost; the finished product has an inventory cost and a backlogging cost per unit of time. Then, a general mathematical model for replenishment planning of multi-level assembly systems, genetic algorithm and branch and bound method are presented to calculate and to optimize the expected value of the total cost which equals to the sum of the inventory holding costs for the components, the backlogging and the inventory holding costs for the finished product. We can state by the different results that the convergence of the GA doesn't depend only on the number of components in the last level but also on the number of levels, the type of the BOM and the backlogging cost for the finished product.