Multiobjective Complex Job-Shop Scheduling : Application to Semiconductor Manufacturing

Ordonnancement multi-objectif d'ateliers complexes de type job-shop : application à la fabrication de semiconducteurs

• Auteur / Autrice : Karim Tamssaouet
• Direction : Stéphane Dauzère-Pérès
• Type : Thèse de doctorat
• Discipline(s) : Genie industriel
• Date : Soutenance le 17/07/2019
• Etablissement(s) : Lyon
• Ecole(s) doctorale(s) : Ed Sis 488
• Partenaire(s) de recherche : établissement opérateur d'inscription : École nationale supérieure des mines (Saint-Etienne ; 1816-....)
• Partenaire(s) de recherche : Laboratoire : Département Sciences de la Fabrication et Logistique / SFL-ENSMSE
• Jury : Examinateurs / Examinatrices : Christelle Guéret, Farouk Yalaoui, Galliam Claude Yugma, Margaux Nattaf, Reha Uzsoy, Jacques Pinaton, Emmanuel Troncet
• Jury : Rapporteurs / Rapporteuses : Christelle Guéret, Farouk Yalaoui

Mots clés

Mots clés contrôlés

Métaheuristiques

Ordonnancement (gestion)

Semiconducteurs

Production en série

Mots clés libres

Ordonnancement

Traitement par fournées

Optimisation Multiobjectif

Métaheuristiques

Fabrication de semi-conducteurs

Multiobjective Optimization

Scheduling

Batching

Metaheuristics

Semiconductor Manufacturing

Résumé

Ce travail traite d’un problème d’ordonnancement complexe rencontré dans la fabrication de semi-conducteurs où les règles de priorité restent encore largement utilisées. Les algorithmes d’optimisation constituent une alternative prometteuse à ces règles, à condition de prendre en compte le nombre important de contraintes complexes et de critères. Nous considérons un problème d’ordonnancement de type job-shop flexible avec «p-batching», des flux rentrants, des temps de préparation dépendant de la séquence, des périodes d’indisponibilité, des délai entre opération et des dates de début au plus tôt. Différents critères doivent être pris en compte pour optimiser les différentes performances opérationnelles: débit global, satisfaction des objectifs de production et temps de cycle. L’approche proposée repose sur l’adaptation du graphe disjonctif proposée dans une thèse précédente, appelée «batch-oblivious», où les décisions de «batching» sont modélisées à travers les poids des arcs. Cette représentation a été étendue pour permettre la modélisation des ressources internes des machines complexes. Un algorithme efficace est proposé pour améliorer la solution pendant le parcours du graphe. Une deuxième phase d’amélioration est assurée par une métaheuristique de type recuit simulé. Selon que les préférences du décideur sont ou non exprimées avant l’optimisation, différentes approches traitant l’aspect multiobjectif du problème sont étudiées et comparées. Les différents composants sont intégrés dans une métaheuristique de type GRASP. Différentes expérimentations sur des données industrielles de grande taille montrent l’amélioration significative que peut apporter l’approche.

This work deals with a real-life complex scheduling problem arising in semiconductor manufacturing where dispatching rules are still widely used. Optimization algorithms are a promising alternative to dispatching rules, provided that the solved problem encompasses the rich set of complex constraints and criteria. We consider a flexible job-shop scheduling problem with p-batching, reentrant flows, sequence-dependent setup times, unavailability periods, time lags and release dates. Different criteria must be considered to optimize the different operational performances: Overall throughput, target satisfaction, machine utilization and cycle time.The proposed heuristic approach relies on the adaptation of the disjunctive graph that was introduced in a previous thesis, called batch-oblivious where batching decisions are encoded in the arc weights. This graph is extended to allow the modeling of the internal resources of complex batching machines. An efficient algorithm is proposed to simultaneously compute start times and improve the solution during the graph traversal by filling underutilized batches. In addition to this integrated algorithm, the solution is improved within a simulated annealing metaheuristic. Depending on whether the preferences of the decision-maker are given before the search process, different approaches to handle the multiobjective aspect of the problem are studied and compared. The different components are embedded within a parallelized implementation of the GRASP metaheuristic. Different experiments on large size industrial instances show the significant improvement that can be brought by the proposed approach in computational times of several minutes.