Modélisation et optimisation de problème de planification de désassemblage dans un environnement incertain

Modeling and optimization of the disassembly planning problem under uncertainty

• Auteur / Autrice : Ilhem Slama
• Direction : Alexandre Dolgui, Faouzi Masmoudi
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 25/09/2020
• Etablissement(s) : Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire en cotutelle avec Université de Sfax (Tunisie). Faculté des Sciences économiques et de gestion
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Laboratoire : Systèmes Logistiques et de Production - Département Automatique, Productique et Informatique - Laboratoire des Sciences du Numérique de Nantes
• Jury : Président / Présidente : Olga Battaïa
• Jury : Examinateurs / Examinatrices : Alexandre Dolgui, Faouzi Masmoudi, Feng Chu, Abdelaziz Dammak, Malek Masmoudi, Mohand Lounes Bentaha, Oussama Ben Ammar
• Jury : Rapporteur / Rapporteuse : Olga Battaïa, Feng Chu

Mots clés

Mots clés contrôlés

Modélisation des données (informatique)

Programmation stochastique

Planification -- Informatique

Rétro-ingénierie (informatique)

Mots clés libres

Désassemblage

Planification de désassemblage

Délai de remise à neuf incertain incertain

Programmation stochastique

Modélisation analytique

Agrégation par scénarios

Disassembly

Disassembly lot-sizing

Random refurbishing lead times

Stochastic programming

Analytical modeling

Scenarios aggregation

Simulation

Résumé

Notre projet de recherche propose de modéliser et d’optimiser le problème lié à la détermination du plan de démontage des produits enfin de vie tout en satisfaisant les demandes en composants sur un horizon de planification donné. Les travaux présentés dans ce manuscrit portent sur la planification de désassemblage dans un contexte certain et incertain. Nous avons considéré trois modélisations principales avec leurs approches de résolution : (i) une modélisation déterministe multi-période qui traite une nomenclature de produit multi-niveau avec le partage des composant qui cherche à maximiser le profit total. Un programme linéaire mixte en nombres entiers est proposé pour résoudre d’une façon optimale le problème, (ii) une modélisation stochastique monopériode pour traiter le cas d’une nomenclature de produit à deux niveaux et un seul type de produit. Les délais de remise à neuf sont supposés stochastique avec des distributions de probabilité quelconques. Le modèle cherche à minimiser l’espérance mathématique des coûts de stockage et de rupture des composants. Une approche de résolution exacte basée sur le modèle ”Newsboy'' est développée pour résoudre le problème, et (iii) un modèle stochastique multi-période qui traite l’incertitude des délais de remise à neuf de chaque composant à chaque période est étudié quand le croisement des ordres est autorisé. La programmation linéaire mixte en nombres entiers stochastique, la simulation Monte Carlo et l’agrégation des scénarios sont proposées pour résoudre ce type de problème. Les performances des méthodes de résolution développées sont présentées en analysant les résultats d’optimisation sur un ensemble d’instances générées aléatoirement.

Our research proposes to model and optimize the disassembly lot-sizing problem. The contributions presented in this manuscript focus on disassembly planning in certain and uncertain context. We have considered three main models with their resolution approaches: (i) a deterministic multi-period modeling that deals with a multilevel product structure with a commonality of components that aims to maximize total profit. A Mixed Integer Linear Programming (MILP) model is proposed to optimally solve the problem, (ii) a single period stochastic model with a two-level disassembly system and a single type of end-of-life product under random refurbishing lead times. This model seeks to minimize the total expected cost, composed of inventory and backlog costs. A Newboy approach is proposed to solve the problem, and (iii) a multi-period stochastic model which deals with the uncertainty of refurbishing lead times when order crossover is considered. Stochastic Mixed Integer Linear Program, Monte Carlo simulation and scenario aggregation approaches are proposed to solve the proposed model. The performances of the proposed resolution approaches are presented by analyzing the optimization results on a set of randomly generated instances.