Les apports des pratiques Lean, de la digitalisation et de l’optimisation du séquencement pour une production à grande variété et faible volume : application à la fabrication de grues à tour

Contributions of Lean practices, digitalization and sequencing optimization for high-variety, low-volume production: application to the manufacture of tower cranes

• Auteur / Autrice : Zineb Mrabbaj
• Direction : Bernard Penz, Malek Masmoudi
• Type : Projet de thèse
• Discipline(s) : GI - Génie Industriel : conception et production
• Date : Inscription en doctorat le ; Soutenance le 05/12/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Ingénierie - matériaux mécanique énergétique environnement procédés production
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences pour la Conception, l'Optimisation et la Production de Grenoble
• Jury : Président / Présidente : Gülgün Alpan
• Jury : Examinateurs / Examinatrices : Samir Lamouri, Jacques Lamothe, Gilles Goncalves, Bernard Penz, Malek Masmoudi
• Jury : Rapporteur / Rapporteuse : Samir Lamouri, Jacques Lamothe

Mots clés

Mots clés libres

Séquencement

Lean Manufacturing

Digitalisation

High Mix Low Volume

Sequencing

Lean Manufacturing

Digitalization

High Mix Low Volume

Résumé

Cette thèse CIFRE s’inscrit dans le cadre d’une collaboration entre l’entreprise Manitowoc, leader mondial de fabrication de grues, et le laboratoire G-SCOP. Dans cette thèse, nous étudions la problématique de l'entreprise Manitowoc, liée à la gestion complexe de ses processus de production. Cette complexité découle de la grande variété des composants nécessaires pour les postes de montage et de la rigidité du système de convoyage, ce qui entraîne des lead times longs et variables. Malgré l'augmentation du nombre d'opérateurs pour tenter de livrer les clients à temps, cette stratégie n'a permis qu'une amélioration marginale des délais de livraison, tout en dégradant la productivité. Par conséquent, le séquencement s’est avéré en être une des pistes d’amélioration principales. Le problème de séquencement à traiter est complexe, reconnu et classé comme un problème d'optimisation NP-difficile. De plus, l’étude de terrain a montré les limites des outils de planification existants et la difficulté de fournir manuellement un planning journalier pour l’approvisionnement des postes de montages. Ce séquencement manuel est entravé par l'absence de données fiables et le manque d'informations en temps réel. Cela empêche d'obtenir un bon séquencement et complique la gestion efficace des opérations. D’autres difficultés rendent rapidement obsolètes la planification et le séquencement établis. Principalement le non-respect du séquencement par les opérateurs qui est souvent lié à une optimisation locale, où chaque poste de travail cherche à optimiser ses propres critères de performance, indépendamment des besoins et contraintes des autres ateliers. Les aléas rencontrés en cours de production, tels que les problèmes d'approvisionnement ou les défauts de qualité, s'ajoutent à ces difficultés. Cette situation conduit à une déviation par rapport au séquencement global, provoquant des déséquilibres dans la chaîne de production, des retards de livraison et une baisse de la qualité nécessitant des reprises. La résolution du problème de séquencement, bien que nécessaire, ne suffit pas à assurer le bon fonctionnement global de l'usine. Un bon séquencement doit être soutenu par une visibilité constante de l'information et une traçabilité des produits tout au long de la chaîne logistique pour être efficace. L'accès en temps réel aux données est essentiel pour une planification précise et pour permettre des réponses rapides aux aléas survenant pendant la production. De plus, l'exécution du séquencement dépend en grande partie des opérateurs sur le terrain. Leur engagement et leur capacité à suivre le séquencement établi influent directement sur la performance globale de l'usine. L'autonomie et l'apprentissage individuel des opérateurs jouent un rôle clé dans le respect des objectifs de séquencement, tandis que des outils d'aide à la décision avancés peuvent améliorer leur efficacité et leur coopération. Pour surmonter ces défis et challenges, nous avons proposé une solution performante pour piloter efficacement l'organisation globale de la chaîne logistique. La complexité du problème étudié nécessite l’intégration de trois briques complémentaires et intégrées : Théorie Lean pour la prise de décision ambivalente (centralisation et décentralisation), digitalisation intelligente, et outils de planification et de séquencement avancé afin de proposer une solution globale capable d’apporter une réponse pertinente à la problématique étudiée. La contribution majeure de cette thèse réside dans l'intégration de ces trois approches dans des apports harmonieux et complémentaires. L'adoption d'une seule de ces approches ne suffirait pas à optimiser les opérations dans leur ensemble. C'est l'interconnexion et la complémentarité de ces trois domaines qui ont permis d'atteindre des résultats significatifs, en abordant les défis de la production de manière holistique.

This CIFRE thesis is part of a collaboration between Manitowoc, a world leader in crane manufacturing, and the G-SCOP laboratory. In this thesis, we study the problem of Manitowoc, linked to the complex management of its production processes. This complexity arises from the wide variety of components required for the assembly stations and the rigidity of the conveyor system, which results in long and variable lead times. Despite the increase in the number of operators to try to deliver to customers on time, this strategy only allowed a marginal improvement in delivery times, while degrading productivity. Consequently, sequencing turned out to be one of the main avenues for improvement. The sequencing problem to be addressed is complex, recognized and classified as an NP-hard optimization problem. In addition, the field study showed the limitations of existing planning tools and the difficulty of manually providing a daily schedule for the supply of assembly stations. This manual sequencing is hampered by the absence of reliable data and the lack of real-time information. This prevents good sequencing from being obtained and complicates the efficient management of operations. Other difficulties quickly make the established planning and sequencing obsolete. Mainly the non-compliance with sequencing by operators which is often linked to local optimization, where each workstation seeks to optimize its own performance criteria, regardless of the needs and constraints of other workshops. The hazards encountered during production, such as supply problems or quality defects, add to these difficulties. This situation leads to a deviation from the overall sequencing, causing imbalances in the production chain, delivery delays and a drop in quality requiring rework. Solving the sequencing problem, while necessary, is not enough to ensure the overall smooth running of the plant. Good sequencing must be supported by constant visibility of information and traceability of products throughout the supply chain to be effective. Real-time access to data is essential for accurate planning and to enable rapid responses to contingencies that occur during production. In addition, sequencing execution largely depends on the operators in the field. Their commitment and ability to follow the established sequence directly impacts the overall performance of the plant. Operator autonomy and individual learning play a key role in meeting sequencing objectives, while advanced decision support tools can improve their efficiency and cooperation. To overcome these challenges, we proposed a high-performance solution to effectively manage the overall organization of the supply chain. The complexity of the problem studied requires the integration of three complementary and integrated building blocks: Lean Theory for ambivalent decision-making (centralization and decentralization), intelligent digitalization, and advanced planning and sequencing tools in order to propose a global solution capable of providing a relevant response to the problem studied. The major contribution of this thesis lies in the integration of these three approaches in harmonious and complementary contributions. The adoption of only one of these approaches would not be enough to optimize operations as a whole. It is the interconnection and complementarity of these three areas that have made it possible to achieve significant results, by addressing the challenges of production in a holistic manner.