Vers un modèle d'aide à la décision pour construire un carnet de production intégrant une vision end to end de la supply chain « Carnet E2E »

Towards a decision aid model to build a production plan integrating a holistic vision of the automotive supply chain.

• Auteur / Autrice : Ayman Mahmoud
• Direction : Evren Sahin
• Type : Projet de thèse
• Discipline(s) : Génie industriel
• Date : Inscription en doctorat le 15/03/2022
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Interfaces : matériaux, systèmes, usages (Palaiseau, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire génie industriel (Gif-sur-Yvette, Essonne)
• Partenaire(s) de recherche : Equipe de recherche : Management des Opérations
• Partenaire(s) de recherche : Référent : CentraleSupélec (2015-....)

Mots clés

Mots clés libres

Industrie Automobile

Séquencement

Optimization

Apprentissage Automatique

Aide à la Décision

Science des données

Automotive Industry

Sequencing Problems

Optimisation

Machine Learning

Decision Aid Tools

Data Science

Résumé

Renault conçoit son carnet de fabrication ferme et prévisionnel à partir d'une demande commerciale et de prévisions. Ce carnet prévisionnel est communiqué aux métiers opérationnels (besoins vers les fournisseurs, vers les usines, vers le transport amont/aval et vers les clients) en tenant compte d'un certain nombre de contraintes majeures globales. L'objectif du « production control » est alors de construire un carnet de production réel le plus proche possible du carnet prévisionnel afin de limiter les impacts opérationnels. La construction du carnet réel se fait sur la base de contraintes globales, avec une visibilité réduite des possibilités de flexibilité offertes par la « Supply Chain ». De plus, les décisions d'évolution du carnet se font avec une visibilité très partielle de leurs impacts; plus sur la base de l'expérience opérationnelle que sur des données à jour et complètes. Enfin, les objectifs de ces carnets de production se limitent généralement à ce qui sort de l'usine et non à ce qui est remis au client final. Les objectifs de la thèse sont : Construire un carnet de production réel le plus proche possible du carnet prévisionnel, limiter les impact opérationnels en respectant les contraintes globales. La thèse est une étape vers la construction d'un outil qui permettra Renault d'améliorer le process Progammation Industrielle en prenant en compte les contraintes volumiques et non volumique en se basant sur l'intelligence des données pour pouvoir prendre des décisions non impactant à la résilience de la chaîne logitique.

Renault draws up its firm and provisional production schedule based on commercial demand and forecasts. This forecast is communicated to the operational businesses (needs towards suppliers, factories, upstream/downstream transport and customers), considering a certain number of significant global constraints. The objective of ''production control'' is to build an actual production log as close as possible to the forecast log to limit operational impacts. The confirmed order log is constructed based on global constraints, with reduced visibility of the possibilities of flexibility offered by the ''Supply Chain''. In addition, the decisions on the evolution of the backlog are made with very partial visibility of their impacts, more based on operational experience than on up-to-date and complete data. Finally, the objectives of these production logs are limited to the end of the factory's production line and not the customer. The objectives of the thesis are: Build an accurate production log close to the forecast log and limit the operational impact while respecting the global constraints. The thesis is a step toward constructing a tool that will allow Renault to improve the Industrial Programming process by considering the industrial constraints based on data to make decisions that do not impact the supply chain resilience.