Une méthodologie structurée d'aide à la décision multicritère pour l'évaluation, la sélection et l'amélioration de la durabilité fondée sur le cycle de vie des procédés de fabrication – Application à la fabrication additive et conventionnelle

A Structured Multi-Criteria Decision-Making Methodology for Life Cycle-Based Sustainability Evaluation, Selection, and Improvement of Manufacturing Processes—Application to Additive and Conventional Manufacturing

• Auteur / Autrice : Luna Kitila
• Direction : Emmanuel Duc, Severine Durieux
• Type : Projet de thèse
• Discipline(s) : Mécanique, génie mécanique, génie civil
• Date : Inscription en doctorat le 01/09/2022
• Etablissement(s) : Université Clermont Auvergne (2021-...)
• Ecole(s) doctorale(s) : Sciences pour l'Ingénieur
• Partenaire(s) de recherche : Laboratoire : Institut Pascal
• Partenaire(s) de recherche : Equipe de recherche : M3G - Mécanique, Génie Mécanique, Génie Civil, Génie Industriel

Mots clés

Mots clés libres

Fabrication durable

Sélection des procédés de fabrication

Décision multicritère

Préférences incertaines

Analyse de sensibilité

Fabrication additive

Sustainable Manufacturing

Manufacturing Process selection

Multi Criteria Decision Making

Uncertain Preferences

Sensitivity Analysis

Additive Manufacturing

Résumé

La sélection de procédés de fabrication durables constitue un problème de décision complexe, car elle nécessite de concilier les dimensions économiques, environnementales et sociales tout au long du cycle de vie du produit, tout en tenant compte des incertitudes et des critères souvent conflictuels. Cependant, les approches existantes présentent plusieurs limites : évaluation fragmentée de la durabilité, absence de méthodologie structurée, prise en compte insuffisante de la subjectivité des experts, absence de validation fiable et faible capacité d'amélioration des alternatives sous-performantes. Pour combler ces lacunes, cette recherche développe et valide une méthodologie structurée d'aide à la décision multicritère hybride Fuzzy AHP - Fuzzy TOPSIS, permettant l'évaluation, la sélection et l'amélioration des procédés de fabrication sous l'angle de la durabilité, en intégrant la perspective du cycle de vie. Une base complète d'indicateurs de performance clés (KPI) a d'abord été identifiée en combinant la pensée cycle de vie et les trois dimensions du développement durable (économique, environnementale et sociale). Une méthodologie décisionnelle en cinq phases a ensuite été proposée, comprenant la définition des critères, la fuzzification des jugements experts, la pondération hybride, le classement flou, l'analyse de sensibilité et les approches d'amélioration du classement. Le Fuzzy AHP a été utilisé pour dériver les poids subjectifs basés sur les experts, tandis que le Fuzzy TOPSIS a permis de classer les alternatives de procédés selon leur proximité avec la solution durable idéale. En complément, la méthode CRITIC a été intégrée pour calculer des poids objectifs fondés sur les données, réduisant ainsi les biais et renforçant la confiance dans la décision. La méthodologie a été appliquée à un cas réel de fabrication d'un collecteur hydraulique, comparant la fabrication conventionnelle et deux alternatives de fabrication additive. Quinze critères distincts ont été identifiés, tels que le coût, l'efficacité énergétique, l'utilisation des matériaux et la performance fonctionnelle. Trois alternatives ont été évaluées : la fabrication conventionnelle en acier inoxydable 316, la fabrication additive en AlSi10Mg et la fabrication additive en acier inoxydable 316. Les résultats ont montré que la fabrication additive en acier inoxydable 316 est apparue comme la solution optimale, surpassant les autres alternatives en termes de durabilité et de performance fonctionnelle, suivie par l'option additive en AlSi10Mg, tandis que l'usinage conventionnel s'est classé en dernier. La comparaison entre les poids FAHP et CRITIC a confirmé la fiabilité méthodologique. L'analyse de sensibilité, effectuée par variation unitaire des poids, a démontré que le classement final restait stable pour des variations de ±20 % à ±50 %, attestant une forte robustesse. De plus, le mécanisme d'amélioration du classement a permis d'identifier les critères les plus critiques limitant les alternatives les moins performantes et de proposer des stratégies d'amélioration ciblées, transformant ainsi le cadre proposé d'un simple outil de classement passif en un système actif d'aide à la décision et d'optimisation. Cette recherche contribue, sur le plan théorique, à l'avancement de la prise de décision multicritère floue (MCDM) à travers la pondération hybride subjectif–objectif, l'intégration floue et l'établissement d'une logique d'amélioration au sein du MCDM. Sur le plan méthodologique, elle fournit un cadre décisionnel structuré, réplicable et validé pour la durabilité. Sur le plan pratique, elle offre aux industriels et aux décideurs un outil transparent de sélection, des informations utiles pour la prise de décision et un moyen d'amélioration des procédés de fabrication. Enfin, sur les plans académique et sociétal, elle soutient la transition vers une fabrication moderne plus durable, fondée sur les données et orientée vers l'intelligence. Dans l'ensemble, la méthodologie proposée répond efficacement à la nature dynamique et globale de la durabilité, intègre l'évaluation, la sélection et l'amélioration au sein d'un modèle unique, gère l'incertitude et garantit la fiabilité. Elle offre une base solide pour de futures extensions intégrant l'Industrie 4.0, les jumeaux numériques, l'optimisation et une adoption industrielle à grande échelle.

Sustainable manufacturing process selection a complex decision-making problem, as it requires balancing economic, environmental, and social factors across the entire product life cycle while dealing with uncertainties and conflicting criteria. However, existing approaches suffer from fragmented sustainability assessment, lack of structured methodology, inadequate handling of expert subjectivity, absence of reliable validation, and limited ability to improve underperforming alternatives. To address these gaps, this research develops and validates a structured hybrid Fuzzy AHP - Fuzzy TOPSIS multi-criteria decision-making methodology that enables the evaluation, selection, and improvement of manufacturing processes under sustainability considering the product life cycle. A comprehensive KPI was first identified by integrating life cycle thinking with the triple-bottom-line dimensions of sustainability. A five-phase decision-making methodology was then proposed, combining criteria definition, expert fuzzification, hybrid weighting, fuzzy ranking, sensitivity analysis, and rank-improvement approaches. Fuzzy AHP was used to derive subjective expert-based weights, Fuzzy TOPSIS helps to rank process alternatives based on their closeness to the ideal sustainable solution. In addition, the CRITIC method is integrated to computed objective, data-driven weights to reduce bias and enhance decision confidence. The methodology was applied to a real hydraulic manifold manufacturing case, comparing conventional manufacturing and two additive manufacturing alternatives. 15 distinct criteria were identified; such as cost, energy efficiency, material utilization, and functional performance. Three Alternatives were evaluated, these are: conventional manufacturing with 316 Stainless Steel, additive manufacturing with AlSi10Mg, and additive manufacturing with 316 Stainless Steel. The results demonstrated that additive manufacturing with 316 Stainless Steel emerged as the optimal solution, exceeding the other alternatives in terms of sustainability and functional performance. followed by AM with AlSi10Mg, while conventional machining ranked last. The comparison between FAHP and CRITIC weights verified methodological reliability. Sensitivity analysis using one-at-a-time weight change confirmed that the final ranking remained stable under ±20% to ±50% weight changes, demonstrating strong stability. Furthermore, rank-improvement mechanism identified the most critical criteria limiting lower-ranked alternatives and proposed targeted improvement strategies, transforming the framework from a passive ranking tool into an active decision-support and optimization system. This research contributes theoretically by advancing fuzzy multicriteria decision making through hybrid subjective–objective weighting, fuzzy integration, and establishing improvement logic within MCDM. Methodologically, it delivers a structured, replicable, and validated sustainability decision-making framework. Practically, it provides manufacturers and policymakers with a transparent tool for selecting, useful insights for decision-makers and enhancing manufacturing processes. Academically and societally, it supports the transition toward more sustainable, data-driven, and intelligent modern manufacturing. Overall, the proposed methodology effectively addresses the dynamic and comprehensive nature of sustainability, integrates evaluation, selection and improvement within a single model, manages uncertainty, and ensures reliability. It offers a solid foundation for future extensions involving Industry 4.0, digital twins, optimization, and large-scale industrial adoption.