Cette thèse traite de diverses problématiques liées à la gestion des opérations dans l'industrie automobile. Plus particulièrement, les modèles développés cherchent à améliorer la gestion des stocks et des opérations de logistique interne chez Faurecia, un équipementier automobile. Dans un premier temps, à l’aide d’un modèle de simulation à événements discrets, nous déterminons les niveaux de stocks nominaux optimaux et les dates de lancement de production optimales de produits finis dans les usines d’assemblage, de type longue distance. L'impact de l’utilisation de l'information avancée sur la demande en termes de réduction de coûts de stock et de pénalités de retard est évalué. Ensuite, nous proposons un modèle analytique approximatif pour optimiser les niveaux de stock de sécurité de composants qui minimisent les coûts de stock et des livraisons exceptionnelles.Le modèle proposé est appliqué dans une usine de type courte distance et présente des réductions de coût intéressantes par rapport au modèle de calcul utilisé en pratique. Avant de développer ce nouveau modèle, nous déterminons la loi de probabilité de la demande relative aux composants et nous proposons une méthode générale d'analyse de la demande de composants dans les systèmes d’assemblage à la commande. La dernière partie de la thèse traite de la gestion des opérations de cross-docking interne (dans l’usine) en comparant différentes politiques de cross-docking couramment utilisées en pratique. Ce travail permet de comparer les politiques (en termes de coût de stockage et de main d’œuvre) et d’identifier les contextes dans lesquels il est intéressant d’utiliser chacune d’elles. Plusieurs extensions et perspectives de recherche sont proposées à la fin de la thèse. / This thesis addresses new research questions related to operations management in the automotive industry. More particularly, we aim at improving inventory control and internal logistics operations management in Faurecia, an auto parts maker. First, by using a discrete event simulation model, we calculate the optimal base stocks levels and optimal release lead times of finished goods in long-distance plants. The impact of using advance demand information on inventory holding and backorder penalty costs reduction is evaluated. Then, we propose an approximate analytical model to optimize components safety stock that minimizes inventory holding and rush ordering costs.The proposed model is applied in a short-distance plant and shows interesting cost reductions compared to the currently used calculation model. Before developing this new model, we determine the probability distribution of components demand and propose a general method of components demand analysis in Assemble-to-Order systems. We also study the management of internal (plant) cross-docking operations by comparing different cross-docking policies commonly used in practice. The cost related to each policy is assessed in terms of surface and man-hours. Several extensions and research perspectives are proposed at the end of the manuscript.

L’intralogistique (ou logistique interne) s’intéresse au traitement et à l’optimisation des flux physiques au sein des entrepôts, centres de distribution et usines. Les systèmes de manutention automatisés sont au cœur de la logistique interne de plusieurs industries comme le commerce en ligne, la messagerie postale, la grande distribution, l’industrie manufacturière, le transport aéroportuaire, etc. Ces équipements composés de lignes de convoyage haute cadence permettent un transport sûr et fiable d’un volume considérable de biens et de marchandises tout en réduisant les coûts.L’automatisation de l’acheminement des flux physiques par les systèmes de manutention repose sur l’identification et le suivi en temps réel des charges transportées. Dans cette thèse, nous explorons une solution de suivi qui emploie un réseau de caméras intelligentes à champs recouvrants. L’objectif final étant de fournir l’information de suivi sur les charges transportées pour le pilotage d’un système de manutention.Le suivi d’objets est un problème fondamental de la vision par ordinateur qui a de nombreuses applications comme la vidéosurveillance, la robotique, les voitures autonomes, etc. Nous avons intégré plusieurs briques de base issues de la vidéosurveillance et traditionnellement appliquées aux scènes de surveillance automobile ou de surveillance des activités humaines pour constituer une chaine de suivi de référence. Cette chaine d’analyse vidéo étalon nous a permis de caractériser des hypothèses propres au convoyage d’objet. Nous proposons dans cette thèse d’incorporer cette connaissance métier dans la chaine de suivi pour en améliorer les performances. Nous avons, notamment pris en compte, dans l’étape de segmentation des images, le fait que les objets doivent pouvoir s’arrêter sans pour autant être intégrés aux modèles d’arrière-plan. Nous avons également exploité la régularité des trajectoires des objets convoyés dans les installations, permettant d’améliorer les modèles prédictifs de la position et de la vitesse des objets, dans les étapes de suivi. Enfin, nous avons intégré des contraintes de stricte monotonie dans l’ordre des colis sur le convoyeur, contraintes qui n’existent pas dans les scènes généralistes, pour ré-identifier les objets dans les situations où ils sont proches des eux les autres.Nous nous sommes par ailleurs attelés à un problème pratique d’optimisation des performances sur l’architecture multi-cœurs couplée aux caméras intelligentes. Dans ce cadre, nous avons a mis en place un apprentissage dynamique de la zone de l’image contenant le convoyeur. Cette zone d’intérêt nous a permis de limiter la mise à jour du modèle de fond à cette seule zone. Nous avons, par la suite, proposé une stratégie de parallélisation qui partitionne de manière adaptative cette région d’intérêt de l’image, afin d’équilibrer au mieux la charge de travail entre les différents cœurs de l’architecture des caméras intelligentes.Nous avons également traité la problématique du suivi sur plusieurs caméras. Nous avons proposé une approche basée sur un système de composition d’évènements. Cette approche nous a permis de fusionner les données de suivi local pour former les trajectoires globales des colis, tout en intégrant des informations issues du processus métier, par exemple la saisie de l’information de destination par des opérateurs sur un terminal avant la dépose des colis. Nous avons validé cette approche sur un système de manutention mis en place dans un centre de tri postal de grande envergure. Le réseau de caméras déployé est composé de 32 caméras qui assurent le suivi de plus de 400.000 colis/jour sur des lignes de dépose. Le taux d’erreur du suivi obtenu est inférieur à 1 colis sur 1000 (0,1%). / Intralogistics (or internal logistics) focuses on the management and optimization of internal production and distribution processes within warehouses, distribution centers, and factories. Automated handling systems play a crucial role in the internal logistics of several industries such as e-commerce, postal messaging, retail, manufacturing, airport transport, etc. These systems are composed by multiple high-speed conveyor lines that provide safe and reliable transportation of a large volume of goods and merchandise while reducing costs.The automation of the conveying process relies on the identification and the real-time tracking of the transported loads. In this thesis, we designed a tracking solution that employs a network of smart cameras with an overlapping field of view. The goal is to provide tracking information to control an automated handling system.Multiple object tracking is a fundamental problem of computer vision that has many applications such as video surveillance, robotics, autonomous cars, etc. We integrated several building blocks traditionally applied to traffic surveillance or human activities monitoring to constitute a tracking pipeline. We used this baseline tracking pipeline to characterize contextual scene information proper to the conveying scenario. We integrated this contextual information to the tracking pipeline to enhance the performance. In particular, we took into account the state of moving objects that become stationary in the background subtraction step to prevent their absorption to the background model. We have also exploited the regularity of objects trajectory to enhance the motion model associated with the tracked objects. Finally, we integrated the precedence ordering constraint among the conveyed object to reidentify them when they are close to each other.We have also tackled practical problems related to the optimization the execution of the proposed tracking problem in the multi-core architectures of smart cameras. In particular, we proposed a dynamic learning process that extracts the region of the image that corresponds to the conveyor lines. We reduced the number of the processed pixel by restricting the processing to this region of interest. We also proposed a parallelization strategy that adaptively partitions this region of interest of the image, in order to balance the workload between the different cores of the smart cameras.Finally, we proposed a multiple cameras tracking algorithms based on event composition. This approach fuses the local tracking generated by the smart cameras to form global object trajectories and information from third party systems such as the destination of the object entered by operators on a terminal. We validated the proposed approach for the control of a sorting system deployed in a postal distribution warehouse. A network of cameras composed of 32 cameras tracks more than 400.000 parcel/day in injections lines. The tracking error rate is less than 1 parcel in a 1000 (0.1%).