No description available.

No description available.

Une vue d'ensemble des problèmes et des méthodes pour la conception des lignesd'assemblage et d'usinage est donnée. Un nouveau problème d'affectation de la main-d’œuvrepour une ligne d'assemblage multi-produit cadencée avec un objectif de minimiser lenombre d'opérateurs est étudié. Diverses relations de priorité entre les opérations et lesdifférentes fonctions définissant les temps d'opérations, en fonction du nombre d'opérateurssont considérés. Un nouveau problème d'optimisation multiobjectif pour une ligne d'usinagemono-produit est formulé. Plusieurs méthodes exactes et heuristiques et leursimplémentations informatiques pour les deux problèmes sont développées par l'auteur. Unmodule logiciel d'aide à la décision pour résoudre ces problèmes est développé et implémentédans un environnement d'un nouveau PLM d'IBM dans le cadre du projet européen amePLM.Ce module est testé sur un exemple réel de conception d'une ligne de montage des moteurschez Mercedes Benz en Allemagne. / An overview of existing problems and methods for the design of assembly and transfer lines is given. A new workforce assignment problem for a paced multi-product assembly line with a goal of minimizing the number of workers is studied. Various precedence relations between operations and functions of operation processing times dependent on the number of workers areconsidered. A new problem of multi-objective optimization for a single product transfer line is solved. Several exact and heuristic methods and their computer implementations for both problems are developed by the author. An application of developed approaches to solving a real production problem relevant to the European project amePLM is demonstrated.

Cette thèse traite de stratégies d'évaluation séquentielle et batch-séquentielle de fonctions à valeurs réelles sous un budget d'évaluation limité, à l'aide de modèles à processus Gaussiens. Des stratégies optimales de réduction séquentielle d'incertitude (SUR) sont étudiées pour deux problèmes différents, motivés par des cas d'application en sûreté nucléaire. Tout d'abord, nous traitons le problème d'identification d'un ensemble d'excursion au dessus d'un seuil T d'une fonction f à valeurs réelles. Ensuite, nous étudions le problème d'identification de l'ensemble des configurations "robustes, contrôlées", c'est à dire l'ensemble des inputs contrôlés où la fonction demeure sous T quelle que soit la valeur des différents inputs non-contrôlés. De nouvelles stratégies SUR sont présentés. Nous donnons aussi des procédures efficientes et des formules permettant d'utiliser ces stratégies sur des applications concrètes. L'utilisation de formules rapides pour recalculer rapidement le posterior de la moyenne ou de la fonction de covariance d'un processus Gaussien (les "formules d'update de krigeage") ne fournit pas uniquement une économie computationnelle importante. Elles sont aussi l'un des ingrédient clé pour obtenir des formules fermées permettant l'utilisation en pratique de stratégies d'évaluation coûteuses en temps de calcul. Une contribution en optimisation batch-séquentielle utilisant le Multi-points Expected Improvement est également présentée.

This thesis consists of two parts. The first part focuses on design and analysis for computer experiments and the second part deals with binary time series and its application to kinetic studies in micropipette experiments. The first part of the thesis addresses three problems. The first problem is concerned with optimal design of computer experiments. Latin hypercube designs (LHDs) have been used extensively for computer experiments. A multi-objective optimization approach is proposed to find good LHDs by combining correlation and distance performance measures. Several examples are presented to show that the obtained designs are good in terms of both criteria. The second problem is related to the analysis of computer experiments. Kriging is the most popular method for approximating complex computer models. Here a modified kriging method is proposed, which has an unknown mean model. Therefore it is called blind kriging. The unknown mean model is identified from experimental data using a Bayesian variable selection technique. Many examples are presented which show remarkable improvement in prediction using blind kriging over ordinary kriging. The third problem is related to computer experiments with nested and branching factors. Design and analysis of experiments with branching and nested factors are challenging and have not received much attention in the literature. Motivated by a computer experiment in a machining process, we develop optimal LHDs and kriging methods that can accommodate branching and nested factors. Through the application of the proposed methods, optimal machining conditions and tool edge geometry are attained, which resulted in a remarkable improvement in the machining process. The second part of the thesis deals with binary time series analysis with application to cell adhesion frequency experiments. Motivated by the analysis of repeated adhesion tests, a binary time series model incorporating random effects is developed in this chapter. A goodness-of-fit statistic is introduced to assess the adequacy of distribution assumptions on the dependent binary data with random effects. Application of the proposed methodology to real data from a T-cell experiment reveals some interesting information. These results provide some quantitative evidence to the speculation that cells can have ¡§memory¡¨ in their adhesion behavior.