Dinamisme, capacitat de resposta i flexibilitat són característiques essencials en el desenvolupament de la societat actual. Les noves tendències de globalització i els avenços en tecnologies de la informació i comunicació fan que s'evolucioni en un entorn altament dinàmic i incert. La incertesa present en tot procés esdevé un factor crític a l'hora de prendre decisions, així com un repte altament reconegut en l'àrea d'Enginyeria de Sistemes de Procés (PSE). En el context de programació de les operacions, els models de suport a la decisió proposats fins ara, així com també software comercial de planificació i programació d'operacions avançada, es basen generalment en dades estimades, assumint implícitament que el programa d'operacions s'executarà sense desviacions. La reacció davant els efectes de la incertesa en temps d'execució és una pràctica habitual, però no sempre resulta efectiva o factible. L'alternativa és considerar la incertesa de forma proactiva, és a dir, en el moment de prendre decisions, explotant el coneixement disponible en el propi sistema de modelització.Davant aquesta situació es plantegen les següents preguntes: què s'entén per incertesa? Com es pot considerar la incertesa en el problema de programació d'operacions? Què s'entén per robustesa i flexibilitat d'un programa d'operacions? Com es pot millorar aquesta robustesa? Quins beneficis comporta? Aquesta tesi respon a aquestes preguntes en el marc d'anàlisis operacionals en l'àrea de PSE. La incertesa es considera no de la forma reactiva tradicional, sinó amb el desenvolupament de sistemes proactius de suport a la decisió amb l'objectiu d'identificar programes d'operació robustos que serveixin com a referència pel nivell inferior de control de planta, així com també per altres centres en un entorn de cadenes de subministrament. Aquest treball de recerca estableix les bases per formalitzar el concepte de robustesa d'un programa d'operacions de forma sistemàtica. Segons aquest formalisme, els temps d'operació i les ruptures d'equip són considerats inicialment com a principals fonts d'incertesa presents a nivell de programació de la producció. El problema es modelitza mitjançant programació estocàstica, desenvolupant-se finalment un entorn d'optimització basat en simulació que captura les múltiples fonts d'incertesa, així com també estratègies de programació d'operacions reactiva, de forma proactiva. La metodologia desenvolupada en el context de programació de la producció s'estén posteriorment per incloure les operacions de transport en sistemes de múltiples entitats i incertesa en els temps de distribució. Amb aquesta perspectiva més àmplia del nivell d'operació s'estudia la coordinació de les activitats de producció i transport, fins ara centrada en nivells estratègic o tàctic. L'estudi final considera l'efecte de la incertesa en la demanda en les decisions de programació de la producció a curt termini. El problema s'analitza des del punt de vista de gestió del risc, i s'avaluen diferents mesures per controlar l'eficiència del sistema en un entorn incert.En general, la tesi posa de manifest els avantatges en reconèixer i modelitzar la incertesa, amb la identificació de programes d'operació robustos capaços d'adaptar-se a un ampli rang de situacions possibles, enlloc de programes d'operació òptims per un escenari hipotètic. La metodologia proposada a nivell d'operació es pot considerar com un pas inicial per estendre's a nivells de decisió estratègics i tàctics. Alhora, la visió proactiva del problema permet reduir el buit existent entre la teoria i la pràctica industrial, i resulta en un major coneixement del procés, visibilitat per planificar activitats futures, així com també millora l'efectivitat de les tècniques reactives i de tot el sistema en general, característiques altament desitjables per mantenir-se actiu davant la globalitat, competitivitat i dinàmica que envolten un procés. / Dynamism, responsiveness, and flexibility are essential features in the development of the current society. Globalization trends and fast advances in communication and information technologies make all evolve in a highly dynamic and uncertain environment. The uncertainty involved in a process system becomes a critical problem in decision making, as well as a recognized challenge in the area of Process Systems Engineering (PSE). In the context of scheduling, decision-support models developed up to this point, as well as commercial advanced planning and scheduling systems, rely generally on estimated input information, implicitly assuming that a schedule will be executed without deviations. The reaction to the effects of the uncertainty at execution time becomes a common practice, but it is not always effective or even possible. The alternative is to address the uncertainty proactively, i.e., at the time of reasoning, exploiting the available knowledge in the modeling procedure itself. In view of this situation, the following questions arise: what do we understand for uncertainty? How can uncertainty be considered within scheduling modeling systems? What is understood for schedule robustness and flexibility? How can schedule robustness be improved? What are the benefits? This thesis answers these questions in the context of operational analysis in PSE. Uncertainty is managed not from the traditional reactive viewpoint, but with the development of proactive decision-support systems aimed at identifying robust schedules that serve as a useful guidance for the lower control level, as well as for dependent entities in a supply chain environment. A basis to formalize the concept of schedule robustness is established. Based on this formalism, variable operation times and equipment breakdowns are first considered as the main uncertainties in short-term production scheduling. The problem is initially modeled using stochastic programming, and a simulation-based stochastic optimization framework is finally developed, which captures the multiple sources of uncertainty, as well as rescheduling strategies, proactively. The procedure-oriented system developed in the context of production scheduling is next extended to involve transport scheduling in multi-site systems with uncertain travel times. With this broader operational perspective, the coordination of production and transport activities, considered so far mainly in strategic and tactical analysis, is assessed. The final research point focuses on the effect of demands uncertainty in short-term scheduling decisions. The problem is analyzed from a risk management viewpoint, and alternative measures are assessed and compared to control the performance of the system in the uncertain environment.Overall, this research work reveals the advantages of recognizing and modeling uncertainty, with the identification of more robust schedules able to adapt to a wide range of possible situations, rather than optimal schedules for a hypothetical scenario. The management of uncertainty proposed from an operational perspective can be considered as a first step towards its extension to tactical and strategic levels of decision. The proactive perspective of the problem results in a more realistic view of the process system, and it is a promising way to reduce the gap between theory and industrial practices. Besides, it provides valuable insight on the process, visibility for future activities, as well as it improves the efficiency of reactive techniques and of the overall system, all highly desirable features to remain alive in the global, competitive, and dynamic process environment.

Cette thèse CIFRE issue d’une collaboration entre Acta-Mobilier, fabricant de façades laquées haut de gamme et le CRAN. Cette thèse, s’inscrivant dans la continuité de celle de Mélanie Noyel, a pour objectif la réalisation d’une architecture de pilotage hybride s’appuyant sur le contrôle par le produit. Nous avons choisi de nous inspirer d’un méta-modèle développé au sein de l’équipe du CRAN. Cette architecture repose sur un modèle VSM, ou chaque niveau est susceptible de prendre des décisions à son échelle. Le plus haut niveau supervise les décisions tactiques (par exemple, le plan directeur de production), le plus bas niveau d’intelligence est distribué entre les produits dotés de moyen de communication et d’analyse (leur intelligence est attribuée à la réactivité du système car se trouvant au plus proche du besoin). En niveaux intermédiaires, nous trouvons d’une part des optimisateurs centralisés pour superviser les sous-ateliers de la chaîne de production, de manière à atteindre les objectifs de consommation, de temps de réglages ou de productivité des sous-ateliers qu’ils supervisent. D’une autre part, des optimisateurs pour des postes de travail spécifique faisant intervenir directement les produits et les informations qu’ils possèdent dans la prise de décision. Un optimisateur de chacune des deux catégories en accord avec les besoins définis par l’étude du flux de production de l’entreprise ont été réalisés. Un optimisateur centralisé a été réalisé pour l’atelier usinage dans lequel les opérations relatives au débit et au façonnage des formes des produits sont effectuées. Il est construit pour réaliser des regroupements en lots de fabrication et à les ordonnancer pour obtenir un compromis entre minimisation des consommations matières, des temps de réglage des machines et la minimisation du WIP. Le séquencement doit garantir que les regroupements, lors de leur division permettent de reformer rapidement les commandes clients. Cette contrainte est nécessaire, avant passage à la phase d’application de la finition. Il met en œuvre un algorithme génétique solutionnant un problème d’ordonnancement multicritères. Pour valider notre choix d’une méta-heuristique comme méthode de résolution du problème, nous avons tenté de le résoudre par une méthode de mathématique analytique et les résultats obtenus ont confirmé que notre décision était raisonnable. Cette optimisation a été testée sur plateforme de test et a fourni des résultats encourageants. Une implémentation faite dans l’entreprise, est utilisé chaque semaine pour une planification spécifique. Un optimisateur de la seconde catégorie a été étudié pour gérer le cas du robot de laquage, celui-ci doit fournir deux postes clients ayant leurs propres familles de produits mais devant être expédiées aux mêmes dates. En outre, les points faibles de ce poste, à savoir la consommation importante de laque à chaque changement de couleur et la longue durée d’attente avant de pouvoir visualiser les produits et savoir si un défaut qualité est apparu, impliquant de devoir refaire un cycle complet de laquage. L’optimisateur utilise un modèle de prédiction de non qualité afin d’évaluer les risques relatifs au passage du prochain lot à produire et si celui-ci est jugé trop élevé, un processus est déclenché choisissant parmi les lots présents en file d’attente, le plus adapté en considérant plusieurs facteurs. Cet optimisateur de poste de travail recueille des informations de la machine, des produits et des files d’attentes des postes en aval afin d’empêcher l’apparition d’un problème. Il a été implémenté sur un modèle de simulation. La question de la synchronisation des différents optimisateurs a été amorcée. En effet, le plan de production généré par le système d’information donne une plage de passage acceptable pour les lots dans chaque atelier et les optimisateurs se doivent de la respecter. Ces travaux aideront l’entreprise à franchir sa transition vers l’ère de l’industrie 4.0. / This CIFRE thesis comes from a collaboration between Acta-Mobilier, manufacturer of high-end lacquered facades and CRAN. This thesis, which is a continuation of that of Mélanie Noyel, aims to achieve a hybrid control architecture based on control by the product. We chose to take inspiration from a meta-model developed within the CRAN team. This architecture is based on a VSM model, where each level is likely to make decisions on its own scale. The highest level oversees tactical decisions (for example, the production master plan), the lowest level of intelligence is distributed between the products endowed with means of communication and analysis (their intelligence is attributed to the responsiveness of the system because being closer to the need). In intermediate levels, we find on the one hand centralized optimizers to supervise the sub-workshops of the production chain, in order to reach the objectives of consumption, time of adjustments or productivity of the sub-workshops that they supervise. On the other hand, optimizers for specific workstations directly involving the products and information they possess in decision-making. An optimizer of each of the two categories in accordance with the needs defined by the study of the workflow of the company have been realized. A centralized optimizer has been realized for the machining workshop in which the operations relating to the flow and shaping of the shapes of the products are carried out. It is built to make groupings in manufacturing batches and to schedule them to achieve a compromise between minimizing material consumption, machine setting times and minimizing WIP. Sequencing must ensure that clusters, when they are split, enable rapid customer order reform. This constraint is necessary before going to the application phase of the finish. It implements a genetic algorithm solving a multicriteria scheduling problem. To validate our choice of a meta-heuristic as a method of solving the problem, we tried to solve it by an analytical mathematical method and the results obtained confirmed that our decision was reasonable. This optimization was tested on a test platform and provided encouraging results. An implementation made in the company, is used every week for a specific planning. An optimizer of the second category has been studied to manage the case of the lacquer robot, it must provide two client stations having their own families of products but to be shipped on the same dates. In addition, the weak points of this post, namely the significant consumption of lacquer with each change of color and the long waiting time before being able to visualize the products and to know if a defect quality appeared, involving having to redo a cycle complete lacquering. The optimizer uses a non-quality prediction model to evaluate the risks associated with the passage of the next batch to be produced and if it is deemed too high, a process is triggered choosing among the lots present in the queue, the most suitable by considering several factors. This workstation optimizer gathers machine information, products, and queues from downstream workstations to prevent a problem from occurring. It has been implemented on a simulation model. The issue of synchronization of different optimizers has been initiated. Indeed, the production plan generated by the information system gives an acceptable range of passage for the batches in each workshop and the optimizers must respect it. This work will help the company make the transition to the Industry 4.0 era.