Au cours du siècle actuel, la mondialisation a poussé les unités de production traditionnelles à se transformer en réseaux de fabrication. Avec des demandes de marché diverses, des évolutions technologiques et des coûts de main-d'œuvre variables selon les régions, les usines décentralisées offrent une flexibilité pour s'adapter à ces variations et obtenir des avantages concurrentiels. Par conséquent, la littérature sur la gestion de la production distribuée est vaste ; cependant, elle repose sur l'hypothèse que chaque usine du réseau est capable d'effectuer diverses tâches. Cette thèse examine une nouvelle configuration multi-usines dans laquelle chaque usine se voit attribuer une tâche spécifique au sein du réseau. Dans ce scénario, les usines des fournisseurs non identiques produisent différents composants des produits finaux dans la première étape. Chaque fournisseur est qualifié pour fabriquer un ensemble spécifique de composants. Dans la deuxième étape, les composants sont assemblés en produits finaux dans l'usine d'assemblage. Cette configuration des usines peut être observée dans l'industrie électronique comme le processus de fabrication des ordinateurs portables. L'objectif principal de cette recherche est de planifier les tâches dans toutes les usines de manière à minimiser le temps de réalisation de l'ensemble du processus. À cette fin, un modèle de programmation en nombres entiers mixtes est proposé. Pour traiter des instances plus importantes, un algorithme par séparation et évaluation, ainsi que des méthodes heuristiques constructives, sont développés. Les études computationnelles mettent en évidence l'efficacité des méthodes proposées. Le deuxième objectif de cette thèse est de garantir des performances ponctuelles au sein du réseau, dans le but de satisfaire les clients grâce à une livraison juste-à-temps. À cette phase, une fenêtre de temps est considérée pour chaque produit final. Si un produit est terminé plus tôt que sa fenêtre de temps, une pénalité de précocité est imposée. Si un produit est terminé plus tard que sa fenêtre de temps, il y aura une pénalité de retard. L'objectif est de terminer les produits aussi près que possible de leur fenêtre de temps pour minimiser la somme des pénalités de précocité et de retard. Un modèle de programmation linéaire en nombres entiers mixtes est développé pour trouver la solution optimale pour des problèmes de petite taille. Pour traiter des instances plus importantes, une heuristique de recherche locale itérative sont proposées. Les expériences computationnelles montrent que les méthodes de recherche locale itérative sont très efficaces, surpassant la méthode de recherche itérative bien connue dans la littérature. Le troisième objectif de la thèse consiste à intégrer des activités de maintenance préventive et corrective dans le processus de prise de décision. À cette phase, on suppose que les machines chargées de traiter les composants sont susceptibles de tomber en panne, et que leur temps de défaillance suit une distribution de probabilité de Weibull. Face à la complexité des modèles d'optimisation stochastiques résultants, nous proposons un algorithme de décomposition utilisant un solveur exact. Cette approche décompose le modèle principal en sous-problèmes de plus petites tailles, réduisant ainsi les défis computationnels. L'efficacité de cet algorithme est comparée au logiciel CPLEX largement adopté, et ce, en utilisant diverses instances. Dans nos analyses de sensibilité, nous évaluons les performances de notre modèle stochastique intégré par rapport à des travaux issues de la littérature. Les résultats sont discutés de manière approfondie, offrant des éclairages sur les implications des contributions de la thèse en industrie manufacturière. / In the current century, globalization has prompted traditional production units to create a network for manufacturing. With diverse market demands, technological shifts, and labor expenses across regions, decentralized factories offer flexibility to adapt such variations and gain competitive advantages. Consequently, the literature on distributed production management is extensive; however, it relies on the assumption that each factory in the network is capable of performing various tasks. This thesis investigates a new multi-factory configuration in which each factory is preassigned a specific task within the network. In this scenario, the non-identical supplier factories produce different components of the final products in the first stage. Each supplier is qualified to manufacture a specific set of components, hence, there is no decision about assigning the components to potentially suitable factories. In the second stage, the components are assembled into final products in the assembly factory. This configuration of the factories can be observed in electronic industry such as laptop manufacturing process. The primary objective of this research is to schedule the jobs in all factories in a way that minimizes the makespan of the entire process. For this purpose, a mixed integer programming model is proposed. To deal with larger instances, a branch-and-bound algorithm, and constructive heuristic methods are developed. Computational studies highlight the accuracy of the proposed methods. The second objective of this thesis is to ensure timely performance within the network, aiming to fulfill customer satisfaction through just-in- time delivery. In this phase, for each final product a due window is considered. If a product is finished earlier than its due window, an earliness penalty occurs. If a product is finished later than its due window, tardiness penalty occurs. The objective is to complete the products as close as possible to their due window to minimize the sum of earliness and tardiness penalty. A mixed integer linear programming model is developed for this problem which can find the optimal solution for small-size problems. To deal with larger instances, iterated local search methods equipped with local search heuristic are proposed. Computational experiments show that the iterated local search methods are very efficient outperforming the well-known iterated greedy method in literature. The third objective of the thesis involves integrating both preventive and corrective maintenance activities into the decision-making process. In this phase, it is assumed that the machines responsible for processing components are susceptible to failure, and their failure time follows a Weibull probability distribution. To navigate the complexity of these optimization models, we propose a decomposition algorithm employing an exact solver. This approach breaks down the main model into smaller subproblems, reducing computational challenges. The effectiveness of this algorithm is compared against the widely adopted CPLEX software, including various instances. In our sensitivity analyses, we assess the performance of our integrated stochastic model against benchmarks from the literature. The findings are comprehensively discussed, offering insights into the implications for manufacturing industries.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/152043 |
| Date | 03 October 2024 |
| Creators | Kazemi, Hamed |
| Contributors | Nour El Fath, Mustapha, Gendreau, Michel |
| Source Sets | Université Laval |
| Language | English |
| Detected Language | French |
| Type | COAR1_1::Texte::Thèse::Thèse de doctorat |
| Format | 1 ressource en ligne (xiv, 155 pages), application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.003 seconds