Optimisation de changements de séries par ordonnancement des tâches de réglage

par Cedric Pessan

Thèse de doctorat en Informatique

Sous la direction de Emmanuel Néron.

Soutenue le 21-11-2008

à Tours , dans le cadre de Ecole doctorale Santé, sciences, technologies (Tours) , en partenariat avec Laboratoire d'informatique (Tours) (équipe de recherche) et de Université François Rabelais (Tours). Ecole polytechnique universitaire (laboratoire) .

Le président du jury était Mohamed Haouari.

Le jury était composé de Emmanuel Néron, Abdelhakim Artiba, Jacques Carlier, Safia Kedad-Sidhoum, Jean-Louis Bouquard.

Les rapporteurs étaient Abdelhakim Artiba, Jacques Carlier.


  • Résumé

    Les travaux présentés dans cette thèse visent à proposer des méthodes d’optimisation des changements de série sur des lignes de production afin d’améliorer la flexibilité de la production. Nous modélisons ce problème sous forme de problème à machines parallèles non reliées : les tâches sont les réglages des machines d’une ligne et les ressources sont des opérateurs. Nous prenons en compte notamment, la structure de la ligne de production qui comporte des machines en plusieurs exemplaires, les compétences des opérateurs et leurs disponibilités. Les méthodes utilisées sont une procédure par séparation et évaluation dans le cas où la ligne est composée de machines en série et des heuristiques de type descente locale et algorithme génétique dans le cas général. Nous proposons des bornes permettant d’évaluer les performances des méthodes. Pour le cas série, nous proposons également une méthode hybride faisant collaborer une procédure par séparation et évaluation et un algorithme génétique.

  • Titre traduit

    Production resetting optimization by scheduling setup tasks


  • Résumé

    The work presented in this thesis aims at proposing new methods for setup optimization in production lines in order to improve production flexibility. This problem is modelized using an unrelated parallel machines problem : the tasks are the setup tasks of each machine of the production line and the ressources are the operators. We take into consideration the production line structure that may contain multiple machines on some stages and the skills of operators. The skill model has been validated using a simulation approach. We have used a Branch-and-Bound to solve the special case of serial production line and hill climbing and genetic algorithm meta heuristics for the general case. In both cases, we propose bounds that are used to evaluate the performances of the different methods. For the serial special case, we also propose a hybrid algorithm that use both a genetic algorithm and a Branch-and-Bound that are colaborating together.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : Université François Rabelais. Service commun de la documentation. Bibliothèque de ressources en ligne.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.