L’analyse de la qualité dans un système de fabrication reconfigurable

The analysis of quality in a reconfigurable manufacturing system

• Auteur / Autrice : Abdul Salam Khan
• Direction : Ali Siadat, Jean-Yves Dantan, Lazhar Homri
• Type : Thèse de doctorat
• Discipline(s) : Génie industriel (AM)
• Date : Soutenance le 03/11/2021
• Etablissement(s) : Paris, HESAM
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur
• Partenaire(s) de recherche : Laboratoire : LCFC - Laboratoire de Conception, Fabrication et Commande. Metz - LCFC - Laboratoire de Conception, Fabrication et Commande. Metz
• Partenaire(s) de recherche : établissement de préparation de la thèse : École nationale supérieure d'arts et métiers (1780-....)
• Jury : Président / Présidente : Olga Battaïa
• Jury : Examinateurs / Examinatrices : Ali Siadat, Jean-Yves Dantan, Lazhar Homri, Lyes Benyoucef, Lionel Amodeo, Reza Tavakkoli-Moghaddam, Aamer Ahmed Baqai

Mots clés

Mots clés contrôlés

Algorithmes

Génie industriel

Mots clés libres

Coût

Qualité

L'optimisation

Système de production reconfigurable

Planification des processus

Algorithme

Cost

Quality

Optimization

Reconfigurable Manufacturing System

Process Planning

Algorithm

Résumé

RMS est un domaine de recherche actif, et sa littérature a été en cours de discussion pour les vingt dernières années. Plusieurs contributions ont été offertes pour faire progresser ce domaine de recherche. Du point de vue de l’optimisation, différentes études ont été publiées dans le but d’analyser le coût, le temps, la modularité et les performances basées sur la réactivité de RMS.Par rapport à d’autres systèmes de fabrication, la qualité est plus pertinente et difficile à analyser dans un système reconfigurable pour les raisons suivantes. Tout d’abord, RMS propose la combinaison de plusieurs configurations de machines, appelées routes de production, pour produire le même produit. En d’autres termes, il existe de nombreuses voies de production possibles par lesquelles un produit peut passer dans un système reconfigurable. Il est donc difficile d’analyser la qualité du produit de chaque itinéraire. Deuxièmement, s’il y a une configuration problématique dans n’importe quelle voie, il devient difficile d’identifier cette configuration en fonction de la qualité du produit final.Pour répondre à ces problèmes, cette recherche propose un modèle quantitatif pour examiner la qualité de la production dans la planification des processus d’un système de fabrication reconfigurable. En outre, notre objectif est de comprendre comment la variation basée sur la qualité affecte le coût et la modularité de RMS. Un modèle multi-objectifs est formulé qui comprend les objectifs du coût total, l’indice de décroissance de la qualité et l’effort de modularité. Un cadre de décomposition de la conception du système de fabrication (MSDD) est utilisé pour identifier les sources causant une variation de qualité dans un système de fabrication reconfigurable. Deux modèles sont proposés, soit le modèle 1 et le modèle 2. Le modèle 1 est basé sur la variation de qualité dans un système de fabrication reconfigurable et le modèle 2 correspond à un système de fabrication reconfigurable basé sur la qualité parfaite.Étant donné que les problèmes RMS sont durs non polynomiaux (NP-durs), les algorithmes heuristiques/évolutifs sont l’ensemble approprié d’approches pour résoudre ces problèmes. Une version hybride de l’algorithme génétique sans tri et de l’optimisation des essaims de particules multi-objectifs est utilisée pour résoudre le modèle multi-objectifs. Les principales conclusions et implications pour les praticiens peuvent être résumées comme suit:1. Bien que RMS soit connu pour son rapport coût-efficacité, il semble que la variation de la qualité et les unités de fonctionnement défaillantes aient un impact sur ses performances. Ainsi, il est impératif de le protéger contre les différentes sources de variation pour fonctionner de manière optimale.2. La présence d’une variation de la qualité donne lieu à un plan de procédé différent (modèle 1) par opposition à un système de fabrication qui ne contient aucune variation de qualité (modèle 2). Les deux modèles ont fonctionné de manière très différente en termes de besoins modulaires et de nombre de configurations.3. La présence d’une variation de la qualité affecte l’efficacité globale d’un plan de processus. On peut soutenir qu’en l’absence de variation, même la solution du coût maximal est plus viable que la solution du coût minimal en présence d’une variation. En outre, un effort modulaire moyen moins important est nécessaire pour un plan de processus exempt de défauts et de variations4. Les praticiens souhaitent améliorer la productivité des SGR en minimisant la « reconfiguration » entre les différentes opérations. Les résultats suggèrent que les efforts modulaires et la variation de la qualité doivent être analysés simultanément pour améliorer la productivité et l’efficacité globales d’un plan de processus.

RMS is an active field of research, and its literature has been under discussion for the past twenty years. Several contributions have been offered to advance this field of research. From optimization viewpoint, different studies have been published aiming to analyse the cost, time, modularity, and responsiveness-based performance of RMS. However, a quantitative model to examine the quality of production in RMS has not been considered.Compared to other manufacturing systems, quality is more pertinent and is difficult to analyse in a reconfigurable system because of the following reasons. Firstly, RMS offers the combination of several machine configurations, called production routes, to produce the same product. In other words, there are many possible production routes through which a product may pass in a reconfigurable system. This makes it difficult to analyse the product quality of each route. Secondly, if there is a problematic configuration in any route, it becomes difficult to identify that configuration based on the quality of final product.To address these issues, this research offers a quantitative model to examine the quality of production in the process planning of a reconfigurable manufacturing system. In addition, our aim is to understand how quality-based variation impacts the cost and modularity of RMS. A multi-objective model is formulated which comprises of the objectives of the total cost, the quality decay index, and the modularity effort. A Manufacturing System Design Decomposition (MSDD) framework is used to identify the sources causing quality variation in a reconfigurable manufacturing system. Two models are proposed i.e., Model 1 and Model 2. Model 1 is based on quality variation in a reconfigurable manufacturing system and Model 2 corresponds to a perfect quality based reconfigurable manufacturing system.Since RMS problems are non-polynomial hard (NP-hard), heuristics/evolutionary algorithms are the appropriate set of approaches for solving these problems. A hybrid version of non-sorting genetic algorithm and multi-objective particle swarm optimization is used to solve the multi-objective model. The main findings and implications for practitioners can be summarized as:1. Although RMS is known for its cost-efficiency, it seems that the variation in quality and failed operation units impact its performance. Thus, it is imperative to safeguard it against different sources of variation to perform cost-optimally.2. The presence of quality variation results in a different process plan (Model 1) as opposed to a manufacturing system which does not contain any quality variation (Model 2). Both models performed quite differently in terms of modular needs and number of configurations.3. The presence of quality variation affects the overall efficiency of a process plan. It can be argued that in the absence of variation, even maximum cost solution is more viable than the minimum cost solution in the presence of variation. In addition, less average modular effort is needed by a process plan which is free from defects and variation.4. Practitioners are interested in enhancing the productivity of RMS by minimizing the “reconfiguration” between different operations. The findings suggest that modular efforts and quality variation need to be simultaneously analysed to enhance the overall productivity and efficiency of a process plan.