Un cadre d'optimisation multi-objectif pour les problèmes de planification des inspections avec prise en compte des incertitudes et défaillances

A multi-objective optimization framework for an inspection planning problem under uncertainty and breakdown

• Auteur / Autrice : Mehrdad Mohammadi
• Direction : Jean-Yves Dantan, Reza Tavakkoli-Moghaddam, Ali Siadat
• Type : Thèse de doctorat
• Discipline(s) : Génie industriel
• Date : Soutenance le 10/12/2015
• Etablissement(s) : Paris, ENSAM en cotutelle avec Tehran university, Industrial Engineering faculty
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur (Paris)
• Partenaire(s) de recherche : Laboratoire : LCFC - Laboratoire de Conception, Fabrication et Commande. Metz - LCFC - Laboratoire de Conception, Fabrication et Commande. Metz
• Jury : Président / Présidente : Yannick Frein
• Jury : Examinateurs / Examinatrices : Jean-Yves Dantan, Ali Siadat
• Jury : Rapporteurs / Rapporteuses : Bernard Grabot, Stéphane Dauzère-Pérès

Mots clés

Mots clés contrôlés

Génie industriel

Programmation (mathématiques)

Mots clés libres

Systèmes de Production Multi-Écehelle

Problème de Planification des Inspections

Optimisation Multi Objectif

Modèles de programmation Mathématique

Incertitude

Défaillance

Inspection Planning

Multistage Production System

Optimization Framework

Robust Optimization

Uncertainty

Breakdown

Résumé

Dans les systèmes manufacturiers de plus en plus complexes, les variations du processus de fabrication et de ses paramètres opératoires ainsi que leurs effets sur l’ensemble du système doivent être maîtrisés, mesurés et contrôlés. Cette thèse propose un cadre d’optimisation pour l’élaboration d’un plan d’inspection optimal qui permet une prise de décision opérationnelle afin d’assurer la satisfaction des objectifs stratégiques (réduction des coûts, amélioration de la qualité, augmentation de la productivité, …). La prise de décision se divise en trois questions : Quoi contrôler ? Comment contrôler ? Quand contrôler ? Le manque d'informations fiables sur les processus de production et plusieurs facteurs environnementaux est devenu un problème important qui impose la prise en compte de certaines incertitudes lors de la planification des inspections. Cette thèse propose plusieurs formulations du problème d’optimisation de la planification du processus d'inspection, dans lesquelles, les paramètres sont incertains et les machines de production sont sujettes aux défaillances. Ce problème est formulé par des modèles de programmation mathématique avec les objectifs : minimiser le coût total de fabrication, maximiser la satisfaction du client, et minimiser le temps de la production totale. En outre, les méthodes Taguchi et Monte Carlo sont appliquées pour faire face aux incertitudes. En raison de la complexité des modèles proposés, les algorithmes de méta-heuristiques sont utilisés pour trouver les solutions optimales.

Quality inspection in multistage production systems (MPSs) has become an issue and this is because the MPS presents various possibilities for inspection. The problem of finding the best inspection plan is an “inspection planning problem”. The main simultaneous decisions in an inspection planning problem in a MPS are: 1) which quality characteristics need to be inspected, 2) what type of inspection should be performed for the selected quality characteristics, 3) where these inspections should be performed, and 4) how the inspections should be performed. In addition, lack of information about production processes and several environmental factors has become an important issue that imposes a degree of uncertainty to the inspection planning problem. This research provides an optimization framework to plan an inspection process in a MPS, wherein, input parameters are uncertain and inspection tools and production machines are subject to breakdown. This problem is formulated through several mixed-integer mathematical programming models with the objectives of minimizing total manufacturing cost, maximizing customer satisfaction, and minimizing total production time. Furthermore, Taguchi and Monte Carlo methods are applied to cope with the uncertainties. Due to the complexity of the proposed models, meta-heuristic algorithms are employed to find optimal or near-optimal solutions. Finally, this research implements the findings and methods of the inspection planning problem in another application as hub location problem. General and detail concluding remarks are provided for both inspection and hub location problems.