Date : 2008
Editeur / Publisher : [S.l.] : [s.n.] , 2008
Type : Livre / Book
Type : Thèse / ThesisLangue / Language : français / French
Classification Dewey : THE 08
Résumé / Abstract : Cette thèse étudie le système de production du CEA Valduc, un flow shop hybride réentrant multi-ressources. Nous tentons de minimiser le nombre pondéré de retards. Il n’existe pas de résultat pour ce problème dans la littérature. Nous travaillons d’abord sur les méthodes d’exploitation du système. Pour cela, nous commençons par étudier un sous-problème, avec deux machines dont une réentrante. Nous démontrons des conditions nécessaires ou suffi-santes des solutions optimales et, grâce à ces propriétés, nous obtenons des solutions opti-males analytiques pour la minimisation du ma-kespan et du flow time total, sauf dans un cas particulier pour lequel nous démontrons une propriété de dominance. Pour le problème général, nous utilisons un Algorithme Génétique. Nous créons un nou-veau codage par type d’opérations, adapté à la fabrication en série. Un premier algorithme permet l’ordonnancement des opérations à ressources fixées. Nous mettons ensuite au point un second algorithme comprenant une recherche d’affectation des ressources. Pour évaluer la qualité de ces méthodes, nous les comparons à un logiciel du commerce. Le se-cond algorithme améliore considérablement les solutions du logiciel du commerce. Ensuite, nous cherchons à améliorer les para-mètres du système physique. Nous en simulons diverses configurations au moyen de ce deuxième algorithme, suivant un Plan d’Expériences. Le comportement du système de production est modélisé par un réseau de neu-rones, ce qui nous permet de définir les para-mètres influents du système et de proposer une configuration optimale
Résumé / Abstract : This work aims at optimizing the production system of CEA Valduc, a hybrid re-entrant flow shop with multi-resource operations. We try to minimize the weighted number of tardy jobs. For this purpose, it is necessary not only to develop efficient production planning and scheduling methods, but also to find out the best value for some parameters of the system. There is no result on this problem in the litera-ture. We first work on developping a scheduling method. We begin by studying a subproblem with only two machines. One of them is re-entrant. We give analytical optimal solutions, based on mathematical properties, for all the cases except one for which we give a domi-nance property. For the general problem, we use a Genetic Algorithm. We propose a new coding by type of operations, adapted to serial production problems. A first algorithm focus on operation scheduling only, with fixed resources. We then design a second algorithm, adding a resource allocation part. To check the efficiency of the algorithms, we compare them with a commer-cial software package. Thesecond yields much better solutions than the commercial software. After that, we work on the system parameters. In order to find out their best values, we simu-late the performance of the system according to various configurations using the second scheduling algorithm. Using Design of Experi-ments, we determine the configurations to test. We manage to model the system behaviour using a Neural Network, which we can use to find out the influent parameters of the systems and hence the optimal configuration