Seyyed Ehsan Hashemi Petroodi, doctorant au sein de l’équipe SLP, soutiendra sa thèse intitulée « Optimisation combinatoire pour l’affectation des opérateurs et la configuration des équipements dans les lignes d’assemblage reconfigurables » / « Combinatorial optimization for the configuration of workforce and equipment in reconfigurable assembly lines »
jeudi 9 décembre 2021 à 10h, dans l’amphi Besse de l’IMT-A.
Jury :
– Directeur de thèse : Alexandre Dolgui, Professeur à IMT Atlantique, Nantes, France
– Co-encadrants. de thèse : Simon Thevenin, Maitre assistant à IMT Atlantique, Nantes, France ; Sergey Kovalev, Professeur associé à INSEEC U. Research Center, Lyon, France
– Rapporteurs : Olga Battaïa, Professeur à KEDGE Business School, Bordeaux, France ; Lyes Benyoucef Professeur à Aix-Marseille Université, Marseille, France
– Autres membres : Alena Otto, Professeur à l’Université de Passau, Allemagne ; Reza Tavakkoli-Moghaddam, Professeur à l’Université de Téhéran, Iran ; Farouk Yalaoui, Professeur à l’Université de Technologie de Troyes, France
– Invité(s) : Mikhail Y. Kovalyov, Professeur, Membre-correspondant de National Academy of Sciences of Belarus, Minsk, Bélarus ; Ali Siadat, Professeur à École Nationale Supérieure d’Arts et Métiers, Metz, France
Résumé : Une forte personnalisation de produits et des fréquentes fluctuations du marché poussent les entreprises industrielles à utiliser des lignes d’assemblage à modèles multiples/mixtes, flexibles et reconfigurables plutôt que des lignes dédiées. Cette thèse de doctorat est consacrée à cette problématique.Elle est portée principalement sur la conception et l’équilibrage de lignes d’assemblage à
modèles mixtes. Les questions de l’efficacité de telles lignes, l’importance d’affectation optimale de tâches et d’utilisation des opérateurs mobiles sont posées et étudiées. Pour augmenter la flexibilité de la ligne, nous prenons en compte différents types d’affectation des tâches : fixe, dépendant du modèle et dynamique. Nous cherchons à concevoir une ligne qui peut gérer la variété possible de produits entrants. Nous utilisons des techniques d’optimisation combinatoire, et, en particulier, des approches d’optimisation robuste. Nous présentons une revue extensive de la littérature sur l’équilibrage des lignes, la planification des opérateurs et les stratégies de reconfiguration de lignes via la réaffectation des opérateurs. Le premier problème de la thèse porte sur la sélection de configuration entre une ligne unique à multi-modèles et plusieurs lignes dédiées. Le second problème consiste à concevoir et à équilibrer une modèle pour une gamme donnée de produits entrants sur la ligne. L’objectif est de minimiser le coût total de la ligne composé des coûts d’opérateurs et d’équipement dans le pire des cas. Le troisième problème est une extension du deuxième, où les tâches peuvent être affectées de manière dynamique. Enfin, dans le dernier, quatrième problème, nous étendons le troisième problème au cas où la séquence de produits est découverte takt par takt. Dans ce contexte, nous minimisons à la fois l’espérance mathématique de coût total et le coût dans le pire des cas. Afin de résoudre ces problèmes, nous développons plusieurs méthodes exactes et des heuristiques : des modèles de programmation linéaire en variables mixtes, un algorithme glouton, une recherche locale, une matheuristique et une heuristique de type » fixer et optimiser », entre autres. Nous appliquons également un processus de décision markovien au dernier problème, ce qui représente la première étude qui utilise cette approche pour l’équilibrage de lignes dans la littérature. Des expériences numériques évaluent la performance des modèles proposés en termes de la qualité de solution et du temps de calcul. Nous tirons des conclusions managériales dans chaque chapitre. Nos résultats montrent la supériorité de l’affectation dynamique des tâches par rapport aux affectations fixes et dépendantes de modèle dans différentes situations de production.
Mots-clés : Optimisation combinatoire, Équilibrage de lignes d’assemblage, Opérateurs mobiles, Reconfigurabilité, Optimisation robuste, Optimisation stochastique
—————————————————————————————————————————————————————————————-
Abstract: Mass customization and frequent market fluctuations push industrial companies to employ flexible and reconfigurable multi/mixed-model assembly lines instead of dedicated ones. This thesis focuses on this problem. It concentrates mainly on mixedmodel assembly line design and balancing problems. The questions concerning the efficiency of such lines, the importance of optimal task assignment and use of walking workers are asked and studied. To increase the flexibility of the line, we account for different types of task assignments: fixed, model-dependent, and dynamic. We aim to design a line that can handle various entering product models. We use combinatorial optimization methods, and, in particular, robust optimization approaches. We present an extensive literature review on line balancing, workforce planning, and workforce reconfiguration strategies in different production systems. The first problem addresses a configuration selection problem between a single multi-model line and multiple dedicated lines. The second problem consists in designing and balancing a mixed-model assembly line with walking workers. We propose fixed and model-dependent task assignments for a given set of product mixes. The goal is to minimize the total cost of workers and equipment for the worst case. The third problem extends the second one. It considers the dynamic task assignment. In the last problem, we extend the third problem for the case where the sequence of products unfolds takt by takt. In this context, we minimize both the expected total cost and the worst-case cost. In order to solve the considered problems, we develop several exact methods and heuristics: mixed-integer linear programming models, greedy algorithm, local search, mat-heuristic and fixed-and-optimize heuristics among others. We also apply a Markov Decision Process to the proposed line balancing problem in the last chapter. It is the first study applying this method to a line balancing problem. Computational experiments evaluate the performance of the proposed approaches in terms of solution quality and time consumption. We draw managerial insights in each chapter. Our results show the superiority of the dynamic task assignment compared to model-dependent and fixed ones in different production situations.
Keywords: Combinatorial optimization, Assembly line balancing, Walking workers, Reconfigurability, Robust optimization, Stochastic optimization.
