Scheduling under preventive maintenance and sequence-dependent setup-times constraints to minimize job rejection costs or weighted sum of completion times

L'ordonnancement est considéré comme l'une des tâches les plus importantes en industrie, notamment dans les ateliers de production. Son but principal est d'allouer les ressources disponibles aux tâches sur une période donnée, tout en optimisant un ou plusieurs objectifs tels que la minimisation des délais de production et les coûts de stockage. En France, ces industries contribuent de manière significative à l'économie régionale et nationale, faisant de la région Hauts-de-France la quatrième région économique française. Pour rester compétitives, ces sociétés doivent reposer, d'une part, sur un système de production fiable et disponible à tout moment, et d'autre part, sur de puissants outils d'aide à la décision permettant de réagir rapidement à toute situation imprévue telle qu'une panne ou un retard de livraison de matières premières, des annulation de commande, etc. Par ailleurs, la maintenance est un autre aspect étroitement lié à l'ordonnancement de la production. L'une des hypothèses les plus courantes dans la littérature est que les machines ou les ressources sont toujours disponibles à tout moment, or, en pratique, il peut être nécessaire de les arrêter en raison de pannes ou de maintenance préventive. Compte tenu du fait que les machines sont un élément essentiel du processus de production et que les coûts de maintenance représentent un grand pourcentage du budget total des opérations, il est souhaitable de bien coordonner la planification de la maintenance et l'ordonnancement de la production. Cette thèse aborde exactement ce problème, tout en considérant d'autres contraintes comme les temps de préparation dépendant de la séquence. L'objectif principal de ce travail est de concevoir et de développer des méthodes d'optimisation pour l'aide à la décision appliquées aux problèmes d'ordonnancement avec contrainte d'indisponibilité due à la maintenance préventive. Ces outils sont validés à travers des problèmes académiques et industriels simplifiés. Par conséquent, cette thèse a conduit au développement de nouveaux algorithmes et modèles basés sur la programmation linéaire en nombres entiers, des heuristiques et des métaheuristiques pour résoudre des problèmes d'ordonnancement de la production.Production scheduling is considered as one of the most important tasks carried out in manufacturing systems. It allows available resources to perform a number of tasks, over a given period of time, while optimizing one or more objectives such as reducing production delays or costs associated with storage. In France, these industries contribute significantly to the regional and national economy, making the Hauts-de- France region the fourth French economic region. In order to remain competitive, these companies must be based, on one side, on a reliable production system that is available at any time, and on the other side, on powerful Decision Support Systems to react quickly to any unpredictable situation such as failures, late deliveries of raw material or orders cancellation, etc. Furthermore, maintenance is another aspect closely connected to production scheduling in real manufacturing settings. One of the most common assumptions in the scheduling literature is that the machines or resources are always available but, in practice, they may have to be stopped due to failures or to preventive maintenance. Taking into account that machines are an essential part of the production process and maintenance costs represent a large percentage of the total budget of operations, it is desirable to coordinate efficiently the maintenance planning and production scheduling. This thesis addresses exactly this problem, while considering other constraints such as sequence-dependent setup times between tasks. The main objective of this work is to design and develop optimization methods for decision support systems applied to scheduling problems with unavailability constraints due to preventive maintenance. The proposed models and tools have been validated through academic problems and on the basis of simplified industrial problems. Therefore, the output of the thesis is to develop new algorithms and models based on integer linear programming, heuristics and metaheuristics to solve production scheduling problems