Modèles et méthodes efficaces pour des problèmes stochastiques des lignes de désassemblage

L'étude du désassemblage des produits en fin de vie (EOL) sous incertitude est un sujet de recherche important en raison de ses avantages en termes de réduction de déchets, d'économie de ressources non-renouvelables et de protection de l'environnement. Les travaux existants sur les lignes de désassemblage supposent que l'information incertaine peut être estimée par des lois de probabilité ou par des fonctions et se focalisent seulement sur des problèmes stochastiques d'équilibrage de ces lignes. Cependant, il n'est pas toujours possible d'obtenir l'information incertaine complète dû à un manque de données historiques ou d'un volume excessif de données. De plus, le problème intégré des lignes de désassemblage a rarement été abordé. Dans cette thèse, quatre nouveaux problèmes stochastiques des lignes de désassemblage avec seulement à disposition l'information incertaine partielle sont investigués. L'objectif est de proposer des modèles et des méthodes efficaces pour ces problèmes. Les principaux travaux apportés par cette thèse sont les suivants :Premièrement, un nouveau problème stochastique d'équilibrage des lignes de désassemblage (SDLBP) est étudié dans le but de minimiser le coût des lignes avec les durées incertaines d'exécution des tâches, en ne tenant compte que de la moyenne, de l'écart-type et de la borne supérieure du taux de changement. Un modèle avec chance-contrainte est d'abord établi, qui est par la suite transformé approximativement en un modèle distribution-free basé sur l'analyse des propriétés. Ensuite, une heuristique est développée pour résoudre le modèle transformé. Des résultats expérimentaux montrent que le modèle distribution-free peut résoudre efficacement ce SDLBP avec de l'information incertaine partielle.Dans la plupart des travaux existants, le temps de cycle qui représente le temps d'achèvement maximal des postes de travail est prédéterminé. Cependant, le coût des lignes de désassemblage et le temps de cycle sont deux critères de performance contradictoires et s'impactent mutuellement. Un nouveau SDLBP bi-objectif est investi pour minimiser le coût des lignes et le temps de cycle, où seule l'information partielle des durées des tâches est requise. Un modèle bi-objectif distribution-free est construit et une méthode ε-contrainte améliorée est conçue. Des expériences montrent que la méthode ε-contrainte proposée peut réduire de plus de 90% le nombre d'itérations par rapport à la méthode ε-contrainte classique.Ces lignes pourraient générer des pollutions pendant le processus de désassemblage des produits EOL, néanmoins ce facteur n'a pas été considéré dans les précédents travaux. Nous nous intéressons à un nouveau SDLBP vert afin de minimiser le coût des lignes et la pollution, dans lequel des postes de travail avec des prix d'achat différents peuvent générer des quantités différentes de pollution. Un nouveau modèle bi-objectif est formulé et une méthode ε-contrainte spécifique au problème est proposée. Des résultats expérimentaux révèlent qu'un choix approprié des postes de travail peut effectivement réduire la pollution d'une ligne de désassemblage.L'optimisation intégrée d'équilibrage et de planification des lignes de désassemblage, qui n'a pas été étudiée auparavant, pourrait améliorer l'efficacité du système de désassemblage et réduire ses dépenses. Un problème stochastique intégré d'équilibrage et de planification des lignes de désassemblage (ISDLBPP) est adressé pour minimiser le coût global du système, où les ratios d'obtention des composantes et leur demande sont supposés être incertains. Une programmation stochastique à deux étapes est construite et des inégalités valides sont proposées pour réduire l'espace de recherche. Puis, des méthodes sample average approximation (SAA) et L-shaped sont proposées pour ce problème. Des expériences montrent que le temps de calcul moyen de la méthode L-shaped est seulement de 60% de celui de la méthode SAA, avec une qualité de solution comparable.Studying the disassembly of End-of-Life (EOL) products under uncertainty is becoming a hot research topic due to its benefits in reducing waste, saving non-renewable resources, and protecting the environment. Existing disassembly line works assume that stochastic information can be estimated as probability distributions or functions and most of them focus on stochastic disassembly line balancing problems. However, it is not always possible to obtain complete stochastic information due to a lack of historical data or excessive data volume, and the integrated disassembly line problem has been rarely addressed. In this thesis, four novel stochastic disassembly line problems with only partial stochastic information are investigated. The purpose is to propose effective models and solution methods for the considered problems. The main works of this thesis are:Firstly, a new stochastic disassembly line balancing problem (SDLBP) is studied to minimize the disassembly line cost under stochastic task processing times, given only the mean, standard deviation, and change-rate upper bound. For the problem, a chance-constrained model is first formulated, which is further approximately transformed into a distribution-free model by property analysis. Then, a fast heuristic is devised to solve the transformed model. Experimental results demonstrate that the distribution-free model can effectively solve the SDLBP with only partial stochastic information.In most existing literature, the cycle time that represents the maximum completion time among workstations is given. However, the disassembly line cost and cycle time are two conflicting performance criteria and impact mutually. In this thesis, a new bi-objective distribution-free SDLBP is studied to minimize the disassembly line cost and cycle time, where partial information of task processing times is required. For the problem, a bi-objective distribution-free model is constructed, and an improved ε-constraint method is designed. Numerical experiments show that the proposed method can reduce more than 90% computation rounds, compared with the basic ε-constraint method.Disassembly lines may generate pollution during separating EOL products, but this factor has not been considered in the previous SDLBP works. In this thesis, we study a new green-oriented distribution-free SDLBP to minimize the disassembly line cost and pollution emission simultaneously, in which workstations with different purchase prices can have different amounts of pollution emissions. For the problem, a new bi-objective model is formulated and a problem-specific ε-constraint method is devised. Experimental results show that selecting appropriately workstations can effectively reduce the pollution emission of a disassembly line. Besides, some managerial insights are discussed.The integrated optimization of disassembly line balancing and planning may enhance the efficiency of the disassembly system and reduce its expenses, which has not been studied before. In this thesis, an integrated stochastic disassembly line balancing and planning problem (ISDLBPP) is addressed to minimize the overall system cost, where component demands and component yield ratios are assumed to be uncertain. For the problem, a two-stage stochastic programming model is established and valid inequalities are devised to reduce the search space. Then, the sample average approximation (SAA) method and the L-shaped method are applied to solve the model. Numerical experiments show that the L-shaped method can save more than 60% computation time than the SAA method, without sacrificing solution quality