Problèmes d'ordonnancement avec affectation de ressource consommable et effet d'apprentissage

This thesis addresses scheduling problems with consumable resource allocation and learning effect. In traditional deterministic scheduling problems, job processing times are assumed to be constant. However, this assumption is not always appropriate in many real life production and service operations since practical issues, including limited consumable resources, human characteristics (learning effect), usually affect job processing times, which change the whole scheduling process and lead to new characteristics to decision-making and scheduling results. It is therefore necessary and reasonable to study scheduling problems with these features. Based on the above two issues, this thesis mainly concerns four scheduling problems including group technology, rate-modifying activity (RMA), past-sequence-dependent setup times, and due-windows. It is worth to note that RMA which reflects the situations of ma-chines is also a key factor considered. It is involved in all studied problems except the first one. This thesis is also a work considering comprehensively new characteristics of consumable resources, human, and machines although we just organize this thesis from the viewpoint of consumable resource allocation and learning effect. For each problem, we propose a scheduling model, design an exact algorithm, and analyze the complexityCette thèse s intéresse aux problèmes d ordonnancement à une machine où les durées opératoires des tâches peuvent dépendre de différents paramètres. Dans les problèmes d ordonnancement traditionnels, les durées opératoires sont souvent supposées constantes. Cette hypothèse n est pas toujours valable dans certains problèmes réels d'ordonnancement en production ou en service. La durée opératoire d'une tâche peut en effet varier selon la quantité de ressources consommables allouées, la performance des opérateurs et l état des ressources matérielles utilisées, etc. L ordonnancement optimal peut donc être différent. Nous nous intéressons à quatre problèmes d ordonnancement avec différentes configurations des facteurs suivants : changement de productivité par la maintenance, quantité de ressources consommables utilisées, effet d apprentissage, technologie de groupe, temps de réglage et fenêtres horaires dues. Le changement de productivité par la maintenance, qui reflète l'état des machines, est un facteur clé de cette thèse. Il est présent dans tous les problèmes étudié, sauf pour le premier. Cette thèse considère globalement les nouvelles caractéristiques telles que les ressources consommables, les ressources humaines et les machines bien qu'elle soit organisée sous l'angle des ressources consommables et l'effet d'apprentissage. Pour chaque problème considéré, nous construisons d abord un modèle mathématique. Après l analyse du modèle construit, nous proposons un algorithme exact de résolution. Enfin la complexité de l algorithme est étudiéeTROYES-SCD-UTT (103872102) / SudocSudocFranceChinaFRC