Une approche d'optimisation basée sur la simulation pour la conception des chaînes logistiques (applications dans les industries automobile et textile)

Dans ce travail de recherche, nous proposons une approche d'optimisation multicritères basée sur la simulation pour la conception optimale des chaînes logistiques dans un contexte dynamique et incertain. Cette approche comprend un module d'optimisation basé sur des algorithmes génétiques multicritères et un module de simulation permettant l'évaluation de la chaîne étudiée au cours de l'optimisation. L'optimisation concerne à la fois la configuration de la chaîne logistique et le système de pilotage de ses différentes activités (approvisionnement, production, stockage, transport, etc.). Ce système est caractérisé par des règles opérationnelles et leurs paramètres de contrôle pour la prise de décision durant la simulation. L'algorithme génétique explore les solutions candidates intéressantes (configuration de la chaîne + règles de pilotage) dont les performances sont automatiquement évaluées par le simulateur. La paramétrisation du module de simulation prend en compte les incertitudes liées à la demande, à la production, au stockage et à la distribution. Pour la validation de notre approche, deux cas d'études, proposés respectivement par deux partenaires du projet européen ONE de l'industrie automobile et textile, sont présentés. L'objectif du premier cas d'étude est de reconfigurer une partie du réseau actuel de production et de distribution de notre partenaire automobile. Proposé par notre partenaire de l'industrie textile, le deuxième cas d'étude est dédié au problème de choix des fournisseurs dans un environnement dynamique et stochastique. L'objectif est de déterminer la meilleure sélection des fournisseurs, des modes de transport utilisés ainsi que certains paramètres de contrôle liés au pilotage de la chaîne étudiée.In this thesis, a simulation-based multi-objective optimization method is proposed for supply chain design under realistic conditions. The proposed approach is comprised of two building blocks: an optimizer and a simulation model builder. The optimizer, based on a multi-objective genetic algorithm, is used to direct the search for best-compromised solutions with respect to various conflicting criteria, such as cost and customer service level. The optimization variables incorporate not only the supply chain structure but also the system control parameters. Candidate solutions suggested by the optimizer are evaluated through simulation, which enables realistic evaluations taking into account uncertainties and dynamics along supply chain. The simulation model builder is developed to facilitate automatic model creation, which is a challenging issue as decision variables also involve the supply chain network structure. Two real-life case studies, from the automotive and textile industry, are presented to validate the proposed method and to illustrate its various features.METZ-SCD (574632105) / SudocSudocFranceF