Rescheduling of flexible manufacturing systems with mixed blocking constraints subject to random orders or a random production

La transformation numérique que vit l’entreprise aujourd’hui a définitivement changé le comportement des consommateurs. En effet, via les nouveaux outils d’information et de communication, un client peut désormais à tout moment créer, modifier ou annuler une commande. Ces évènements fortuits ont un impact sur l’organisation au sein des unités de production. Ils engendrent une perturbation de l’ordonnancement planifié. Par conséquent, un processus de réordonnancement est nécessaire pour réviser efficacement le planning déjà établi, de préférence avec le moins de modifications possibles. Cette thèse propose des modèles mathématiques et des méthodes d’optimisation pour résoudre des problèmes de réordonnancement, afin de parer des perturbations dans des environnements machines différents, et évaluer la performance des solutions obtenues, grâce à un critère combinant l’efficacité et la stabilité de l’ordonnancement. La stratégie prédictive-réactive a été adoptée dans cette étude. Elle consiste, dans la phase prédictive, à résoudre un problème d’ordonnancement classique ayant comme objectif de minimiser la somme des temps d’attente des jobs pondérés par leurs poids, représentant le critère d’efficacité. Dès l’apparition d’une perturbation, vient ensuite la phase réactive, qui consiste à mettre à jour le problème initial en modifiant ses données, puis à résoudre le nouveau problème de réordonnancement, ayant cette fois comme objectif de minimiser le critère d’efficacité décrit auparavant, combiné avec le critère de stabilité. Ce dernier est défini par la somme des différences entre les dates de fin des jobs avant et après l’apparition de la perturbation, pondérées par le poids des jobs. Cette combinaison des deux critères est significative, et peut être très utile dans des applications industrielles, où le temps d’attente des jobs représente le temps d’attente des produits devant le poste de travail, tandis que les poids des jobs représentent l’importance des clients. La mesure de stabilité permet de limiter la déviation par rapport au planning déjà établi, car celle-ci engendre des coûts supplémentaires. Cette approche a été appliquée à différents environnements de machines, en commençant par une machine unique, représentant un seul poste de travail. Puis, sur des machines parallèles, représentant des postes de travail identiques. Et enfin, dans un atelier de type Flowshop, où l’ensemble des jobs doivent passer sur un ensemble de machines dans le même ordre. Ce dernier cas a aussi été étudié en considérant des contraintes de blocage mixtes entre les machines. Ces différents problèmes de réordonnancement ont été modélisés en premier lieu sous forme de modèles mathématiques, adaptés à une Programmation Linéaire en Nombres Entiers (PLNE). Cependant, leur complexité NP-difficile n’a permis leur résolution que pour un nombre limité de jobs. Par conséquent, des méthodes heuristiques ont été développées, permettant de parcourir plus de jobs en un temps raisonnable. La performance des méthodes développées a été discutée et analysée, à la fois en termes de qualité de solution et de temps de calcul.Today’s digital transformation has definitely changed the customers practices. In fact, through the new information and communication tools, a customer can at any time create, modify, or cancel an order. These unexpected events have a direct impact on the work organization of the production unit, generating a disruption of the already established schedule. Therefore, a rescheduling process is necessary for efficiently revising the existing schedule, preferably with less movements. In this Ph.D, mathematical models and optimization methods are developed for rescheduling problems, under different types of disruptions, in several machine environments. The performance of the obtained solutions is measured with a new criterion, simultaneously combining the schedule efficiency and stability.The predictive-reactive scheduling strategy has been adopted in this work. It consists, in the predictive phase, to solve a classical scheduling problem minimizing the Total Weighted Waiting Time (TWWT) of the jobs, regarded as the schedule efficiency criterion. After the disruption appearance, the reactive phase starts. It consists in updating the initial problem by modifying its data, then solving the new rescheduling problem with the objective of minimizing the TWWT combined with a stability criterion. The schedule stability is measured with the Total Weighted Completion Time Deviation (TWCTD). This association of criteria is significant, and it can be very helpful in industrial applications, where the job waiting time estimates the duration that the job has waited in front of a workstation. The stability criterion is then used for limiting the deviation from the already established schedule, since this matter generates supplementary costs.This approach has been applied for different machine environments. Firstly, on a single machine, illustrating the case of a single workstation. Secondly, on parallel machines, describing the case of identical workstations. Finally, on a flowshop system where a set of jobs are treated in the same order by a set of machines. The flowshop rescheduling problem is also considered with mixed blocking constraints.These rescheduling problems have firstly been modeled as Mixed Integer Linear Programing (MILP) models. Due to their NP-hard complexity, the resolution is only possible for a limited number of jobs. Thus, heuristic methods have been designed, exploring more jobs in a reasonable time. The proposed methods have been discussed and analyzed, both in terms of solution quality and computing time