Contribution à l'ordonnancement des activités de maintenance dans les systèmes de production.

In this thesis, we are interested on scheduling production and maintenance on one machine and a Flow Shop. Our objective is to determine resolution methods optimizing one criterion. This later takes into account both production and maintenance aspects. The priority rules and genetic algorithms have shown effectiveness in the problem resolution. Our contribution allows of two pparts. The first part gives dominance rule based solutions for one machine problem. The second part proposes a Branche and Bound algorithm for the two-machine flow shop production/maintenance scheduling problem. The third part concerns the m-machine flow shop problem. For the resolution, we propose a genetic algorithm (GA). The GA initial population is generated from a heuristic proposed in the one machine case and a stochastic descent. For the purpose of reducing the frequency of breakdowns, we apply the systematic preventive maintenance and we propose a method to determine maintenance periods.Le contexte de notre travail s'intéresse à l'ordonnancement des activités de maintenance dans les systèmes de production. L'objectif de la thèse concerne l'élaboration de méthodes de résolution minimisant un critère regroupant les deux aspects production et maintenance. Les règles de priorité ainsi que les algorithmes génétiques ayant fait leur preuve dans le domaine seront à la base de notre étude. Etude faite tout d'abord sur un problème à une machine puis étendue au cas du Flow Shop. Notre contribution comporte tois volets. Le premier volet prend appui sur les solutions générées à l'aide d'une règle de dominance reliant les tâches de production et les tâches de maintenance. Le deuxième volet propose un algorithme par séparation et évaluation permettant de générer des ordonnancements de permutation du problème conjoint de la production et de la maintenance au sein du FLow Shop à deux machines. Le troisième volet étend l'étude au cas du Flow Shop à plusieurs machines. Nous proposons dans ce cas un algorithme génétique avec un codage approprié. Cet algorithme a l'avantage de balayer tout l'espace de recherche et par conséquent de générer des ordonnancements de très bonne qualité. Nous optons pour la maintenance préventive systématique pour l'appliquer dans notre étude. L'une des difficultés majeures de ce type de maintenance est le choix des périodes d'interventions optimales. Nous proposons dans ce cadre une méthode de choix de périodes systématiques