Planification robuste de la production pour un système de production reconfigurable
Résumé
Les entreprises manufacturières doivent pouvoir adapter rapidement leurs systèmes de production face à la concurrence, à la volatilité des marchés et à la personnalisation des produits. Dans ce contexte, les systèmes de production reconfigurables (Reconfigurable Manufacturing Systems, RMS) ont été développés afin de concilier la productivité élevée des systèmes dédiés avec la flexibilité requise par les environnements de production modernes. Contrairement aux systèmes dédiés classiques (Dedicated Manufacturing Systems, DMS), conçus pour un seul type de produits, les RMS permettent une adaptation rapide de la capacité et de la structure du système par reconfiguration des ressources de production.
Cette reconfigurabilité introduit toutefois un niveau de complexité supplémentaire dans la planification de la production. En effet, au-delà des décisions classiques de production et de gestion des stocks, il est nécessaire de déterminer, à chaque période, la configuration à activer ainsi que les transitions entre configurations successives. Chaque configuration est associée à des temps et des coûts de production spécifiques pour chaque variant de la famille produit, tandis que les changements de configuration peuvent entraîner des coûts et des délais importants. Ainsi, la planification de la production dans un RMS est plus complexe que dans un système dédié, en raison du couplage fort entre décisions de production et décisions de configuration [3].
La majorité des travaux existants sur la planification dans les RMS reposent néanmoins sur l'hypothèse d'une demande déterministe. Or, dans la pratique, les prévisions de la demande sont toujours incertaines. L'utilisation de modèles déterministes dans ce contexte peut conduire à des plans de production irréalisables ou sous-optimaux lorsque la demande réalisée s'écarte de la demande prévue [4].
Plusieurs approches ont été proposées pour intégrer l'incertitude dans les problèmes de planification, notamment l'optimisation stochastique. Toutefois, ces méthodes nécessitent une connaissance fiable des lois de probabilité de la demande, et cette information est souvent difficile à estimer précisément en pratique. L'optimisation robuste constitue alors une alternative attractive, en permettant de garantir la faisabilité des solutions pour un ensemble donné de réalisations possibles de l'incertitude, sans recourir à des hypothèses probabilistes fortes. En particulier, l'approche à budget d'incertitude de Bertsimas-Sim [1] offre un compromis intéressant entre niveau de protection et conservatisme des solutions.
Dans ce travail, nous nous intéressons à la planification de la production dans un RMS soumis à une demande incertaine. Nous proposons un modèle d'optimisation robuste visant à déterminer la taille optimale des lots à produire dans un environnement où différentes configurations peuvent être sélectionnées.
Domaines
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |