Optimisation de la politique maintenance appliquée un système série

Optimisation de la politique maintenance appliquée un système série

Les variantes du problème de localisation sans contrainte de capacité

Différentes variantes du UFLP ont été étudiées dans la littérature. Parmi lesquelles, nous citons les problèmes suivants [12, 91]. 1. Le problème de localisation des dépôts avec contrainte de capacité (Capacitated Facility Location Problem (CFLP)) Le CFLP est une variante de l’UFLP où la contrainte de capacité sur les dépôts est imposée. Donc, dans ce cas la somme des demandes des clients affectés à chaque dépôt ne doit pas excéder sa capacité. 2. Le problème P-médian (P-Median Problem (PMP)) Le problème du p-médian est un problème de localisation où nous avons un ensemble de dépôts candidats et le but est de choisir exactement p dépôts à partir de l’ensemble de ces candidats (un dépôt choisi est appelé médian). Les autres dépôts candidats sont ensuite affectés aux médians choisis. L’objectif de PMP est de minimiser le coût d’affectation. 3. Le problème du p-centre (P-Centre Problem (PCP)) Le problème du p-centre est une variante similaire au problème du PMP dont l’objectif est de minimiser le maximum des coûts d’affectation des clients. 4. Le problème de recouvrement (Set Covering Problem (SCP)) Le problème de recouvrement SCP consiste à déterminer un sous-ensemble de dépôts pour couvrir tous les clients. Dans les problèmes de localisation en général, on doit prendre deux décisions au même moment: Le choix des dépôts et l’affection des clients. Cependant, dans le SCP, chaque dépôt ne couvre qu’un ensemble de clients prédéfinis et donc, pour résoudre le SCP, nous devrons seulement choisir un sous-ensemble de dépôts pour couvrir (servir) tous les clients. 5. Le problème de localisation des dépôts avec tolérance de panne (Fault-Tolerant Facility Location Problem (FTFLP)) Dans le FTFLP, chaque client doit être affecté à plusieurs dépôts au lieu d’un seul afin d’assurer le service et d’éviter tout problème de panne ou de non-disponibilité [91]. 6. Le problème de localisation des dépôts avec multi-produit (Multi-Product Facility Location Problem (MPFLP)) Le MPFLP est un problème de localisation où nous considérons que chaque client dispose des demandes pour un certain nombre de produits, et que chaque dépôt peut être ouvert pour livrer un ou plusieurs produits [91].

Quelques variantes du VRP

Durant les cinq dernières décennies, de nombreuses variantes de VRP ont été proposées [65]. En effet, l’apparition d’une nouvelle variante est due essentiellement à l’ajout d’une contrainte, une caractéristique ou un nouvel élément au problème (l’ajout, la modification ou l’élimination d’une ou de plusieurs contraintes du VRP peut nous mener vers d’autres variantes). Dans cette partie nous essayons de présenter les variantes les plus connus du VRP [35, 46, 55, 50, 87, 61] : 1. Problème de tournées de véhicules avec contrainte de capacité (Capacitated Vehicle Routing Problem (CVRP)): Le CVRP est un VRP où la contrainte de capacité de véhicules est imposée, c’est-à-dire que la somme des demandes des clients servis par chaque véhicule ne doit pas dépasser sa capacité. Dans le CVRP la flotte de véhicules est supposée homogène. 2. Problème de tournées de véhicules dynamique (Dynamic Vehicle Routing Problem (DVRP)) Le DVRP est une variante du VRP où les données nécessaires pour résoudre le problème dépendent du temps, c-à-dire, soit elles ne sont pas connues à l’avance (manque d’information avant la résolution de problème) ou bien elles peuvent être changées après le commencement des tournées comme par exemple l’ajout d’une nouvelle demande pour un nouveau client ou l’annulation d’une demande d’un client. 3. Problème de tournées de véhicules avec fenêtres de temps (Vehicle Routing Problem with Time Windows (VRPTW)) Le VRPTW est un VRP où une contrainte temporelle est imposée. En effet, dans le VRP un véhicule peut visiter un client à n’importe quel moment. Cependant, dans le VRPTW un véhicule ne peut visiter un client que dans un intervalle de temps bien précis, c’est ce que l’on appelle une fenêtre de temps. 10 1.3. Le transport et la distribution dans la chaîne logistique 4. Problème de tournées de véhicules multi-périodes (Periodic Vehicle Routing Problem (PVRP)) Dans le PVRP, nous avons un ensemble de périodes P = {1, …, M} qui représente l’horizon de planification, et pour chaque client, nous avons un nombre de visites k (1 ≤ k ≤ M) qui doivent être effectuées. Donc, pour résoudre le PVRP nous devons, pour chaque période, déterminer les clients à visiter et construire les tournées de véhicules pour satisfaire ces clients. 5. Problème de tournées de véhicules multi-dépôts (Multi-Depots Vehicle Routing Problem (MDVRP)) Dans le VRP, la tournée de chaque véhicule commence et se termine à partir d’un dépôt central. Cependant, dans le MDVRP nous disposons de plusieurs dépôts et dans chaque dépôt nous disposons d’un ensemble de véhicules. Comme dans le VRP, la tournée de chaque véhicule commence et se termine à partir de son dépôt et chaque client doit être servi exactement une seule fois. 6. Problème de tournées de véhicules ouvert (Open Vehicle Routing Problem (OVRP)) Contrairement au VRP où la tournée de chaque véhicule doit se terminer au dépôt central, dans le problème OVRP les véhicules ne sont pas obligés de retourner au dépôt central. En effet, cette caractéristique est importante parce qu’elle change complètement la structure de VRP. 7. Problème de tournées de véhicules avec multi-tournées pour chaque véhicule (Le Vehicle Routing Problem with Multiple Trips (VRPMT)) La différence entre le VRP et le VRPMT réside dans le fait que dans le VRPMT un véhicule peut faire plusieurs tournées, c’est-à-dire, dans un horizon de planification avec plusieurs périodes et lorsque nous disposons d’une flotte de véhicules limitée, un véhicule peut faire, dans une même période, plusieurs tournées en tenant compte d’une durée maximale d’utilisation par période. 8. Problème de tournées de véhicules stochastique (Stochastic Vehicle Routing Problem (SVRP)) Un VRP est stochastique si un des éléments du problème est aléatoire, comme par exemple la représentation des demandes des clients, du temps de transport sur un arc ou bien du coût d’un arc par une variable aléatoire. 9. Problème de tournées de véhicules multi-compartiments (Multi-Compartment Vehicle Routing Problem (MCVRP)) Le MCVRP est utilisé pour modéliser les cas où les demandes des clients concernent plusieurs produits incompatibles. Ces produits doivent être transportés sur un même véhicule mais dans des compartiments indépendants. 10. Problème de tournées de véhicules avec une flotte hétérogène (Heterogeneous Fleet Vehicle Routing Problem (HVRP)) Dans le VRP nous disposons d’une flotte de véhicules homogènes. Cependant dans le HVRP, nous disposons d’une flotte de véhicules ayant des caractéristiques différentes. Les véhicules peuvent être différenciés par : leurs capacités, leurs coûts de routage, leurs coûts d’utilisation, etc.

Table des matières

Introduction générale
Chapitre azeEtat de l’art et position du problème
1.1 Introduction
1.2 Types de maintenance
1.2.1 La maintenance parfaite
1.2.2 La maintenance minimale
1.2.3 La maintenance imparfaite
1.2.4 La mauvaise maintenance
1.3 Les modèles de politiques de maintenance
1.3.1 Les modèles de maintenance des systèmes à un seul composant
1.3.2 Les modèles de maintenance des systèmes multi-composants
1.3.3 Modèles de groupement
1.4 Conclusion
Chapitre 2 Notions de base sur les lignes de production série
2.1 Introduction
2.2 Lignes de production
2.2.1 Types de lignes de production
2.2.2 Concept et notions sur les lignes de production
2.2.3 Indicateurs de performances
2.2.4 Les indices de la maintenance
2.3 Principaux modèles de lignes de production
2.3.1 Le modèle déterministe
2.3.2 Le modèle exponentiel
2.3.3 Le modèle continu
2.4 Apport des stocks intermédiaires
2.4.1 Stocks intermédiaires et augmentation de la productivité
2.5 Evaluation de performances de lignes de production comportant plusieurs machines
2.5.1 Les méthodes approximatives par décomposition
2.5.2 Les méthodes approximatives par agrégation
2.6 Conclusion
Chapitre 3 Optimisation de la politique maintenance appliquée un système série
3.1 Introduction
3.2 Optimisation de la politique de maintenance appliqué à système série
3.2.1 Description du problème
3.2.2 Modèle mathématique
3.2.3 Exemple illustratif
3.2.4 Optimisation par essaims particulaires
3.2.5 Algorithme 1: Optimisation par essaim particulaire
3.2.6 Approche proposée
3.2.7 Expériences numériques et analyses
3.3 Conclusion
Chapitre 4 AOptimisation de la politique maintenance appliquée à un système série avec stocks intermédiaires
4.1 Introduction
4.2 La maintenance des systèmes série avec des stocks intermédiaires
4.3 Contribution
4.4 Description du système
4.4.1 Coût de la maintenance avec la stratégie de maintenance groupée
4.4.2 Modèle mathématique du système agrégé
4.5 Modèle de maintenance opportuniste pour un système de production série avec stock
intermédiaire
4.5.1 Les composants du modèle
4.5.2 Les mesures de performance
4.5.3 Les hypothèses considérées dans le modèle de maintenance opportuniste
4.5.4 Le diagramme de processus du modèle de simulation
4.5.5 Le réseau d’ARENA-SIMAN
4.5.6 Expériences numériques et analyses
4.6 Conclusion

Télécharger le rapport complet