Optimisation multi objectif pour la production industrielle

Abstract

Dans un contexte industriel en perpétuelle évolution, les entreprises manu facturières doivent relever de multiples défis : réduction des coûts, amélioration de la qua lité, respect des délais de livraison, et adaptation à la variabilité des demandes. Ces ob jectifs souvent contradictoires exigent des approches d’optimisation avancées, capables de concilier les exigences de performance, de fiabilité et de flexibilité. C’est dans cette perspective que s’inscrit ce mémoire, qui explore l’application de l’optimisation multi objectifs à la production industrielle intelligente. Après une présentation des concepts fondamentaux de l’optimisation multi-objectifs et de l’algorithme NSGA-II, nous nous sommes intéressés à la modélisation des systèmes de production, en particulier les ateliers de type Job-Shop, dans lesquels les contraintes d’ordonnancement sont particulièrement complexes. Ce travail met en lumière l’impor tance de l’intégration de la maintenance prédictive dans la planification de la produc tion afin d’améliorer la disponibilité des équipements et d’éviter les interruptions non planifiées. Deux applications concrètes ont été développées : la première porte sur l’optimi sation conjointe de l’ordonnancement et de la maintenance prédictive, où le modèle multi-objectifs vise à minimiser à la fois le coût de production et le temps total d’exé- cution. La seconde application concerne l’allocation optimale des ressources dans un système de production intelligent, en exploitant une architecture logistique de type Fi shboneLayout. Dans les deux cas, l’algorithme NSGA-II a permis de générer un ensemble de solutions de Pareto, illustrant les compromis possibles entre les différents objectifs. Ce mémoire met ainsi en évidence l’intérêt de coupler des outils d’intelligence com putationnelle à la modélisation industrielle pour accompagner la prise de décisions dans des environnements complexes. Il ouvre enfin des perspectives prometteuses vers l’in tégration de modèles prédictifs avancés et de technologies propres à l’industrie 4.0.