| Summary: | Les ressources humaines jouent un rôle crucial dans les systèmes de production. D’une part, elles doivent être polyvalentes et flexibles pour pouvoir effectuer des tâches variées. D’autre part, elles doivent être affectées aux différentes machines du système de façon qu’elles puissent satisfaire les performances industrielles. Toutefois, il est souvent difficile de prendre des décisions concernant le nombre, les compétences et les stratégies d’affectation des opérateurs, en particulier dans les systèmes où la demande est aléatoire, changeante et fluctuante et lorsqu’il y a plusieurs objectifs à optimiser. Dans ce contexte, la présente thèse vise en premier lieu à déterminer comment affecter les opérateurs aux machines. En second lieu, elle vise à définir le nombre d’opérateurs et les compétences requises afin de réduire les durées de fabrication et le coût de la main d’œuvre. Deux heuristiques sont proposées pour affecter les opérateurs de façon dynamique, et en ligne, à chaque fois ils deviennent disponibles. Le choix de la machine se fait en se basant sur une analyse multicritère de l’état actuel du système avec la méthode TOPSIS pour la première heuristique et avec une méthode de restriction basée sur des seuils numériques pour la deuxième. Les critères utilisés ont été choisis à l'aide d’un jeu sérieux (simulation interactive visuelle dédiée) en utilisant le logiciel ARENA. Pour optimiser les poids de ces critères et les seuils numériques et afin d’adapter les heuristiques proposées, nous avons utilisé l’optimisation basée sur la simulation, qui intègre la dimension à la fois aléatoire et fluctuante de la demande. Les résultats des comparaisons avec les stratégies d’affectation les plus utilisées dans la littérature ont montré l’intérêt et la pertinence de nos heuristiques. Pour optimiser le nombre d’opérateurs et leurs compétences, nous avons proposé une approche basée sur la simulation et sur un algorithme évolutionnaire multi objectif (NSGAII). Nous suggérons d’accepter une certaine redondance aux niveaux des compétences afin de réduire l’impact de l’absentéisme des opérateurs sur la performance du système. Pour prendre en compte le comportement changeant et fluctuant des systèmes de production, nous avons intégré dans l’approche d’optimisation l’heuristique d’affectation la plus performante sur les heuristiques proposées. Un modèle de simulation d’un système de type Job-shop a été utilisé pour illustrer notre approche. Les résultats obtenus sur l’ensemble des solutions non dominées ont montré la pertinence de l’approche proposée. === Human resources play a crucial role in production systems. On one hand, they have to be multi-skilled and flexible to carry out various tasks. On the other hand, they must be assigned to the different machines in the system so as to satisfy industrial performances. However, it is often difficult to make decisions about the number, skills and workers assignment strategies, particularly when systems are characterized by random, changing and fluctuating demand and when there are multiple objectives to be optimized. In this context, the present thesis aims first to determine how to assign workers to machines. Second, it aims to define the number of workers and the required skills in order to reduce production times and manpower costs. Two heuristics are then proposed to assign workers dynamically, on line, each time they become idle. The choice of the machine is based on a multi criteria analysis of the current state of the system using TOPSIS method for the first heuristic and a restriction method based on numerical thresholds for the second one. The criteria used are chosen through a serious game (a dedicated Visual Interactive Simulation) implemented using ARENA software. In order to optimize the weights of these criteria and the numerical thresholds and to adapt the proposed heuristics, we used a simulation optimization, which integrates both of the random and fluctuating dimensions of the demand. The results of comparisons with the most used assignment strategies in the literature have shown the interest and relevance of our heuristics. In order to optimize the number of workers and their skills, we proposed an approach based on simulation and an evolutionary multi-objective algorithm (NSGAII). We suggest accepting some redundancy on skills so as to reduce the impact of worker absenteeism on system performance. In order to take into account the changing and fluctuating behavior of production systems, we have integrated in our optimization approach the most efficient assignment heuristic among the proposed ones. A simulation model of a job shop system has been used to illustrate our approach. The results obtained on all non-dominated solutions showed the relevance of the proposed approach.
|
|---|
