Optimisation des stratégies de fabrication et de réutilisation de l'aluminium en logistique inverse

Résumé

Le présent travail de recherche traite le problème de commande optimale stochastique d’une unité de recyclage de l’aluminium en logistique inverse. L’unité considérée est en boucle ouverte c’est-à-dire, dissociée de la ligne d’approvisionnement directe et assimilée à une machine produisant un seul type de produit (M1P1) sujette à des pannes et reparations aléatoires. L’unité est alimentée à un taux de retour constant des produits en fin de vie en aluminium et doit satisfaire une demande client à taux constant. Face à ces indisponibilités aléatoires de la machine, à la contrainte de satisfaction de la clientèle, il s’avère impératif de mettre sur pied une politique optimale de production devant permettre de suppléer à la demande client. Dans notre travail, nous considérons aussi le cas du taux de retour aléatoire afin de nous rapprocher de la réalité industrielle. L’objectif de cette étude est de proposer une politique optimale de production qui permettra de minimiser les coûts de mise en inventaire et de pénurie. Les variables de décision sont le taux de production de l’unité ainsi que le taux d’élimination des retours collectés tandis que les variables d’états sont respectivement les niveaux d’inventaires des retours et des produits finis. Un modèle de commande optimale stochastique du problème posé a été élaboré en utilisant les chaînes de Markov homogènes (taux de transition constant) et a conduit aux équations de type Hamilton-Jacobi Bellman. Compte tenu de l’inexistence des méthodes analytiques de résolution des équations obtenues, une méthode numérique basée sur l’approche de Kushner et Dupuis (1992) a été utilisée et nous avons obtenu une politique optimale de type seuil critique (Hedging Point Policy). Considérant le fait qu’il n’existe pas de relation fonctionnelle entre le critère de performance du modèle étudié et les variables indépendantes dans un cas général, nous avons combiné l’approche analytique à la simulation, le plan d’expériences et l’analyse de la variance (ANOVA) afin de déterminer les facteurs qui influencent la réponse de manière significative, estimer une corrélation entre la réponse et ces facteurs significatifs et de dégager les valeurs optimales des variables qui minimisent les coûts. Les résultats obtenus ont montrés que la politique de production dépend du niveau d’inventaire des retours et des produits finis disponible. Ces résultats obtenus ont été validés par une analyse de sensibilité.

Date	11 mai 2017
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Jean-Pierre Kenné (Directeur(-trice)) & Victor Songmene (Codirecteur(-trice))