The optimization of the lean supply chain management using meta-heuristic approach

Résumé

Depuis le début des années 1990, la gestion épurée (le Lean Manufacturing—LM) a reçu une considérable attention par des chercheurs et des professionnels manufacturiers grâce au succès reconnu de Toyota. Voyant les fruits du fondateur de LM, les entrepreneurs tentaient d’appliquer LM au sein de l’entreprise et ainsi qu’à la chaîne d’approvisionnement (LSC). Au fil du temps, la gestion de la chaîne d’approvisionnement épuré (LSCM) est considérée comme le modèle idéal permettant aux entreprises d’obtenir des avantages concurrentiels et de se protéger contre les menaces. Inspiré de cela, la présente thèse intitulée «L’optimisation de la gestion de la chaîne d’approvisionnement épuré à l’aide de l’approche métaheuristique», qui étudie les possibilités d’améliorer les performances des LSCM en résolvant les problèmes de ce domaine de manière optimale. La thèse est développée sur la base des résultats de quatre articles menés dans LSCM à ce sujet. La thèse commence par une revue systématique des domaines les plus pertinents pour la LSCM afin de définir la fondation qui orientera ainsi la direction de la recherche. À partir de ces bases, la thèse introduit ensuite un nouveau cadre quantitatif de la conception de la LSC. Ce travail applique le filtre double LM afin d’éliminer les gaspillages sur la fonction et la structure de la SC. Le problème est illustré par un exemple numérique et résolu par la priorité algorithme génétique métaheuristique (l’Annexe I, p.161). Dans le développement de LSCM, à partir du paradigme épuré, elle a été intégrée au modèle agile via un point de découplage pour former la chaîne d’approvisionnement leagile (LA SC). Cette LA SC hybride est largement considérée comme le modèle avancé et intelligent du management moderne. Suite à cette progression, la thèse crée le concept de la nomenclature leagile (LA BOM) pour placer l'agilité dans le nouveau LSC ci-dessus. Dans cette nomenclature LA, les outils LM sont utilisés pour simplifier la structure d'une famille de produits et pour amplifier la combinaison de composants. La conception de la famille de produits à travers LA BOM et son LA SC est menée et optimisée simultanément. La conception conjointe prend en compte l'emplacement des points de découplage pour définir la meilleure configuration de la chaîne et son affectation de produit. Le cadre est illustré par une étude de cas dans l'industrie du meuble et résolu par algorithme génétique métaheuristique. Le cadre est validé en le comparant à LINGO. À l'ère de la globalisation, les facilités de la LSC peuvent être développées dans différentes régions afin d’atteindre des résultats économiques. Pour réduire les coûts, les usines ont souvent tendance à prioriser le réseau des fournisseurs locaux, regroupé au sein d’un groupement de livraison de lait (milk-run delivery ou milk-run) dans une région peu étendue. Gardant ces faits à l’esprit, cette thèse utilise l'étude de cas susmentionnée LA SC pour construire un réseau de leagile resilient green (LARG). Il vise à gagner simultanément une multitude d'avantages comme la réduction des coûts, la réactivité et la valorisation de leur image environnementale tout en améliorant la résilience aux risques perturbateurs. Pour atteindre cet objectif, la thèse se concentre à la fois sur les étapes de conception et de gestion. Dans la conception du produit, elle ajoute le facteur vert en intégrant la mention LA BOM. Ensuite, pour améliorer la résilience du système aux menaces, l’inventaire et deux pratiques rigoureuses, « l’approvisionnement à double sources » et la « fiabilité du fournisseur » sont utilisées dans la sélection des fournisseurs. La pratique épurée verte est également appliquée à travers la mise en oeuvre de la livraison de lait dans le réseau d'approvisionnement. Ces travaux sont formulés dans un modèle mathématique à deux objectifs dans le but de minimiser le coût d'achat ainsi que la valeur « perte sur objectif » (miss-the-target) des fournisseurs. Au stade de la gestion, deux mesures rigoureuses, à savoir la « réserve de capacité » et la « capacité excédentaire du fournisseur », sont utilisées. De plus, la thèse partage une pratique rigoureuse de la « règle 70/30 » qui s'applique actuellement dans l'étude de cas ci-dessus. La problématique rencontrée dans l'étape de conception est optimisée par la programmation d'objectifs pondérés. Cependant confronté à la nature complexe de la livraison de lait, le problème NP-complet est difficile à optimiser par la méthode exacte. Il inspire la thèse pour implémenter une approche méta-heuristique. Plus précisément, la thèse tente de développer une nouvelle méta-heuristique hybride (HMH), à savoir HAT, qui est hybridée à partir des deux méta-heuristiques optimisation des colonies de fourmis (Ant Colony Optimation—ACO)-recherche tabou (Tabu Search—TS). La HAT est testée dans une étude de cas sur la livraison de lait à travers un LSC automobile de petite taille qui a été résolue par ACO. La problématique rencontrée dans l'étape de conception est optimisée par la programmation d'objectifs pondérés. Cependant confronté à la nature complexe de la livraison de lait, le problème NP-complet est difficile à optimiser par la méthode exacte. Il inspire la thèse pour implémenter une approche méta-heuristique. Plus précisément, la thèse tente de développer une nouvelle méta-heuristique hybride (HMH), à savoir HAT, qui est hybridée à partir des deux méta-heuristiques optimisation des colonies de fourmis (Ant Colony Optimation—ACO)-recherche tabou (Tabu Search—TS). La HAT est testée dans une étude de cas sur la livraison de lait à travers un LSC automobile de petite taille qui a été résolue par ACO.

Date	14 sept. 2020
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Thien-My Dao (Directeur(-trice))