Méthodes multi-objectifs pour l’ordonnancement de lignes réentrantes
Résumé
This article presents the scheduling of a reentrant maintenance line with parallel machine stages. In this study the system is composed of machines with their upstream buffer and are modeled by queuing system. The criteria are the maximization of the utilization rate of the bottleneck and the minimization of the mean cycle time of the products. We present the results obtained by a multi-objective ant colony algorithm with local search (MOACS-LS), which are compared with the results obtained by one of the most competitive genetic algorithm called Non-dominated Sorting Genetic Algorithm version 2 (NSGA2). This two metaheuristics are coupled with a discrete event simulation module. Our results are compared with an industrial solution.
Cet article présente l’ordonnancement d'une ligne réentrante de maintenance qui comporte une structure à étages regroupant des machines en parallèle. Le système constitué de machines avec leurs stocks amont est modélisé comme un réseau de files d'attente et les critères à optimiser sont la maximisation du taux d'utilisation de la machine goulet, et la minimisation du temps de cycle moyen des produits. Nous mettons ici en évidence les resultants obtenus avec une méthode multi-objectif de colonies de fourmis avec recherche locale (MOACS-LS) que nous comparons avec les résultats obtenus par un algorithme génétique du type NSGA2. Ces deux métaheuristiques sont couplées avec un module de simulation à événements discrets qui permet d'évaluer chaque solution. Nous comparons les resultants obtenus par nos solutions à la solution issue d'un cas industriel en fonction de deux measures différentes.