en fr A genetic algorithm for robust scheduling : application of hybrid flow shop scheduling problem Un algorithme génétique pour lordonnancement robuste: application au problème du flow shop hybride Report as inadecuate




en fr A genetic algorithm for robust scheduling : application of hybrid flow shop scheduling problem Un algorithme génétique pour lordonnancement robuste: application au problème du flow shop hybride - Download this document for free, or read online. Document in PDF available to download.

1 TEMPO Lab.

Abstract : Most of scheduling methods consider a determinist environment where the data of the problem are known. Nevertheless, in reality, several kinds of risks can be considered and the robust scheduling allows taking into account it. In this thesis, our initial assumption is that, non-robust schedules will rapidly become inefficient with uncertainty, while robust schedules, less efficient than the non-robust ones without any uncertainty, will not deteriorate as fast as non-robust schedules do when uncertainty is introduced. In this context, we proposed a genetic algorithm for a robust scheduling. We developed a new mechanism of resolution and a new robustness criterion allowing to find a solution of good performance and little sensitive to the uncertainties. A computational experiment has been performed, first, to verify the efficiency of the genetic algorithm for deterministic scheduling, without taking uncertainties into account, second, to validate the genetic algorithm for robust scheduling using simulation to evaluate the robustness quality in front of uncertainties. We integrate this approach of robustness in a methodological approach based on simulation-optimisation techniques for the help to the sizing manufacturing systems based on robust scheduling. The various modules of this approach were developed as a sizing and design-aided tool applied in a real application case: operating theatres in the hospital sector.

Résumé : La plupart des méthodes d-ordonnancement considèrent un environnement déterministe où les données du problème sont connues. Néanmoins, en réalité, plusieurs sortes d-aléas peuvent être rencontrées et l-ordonnancement robuste permet en tenir compte. Dans cette thèse, notre intuition initiale est que, d-une part, un ordonnancement non robuste deviendra rapidement inefficace avec les incertitudes qu-un ordonnancement robuste, et d-autre part, un ordonnancement robuste sera moins efficace qu-un ordonnancement non robuste en l-absence d-incertitudes. Dans ce cadre, nous avons proposé un algorithme génétique pour l-ordonnancement robuste. Un nouveau mécanisme de résolution et un nouveau critère de robustesse permettant de trouver une solution de bonne performance et peu sensible aux incertitudes ont été développés. Une phase expérimentale a été menée, d-une part, pour vérifier l-efficacité de l-algorithme génétique pour l-ordonnancement déterministe, sans tenir compte des incertitudes, et d-autre part, pour valider l-algorithme génétique pour l-ordonnancement robuste par la simulation afin de juger la qualité de la robustesse face aux incertitudes. Nous avons intégré cette approche de robustesse dans une démarche méthodologique générique intégrant des techniques d-optimisation et de simulation pour l-aide au dimensionnement des systèmes de production basé sur des ordonnancements robustes. Les différents modules de la démarche ont été développés sous forme d-un outil d-aide au dimensionnement, dans le cadre d-un cas applicatif réel, celui du bloc opératoire dans le secteur hospitalier.

en fr

Keywords : scheduling robustness effectiveness genetic algorithm optimization-simulation sizing uncertain processing times.

Mots-clés : ordonnancement robustesse efficacité algorithme génétique optimisation-simulation dimensionnement temps d-exécution incertain.





Author: Tarek Chaari -

Source: https://hal.archives-ouvertes.fr/



DOWNLOAD PDF




Related documents