Etat de l'art de l'ordonnancement du désassemblage

Un essai pour traiter le problème de l'ordonnancement flexible a été fait dans l'article de Wiendahl[Wiendhal, 2001] qui a proposé une architecture de type anneau pour la ligne de désassemblage. Les auteurs ont illustré leur approche par la réalisation d'un système modulaire pour le désassemblage de trois produits. Une cellule de désassemblage a été réalisée à l'Institut Technion de Haifa. La cellule est contrôlée par un module d'analyse de données. Les temps opératoires sont non déterministes et dans une distribution aléatoire. Le processus n'est pas stable. L'échec du désassemblage conduit à reprendre les opérations.

Dans [Gupta, 1994] Gupta et Taleb ont proposé un nouvel algorithme pour l'ordonnancement du désassemblage pour des produits avec une structure bien déterminée. L'algorithme présentédonne un plan de désassemblage pour les composants du produit en fonction de la demande. L'algorithme est de type MDS (Multiple

Demande Sources). L'approche de Gupta ne prend pas en considération les aléas de

désassemblage. Ce processus est supposé être parfait c'est à dire que le désassemblage est non destructif.

L'utilisation d'un système flexible Kanban a été proposée par Kizilkaya et Gupta dans [Kizilkaya, 1998]. Pour contrôler le flux de matériaux dans la cellule de désassemblage la méthode proposée trouve le pourcentage de la demande qui stabilise le flux dans le système. Les résultats ont été obtenus par une simulation à l'aide du logiciel SIMAN. Les hypothèses de l'ordonnancement sont restrictives: le produit est complètement désassemblé, la ligne de désassemblage est en série, et la demande est constante pendant le processus. Taleb et Gupta ont proposé un algorithme pour établir l'ordre optimal des opérations en fonction de la demande dans le désassemblage des produits avec des matériaux communs[Taleb, 1998].

Dans les dernières années les recherches de l'équipe de professeur Gupta se sont concentrées sur l'aspect d'équilibrage des lignes de désassemblage.

Même si le problème d'équilibrage des lignes est connu depuis longtemps, aucune étude n'a pas été faite sur l'équilibrage des lignes de désassemblage jusque à [Gungor, 1999a] [Gungor, 1999b]. Gungor et Gupta ont traité le cas du problème d'équilibrage simple d'une ligne de désassemblage (Simple Disassembly Line Balancing Problem) (DLBP-S) [Gungor, 1999b]. Ils on supposé qu'il y a un stock infini d'entrée et que la configuration du produit n'est pas changée à la fin de sa vie. Pour simplifier le problème de DLBP les auteurs ont utilisé dans leur algorithme des temps opératoires déterministes et connus. La demande de composants est aussi connue et l'horizon de planification est un jour. L'objectif du DLBP-S est une utilisation efficace des ressources de la ligne de désassemblage qui satisfait la demande. Dans le même temps les relations de précédences entre les tâches doivent être satisfaites pendant leur affectation. Dans le cas de l'assemblage, les relations géométriques ainsi que les relations fonctionnelles entre les composants sont importantes. Par contre, dans le désassemblage la fonctionnalité des composants séparés n'est pas prise en compte. Il reste les liens géométriques et de contact entre les sous-ensembles du produit. Gungor et Gupta ont illustré leur

algorithme par le désassemblage d'un ordinateur fixe. Il s'agit d'un algorithme heuristique qui donne l'affectation optimale des tâches de désassemblage sur huit postes de travail [Gungor, 1999b]. Le critère d'optimisation pour réaliser l'équilibrage de la ligne a été de minimiser le temps d'inactivité de chaque station. Dans ce travail la définition du problème de l'équilibrage des lignes de désassemblage ressemble à celle du problème ALBP. Mais il y a plusieurs différences importantes entre les deux processus comme on l'a vu au paragraphe 1.4., alors nous considérons leur approche incomplète.

L'algorithme utilisé en [Gungor, 1999b] a une complexité réduite. De plus, la méthode ne dépend pas du nombre de stations de désassemblage ou de la demande. La méthode a encore un point faible : les auteurs n'ont pas pris en considération les incertitudes de désassemblage.

Dans [Gungor, 2001] les mêmes auteurs proposent une solution pour le problème d'équilibrage de la ligne prenant en considératio n les échecs des opérations de désassemblage. Il s'agit d'affecter les tâches aux postes de sorte que l'effet des échecs opératoires sur la ligne de désassemblage soit minimisé. Les auteurs ont fait une comparaison entre les processus d'assemblage et désassemblage pour ce qui concerne la variabilité de la demande, l'incertitude pendant le processus, la complexité des opérations et les méthodes d'optimisation du fonctionnement de la ligne. Le désassemblage est soumis à plusieurs contraintes de précédence entre les composants: les relations prises en considération sont de type AND, OR, et de type AND/OR. Les situations qui apparaissent après l'échec de désassemblage sont: le produit part plus tôt ou plus tard du poste de travail, le produit est détourné d'un poste, le produit visite un poste plusieurs fois. La méthode proposée a plusieurs étapes:

- générer le séquencement complet des opérations qui prend en considération l'échec éventuel de certaines tâches;

- choisir les séquences qui minimisent les temps morts;

- associer à chaque tâche un coût d'échec avec une certaine probabilité;

- trouver l'affectation des tâches qui minimise les coûts (à l'aide de l'algorithme de Dijkstra).

Néanmoins, la méthode proposée par Gupta donne un algorithme optimal par rapport aux coûts opératoires, mais elle ne prend pas en considération les valeurs en fin de vie des composants récupérés. Dans les processus réels de désassemblage on préfère souvent un désassemblage destructif au lieu d'un désassemblage propre pour minimiser le coût du processus.

Dans [McGovern, 2004] McGovern et Gupta proposent deux méthodes d'optimisation combinatoire pour l'équilibrage de la ligne de désassemblage : les algorithmes génétiques et les méta heuristiques Hunter Killer. Les auteurs utilisent une technique de recherche exhaustive dans l'espace des solutions pour trouver une solution optimale et pour établir des temps de travail égaux. Le but de la méthode est de minimiser le nombre de stations de travail donc leur technique peut être utilisée dans l'étape de la conception de la ligne de désassemblage. La méthode est approprié au problème DLBP déterministe. Les algorithmes génétiques sont rèlativement lents. La meta heuristique trouve des sous-solutions optimales convenables. L'avantage de la méthode proposée dans cet article est que pour un problème de taille reduite, c'est à dire d'un produit qui

nécessite un nombre d'opérations de désassemblage n<12, la solution trouvée est trés proche de la solution optimale. Une combinaison des methodes proposées est envisagé pour augumenter la taille du problème.