Dans cette présentation, nous traitons trois problèmes d’ordonnancement intégré de la production et de la manutention dans un contexte d’atelier multi-gamme. On considère, dans les trois problèmes, que les machines sont des ressources contraignantes. On ajoute à cela d’autres ressources contraignantes selon le niveau de détail de chacun des problèmes. Au premier problème, on considère uniquement les chariots comme ressources contraignantes. Au deuxième problème, les chariots et des routes prédéterminées, déterminées par les k-plus courts chemins, sont des ressources contraignantes. Au troisième problème, les chariots, les tronçons du réseau de manutention ainsi que les files d’attente sont des ressources contraignantes. Pour chacun des problèmes, un modèle en programmation mathématique et un modèle en programmation par contraintes sont proposés. La résolution a été effectuée à l’aide d’un logiciel commercial. Les deux approches de résolution ont des performances variables selon le problème.

On considère le problème de la taille optimale de n lots d'un produit dans un atelier de type flow-shop sans attente ayant un nombre arbitraire de machines. La durée d'exécution totale obtenue est une fonction non-convexe de n-1 paramètres représentant les ratios des tailles de sous-lots consecutifs. Il n'existe pas de méthode répertoriée pour calculer l'optimum global de ce type de fonction. On montre toutefois que cette fonction continue est une fonction homographique par morceaux de chacun des paramètres, dont le dénominateur est strictement positif. Elle est donc analytique par morceaux. On peut facilement la prolonger sur un compact de R^{n-1}. Elle admet donc un maximum et un minimum. Des résultats de la théorie des feuilletages à singularités isolées, obtenus précédemment par l'un des auteurs permettent de montrer l'unicité du minimum, le maximum étant obtenu sur la frontière du compact considéré. L'utilisation de techniques du type "gradient" ou programmation dynamique est donc légitimée. Nous en déduisons un algorithme polynomial pour le calcul du minimum global.

This paper focuses on the demand due date factor in multi-echelon distribution network problems and its impact on the production scheduling in manufacturing plants. Short and reliable demand due date is critical in winning of customer orders. However, this usually requires higher operating costs. Many research works on the determination of the trade-off between earliness and tardiness have been studied. Intelligent control of the lead time of demand becomes a key issue. In this connection, a multi-criterion genetic optimization methodology is developed for solving this problem. For enabling multi-criterion decision-making, the proposed algorithm combines Analytic Hierarchy Process with genetic algorithms. The problem is divided into two parts - (i) demand allocation, and transportation problem, and (ii) production scheduling problem. The optimization approach applies genetic algorithm to iteratively optimize part (i), and then part (ii). Two experiments have been carried out. The computation results show that the effect of due date is critical, and the ability of the proposed algorithms in taking trade-off between earliness and tardiness, is highlighted.