Personnel scheduling considering learning and forgetting process

Summary: Malgré l’essor de l’automatisation, les systèmes de production à forte main d’œuvre sont toujours utilisés en raison de la nécessité de flexibilité et de précision dans l’accomplissement de certaines tâches. Dans de tels contextes, on s’intéresse à l'impact de l'apprentissage et de la fatigue sur la productivité des tâches manuelles sur un problème d’ordonnancement de flowshop (FSSP). Dans un premier temps, une revue de la littérature a été réalisée sur le problème d’ordonnancement en considérant les effets d’apprentissage et de détérioration. Une approche théorique a été utilisée pour aborder le problème du FSSP avec effets d'apprentissage. Des modèles mathématiques minimisant la durée totale des travaux (makespan) ont été présentés. Des méthodes exactes et des heuristiques ont été proposées pour résoudre le problème pour des instances de petite et grande tailles. La fatigue étant un type de détérioration, un modèle multi-agents a été proposé pour valider l'intégration de la fatigue musculaire dans la FSSP en minimisant la dose accumulée de fatigue. Enfin, le cadre a été validé sur une étude de cas réalisée sur une ligne de préparation de commandes manuelle. La modélisation des effets d'apprentissage et de fatigue ainsi que le calcul des paramètres du modèle générés à partir de données réelles ont été discutés. Une approche bi-objectif a été proposée pour minimiser simultanément la durée totale des travaux et la dose de fatigue accumulé. Des politiques de pause sont recommandées en fonction des besoins de l'entreprise et de l'objectif à prioriser. L'objectif de ce travail est d'inspirer les travaux futurs qui s'intéressent à la résolution des problèmes de recherche opérationnelle avec une intégration responsable des facteurs humains.

Mots-clés: Ordonnancement; Flowshop; Effet d'apprentissage; Effet de fatigue.