The optimization of the lean supply chain management using meta-heuristic approach

Nguyen, Thi Hong Dang (2020). The optimization of the lean supply chain management using meta-heuristic approach. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (7MB) | Prévisualisation

Résumé

Since the early 1990s, Lean Manufacturing (LM) has received worldwide attention from both scholars and practitioners due to the tremendous success of Toyota. Witnessing the fruitage of LM’s founder, enterprises have been attempting to implement LM within the factory and then the supply chain (SC) under the form of lean supply chain (LSC). Over time, lean supply chain management (LSCM) is now being considered as the ideal model for companies to gain competitive advantages and also hedge against threats. Inspired by this, the thesis here entitled “The optimization of the lean supply chain management using meta-heuristic approach,” studies the opportunities of improving the performance of LSCM through solving its problems in an optimal manner. The thesis is developed based on the findings from four articles conducted in this field.

The thesis begins with a systematic review of the most relevant areas from LSCM in order to build up the necessary background, thereby orienting the research direction. Ensuing these bases, a novel quantitative framework of optimizing the design of pure LSC is introduced. This work applies LM as a dual filter to eliminate waste on both SC function and SC structure. The problem is illustrated through a numerical example and solved by priority Genetic Algorithm meta-heuristic (APPENDIX I, p.161).

In the development of LSCM, the lean model was integrated with an agile paradigm through a decoupling point to form the leagile supply chain (LA SC). This hybrid SC was widely evaluated as the most advanced and intelligent model in modern management. Following this progression, the thesis coins the concept of leagile bill of material (LA BOM) to add agility into the above new-designed LSC. In this LA BOM, LM tools are employed to simplify the structure of a product family and to amplify the combination of components. The joint design of the product family through LA BOM and its LA SC is conducted and optimized simultaneously. The joint design also takes into account the placement of decoupling points to define the best configuration of the chain and its product allocation. The framework is illustrated by a case study in the furniture industry and solved by Genetic Algorithm MH. The framework is validated by comparing it with the exact solver LINGO.

In an era of globalization, SC facilities may scatter in different regions to meet business goals. To save costs, the plants tend to select local suppliers who are aggregated into the milk-run delivery (or milk-run) within a relatively narrow region. Bearing in mind the facts, this thesis uses the aforementioned LA SC in case study to build up a leagile resilient green (LARG) SC. It aims at contemporaneously gaining a raft of benefits of cost reductions, responsiveness, and environmental reputation, while improving resilience to disruptive risks. To attain this goal, this work focuses on both design and management stages. In product design, the thesis adds the green factor in the mentioned LA BOM. Next, to enhance the system’s resilience to threats, besides inventory, two resilient practices—‘dual sourcing’ and ‘supplier's reliability’—are employed in the supplier selection. The lean-green practice is also applied through the implementation of ‘milk-run delivery’ in the sourcing network. These works are formulated into a bi-objectives mathematical model with the objective of minimizing the total purchasing cost as well as the ‘Miss-the-Target’ value of suppliers. In the management stage, two robust measures namely ‘capacity reserve’ and ‘surplus capacity of supplier’, are employed. Moreover, the thesis shares one practical robust practice, the socalled 70/30 rule, which is currently applied in the above case study.

Here, the problem in the design step is optimized by weighted goal programming. However, it confronts the complex nature of the milk-run, the NP-complete problem, which is hard to optimize by the exact method. This has inspired the thesis to implement a meta-heuristic approach. Specifically, the thesis tries to develop a novel hybrid meta-heuristic (HMH), namely HAT, which is hybridized from the two meta-heuristics of Ant Colony Optimization (ACO) and Tabu Search (TS). HAT is tested in one milk-run case study of a small-sized automobile LSC, which was solved by ACO. The thesis also qualifies the HAT in large-scale milk-runs through random data by comparing it with ACO, TS and LINGO. In the former, HAT proves superior to the original results although it has yet to reach the global optimum. In the latter, the HAT’s solution is quite promising when it surpasses both those of ACO and TS on quality search and outperforms LINGO at processing time. From such promising results, the thesis proposes a new method to optimize the milk-run delivery problem, which uses exact method for small cases and HAT for large milk-runs. Finally, this HMH HAT is applied to optimize the proposed LARG SCD. The solutions demonstrate how a real company can simultaneously develop LARG model in reality.

Titre traduit

L'optimisation de la gestion de la chaîne d’approvisionnement épurée à l'aide de l’approche métaheuristique

Résumé traduit

Depuis le début des années 1990, la gestion épurée (le Lean Manufacturing—LM) a reçu une considérable attention par des chercheurs et des professionnels manufacturiers grâce au succès reconnu de Toyota. Voyant les fruits du fondateur de LM, les entrepreneurs tentaient d’appliquer LM au sein de l’entreprise et ainsi qu’à la chaîne d’approvisionnement (LSC). Au fil du temps, la gestion de la chaîne d’approvisionnement épuré (LSCM) est considérée comme le modèle idéal permettant aux entreprises d’obtenir des avantages concurrentiels et de se protéger contre les menaces. Inspiré de cela, la présente thèse intitulée «L’optimisation de la gestion de la chaîne d’approvisionnement épuré à l’aide de l’approche métaheuristique», qui étudie les possibilités d’améliorer les performances des LSCM en résolvant les problèmes de ce domaine de manière optimale. La thèse est développée sur la base des résultats de quatre articles menés dans LSCM à ce sujet.

La thèse commence par une revue systématique des domaines les plus pertinents pour la LSCM afin de définir la fondation qui orientera ainsi la direction de la recherche. À partir de ces bases, la thèse introduit ensuite un nouveau cadre quantitatif de la conception de la LSC. Ce travail applique le filtre double LM afin d’éliminer les gaspillages sur la fonction et la structure de la SC. Le problème est illustré par un exemple numérique et résolu par la priorité algorithme génétique métaheuristique (l’Annexe I, p.161).

Dans le développement de LSCM, à partir du paradigme épuré, elle a été intégrée au modèle agile via un point de découplage pour former la chaîne d’approvisionnement leagile (LA SC). Cette LA SC hybride est largement considérée comme le modèle avancé et intelligent du management moderne. Suite à cette progression, la thèse crée le concept de la nomenclature leagile (LA BOM) pour placer l'agilité dans le nouveau LSC ci-dessus. Dans cette nomenclature LA, les outils LM sont utilisés pour simplifier la structure d'une famille de produits et pour amplifier la combinaison de composants. La conception de la famille de produits à travers LA BOM et son LA SC est menée et optimisée simultanément. La conception conjointe prend en compte l'emplacement des points de découplage pour définir la meilleure configuration de la chaîne et son affectation de produit. Le cadre est illustré par une étude de cas dans l'industrie du meuble et résolu par algorithme génétique métaheuristique. Le cadre est validé en le comparant à LINGO.

À l'ère de la globalisation, les facilités de la LSC peuvent être développées dans différentes régions afin d’atteindre des résultats économiques. Pour réduire les coûts, les usines ont souvent tendance à prioriser le réseau des fournisseurs locaux, regroupé au sein d’un groupement de livraison de lait (milk-run delivery ou milk-run) dans une région peu étendue. Gardant ces faits à l’esprit, cette thèse utilise l'étude de cas susmentionnée LA SC pour construire un réseau de leagile resilient green (LARG). Il vise à gagner simultanément une multitude d'avantages comme la réduction des coûts, la réactivité et la valorisation de leur image environnementale tout en améliorant la résilience aux risques perturbateurs. Pour atteindre cet objectif, la thèse se concentre à la fois sur les étapes de conception et de gestion. Dans la conception du produit, elle ajoute le facteur vert en intégrant la mention LA BOM. Ensuite, pour améliorer la résilience du système aux menaces, l’inventaire et deux pratiques rigoureuses, « l’approvisionnement à double sources » et la « fiabilité du fournisseur » sont utilisées dans la sélection des fournisseurs. La pratique épurée verte est également appliquée à travers la mise en oeuvre de la livraison de lait dans le réseau d'approvisionnement. Ces travaux sont formulés dans un modèle mathématique à deux objectifs dans le but de minimiser le coût d'achat ainsi que la valeur « perte sur objectif » (miss-the-target) des fournisseurs. Au stade de la gestion, deux mesures rigoureuses, à savoir la « réserve de capacité » et la « capacité excédentaire du fournisseur », sont utilisées. De plus, la thèse partage une pratique rigoureuse de la « règle 70/30 » qui s'applique actuellement dans l'étude de cas ci-dessus.

La problématique rencontrée dans l'étape de conception est optimisée par la programmation d'objectifs pondérés. Cependant confronté à la nature complexe de la livraison de lait, le problème NP-complet est difficile à optimiser par la méthode exacte. Il inspire la thèse pour implémenter une approche méta-heuristique. Plus précisément, la thèse tente de développer une nouvelle méta-heuristique hybride (HMH), à savoir HAT, qui est hybridée à partir des deux méta-heuristiques optimisation des colonies de fourmis (Ant Colony Optimation—ACO)-recherche tabou (Tabu Search—TS). La HAT est testée dans une étude de cas sur la livraison de lait à travers un LSC automobile de petite taille qui a été résolue par ACO.

La problématique rencontrée dans l'étape de conception est optimisée par la programmation d'objectifs pondérés. Cependant confronté à la nature complexe de la livraison de lait, le problème NP-complet est difficile à optimiser par la méthode exacte. Il inspire la thèse pour implémenter une approche méta-heuristique. Plus précisément, la thèse tente de développer une nouvelle méta-heuristique hybride (HMH), à savoir HAT, qui est hybridée à partir des deux méta-heuristiques optimisation des colonies de fourmis (Ant Colony Optimation—ACO)-recherche tabou (Tabu Search—TS). La HAT est testée dans une étude de cas sur la livraison de lait à travers un LSC automobile de petite taille qui a été résolue par ACO.

Type de document:	Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment for the degree of doctor of philosophy. Comprend des références bibliographiques (pages 187-223).
Mots-clés libres:	chaîne d’approvisionnement épuré, chaîne d'approvisionnement leagile, chaîne d'approvisionnement leagile vert résilient, gestion de la chaîne d'approvisionnement, conception de la chaîne d'approvisionnement, nomenclature leagile, conception de la famille de produits, hybride métaheuristique optimisation des colonies de fourmis-recherche tabou, optimisation, livraison de lait
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Dao, Thien-My
Programme:	Doctorat en génie > Génie
Date de dépôt:	25 janv. 2021 19:58
Dernière modification:	30 mars 2021 20:34
URI:	https://espace.etsmtl.ca/id/eprint/2626

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt