Outils d'aide à la décision pour la sélection des filières de valorisation des produits de la déconstruction des systèmes en fin de vie : application au domaine aéronautique, End-of-life option selction decision support tools

Matthieu Godichaud

Description

Sous la direction de François Pérès
Thèse soutenue le 22 avril 2009: INPT
Dans un contexte de développement durable, les enjeux de la dernière phase du cycle de vie d'un système, la phase de retrait de service, se sont accrus ces dernières années. Les systèmes en fin de vie doivent être déconstruits afin d'être revalorisés pour répondre aux différentes exigences environnementales. Cette responsabilité incombe au concepteur qui doit définir le sous-système support de la phase de retrait de service : le système de déconstruction. Sa principale fonction est la réalisation de l'activité de déconstruction dans l'objectif de favoriser en aval le recyclage de la matière des constituants du système en fin de vie et/ou leur recyclage fonctionnel. Les stratégies de déconstruction doivent répondre à l'ensemble des problèmes de décision posés lors de la phase de retrait de service d'un système. Il s'agit notamment de sélectionner les constituants valorisables suivant des critères techniques, économiques et environnementaux puis de définir et optimiser le système de déconstruction permettant l'obtention de ces produits. La solution obtenue définie ce que nous avons appelé une trajectoire de déconstruction. Nos travaux portent sur la modélisation et l'optimisation de ces trajectoires. Nos développements s'articulent en quatre phases. Etat de l'art et démarche de définition d'une trajectoire. Dans cette phase, une structure de démarche de définition de trajectoires de déconstruction est proposée puis instrumentée. Les modèles généralement utilisés dans ce cadre sont de type déterministe et ne permettent pas de prendre en compte et de gérer les incertitudes inhérentes au processus de déconstruction (état dégradé du système en fin de vie et de ses constituants, demandes en produits issus de la déconstruction, dates de fin de vie des systèmes, …). Pour déterminer une solution robuste de déconstruction d'un système en fin de vie, l'aide à la décision proposée doit intégrer des incertitudes de nature diverse tout en facilitant leur gestion et leurs mises à jour. Incertitudes en déconstruction. Sur la base de ce constat, l'ensemble d'incertitudes couramment mises en jeu dans l'optimisation des trajectoires est identifié et caractérisé. Les méthodes probabilistes apparaissent comme des approches privilégiées pour intégrer ces incertitudes dans une démarche d'aide la décision. Les réseaux bayésiens et leur extension aux diagrammes d'influence sont proposés pour répondre à différents problèmes de décision posés lors de la définition d'une trajectoire de déconstruction. Ils servent de support au développement d'un outil d'aide à la décision. Modélisation de trajectoires de déconstruction : principes et approche statique d'optimisation. Après avoir présenté ses principes de modélisation, l'outil est développé dans une approche de détermination d'une trajectoire de déconstruction d'un système en fin de vie donné. La trajectoire obtenue fixe la profondeur de déconstruction, les options de revalorisation, les séquences et les modes de déconstruction suivant des critères économiques et environnementaux tout en permettant de gérer différents types d'incertitude. L'utilisation de critères économiques est ici privilégiée. Un exemple d'application sur un système aéronautique est développé pour illustrer les principes de modélisation. Approche dynamique pour l'optimisation d'une trajectoire de déconstruction. Le champ d'application de l'outil d'aide à la décision est étendu en intégrant une dimension temporelle à la modélisation du problème à l'aide des réseaux bayésiens dynamiques. Les trajectoires de déconstruction peuvent ainsi être établies sur des horizons couvrant les arrivées de plusieurs systèmes en fin de vie en présence d'incertitudes. Le modèle permet de déterminer des politiques de déconstruction pour chaque opération identifiée dans la trajectoire en fonction de différents paramètres liés à la gestion des demandes et des arrivées ou encore au processus d'obtention de ces produits. Le décideur peut ainsi adapter l'outil à différents contextes de détermination de trajectoire de déconstruction de systèmes en fin de vie.
-Déconstruction
-Aide à la décision
-Réseaux bayésiens
-Cycle de vie
-Incertain
-Systèmes complexes
In a sustainable development context, stakes of the last stage of system life cycle, the end-of-life stage, increase these last years. End-of-life systems have to be demanufactured in order to be valued and answer environmental requirements. The aim of disassembly strategies is to bring solutions to the whole decision problem put during the end-of-life stage of systems. In particular, decision maker have to select valuable products in function of technical, economical and environmental criteria and, then, design and optimise disassembly support system allowing generating these products. The solution determines what we call a disassembly trajectory and ours works deal with modelling and optimization of these trajectories. Definition steps of disassembly trajectories are proposed, structured and instrumented. Models that are generally used in this frame are determinist and do not allow taking into account and managing uncertainties that are inherent to disassembly process (degradation of products, demand for valuable product, systems end-of-life dates, ...). In order to determine a robust disassembly solution, decision aid has to integrate uncertainties from various origins while facilitating their management and their update. On the basis this observation, all the uncertainties involved in disassembly trajectory optimization are identified and characterized. Basing on Bayesian networks, the proposed tool is developed through a “static” approach of disassembly trajectory. Indeed, the obtained trajectory gives the disassembly level of the end-of-life system, recycling options, sequences and disassembly modes in function of economical criteria while allowing managing uncertainties. An application example on an aeronautical system is developed to illustrate the modelling method. The application field of the model is extended to take into account time dimension (dynamic approach) by using dynamic Bayesian networks. Trajectories can be defined on horizons that integrate several arrivals of end-of-life systems. Decision makers can so adapt the model to various contexts
-Disassembly
-Decision aid
-Life Cycle
-Bayesian Network
-Complex Systems
-Uncertain
Source: http://www.theses.fr/2009INPT046H/document

Sujets

• Déconstruction
• Aide à la décision
• Cycle de vie
• Incertitude
• Système complexe

Informations

• Publié par: Thesee
• Nombre de lectures: 124
• Langue: Français
• Poids de l'ouvrage: 3 Mo

Extrait

THÈSE


En vue de l'obtention du

DOCTORAT DE L ’UNIVERSITÉ DE TOULOUSE

Délivré par Institut National Polytechnique de Toulouse
Discipline ou spécialité : Systèmes Industriels


Présentée et soutenue par GODICHAUD Matthieu
Le 22 avril 2009

Titre : Outils d’aide à la décision pour la sélection des filières de valorisation
des produits de la déconstruction des systèmes en fin de vie : application au
domaine aéronautique
JURY
M. LAMOURI Samir – Professeur d’Université à SUPMECA Paris – Rapporteur
M. RIANE Fouad – Professeur à Facultés Universitaires Catholiques de Mons – Rapporteur
M. CRAYE Etienne – Professeur d’Université à l’Ecole Centrale Lille – Membre
M. IUNG Benoît – Professeur d’Université l’Université Henri Poincaré de Nancy – Membre
M. PERES François – Maître de Conférences HDR à l’ENIT – Directeur de thèse
M. TCHANGANI Ayeley – Maître de Conférences à l’Université Paul Sabatier – Co-encadrant
M. FOURNADET Philippe – TARMAC AEROSAVE – Membre Invité

Ecole doctorale : Ecole Doctorale Systèmes
Unité de recherche : Laboratoire Génie de Production
Directeur(s) de Thèse : PERES François







2



Avant-propos


Ce travail a été réalisé au Laboratoire Génie de Production de l’Ecole Nationale de Tarbes au sein de
l’équipe Production Automatisée. Plusieurs personnes y ont contribué et l’ont rendu possible. Je tiens
à les remercier avant de commencer ce mémoire.

En premier lieu je tiens à remercier M. Daniel Noyes, professeur à l’ENIT et directeur du LGP, pour
m’avoir accueilli au sein du laboratoire et pour m’avoir offert les conditions de travail idéales, tant
matérielles que morales, tout au long de cette thèse.

Je tiens particulièrement à remercier mon directeur de thèse M. François Pérès, Maître de Conférences
– HDR à l’ENIT, pour ses qualités humaines et d’écoute d’une part et, d’autre part, pour son soutien
continu et infaillible dans toutes les situations et les périodes de doute qui m’a toujours apporté la
motivation nécessaire à l’aboutissement de cette thèse. Il a su m’accordé l’autonomie tout en
m’apportant des conseils avisés et des éclairages toujours pertinents pour aller dans les bonnes
directions. Je remercie également M. Ayeley Tchangani, co-encadrant de cette thèse et Maître de
Conférences à l’ENIT, tout particulièrement pour ces compétences scientifiques qu’il a su me
communiquer au travers de nos différents échanges.

Plusieurs personnes ont contribués à la finalisation de cette mémoire, lesquels je tiens à remercier. Il
s’agit de M. Samir Lamouri, Professeur à SUPMECA, et M. Fouad Riane, Professeur aux Facultés
Universitaires Catholiques de Mons, pour avoir accepté de rapporter ce travail et pour avoir pris de
leur temps pour me proposer leur vision des problématiques traitées qui m’ont permis d’améliorer ce
travail. Je remercie également M. Etienne Craye, Professeur à l’Ecole Centrale Lille, et M. Benoît
Iung, Professeur à l’Université Henri Poincaré de Nancy, d’avoir accepté de participer à mon jury et
pour leurs questions pertinentes.

Je remercie également l’ensemble de mes collègues de travail au sein du Laboratoire Génie de
Production pour m’avoir fourni, chacun à leur manière, un environnement convivial propice au bon
déroulement et à l’aboutissement de ce travail.

Enfin, je tiens à remercier ma famille et mon entourage qui m’ont soutenus tous au long de ces années
et dans tous mes projets.






3



4
Table des matières
Table des matières
Liste des figures....................................................................................................................................... 9
Liste des tableaux .. 11
Introduction générale ............................................................................................................................. 13
I – La déconstruction des systèmes en fin de vie : cadre général .......................... 17
1. Contexte de la déconstruction des systèmes en fin de vie 17
1.1. Le développement durable ..................................................................................................... 17
1.2. Cadre législatif ....................................................... 18
1.3. Logistique inverse .................................................................................. 22
2. Déconstruction des systèmes en fin de vie .................... 28
2.1. Les systèmes en fin de vie ...................................................................................................... 28
2.2. Projet de déconstruction ......... 34
2.3. Processus de déconstruction ... 35
3. Conclusion ..................................................................................................................................... 37
II – Etat de l’art et démarche de définition d’une trajectoire de déconstruction ... 39
1. Typologie des plans de désassemblage et de déconstruction ........................................................ 39
1.1. Vue produit ............................................................................................. 39
1.2. Vue planification .................... 40
1.3. Classification des plans de désassemblage ............................................................................. 40
2. Démarche de définition d’un plan ................................. 42
2.1. Analyse et description d’un système en fin de vie ................................................................. 43
2.2. Spécification du process de désassemblage............ 51
2.3. Optimisation d’un plan de désassemblage.............................................................................. 58
3. Synthèse et conclusion .................................................. 70
III – Identification et structuration d’une démarche d’analyse des incertitudes en déconstruction ...... 75
1. Structuration du problème de détermination d’une trajectoire de déconstruction ......................... 75
1.1. Description du problème ........................................................................................................ 75
1.2. Analyse des éléments d’une trajectoire .................. 77
1.3. Représentation générique d’une trajectoire ............ 78
2. Identification des incertitudes en déconstruction .......................................................................... 79
2.1. Variables « produit » .............................................. 80
2.2. Variables « contexte » ............ 85
2.3. Variables « activité » .............................................................................. 89
2.4. Variables « performance » ..................................... 92
5
Table des matières

2.5. Ensemble des variables d’analyse du problème ..................................................................... 93
3. Modélisation des incertitudes ........................................ 93
3.1. Approche probabiliste ............ 94
3.2. Réseaux bayésiens et diagrammes d’influence ...................................................................... 97
3.3. Obtention des données probabilistes .................................................................................... 101
4. Conclusion ................................................................... 102
IV – Modélisation des trajectoires de déconstruction : principe et approche statique ........................ 103
1. Modélisation du problème : rappels ............................................................ 103
1.1. Représentation des trajectoires de déconstruction ................................ 104
1.2. Optimisation ......................................................................................... 105
1.3. Conclusion ............................................................ 107
2. Modélisation de processus industriels par réseaux bayésiens ..................... 107
2.1. Trajectoire et processus ........................................................................................................ 108
2.2. Modélisation d’une activité .. 108
2.3. Caractérisation des variables ................................................................................................ 109
2.4. Spécification de l’enchaînement des activités ...... 110
3. Optimisation des trajectoir