Ordonnancement adapté aux salles blanches de R&D // Scheduling adapted to R&D cleanrooms

En pleine transition numérique, caractérisée par le développement fulgurant des nouvelles technologies, ce sujet vise à participer à l’automatisation des processus d’aide à la décision dans un environnement dynamique et complexe, et à réduire les temps de cycles dans un milieu de R&D de plus en plus soumis à une injonction d’efficacité.
Dans le contexte actuel marqué par une grande incertitude et de multiples crises (géopolitique, économique et écologique), l'industrie de la fabrication microélectronique est confrontée à une concurrence mondiale. Pour faire face à ces défis, ce projet de thèse se propose de développer des méthodes de résolution pour un problème d'ordonnancement sur des machines complexes au sein d'ateliers flexibles, en prenant en compte le caractère dynamique et la complexité de l'environnement de production microélectronique.
L'objectif est de proposer des approches proposant des solutions robustes et pertinentes sur le plan industriel pour relever ces défis. La robustesse sera évaluée en utilisant des indicateurs de risque appropriés, tandis que la pertinence industrielle sera mesurée via des indicateurs de performance préalablement identifiés. Les approches de résolution proposées seront évaluées à travers des expérimentations numériques réalisées sur des instances benchmark et des cas industriels, et plus particulièrement sur le WIP des salles blanches du LETI. En particulier, la prise en compte des campagnes équipement et des long down sera un des axes de travail de la thèse. Les spécificités des différents ateliers (en-cours élevé et temps de traitement court, en-cours limité avec temps de traitement long) seront également étudiées afin de fournir un outil global, adapté aux salles blanches R&D, et performant.

------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

In the midst of digital transition, characterized by the rapid development of new technologies, this subject aims to participate in the automation of decision support processes in a dynamic and complex environment, and to reduce cycle times in an R&D environment, increasingly subject to an injunction of efficiency.
In the current context marked by great uncertainty and multiple crises (geopolitical, economic and ecological), the microelectronics manufacturing industry is facing global competition. To face these challenges, this thesis project aims to develop resolution methods for a scheduling problem on complex machines within flexible workshops, taking into account the dynamic nature and complexity of the microelectronics production environment.
The objective is to propose approaches offering robust and industrially relevant solutions to meet these challenges. Robustness will be assessed using appropriate risk indicators, while industrial relevance will be measured via previously identified performance indicators. The proposed resolution approaches will be evaluated through numerical experiments carried out on benchmark instances and industrial cases, and more particularly on the WIP of LETI cleanrooms. In particular, taking into account equipment campaigns and long downs will be one of the work areas of the thesis. The specificities of the different workshops (high work in progress and short processing time, limited work in progress with long processing time) will also be studied in order to provide a global tool, adapted to R&D clean rooms, and efficient.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département des Plateformes Technologiques (LETI)
Service : Service Méthodes, Interface Technologique et Logistique
Laboratoire : Laboratoire Logistique, Approvisionnement et Méthodes
Date de début souhaitée : 01-10-2024
Ecole doctorale : Sciences, Ingénierie, Santé (EDSIS)
Directeur de thèse : ROUSSY Agnès
Organisme : Mines St Etienne
Laboratoire : CMP / SFL
URL : https://www.leti-cea.fr/cea-tech/leti/Pages/recherche-appliquee/plateformes/salles-blanches.aspx
URL : https://limos.fr/

Public/private mixed funding

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département des Plateformes Technologiques (LETI)
Service : Service Méthodes, Interface Technologique et Logistique

Génie Industriel et/ou Recherche Opérationnelle