• Langue : Anglais
• Discipline : Automatique, productique
• Identifiant : 2020LILUI015
• Type de thèse : Doctorat
• Date de soutenance : 26/06/2020

Résumé en langue originale

Ce travail vise à optimiser la production de vêtements et à résoudre le dilemme entre le personnalisation et le coût dans le contexte de la personnalisation de masse. Tout d'abord, des méthodes pratiques de coupe (incluant la définition des tailles) pour la personnalisation de masse issues des pratiques industrielles de production sont proposées. Des tailles additionnelles, sélectionnées pour leurs bonnes performances de personnalisation et de coût, sont utlisées pour optimiser les processus de coupe, à savoir le taillant, le matellassage et placement, par des méthodes exactes et d'intelligence artificielle. Un algorithme génétique est utilisé pour construire l'ensemble de tailles optimisant le bien aller, une optimisation linéaire en nombres entiers est utilisée pour définir la planification de la coupe la moins coûteuse, une régression multi-linéaire et un réseau neuronal sont appliqués pour estimer la longueur des placements. Ces différentes méthodes proposées pour améliorer la personnalisation de masse se sont avérées efficaces. La relation indirecte entre le degré de personnalisation et le coût de la coupe est établie. Ces methodes ont également permis de définir les meileures compromis entre la satisfaction consommateur et les coûts de production. Le modèle de prévision de la longueur de placement permet de réduire la charge de travail pour le calcul de placement et fournit ainsi les longueurs de placements utiles pour estimer les coûts avec une efficacité élevée et une précision acceptable. L'ensemble de ces travaux contribue à la transition de la production de masse de vêtements vers personnalisation de masse.

Résumé traduit

The work aims to make optimizations of garment production and resolve the dilemma between personalization and cost in the context of mass customization. Firstly, practical mass customization methods regarding cutting-related processes (including sizing) are proposed adapted from the industrial practice of traditional mass production. Due to the good performances of personalization and cost, additional sizes are adopted in the further optimizations of specific cutting-related processes, i.e., sizing, cutting order planning, and marker making with exact methods and artificial intelligence techniques. A genetic algorithm is used for the best set of additional sizes, an integer programming is employed for the best cutting order plan (i.e., the lay planning with the corresponding markers), a multi-linear regression, and a neural network are applied to estimating marker lengths. The proposed mass customization methods are proved to be efficient. The underneath indirect relationship between personalization and cost is established. With the help of the optimized cutting-related processes, the balance of personalization and cost is demonstrated. The estimation of marker length reduces the marker making workload and provides marker lengths for cutting cost estimation with a high efficiency and an acceptable accuracy. All the above enable the garment production to shift from mass production to mass customization.