Thèse Hichem

Modélisation, simulation et optimisation pour
l’éco-fabrication
Hichem Hassine
To cite this version:

Hichem Hassine. Modélisation, simulation et optimisation pour l’éco-fabrication. Génie
mécanique [physics.class-ph]. Ecole Centrale Paris, 2015. Français. <NNT : 2015ECAP0016>.
<tel-01158561>
HAL Id: tel-01158561

https://tel.archives-ouvertes.fr/tel-01158561
Submitted on 1 Jun 2015
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
THÈSE
Présentée par HASSINE HICHEM
Pour l’obtention du
GRADE DE DOCTEUR
École Doctorale : École Centrale Paris (ED287)\ Ecole Nationale d’Ingénieurs

de Sfax
Spécialité : Génie Mécanique
Laboratoire d’accueil : LISMMA (EA2336)\ LA2MP
Modélisation, Simulation et Optimisation pour

l’Eco-Fabrication
Soutenue le : 09/02/2015
Devant un jury composé de :
M. RIVIERE Alain Professeur des Universités SUPMECA

M. MILLET Dominique Professeur des Universités SUPMECA, Toulon
M. CHEUTET Vincent Professeur des Universités INSA, LYON
M. CHALBI Anis Professeur des Universités ENSIT
M. HADDAR Mohamed Professeur des Universités ENIS
M. LOUATI Jamel Professeur des universités ENIS
M. BELLACICCO Alain Professeur Agrégé SUPMECA
M. BARKALLAH Maher Maître Assistant ENIS
N° 2015ECAP0016
Remerciements
Le travail de recherche exposé dans ce mémoire de thèse a été réalisé en cotutelle entre
le Laboratoire de Mécanique, Modélisation et Productique (LA2MP) à l’Ecole Nationale
d’Ingénieur de Sfax (ENIS- Tunisie) et le Laboratoire d’Ingénierie des Systèmes Mécaniques
et des Matériaux (LISMMA) à l’institut Supérieur de Mécanique de Paris (SUPMECA-
Paris).
Je tiens à exprimer mes vifs remerciements et toute ma reconnaissance à mes directeurs
de thèse Monsieur HADDAR Mohamed , Professeur des universités à l’Ecole Nationale
d’Ingénieurs de Sfax, et Monsieur RIVIERE Alain , Professeur des universités à l’Institut
Supérieur de Mécanique de Paris, pour avoir assuré la direction de mes travaux et pour la
qualité de leur encadrement, leurs conseils et la confiance qu’ils m’ont accordée.
Je tiens à exprimer mes remerciements et ma très vive gratitude à mes encadreurs
Monsieur BELLACICCO Alain, Professeur Agrégé à l’Institut Supérieur de Mécanique de
Paris, et Monsieur LOUATI Jamel Professeur des universités à l’Ecole Nationale
d’Ingénieurs de Sfax pour leurs conseils scientifiques, leurs encouragement et la confiance
qu’ils m’ont accordée ainsi que pour les discussions scientifiques et les échanges qui nous ont
permis de mieux appréhender le sujet de la thèse.
Mes vifs remerciements sont adressés à Monsieur BARKALLAH Maher, Maître
Assistant à l’Ecole Nationale d’Ingénieurs de Sfax, pour son aide et son encadrement.
Je remercie Monsieur CHALBI Anis, Professeur des universités à l’ENSIT, ainsi que
Monsieur CHEUTET Vincent, Professeur des universités à l’Institut Nationale des Sciences
Appliquées de Lyon, d’avoir accepté de rapporter mon mémoire et pour l’intérêt qu’ils ont
bien voulu porter à ce travail.
Mes remerciements s’adressent également à Monsieur MILLET Dominique, Professeur
des universités à l’Institut Supérieur de Mécanique de Toulon, pour avoir accepté de prendre
part au jury.
Mes sincères remerciements s’adressent à tous les membres de LA2MP et de LISMMA
et à tous ceux qui m’ont aidé de près ou de loin à achever ce travail.
Finalement, je tiens à remercier du fond du cœur ma famille sans qui je ne serais jamais arrivé
là.
Modélisation, Simulation et Optimisation Pour l’éco-fabrication Hassine Hichem
Table des matières
Introduction Générale et Problématique .......................................................................... 1

Chapitre 1 : Etude Bibliographique .................................................................................... 4
Introduction ........................................................................................................................................... 4
1. Durabilité et notion de développement durable.......................................................................... 4
2. Changement Climatique et enjeux environnemental ................................................................. 6
2.1. Effet de serre .......................................................................................................................... 6
2.2. Epuisement des ressources.................................................................................................... 8
3. Eco-conception et Analyse de cycle de vie ................................................................................... 9
3.1. Eco-conception ....................................................................................................................... 9
3.2. Niveaux d’éco-conception ................................................................................................... 10
3.3. Réglementations et normalisation ...................................................................................... 11
3.3.1. La Politique Intégrée des Produits (PIP) ................................................................... 11
3.3.2. La directive RoHS ....................................................................................................... 12
3.3.3. La directive EuP : Eco-conception des produits consommateurs d’énergies......... 13
3.3.4. Norme d’Eco-conception : NF E 01-005 .................................................................... 13
3.4. Outils d’éco-conception ....................................................................................................... 13
3.4.1. Outils d’évaluation environnementale ....................................................................... 15
3.4.2. Outils d’amélioration environnementale ................................................................... 16
3.5. Analyse du cycle de vie (ACV) ........................................................................................... 16
3.5.1. Histoire d’ACV ............................................................................................................ 16
3.5.2. Présentation de l’ACV ................................................................................................ 17
3.6. Méthodes d’évaluation des impacts environnementaux .............................................. 19
3.7. Logiciels Pour ACV ......................................................................................................... 21
3.7. Démarches d’intégration de l’Eco-conception .................................................................. 22
4. Eco-fabrication et fabrication durable .......................................................................................... 23
4.1. Modélisation de l’éco-fabrication à base des processus ................................................... 23
4.2. Modélisation de l’éco-fabrication à base énergétique ...................................................... 26
4.3. Modélisation de l’éco-fabrication à base de la consommation des ressources ............... 30
4.4. Notion de la fabrication à basse émission de carbone (LCM) ......................................... 31
5. Les techniques et méthodes d’optimisation……………………………………………..………..35
5.1. Les méthodes déterministes………………………………………………………..…………....36
5.1.1. Les méthodes de gradient………………………………………..……………………………36
5.1.2. La méthode de Newton………………………………………………………………….…….37
5.2. Les méthodes stochastiques……………………………………………………………………..37
5.2.1. Les algorithmes génétiques……………………………………………………………...…….38
5.2.2. La méthode de recuit simulé…………………………………………………………………..41
5.2.3. La méthode de Recherche Tabou…………………………………………………….………42
5.2.4. Optimisation par Colonie de Fourmis………………………………………………………..43
5.2.5. Les essaims particulaires……………………………………………………………….……..44
Conclusion ................................................................................................................................ 46
Chapitre 2 : Approche Process pour la modélisation de l’éco-fabrication ... 48

Introduction ......................................................................................................................................... 48
1. Cadre général de la modélisation de l’éco-fabrication ............................................................. 48
2. Aide à la décision multi critères ................................................................................................. 50
2.1. Définition .............................................................................................................................. 50
2.2. Les types des problématiques de décision ......................................................................... 51
2.3. Méthodes d’aide à la décision multi critères ..................................................................... 51
2.4. Procédure de choix d’une méthode d’aide à la décision .................................................. 52
2.4.1. Caractérisation des inputs .......................................................................................... 54
2.4.2. Caractérisation des outputs ........................................................................................ 55
2.5. Aide à la décision pour l’éco-fabrication ........................................................................... 55
2.5.1. Choix des impacts environnementaux à quantifier .................................................. 56
2.5.2. Choix du scénario de fabrication ............................................................................... 56
3. Approche process pour la modélisation de l’Eco-fabrication ................................................. 56
3.1. Chaîne de production et unité fonctionnelle ..................................................................... 57
3.2. Inventaire du cycle de vie.................................................................................................... 58
3.3. Choix des critères environnementaux ............................................................................... 58
3.3.1. Principe......................................................................................................................... 59
3.3.2. Méthodologie d’aide à la décision .............................................................................. 60
3.4. Evaluation des impacts environnementaux....................................................................... 62
3.5. Aide à la décision multicritère ............................................................................................ 62
3.5.1. Mise en place de la méthode PROMETHE I ............................................................ 63
3.5.2. Problématique de pondération en éco-fabrication ................................................... 64

4. Etude de cas : Production d’acide phosphorique ..................................................................... 64
4.1. Chaîne de Production de l’acide Phosphorique ................................................................ 64
4.1.1. Préparation du soufre liquide..................................................................................... 65
4.1.2. Préparation de l’acide sulfurique............................................................................... 65
4.1.3. Fabrication de l’acide phosphorique ......................................................................... 68
4.2. Inventaire de flux entrés/sorties ......................................................................................... 70
4.3.1. Représentation en arborescence : .............................................................................. 72
4.4. Résultats de la modélisation à l’aide de la méthode CML :............................................. 73
4.4.1. Caractérisation des impacts de la chaîne .................................................................. 73
4.4.2. Comparaison des émissions : (Normalisation) .......................................................... 74
4.4.5. Acidification ................................................................................................................. 75
4.4.6. Le potentiel d’épuisement des ressources ADP ........................................................ 76
4.4.7. Le potentiel de réchauffement climatique GWP ...................................................... 77
4.5. Aide à la décision ................................................................................................................. 78
4.5.1. Mise en situation .......................................................................................................... 78
4.5.2. Application pour le GCT ............................................................................................ 78
4.5.3. Etude d’aide à la décision écologique avec agrégation spécifique ........................... 82
Conclusion ............................................................................................................................................ 85
Chapitre 3 : Approche produit pour la modélisation de l’éco-fabrication ... 87

Introduction ......................................................................................................................................... 87
1. ‘Approche produit’ pour la modélisation de l’Eco-fabrication............................................... 87
2. Optimisation multi objectifs ....................................................................................................... 91
2.1. Optimisation pour l’éco-fabrication .................................................................................. 91
2.2. Méthodologie et outils d’optimisation multi objectifs ...................................................... 93
2.3. Optimisation par Essaim Particulaire ............................................................................... 95
2.3.1. Présentation de l’OEP ................................................................................................. 95
2.3.2. Notion de voisinage : ................................................................................................... 96
2.3.3. L’OEP pour l’optimisation continue ......................................................................... 97
2.3.4. Mise en œuvre de l’OEP pour l’éco-fabrication ....................................................... 98
2.3.5. Approches des poids d’agrégation ............................................................................. 99
2.4. Les Algorithmes génétiques ................................................................................................ 99
2.4.1. Principe méthodologique ............................................................................................ 99
2.4.2. Paramètres d’un AG ................................................................................................. 100
2.4.3. Les AG pour l’optimisation multi objectifs ............................................................. 100

3. Modélisation de la consommation des ressources ................................................................... 106
3.1. Input-Process-Output (IPO) ............................................................................................. 106
3.2. Stratégie d’amélioration de la consommation des ressources à base d’IPO ................ 110
3.3. Le bilan des émissions ....................................................................................................... 110
4. Choix des outils et description de l’approche globale ............................................................ 111
Conclusion .......................................................................................................................................... 111
Chapitre 4 : Etudes de cas .................................................................................................... 114

Introduction ....................................................................................................................................... 114
1. Etude de cas 1 : Pièce de tournage ........................................................................................... 114
1.1. Temps de Production : ...................................................................................................... 114
1.2. Coût de Production : ......................................................................................................... 115
1.3. Emission environnementale :............................................................................................ 115
1.4. Les limitations : ................................................................................................................. 116
1.4.1. Limitation de la puissance de coupe : ...................................................................... 116
1.4.2. Limitation d’efforts-couple admissible sur la broche : .......................................... 117
1.4.3. Limitation liée à l’outil :............................................................................................ 117
1.4.4. Limitation liée à la pièce à usiner : .......................................................................... 117
1.5. Données de simulation....................................................................................................... 117
1.6. Résultats ............................................................................................................................. 117
1.6.1. Evaluation des paramètres de coupe ....................................................................... 118
1.6.2. Evolution des fonctions objectives ........................................................................... 118
1.6.3. Influence de la profondeur de passe ........................................................................ 120
1.6.4. Comparaison avec les algorithmes génétique ......................................................... 121
2. Etude de cas 2 : Pièce de fraisage ............................................................................................. 121
2.1. Les fonctions objectives..................................................................................................... 122
2.1.1. Temps de production................................................................................................. 122
2.1.2. Le coût de production ............................................................................................... 122
2.1.3. L’empreinte écologique ............................................................................................. 123
2.1.4. La qualité de surface ................................................................................................. 123
2.2. Les contraintes de production .......................................................................................... 123
2.2.1. Limitation liée à l’effort de coupe ............................................................................ 123
2.2.2. Limitation liée à la puissance de coupe .................................................................... 124
2.2.3. Limitation liée à la résistance pratique à la rupture .............................................. 124
2.2.4. Limitation sur la résistance à la déformation de l’outil de coupe ......................... 124

2.3. Données de simulation....................................................................................................... 125
Tableau 4.4. Données de simulation............................................................................................. 125
2.4. Formulation du problème ................................................................................................. 125
2.5. Résultats et discussion ....................................................................................................... 126
2.5.1. Evaluation des paramètres de coupe ....................................................................... 126
2.5.2. Evolution des objectives de l’optimisation .............................................................. 127
3. Etude de cas : unité de production de l’acide sulfurique ....................................................... 128
3.1. Présentation de l’unité d’acide sulfurique ...................................................................... 129
3.2. Modélisation de la phase de combustion ......................................................................... 130
3.2.1. Chaleur dégagé Q ...................................................................................................... 130
3.2.3. Bilan enthalpique à l’entré du four : ....................................................................... 132
3.2.4. Bilan enthalpique à la sortie du four : ..................................................................... 132
3.2.5. Bilan enthalpique global ........................................................................................... 133
3.2.6. Fonction Economique pour l’exploitation du four de combustion ....................... 133
3.3. Modélisation de la chaudière de récupération ................................................................ 133
3.3.1. Bilan Enthalpique ...................................................................................................... 134
3.3.2. Fonction Economique................................................................................................ 135
3.4. Modélisation de la phase de conversion........................................................................... 135
3.4.1. 1er Lit de conversion : ................................................................................................ 135
3.4.2. 2ème lit de conversion .................................................................................................. 136
3.4.3. 3ème Lit de conversion ................................................................................................ 137
3.5. Formulation de la problématique d’optimisation........................................................... 137
3.5.1. Fonctions Objectives ................................................................................................. 137
3.5.2. Fonctions Economiques............................................................................................. 138
3.5.3. Fonctions Ecologiques ............................................................................................... 138
3.5.4. Contraintes techniques .............................................................................................. 138
3.5.5. Intervalles pour les variables de décision ................................................................ 138
3.6. Résultats de simulation ..................................................................................................... 139
3.7. Discussion ........................................................................................................................... 141
3.8. Influence de l’optimisation du processus sur les éléments auxiliaires de refroidissement
126
3.8. Surchauffeur .................................................................................................................. 141
3.8.1. Echangeur gaz-gaz chaud côté calandre ................................................................. 141
3.8.2. Echangeur gaz-gaz froid côté calandre ................................................................... 143

3.8.3. Economiseur intermédiaire ...................................................................................... 144
3.8.4. Echangeur GGF côté tubes ....................................................................................... 144
3.8.5. Echangeur GGC côté calandre................................................................................. 145
3.8.6. Discussion ................................................................................................................... 145
Conclusion générale et perspectives ................................................................................ 148

Modélisation, Simulation et Optimisation pour l’éco-fabrication Hassine Hichem
Liste des figures
Chapitre 1
Figure 1.1. Les piliers du développement durable………………..……………….……..…….5

Figure 1.2. Répartition des émissions de GES par secteur en France….……..…….…..……...6
Figure 1.3. Les niveaux d’éco-conception (Brezet, 97)………………….………….………... 8
Figure 1.4. Les phases pivots d’éco-conception (Pochat, 2005)………...…………..……… 12
Figure 1.5. Répartition des outils d’éco-conception……………….…….…………….…......13
Figure 1.6. Les phases du cycle de vie……………………………………….…………….…16
Figure 1.7. Les étapes d’analyse de cycle de vie (norme ISO 14040)…..………..…………..17
Figure 1.8. Catégorie d’impacts environnementaux…………………………….……..….….18
Figure 1.9. Répartition des logiciels d’analyse de cycle de vie……………..…….………….19
Figure 1.10. Evolution et développement de l’Eco-fabrication…………………………..…..21
Figure 1.11. Concept du 6R (Jaafar. IH et al, 2007)……………………………………….....22
Figure 1.12. Optimisation de la planification des process de production à base d’évaluation de
durabilité (Tan et al, 2009)……………………..…………………………………….….……23
Figure 1.13. Besoin en électricité pour les procédés de fabrication (Gutowski, 2001)….…...24
Figure 1.14. Comparaison des différents procédés (Kopac J, 2009)………………………....26
Figure 1.15. Comparaison du coût de production et du temps de production …………….....27
Figure 1.16. Répartition de la consommation d’énergie par secteur en Royaume Uni (BEER
2009)…………………………………………………………………………………….……27
Figure 1.17. Demande en énergie………………………………………………………….....28
Figure 1.18. Consommation d’énergie pour plusieurs machines de fraisage (Dahmus et
Gutowski 2004)…………………………………………………………………………….....29
Figure 1.19. Suivie de la consommation d’énergie par mode de production (Devoldere et al,
2007)………………………………………………………………………………………….30
Figure 1.20. Collection des énergies à base du modèle EPE (Seow. Y et al 2011)……...…...31
Figure 1.21. Ratios d’efficacité énergétique des process………………………………….….31
Figure 1.22. Modèle conceptuel pour la fabrication à zero carbone (BALL 2009)……….….33
Figure 1.23. Les entrés sorties d’énergie et matériaux d’un processus de fabrication
(Gutowski2006)………………………………………………………………………..……..34
Figure 1.24. Cycle de vie des produits à base de la plateforme EU-LCA (Heilala 2008)..…..35
Figure.1.25. Algorithme génétique………………………………..………………………….39
Figure.1.26. Opération de croisement…………………………………………………...……40
Figure.1.27. Opération de mutation…………………………………………………………..40
Figure.1.28. Opération de codage…………………………………………………………….40
Figure.1.29. Algorithme de recuit simulé…………………………………………………….42

Figure.1.30. Algorithme de la Recherche Tabou……………………………………….…….43
Figure.1.31. Stratégie de déplacement d’une particule au niveau des essaims particulaires…45
Chapitre 2
Figure 2.1. Algorithme générale de la modélisation d’éco-fabrication…………………....…49

Figure 2.2. Processus d’aide à la décision (Guitouni et al 1999)…………………..………....51
Figure 2.3. Algorithme de l’approche process pour l’éco-fabrication…………………..…....57
Figure 2.4. Frontières et processus élémentaires d’un système de fabrication………….…....59
Figure 2.5. Eléments de décision pour le décideur...……………………………………...….60
Figure 2.6. Des substances contributives à un (ou des) effet sur l’environnement vers la
caractérisation des impacts (Princaud.M, 2011)…………………………………………...…63
Figure 2.7. Chaîne de production de l’acide phosphorique…………………………….…….65
Figure 2.8. Unité de préparation d’acide sulfurique……………………………………….…67
Figure 2.9. Unité de fabrication de l’acide phosphorique………………………………....….69
Figure 2.10. Processus de filtration de l’acide phosphorique……..…..…………..……….…70
Figure 2.11. Etapes de la phase de concentration………………………………………….…71
Figure 2.12. Modélisation des étapes de la chaîne de fabrication d’acide phosphorique…….71
Figure 2.13. Modélisation en arborescence de la chaîne de production de l’acide
phosphorique…………………………………………………………………………….……73
Figure 2.14. Répartition de l’émission environnementale……………………………...…….75
Figure 2.15. Normalisation des impacts environnementaux………………………….………75
Figure 2.16. Potentiel d’écotoxicité aquatique marine………………………………………..76
Figure 2.17. Potentiel d’écotoxicité aquatique de l’eau………………...…………………….77
Figure 2.18. Potentiel d’acidification……………………...………………………………….77

Figure 2.19. Potentiel d’épuisement des ressources………………………………………….78
Figure 2.20. Potentiel de réchauffement climatique………………………………….………78

Figure 2.21. Répartition des poids des critères pour les différents scénarios…….….…….…80
Figure 2.22. Résultats de surclassement des scénarios……………………..….……….…….81
Figure 2.23. Représentation géométrique des alternatives et des critères……………………82
Figure 2.24. Répartition des poids des critères pour les différents scénarios……...…………84
Figure 2.25. Influence du changement des poids……………………………………………..84
Figure 2.26. Classement partiel des scénarios de production………………………….……..85
Chapitre 3
Figure 3.1. Approche Produit pour la modélisation d’éco-fabrication………………….……88

Figure 3.2. Les niveaux de modélisation pour l’approche produit…………….……………..89
Figure 3.3. Notion de voisinage……………………………………………….…..………….96
Figure 3.4. Algorithme OEP……………………………………………...…………….…….97
Figure 3.5. Algorithme de base des AG………………………………………………..……100
Figure 3.6. Algorithme NSGA II……………………………………………...…….....……104
Figure 3.7. Processus de choix d’une méthode d’optimisation…………………………..…106
Chapitre 4
Figure 4.1. Evolution des paramètres de coupes…….……………………………….……...119

Figure 4.2. Optimisation du coût de production……………………………………...……..119
Figure 4.3. Optimisation du temps de production…………………………….……….….…120
Figure 4.4. Evolution de la consommation d’énergie………………………………….……120
Figure 4.5. Influence de la profondeur de passe……………………………………….……121
Figure 4.6. Evolution de la profondeur de passe…………………....………………..….…..127
Figure 4.7. Evolution du coût de la production………………………………..…………….127
Figure 4.8. Evolution de l’empreinte carbone……………………………………………….128
Figure 4.9. Evolution du temps de la production……………………………………………128
Figure 4.10. Evolution de la rugosité………………………………………………………..129
Figure 4.11. Unité d’acide sulfurique……………………………………………………….130
Figure 4.12. Four de combustion du soufre liquide…………………………………………131
Figure 4.13. Evolution du taux de dioxyde de soufre……………………………………….140
Figure 4.14. Evolution de la température à la sortie du four………………………………...140
Figure 4.15. Evolution de la température à la sortie du 1er lit de conversion……………….141

Figure 4.16. Evolution de la température à la sortie du 2ème lit de conversion……………...141
Figure 4.17. Evolution de la température à la sortie du 3ème lit de conversion……………...142
Liste des tableaux
Chapitre 2
Tableau 2.1. Classification des MADMC selon la matrice inputs/outputs (Hammami A.

2003)………………………………………………………………………………………….53
Tableau 2.2. Caractérisation des inputs (Hammami. A, 2003)………………………...….….54
Tableau 2.3. Caractérisation des outputs (Hammami. A, 2003)…………………………...…55
Tableau 2.4. Quantification des émissions à l’aide de la méthode CML..……..…….………74
Tableau 2.5. Modélisation de l’aide à la décision pour l’usine de fabrication de l’acide
phosphorique…………………………………………………………..…….………………..80
Tableau 2.6. Méthodologie de calcul des poids des critères……………...…………………..83
Tableau 2.7. Modélisation de l’aide à la décision………………………………………….…83
Chapitre 4
Tableau 4.1. Données de simulation…………………………………….…………....……..118

Tableau 4.2. Résultats de simulation pour différents profondeurs de passe…………….…..120
Tableau 4.3. Résultats de simulation avec EP et AG…...……………………….…..………122
Tableau 4.4. Données de simulation……………………………………….………………..126
Tableau 4.5. Bilan enthalpique à l’entré du four……………….…………….……………..132
Tableau 4.6. Bilan enthalpique à la sortie du four…………………………….…………….133
Tableau 4.7. Enthalpie des gaz à l’entrée du premier lit………………………….…………135
Tableau 4.8. Comparaison entre l’état réel et les résultats d’optimisation………….………142
Tableau 4.9. Enthalpie des gaz à la sortie de surchauffeur………………………….………143
Tableau 4.10. Enthalpie des gaz à la sortie de l’échangeur GGC côté tubes………….…….144
Tableau 4.11. Enthalpie des gaz à la sortie de l’échangeur GGF côté calandre………….....144
Tableau 4.12. Enthalpie des gaz à la sortie de l’économiseur intermédiaire………….…….145
Tableau 4.13. Enthalpie des gaz à la sortie de la tour intermédiaire…………………….…..146
Tableau 4.14. Enthalpie des gaz à la sortie de l’échangeur GGF côté calandre……….…....147
Liste des acronymes utilisés dans le texte, et

Signification
ACV : Analyse du Cycle de Vie

ADEME : Agence de l’Environnement et de Maîtrise de l’Energie
ADP : Abiotic Depletion Potential (Potentiel d’épuisement des ressources)
AFNOR : Association Française de NORmalisation
AMDEC: Analyse des Modes de Défaillance, de leurs Effets et de leur Criticité
AP : Acidification Potential
ARPE: Analyse des Ressources et du Profil Environnemental
ATEP : Analyse Typologique Environnementale des Produits
BE: Bureau d’Etudes
BOM: Bilan matériel
CIRAIG: Centre Interuniversitaire de Référence sur l’Analyse, l’Interprétation et la Gestion
du cycle de vie des produits, procédés et services
CML : Centre of Environmental science- Leiden University
DEEE : Déchets des Equipements Electriques et Electroniques (WEEE)
EP : Eutrophication Potential
EPA: Environmental Protection Agency
EPE: Embodied Product Energy
ESQCV: Evaluation Simplifiée Qualitative du Cycle de Vie
EuP: Energy Using Products
EVAMIX: EVAluation of MIXed data
FAETP: Fresch water aquatic eco-toxicity Potential
GAIA: Geometrical Analysis for Interactive Assistance
GES: Gaz à Effet de Serre
GWP : Global Warming Potential
HQE : Haute Qualité Environnementale
HTP : Human Toxicity Potential
ICV: Inventaire du Cycle de Vie
ISO: International Organization for Standardization
LCM: Low Carbon Manufacturing
MADMC: Méthodes d’Aide à la Décision Multi Critères
MAETP: Marine Aquatique Eco-Toxicity Potential
MAIECO: Méthode d’Apprentissage organisationnel pour l’Intégration de l’Eco-Conception
MAVT: Multi Attribute Value Theory
MAUT: Multi Attribute Utility Theory
PIP : Politique Intégrée de Produits (IPP)
PNUE: Programme des Nations Unies pour l’Environnement
POCP: Photochemical Ozone Creation Potential
PROMETHEE: Preference Ranking Organization METHod for Enrichment Evaluation
QFDE: Quality Function Deployment for Environment
SETAC: Société de Toxicologie et Chimie Environnementales

SPOLD: Society for the Promotion of Life cycle Development
TETP: Terrestic eco-toxicity potential
UNEP: United Nations Environmental Programme
VHU : Véhicules Hors d’Usage (EoLV)
WWF: World Wildlife Fund for Nature
Modélisation, Optimisation et Simulation pour l’éco-fabrication Hassine Hichem
Introduction Générale et Problématique
Le XIXème siècle se révèle être le siècle de la révolution industrielle qui a introduit une
croissance essentiellement économique. Le principal critère aisément mesurable est représenté
par le produit intérieur brut. L'origine de ce critère remonte aux années 1930 et il est souvent
vu comme l'indicateur de la richesse d'un pays. Pendant la deuxième moitié du XXème siècle
un bon nombre de corrections a été élaboré sur le plan social avec d’importantes avancées
sociales. Dés lors, l’expression « économique et sociale » est utilisée dans le vocabulaire
courant.
Mais les chocs pétroliers de 1973 et 1979 ont révélé aux pays développés que la base de leur
prospérité matérielle était l’utilisation intensive de ressources naturelles finies, et que, outre
l’économique et le social, un troisième aspect avait été négligé : l’aspect environnemental.
Certains chercheurs soutiennent l’idée que le modèle de développement industriel n’est pas
soutenable sur le plan environnemental car il ne permet pas un « développement » durable.
Les points cruciaux en faveur de cette affirmation sont l'épuisement des ressources naturelles
(matières premières, énergies fossiles pour les humains), la pénurie des ressources en eau
douce susceptible d'affecter l'agriculture, la destruction et la fragmentation des écosystèmes,
notamment la déforestation qui se manifeste par la destruction des forêts tropicales (forêt
amazonienne, forêt du bassin du Congo, forêt indonésienne), ainsi que la diminution de
la biodiversité qui diminue la résilience de la planète ou encore le changement climatique dû
aux émissions de gaz à effet de serre et de manière générale la pollution due aux activités
humaines. Les catastrophes industrielles de ces quarante dernières années
(Seveso (1976), Bhopal (1984), Tchernobyl (1986),Exxon Valdez (1989), etc.) ont attiré
l’attention de l'opinion publique et les associations telles que le WWF, les Amis de la
Terre ou encore Greenpeace (Voir aussi Chronologie de l'écologisme).
En faisant le défi du « tout technologique » dans l'optimisation de la consommation
énergétique et la lutte contre le changement climatique, notre civilisation recourt de façon
accrue aux métaux que nous ne savons pas bien recycler. La déplétion de ces ressources
pourrait devenir un enjeu mondial au même titre que la déplétion du pétrole.
Suite à cette prise de conscience de l’importance d’un changement global dans le mode de
développement mondial, le rapport de Bruntland défini le développement durable comme
suit : « c’est un mode de développement qui répond aux besoins du présent sans
compromettre la capacité des générations futures de répondre aux leurs ».
Ainsi, le secteur industriel représente l’un des éléments clés pour achever les objectifs de ce
mode de développement. De ce fait, l’éco-conception a été l’un des premiers pas dans ce
secteur. Elle représente un processus permettant aux entreprises industrielles d’assumer leur
Introduction Générale et Problématique Page 1

responsabilité relative aux impacts générés par leurs produits. Les contraintes liées aux
impacts environnementaux sont intégrées dans les stades avancés de la conception.
La notion d’éco-conception est basée sur la notion du cycle de vie d’un produit. Donc,
l’intégration de l’écologie doit être introduite dans les différentes phases de ce cycle de vie.
Parmi ces phases, on distingue la phase de fabrication. Cette phase de transformation de
produit représente la phase la plus génératrice des émissions néfastes. Ce caractère est dû aux
procédés, matériaux ainsi qu’aux énergies utilisées.
La fabrication est l’un des problèmes complexes à étudier dans le cycle de vie du produit. Ce
caractère est dû à l’aspect multi objectifs de cette phase ainsi que son étude paramétrique à
caractère délicat.
La maîtrise de la dimension écologique de la fabrication a constitué le point de départ pour la

mise en évidence du terme ‘Eco-fabrication’. Cette dernière est basée essentiellement sur la
maîtrise de trois piliers importants : le process, les matériaux et l’énergie.
Ce travail de thèse entre dans le cadre de la proposition d’une approche d’étude globale de
l’éco-fabrication. Cette approche constitue une démarche permettant la maîtrise de la phase de
fabrication en couplant l’écologie et l’économie en respectant la faisabilité technique.
Le travail de recherche effectué est présenté sous forme de quatre chapitres.
Dans le premier chapitre nous avons développé une étude bibliographique mettant en œuvre
les différentes spécificités des notions suivantes : développement durable, éco-conception et
éco-fabrication. La première partie de ce chapitre est consacré pour la présentation des piliers
du développement durable ainsi que l’histoire de cette notion. Cette partie se termine par les
différents points et consignes prise par les différents pays unis pour la protection de
l’environnement. La deuxième partie est dédiée à la présentation des efforts et travaux
préparés dans le cadre de l’éco-conception. Dans cette partie, nous avons commencé par
présenter la mise en place de l’éco-conception dans les usines. Ensuite, on présente la notion
d’analyse de cycle de vie qui représente la notion clé au niveau de l’intégration de l’aspect
écologique dans la phase de conception. Finalement, les différents logiciels, outils et
réglementations ont été présentés. Ces études développées ont été à l’origine de la naissance
de la notion de l’éco-fabrication. Cette dernière a été le sujet de la dernière partie de ce
chapitre. Les outils de modélisation ainsi que les différentes approches et leur application ont
été présentés. Dans ce sens, la fabrication à zéro émission de carbone (LCM) a été la dernière
partie étudiée.
Le deuxième et le troisième chapitre sont consacrés pour la présentation des différentes

approches et outils développés pour résoudre le problème étudié. D’une part, le deuxième
chapitre traite une approche orientée process basée sur l’aide à la décision. Cette approche
traite la mise en place de l’aide à la décision multi critères pour la modélisation de l’éco-
fabrication. Ces outils ont été introduits en deux phases clés de l’éco-fabrication qui sont : le
choix des indicateurs environnementaux à quantifier ainsi que le choix et la comparaison entre
les différents scénarios possibles de production. Selon les entrés-sorties ainsi que les objectifs

visés dans le problème à étudier, deux différentes méthodes d’aide à la décision ont été
introduites dans cette approche : la méthode Evamix et la méthode Promethee. Pour la mise
en place pratique de cette approche, une étude de cas a été développée dans le cadre de la
modélisation et la simulation de la chaîne de production de l’acide phosphorique. Trois
scénarios possibles pour l’usine ont été étudiés pour le choix final du scénario de fabrication
en préparant en parallèle les résultats du comportement écologique de chacun d’entre eux.
D’autre part, le troisième chapitre mis en place une démarche orientée produit ayant comme
objectif la résolution du problème multi objectif ainsi que la consommation des ressources le
long de la fabrication du produit. Cette approche est basée sur le couplage entre les objectifs
écologiques et économiques dans le cadre d’une optimisation multi objectifs. Cette dernière
est basée sur l’application des essaims particulaires comme algorithme d’optimisation ainsi
qu’une résolution possible du problème d’agrégation des différents objectifs étudiés. Ainsi, un
niveau important de cette approche est la modélisation de la consommation des ressources. Ce
niveau est à base des modèles input-process-output (IPO) permettant de résoudre le problème
de la double quantification au niveau de l’inventaire de préparation des données du système
étudié.
Le quatrième chapitre présente les différentes études de cas développées pour la

caractérisation des différentes approches. Trois cas d’étude dans le cadre de cette thèse sont
présentés le long de ce chapitre. Les deux premiers traitent le cas d’usinage et l’influence de
l’intégration de l’aspect écologique au niveau de la phase d’étude d’optimisation des
opérations de tournage et fraisage. Pour le dernier cas d’étude, l’amélioration de l’unité
d’acide sulfurique a été l’objectif principal. L’application de la deuxième approche pour cette
unité a abouti à une augmentation du rendement de la conversion ainsi que la maîtrise de la loi
d’entrées-sorties pour les différents équipements de l’installation étudiée.

Chapitre 1 : Etude Bibliographique
Introduction
De nos jours, on assiste à une explosion démographique très importante. Cela n’est pas sans
conséquence pour notre planète. Les sociétés qui peuplent la Terre jouissent de la vie sans se
soucier de l’état de l’environnement : consommer toujours plus, c’est piller toujours plus les
ressources naturelles que la planète a mis des millions d’années à créer (air, eau, océans,
forêts, terres cultivables, biodiversité, pétrole), rejeter toujours plus de pollutions et de déchets
dans l’environnement, qui commence à être saturé.
Cette façon d’agir conduit la Terre vers une catastrophe en raison de la surexploitation des
ressources. L’homme est en train de se suicider inconsciemment par ses propres agissements.
Cette situation s’aggrave de plus en plus : si à l’heure actuelle la terre est peuplée de 6
milliards d’habitants, en 2050 nous serons 3 milliards de plus.
Aujourd’hui, la grande majorité de l’humanité souffre toujours de la pauvreté. Des millions de
femmes, d’hommes et d’enfants n’ont ni eau potable, ni électricité, ni éducation, ni assez à
manger… Mais si tous les habitants de la terre vivaient dans la même situation, il faudrait
deux planètes supplémentaires pour satisfaire leurs besoins !
Or, nous n’avons pas d’autre planète. Alors, comment améliorer les conditions de vie de tous
les citoyens du monde sans épuiser définitivement la Terre ? Comment satisfaire les besoins
des hommes d’aujourd’hui tout en léguant la Terre en bon état ?
En économisant de manière équitable les ressources, en exploitant les technologies qui
polluent moins, qui gaspillent moins d’eau et moins d’énergie, et surtout en changeant nos
habitudes de consommation et nos comportements. C’est cela, le développement durable. Ce
n’est pas un retour en arrière, mais un progrès pour l’humanité : celui de consommer non pas
moins, mais mieux. Il est devenu urgent d’agir.
Nos travaux de recherches s’intègrent dans le cadre de l’amélioration du comportement
écologique des industries manufacturières. Notre contribution est au niveau de la phase de
fabrication : la mise en place d’une démarche permettant la modélisation et l’optimisation
pour l’écofabrication.
Dans ce chapitre, on présente un état de l’art sur les travaux concernant l’écoconception ainsi
que l’écofabrication. Ces deux concepts représentent deux éléments de base dans le secteur
manufacturé permettant d’introduire les principes du développement durable.
1. Durabilité et notion de développement durable
En 1987, la commission de BRUNTLAND a défini pour la première fois la notion du

développement durable comme étant « un mode de développement répondant aux besoins
actuels sans compromission des possibilités pour les générations futures à répondre à leurs
propres besoins ».
Cette notion de développement durable a mis en œuvre trois piliers pour introduire le
développement durable qui sont : l’environnement, l’économie et le pilier social. Alors, la
durabilité n’est qu’un équilibre entre ces trois composants.
Chapitre 1 : Etude Bibliographique Page 4

Figure 1.1. Les piliers du développement durable (DD)
Ainsi, certains travaux ont été développés pour la mise en place d’une démarche permettant la
progression dans le projet de durabilité. En 1992, lors de la conférence de RIO, la
communauté internationale a reconnu le DD comme étant un objectif à suivre à l’aide de la
création de l’agenda 21 (UNCED 1992). Cette dernière tend à la mise en place d’un
partenariat entre les différentes nations pour unifier les objectifs du DD en se référant à une
gestion équilibrée : environnement /économie.
En 1997, le Protocole de Kyoto a décidé d’adapter des objectifs pour chaque pays dans le but
de réduire les gaz à effet de serre. Ces derniers ont été fixés par les 182 pays participants :
𝐶𝑂2, 𝑁2 𝑂, 𝐶𝐻4 , PFC, 𝑆𝐹6 , HFC.
Suite à ce protocole, les participants ont été sensibilisés pour l’ajout de la dimension
environnementale, mais les stratégies ont été encore non développées.
C’est dans ce sens que l’organisation du sommet mondial sur le développement durable tenue
par l’ONU a été intégrée (Johannesburg, août/septembre 2002). Suite à ce sommet, un plan de
travail sur 10 ans a été proposé pour chercher le changement des modèles de consommation et
de production non durable.
Toutes ces procédures ont été orientées par la suite à l’aide des statistiques et mesures
permettant la prise de décision :
 Une étude menée par CITEPA en 2009 a montré qu’en France, le secteur manufacturier
représente 22 % des émissions globales des gaz à effet de serre GES avec 13 % pour la
transformation d’énergie (figure1.2).
 Des données statistiques montrent que l'industrie manufacturière des États-Unis consomme
annuellement 21,1 quadrillions de Btu d'énergie (environ 21 % de la consommation totale

d'énergie américaine) et génère plus de 1,4 milliard de tonnes d'émissions de 𝐶𝑂2 (environ
26 % du total des émissions de 𝐶𝑂2 aux États-Unis).
En conclusion, la maîtrise des émissions environnementales du secteur de la production et

l’industrie manufacturière représente l’un des axes d’amélioration et de développement de la
notion de durabilité.
2. Changement climatique et enjeux environnementaux
La prise en conscience de l’écologie dépend de l’effet des émissions environnementales sur le

changement global de la nature. Ces émissions peuvent avoir plusieurs aspects ainsi
qu’origines possibles. On distingue deux formes possibles de menaces écologiques : les
changements climatiques et les épuisements des ressources.
2.1. Effet de serre
L’effet de serre est un phénomène naturel nécessaire pour la vie sur terre. Naturellement
présents dans l'atmosphère terrestre avec principalement de la vapeur d'eau (𝐻2 𝑂), du dioxyde
de carbone (𝐶𝑂2) et du méthane (𝐶𝐻4 ), les gaz à effet de serre (GES) retiennent une large part
du rayonnement solaire et permettent ainsi le maintien sur Terre d'une température globale
propice à la vie et au développement des espèces vivantes.
Figure 1.2. Répartition des émissions de GES par secteur en France
(Source, CITEPA 2009)
Comme le montre la figure 1.2., l’industrie manufacturière ainsi que le transport en France
représente respectivement 22 et 27% des émissions des gaz à effet de serre. Cette statistique
montre l’importance de la prise en conscience de l’écologie dans le secteur industriel.

Avec le développement de l’industrie et la dépendance en énergie fossile (charbon, pétrole,

gaz…), on constate une augmentation des concentrations de gaz à effet de serre qui peut
amener à un risque de modifications climatiques majeures.
La Terre se réchauffant, c’est l’ensemble de la biodiversité et des écosystèmes qui est menacé.
Selon les scientifiques, un réchauffement de 1,8 °C à 2 °C entre 1990 et 2050 pourrait
conduire à la suppression d’un quart des espèces vivantes.
2.2. Épuisement des ressources
Suite au développement des procédés ainsi que le rythme de vie quotidienne, la

consommation des ressources a augmenté très rapidement dans les dernières années. Ce
rythme mal étudié peut provoquer un épuisement des ressources de la planète dans un temps
très proche. Suite à une étude présentée par « Sciences et vie 2008 », certaines richesses
exploitables de notre planète sont actuellement à stocks limités et peuvent disparaître si on
continue son exploitation de la même manière.
Si aucun investissement n’est immédiatement lancé pour lutter contre les effets néfastes
prévus à long terme, la compensation des dégâts occasionnés risque de couter beaucoup plus
cher qu’un apport financier qui serait réalisé aujourd’hui.
Donc, le réchauffement global ainsi que l’épuisement des ressources représentent une menace
pour le secteur industriel. D’où le besoin de la maîtrise des émissions environnementales ainsi
que la consommation des ressources pour éviter des dépenses économiques probables pour les
différents domaines de production.
3. écoconception et Analyse du cycle de vie
La réduction des impacts environnementaux des produits le long de leur cycle de vie, tout en
préservant la qualité d’usage du produit ou en l’améliorant est l’objectif principal de
l’écoconception ou l’intégration de l’aspect écologique dans la phase de conception ou de
développement du produit.
3.1. Eco-conception
Selon la norme ISO14062, l’éco-conception est définie comme étant l’« Intégration des
aspects environnementaux dans la conception et le développement de produits ».
La normalisation ainsi que les régulations environnementales ont été développées suite à
certains travaux qui ont débuté depuis1987. (Holloway et al, 94) ont montré, à base des études
développées par Jakobsen. K, que le développement d’un produit peut se baser sur le choix
des matériaux, les procédés de fabrication avant même de préparer sa forme finale. C’est à ce
niveau du cycle de vie d’un produit qu’on peut agir et intégrer l’aspect environnemental.
Ainsi, la sensibilisation du point de vue environnemental a comme objectif de changer le

champ de vision du manager : la prise en compte de l’environnement est un choix et non pas
une contrainte.

L’approche de l’écoconception a été introduite en deux voies possibles (Bakkar. C, 95) :
1) Une première approche de l’écoconception est basée sur l’amélioration technologique des
produits dans le but de prendre en compte les émissions environnementales durant le cycle
de vie de ce produit. C’est la conception écologique.
2) Une deuxième approche qui tend à changer totalement le mode de vie industriel par le
développement de nouveaux produits, nouveaux services permettant la mise en place de la
durabilité ou développement durable.
Ces deux approches ont été définies par (Manzini. E, 91) comme « une activité de conception
dont l’objectif est de lier ce qui est techniquement possible à ce qui est écologiquement
nécessaire afin de préparer des solutions acceptables socialement et culturellement ».
3.2. Niveaux d’éco-conception
Basé sur les deux approches présentées de l’éco-conception (Brezet, 97), ont défini 4 niveaux
possibles d’innovation pour intégrer l’aspect écologique dans la logique de conception des
produits :
Niveau 1 : Amélioration incrémentale du produit
Niveau 2 : Re-conception du produit : à ce niveau, les modifications peuvent toucher la

structure du produit ou les technologies employées.
Niveau 3 : Innovations sur les fonctionnalités du produit.
Niveau 4 : Innovations sur le système global dans lequel s’insère le produit considéré.
Figure 1.3. Les niveaux d’écoconception (Brezet, 97)

La courbe de Brezet (figure 1.3) tend à coupler le niveau d’intégration de l’éco-conception et

le facteur de réduction des émissions environnementales. Pour les deux premiers niveaux, on
peut affirmer que cette minimisation est possible et peut être atteinte grâce à une logique de
maîtrise des fonctionnalités du produit désigné.
Ainsi, dans le même cadre, McAloone pense que les niveaux 3 et 4 ne peuvent pas être
atteints que si les modes de pensées changeaient. En effet, ces derniers niveaux nécessitent
une combinaison entre les approches classiques de conception avec des approches sociales
(McAloone, 00).
La plupart des entreprises sont des PME fabricant des produits plus ou moins complexes. Cela
rend l’intégration de l’aspect environnemental une nécessité inéluctable tout en adoptant une
stratégie bien étudiée. Cette intégration de l’éco-conception du produit doit être l’un des
objectifs stratégiques de la société indépendamment du niveau à atteindre.
Le respect de l’environnement s’avère être un fait primordial dont la conscience a passé par la
suite à une nécessité pour garantir le respect de certaines lois et législations définies à
l’échelle nationale aussi bien qu’internationale.
3.3. Réglementations et normalisation relatives à l’éco-conception
En Europe, le respect de l’environnement a été introduit comme une interrogation dans un

colloque de l’Agence de l’Environnement et de la Maîtrise de l’Énergie (ADEME 02) :
« Après la période du tout jetable de l’après-guerre, du tout recyclable un peu plus récent,
serons-nous capables de passer à la promotion à grande échelle de la notion de renouvelable,
laquelle a été le fondement de notre civilisation pendant des millénaires ? »
Cette interrogation met bien en évidence un certain degré de conscience des menaces pouvant
détruire notre planète.
Dès cette interrogation, les entreprises ont commencé à recevoir des pressions issues d’une
prise de conscience généralisée, mais qui se traduit de différentes manières selon le mode de
son issu ?
3.3.1. La Politique intégrée des Produits (PIP)

Lors du Conseil européen de Göteborg en 2001, la commission a décidé d’intégrer la
dimension environnementale dans la stratégie de l’Union européenne pour le développement
économique. Cette initiative a été traduite par le lancement de la PIP ayant pour objectif la
réduction des impacts environnementaux des produits le long de leur cycle de vie.
Ainsi, pour mettre en place cette initiative et sensibiliser les acteurs économiques à cette
démarche, la commission a procédé par voie de communications, notamment celles du 7
février 2001 (Livre vert sur la PIP) et du 18 juin 2003 (PIP - Développement d’une réflexion
environnementale axée sur le cycle de vie).
Le livre vert développé par la Commission des Communautés européennes propose une
stratégie de renforcement et de recentrage des politiques de l’environnement liées aux
produits pour promouvoir le développement d’un marché qui favorise la commercialisation de

produits plus écologiques.
La commission a défini les objectifs suivants pour le PIP :
 Contribuer à atteindre les objectifs environnementaux fixés dans le 6e programme d’action

communautaire pour l’environnement (PAE) et dans la stratégie développement durable en
y intégrant une dimension "produit". La PIP est partie intégrante des stratégies de gestion
durable des ressources et des déchets.
 Compléter les politiques de produit déjà en place par un cadre plus vaste (la vision cycle de
vie).
 Renforcer la coordination et la cohérence de la politique environnementale des produits (où
l’établir, pour les mesures à venir).
L’approche PIP développée est basée sur les points suivants :
1) Une réflexion axée sur le cycle de vie du produit : ceci vise à limiter les incidences
environnementales cumulées tout au long de la vie du produit, mais également à éviter un
simple déplacement du problème environnemental à un autre stade de la vie du produit. Le
système sera dès lors cohérent et plus performant.
2) Utiliser les mécanismes du marché : il faut favoriser l’évolution du marché vers une
meilleure protection de l’environnement en encourageant l’offre et la demande de produits
respectueux de l’environnement par l’établissement d’incitants en ce sens. La Commission
a imaginé d’aider le marché à intégrer le coût environnemental dans le prix de revient de
produit par l’application du principe du "pollueur - payeur" (obligation faite au producteur
de l’intégrer dans ses prix par l’application de taux d’imposition différencié - ce concept
vient d’être officiellement entériné dans le cadre global de la politique européenne de
l’environnement par la Directive 2004/35/CE du 21 avril 2004) et d’éclairer le choix du
consommateur par son éducation et son information.
3) Impliquer les parties intéressées : il s’agit d’encourager les agents en interaction avec le
produit (producteur, consommateur, pouvoirs publics) à agir dans leur sphère d’influence
en faveur d’une meilleure protection de l’environnement (conception pour les producteurs,
utilisation et élimination pour les consommateurs, réglementation pour les gouvernants,
ainsi que l’intégration de considérations environnementales dans les nouvelles procédures
harmonisées de marchés publics, Directives 2004/17/CE et 2004/18/CE).
4) Améliorer le produit en permanence : des améliorations pourront toujours être apportées
lors de la conception ou toute autre étape du cycle de vie. À chaque acteur d’établir son
propre rythme.
5) Des instruments d’action diversifiés : en raison de la grande diversité des produits et des
parties intéressées, les instruments à mettre en place se doivent d’être nombreux.
Néanmoins, la PIP privilégie les actions volontaires aux mesures contraignantes (qui seront
toutefois ponctuellement indispensable). Le seul facteur pertinent est l’efficacité de
l’instrument, quel qu’il soit.

3.3.2. La directive Ross

Cette directive a été développée le 27 janvier 2003 en relation avec la directive 2002/96/CE
qui soulève le traitement des Déchets d’Équipement électrique et électronique (DEEE).
La Directive 2002/95/CE (dite "LSDEEE" ou "Ross" en anglais) impose l’élimination à la
conception de certains matériaux dangereux dans ces EEE. La Commission entend ainsi
protéger l’environnement et la santé humaine via l’amélioration des performances
environnementales des agents économiques impliqués dans la production de ce type
d’équipement.
Entrée en vigueur le 1er juillet 2006, cette directive cherche à remplacer les substances
dangereuses existant dans les EEE par d’autres substances ou matières. Ces substances sont :
Le plomb, le mercure, le cadmium, le chrome exavalent, les polybromodiphényles (PSB) et
polybromodiphényléthers (PBDE).
3.3.3. La directive eut : Éco-conception des produits consommateurs d’énergies

Adoptée le 6 juillet 2005, elle s’inscrit dans la politique intégrée des produits dont elle
constitue un exemple concret, puisqu’elle impose aux entreprises d’agir pour le
développement durable en minimisant la production de déchet et l’utilisation d’énergie à un
stade particulier du cycle de vie des produits consommateurs d’énergie: la conception.
La directive s’appliquera aux produits consommateurs d’énergie (à l’exception des véhicules),
c’est-à-dire "un produit qui, une fois mis sur le marché et/ou mis en service, est dépendant
d’un apport d’énergie (...) pour fonctionner selon l’usage prévu, ou un produit permettant la
génération, le transfert et la mesure d’une telle énergie".
3.3.4. Norme d’éco-conception : NF E 01-005

Présentée le 28 aout 2010, la norme NF E 01-005 propose une méthodologie d’écoconception
adaptée aux produits mécaniques, qui tient compte des lignes directrices développées dans le
XP ISO/TR 14062, Management environnemental-intégration des aspects environnementaux
dans la conception et le développement de produit.
La norme ou méthodologie présentée est basée sur 5 étapes :
1) Détermination du profil environnemental du produit à (re)concevoir (produit de référence)

2) Sélection/hiérarchisation des lignes directrices
3) Choix des indicateurs environnementaux
4) Suivie des indicateurs
5) Bilan — capitalisation
Cette démarche a été développée à base de l’outil ATEP traitée dans les travaux de Stéphane
le Pochat (Le Pochat. S., 2005). L’objectif est de choisir des lignes d’amélioration pour
réduire les impacts environnementaux d’un produit. Cette amélioration dépend de la
structuration des aspects environnementaux dans le but de préciser et de hiérarchiser les
responsables des émissions nocives du produit étudié.

Ces aspects sont au nombre de 7 qui sont : Matières premières (MP), Fabrication (F),
Utilisation (U), Recyclabilité en fin de vie (FV-R), Substances dangereuses (S.), Transport (T)
et Emballage (Emb).
3.4. Outils d’écoconception
L’objectif de l’intégration d’une démarche d’écoconception est la prise en considération des

aspects environnementaux sur toutes les phases du développement du produit. Cette démarche
introduit deux aspects pour l’écoconception des produits : l’évaluation des performances
environnementales et l’amélioration environnementale.
Figure 1.4. Les phases pivots d’éco-conception (Pochat, 2005)
L’évaluation et l’amélioration environnementales représentent les deux phases pivots du

processus d’éco-conception (figure 1.4). En s’aidant des données du produit, l’évaluation
environnementale du produit permet la quantification des émissions écologique du produit.
Ces résultats représentent un support d’aide à la décision pour l’amélioration du
comportement environnementale du produit étudié.
Plusieurs outils ont été développés pour améliorer chacune de ces deux phases. Certains de
ces outils peuvent avoir simultanément la capacité à remplier les deux phases d’amélioration
et d’évaluation environnementale (figure1.5).

Figure 1.5. Répartition des outils d’éco-conception (Le Pochat. S., 2005)
La figure 1.5 présente la répartition ainsi que les fonctionnalités de certains outils développés
dans le cadre de l’éco-conception. Les deux axes représentent les deux notions pivots de
l’éco-conception : l’amélioration environnementale et l’évaluation environnementale. On
remarque que certains outils favorisent l’une des deux notions par rapport à l’autre, mais
l’ACV reste l’outil le plus adéquat parmi eux. Ce dernier est considéré comme le meilleur
outil pour l’évaluation environnementale (niveau 5) et aide aussi à une amélioration
environnementale (niveau 3).
3.4.1. Outils d’évaluation environnementale

Ces outils ont pour objectif « la mise en œuvre des méthodes et des procédures permettant
d'estimer les conséquences sur l'environnement d'une politique, d'un programme ou d'un plan,
d'un projet ou d'une réalisation ; par extension, le rapport qui en rend compte » (Melquiot,
2003).
On distingue plusieurs outils dans ce sens dont on peut citer :
1) Des Logiciels DFX : ils permettent l’évaluation environnementale des produits sur des
aspects environnementaux ciblés tels que : matériaux, énergie, rejets et recyclabilité…
2) Les Méthodes matricielles : ce sont des méthodes basées sur l’identification et la
quantification des impacts écologiques le long des différentes phases du cycle de vie. Ces
méthodes peuvent être qualitatives telles que : la méthode ESQCV (AFNOR 98a), ou
quantitatives, exemple : MET Matrix. (Brezet, 97a), qui est une méthode capable de mettre
l’accent sur l’évaluation à base de l’énergie, matériaux et substances toxiques.

3) Les check-lists : elles se présentent sous la forme des listes de questions qui permettent une
analyse du produit selon ses caractéristiques fonctionnelles. Elles ne permettent pas de
réaliser une évaluation environnementale, mais elles ont l’avantage de « noter » de manière
simple le produit de façon à créer un référentiel. L’objectif d’une checklist est de pouvoir
comparer des solutions à ce référentiel.
D’autres outils ont été aussi développés : les outils d’évaluation paramétrique, les éco-
indicateurs, mais l’analyse du cycle de vie (ACV) représente l’outil le plus performant au
niveau de l’évaluation environnementale.
3.4.2. Outils d’amélioration environnementale

Elle permet de faire « progresser » un produit vers une meilleure prise en compte de
l’environnement. Mais pour permettre cette amélioration, il faut connaître à minima les
éléments les plus impactant, pour permettre aux concepteurs de travailler dessus lors de la
conception du produit. Cet aspect doit permettre une aide à la décision lors de la conception.
On distingue les outils suivants :
 Les outils de créativité « E » et d’aide au choix de solutions de conception « E » :l’objectif
de l’implémentation de ces outils est l’amélioration des performances environnementales
d’un produit. Il s’agit par exemple du QFDE39 (Masui 01 & 02 ; Sakao, 01 & 02), de la
méthode TRIZ appliquée à la recherche de solutions environnementales (Chen, 02 ; Jones,
00 ; Lindemann, 01) ou encore de l’AMDEC utilisée pour établir les priorités
environnementales (Oberender, 01 ; Ritzén, 97 ; Dahlström, 99).
 Les guidlines : Les guidelines sont les outils de base pour l’amélioration environnementale
des produits. Ils constituent le recueil des lignes directrices, règles générales et «
universelles », pour l’éco conception. Bien que l’ensemble de ces règles soit défini et a
priori non évolutif, il existe toutefois des méthodes différentes dans la façon de classer ces
règles et de les hiérarchiser (Hemel, 98 ; Wimmer, 01).
3.5. Analyse du cycle de vie (ACV)
L’analyse du cycle de vie représente un outil destiné à la quantification de l’impact

environnemental d’un produit ou d’un procédé le long des différentes phases de son cycle de
vie. Ces stages de cycle de vie regroupent les phases allant de l’extraction de la matière
première jusqu’à la fin de vie : ils sont désignés par l’expression « du berceau à la tombe ».
3.5.1. Histoire d’ACV

L’ACV a été développé dans les années 1970 comme étant la conséquence d’une prise en
conscience de la crise énergétique de cette période. Le premier pas a été démontré aux États-
Unis, où la société Coca-Cola a comparé la consommation des ressources pour deux types de
produits en 1969. Cette approche a été dénommée Analyse des Ressources et du Profil
environnemental (ARPE) et elle représente la première étude vers l’analyse du cycle de vie.
Par rapport à l’ARPE, l’ACV a étendu son champ d’analyse, pour intégrer l’utilisation des
autres ressources ainsi que les impacts des émissions et la création de déchets.

Cet avancement a été accompagné par la naissance d’une approche similaire en Europe sous
le nom : Écobilan. Dans ce sens, vers les années 1972, Ian Boustead au Royaume-Uni, a
calculé l’énergie totale employée pour la production de certains types de contenants pour
boissons tels que le verre, le plastique, le métal et l’aluminium. Par la suite, Boustead
consolida sa méthodologie afin d’étendre l’utilité de cette dernière à d’autres matériaux. Il
publia ainsi en 1979 le ‘Handbook of Industrial Energy Analysis’ (Jensen et al, 1998).
Dés que les grandes lignes de l’approche ont été développées, les années 80 et début des
années 90 verront un développement et une utilisation importante de l’approche due à deux
raisons :
1) Développement des méthodes pour quantifier les impacts des produits participants à
différentes catégories de problèmes écologiques tels que le réchauffement planétaire, la
perte des ressources.
2) L’approche d’ACV commence à être de plus en plus accessible au public
Ce développement a été l’objectif global de la coopération entre les industries, les universités
et les gouvernements pour arriver à publier et à organiser l’ACV à l’échelle internationale.
Parmi les acteurs dans cette démarche, on distingue :
- La Société de toxicologie et chimie environnementales (SETAC)
- Programme des Nations Unies pour l’Environnement (PNUE)
- CIRAIG (Centre Interuniversitaire de Référence sur l’Analyse, l’Interprétation et la
Gestion du cycle de vie des produits, procédé et service) : fondé en 2001 à l’initiative de
l’École Polytechnique de Montréal et HEC Montréal, le CIRAIG collabore avec de
nombreux centres de recherche à travers le monde et participe activement à la recherche et
au développement d’outils pour le secteur industriel et les gouvernements.
- Environmental Protection Agency (EPA)
- Society for the promotion of Life cycle Development (SPOLD)
- Le réseau européen LCANET
- Centre of Environmental Science (CML) de l’Université de Leiden (Pays-Bas)
- ISO (International standard Organisation) œuvre à l’amélioration et à la promotion de
l’ACV
CIRAIG, PNUE et SETAC représentent des références nationales et internationales en
matière d’ACV. Tous trois sont les fondateurs d’un partenariat international sur le cycle de
vie : LCI (Life Cycle Initiative) ayant pour mission le développement et la diffusion des
outils pratiques permettant d’évaluer les solutions, les risques, avantages et inconvénients
associés aux produits et services tout au long de leur vie.
3.5.2. Présentation de l’ACV

Selon l’ISO 14040, l’Analyse du Cycle de Vie est définie comme étant « une méthode qui
étudie les aspects environnementaux et les impacts potentiels tout au long de la vie d’un
produit (c’est-à-dire du berceau à la tombe), de l’acquisition de la matière première à sa
production, son utilisation et sa disposition ».
En effet, cette méthode mettait en place une démarche pour l’évaluation des impacts
environnementaux ainsi que la suivie de la consommation des ressources aux différentes

phases du cycle de vie d’un produit : extraction de ses matières premières, transformation,
production, utilisation du produit et la mise au rebu (figure 1.6).
Figure 1.6. Les phases du cycle de vie
L’ACV a été organisé à l’aide de la norme ISO 14040, et elle passe par les quatre étapes
suivantes (figure 1.7) :
1) Définition des objectifs et du champ de l’étude : cette étape consiste à définir le produit ou
processus à étudier ainsi que l’unité fonctionnelle qui représente une base de comparaison
ou de référence pour l’étude.
2) Analyse de l’inventaire : C’est la préparation du flux d’entrées/sorties pour chaque étape
de cycle de vie du produit étudié. C’est une procédure de collecte des données.
3) Évaluation des impacts : il s’agit de la quantification de l’empreinte écologique de
l’activité ou produit étudié. À partir de l’ICV, on regroupe sous forme de catégorie
d’impacts dus à l’utilisation des ressources ainsi que les émissions.
Généralement, trois grandes familles d’impacts sont prises en compte : Épuisement des
ressources, Impacts sur la santé humaine et Impacts écologiques. Selon les bases de
données développées, on constate plusieurs méthodes d’évaluation pour cette étape de
l’ACV.
4) Interprétation : C’est le résumé des résultats obtenus sous la forme d’un rapport qui sert à
la préparation des stratégies pour la réduction des impacts.

Figure 1.7. Les étapes d’analyse de cycle de vie (norme ISO 14040)
3.6. Méthodes d’évaluation des impacts environnementaux
L’évaluation des impacts représente une comparaison d’une substance donnée à d’autres
substances sur leur faculté à endommager l’environnement et la santé humaine.
En effet, lorsqu’une substance polluante est émise, elle évolue dans l’atmosphère : sa
concentration est modifiée, elle change d’état et de milieu. Le cheminement qu’elle suit est
appelé la voie d’impact. Ainsi, les méthodes d’analyse d’impact reposent sur la modélisation
de ces voies d’impact en reliant les données d’inventaire aux dommages environnementaux
potentiels.
Une méthode de quantification n’est réellement que :
1) Un jeu d’indicateur d’impact
2) Des facteurs pour caractériser les flux : traduire les flux (entrant/sortant) en impact.
3) Éventuellement :
- Des données de normalisation. Normaliser revient à deviser la valeur d’un flux ou d’un
impact par la valeur de ce même flux ou impact à l’échelle d’un territoire donné.
- Des facteurs de pondération des impacts entre eux permettant d’obtenir une note unique ou
« single score ».
Les méthodes de quantification des émissions sont regroupées en deux catégories : Mid point
et End point ainsi que les monocritères et multicritères.
Comme le montre la figure 1.8, les substances enregistrées au niveau de l’inventaire ont des
impacts directs qu’on les appelle : indicateurs de catégorie. Ces derniers qui sont à l’origine
des perturbations sur le système naturel global. Ce système est décrit à l’aide de certains
indicateurs qu’on l’appelle : indicateur de dommages.

Figure 1.8. Catégorie d’impacts environnementaux
Parmi ces méthodes, on peut citer :

1) Mid point monocritère : IPCC (Facteur revu régulièrement(2007), 3 niveaux (20, 100 et
500 ans), la plus reconnue et utilisé dans plusieurs méthodes, Limites : c’est une méthode
regroupant un seul indicateur)
2) Mid point multicritères :
CML :
C’est une méthode développée par l’université de Leiden (NL), en 1992 révisée en 2000 et en
2001. Elle comprend 50 indicateurs calculés en 3 étapes : Classification, Caractérisation et
Normalisation. C’est la méthode la plus utilisée et la plus consensuelle.
Ces indicateurs développés offrent une marge d’erreur faible avec la possibilité d’approfondir
sur certains indicateurs.
Cette méthode souffre d’une possibilité de trop d’indicateurs pour les novices
EDIP: Environmental Design of Industrial Products
Méthode développée en 1996 et mise à jour en 2003. Elle est intéressante pour les indicateurs
calculés selon la méthode des volumes critiques : Écotoxicité des émissions : dans l’air/ dans
l’eau ainsi que la toxicité humaine des émissions : dans l’eau/dans l’air
La limite de cette méthode réside au niveau de l’indicateur ‘toxicité’.
TRACI : développée par US EPA
Elle est très applicable et axée sur les risques toxicologiques. C’est une méthode qui traite
l’influence des impacts environnementaux sur l’homme.
Sa limite est enregistrée au niveau de l’imprécision des résultats pour l’indicateur toxicité.
3) End point monocritère : Empreinte écologique
C’est une catégorie de méthodes simples avec indicateur exprimé en surface. Mais cette
méthode est monocritère et discutable au niveau scientifique.

4) End point multicritère : Eco indicateur 99

Cette méthode est basée sur une modélisation fine qui tient compte des phénomènes de
propagation et d’exposition.
La méthode est à orientations dommages causés: les indicateurs traduisent des dommages sur
la santé et l’environnement.
C’est une approche graduelle permettant la caractérisation des dommages en un indicateur
unique.
Les limites de cette méthode résident au niveau du risque possible en cas de l’utilisation
systématique de l’indicateur unique sans analyser les résultats intermédiaires. Ainsi, ces
méthodes de calcul des indicateurs sont moins consensuelles que la méthode CML.
3.7. Logiciels pour ACV
Pour mettre en évidence la démarche d’ACV des produits, les travaux ont abouti au
développement des outils de calcul aidant à la quantification des émissions et la
consommation des ressources le long du cycle de vie d’un produit : de l’extraction de la
matière première jusqu’à la fin de la vie du produit.
Les logiciels d’ACV ont été réalisés par trois catégories d’organismes :
- Les instituts de recherche et universitaires
- Les consultants en environnement
- Les industriels
Ces efforts représentent au début une réponse à des besoins spécifiques puis ils ont été
orientés vers l’aspect commercialisation.
On distingue des logiciels payants et d’autres gratuits. En terme de licences vendues, quatre
logiciels dominent le marché de l’ACV et représentent plus de la moitié des ventes de licences
qui sont : Sima Pro, NIRE-LCA, LCAIT et Umberto (figure 1.9).
Figure 1.9. Répartition des logiciels d’analyse de cycle de vie (LCA software guide 2005)
Pour les outils gratuits, on constate : EIO-LCA/TRACI/GEMIS/CEDA/CMLCA…pour cette

catégorie, EIO-LCA domine le marché international.

3.7. Démarches d’intégration de l’Eco-conception
L’intégration de l’éco-conception représente un problème complexe dépendant de certaines

contraintes telles que : les types des produits, la technologie utilisée, les législations…
Pour étudier certains aspects et problématiques d’amélioration des produits, on distingue
plusieurs approches développées.
(Gatherine M. R et al, 2002), ont proposé une approche d’amélioration pour l’éco-conception
en mettant l’accent sur les stratégies de fin de vie. Cette méthodologie nommée End-of-Life
Design Advisor “ELDA” permet de garantir le moins d'impact sur l'environnement avec le
coût de la mise en œuvre plus réduite du cycle de vie. Il permet enfin de faire une
comparaison entre le meilleur traitement actuel de fin de vie mise en œuvre dans l'industrie et
de fin de vie recommandée par ELDA et a déterminé les futurs efforts nécessaires pour les
concepteurs, les recycleurs et les décideurs politiques.
De même (Brissaud. D et Zwolinski. P, 2004) ont proposé une nouvelle approche nommée
‘Situation-based product design approach’ qui s’intéresse au projet de négociation des
stratégies et de leurs impacts sur les caractéristiques du produit tout au long des phases de
développement de produits en fin de vie.
(Le Pochat. S, 2005) a proposé une méthodologie pour intégrer l'éco-conception dans les
industries nommées MAIECO avec un outil d'évaluation environnementale dite ATEP dont
les résultats sont améliorés par règlement. Tous les résultats seront capitalisés pour les
objectifs futurs.
(Princaud. M, 2011) a proposé une méthode pour intégrer l'éco-conception dans les industries
en ajoutant les fournisseurs dans le processus. Il a réussi à la création d’un outil d’éco-
conception des navires que l'on appelle l'océan avec un nouvel Eco Indicateur composé de 24
indicateurs marins dits EIM.
Selon (Dufrene. M et al, 2013), malgré la multiplicité des outils et des méthodes, leur
utilisation reste limitée et théorique. Il a proposé une méthodologie d'éco-conception soutenue
par la plate-forme d'ingénierie pour assurer la meilleure cohérence entre les outils d'éco-
conception. Il a appliqué sa méthodologie à une hotte, qui est arrivée à une réduction de
𝐶𝑂2de 42% émis et sans transfert d’impact majeur.
Une comparaison des méthodes d'éco-conception est faite par (Seong-Rin. L et al, 2013) entre
l'optimisation multi-objectifs et un problème mono-objectif qui a utilisé la monétisation des
impacts environnementaux à coût économique, ainsi une méthode d'éco-conception est
proposée pour développer un modèle mathématique d'optimisation d'une fonction mono-
objectif.
(Shu-Kai S. Fan et al, 2013) ont proposé une approche dans laquelle ils ont réussi à minimiser
le coût de démontage d'un ordinateur portable à son stade de fin de vie en utilisant le logiciel
de Prodtect 1.3.
On constate un nombre important d’approches en éco-conception basées sur l’analyse de
cycle de vie. Ce dernier semble inefficace dans ce cadre pour beaucoup de raisons. (Millet. D
et al, 2005) ont affirmé que l’ACV n’est pas destiné pour un concepteur vu la dépendance de
cet outil à l’inventaire de cycle de vie et la collecte des données.
Ainsi, les approches développées par la suite ont mis l’accent sur l’aide à la décision du
concepteur pour la mise en place d’une démarche d’éco-conception selon le produit étudié. Ce

type de travaux est, à chaque fois, basé sur l’un des stages de cycle de vie : fin de vie par
exemple. Parmi les phases les plus importantes dans le cycle de vie d’un produit on trouve la
fabrication. Ce stage peut être amélioré pour l’intégration de l’aspect écologique à un tel
produit. On enregistre certaines carences au niveau des approches en éco-conception mettant
l’accent sur la phase de fabrication. C’est dans ce sens que les travaux ont été dirigés vers le
développement de l’éco-fabrication.
4. Eco-fabrication et fabrication durable
La fabrication est la transformation de la matière première en produit ce qui cause des rejets
de déchets et émissions environnementales.
L’Eco-fabrication est définie comme étant ‘la création des produits manufacturés qui utilisent
des procédés qui minimisent les impacts négatifs sur l’environnement économisent l’énergie
et les ressources naturelles et qui sont sans danger sur les employés, les communautés et
consommateurs’. L’éco-fabrication met en œuvre 3 dimensions ou piliers : Énergie, process et
matériaux.
Ainsi (Joshi et al, 2006) ont montré qu’il est essentiel d’aller au-delà du concept traditionnel
3R pour promouvoir les technologies vertes (réduire, Réutiliser-Recycler) vers une notion
plus avancée qui est le concept 6R (Réduire-Réutiliser-Récupérer-Reconcevoir-Refabriquer-
Recycler) qui forme une notion de base pour le développement de l’éco-fabrication. (Fig1.10).
Fig.1.10. Évolution et développement de l’Eco-fabrication

(Jawahir. IS et Dillon. OWJR, 2007)

Fig.1.11. Concept du 6R (Jaafar. IH et al, 2007)
(Rajemi et al, 2010) ont affirmé que la minimisation de la consommation des ressources en
préfabrication et la réduction de l’utilisation de l’énergie et des matériaux représentent des
lignes directrices importantes pour la mise en place du concept 6R. Ce dernier peut être
amélioré par la suite à l’aide de la réduction des déchets lors de la phase de fabrication.
(Municipal Solid Waste 2008).
Ainsi, les travaux pour l’éco-fabrication ont souligné 3 niveaux d’étude dans ce domaine : la
modélisation énergétique, la maîtrise du processus et l’étude des matériaux.
4.1. Modélisation de l’éco-fabrication à base des processus
Le développement technologique et la concurrence entre les pays industrialisés ont poussé

les États-Unis à lutter pour la maîtrise écologique et technologique des procédés de
fabrication par rapport aux pays de l’Union européenne ainsi que la Chine et le Japon.
Un processus de fabrication dépend de certains facteurs tels que : compréhension du
comportement du matériau de la pièce, développement des simulations des procédés, ainsi
que la modélisation des technologies (capteurs, instrument de contrôle…). (Gutowski et al,
2001) ont conclu que la modélisation de ces éléments permet de comprendre la valeur
économique et écologique du process étudié.
(Giachetti, 1998) a proposé un modèle analytique permettant le suivi et le stockage des
caractéristiques des matériaux le long d’un process de fabrication dans le cadre de la mise en
œuvre de la conception pour la fabrication.
(Lin et Polenske ,1998) ont étudié l’influence du flux entrées/sorties sur le coût des déchets à
l’aide de l’exemple de la fabrication de l’acier. Ainsi (Sutherland et Gunter, 2001) ont suivi la
même approche pour modéliser l’effet de la planification des processus sur la production des
déchets.

Pour présenter une modélisation globale d’un système de fabrication (Gutowski. T, 2004) et
(Dahmus. J, 2005) ont proposé un modèle pour l’analyse des impacts environnementaux pour
différents procédés de production.
(Zhang et al, 2000) ont modélisé la consommation de ressources matérielles le long d’un
procédé de fabrication. Cette analyse permet d’aboutir à une décision pour l’optimisation et la
gestion de la consommation des ressources.
La plupart des travaux sur le niveau de production impliquent la planification des processus et
le processus de routage pour l'amélioration de la performance énergétique. En raison de la
complexité des décisions de flux de processus, la plupart des recherches se concentrent sur les
coûts et les temps de cycle. Il ya un manque d'outils pour optimiser le flux de processus basé
sur des objectifs de développement durable, et ceux qui étaient proposés ont peu de résultats
concrets (Tan et al, 2006). Dans une tentative de combler cette lacune (Tan et al, 2009) ont
combiné la planification des processus de fabrication et l'évaluation des impacts
environnementaux en utilisant l'analyse de la liste de contrôle. Ils ont proposé une méthode de
prise de décision optimale de nouveaux composants qui inclut la consommation d'énergie
dans le cadre de la gestion durable l'évaluation du développement.
Figure 1.12. Optimisation de la planification des processus de production à base

d’évaluation de durabilité (Tan et al, 2009)
Ainsi, diverses mesures environnementales peuvent être utilisées pour développer une
démarche environnementale de planification du système de production qui fonctionne avec les
méthodes de planification de processus conventionnels pour évaluer les compromis entre les
exigences environnementales et de productivité (Krishnan et Sheng, 2000). L'analyse multi
objectifs peut être utilisée pour soutenir la planification de processus vert (Yeo et New, 1999)
afin d'optimiser les matières premières, secondaires, et de la consommation d'énergie et
d'autres impacts environnementaux (He et al, 2005). En utilisant les bases de données et les
référentiels modèles, l'intégration de l'optimisation de la consommation d'énergie de processus
comme partie de l'algorithme de sélection des processus dans un programme de planification
de processus est possible comme elle était démontrée par (He et al, 2007).

En se basant sur la modélisation, Input-Process-Output (IPO), (Cao Huajun et al, 2005) ont
utilisé une modélisation matricielle pour définir les données d’entrées sorties d’un procédé de
fabrication et par la suite l’analyse des impacts environnementaux résultants. Ainsi, (Jiang. Z
et al, 2008) ont appliqué la modélisation IPO combinée avec une approche d’agrégation pour
une étude de cas :’valve body’.
(Xue. H et al, 2007) ont appliqué le bilan des matières sous la forme de la loi IPO pour
optimiser les impacts environnementaux issus de la fabrication des châssis.
(Qun.S et Weimin.Z, 2012) ont étudié la diminution de l’empreinte carbone (équivalent 𝐶𝑂2 )
pour les procédés d’usinage en modélisant le flux d’entrées/sorties pour chaque opération.
(Xian-Chun.T et al, 2011) ont étudié la possibilité de la combinaison entre l’optimisation des
paramètres technologiques, ainsi que les ressources consommées à l’aide de certains outils de
modélisation tels qu’IPO et Genetic Simulated Annealing Algorithm (GSAA).
(Eastlick et al, 2011) ont proposé une méthode pour la comparaison de certaines alternatives
de conception des processus de fabrication en tenant compte des 3 piliers du développement
durable. Cette étude a été appliquée pour la fabrication de certains composants en titane.
En 2009 (Gutowski et al, 2009) a publié le résumé de certains travaux expérimentaux
permettant la détermination de la demande en énergie électrique pour différents procédés de
fabrication. Comme c’est indiqué dans la figure 1.13, le besoin en énergie électrique dépend
du taux de la matière enlevée ainsi que du type du procédé utilisé.
L’usinage par enlèvement de matière peut être considéré parmi les processus de fabrication
les plus importants et il est responsable d’environ 5 % du produit intérieur brut (PIB) des pays
développés. Ainsi, l’impact indirect de l’usinage est important vu le compromis cherché entre
la qualité du produit ainsi que le coût de la fabrication. (Jayal et al, 2010).
Malgré ce qui précède, l’évolution vers l’usinage durable ou éco-usinage est considérée lente
et non organisée. Ceci est illustré dans l’absence d’une méthodologie directe permettant, à
l’aide d’un modèle virtuel, de simuler et examiner systématiquement les processus d’usinage
dans l’objectif d’optimiser et modéliser les opérations avec le minimum d’impact écologique.
(Shao. G et al, 2010).

Figure 1.13. Besoin en électricité pour les procédés de fabrication (Gutowski, 2001)
La technologie est considérée parmi les piliers importants pour le développement des notions
d’éco-fabrication en usinage. Parmi les procédés les plus développés dans ce cadre on
constate : l’usinage cryogénique et l’usinage avec jet à haute pression. Le développement de
ces procédés a été à travers la modélisation et l’optimisation au niveau de la lubrification en
termes de quantité et qualité. (Cakir. O et al, 2007).
L’usinage cryogénique représente une méthode innovante pour le refroidissement de la zone
de coupe caractérisée par une température élevée lors de la fabrication. Cette technique de
refroidissement est basée sur l’utilisation des liquides cryogénique sans danger sur l’écologie
pour la lubrification. L’azote est le liquide cryogénique fréquemment utilisé. On constate
aussi d’autres fluides tels que : Hélium, Hydrogène, air, Oxygène (Aznijar et al, 2010).
L’azote dans le système d’usinage cryogénique s’évapore rapidement et remonte dans

l’atmosphère sans laisser aucun résidu qui peut contaminer la partie outil, pièce ou l’opérateur
et en éliminant ainsi les coûts de son élimination.
L’usinage avec jet à haute pression représente un procédé novatrice permettant la lubrification
avec un jet d’huile ou d’eau à une haute pression qui peut aller jusqu’à 300 MPa.
(figure.1.14).
Avec la progression du développement de ces techniques d’usinage, les questions qui se
posent : comment, où, quoi et en quelle quantité le fluide cryogénique doit être appliqué pour
améliorer les performances de l’usinage en terme d’écologie et gain économique. Dans ses
travaux, (Pusavec et al, 2009) ont proposé une étude comparative entre ces deux techniques
par rapport à l’usinage conventionnel (figure.1.14).
Fig.1.14. Comparaison des différents procédés (Kopac. J, 2009)
La figure 1.14 résume les points de comparaison entre les différents procédés étudiés. La
réduction du coût de la production ainsi que l’utilisation des procédés propres représentent les
deux axes d’étude développés dans ce travail.

Fig1.15. Comparaison du coût de production et du temps de production (Kopac. J, 2009)
Le travail de comparaison présenté dans la figure 1.14 met l’accent sur le gain écologique
ainsi qu’économique. Ce dernier a été illustré au niveau de la durée de vie de l’outil, le coût
de production ainsi que le temps de production.
Les résultats montrent que l’usinage cryogénique ainsi que l’usinage avec jet à haute pression
ont le temps de production minimal ainsi que le coût minimal de production. Ces résultats,
comme le montre la figure 1.15, ont été validés pour certains paramètres de coupe et sous
différentes conditions de coupe.
Les résultats montrés dans la figure 1.15 montrent les performances de l’usinage cryogénique
ainsi que celui avec jet à haute pression par rapport à l’usinage conventionnel. Ces
performances s’illustrent au niveau du coût et de temps de la production. Ce gain économique
est accompagné d’un gain écologique vu que ces deux procédés minimisent l’impact
écologique du lubrifiant.
4.2. Modélisation de l’éco-fabrication à base énergétique
Selon (BEER, 2009), au Royaume-Uni, l’industrie manufacturière représente 34% de la

consommation de l’énergie électrique

Figure 1.16. Répartition de la consommation d’énergie par secteur en Royaume-Uni

(Beer, 2009)
.
Avec l’augmentation des prix d’énergie ainsi que la croissance importante de la demande
industrielle d’énergie, les travaux de recherche ont mis l’accent sur la modélisation de la
consommation d’énergie au niveau des machines ainsi que l’influence des procédés utilisés.
Figure 1.17. Consommation d’énergie (Pusavec et al, 2010)
(Pusavec et al, 2010) a constaté que l’énergie représente un facteur clé dans la modélisation
de l’éco-fabrication et la réduction des émissions environnementales d’un procédé de
fabrication.
Les travaux dans ce cadre ont mis l’accent sur les opérations d’usinage. La modélisation a pris
en considération le comportement de la machine, l’efficacité d’utilisation de l’énergie en se
basant sur l’évolution des paramètres technologiques des opérations étudiées.
Les premiers travaux datent depuis 2002 par les études développées par Gutowski et
Kordnowy. Ils ont modélisé la consommation de l’énergie à partir des éléments fonctionnels

de la machine durant le cycle de fabrication : servos, pompe, moteurs… (Gutowski et al,

2006; Dahmus et Gutowski, 2004; Kordonowy, 2002).
Ainsi (Dietmair et Verl, 2009 a,b)) ont présenté un modèle global pour la consommation
d’énergie au niveau d’une machine de fabrication dans le but de maîtriser l’aspect énergétique
de l’ensemble machine/outil.
(Devoldere et al, 2007; Hauschild et al, 2005; Jovane et al, 2003.) ont étudié l’impact
environnemental dû à la consommation d’énergie ainsi que l’efficacité opérationnelle
énergétique.
De même, au niveau de l’usinage, les émissions liées à la fabrication des outils de coupe
représentent des émissions indirectes liées au produit étudié. Donc, la minimisation des
impacts environnementaux pendant la fabrication des outils de coupe permet la réduction de
l’impact final suite à la production du produit fini (Vijayaraghavan et Dornfeld, 2010).
(Avram et Xirouchakis, 2011) ont étudié le besoin en énergie pour la broche et les axes de
mouvement dans les machines pour définir la consommation énergétique durant les différents
régimes de fonctionnement.
(Mori et al, 2011) ont classifié l’énergie pendant un cycle de fabrication en une énergie
constante et autre variable dépendant des paramètres opératoires. L’objectif a été l’aide à la
décision pour minimiser l’empreinte écologique de l’utilisation de l’énergie.
D’autres études ont été consacrées pour certains procédés spécifiques de fabrication. (Rajemi
et al, 2010), Draganescu et al, 2003) ont modélisé la consommation d’énergie pour certains
procédés de fabrication : tournage, fraisage… dans le but d’étudier l’influence du process
ainsi que les outils, le matériau utilisé sur l’empreinte écologique. Ces études ont été basées
sur des données expérimentales permettant la validation des résultats théoriques.
Ainsi, une étude menée par (Dahmus et Gutowski, 2004) sur trois machines différentes de
fraisage avec différentes capacités de l'équipement auxiliaire, ont montré que suivant le
modèle de la machine entre 48% - 69% de l'énergie consommée est constante quelle que soit
la charge (figure 1.18). Ils ont classé la consommation d'énergie au démarrage, comme pour
les ordinateurs, les fans et moteurs déchargés que "les opérations constantes de démarrage» et
de l'énergie utilisée pour la position matériaux et des outils de charge que les «opérations
Constant Run-time". Il est prévu qu’à l'avenir une plus grande automatisation et un nombre
croissant d'équipements d'usinage intégré signifieraient un plus grand pourcentage de la
consommation d'énergie auxiliaire. Comme on le voit dans une autre étude portant sur un
grand centre d'usinage Toyota, on a constaté que jusqu'à 85,2% de l'énergie utilisée par
l'équipement d'usinage est constante, indépendamment de la production (Gutowski et al,
2005).

Figure 1.18. Consommation d’énergie pour plusieurs machines de fraisage

(Dahmus et Gutowski, 2004)
La consommation d'énergie variable est en fonction des paramètres de traitement. (Diaz et al,
2009) ont modifié la vitesse d'avance pour un processus de coupe et ils ont trouvé que
l'énergie par unités fabriquées a augmenté à des vitesses d'avance inférieures. Cela a
également été vu lors de l'utilisation de l’usinage à grande vitesse par rapport à l'usinage
conventionnel principalement en raison de la diminution du temps d’usinage qui a compensé
la légère augmentation de la puissance nécessaire pour l'usinage à grandes vitesses. (Rajemi et
al, 2010) ont trouvé que la vitesse de coupe et par conséquent les temps de cycle ont
fortement influencé la consommation d'énergie des machines. Ce travail a été appliqué pour
trois pièces. Ils ont été usinés sur un tour à des vitesses de coupe différentes. Suite à cette
étude de cas, les auteurs ont constaté que le pourcentage de la consommation d'énergie pour le
processus d'usinage réel augmente avec la vitesse de coupe.
(Seow. Y et Rahimifard. S, 2011) ont proposé un modèle basé sur EPE (Embodied Product
Energy) pour étudier la consommation d’énergie pour la fabrication d’un tel produit. Ces
travaux ont regroupé l’énergie en somme de 3 types : l’énergie directe (ED), l’énergie
indirecte (EI) et l’énergie théorique (ET). Les auteurs ont appliqué cette approche pour la
fabrication d’un coude. Les modèles mathématiques ont été implantés en parallèle avec
l’interface Arena. Ainsi, l’impact de la consommation énergétique pour ce travail a été illustré
à l’aide des analyses de cycle de vie.

Figure 1.19. Suivie de la consommation d’énergie par mode de production

(Devoldere et al, 2007)
L’algorithme implémenté pour résoudre cette problématique de modélisation énergétique est

représenté par la figure 1.20 :
Figure 1.20. Collection des énergies à base du modèle EPE (Seow. Y et al, 2011)

Ce modèle est basé sur 3 éléments : le processus, la chaine de production ou système global
de production et le produit étudié. Suite à la modélisation de la consommation d’énergie, la
continuation de ce travail consiste en l’étude de la minimisation des émissions dégagées de la
fabrication d’un produit. Cette minimisation tend à améliorer l’efficacité d’utilisation de
l’énergie produite à la chaine de fabrication du produit.
Figure 1.21. Ratios d’efficacité énergétique des processus (Seow. Y et al 2011)
4.3. Modélisation de l’éco fabrication à base de la consommation des ressources
La fabrication représente la phase de transformation de la matière première en s’appuyant sur

des processus de fabrication et en utilisant de l’énergie ainsi que des matériaux auxiliaires.
Pour plusieurs auteurs le bilan de matière est l’un des points clés pour la modélisation de
l’éco-fabrication.
(Gutowski et al, 2009) ont présenté un cadre thermodynamique pour la consommation des
ressources matérielles ainsi qu’une prise en considération des conditions énergétiques.
(Xue et al, 2007) ont introduit un modèle d'agrégation de modèles d'entrées-sorties matérielles
au niveau des processus pour former un modèle d'entrée-sortie matériau combiné à un
système de fabrication qui permet l'identification des possibilités de réduction des impacts
environnementaux au niveau des processus.
Une nouvelle méthode d'analyse a été présentée par (Jiang et al, 2008) pour agréger la
consommation des ressources et l'impact environnemental au niveau du processus sur la base
de modèles de processus d'introduction en bourse pour former un modèle entrée-sortie
combiné pour les procédés de fabrication.
(Tan et al, 2002) ont aussi établi un modèle d'analyse de la situation des ressources matérielles
de produits consommés dans les systèmes de production basés sur la description de la
classification des ressources de l'état de la ressource consommée dans les systèmes de
production et l'analyse de la logistique des produits. Ils ont également développé une méthode
d'évaluation et un cadre technologique pour les impacts environnementaux des procédés de
fabrication de composants sur la base d'un modèle IPO.
Pour le développement de la notion de 6R (Peiling. L, 2010) a proposé la solution de la
réutilisation du produit ou de quelques parties dans les prochains cycles de vie dans l’objectif
d’améliorer la gestion de la consommation et l’utilisation des matériaux lors de la phase de
fabrication. (Vinoth. S et Rathod. G, 2010).

4.4. Notion de la fabrication à basse émission de carbone (LCM)
La notion de l’éco-fabrication est accompagnée toujours par une quantification écologique.

Dans ce sens, certains auteurs ont mis en évidence la généralisation de l’aspect
environnemental pour parler d’un seul indicateur qui est le carbone.
Le concept de la fabrication à bas carbone (LCM) est apparu dans la dernière décennie. LCM
se réfère à un processus de fabrication qui produit une intensité totale faible des émissions de
carbone et utilise l'énergie et les ressources avec efficience et efficacité au cours du processus
(Tridech, 2008).
Le concept essentiel de LCM est d'abord établi sur la base du concept de fabrication durable
et le principe de l'analyse du cycle de vie (ACV). D'autre part, l'évaluation des émissions de
dioxyde de carbone de chaque étape de la chaîne de processus doit être conforme à BSI:
normes 2008 en utilisant les facteurs d'émission alloués par rapport à la quantité de la
consommation d'énergie (British-Standards-Institute 2008).
Ball en 2009 a proposé le modèle conceptuel initial de LCM au niveau de l'entreprise. L'idée
principale de ce modèle est de présenter la mise en œuvre des technologies pour la production
d'énergie renouvelable à l'endroit approprié dans le système de fabrication en utilisant
l’approche de modélisation IDEF0.
La hiérarchie du flux d'énergie de l'ensemble de l'entreprise peut être analysée. En outre, la
méthode systématique pour utiliser les déchets comme source d'énergie renouvelable est
également présentée dans ce modèle. Toutefois, ce modèle est uniquement considéré comme
un modèle qualitatif qui n'est pas classé comme la modélisation dynamique. À ce titre,
l'évaluation et la validation par simulation et méthodes qualitatives sont nécessaires pour ce
modèle selon l'auteur (Ball, 2009).

Figure 1.22. Modèle conceptuel pour la fabrication à zéro carbone (Ball, 2009)
De même (Song, 2010) a présenté une autre modélisation pour LCM. Le modèle incorpore
l'estimation des émissions de GES pour chaque étape de la conception du produit en utilisant
le bilan matériel (BOM). En outre, la figure 1.22 illustre le système intégré entre les bases de
données d'émissions SGH de composantes et de la structure de la nomenclature du produit.
L'objectif de ce système est de chercher la sélection des composants / pièces qui peuvent
satisfaire la cible des émissions SGH. Si la solution choisie n'atteint pas l'objectif, un autre
ensemble de composants / pièces va se conformer à l'exigence de la capacité du client et la
production sera assurée jusqu'à ce que la solution ait à l'objectif (Song, 2010).
(Gutowski, 2006) a proposé un cadre de modélisation pour le procédé de fabrication. Comme
le montre la figure 1.23, la modélisation des flux des entrées-sorties des processus de
fabrication sera basée sur les éléments suivants : produits, déchets et perte d’énergie.

Figure 1.23. Les entrées sorties d’énergie et matériaux d’un processus de fabrication
(Gutowski, 2006)
Ainsi, l'estimation et l'évaluation de l'impact environnemental d’un système de fabrication

appelé ACV a émergé. La clé de cette méthode est l'identification des besoins en produits tels
que l'énergie, les matériaux et les émissions et les déchets rejetés dans l'environnement
(Heilala, 2008).
L'approche holistique de l'ACV pour une plate-forme européenne est présentée dans la figure
1.24. Au-delà de l'avantage de l'ACV, la ligne directrice pour l'évaluation du montant de
l'empreinte carbone est construite, elle est appelée "PAS 2050" par British Standards (BSI
2008).
Figure 1.24. Cycle de vie des produits à base de la plateforme EU-LCA (Heilala, 2008)

Cette méthode concerne spécifiquement la source de GES alors que le LCA comprend tous
les impacts environnementaux. Pour la première étape de la réduction de l'empreinte carbone,
il est très important de comprendre l’origine des émissions de carbone. Dans la figure.1.24,
l'exemple de calcul des émissions de dioxyde de carbone à l'aide de PAS2050 est présenté à
l'aide du transport de blé dans la production de farine.
Chaque activité de cet exemple est classée et fournit des données d'activité et doit être alors
multipliée par un facteur d'émission approprié. Le résultat de ce calcul représente les
émissions de dioxyde de carbone dans les unités en kg de 𝐶𝑂2𝑒 . Cependant, il n'existe pas
encore d'approche systématique pour la fabrication à faibles émissions de carbone
spécifiquement pour la fabrication à base de CNC aujourd'hui même si la recherche de la
réduction des émissions de dioxyde de carbone est largement développée.
5. Les techniques et méthodes d’optimisation
Un problème d’optimisation est défini comme étant la recherche d’un optimum (minimum ou
maximum) d’une fonction donnée. Dans de nombreux cas, les fonctions à optimiser sont
accompagnées d’un nombre de contraintes qui évoluent dans une partie de l’espace de
recherche. On parle dans ce cas des problèmes d’optimisation sous contraintes.
La classification des problèmes d’optimisation rencontrés dépend des critères suivants :
- Le nombre des variables de décision.

- Le type des variables de décision.
- La formulation du problème.
- Le type de la fonction objective.
La résolution des problèmes d’optimisation est réalisée à l’aide des méthodes et algorithmes
d’optimisation qu’on peut les présenter sous la forme de deux familles : les méthodes
déterministes et les méthodes stochastiques.
5.1. Les méthodes déterministes
Ces méthodes se caractérisent par une exploration systématique de l’espace de recherche. En

général, elles nécessitent certaines hypothèses sur la fonction objective dont on peut citer la
continuité et la dérivabilité en tout point de l’espace de recherche.
Les méthodes déterministes peuvent être classées en deux catégories principales : les
méthodes locales et les méthodes globales.
Pour les méthodes locales, ils assurent la convergence vers l’optimum de la fonction le plus
proche de la solution courante en explorant son voisinage. Ainsi, pour les méthodes globales,
ils s’attachent à converger la solution vers l’optimum global de la fonction.
Le problème d’optimisation en fabrication a été toujours classé comme complexe vu le

nombre de variables et paramètres introduits, les contraintes techniques à respecter, les
objectifs à atteindre… Ce caractère difficile a poussé les chercheurs à la mise en place des
méthodes d’optimisation dans le cadre de l’optimisation pour la fabrication.

(Shin et Joo, 1992) ont utilisé le programme d’optimisation dynamique dans le cadre de
l’optimisation des paramètres de coupe en fraisage. L’utilisation de cette méthode montre
certaines limitations pour la résolution des problèmes d’optimisation avec un grand nombre
des paramètres.
(Wang, 1993) a utilisé une approche basée sur le réseau de neurone pour l’optimisation du
procédé de broyage. Cependant, l’optimisation par réseau de neurones peut souvent se
terminer dans des minimums locaux ou un échec de convergence vers le résultat souhaité.
(Sonmez et al, 1999) a étudié le fraisage à passe multiple basé sur le critère de maximum de
taux de production en utilisant l’algorithme adopté dans les travaux de (Agapiou, 1992)
(programmation dynamique et programmation géométrique) dans le cadre de l’optimisation
des opérations du tournage. Bien que les résultats obtenus montrent une amélioration au
niveau de la qualité des résultats obtenus, les techniques d’optimisation utilisées dans ce
travail montrent un minimum local ainsi qu’un temps important pour converger.
5.1.1. Les méthodes de gradient
Historiquement, les méthodes de gradient sont considérées comme les plus anciennes parmi
les méthodes d’optimisation développées. Ces méthodes sont très utiles grâce à leur simplicité
de mise en place ainsi que les bons résultats trouvés dans la plupart des cas d’études.
Pour la résolution d’un problème d’optimisation à l’aide de cette méthode on procède comme
suit :
- On choisit un point de départ 𝑥0 et on calcule le gradient ∇𝑓(𝑥0 ) : ce gradient indique la

direction de la plus grande augmentation de 𝑓.
- Après, on se déplace d’une quantité 𝛿0 dans le sens opposé au gradient et on obtient le point
∇𝑓(𝑥0 )
𝑥1 : 𝑥1 = 𝑥0 − 𝛿0 ‖∇𝑓(𝑥0 )‖
- Ainsi, on engendre une série de points (𝑥0 , 𝑥1 , 𝑥2 , … , 𝑥𝑘 ) qui permet de se rapprocher de plus
∇𝑓(𝑥𝑘 )
en plus de l’optimum : 𝑥𝑘+1 = 𝑥𝑘 − 𝛿𝑘 ‖∇𝑓(𝑥𝑘 )‖
avec 𝛿𝑘 > 0 représente le pas de déplacement à
chaque itération. Si ce pas est fixe, on parle de la méthode de gradient à pas prédéterminé.
L’inconvénient majeur de cette méthode est la dépendance de la convergence au choix du pas.

Ceci peut conduire à un processus de résolution lent. C’est dans ce sens que la méthode de la
plus forte pente a été utilisée. Cette dernière a l’avantage de libérer le choix du déplacement
𝛿𝑘 qui doit être calculé en minimisant à chaque itération la fonction (Chong et Zak, 2011):
g(𝛿) = 𝑓(𝑥𝑘 − 𝛿∇𝑓(𝑥0 )). (1.1)
5.1.2. La méthode de Newton
Cette méthode est destinée pour la résolution des problèmes d’optimisation sans contraintes.
Elle consiste à utiliser d’une manière itérative l’approximation quadratique de la fonction
objective 𝑓 à l’itération courante 𝑥𝑘 et de minimiser cette approximation.
L’application de la méthode de Newton nécessite les hypothèses suivantes :

- La fonction 𝑓 est continue et deux fois différentiable.

- ∇2 𝑓(𝑥 𝑘 ) est défini positif.
Ainsi, de la même manière que la méthode de gradient, on définit la suite {𝑥𝑘 } comme suit :
𝑥𝑘+1 = 𝑥𝑘 − [∇2 𝑓(𝑥𝑘 )]−1 + ∇2 𝑓(𝑥 𝑘 ) (1.2)
La méthode de Newton est considérée comme puissante à cause de sa convergence rapide, en

particulier si l’estimation initiale de la solution 𝑥0 est suffisamment proche de la solution
optimale.
5.2. Les méthodes stochastiques
Les méthodes déterministes ont montré leur limitation en passant à la résolution des
problèmes d’optimisation difficiles tels que les problèmes à grandes dimensions. Cette
limitation met en évidence le besoin aux méthodes stochastiques. Ces méthodes sont de
caractère itératif où le processus d’optimisation est guidé partiellement ou totalement par un
processus stochastique.
On s’intéresse dans ce qui suit à la présentation des méta-heuristiques. Ces algorithmes sont
basés sur l’exploration aléatoire probabiliste d’une ou plusieurs régions de l’espace de
recherche.
Cette exploration peut être guidée par des fonctions probabilistes permettant d’éviter les
optimums locaux lors de l’exploration.
Plusieurs techniques d’optimisation ont été utilisées pour la résolution des problèmes de
l’optimisation en fabrication. Mais, ils ont été accompagnés, dans la majorité des cas, de
certaines carences au niveau de la qualité des résultats obtenus. Ce manque a été résolu par
l’adaptation des méthodes méta-heuristique dans le cadre de l’optimisation pour la
fabrication.
Historiquement, ces méthodes datent depuis les années 1980, et selon leur apparition on peut
citer les algorithmes les plus importants : les algorithmes génétiques (1975), la méthode de
recuit simulé (1983), la méthode de recherche tabou (1986), l’algorithme de colonie de
fourmis (1990) et l’algorithme des essaims particulaires (1995).
5.2.1. Les algorithmes génétiques
Les algorithmes génétiques font partie des algorithmes évolutionnaires. Leur principe de
fonctionnement est basé sur l’évolution d’une population naturelle soumise à son
environnement. Cette méthode a été développée par John Hollande en 1975 et popularisée par
la suite par David Goldberg (Goldberg. DE, 1998).
Le principe est le suivant : d’une génération à l’autre, les individus les plus adaptés au milieu
(ceux qui ont des meilleures performances en termes de fonctions objectifs et de non-
dominance) verront statistiquement leur potentiel génétique (paramètre d’optimisation)
conservé (figure 1.25).

Figure.1.25. Algorithme génétique
Ces algorithmes, comme le montre la figure 1.25, sont basés sur les opérateurs suivants :
Croisement : ils permettent d’évoluer vers des individus mieux adaptés au milieu à partir
d’individus performants. Cette étape a pour objectif la création de nouvelles chaînes en
échangeant de l’information entre deux chaînes. Elle s’effectue en deux étapes : après
l’apparition des nouveaux éléments produits par la reproduction, chaque paire de chaînes subit
un croisement : un entier k représentant une position sur la chaîne est choisie aléatoirement
entre L et L-1 tel que L est la longueur de la chaîne. Deux nouvelles chaînes sont créées en
échangeant tous les caractères compris entre les positions k+1 et l.
Il existe un grand nombre d’opérateurs de croisement, les plus classiques dans le cadre de
l’optimisation stochastique sont : le croisement à un point, le croisement à deux points et le
croisement uniforme (figure1.26).

Figure.1.26. Opération de croisement (Nabil. M, 2012)
Mutation : elle donne de nouvelles pistes vers des types d’individus inexistants et
potentiellement performants. Elle est appliquée sur une seule chaîne. Elle consiste à la
modification aléatoire et occasionnelle de faible probabilité de la valeur d’un caractère de la
chaîne. Cette étape introduit la diversité dans le processus de recherche des solutions et peut
aider l’AG à ne pas stagner dans un optimum local.
Figure.1.27. Opération de mutation (Nabil. M, 2012)
Codage : il permet de conserver les individus les mieux adaptés à l’environnement. Pour les
AG, le codage est représenté sous forme d’une chaîne de bits contenant toutes les
informations nécessaires pour la représentation d’un point dans l’espace de recherche.
Parmi les codages possibles, on distingue le codage binaire, mais il a pour inconvénient que
deux points proches dans l’espace des variables ne sont pas nécessairement codés par deux
chaînes de bits voisines.
Cet inconvénient amène à l’utilisation du codage de ‘Gray’ qui conserve une distance de
Hamming de « 1 » entre deux chaînes. Cette distance est définie comme étant le nombre de
bits qui diffère de l’une à l’autre.
Figure.1.28. Opération de codage (Nabil. M, 2012)

(Shunmugam et al, 2000) ont utilisé l’algorithme génétique pour l’optimisation des
paramètres de coupe en fraisage en adoptant le coût total de production comme fonction
objectif. Cet algorithme possède des avantages par rapport aux techniques conventionnelles
d’optimisation. Mais, les résultats obtenus dépendent de la taille de la population ainsi que la
diversité des solutions individuelles dans l’espace de recherche.
(Lui et Wang, 1999) ont modifié les algorithmes génétiques par la définition et le changement
du domaine d’exploration. Ces algorithmes ont été appliqués dans le cas du fraisage. Les
résultats obtenus ainsi que la vitesse de convergence ont été meilleurs par rapport à la version
initiale des algorithmes génétiques.
L’algorithme génétique a été largement utilisé par plusieurs chercheurs pour l’optimisation
des paramètres de coupe en tournage. [(Onwubolu. GC et Kumalo. T, 2001) ; (Chen. KY et
Chen. MC, 2003) ; (Sankar. RS et al, 2007)]. Les chercheurs ont appliqué certaines
améliorations au niveau des opérateurs et paramètres de cet algorithme dans le but
d’améliorer ses performances.
[(Belaidi. I, 2007) et (Chibane. H et al, 2011)] ont traité le problème d’optimisation des
paramètres de coupe en tournage et fraisage en adoptant l’algorithme génétique multi
objectifs ‘NSGA II’.
Pour résoudre certains inconvénients des AG, plusieurs travaux ont été développés pour
présenter d’autres outils dont on peut citer : l’algorithme de colonie de fourmis
[(Vijayakuman et al, 2003) ; (Wang. YC, 2007)], et récemment l’optimisation par essaim
particulaire [(Srinivas. J et al, 2009) ; (Yildiz. AR, 2009)].
5.2.2. La méthode de recuit simulé
C’est un algorithme inspiré d’une analogie thermodynamique basée sur la technique

expérimentale métallurgique ‘le recuit’. Cette méthode a été introduite par des spécialistes en
physique statistique. [(Kirkpatrick et al, 1983) ; (Cerny, 1985)].
En se basant sur cette expérience, le principe de l’optimisation par recuit simulé est le
suivant : la fonction objective du problème, similaire à l’énergie d’un matériau, est alors
réduite au minimum, à l’aide de l’introduction d’une température fictive, qui est , dans ce cas,
un simple paramètre contrôlable de l’algorithme. Pour éviter que l’algorithme ne reste piégé
dans des minimas locaux, on fait en sorte que la température décroisse lentement en fonction
de temps.

Figure.1.29. Algorithme de recuit simulé
La méthode de recuit simulé a l’avantage d’être souple vis-à-vis des évolutions du problème
et facile à implémenter. Mais, cette méthode a l’inconvénient du besoin de nombreux tests
pour trouver les bons paramètres.
5.2.3. La méthode de Recherche Tabou
En 1986, Glover a proposé une nouvelle méthode d’optimisation basée sur l’utilisation des
mécanismes inspirés de la mémoire humaine. (Glover. F, 1986). Cette méthode, comme le
recuit simulé, n’est pas basée sur une mémoire de tout ou mémoire globale. Le principe est les
suivants : cette méthode fonctionne avec une seule "configuration actuelle", qui est mise à
jour au cours des itérations successives. Chaque itération dépend de deux étapes :
- Pour passer d’une itération 𝑠 à une autre 𝑡, on construit tout d’abord l’ensemble de ses
voisins c.-à-d. l’ensemble des configurations accessibles en un seul mouvement
élémentaire de 𝑠. on note 𝑉(𝑠) l’ensemble de ces voisins cherchés.
- Ensuite, on évalue la fonction objective pour chaque élément appartenant à 𝑉(𝑠). alors, la
configuration est constituée de la configuration 𝑉(𝑠) dont la fonction objective est
minimale.

Figure.1.30. Algorithme de la Recherche Tabou
En suivant les deux étapes déjà présentées, on enregistre le risque de revenir à une
configuration déjà visitée. Pour remédier à ce problème, il faut mettre à jour la liste des
mouvements interdits nommée ‘Liste Tabou’. Cette dernière contient des mouvements m (𝑡
𝑠) qui sont à l’opposé des derniers mouvements m (𝑠 𝑡).
5.2.4. Optimisation par Colonie de Fourmis
Cette métaheuristique a été initialement développée par Dorigo et Colornie [(Colorni et al,
1991) ; (Dorigo. M, 1992)] et inspirées des études sur le comportement des fourmis réelles.
[(Goss et al, 1999) ; (Deneubourg et al, 1983) ; (Deneubourg et Goss, 1989)]. Ces travaux ont
mis en évidence le problème de comprendre la stratégie dont les fourmis peuvent trouver le
chemin le plus court du nid à la source de nourriture et le chemin de retour. La solution a été
un moyen de communication entre les fourmis qui est le dépôt d’une trace de phéromone que
les fourmis cherchant le chemin arrivent à détecter.

Ce phénomène a été traduit à un algorithme d’optimisation à l’aide de certaines analogies

dont on peut citer :
- Une analogie entre l’environnement dans lequel les fourmis cherchent la nourriture et
l’espace de recherche du problème.
- Une analogie entre la quantité et la qualité de la nourriture et la fonction objective à
optimiser.
Dans ces algorithmes d’optimisation, les fourmis artificielles possèdent une mémoire
permettant la génération des solutions faisables.
À l’origine, l’optimisation par colonie de fourmis a été conçue pour résoudre le problème de
voyageur de commerce. Puis (Dorigo et Gambardella, 1999), ont proposé certaines
améliorations à la version de base (Dorigo, 1992) concernant certains points tels que : la mise
à jour des traces, la règle de transition…
L’évolution de l’algorithme de colonie de fourmis peut être décrite comme suit :
- Chaque fourmi est placée sur une ville de départ stockée dans sa mémoire.
- La fourmi se déplace après de cette ville de départ vers une autre.
- Lorsqu’elle est à une ville 𝑖, une fourmi 𝑘 choisit d’aller à une ville non visitée 𝑗 avec une
[𝜏𝑖𝑗 (𝑡)]𝑎 ×[𝜃𝑖𝑗 (𝑡)]𝛽
probabilité donnée par : 𝑃𝑘 𝑖𝑗 (𝑡) = ∑ 𝛼 𝛽
si 𝑗 ∈ 𝑁𝑗 𝑘 ; 0 si non
𝑦∈𝑁𝑖 𝑘 ([𝜏𝑖𝑦 (𝑡)] ×[𝜃𝑖𝑦 (𝑡)]
avec :
𝜏𝑖𝑗 (𝑡) : l’intensité de la trace de phéromone dans l’arête (𝑖, 𝑗).
𝜃𝑖𝑗 (𝑡) = 1/𝑑𝑖𝑗 : Une information heuristique telle que 𝑑𝑖𝑗 représente la distance entre la ville
𝑖 et la ville 𝑗.
α et β sont deux paramètres qui déterminent l’influence relative de la trace de phéromone et

de l’information heuristique.
𝑁𝑗 𝑘 : Le voisinage faisable de la fourmi k
La solution finale est déterminée après que chaque fourmi termine un tour. Ensuite, les traces
de phéromones sont mise à jour.
5.2.5. Les essaims particulaires
Développé par Kennedy et Eberhart (1995), l’essaim particulaire est considéré comme l’un
des dernières techniques méta-heuristiques. Cet algorithme est aussi inspiré du comportement
des animaux (les oiseaux migrateurs).
L’optimisation par essaim particulaire est basée sur le partage de l’information entre les
solutions candidates appelées particules. Ces derniers évoluent simultanément dans l’espace
de recherche considéré.

L’évolution des particules dans l’espace de recherche se fait de la manière suivante : chaque
particule génère une solution en utilisant son vecteur vitesse. Ainsi, chaque particule modifie
sa vitesse pour arriver à une meilleure position en s’aidant de la mémorisation de la meilleure
position retrouvée lors de la simulation ainsi que l’expérience des particules voisines
(meilleure solution de la population).
La stratégie de déplacement d’une particule est illustrée dans la figure 1.31:
Figure1.31. Stratégie de déplacement d’une particule au niveau des essaims particulaires
La topologie du voisinage défini avec qui chacune des particules va pouvoir communiquer. Si
l’on se réfère à la version basique de l’OEP résumée par l’Algorithme ci-dessous, la meilleure
particule 𝑝𝑔 est choisie à partir de la population entière, c’est une topologie entièrement
connectée. Cette version de PSO est appelée version "globale" (𝐺𝑏𝑒𝑠𝑡 ).
De même, on trouve aussi une version dite "locale" de l’OEP. Cette version utilise un graphe
d’information circulaire. Les particules de l’essaim sont virtuellement disposées en cercle et
numérotées séquentiellement à partir de 1 en parcourant le cercle. La particule n’est donc plus
informée par toutes les particules.
L’algorithme de la version initiale peut être introduit comme suit :
Algorithme : Optimisation par essaim particulaire
Initialiser aléatoirement 𝑃𝑠 particules : position et vitesse

Évaluer les positions des particules
Tant que le critère d’arrêt n’est pas atteint faire
Pour i : 1,…, 𝑃𝑠 faire

Déplacer les particules selon les équations de vitesse et de position
Si 𝑓(𝑥𝑖 ) < 𝑓(𝑝𝑖 )
𝑝𝑖 = 𝑥𝑖 ;

Si 𝑓(𝑥𝑖 ) < 𝑓(𝑝𝑔 )
𝑝𝑔 = 𝑥𝑖 ;
Fin si
Fin si
Fin Pour
Fin Tant Que
Le critère d’arrêt peut être différent suivant le problème posé et les exigences de l’utilisateur.
Si l’optimum global est connu à priori, on peut définir une "erreur acceptable" comme critère
d’arrêt. Sinon, on peut fixer le nombre maximum d’itérations ou un nombre maximum
d’évaluations de la fonction objectif.
(Baskar et al, 2005) ont présenté la résolution du problème d’optimisation en fraisage à l’aide
de la comparaison entre 4 techniques méta-heuristiques : AG, recuit simulé, colonie de
fourmis et essaim particulaire.
Les travaux présentés dans ce domaine ont assuré dans la plupart des cas le gain économique
et la qualité du produit comme objectifs de leurs études. Ainsi, l’idée d’intégrer l’aspect
écologique dans les problèmes d’optimisation a été récemment introduite dans les travaux de
(Kai. J et al, 2012) et (Steven. H et al, 2013). Le modèle proposé dans ces travaux tend à
l’optimisation des paramètres des coupes en usinage en minimisant le coût, le temps de
fabrication et en tenant compte des émissions environnementales.
Conclusion
La notion du développement durable a eu une grande importance durant la dernière période.

Elle a été la base de nombreux travaux ayant pour objectif la mise en place des démarches
assurant cette notion.
Au niveau du secteur industriel, les travaux ont débuté par la sensibilisation des responsables
pour faciliter l’avancement et organiser un cadre global pour le respect de l’environnement
dans ce domaine.
Ainsi, l’éco-conception a été le mot clé au départ. À ce niveau, plusieurs travaux ont cherché
des approches permettant la mise en place d’une conception respectueuse de l’écologie.
L’intégration de la dimension « E » dès la phase de conception a été développée à base de
l’analyse du cycle de vie. Cette démarche a mis en place le suivi et la quantification des
émissions durant les différentes étapes du cycle de vie d’un produit qui sont : l’extraction de
la matière première, la fabrication, l’utilisation et la fin de vie. Le résumé de ces efforts a été
développé sous la forme de la norme NF E 01-005.

Suite au développement avancé de ces travaux d’éco-conception, la fabrication a été traitée

comme étant l’une des phases du cycle de vie. Ce traitement a eu certains points faibles qui
ont amené certains chercheurs à intégrer la notion d’Eco-fabrication.
Au départ, le développement de l’éco-fabrication a mis l’accent sur certaines études de cas au

niveau de l’usinage et quelques procédés de fabrication spécifiques. Après, trois piliers ont été
définis pour résoudre la problématique d’éco-fabrication : l’énergie, le matériau et le process.
On constate que la plupart de ces travaux ont été consacrés pour le développement de l’un de
ces piliers déjà défini. Ainsi, pour répondre au besoin du développement durable, l’aspect
économique doit être respecté dans la plupart des cas. C’est dans ce sens que s’intègrent
certaines études qui ont pour objectif le couplage entre les deux aspects : écologique et
économique.
Les différents travaux dans l’axe d’éco-fabrication sont à base de l’analyse de cycle de vie,
mais la problématique majeure a été l’analyse des résultats ainsi que l’aide à la décision pour
le fabricant.
Les travaux développés dans cette thèse auront pour objectif la mise en place d’une approche
de modélisation d’éco-fabrication basée sur l’aide à la décision et le couplage entre l’aspect
économique et l’aspect écologique dans le cadre d’une optimisation multi objective.

Chapitre 2 :
Approche Process Pour la modélisation
de l’Eco-fabrication
Introduction
L’Eco-fabrication est définie comme étant ‘la création des produits manufacturés qui utilisent
des procédés qui minimisent les impacts négatifs sur l’environnement économisent l’énergie
et les ressources naturelles et qui sont sans danger sur les employés, les communautés et les
consommateurs’.
Cette définition met en évidence trois piliers importants pour définir la notion d’éco-
fabrication : Énergie, matériaux et procédé. Ces thèmes représentent les éléments de base pour
la modélisation d’une approche traitant l’intégration de l’aspect écologique dans la phase de
fabrication.
Pour la modélisation de l’Eco-fabrication, deux approches sont développées :
 Une approche orientée process ayant pour objectif l’aide à la décision pour la mise en
place d’un scénario de fabrication avec le minimum d’impact environnemental et le
maximum de gain économique.
 Une approche orientée produite basée sur l’optimisation multi objectifs des opérations de
fabrication en tenant compte des caractéristiques techniques du produit. Cette approche
permet la modélisation des différentes étapes de fabrication du produit en couplant les
piliers économique, écologique et technologique.
Nous traitons dans ce chapitre le cadre général de la modélisation d’éco-fabrication ainsi que
la présentation de l’approche process. Cette dernière a été appliquée pour la chaîne de
production de l’acide phosphorique.
1. Cadre général de la modélisation de l’éco-fabrication
La fabrication représente l’une des phases du cycle de vie traitée dans l’éco-conception. Les
études développées dans ce sens tiennent compte de certains principes généraux de
fabrication, mais plusieurs difficultés se présentent telles que : l’interprétation des résultats de
quantification des impacts environnementaux, le couplage de l’aspect écologique et
économique, l’optimisation des paramètres techniques des différents procédés de fabrication.
Le cadre global de notre approche pour la modélisation de l’éco-fabrication repose sur deux
points principaux: l’aide à la décision multi critères et l’optimisation multi objectifs.
L’aspect écologique des procédés de fabrication peut se présenter sous deux formes
possibles : mono critère et multi critères. En effet, à base de l’analyse de cycle de vie, les
impacts environnementaux peuvent être ramenés à un seul aspect qui est globalement
l’équivalent carbone. Ce dernier représente l’un des principaux gaz de Kyoto qui a été
considéré comme référence pour plusieurs bases de données (Bilan Carbone). Ainsi, l’aspect
multi critères est une représentation détaillée des différents impacts environnementaux
Chapitre 2 : Approche Process pour la modélisation de l’éco-fabrication Page 48

permettant de préparer une base d’information écologique. Cette dernière sert comme entrée
d’aide à la décision.
L’aspect multi critères de l’éco-fabrication est à l’origine de certaines difficultés. Ces

difficultés se résument à travers les différentes questions suivantes : quels sont les impacts à
quantifier ? Quel est le scénario de fabrication à choisir ? Quels sont les objectifs les plus
importants ? Comment peut-on pondérer les indicateurs choisis ?
Pour répondre à ces questions, les différents travaux développés dans cette thèse présentent
deux approches de modélisation de l’éco-fabrication qui sont l’approche process et l’approche
produit.
Figure 2.1. Algorithme général de la modélisation de l’éco-fabrication

La figure 2.1 présente l’algorithme général pour la modélisation de l’éco-fabrication. Cette

dernière peut être introduite en deux niveaux possibles : la phase de fabrication pour un
produit déjà en production (Approche process) et la phase d’étude du processus possible de la
fabrication (Approche produit).
L’approche process basée sur l’aspect multi critères permette l’aide à la décision pour définir
le scénario écologique optimal. Pour l’approche produite, l’objectif est la mise en place de
l’optimisation multi objectifs dans le but de coupler la technologie, l’écologie et l’économie.
On s’intéresse dans ce chapitre à la présentation de l’approche process qui a été appliquée

pour l’étude de cas de production de l’acide phosphorique au sein du groupe chimique.
2. Aide à la décision multi critères

2.1. Définition
L’aide à la décision est définie, selon (Roy. B, 1985), comme étant « l’activité, prenant appui
sur des modèles clairement explicités, mais non nécessairement complètement formalisés,
aide à obtenir des éléments de réponse aux questions que se pose un intervenant dans un
processus de décision, éléments concourant à éclairer la décision et normalement à prescrire,
ou simplement à favoriser, un comportement de nature à accroître la cohérence entre
l’évolution du processus d’une part, les objectifs et le système de valeurs au service desquels
cet intervenant se trouve placé d’autre part ».
À base de cette définition, l’aide à la décision peut s’inscrire dans un processus complet qui a
pour objectif de résoudre un problème de décision dépendant des entrées (inputs) bien
définies et en intégrant plusieurs intervenants.
Dans le cas de l’éco-fabrication, la problématique de décision est de type multi critères. Ce
processus de décision dépend de plusieurs acteurs ainsi que certaines contraintes.
(Guitouni, 1998) affirme que le processus d’aide multi critères à la décision peut
généralement être vu comme un processus récursif (itératif), non linéaire, composé de cinq
étapes principales :
 La structuration de la situation (problème de décision).
 L’articulation et la modélisation des préférences au niveau de chaque point de vue
(modélisation des préférences locales).
 L’agrégation de ces préférences locales en vue d’établir un ou plusieurs systèmes
relationnels de préférences globaux.
 L’exploitation de cette agrégation.
 La recommandation.
La figure 2.2 résume le processus d’aide à la décision multi critères.

Figure 2.2. Processus d’aide à la décision (Guitouni et al, 1999)
2.2. Les types des problématiques de décision
Dans ses travaux (Roy. B, 1985), a regroupé les problématiques de décision en 4 types
différents :
 Problématique de type α : appelée aussi problématique de choix dont l’objectif est la
recherche d’une solution qui découle d’une procédure de sélection.
 Problématique de type β : il s’agit d’une problématique de tri concernant une procédure
d’affectation (Modélisation de catégories).
 Problématique de type γ: elle consiste à ranger les actions selon un ordre de préférence
décroissant.
 Problématique de description de type δ : Améliorer la compréhension d’ensemble de
différentes actions afin de mettre en contexte les conséquences possibles des interventions
2.3. Méthodes d’aide à la décision multi critères (MADMC)
Ce type de méthode permet aux décideurs de faire un bon «choix ». Pour certains experts du
domaine, ce choix existe dans l’esprit du décideur, et le processus d’aide à la décision doit le
faire ressortir pour d’autres, le processus d’aide à la décision doit créer ce choix. (Caillet. R,
2003).
Selon (Roy, 1985), dans certains contextes décisionnels, une modélisation élaborée, des
préférences du décideur sont requises. Selon la manière d’agrégation des préférences du
décideur, il est possible de distinguer plusieurs approches :

 L’approche du critère unique de synthèse évacuant l’incomparabilité. Ces approches sont

exploitées dans le cas où le décideur est capable de juger toute paire d’actions {a, b} et ce
selon un des cas suivants : soit a est préférée à b, soit b est préférée à a, soit le décideur est
indifférent entre a et b. Il n’y a donc pas d’incomparabilité entre deux actions.
Parmi ces méthodes, on distingue : Technique for Order by Similarity to Ideal Solution
(TOPSIS) [Méndez. M et al, 2006] ; Simple Multi-Attribute Rating Technique (SMART) ;
Multiple Attribute Value Theory (MAVT) [Miettinen. P et Hamalainen. RP, 1997] ; Multi
Attribute Utility Theory (MAUT) [Ananda. J et al, 2005] ; Analytic Hierarchy Process
(AHP) [(Saaty. T et al, 2007) (Azzabi. L et al, 2008), (Ayadi. D et al 2008) ; (Ananda. J et
Gamini. H, 2009) ; (Azzabi. L et al, 2010)].
 L’approche de surclassement de synthèse. Ces approches permettent l’incomparabilité
entre actions. Certaines sont caractérisées par des structures de préférence fortes, faibles,
indifférence, incomparabilité.
Plusieurs méthodes ont été développées dans cette classe d’aide à la décision dont on peut
citer : Preference Ranking Organization METHod for Enrichment Evaluation
(PROMETHEE) [(Brans. JP et Mareschal. B, 2005) ; (Ayadi. D et al, 2010) ; (Behzadian.
M et al, 2010)] ; Elimination Et Choix Traduisant la REalité (ELECTRE) [(Tayeb. L et al,
2008); (Wang. J et al, 2009)]; Measuring Attractiveness by a Categorial Based Evaluation
TecHnique [Clivelle.V et al, 2006].
 L’approche du jugement local interactif. Ces approches sont caractérisées par une
interaction continue entre l’homme d’étude et le décideur tout au long du processus d’aide
à la décision.
2.4. Procédure de choix d’une méthode d’aide à la décision
Suite à l’étude des différentes méthodes ou approches multi critères d’aide à la décision, on
constate qu’elles se différencient par :
 La façon de modéliser les préférences du décideur.
 La décision de pondération ou non des critères.
 Les attentes du décideur.
On peut conclure que ces approches dépendent des informations utilisées à l’entrée (inputs) et
les résultats à la sortie (output). Donc, l’étude et la définition des inputs et des outputs
permettent de classer les méthodes d’aide à la décision, ce qui aide à la maîtrise de choix de
l’une de ces méthodes pour le problème étudié.
Pour résoudre ce problème (Guitouni et al, 1999), ont proposé une classification des
MADMC. Ils ont défini 24 entrées et 7 sorties. Ces éléments ont été représentés sous la forme
d’une matrice où les MADMC ont été placés dans les cases correspondantes.
Le tableau 2.1 représente le choix des méthodes d’aide à la décision en se basant sur les
entrées disponibles et les résultats souhaités.

Tableau 2.1. Classification des MADMC selon la matrice inputs/outputs (Hammami A. 2003)
La classification des MADMC selon le couple (input / output) rend le choix plus facile à faire.
Il suffit de se placer dans la case correspondante pour savoir qu’elles sont les méthodes
susceptibles d’être appliquées au problème (tableau 2.1).
Le tableau 2.1 montre les différentes méthodes d’aide à la décision possibles selon les entrées
et les données du problème (𝐼𝑖 ) et les sorties désirées par le décideur (𝑂𝑗 ). On présente dans
les deux sections suivantes une description des différentes entrées-sorties désignées dans ce
tableau de classification.

2.4.1. Caractérisation des inputs
Tableau 2.2. Caractérisation des inputs (Hammami. A, 2003)
Inputs Signification
𝐼1 n structures {𝑃𝑗 , 𝐼𝑗 } de préordres
𝐼3 n structures {𝑃𝑗 , 𝐼𝑗 } de semiordres et/ou structures {𝑃𝑗 , 𝐼𝑗 , 𝑄𝑗 }de pseudo-ordres
plus des seuils de véto 𝑣𝑗
𝐼4 n fonctions d’utilité (𝑢𝑗 ) (d’utilité (valeur) partielle) exprimées sur des
échelles intervalles
et une relation de pré-ordres complet (>) sur les attributs (critères)
échelles intervalles et une relation de préordres complet (>) sur les attributs
plus des seuils de véto 𝑣𝑗 sur des évaluations distributionnelles plus en
relation de préordres complet (>) sur les attributs
𝐼17 n structures {𝑃𝑗 , 𝐼𝑗 } de préordres plus un vecteur de coefficients d’importance
relative (II) des attributs.
𝐼18 n structures {𝑃𝑗 , 𝐼𝑗 } de semiordres et/ou structures {𝑃𝑗 , 𝐼𝑗 , 𝑄𝑗 } de pseudo-
ordres plus un vecteur de coefficient d’importance relative (II) des attributs
𝐼19 n structures {𝑃𝑗 , 𝐼𝑗 } de semiordres et/ou structures {𝑃𝑗 , 𝐼𝑗 , 𝑄𝑗 } de pseudo-
ordres plus des seuils de veto 𝑣𝑗 plus un vecteur de coefficient d’importance
relative (II) des attributs
échelles intervalles plus un vecteur de coefficient d’importance relative (II)
des attributs
échelles ratios plus un vecteur de coefficient d’importance relative (II) des
attributs
plus des seuils de véto 𝑣𝑗 sur des évaluations distributionnelles plus un
vecteur de coefficient d’importance relative (II) des attributs
𝑃𝑗 : Relation de référence stricte

𝑄𝑗 : Relation de référence faible
𝐼𝑗 : Relation d’indifférence

2.4.2. Caractérisation des outputs
Tableau 2.3. Caractérisation des outputs (Hammami. A, 2003)
Outputs Signification
Évaluation globale (un score global par exemple) : cette situation traduit la
𝑂1 volonté de construire un critère unique de synthèse. Le score global est de
niveau cardinal
Un rangement global des actions en considérant seuil d’indifférence

𝑂2 ({>, ~}: une structure de semiordre total) : l’introduction des seuils permet
d’introduire des nuances ou limiter certains conclusions (de surclassement)
par exemple.
Un rangement total des actions avec d’ex oequo ({>, ~} : un préordre

𝑂3 total) :l’objectif dans ce cas est souvent le rangement des actions de la
meilleure à la moins bonne. Dans ce cas, toutes les actions sont
comparables : il est possible de les discriminer.
Un rangement partiel des actions en considérant l’incomparabilité ({>, ~, >

𝑂4 , ? } : une structure de préordre partiel) : cet output reprend l’idée de
l’output précédent tout en considérant qu’il est possible de ne pas pouvoir
discriminer entre certaines actions : on accepte l’incomparabilité
Choix de la meilleure action ou d’un classement d’équivalence de

𝑂5 meilleures actions
Choix d’un sous-ensemble d’actions parmi lesquelles ne trouve (nt) la (les)

𝑂6 meilleure (s) action (s).
Tri ordonné : affecter les actions à des catégories prédéfinies et ordonnées

𝑂7
{>, ~, >, ? } : {Préférence forte, Indifférence, Préférence faible, Incomparailité}
Avec les tableaux 2.2 et 2.3, on décrit les différentes entrées-sorties utilisées dans le tableau
2.1. Cette classification permet le choix de la méthode d’aide à la décision adéquate :
 Case (I21, O1) : Dans le cas où la situation décisionnelle exige des comparaisons par
paires, c’est la méthode AHP qu’il faut adopter. Dans les autres cas, c’est la méthode de la
somme pondérée. Si les préférences ont une structure floue, alors c’est la somme pondérée
floue qu’il faut appliquer. Pour le choix d’une méthode parmi les autres méthodes de cette
case, il faut se référer à la procédure de choix d’une méthode d’optimisation mathématique
 Case (I20, O1) : la méthode de la somme pondérée exige une normalisation des
évaluations des actions. Elle requiert des poids d’importance pour les critères. Elle permet
de calculer un score global pour toute action. La méthode TOPSIS obéit à une logique de
minimisation de distance par rapport à une solution idéale. Ces deux méthodes sont

beaucoup plus simples à appliquer que la méthode MAUT. La méthode de la somme

pondérée ainsi que la méthode TOPSIS exigent que les évaluations des actions soient
cardinales. La méthode MAUT demeure très structurée théoriquement et elle a l’avantage
de traiter des problèmes caractérisés par des informations incertaines.
2.5. Aide à la décision pour l’éco-fabrication
Dépendant de plusieurs piliers de développement, l’éco-fabrication peut être vue comme un

problème multi critères. Cet aspect est à l’origine de certaines interrogations : comment on
peut respecter l’écologie en tenant compte du gain économique ? Quel est le pilier le plus
important ? Qu’est ce qu’on doit quantifier écologiquement ?
Dans ce contexte, plusieurs travaux ont mis l’accent sur une complémentarité possible entre
les méthodes d’aide à la décision et l’analyse de cycle de vie. La méthode MAVT (Multi
Attribute value Theory) a été introduite dans la phase de la définition des objectifs ainsi que
pour l’évaluation des impacts du cycle de vie (Mittinen et al, 1997 ; Hertwich et al, 2001).
Ainsi, la méthode MAUT (Multi Attribute Utility Theory) a été introduite au niveau de
l’analyse de l’inventaire du cycle de vie [(Werner. F, 2005) ; (Werner. F et Scholz. RW,
2002)].
Les travaux présentés ont mis l’accent sur l’intégration des outils d’aide à la décision dans le
cadre des analyses de cycle de vie et des démarches d’éco-conception. Pour le cas de l’éco-
fabrication, les travaux présentés visent généralement l’un des piliers et ne favorisent pas une
démarche structurée permettant l’intégration du concept d’éco-fabrication.
Nous constatons qu’une approche globale d’intégration de cette notion nécessite le recours
aux méthodes d’aide à la décision.
Comme pour le cas de l’analyse de cycle de vie, la ressemblance et la complémentarité entre
les méthodes d’aide à la décision et l’éco-fabrication sont l’un de nos objectifs pour
l’amélioration et l’intégration d’une démarche d’éco-fabrication.
Cet objectif nécessite l’intégration de l’aide à la décision en deux niveaux différents de la
démarche d’éco-fabrication (figure 2.1) :
 Le choix des impacts environnementaux à quantifier.
 Le choix du scénario de fabrication convenable.
2.5.1. Choix des impacts environnementaux à quantifier

La quantification des impacts environnementaux est une phase très importante pour
l’évaluation écologique d’un scénario de fabrication. Une multitude d’indicateurs et
catégories d’impacts ont été développés pour l’amélioration de ce champ d’études.
Suite à cette étape, plusieurs données peuvent être extraites dont plusieurs sont inutiles pour le
reste de la démarche d’étude.
C’est à ce niveau qu’on a besoin d’un choix justifié de certains indicateurs d’impacts
environnementaux dépendant de certains acteurs. Ces derniers s’intègrent dans la phase de
décision par une agrégation ou pondération de chaque type ou catégorie.

2.5.2. Choix du scénario de fabrication convenable

Suite à la préparation des données écologiques nécessaires, les stratégies d’amélioration
s’imposent pour la mise en place d’une démarche d’éco-fabrication. Ces stratégies sont à
l’origine de la proposition de plusieurs scénarios de fabrication qui nécessitent un choix final.
Ce scénario final tend à coupler les objectifs écologiques ainsi qu’économiques en respectant
la faisabilité technique.
Ce choix dépend de certains acteurs ainsi que des contraintes techniques de faisabilité.
3. Approche process pour la modélisation de l’Eco-fabrication
Cette approche de modélisation de l’Eco-fabrication est à base d’ACV et repose sur la

démarche suivante :
1) Définition de l’unité fonctionnelle.

2) Inventaire du flux des entrées/sorties.
3) Choix des critères environnementaux.
4) Quantification des émissions de la chaîne de production.
5) Aide à la décision multicritères pour le choix final du scénario de fabrication.
Figure 2.3. Algorithme de l’approche process pour l’éco-fabrication

La figure 2.3 représente l’algorithme général de l’approche process. Cette approche est basée
sur les deux méthodes d’aide à la décision : Evamix et Promethee I.
3.1. Chaîne de production et unité fonctionnelle
L’unité fonctionnelle (UF) est un principe important en Eco-Fabrication. Sans l’UF il n’est
pas possible de comparer les différentes alternatives d’un projet.
Elle permet d’établir une base de comparaison parmi des produits qui peuvent sous des
formes très différentes (biens, services…), remplir la même fonction pour l’utilisateur.
L’unité fonctionnelle doit être une unité d’usage et non pas seulement une unité de fabrication
(masse ou volume par exemple). Cette décision appartient à l’utilisateur en fonction de ce
qu’il veut étudier. Une UF est d’autant plus difficile à poser que le produit est complexe. Elle
est aujourd’hui une vraie connaissance métier, mais elle n’est que très rarement référencée en
tant que telle.
Parmi les paramètres servant à la définition d’une unité fonctionnelle on peut citer :
- La durée de vie de l’élément et sa durée d’utilisation
- Le nombre d’éléments nécessaires pour remplir une fonction souhaitée.
- La fonctionnalité principale de l’élément et son service rendu.
Ces paramètres présentés peuvent aider aux choix d’une unité fonctionnelle dans le cas
d’étude d’un problème technologique. Dans le cas d’un processus de fabrication, la cadence
de production et la qualité du produit obtenu peuvent être des paramètres importants aidant à
la fixation de l’UF.
L’inventaire du flux des entrées-sorties dépend de l’UF ce qui influent par la suite au niveau
de la quantification des émissions environnementaux. Dans notre cas d’approche, le bon choix
de l’unité fonctionnelle aide à une interprétation facile des résultats obtenus.
3.2. Inventaire du flux des entrées-sorties
Cette étape constitue la deuxième phase de l’approche. Elle consiste à quantifier les différents
flux de matières, d’énergie et de polluants entrants et sortants du système. Pour cela, elle
regroupe les quantités de substances polluantes émises ainsi que les ressources extraites au
cours de la fabrication du produit analysé (figure 2.4).
La méthode utilisée dans ce cadre est l’approche processus : l’inventaire se calcule en
multipliant les masses des divers flux répertoriés lors de l’étape précédente par des facteurs
d’émission ou d’extraction. Ces facteurs, issus de bases de données, donnent la quantité de
chaque substance émise ou extraite par unité d’entrant utilisé.

Figure 2.4. Frontières et processus élémentaires d’un système de fabrication
3.3. Choix des critères environnementaux
Grâce aux outils de simulation, on peut évaluer un nombre important d’impacts qui sont dans
certains cas inutiles.
Donc, on se propose dans cette partie de présenter une démarche de choix des critères à
évaluer pour valoriser la phase d’optimisation et d’aide à la décision.
Pour une modélisation globale de l’Eco-fabrication, on utilise la méthode CML 2001, qui est
une méthode ‘Mid-point’ la plus utilisable. L’inconvénient majeur de cette méthode réside au
niveau de la diversité des impacts proposés.
Cette diversité peut être à l’origine de certaines difficultés pour les responsables ou les
utilisateurs et qui influe sur la qualité du résultat final.
Pour remédier à ce problème, on se propose de présenter une méthodologie basée sur l’aide à
la décision dont le but est d’aider le responsable aux choix des impacts environnementaux à
quantifier.
3.3.1. Principe
Le choix des impacts environnementaux à étudier dépend essentiellement des deux points
suivants :
 Le décideur : le responsable de la production ou celui qui maîtrise la chaîne de production

du produit à étudier.
 La réglementation environnementale applicable au produit.

Le décideur
Le décideur en tant que responsable de la production est appelé à noter les différents éléments
nécessaires à sa décision à savoir :
 Les stratégies environnementales de la société.

 Les effluents ou rejets aperçus de la chaîne de production selon son expérience et sa
maîtrise du processus.
 Les demandes des clients et les retours d’expériences.
 Le contact avec l’environnement de la société.
Figure 2.5. Éléments de décision pour le décideur
Pour chaque catégorie d’impact, le décideur doit donner une note de 0 à 4 selon l’importance
accordée à ce dernier. Cette grille de notation peut être présentée comme suit :
 Note 4 : Impact environnemental considéré prépondérant.

 Note 1 : Impact environnemental a une importance relative moindre.
 Note 0 : Impact environnemental n’est pas concerné.
Réglementation environnementale
Selon la nature du produit à fabriquer, certaines réglementations et directives produites sont
appliquées pour organiser les industries manufacturières.
Dans notre démarche, on utilise une notation pour chaque impact résumant son importance
dans les réglementations concernant ce type de produit.

3.3.2. Méthodologie d’aide à la décision

Pour notre problématique on constate la possibilité d’une combinaison entre des évaluations
ordinales et cardinales. Donc, en examinant les méthodes d’aide à la décision, on remarque
que la méthode EVAMIX est la méthode la plus adéquate pour la résolution de ce problème.
Méthode EVAMIX :
La méthode EVAMIX traite les évaluations ordinales et cardinales. Afin d’évaluer une action
par rapport à une autre, on calcule deux indices de dominance, le premier pour les évaluations
ordinales et le second pour les évaluations cardinales. Ces deux indices sont par la suite
normalisés puis combinés pour donner une mesure globale de la dominance. Enfin, un score
global par action est calculé, ce qui permettra de classer les actions.
Cette méthode repose sur les étapes suivantes :
Étape 1 : Calculer les indices de dominance (de l’action i par rapport à l’action k) 𝛼𝑖𝑘 et 𝛽𝑖𝑘
respectivement pour les attributs ordinaux(O) et cardinaux(C).
𝑝
𝛼𝑖𝑘 = √∑𝑗∈𝑂[𝜋𝑗 . 𝜗(𝑒𝑖𝑗 , 𝑒𝑘𝑗 )]𝑝 (2.1)
𝑝
𝛽𝑖𝑘 = √∑𝑗∈𝐶[𝜋𝑗 . 𝜗(𝑒𝑖𝑗 , 𝑒𝑘𝑗 )]𝑝
Avec : 𝜗(𝑒𝑖𝑗 , 𝑒𝑘𝑗 )= 1, 𝑠𝑖 𝑒𝑖𝑗 > 𝑒𝑘𝑗
0, 𝑠𝑖 𝑒𝑖𝑗 ≈ 𝑒𝑘𝑗
−1, 𝑠𝑖 𝑒𝑖𝑗 < 𝑒𝑘𝑗
Étape 2 : Normaliser les indices de la manière suivante
𝛼𝑖𝑘
𝛿𝑖𝑘 = (2.2)
∑𝑖 ∑𝑘|𝛼𝑖𝑘 |
𝛽𝑖𝑘
𝜇𝑖𝑘 = (2.3)
∑𝑖 ∑𝑘|𝛽𝑖𝑘 |
Étape 3 : Calculer la dominance Dik globale de l’action i par rapport à l’action k. C’est
simplement la somme pondérée des indices de dominance normalisés.
𝐷𝑖𝑘 = 𝛿𝑖𝑘 . ∑ 𝜋𝑗 + 𝜇𝑖𝑘 ∑ 𝜋𝑗 (2.4)

𝑗∈𝑂 𝑗∈𝐶
Étape 4 : Calculer le score global par action comme suit :
𝑛
𝐷𝑖 = ∑ 𝐷𝑖𝑘 (2.5)
𝑘=1;𝑘≠𝑖

Où n est le nombre d’actions.
𝐷𝑖 permet de ranger les actions.
Démarche de choix des indicateurs environnementaux :

Pour fixer les impacts environnementaux à quantifier, on suit la démarche suivante en amont
de la démarche globale de modélisation pour l’éco-fabrication.
Étape 1 : Préparation de la matrice de décision qui contient une note liée au décideur et une
autre liée à la réglementation environnementale.
Étape 2 : Calcul des indices de dominance (de l’impact i par rapport à l’impact k) 𝛼𝑖𝑘 et 𝛽𝑖𝑘
respectivement pour les attributs ordinaux(O) et cardinaux(C).
Étape 3 : Normalisation des indices.
Étape 4 : Calcul de la dominance 𝐷𝑖𝑘 globale de l’impact i par rapport à l’impact k. C’est
simplement la somme pondérée des indices de dominance normalisés.
Étape 5 : Calcul du score global par impact.
Après l’arrangement des impacts par ordre de priorité, on choisit parmi eux les plus
importants pour les quantifier et suivre la démarche de modélisation.
3.4. Évaluation des impacts environnementaux
L’inventaire a permis de déterminer les quantités de matière et d’énergie extraites ainsi que
les émissions dans l’eau, le sol et l’air. Il s’agit à présent d’évaluer leur impact
environnemental, c’est‐à‐dire comparer une substance donnée à d’autres substances sur leur
faculté à endommager l’environnement et la santé humaine.
En effet, lorsqu’une substance polluante est émise, elle évolue dans l’atmosphère : sa
concentration est modifiée, elle change d’état et de milieu. Le cheminement qu’elle suit est
appelé la voie d’impact. Ainsi, les méthodes d’analyse d’impact reposent sur la modélisation
de ces voies d’impact en reliant les données d’inventaire aux dommages environnementaux
potentiels.
Les méthodes de quantification des émissions sont regroupées en deux catégories : Mid point
et End point ainsi que les monocritères et multicritères.
Quelle que soit la méthode utilisée, le calcul d’impact réalisé à partir de l’inventaire des
substances intervenant dans le cycle de vie d’un produit peut se résumer par le schéma de la
figure 2.6:

Figure 2.6. Des substances contributives à un (ou des) effet sur l’environnement vers la
caractérisation des impacts (Princaud. M, 2011)
Chaque méthode de calcul d’impact attribue des facteurs de contribution à certaines

substances pour différentes catégories d’impact. Entre chacune de ces méthodes, les
substances, leur contribution et le facteur correspondant peuvent être différents. Ainsi, pour
un même inventaire de substances, deux méthodes de calcul d’impact pourront donner des
résultats différents.
Pour adopter une méthode de calcul d’impacts, une étude bibliographique approfondie a été
élaborée [(Dreyer et al, 2003) ; (Pant et al, 2004) ; (Larsen et al, 2007) ; (Potting et al, 2006)].
On adopte la méthode CML 2001 pour cette étape de démarche pour les raisons suivantes :
- C’est une méthode ‘Mid point’ permettant d’étudier l’impact direct sur l’environnement.
- Elle prend un nombre important de substances lors du calcul d’impact.
- CML 2001 prend en compte des notions de zones d’émissions, avec une échelle
continentale, voire globale pour certains indicateurs.
- Elle prend aussi en compte les notions de transferts de substances entre les compartiments.
Au niveau de la modélisation de l’Eco-fabrication, on a choisi la méthode CML pour
l’évaluation des impacts ainsi que la base de données Ecoinvent.
3.5. Aide à la décision multicritères
À la fin de cette démarche, l’objectif est de déterminer un scénario de production Eco-conçu

optimisé.
Mais comme c’est déjà indiqué, l’optimisation multi objectifs aboutit à une multitude de
solutions possibles pour notre problème, d’où le besoin d’une méthode pour le classement
final des scénarios de production.
La liaison entre l’aide multicritère à la décision et l’analyse du cycle de vie a toujours été
étroite dès le début du fondement de cette dernière. Différentes approches ont été proposées
afin de réaliser des objectifs qui se croisent.

À ce niveau de modélisation, les entrées sont de type 𝐼18 où on a la possibilité d’introduire des
poids pour la pondération des actions ou des scénarios introduits. Pour les sorties ou les
résultats recherchés, on ait dans le cas du type 𝑂4. Ce dernier est le cas d’un arrangement des
scénarios en comparant les critères de comparaison un par un.
Dans le cadre de notre démarche de modélisation, et en se référant à la matrice des MADMC
(tableau 2.1), la méthode de sur-classement PROMETHEE I (Preference Ranking
Organization METHod for Enrichment Evaluation) est choisie pour compléter l’étude
comparative des différents scénarios de fabrication possibles.
3.5.1. Mise en place de la méthode PROMETHE I

Cette méthode établit un classement acceptant l’incomparabilité pour n actions selon k
critères : on calcule, après avoir attribué un poids 𝑤𝑗 à chaque critère, pour chaque couple
(a,b) d’actions, les flux entrant et sortant de chaque nœud (action) à partir du degré de sur-
classement π(a,b) :
k k
1
π(a, b) = ∑ wj Fj (a, b) où p = ∑ wj (2.6)
p
j=1 j=1
Fj (a, b) est la fonction de préférence ayant les valeurs entre 0 et 1 pour les écarts.
Le flux sortant ou « puissance » :
1
𝜙+ = ∑ 𝜋(𝑎, 𝑏) (2.7)
𝑛−1
𝑏∈𝐴
Le flux entrant ou « Faiblesse » :
1
𝜙− = ∑ 𝜋(𝑏, 𝑎) (2.8)
𝑛−1
𝑏∈𝐴
On en déduit les situations de sur-classement, d’indifférence et d’incomparabilité suivantes :
 « A surclasse B » ou « A est préférable à B » :
À S B si 𝜙𝑎+ >𝜙𝑏+ et 𝜙𝑎− <𝜙𝑏− ou
Si 𝜙𝑎+ =𝜙𝑏+ et 𝜙𝑎− <𝜙𝑏− ou
Si 𝜙𝑎+ >𝜙𝑏+ et 𝜙𝑎− =𝜙𝑏−
 « À est indifférent à B » : À I B si 𝜙𝑎+ =𝜙𝑏+ et 𝜙𝑎− =𝜙𝑏−
 Si non A et B sont incomparables.

3.5.2. Problématique de pondération en éco-fabrication

Le problème de pondération est très important dans cette étape. On présente une pondération
plus réaliste et plus pragmatique en attribuant plus d’importance aux impacts majeurs
engendrés par les scénarios.
En effet un poids 𝑊𝑗 est attribué au 𝑗 è𝑚𝑒 critère. Ce poids est d’autant plus grand que le
critère (aspect environnemental) est « important ».
À ce niveau de modélisation, l’importance des impacts environnementaux est relative à la
pollution journalière respective d’une personne dans le monde qu’on appellera 𝐼𝑗 .
Ainsi, plus l’impact est grand plus son poids est élevé.
Le poids est alors une fonction définie comme suit :
max(𝐼𝑓 , 𝑓 = 1,2 … 𝑛)
𝑊𝑗 = (2.9)
𝐼𝑗
4. Étude de cas : Production d’acide phosphorique

4.1. Chaîne de Production de l’acide phosphorique
La production de l’acide phosphorique passe par les étapes suivantes :
 Étape 1 : Préparation du soufre liquide et son stockage à partir de la matière première.

 Étape 2 : Fabrication d’acide sulfurique
 Étape 3 : Fabrication d’acide phosphorique : attaque/filtration/concentration
Figure 2.7. Chaîne de production de l’acide phosphorique

4.1.1. Préparation du soufre liquide

La matière première utilisée dans le processus de fabrication de l’acide phosphorique est à
l’état solide initialement. Le soufre peut être obtenu soit à partir des déchets de pétrole ou
dans les gisements. La société apporte sa matière première à l’aide des bateaux et les
fournisseurs sont dans la plupart des cas : Brésil et Ukraine.
Le soufre solide est alimenté par une bande transporteuse à partir du stockage aérien avec
l’addition de chaux pulvérulente pour neutraliser l’acidité résiduelle. Ainsi, le soufre subit la
fusion sous agitation à 140°C, avec purge périodique des impuretés solides décantées.
Généralement, le soufre est riche en cendre et bitume d’où la nécessité d’une filtration sur
toiles pour éliminer le maximum de ces matériaux :
 Cendre : Matière à base de silice caractérisée par une température de fusion élevée de
l’ordre de 1500°C.
 Bitume : Matière à base d’hydrocarbures
La présence de ces matériaux augmente les pertes des charges dans le circuit.
La filtration s’effectue à l’aide de la circulation du carcel (matière à base de silice) en circuit
fermé dans une fosse équipée des pompes pour la préparation d’une couche extérieure.
Finalement, le soufre liquide filtré est stocké à une température de 140°C pour être pompé par
la suite vers l’unité de fabrication de l’acide sulfurique.
4.1.2. Préparation de l’acide sulfurique

La fabrication de l’acide sulfurique, comme le montre la figure 2.8, passe par les étapes
suivantes :
 Combustion : S  O2  SO2  70940 Kcal / Kmole

C’est une réaction exothermique, totale, rapide et irréversible.
 Conversion : SO2  1 / 2 O2  SO3  23500 Kcal / Kmol
C’est une réaction exothermique, lente et réversible

 Absorption : SO3  H 2O  H 2 SO4  32800 Kcal / Kmol
C’est une réaction exothermique et instantanée.

Figure 2.8. Unité de préparation d’acide sulfurique
La figure 2.8 présente les différents équipements de l’unité de production de l’acide

sulfurique. Ces équipements sont liés à une installation de refroidissement permettant la
récupération de chaleur.
La combustion
Le soufre pulvérisé dans le four à soufre brûle au contact de l'air sec envoyé depuis la tour de
séchage selon la réaction suivante:
S  O2  SO2  70940 Kcal / Kmole
La combustion est assurée par 4 brûleurs à pulvérisation. Ainsi, à la sortie du four, une ligne
by-pass permet de court-circuiter partiellement le passage de gaz dans la chaudière.
Le débit du soufre est contrôlé par une vanne automatique sur le refoulement de la pompe
centrifuge immergée. Ainsi, le débit d’air est réglé en fonction de la température du four par
la variation de la vitesse de la turbosoufflante.
Le gaz quitte le four de combustion du soufre à environ 1030°C.
Conversion
Après combustion, le gaz passe à l’étape de conversion pour obtenir le trioxyde de soufre.
Pour se faire, on dispose d’un convertisseur constitué de 4 masses catalytiques.
Le gaz alimente le convertisseur à environ 425°C et dans le 1 er lit on assiste à une conversion
d’environ 60% du dioxyde de soufre en trioxyde de soufre suivant la réaction suivante :
SO2  O2  SO3  23500 Kcal / Kmol

Cette réaction nécessite la présence du pentoxyde de vanadium comme catalyseur.

Le gaz quitte le 1er lit à une température légèrement supérieure à 600°C et alimente le
surchauffeur où il cède l’énergie récupérée à la vapeur en provenance de la chaudière pour la
surchauffer.
Ce gaz est refroidi et alimente le 2e lit à une température environ de 440°C nécessaires pour
la cinétique de la réaction. La conversion de S𝑂2 en 𝑆𝑂3 est d’environ 85% à ce niveau de
convertisseur.
Le gaz sort de la deuxième masse de la catalyse à une température d’environ 530°C et est
refroidi dans un échangeur gaz-gaz chaud dans le côté tubes pour alimenter la troisième masse
du convertisseur à une température de 430°C dont la conversion se poursuit à 98%.
Le gaz échappant du troisième lit est riche en 𝑆𝑂3et se refroidit en premier temps de 464°C à
281°C dans un échangeur gaz gaz froid dans le côté calandre et ensuite dans un économiseur
intermédiaire qui baisse la température du gaz de 281°C à 184°C pour alimenter la base d’une
colonne d’absorption intermédiaire.
Au sommet de cette dernière le gaz sort en équilibre thermique avec l’acide 98,5%qui
ruissellent à une température de 83°C.
Au pied de la colonne d’absorption l’acide 99,5% sont à 114°C après absorption du 𝑆𝑂3 à un
rendement voisin du 100%.
Le gaz sortant de la tour est à 0% 𝑆𝑂3 se réchauffe à travers l’échangeur gaz gaz froid dans le
côté tube et puis l’échangeur gaz gaz chaud dans le côté calandre pour alimenter le 4e lit avec
une température de 430°C.
Dans le quatrième lit, la couche entière de catalyseur à grande activité de manière à obtenir un
taux de conversion de 99,7%. Le gaz en provenance du quatrième lit de catalyseurs à une
température de 445°C passe à travers un économiseur final, où il se refroidit à une
température de 160°C avant d’alimenter la tour d’absorption finale.
Séchage de l’air et absorption de 𝑺𝑶𝟑
Le sécheur reçoit de la turbosoufflante le débit d’air humide nécessaire au four. L’eau

correspondant à l’humidité de l’air est absorbée par un arrosage d’acide à environ 45°C dont
la composition est maintenue entre 94 et 96%. L’acide dilué ruisselle à la base du sécheur à
environ 70°C et 95,8% en poids, est réconcentré à 94-96% par l’arrivée d’acide à 98,5% en
provenance de l’absorbeur, tandis qu’une partie de l’acide 94-96% est recyclée vers
l’absorbeur avec un appoint d’eau pour maintenir la concentration d’acide à 98,5% dans le
bac de circulation d’acide de l’absorption intermédiaire.
Pour la régulation de la concentration d'acide de séchage le débit d'acide 98,5% sont
contrôlés par une vanne de régulation sur la ligne de transfert par la détection de la
concentration dans l'acide en circulation à l'entrée de la tour de séchage.
Il y a donc un échange d’acide fort et d’acide faible entre l’absorbeur et le sécheur pour
assurer la constance de leur concentration respective : 98,5 % et 94-96 %. Et sans ce
double transfert, la concentration d’acide produit par l’absorbeur ne cesserait de croitre,
alors que la concentration d’acide du sécheur ne cesserait de diminuer.

La totalité du débit d'air sec produit dans le tour de séchage est envoyée au four de
combustion du soufre en tant qu'air de combustion pour le brûlage du soufre.
Le trioxyde du soufre produit au niveau des trois premières masses du convertisseur est
absorbé dans une solution aqueuse à 98,5 % en poids de l'acide sulfurique en circulation dans
la tour d'absorption intermédiaire. L'absorption due 𝑆𝑂3 est à contre-courant selon la réaction
suivante:
SO3  H 2O  H 2 SO4  32800 Kcal / Kmol
L'acide concentré par l'absorption de 𝑆𝑂3 quitte la tour à environ 114°C et 99,25 % en poids.
Le maintien de la concentration d'acide dans le bac de circulation intermédiaire à 98,5 % est
assuré par l'addition d'eau de dilution, et de l'acide sulfurique 96 % en provenance du sécheur.
La chaleur de la réaction exothermique produite par l'absorption et les différences de chaleur
sensibles entre chaque courant de gaz sont rejetées dans le réfrigérant d'absorption
intermédiaire par l'eau de refroidissement.
De même, le gaz en provenance du 4e lit est légèrement riche en 𝑆𝑂3 qui serait absorbé dans
la tour d'absorption finale par un acide 98.5 % en poids. L'acide quitte la tour à environ 85°C
et 98,55 %. Le rétablissement du titre à 98,5 % dans le bac d'absorption final est assuré par la
dilution avec de l'eau. L'acide produit dans ce bac est transféré dans le bac intermédiaire dans
une ligne de transfert dont le débit d'acide est contrôlé par une vanne de contrôle de niveau.
Le résultat de l'accumulation de l'acide dans le bac de circulation intermédiaire est pompé et
refroidi à environ 45°C à travers un échangeur tubulaire, pour être envoyé au réservoir de
stockage, par l'intermédiaire d'une vanne régulatrice du niveau.
4.1.3. Fabrication de l’acide phosphorique
Après la préparation de l’acide sulfurique, la chaîne continue pour la fabrication de l’acide

phosphorique qui est le produit final de l’usine. Dans cette unité, 3 étapes nécessaires :
Attaque, Filtration et Concentration.
Figure 2.9. Unité de fabrication de l’acide phosphorique

Attaque
Cette étape débute par l’attaque des roches de phosphates par l’acide sulfurique dans une cuve
d’attaque en présence d’eau industrielle.
Ainsi, après la formation des cristaux, on passe à la phase de maturation où les cristaux
subissent un grossissement. C’est une réaction exothermique qui nous donne enfin l’acide
phosphorique à 26-28 %.
Filtration
La filtration aura lieu dans un filtre rotatif à 4 compartiments en allant d’une filtration à l’aide
d’un acide fort dans le 1er compartiment à un acide moyen dans le 2e et un acide faible dans le
dernier. Ainsi, finalement on atteint la phase d’évacuation à l’aide d’un système vis
d’Archimède.
Figure 2.10. Processus de filtration de l’acide phosphorique
Concentration
L’acide phosphorique filtré passe dans un échangeur à contre-courant tel que l’acide passe
côté calandre et le vapeur côté tube.
On a évaporation de 𝐻2 𝑂 dans 𝑃2 𝑂5 : augmentation de la concentration pour aller à 54 % :
C’est une évaporation sous vide qui est maintenue à l’aide de l’eau de mer.

Figure 2.11. Étapes de la phase de concentration
4.2. Inventaire de flux entrées/sorties
En examinant la chaîne de production de l’acide phosphorique, on a remarqué certaines

insuffisances au niveau de quelques données : extraction de la matière première, l’utilisation
du produit…. D’où on se propose de présenter une étude avec un périmètre ‘Gradle to Gate’
permettant la modélisation allant de la matière première vers la préparation du produit final.
Figure 2.12. Les étapes de la chaîne de fabrication d’acide phosphorique
L’usine de production de l’acide phosphorique produit 600 T/j dans le régime de production
nominal. Ce scénario de production nécessite les données d’activités suivantes :
Unité de préparation du soufre :
Entrés Quantité
Vapeur HP 10T
Vapeur BP 6T

Adjuvant 350Kg
Électricité 0.2Mw
Transports 2950000 t.km
Production 1000T
Émissions : 1T de cendre et bitume
Unité de production de l’acide sulfurique :
Entrés Quantité
Eau alimentaire 59.04 T
Eau industrielle 576 T
Eau de mer 163200 T
Soufre liquide 1001.7 T
Électricité 1 MW
Vapeur 3690 T
Acide sulfurique produit 3000T
Émissions : 2Kg/T de dioxyde de soufre
Unité de production de l’acide phosphorique :
Entrés Quantité
Eau alimentaire 43200 𝑚3
Eau industrielle 4800 𝑚3
Acide sulfurique 1740 T
Phosphate 2700 T
Air 36.105 N𝑚3
Vapeur 1500 T
Électricité 0.9 MW
Transport phosphate 675000 t.km
Acide Phosphorique produit 600 T
Émissions :
 350 kg/T de fluor.
 5.18 T/T de phosphogypse.
4.3. Modélisation avec SimaPro pour l’évaluation des impacts environnementaux

4.3.1. Représentation en arborescence
Le schéma de la figure 2.13 est une arborescence représentant les impacts liés à la production
de l’acide phosphorique.

Figure 2.13. Modélisation en arborescence de la chaîne de production de l’acide

phosphorique
Il apparaît à partir de l’arborescence que les impacts liés à la production de l’acide

phosphorique sont principalement générés par le processus de fabrication de l’acide sulfurique
(55.7 %) et par le transport du phosphate (6.94 %).

4.4. Résultats de la modélisation à l’aide de la méthode CML
L’objectif d’une intégration de l’éco-fabrication est l’éco-conception d’un processus de

production ou de fabrication. Cet objectif nécessite une banque de données et d’informations
pour réussir à maîtriser la chaîne de production étudiée.
C’est dans ce sens qu’on se propose de présenter une étude environnementale basée sur la
méthode CML permettant l’évaluation des impacts environnementaux de la chaîne de
production selon plusieurs indicateurs.
4.4.1. Caractérisation des impacts de la chaîne
On présente dans le tableau 2.4 la quantification des impacts environnementaux pour l’unité
fonctionnelle choisie.
Tableau 2.4. Quantification des émissions à l’aide de la méthode CML
Catégorie d'impact Unité Total

Abiotic depletion kg Sb eq 1520,66
Acidification kg SO2 eq 5544,981
Eutrophication kg PO4--- eq 235,5341
Global warming
(GWP100) kg CO2 eq 241060,2
Ozone layer déplétion
(ODP) kg CFC-11 eq 0,006584
Human toxicity kg 1,4-DB eq 84029,95
Fresh water aquatic
ecotox. kg 1,4-DB eq 38593,49
Marine aquatique
écotoxicité kg 1,4-DB eq 1,1E+08
Terrestrial écotoxicité kg 1,4-DB eq 253,7961
Photochemical oxidation kg C2H4 223,7176
Pour la mise en place des stratégies d’amélioration du comportement écologique de la chaîne,

on présente dans la figure 2.14 la répartition des émissions suivant les éléments de la chaîne.

Figure 2.14. Répartition de l’émission environnementale
4.4.2. Comparaison des émissions : (Normalisation)
Elle consiste à rapporter les résultats d’évaluation d’impacts à des impacts d’autres produits
de consommation courants ou des indicateurs d’émission de substances (figure 2.15).
Figure 2.15. Normalisation des impacts environnementaux

La méthode CML indique que les impacts les plus importants de la chaîne sont :
 Marine aquatic ecotoxicity : MAETP : le potentiel d’écotoxicité aquatique marine

 Fresh water aquatic ecotex : FAETP : le potentiel d’écotoxicité aquatique de l’eau
 Acidification : AP : le potentiel d’acidification
 Abiotic depletion : ADP : le potentiel d’épuisement des ressources
 Global warming : GWP : le potentiel de réchauffement climatique
On s’intéresse dans la suite de l’étude à la recherche de l’origine de ces émissions au niveau

de la chaîne.
4.4.3. Le potentiel d’écotoxicité aquatique marine MAETP
Le potentiel d’écotoxicité aquatique est de l’ordre de 1.1 108 kg 1,4-DB éq. Ce taux est très
important représentant un vrai danger sur la nature. On présente dans la figure 2.16 les
sources de ce potentiel pour l’usine d’acide phosphorique.
Figure 2.16. Potentiel d’écotoxicité aquatique marine

Les résultats présentés montrent que ce potentiel est dû aux 4 éléments suivants : le transport
de la matière première, l’utilisation de l’eau (eau industrielle et eau de mer), l’air et le fuel.
4.4.4. Le potentiel d’écotoxicité aquatique de l’eau FAETP
La fabrication de l’acide phosphorique est responsable d’une écotoxicité aquatique de l’eau de

l’ordre de 38593.49 kg 1,4-DB éq. Ce potentiel résume l’influence de la production sur la
qualité des ressources d’eau utilisées.

Figure 2.17. Potentiel d’écotoxicité aquatique de l’eau
À ce niveau, on constate que l’eau de refroidissement utilisé et le transport sont à l’origine des
émissions néfastes pour la qualité d’eau (figure 2.17).
4.4.5. Acidification
Avec un taux de l’ordre de 5544.981 kg 𝑆𝑂2 éq, le potentiel d’acidification se trouve

influencé par l’unité d’acide sulfurique. Cette dernière est responsable du dégagement du
dioxyde de soufre ainsi que l’eau de refroidissement utilisée au cours de ce processus.
Figure 2.18. Potentiel d’acidification
L’acidification est due essentiellement à l’acide sulfurique (75 % des émissions) puisque ce
processus est responsable de dégagement du dioxyde de soufre. Le reste des émissions est dû
aux autres éléments liés au soufre tel que le transport de cette matière première (figure 2.18).

4.4.6. Le potentiel d’épuisement des ressources ADP
Le potentiel d’épuisement des ressources représente un indicateur important pour l’évaluation

des émissions de cette chaîne de production. Dans ce cas, il est de l’ordre de 1520.66 kg Sb
éq. L’utilisation de certaines sources d’énergie est la cause de l’augmentation de ce taux.
Figure 2.19. Potentiel d’épuisement des ressources
À l’aide de la figure 2.19, on constate que l’électricité et le transport sont les éléments
responsables pour l’augmentation de l’épuisement des ressources.
4.4.7. Le potentiel de réchauffement climatique GWP
Le potentiel de réchauffement climatique représente l’indicateur du dégagement des gaz à

effet de serre. En ramenant le potentiel à l’équivalent𝐶𝑂2, la chaîne étudiée est responsable
d’un impact de l’ordre de 241060.2 kg éq 𝐶𝑂2.
Figure 2.20. Potentiel de réchauffement climatique

Cet indicateur se trouve influé par l’utilisation de l’eau industrielle au niveau de l’unité
d’acide phosphorique ainsi que l’électricité et le transport (figure 2.20).
4.5. Aide à la décision

4.5.1. Mise en situation
Face à certaines contraintes, l’usine d’acide phosphorique est amenée au travail selon deux
scénarios possibles de production : le scénario nominal et le scénario minimal.
On se propose de présenter une étude d’aide à la décision entre ces deux scénarios permettant
de mettre en jeu un sur-classement basé sur une étude écologique et économique.
4.5.2. Application pour la société de production de l’acide phosphorique
Scénarios Etudiés
L’étude de la chaîne de production de l’acide phosphorique nous a montré que la société
possède une flexibilité au niveau de l’utilisation de la matière première (Soufre et phosphate).
À ce niveau, on distingue deux scénarios qui s’ajoutent au scénario nominal de
fonctionnement :
 Scénario avec utilisation du phosphate humide : ce scénario dépend de la qualité du

phosphate utilisé qui nécessite 75 % d’acide sulfurique au lieu de 64 %.
 Scénario en utilisant le soufre provenant du Brésil : ce scénario est basé sur le changement
de fournisseur.
Étude de cas avec pondération à importance égale

L’attribution des poids aux critères n’est pas une tâche facile et elle est sujette à un débat
concernant le point de vue du décideur. En effet, le choix des poids revient au décideur qui
dans ce cas un fabricant ou un responsable de production ou aussi un responsable du projet ou
de l’usine.
Dans un premier lieu, nous avons considéré une pondération pour le classement partiel des
scénarios, évalués par l’ACV, par l’application de la méthode PROMETHEE I basée sur une
importance égale pour l’ensemble des critères.
Modélisation
L’implémentation de la méthode Promethee pour l’aide à la décision nécessite l’initialisation
de certains paramètres : la fonction de préférence, le type d’optimisation (max/min), les poids
des éléments de décision.

Tableau 2.5. Modélisation de l’aide à la décision pour l’usine de fabrication de l’acide

phosphorique
Suite à la modélisation présentée dans le tableau 2.6, on obtient le résumé du modèle

global en termes de poids et influence sur les différents scénarios (figure 2.21).
Figure 2.21. Répartition des poids des critères pour les différents scénarios
Résultats de sur_classement :
Le résultat obtenu est le classement final des scénarios en tenant compte des paramètres
définis au début de la modélisation.

Figure 2.22. Résultats de surclassement des scénarios
Pour la production d’acide phosphorique, le scénario nominal représente la solution

écologique pour la société dans le cas actuel (figure 2.22).
Mais pour améliorer ce scénario optimal, on passe à l’application du modèle GAIA

(Mareschal and Brans, 1988) qui représente en plan une représentation géométrique des
alternatives et des critères.
GAIA (Geometrical Analysis for Interactive Assistance) est une méthode de visualisation
géométrique servant de complément aux méthodes PROMÉTHÉE. Elle permet de repérer les
critères conflictuels, de chercher les bons compromis et de faciliter la compréhension du
problème de décision auquel le décideur se trouve confronté. Sur ce plan on retrouve les
actions potentielles, les critères et les poids liés représentés respectivement par des points, des
axes et un vecteur particulier. La base de cette méthode est la construction de la matrice des
flux unicritères.

Figure 2.23. Représentation géométrique des alternatives et des critères
Chaque action 𝑎𝑖 sera donc représentée par un point :
𝛼𝑖 : (∅1 (𝑎𝑖 ), ∅2 (𝑎𝑖 ),…, ∅𝑗 (𝑎𝑖 ),…, ∅𝑘 (𝑎𝑖 ))
D’un espace euclidien à k dimensions dont les axes représentent les k critères. Le but de la
méthode GAIA est de projeter orthogonalement ces points sur un plan passant par l'origine et
ce en essayant de perdre le moins d'information possible. Les points ainsi obtenus sont
notés𝐴𝑖 .
Lorsque tous ces éléments sont représentés sur le plan GAIA, il est simple pour le décideur
d'analyser la situation :
 Une action i dont la représentation 𝐴𝑖 sur le plan GAIA possède la meilleure projection
orthogonale sur cj est l'action optimale pour ce critère.
 Une action i dont la représentation 𝐴𝑖 sur le plan GAIA possède la meilleure projection
orthogonale sur II est celle permettant d'avoir le meilleur compromis.
 Si deux axes représentants des critères ont un produit scalaire négatif, ceux-ci sont
antagonistes

4.5.3. Aide à la décision écologique avec agrégation spécifique

Le problème de pondération est très important dans cette étape, d’où la présentation d’une
pondération plus réaliste et plus pragmatique est considérée en attribuant plus d’importance
aux impacts majeurs engendrés par les scénarios.
En effet un poids 𝑊𝑗 est attribué au 𝑗 è𝑚𝑒 critère. Ce poids est d’autant plus grand que le
critère (aspect environnemental) est « important ».
À ce niveau de modélisation, l’importance des impacts environnementaux est relative à la
pollution journalière respective d’une personne dans le monde qu’on appellera𝐼𝑗 .
Ainsi, plus l’impact est grand plus son poids est élevé. Le poids est alors une fonction définie
comme suit :
max(𝐼𝑓 , 𝑓 = 1,2 … 𝑛)
𝑊𝑗 =
𝐼𝑗
Tableau 2.6. Méthodologie de calcul des poids des critères
AP EP FAET GWP HTP MAETP OD POC TET ADP

P P P P
Impact 0.098 0.06 1.425 17.16 14.90 79.672 7.9 0.016 0448 0.001
journalie 5 6 8 10¨-
r par 5
personne
Impact 6612 253 68831 35065 16998 22000000 0.01 259 258 2171
maximal 8 4 0
des
scénarios
Poids 1017 6154 48302 20427 11402 2761321 127 1620 577 271060
23 6 0
Modélisation : Dans ce cas d’étude, on change la pondération des critères au niveau du

modèle global présenté au départ (tableau 2.7).
Tableau 2.7. Modélisation de l’aide à la décision

Le changement de la méthode de pondération influe sur la disposition des résultats pour

l’étude comparative entre les différents scénarios (figure 2.24).
Figure 2.24. Répartition des poids des critères pour les différents scénarios
On remarque que ADP et MAETP représente les deux critères dominant au niveau des poids.
Ces deux impacts vont être les deux éléments les plus influant au niveau de la démarche
d’aide à la décision.
Figure 2.25. Influence du changement des poids
Résultats de sur_classement
En appliquant la démarche d’agrégation déjà définie précédemment, le scénario nominal reste

le plus favorable. Cependant, on remarque une amélioration au niveau des flux comparatifs
entre les scénarios (figure 2.26).

Figure 2.26. Classement partiel des scénarios de production
Dans ce cas, le potentiel d’écotoxicité aquatique ainsi que l’épuisement des ressources
représentent les deux axes d’améliorations possibles pour la chaîne de fabrication de l’acide
phosphorique. Ces pistes d’amélioration peuvent être à l’origine du changement du
comportement écologique du processus étudié.
Conclusion
L’approche process pour la modélisation d’éco-fabrication traite la mise en place d’un

scénario de fabrication minimisant les impacts environnementaux. Cet objectif nécessite la
définition d’une stratégie d’aide à la décision multi critères permettant l’étude comparative de
certains scénarios possibles sur une base écologique.
Cette approche multi critères est basée sur les deux méthodes de surclassement : Evamix et
Promethee.
D’une part, la méthode Evamix traite la phase de choix des impacts environnementaux à
quantifier à l’aide d’une démarche tenant en compte les actions ordinales et cardinales.
D’autre part, la méthode Promethee est appliquée à la fin de l’approche pour aider au choix
final du scénario de fabrication. Cette méthode a montré une efficacité de résolution des

problèmes multi critères grâce à une étude comparative entre les différentes alternatives en
tenant compte de chaque critère d’étude.
Pour la fabrication d’acide phosphorique, le scénario actuel est le scénario optimal permettant
la production avec le minimum possible d’impacts écologiques.
L’évaluation écologique des émissions de la chaîne de production d’acide phosphorique

montre que pour cette usine l’unité d’acide sulfurique est responsable d’un pourcentage
important d’émission néfaste (55,7 %).
Cette illustration nous amène à penser aux stratégies d’amélioration pour cette unité dans le
but de l’étude des différents paramètres techniques permettant la minimisation des impacts
écologiques en tenant compte de la contrainte économique.
À ce niveau, on peut passer à une approche traitant la conception du procédé en tenant compte
du produit. L’optimisation multi objectifs constitue l’élément clé pour cette étape d’étude
pour la modélisation d’éco-fabrication.

Chapitre 3 : Approche Produit pour la
modélisation de l’Eco-fabrication
Introduction
L’éco-conception représente une étape primordiale pour le développement durable et du

respect de l’environnement. À l’issue de cette phase, le bureau d’étude présente les plans
finals du produit éco-conçu en tenant compte des différentes contraintes technologiques.
On présente dans cette partie ‘l’approche produit’ pour la modélisation de l’éco-fabrication

permettant la préparation des procédés de fabrication ainsi que leurs paramètres optimaux.
Cette démarche a pour objectif l’intégration de l’aspect écologique dans la phase de
fabrication en tenant compte de la contrainte économique. À ce niveau l’étude
environnementale est l’un des objectifs à atteindre dès la phase d’étude de la fabrication.
Ainsi, l’optimisation des paramètres dans ce modèle est basée sur l’optimisation multi
objectifs où les fonctions écologiques et économiques sont couplées en respectant les
différentes contraintes technologiques. L’optimisation est une branche des mathématiques qui
permet de résoudre des problèmes en déterminant le meilleur élément d’un ensemble selon
certains critères prédéfinis. On distingue les problèmes d’optimisation mono objective et celle
multi objectifs.
Certains outils ont été développés pour la résolution de ce type de problème tels que : les
algorithmes génétiques, optimisation par essaim particulaire…
L’objectif majeur de l’optimisation pour la phase de fabrication a été la minimisation du coût
de production. Cet objectif est couplé dans la plupart des cas à des contraintes qui sont de
nature technologique pour assurer la faisabilité technique du procédé étudié.
Pour la mise en évidence de l’éco-fabrication, les émissions écologiques ont été introduites
dans la phase d’optimisation. Généralement, le respect de l’environnement constitue l’une des
contraintes à respecter.
Ce chapitre traite la présentation de ‘l’approche produite’ pour la modélisation de l’éco-
fabrication basée sur l’optimisation multi objectifs ainsi que la maîtrise de la consommation
des ressources durant la phase de fabrication.
1. Approche produit pour la modélisation de l’Eco-fabrication
Au niveau de l’installation d’une nouvelle chaîne de production, le problème de l’Eco-

fabrication se présente clairement. À l’issue du bureau d’étude (BE), on possède des plans de
produits ainsi que les flux de matières proposées. À ce niveau, on intervient pour déterminer
les différents processus à utiliser pour l’obtention du produit final en respectant l’écologie.
Notre méthodologie est la suivante (figure 3.1) :
1) À l’aide du plan délivré par le BE, on définit les étapes de réalisation du produit.
2) Pour chaque opération, on détermine : le bilan énergétique, le bilan matière ainsi que le
bilan des émissions.
3) Après la détermination des bilans décrits ci-dessus, on passe à l’étape de choix des
indicateurs écologiques à étudier.
4) Évaluation des émissions de la chaîne suivant les indicateurs présentés.
Chapitre 3 : Approche Produit pour la modélisation de l’éco-fabrication Page 87

5) Interprétation des résultats et optimisation multi objectifs.

6) Aide à la décision pour déterminer le scénario final de production ou de fabrication.
La figure 3.1 présente l’approche produit pour la modélisation de l’éco-fabrication.
Figure 3.1. Approche Produit pour la modélisation d’éco-fabrication
Cette méthodologie diffère par rapport à l’approche process au niveau de la modélisation des
flux ainsi que l’optimisation des procédés. On se propose de détailler ces phases dans ce qui
suit.

L’éco-fabrication repose principalement sur les piliers suivants : économie, écologie et

technologie. On peut donc la définir comme étant un processus qui assure « la faisabilité
technique de la transformation de la matière première en assurant le respect de
l’environnement et la consommation des ressources sans augmenter le coût ».
C’est à partir de la maîtrise des ressources, de la technologie utilisée et des dépenses qu’on
peut fixer, notre modèle pour assurer une démarche d’éco-fabrication.
L’objectif de cette approche de modélisation de l’éco-fabrication est la détermination d’un

process de fabrication du produit étudié qui minimise les émissions environnementales et
diminue la consommation des ressources.
Comme le montre la figure 3.2, notre modèle repose sur 3 niveaux globaux d’étude qui sont :
l’optimisation multiobjective, la maîtrise des ressources et l’aide à la décision.
Figure 3.2. Les niveaux de modélisation pour l’approche produit
Lors de la préparation d’un projet de fabrication, on tient compte de la faisabilité technique

liée aux contraintes économiques. On traite dans cette approche l’intégration d’une faisabilité
écologique comme un objectif à atteindre.
Suite à la préparation des plans finals du produit, on passe dans une première étape à préparer
les étapes de fabrication ou le mode opératoire de la fabrication. À ce niveau, plusieurs
scénarios peuvent se présenter pour l’obtention de notre produit final en respectant les
contraintes techniques du bureau d’étude.
Le niveau 1 de notre approche traite l’optimisation des paramètres des procédés choisis pour
la mise en œuvre des opérations respectant simultanément : l’économie, l’écologie et la
faisabilité technique. À ce niveau, ces derniers objectifs doivent être couplés pour modéliser
et déterminer les paramètres des procédés.
Pour atteindre ce niveau, certaines méthodes de résolution peuvent se présenter. On peut

citer : les algorithmes génétiques, les essaims particulaires…

Dans ce cadre d’étude, nous adoptons les essaims particulaires comme algorithme de
résolution. Ainsi, la faisabilité technique est bien assurée en tenant compte des objectifs
économiques et écologiques.
Au niveau 2, nous passons à la modélisation de la consommation des ressources. Cette étape

consiste à présenter les opérations de la chaîne de production sous une forme matricielle
permettant de décrire la relation entre les entrées et les sorties. Cette description a pour
objectif :
 La préparation des données d’activités pour chaque opération.

 L’aide à la décision pour l’optimisation ou la minimisation de la consommation des
ressources.
Ainsi, l’avantage de cette méthodologie est d’éviter le problème classique de la double

quantification des ressources. Ce problème peut se résumer par le risque observé au niveau
des études présentées sur l’analyse du cycle de vie où un matériau utilisé dans deux opérations
différentes peut être quantifié deux fois. Donc cette méthodologie permet de tenir compte de
l’échange interne du flux entre les différentes unités ou opérations.
Dans l’approche IPO, on évite ce risque par une modélisation mathématique tenant compte
des relations entre les différentes opérations. Une fois le matériau est implanté dans la chaîne,
l’algorithme permet de suivre son évolution jusqu’à la fin. Au niveau de la matrice finale, on
trouve les différentes entrées regroupées ainsi que les sorties.
Le long de la chaîne, on peut aussi intervenir au niveau des opérations élémentaires. À chaque
opération, on peut classer les sorties ainsi que la détermination de l’efficacité d’utilisation des
ressources.
Suite à ce niveau d’approche, on quantifie les impacts environnementaux selon le besoin

d’étude pour préparer une base des données écologiques permettant la prise de décisions par
la suite pour le choix du scénario final.
Le niveau 3 constitue le dernier niveau pour cette approche. L’objectif est l’utilisation des
techniques d’aide à la décision pour le classement des scénarios possibles. Cette étape dépend
essentiellement de la pondération des critères de décision. On adopte comme pour la première
approche la méthode PROMETHEE I pour développer ce niveau.
Cette approche tend à préparer une étude complète de la fabrication du produit en assurant un
meilleur respect de l’écologie et le gain économique.
On se propose dans ce qui suit de détailler les phases pivots de cette approche : dans la section
2, on présente l’étape d’optimisation des paramètres des procédés de fabrication. Cette section
traite la mise en œuvre de l’essaim particulaire pour le couplage entre les objectifs
économiques et écologiques dans l’étude des opérations de fabrication du produit étudié.
Au niveau de la section 3, on présente la modélisation de la consommation des ressources
pour chaque opération de fabrication ce qui permet de préparer une base des données du flux
des entrées-sorties des procédés de fabrication utilisés pour la gamme de fabrication du
produit étudié.

2. Optimisation multi objectifs

2.1. Optimisation pour l’éco-fabrication
Le couplage entre le gain économique et la minimisation des émissions néfastes est le pilier
principal de l’éco-fabrication. Donc, ce problème est à caractère multi objectifs avec respect
de certaines contraintes.
Lors d’un procédé de fabrication, les émissions sont dues généralement à trois éléments
principaux : l’énergie, les matériaux et le process.
Ainsi, suite à la modélisation de ces trois bilans de fabrication, l’optimisation a pour objectif
la minimisation de l’empreinte écologique à chaque opération de fabrication du produit tout
en pensant au gain économique. Et c’est dans ce sens que s’intègre l’optimisation multi
objectifs qui constitue une aide à la décision technologique permettant la fabrication du
produit en respectant l’environnement sans augmenter les dépenses économiques.
Dans cette approche de modélisation, le pilier énergétique représente l’axe de progression

pour l’amélioration écologique des procédés de fabrication.
Ainsi, les fonctions objectives peuvent être résumées comme suit :
 Une fonction économique : généralement elle englobe le temps de production ainsi que le
coût de production.
 Une fonction écologique : elle résume les bilans énergétiques ainsi que matériaux durant
les opérations de fabrication.
 Une fonction technologique : elle peut être additionnée comme étant une fonction
supplémentaire pour garantir la qualité du produit et la faisabilité technique.
La formulation de la fonction énergétique est basée sur les notions suivantes : énergie directe,
énergie indirecte et énergie auxiliaire.
Énergie directe : Les Procédés de fabrication unitaires ont été l’objet des travaux de
mécanique et des réactions chimiques pour un effort visant à modifier une ou plusieurs
caractéristiques de son stade initial (US NRC, 1995). Matériaux, produits chimiques,
électricité, carburant sont les entrées primaires examinées lors de l’analyse des processus.
Ainsi, l'énergie est un élément clé dans le développement de la société moderne; elle favorise
la croissance économique et améliore la qualité de vie. En raison de notre forte dépendance à
l'énergie, il ya une préoccupation croissante sur la disponibilité de l'énergie et son impact.
L’électricité est encore produite à partir de sources à base de carbone, comme le charbon, le
pétrole et le gaz, elle représente plus que la moitié des émissions de gaz à effet de serre de la
population mondiale. À ce niveau, on définit l’énergie directe comme étant celle consommée
par la machine lors de son fonctionnement.
Énergie auxiliaire : On définit l’énergie auxiliaire comme étant l’énergie consommée par un
élément d’addition lors du fonctionnement de la machine ou de l’opération : telle que la
lubrification, le mécanisme de nettoyage…

Énergie indirecte : Elle est définie comme étant l’énergie nécessaire à la mise des bonnes
conditions pour la fabrication telles que : l’électricité pour l’éclairage, la climatisation,
énergie pour le stockage de la matière première, énergie pour le stockage du produit fini…
Mathématiquement, un problème d'optimisation est exprimé comme une fonction objectif à

une ou plusieurs variables, pour être maximisé ou minimisé sous un certain nombre de
contraintes indiquées. Les fonctions de contraintes définissent le domaine acceptable des
variables pour le processus d'optimisation. De telles contraintes, pouvant être de types égalité
ou inégalité, permettent la limitation des domaines sur les variables, dans la recherche de la
(ou les) solution optimale (s).
L'équation suivante exprime la forme mathématique générale d'un problème d'optimisation.
Dans cette équation f (x) est l'expression mathématique de la fonction objectif (ou critère
d’optimisation ou fonction économique) avec le vecteur xϵ𝑅 𝑛 a pour composantes
(𝑥1 , 𝑥2 , … … . . , 𝑥𝑛 ) qui sont les variables (ou inconnues) du problème.
Minimiser 𝑓(𝑥) tel que : x∈ 𝑠∁𝑅 𝑛 sous les fonctions contraintes :
𝑔𝑗 (x)≤ 0 pour j=1,…. M
ℎ𝑖 (x)=0 pour i=1,…... L
𝑥𝑝 min≤ 𝑥𝑝 ≤ 𝑥𝑝 max pour p=1,…, n
2.2. Méthodologie et outils d’optimisation multi objectifs
Si les méthodes de résolution exactes permettent d’obtenir une solution dont l’optimalité est
garantie, dans certaines situations, on peut cependant chercher des solutions de bonne qualité,
sans garantie d’optimalité, mais au profit d’un temps de calcul plus réduit. Pour cela, on
applique des méthodes appelées méta heuristiques, adaptées à chaque problème traité, avec
l’inconvénient de ne disposer en retour d’aucune information sur la qualité des solutions
obtenues.
Les heuristiques ou les méta-heuristiques exploitent généralement des processus aléatoires
dans l’exploration de l’espace de recherche pour faire face à l’explosion combinatoire
engendrée par l’utilisation des méthodes exactes. En plus de cette base stochastique, les méta-
heuristiques sont le plus souvent itératives, ainsi le même processus de recherche est répété
lors de la résolution. Leur principal intérêt provient justement de leur capacité à éviter les
minima locaux en admettant une dégradation de la fonction objective au cours de leur
progression.
L’optimisation combinatoire (OC) occupe une place très importante en recherche
opérationnelle et en informatique. De nombreuses applications pouvant être modélisées sous
la forme d’un problème d’optimisation combinatoire (POC) telles que le problème du
voyageur de commerce, l’ordonnancement de tâches, le problème de la coloration de graphes,
etc.

Pour l’optimisation multi objectifs dans la fabrication, plusieurs algorithmes et approches ont
été utilisés. L’algorithme génétique (AG) a été développé pour la résolution de l’optimisation
multi objectifs dans certains procédés d’usinage. (Zitzler et al, 2003 ;Cus et Balic,
2003 ;Sravasan et al, 2002).
Ainsi, pour l’optimisation des paramètres de coupe en fraisage (Liu et Wang, 1999) ont
modifié les AG pour traiter ce problème.
D’autres algorithmes ont été développé tels que ‘recuit simulé ’ et ‘recuit simulé parallèle’
pour l’optimisation en fraisage. (Wang et al, 2005).
Au début, l’augmentation de la productivité en réduisant les coûts et en maintenant une haute
qualité représente les principaux défis des fabricants. La sélection des paramètres des
procédés représente une étape primordiale pour répondre à ces objectifs (Zuperl. U et al,
2005). Beaucoup de chercheurs ont étudié l’effet de la sélection optimale des paramètres pour
certains cas de procédés tels que l’usinage : fraisage, tournage… [(Kopac. J, 2005) ; (Cus. F et
al, 2006)].
L’aspect multi objectifs de la sélection a poussé à résoudre ce problème d’optimisation en
s’aidant de certains outils mathématiques traditionnelles tels que : la programmation linéaire,
la programmation géométrique, la programmation dynamique… ces techniques ont été
appliqués pour le cas d’usinage, mais ils ont montré une insuffisance au niveau de robustesse
ainsi que la précision des résultats de ce type de problématique. Ce point faible de ces
techniques dû à un grand nombre de contraintes et des différents objectifs cherchés à chaque
fois.
Compte tenu des inconvénients des méthodes classiques d’optimisation, des tentatives sont
faites dans le cadre de l’amélioration de la résolution de la problématique d’optimisation des
paramètres des procédés de fabrication. Cette amélioration a été à base des algorithmes
évolutionnaires. Ces derniers sont dans la plupart des cas, à base de l’évolution biologique ou
naturelle telle que les algorithmes génétiques et les essaims particulaires. Au début, les
algorithmes génétiques représentent les techniques les plus couramment utilisés. Cependant,
AG fournit une solution une solution proche de l’optimum pour un problème complexe ayant
un grand nombre de variables et de contraintes. Ceci est principalement dû à la difficulté de
détermination des paramètres de contrôle optimaux tels que la taille de la population, le taux
de croisement, la mutation…
Par conséquent, les efforts se poursuivent pour utiliser des algorithmes d’optimisations plus
récents qui sont plus robustes, plus performants et en mesure de fournir une solution plus
précise (Karaboga. D et Basturk. B, 2008).
Ainsi, l’optimisation par essaim particulaire a été appliquée à certains procédés de fabrication
avec succès tels que : soudage par friction, usinage électrochimique, usinage laser, perçage,
fraisage… [(Yildiz. A.R et al, 2009) ; (Ciurana. J et al, 2009) ; (Cus. F et al, 2007) ; (Zhai. J et
al, 2006)].
La détermination des paramètres optimaux de tous procédés d’usinage ou de fabrication est
généralement une tâche difficile où les aspects suivants sont requis : la connaissance des
processus de fabrication, des équations empiriques pour développer des contraintes réalistes,
la spécification des capacités de la machine-outil, élaboration des critères efficaces
d’optimisation et la connaissance des techniques numériques d’optimisation.

Avec le développement des techniques citées précédemment, les résultats montrent une
amélioration de la précision des paramètres pour les différents procédés étudiés. En général,
l’objectif a été le gain économique en respectant les contraintes technologiques [(Xue. X et
Gu.Y, 2010) ; (Shutong. XIE et Yinbiao. GUO, 2011) ; (Sharma. AVNL et al, 2012)].
Dans l’objectif d’intégrer les notions de durabilité, certains travaux ont débuté par la prise en
considération de l’énergie consommée pour la production du produit étudié (Diaz. N et al,
2010). Cette idée a été couplée avec des études expérimentales traitant les différents
paramètres qui influent au niveau de la consommation de la puissance dans certains procédés
de fabrication [(Rangarajan. A et Dornfeld. D, 2004) ; (Diaz. N et al, 2009) ; (Inamasu. Y et
al, 2010) ; (Diaz. N et al, 2011)].
Ces travaux nous amènent à un point de départ dans le cadre de l’éco-fabrication :
l’intégration d’une fonction environnementale comme objectif à atteindre lors de l’étude de la
phase de fabrication.
C’est dans ce cadre que s’intègrent nos travaux à travers l’approche produite. Notre objectif
de l’intégration de l’optimisation multi objectifs est la prise en considération de l’écologie
comme étant objectif et non pas comme contrainte.
2.3. Optimisation par Essaim Particulaire (OEP)
En 1995, Russel Eberhart, ingénieur en électricité et James Kennedy, socio-psychologue,

s’inspirent du monde des vivants pour mettre en place une méta-heuristique : l’optimisation
par essaim particulaire. Cette méthode se base sur la collaboration des individus entre eux :
chaque particule se déplace et à chaque itération, la plus proche de l’optimum communique
aux autres sa position pour qu’elles modifient leur trajectoire. Cette idée veut qu’un groupe
d’individus peu intelligents puisse posséder une organisation globale complexe.
De par sa récence, de nombreuses recherches sont faites sur les O.E.P,, mais la plus efficace
jusqu’à maintenant est l’élargissement au cadre de l’optimisation combinatoire. En effet, en
2000, Maurice Clerc, un chercheur de France Telecom met en place la D.P.S.O (Discrete
Particle Swarm Optimization), en remplaçant les points par des ordonnancements et les
fonctions continues par des fonctions d’évaluation.
2.3.1. Présentation de l’OEP
Motivation de l’OEP
Pour les problèmes d’optimisation, on cherche généralement des solutions qui s’approchent
de la solution souhaitée d’où le recours aux méthodes dites ‘heuristiques’.
On retrouve parmi ces heuristiques, certains algorithmes qui possèdent un principe générique
adaptable et qui s’applique donc à plusieurs problèmes d’optimisation. On les appelle des
métas heuristiques. La plus courante est la descente stochastique : on part d’une solution
initiale, on la compare à tous ses voisins en conservant à chaque fois le meilleur résultat.
L’optimisation par essaim particulaire, qui dérive de la descente stochastique, entre dans cette
famille d'algorithmes. Elle s’inspire fortement des relations grégaires des oiseaux migrateurs
qui doivent parcourir des longues distances et qui doivent donc optimiser leurs déplacements
en termes d’énergie dépensée, par exemple la formation en V.
Éléments de l’OEP
Pour appliquer l’OEP, il faut définir un espace de recherche constitué de particules et une
fonction objective à optimiser. Le principe de l’algorithme est de déplacer ces particules afin
qu’elles trouvent l’optimum. Chacune de ces particules est dotée :
 D’une position, c'est-à-dire ses coordonnées dans l’ensemble de définition.
 D’une vitesse qui permet à la particule de se déplacer. De cette façon, au cours des
itérations, chaque particule change de position. Elle évolue en fonction de son meilleur
voisin, de sa meilleure position, et de sa position précédente. C'est cette évolution qui
permet de tomber sur une particule optimale.
 D’un voisinage, c'est-à-dire un ensemble de particules qui interagissent directement sur la
particule, en particulier celle qui a le meilleur critère.
À tout instant, chaque particule connait :
 Sa meilleure position visitée. On retient essentiellement la valeur du critère calculée ainsi
que ses coordonnées.
 La position du meilleur voisin de l’essaim qui correspond à l'ordonnancement optimal.
 La valeur qu’elle donne à la fonction objectif, car à chaque itération il faut une
comparaison entre la valeur du critère donnée par la particule courante et la valeur
optimale.
L’évolution d’une particule est finalement une combinaison de trois types de comportements :
 Égoïste (suivre sa voie suivant sa vitesse actuelle),
 Conservateur : revenir en arrière en prenant en compte sa meilleure performance
 Panurgien : suivre aveuglément le meilleur de tous en considérant sa performance.
On voit alors que la bio-inspiration à l’origine de l’optimisation par essaim particulaire ressort
dans l’algorithme sous la forme d’une intelligence collective : coordination du groupe, instinct
individuel et interaction locale entre les individus (grognements, phéromones…).
2.3.2. Notion de voisinage

Le voisinage d’une particule est le sous-ensemble de particules de l’essaim avec lequel il a
une communication directe. Ce réseau de rapports entre toutes les particules est connu comme
la sociométrie, ou la topologie de l’essaim.
La figure 3.3 représente la notion de voisinage au niveau de l’optimisation par essaim
particulaire. L'OEP est un algorithme à population. Il commence par une initialisation
aléatoire de l'essaim dans l'espace de recherche. À chaque itération de l'algorithme, chaque
particule est déplacée suivant (3.1) et (3.2). Une fois le déplacement des particules effectué,
les nouvelles positions sont évaluées. Les 𝑏𝑒𝑠𝑡𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑒 (t) ainsi que 𝑏𝑒𝑠𝑡𝑣𝑜𝑖𝑠𝑖𝑛 (t) sont alors
mis à jour. Cette procédure est résumée par l'algorithme (figure. 3.4).

Figure 3.3. Notion de voisinage
Il existe deux principaux types de voisinage :

1) Les voisinages géographiques : les voisins sont considérés comme les particules les plus
proches. Cependant, à chaque itération, les nouveaux voisins doivent être recalculés à
partir d’une distance prédéfinie dans l’espace de recherche. C’est donc un voisinage
dynamique.
2) Les voisinages sociaux : les voisins sont définis à l’initialisation et ne sont pas modifiés
ensuite. C’est le voisinage le plus utilisé, pour plusieurs raisons :
- Il est plus simple à programmer.
- Il est moins coûteux en temps de calcul.
- En cas de convergence, un voisinage social tend à devenir un voisinage géographique.
Pour ce faire, on dispose (virtuellement) les particules en cercle puis, pour la particule étudiée,
on inclut progressivement dans ses informatrices, d’abord elle-même, puis les plus proches à
sa droite et à sa gauche, jusqu’à atteindre la taille voulue. On peut aussi choisir les
informatrices au hasard.
2.3.3. L’OEP pour l’optimisation continue
Principe
On s’intéresse dans cette partie à présenter l’application de cette méthode pour les fonctions
continues.
L’algorithme de base de l’OEP (figure 3.4) travaille sur une population appelée essaim de
solutions possibles, elle-même appelée particules. Ces particules sont placées aléatoirement
dans l’espace de recherche de la fonction objectif.

Figure 3.4. Algorithme OEP
À chaque itération, les particules se déplacent en prenant en compte leur meilleure position
(déplacement égoïste), mais aussi la meilleure position de son voisinage (déplacement
panurgien).
Dans les faits, on calcule la nouvelle vitesse à partir de la formule suivante :
𝑉𝑘+1 = 𝑐1 ∗ 𝑉𝑘 + 𝑐2 ∗ (𝑏𝑒𝑠𝑡𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑒 − 𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑒 ) + 𝑐3

∗ (𝑏𝑒𝑠𝑡𝑣𝑜𝑖𝑠𝑖𝑛 − 𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑒 ) (3.1)
Avec :
𝑉𝑘+1 et 𝑉𝑘 sont les vitesses de la particule aux itérations k et k+1.
𝑏𝑒𝑠𝑡𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑒 est la meilleure position de la particule.
𝑏𝑒𝑠𝑡𝑣𝑜𝑖𝑠𝑖𝑛 est la meilleure position de son voisinage à l’itération k.
𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑒 est la position de la particule à l’itération k.
𝑐1 , 𝑐2 , 𝑐3 sont des coefficients fixés, 𝑐2 est généré aléatoirement à chaque itération et en
général 𝑐2 = 𝑐3
On peut ensuite déterminer la position suivante de la particule grâce à la vitesse que l’on vient
de calculer :
𝑋𝑘+1 = 𝑋𝑘 + 𝑉𝑘+1 (3.2)
Où :
𝑋𝑘 est la position de la particule à l’itération k.
On génère 𝑋0 et 𝑉0 au début de notre algorithme.

Configuration de la méthode
Pour aboutir à une modélisation convenable de la méthode, il est nécessaire de définir
convenablement les paramètres suivants :
1) Taille de l’essaim : La quantité de particules allouées dépend essentiellement de deux
paramètres : la taille de l’espace de définition, et le rapport entre la capacité de calcul de la
machine et le temps maximum de recherche. Le meilleur moyen d’affiner ce coefficient est
donc de faire de nombreux essais afin de se doter de l’expérience nécessaire
2) Initialisation de l’essaim : elle est généralement faite aléatoirement suivant une loi
uniforme sur [0,1], cependant une répartition homogène des particules est préférable
3) Les coefficients de confiance c2 et c3 : Ils permettent de pondérer les tendances des
particules à suivre leur instinct de conservation ou leur panurgisme. De manière générale,
ces variables aléatoires sont évaluées à chaque itération suivant une loi uniforme sur le
domaine de définition.
4) Le coefficient d’inertie c1 : Il permet de définir la capacité d’exploration de chaque
particule en vue d’améliorer la convergence de la méthode. Fixer ce paramètre revient à
trouver un compromis entre une exploration globale (𝐶1 > 1) et une exploration locale (𝐶1 <
1). Il représente l’instinct aventureux de la particule.
5) Critère d’arrêt : la convergence vers la solution optimale globale n’est pas garantie dans
tous les cas. Il est donc important de doter l’algorithme d’une porte de sortie en définissant
un nombre maximum d’itérations. Le programme s’arrête alors si et seulement si le
nombre maximum d’itérations est atteint ou que la valeur du critère obtenue est acceptable
pour l’utilisateur.
2.3.4. Mise en œuvre de l’OEP pour l’éco-fabrication
On applique dans le cadre de nos études l’optimisation par essaim particulaire avec des bornes
de contraintes. Donc, l’espace de recherche S = [ lb1 ub1 ] x [ lb2 ub2 ] x … x [ lbn ubn ] est définie
par n paramètres réels ( x1 …, x n ) où chaque paramètre x i ( 1  i  n ) est compris dans un
intervalle défini au début de l’étude [ lbi ubi ].
Chaque individu noté comme particule se déplace suivant l’espace de recherche de dimension
n en tenant compte de la fonction objectif.
Ainsi, chaque particule i possède une position et une vitesse de déplacement ainsi qu’une
mémorisation de la meilleure position visitée durant l’itération. D’où chaque particule est
capable de se communiquer avec les autres particules notées voisines.
À chaque itération, on calcule la nouvelle position ainsi que la vitesse en s’aidant de la
meilleure position déjà retenue jusqu’à atteindre le critère d’arrêt.
2.3.5. Approches des poids d’agrégation
En se basant sur ces approches, les objectifs sont sommés avec une combinaison de poids de
pondération. Ces poids peuvent être fixes ou dynamiques durant la procédure d’optimisation.

Dans le cas du problème multi objectifs, l’agrégation représente une étape importante
traduisant la décision ou l’intervention du décideur.
On distingue plusieurs approches dans ce cadre : ‘Conventional weighted aggregation
(CWA)’, ‘Bang –Bang weighted aggregation (BWA)’, ‘Dynamic weighted aggregation
(DWA)’…
2.4. Les Algorithmes génétiques
Les AG, qui tirent leur nom de l’évolution biologique des êtres vivants dans le monde réel,
cherchent à simuler le processus de la sélection naturelle dans un environnement défavorable
en s’inspirant de la théorie proposée par C.Darwin.
Dans un environnement, « les individus » les mieux adaptés tendent à vivre assez longtemps
pour se reproduire alors que les plus faibles ont tendance à disparaître.
2.4.1. Principe méthodologique
Les AG reposent sur le principe suivant : ‘Évolution d’un ensemble de solutions candidates,
appelé « population d’individus »’.
Un individu représente une solution possible du problème à résoudre et on suit les étapes
suivantes :
 On attribue à chaque individu une fonction d’adaptation appelée : ‘fitness’. Cette dernière
permet de mesurer sa qualité.
 On sélectionne les meilleurs individus de cette population.
 On applique le croisement et la mutation pour ces individus pour aboutir à une nouvelle
population de solution.
 On poursuit à chaque génération jusqu'à ce qu’on atteint le critère d’arrêt.
La figure 3.5 présente les étapes de l’algorithme génétique de base.
Figure 3.5. Algorithme de base des AG

Remarque : Il existe de nombreuses méthodes pour la sélection, le croisement et la mutation.
2.4.2. Paramètres d’un AG
Pour l’application d’un AG dans un problème réel, on doit définir les éléments suivants :
1) Un codage des éléments appartenant à la population.

2) Une fonction d’adaptation qui permet de mesurer la qualité de l’individu.
3) Un processus d’évolution des générations.
4) Des opérateurs pour modifier les individus d’une population de la génération (t) à la
génération (t+1) comme le croisement et la mutation.
5) Les opérateurs déjà présentés dépendent de plusieurs paramètres qui sont fixés à l’avance
et dont dépend la convergence de l’algorithme :
- La taille de la population : si la taille est trop petite, l’AG peut ne pas converger, par contre
si elle est trop grande, l’évaluation des individus peut être très longue.
- Probabilité de croisement et de mutation : les valeurs de ces probabilités peuvent varier
d’une application à une autre.
- Critère d’arrêt : c'est-à-dire le nombre maximal de générations à effectuer.
2.4.3. Les AG pour l’optimisation multi objectifs
Optimisation multi objectifs
Dans un problème multi objectifs, il ya plus qu’une fonction objectif et chacune d’entre elles
peut avoir une solution optimale différente.
Le but d’un problème multi objectif est de trouver de « bon compromis » plutôt qu’une seule
solution. Ainsi, lorsqu’il ya plusieurs objectifs, la notion d’optimum change et il est préférable
d’utiliser un autre terme : ‘optimum de Pareto’.
En effet, au lieu d’une solution unique, ce type d’optimisation donne lieu à un ensemble de
solutions optimales. Ces derniers sont « optimales » dans le sens qu’aucune amélioration ne
peut être faite sur un critère de cette solution sans dégrader au moins la valeur d’un autre
critère.
AG pour l’optimisation multi objectifs
Les AG développés dans ce sens tendent à satisfaire les deux points suivants :
- Trouver des solutions aussi proches que possible des vraies solutions ‘Pareto optimales’.
- Trouver un ensemble de solutions très variées tout le long du front.
Pour aboutir à l’optimisation multi objectifs, Schaffer a proposé la VÉGA (Vector
Evaluated Genetic Algorithm) en 1985. Cet algorithme est basé sur le principe suivant :
On considère une population de N individus qui sont répartis en k sous-population où chaque
valeur de k représente un objectif à optimiser. À chaque génération, un nombre de sous
populations est généré par sélection en fonction de l’objectif k. Ensuite, ces sous-populations

sont regroupées pour former une nouvelle population de N individus et les opérateurs de
mutation et croisement sont appliqués.
Malgré son implantation facile, cet algorithme présente l’inconvénient de la proposition des
solutions qui favorise un seul objectif sans tenir compte des autres.
À partir de la VÉGA, plusieurs algorithmes ont été développés.
Niched Pareto Genetic Algorithm : NPGA
Basé sur la dominance de Pareto (Horn et al, 1994), ont proposé NPGA comme étant un
algorithme utilisant une sélection par tournoi. Il diffère par rapport à un AG standard au
niveau de la méthode de sélection.
À chaque tournoi, deux individus candidats sont sélectionnés aléatoirement de la population
initiale. Ainsi, on sélectionne un ensemble d’individus dans la population pour ne pas limiter
la comparaison à ces deux choisis.
Les deux candidats sélectionnés sont comparés à chaque individu de l’ensemble de
comparaison.
- Si l’un des deux candidats est dominé par l’ensemble, et le second ne l’est pas, ce dernier
est sélectionné pour la reproduction.
- Si les deux candidats sont dominés ou non dominés, il faut passer à l’utilisation de la
technique basée sur la fonction de partage pour choisir le candidat gagnant.
Fonction de partage
La difficulté d’un AG est que l’individu ayant une très bonne fonction d’adaptation a
tendance à se multiplier aux dépens des autres individus de la population. Ainsi, dans les
fonctions multimodales, on essaie d’avoir plusieurs optimums et non pas un seul optimum
localisé. D’où la proposition de la fonction de partage qui a pour rôle la distribution de la
population d’individus sur les différents pics de l’espace de recherche.
En effet, la fonction d’adaptation de chaque individu (i) est dégradée par un compteur de
niche (𝑚𝑖 ), calculé pour ce même individu. Donc, le partage permet de dégrader la fonction
d’adaptation d’un individu par rapport au nombre d’individus semblables dans la population.
La nouvelle fonction de partage calculé ‘shared fitness’ est obtenue en divisant la fonction
d’adaptation de l’individu par le compteur de niche.
Le compteur de niche 𝑚𝑖 donne une estimation du nombre d’individus qui se trouvent dans le
voisinage de l’individu (i). Ce coefficient est calculé pour tous les individus (j) de la
population courante (Pop) :
𝑚𝑖 = ∑ 𝑆ℎ[𝑑[𝑖, 𝑗]] (3.3)

𝑗∈𝑃𝑜𝑝
Où :
D[i,j] : Distance entre l’individu i et j

Sh[d[i,j]] : fonction décroissante de d[i,j], tel que : Sh[0]=1 et Sh[d≥ 𝜎𝑠ℎ𝑎𝑟𝑒 ]=0
La fonction Sh[d], la plus communément utilisée, est la fonction triangulaire définie comme
suit :
𝑑
𝑆ℎ[𝑑] = {1 − } 𝑠𝑖 𝑑 ≤ 𝜎𝑠ℎ𝑎𝑟𝑒 (3.4)
𝜎𝑠ℎ𝑎𝑟𝑒
0 sinon
Où :𝜎𝑠ℎ𝑎𝑟𝑒 : rayon de niche, fixé dans la plupart des cas par l’utilisateur en fonction de la
distance minimale de séparation voulue entre les différents pics.
Ce qui est plus important dans ce qui est présenté est le compteur de niche de chaque
individu. Entre deux individus qui ne sont ni dominés ni non dominés, l’individu ayant le plus
petit compteur de niche est sélectionné, de la sorte il est possible de maintenir une diversité le
long du front de Pareto.
Ainsi (Horn et al, 1994), ont trouvé que l’utilisation d’une sélection et partage de la fonction
peut amener à des perturbations dans la composition de la population. D’où, ils ont proposé
que le calcul du compteur de niche se fasse avec la population « partiellement remplie de la
génération suivante » et non pas avec les individus de la population courante.
Distance entre deux individus
On peut définir la distance entre deux individus, 𝑑[𝑥, 𝑦], dans l’espace des objectifs ou dans
l’espace de recherche. Ce choix dépend de la nature de problème.
Pour déterminer cette distance dans l’espace des objectifs, on définit la relation suivante :
𝑛
𝑑[𝑥, 𝑦] = (∑|𝑥𝑖 − 𝑦𝑖 |𝑝 )1/𝑝 (3.5)

𝑖=1
Où :
𝑥𝑖 , 𝑦𝑖 : Valeurs de l' 𝑖 è𝑚𝑒 objectif
𝑝 : Paramètre de la distance, si p=2, la formule définit une distance euclidienne.
Avantages et inconvénients du NPGA
Cet algorithme est plus rapide que les autres algorithmes basés sur le tri, car NPGA n’est pas
basé sur le classement de Pareto de tous les individus de la population, mais seulement une
partie à chaque génération.
Par contre, le principal inconvénient est qu’il nécessite, en plus de spécifier le facteur de
partage (𝜎𝑠ℎ𝑎𝑟𝑒 ), un paramètre supplémentaire qui est la taille de tournoi (𝑡𝑑𝑜𝑚 ).

Niched Pareto Genetic Algorithm 2: (NPGA 2)
Cet algorithme, qui a été développé par (Erickson et al, 2001), est basé sur le degré de
domination d’un individu.
Comme dans l’AG standard, on utilise la sélection par tournoi, mais on se base sur le
classement de Pareto pour la sélection de l’individu gagnant du tournoi.
La variable qui contrôle la sélection des compétiteurs est la taille du tournoi :
1) On débute par la sélection aléatoire d’un groupe de compétiteur de la population.
2) On sélectionne le candidat qui a le plus petit rang (donc le moins dominé) comme étant
gagnant du tournoi.
3) Dans le cas où aucun candidat n’est pas préférable aux autres, alors on utilise la technique
de partage pour identifier le gagnant tel qu’on sélectionne celui qui a le plus petit compteur
de niche
(Erickson et al, 2001), ont suggéré l’ajustement de mesure de fonctions objectives pour
amener les valeurs des fonctions dans le même intervalle afin de déterminer la valeur du
rayon de niche. Ils ont présenté comme exemple la relation suivante :
𝐹𝑖 − 𝐹𝑖,𝑚𝑖𝑛
𝐹𝑖 ′ = (3.6)
𝐹𝑖,𝑚𝑎𝑥 − 𝐹𝑖,𝑚𝑖𝑛
Où
𝐹𝑖′ , 𝐹𝑖,𝑚𝑖𝑛 𝑒𝑡 𝐹𝑖,𝑚𝑎𝑥 : Valeurs de la fonction ajustée, le minimum et le maximum de l’objectif𝐹𝑖 ,
respectivement.
Tri par non-domination: (Non-dominated Sorting Genetic Algorithm-II (NSGA-II))
Figure 3.6. Algorithme NSGA II

Proposé par (Deb et al, 2002), cet algorithme est plus efficace que son prédécesseur, car :
 Il utilise une approche élitiste qui permet de sauvegarder les meilleures solutions trouvées
lors des générations précédentes.
 Il utilise une procédure de tri basée sur la non-dominance, plus rapide.
 Il ne nécessite aucun réglage de paramètre.
 Il utilise un opérateur de comparaison basé sur un calcul de la distance de crowding.
Cet algorithme peut être décrit comme suit (figure 3.6) :
 Assemblage d’une population de parents (𝑃𝑖 ) de taille (N) et une population d’enfants (𝑄𝑖 )
de taille (N) pour former une population (𝑅𝑖 =𝑃𝑖 ∪ 𝑄𝑖 ). Cet assemblage assure l’élitisme.
 La population obtenue de taille (2N) sera triée selon un critère de non-dominance pour
identifier les différents fronts𝐹1 ,𝐹2 ,… ainsi, les meilleurs individus vont se retrouver dans
le ou les premiers fronts.
 On obtient une nouvelle population parents (𝑃𝑖+1 ) en ajoutant les fronts au complet tant
que ceux-ci ne dépassent pas N.
 Si le nombre d’individus présents dans (𝑃𝑖+1) est inférieur à (N), on applique la procédure
de crowding sur le premier front suivant (𝐹𝑖 ) non inclus dans (𝑃𝑖+1 ). L’objectif de cet
opérateur est d’insérer les meilleurs individus manquants dans la population (𝑃𝑖+1 ).
 Après l’identification des individus de la population (𝑃𝑖+1 )., une nouvelle population
enfant (𝑄𝑖+1) est créée par sélection, croisement et mutation.
 Le processus se continue, d’une génération à la suivante, jusqu’à un critère d’arrêt.
Selon (Deb et al, 2002), on peut résumer cet algorithme comme suit :
Pour chaque itération t faire :
𝑅𝑡 = 𝑃𝑡 ∪ 𝑄𝑡 (combiner les deux populations)
F=fast-non-dominated-sort (𝑅𝑡 ) (Calcul de tous les fronts non dominés de 𝑅𝑡 )
𝑃𝑡+1 = ∅
i=1
Tanque |𝑃𝑡+1 | + |𝐹𝑖 | ≤ 𝑁 (tanque la population n’est pas pleine)
i=i+1
𝑃𝑡+1 = 𝑃𝑡+1 ∪ 𝐹𝑖 (Inclure le 𝑖 è𝑚𝑒 front non dominé dans 𝑃𝑡+1 )
Crowding-distance-assignment (𝐹𝑖 ) (Calculer la distance de ’crowding’ du front 𝐹𝑖 )
Sort (𝐹𝑖 , <𝑛 ) (trier dans un ordre descendant en utilisant l’opérateur de comparaison <𝑛 )
𝑃𝑡+1 = 𝑃𝑡+1 ∪ 𝐹𝑖 [1: (𝑁 − |𝑃𝑡+1 |)] (choisir les premiers (N-|𝑃𝑡+1 |) individus du front les
mieux répartis)
générer une nouvelle population enfant (𝑄𝑖+1 ) par sélection, croisement et mutation
𝑡 = 𝑡 + 1 (incrémenter le compteur des générations)

Distance de Crowding
Pour une solution (i), le calcul de cette distance dépend du périmètre formé par les points les
plus proches de (i) sur chaque objectif. On procède comme suit :
1) Tri des solutions selon chaque objectif, dans un ordre ascendant.

2) Pour les individus possédant les valeurs limites (la plus petite et la plus grande valeur de
fonction d’objectif), on associe une distance infinie.
3) Pour les autres solutions intermédiaires, on détermine la distance de Crowding qui est
égale à la différence normalisée des valeurs de fonctions objectives de deux solutions
adjacentes. Ce calcul se fait pour chaque fonction objective.
4) La distance de Crowding est calculée en sommant les distances correspondantes à chaque
objectif.
2.5. Choix et mise en place de l’essaim particulaire pour l’optimisation en éco-

fabrication
Dans le cadre du développement des outils et algorithmes d’optimisation, certains auteurs ont
pensé à la comparaison des différents outils mis en évidence pour la résolution du problème
d’optimisation.
Figure 3.7. Processus de choix d’une méthode d’optimisation (Hammami. A, 2003)

(Baskar et al, 2005) a comparé les performances de 4 méthodes de résolution qui sont :
colonie de fourmis, les algorithmes génétiques, les essaims particulaires et recherche tabou.
Ces algorithmes ont été appliqués pour la détermination des paramètres de coupes optimales
en usinage. Les résultats de cette comparaison ont montré que l’essaim particulaire est le plus
performant par rapport aux autres algorithmes utilisés. Ainsi, pour la précision des résultats,
l’algorithme génétique et l’essaim particulaire diffèrent de 4%.
Comme synthèse à l’ensemble des méthodes que nous avons détaillé, nous présentons dans la
Figure 3.7 une procédure pour le choix d’une méthode d’optimisation mathématique.
En s’aidant du processus détaillé à la figure 3.7 et les résultats présentés ainsi qu’autres
travaux, on constate l’efficacité et la performance de l’essaim particulaire pour la résolution
des problèmes multi objectifs. On se propose d’appliquer cet outil robuste pour notre
approche d’étude et la mise en évidence de cet algorithme dans le cadre de l’éco-fabrication.
Ainsi, on se propose de valider la précision des résultats à l’aide d’une étude comparative
avec les algorithmes génétiques.
Suite à ce niveau, les procédés optimaux pour chaque opération de fabrication du produit sont
préparés. Ces paramètres tendent à coupler les objectifs économiques et écologiques ainsi que
la qualité du produit tout en respectant la faisabilité technique. Cette étape de modélisation
représente une entrée importante pour la suite de l’approche. Les résultats obtenus pour cette
phase de modélisation nous permettent par la suite de préparer le flux des entrées-sorties pour
chaque opération de fabrication de produit étudié. Cet objectif sera la finalité de l’étape
suivante de notre approche en s’aidant des algorithmes Input-Process-Output (IPO) (section
3).
3. Modélisation de la consommation des ressources

3.1. Input-Process-Output (IPO)
Un process de fabrication est la succession d’une série d’opérations de fabrication ayant pour
objectif la transformation de la matière première en produit fini. Cette transformation est
équipée par certaines émissions néfastes sous différentes formes : solide, liquide, gazeux…
Pour la maîtrise et la gestion de ressources consommées pour une opération de fabrication on
tend à appliquer deux bilans : le bilan énergétique et le bilan matière.
Ces deux bilans permettent de représenter la loi d’entrée/sortie ou bien la relation entre les
entrées et les sorties : pour la matière ainsi que pour les ressources énergétiques.
Ainsi, pour cette étape d’approche, nous avons fait recours à l’une des méthodes récemment
développées : Input-Process-Output (IPO).
Figure 3.8. Relation entre les entrées-sorties dans l’algorithme IPO

Au début (Leontief. W, 1986) a utilisé IPO pour la modélisation des activités économiques
ce qui a été très efficace dans ce domaine d’application.
Après, ce type de modèle a été développé dans le but d’une analyse environnementale des
activités nationales, des activités industrielles et au niveau des processus. (Breuil. JM, 1992) a
proposé un modèle d’entrée-sortie et d’analyse des émissions polluantes en France. Ainsi,
dans le même cadre, Hawdon. D et Pearson. P ont étudié l’interaction et la simulation de
l’énergie, l’environnement et l’économie à l’aide d’un modèle IPO en présentant des relations
complexes pour plus que 10 secteurs en U.K.
Ces analyses ont permis de mieux comprendre les sources des effluents ou les polluants. Par
exemple, en France, l’étude proposée a aidé à la maîtrise des émissions de 𝑁𝑂𝑥 et 𝑆𝑂2.
L’objectif global est l’aide à implanter des stratégies permettant la réduction des impacts
environnementaux.
Au niveau des systèmes de fabrication (Milacic. D et al, 1997) a choisi d’utiliser les modèles
IPO pour caractériser les émissions écologiques issues d’un process de fabrication. Cette
approche a été basée sur l’analyse de cycle de vie, dans le but d’une aide à la décision
environnementale des procédés de fabrication par la maîtrise de la consommation des
ressources.
Dans l’objectif d’une planification, des chaînes de production (Lin et Polenske, 1998) ont
défini une approche basée sur les IPO. Cette étude permet la définition d’un réseau de relation
interne entre les différentes cellules de production. Ces relations de flux aident à une analyse
écologique ainsi qu’un développement économique.
En utilisant une approche similaire (Albino et al, 2000) ont formulé des entrées-sorties de
process modèles de l'offre locale / globale chaînes. En particulier, considérés comme une
chaîne d'approvisionnement située dans la structure économique d'une région donnée, les
modèles permettent de cartographier les activités de production et de mettre en relation les
flux d'estimation de l'énergie et des matériaux, y compris l'utilisation et la consommation de
combustibles et de la production de polluants dans la chaîne d'approvisionnement.
(Xue. H et al, 2006) a proposé une approche d’illustration du flux des matières à l’aide du
modèle IPO agrégé dans l’objectif de faciliter le choix des solutions pour minimiser les
impacts. Cette étude a été appliquée pour deux scénarios de fabrication des aciers pour
changer les matrices de coefficients technologiques dans le but de minimiser la consommation
totale des ressources.
Figure 3.9. Modélisation du flux d’entrées-sorties pour les process de fabrication

Les relations fondamentales pour cette méthode sont données par le système d’équations
suivant :
𝑋1 = 𝑧11 + 𝑧12 + ⋯ + 𝑧1𝑗 + ⋯ + 𝑧1𝑛 + 𝑌1
𝑋2 = 𝑧21 + 𝑧22 + ⋯ + 𝑧2𝑗 + ⋯ + 𝑧2𝑛 + 𝑌2
… (3.7)
𝑋𝑖 = 𝑧𝑖1 + 𝑧𝑖2 + ⋯ + 𝑧𝑖𝑗 + ⋯ + 𝑧𝑖𝑛 + 𝑌𝑖
𝑋𝑛 = 𝑧𝑛1 + 𝑧𝑛2 + ⋯ + 𝑧𝑛𝑗 + ⋯ + 𝑧𝑛𝑛 + 𝑌𝑛
Ainsi les 𝑧𝑖𝐽 représentent les coefficients liants les entrées aux sorties de mêmes types et les 𝑌𝑖
représentent les coefficients liants les entrées aux nouvelles sorties ou nouveaux éléments
suites au process.
On peut définir des coefficients techniques permettant de représenter les relations entre les
𝑧
entrés et les sorties de chaque opération ou système d’étude tel que : 𝑎𝑖𝑗 = 𝑖𝑗⁄𝑋
𝑗
𝑀∗ 1 𝑀∗2 … 𝑀∗𝑚 𝑌1 … 𝑌𝑛
𝑀1 𝑍11 𝑍12 … 𝑍1𝑚 𝑊11 … 𝑊1𝑛
𝑀2 𝑍21 𝑍22 … 𝑍2𝑚 𝑊21 … 𝑊2𝑛
… … … … … … … …
𝑀𝑚 𝑍𝑚1 𝑍𝑚2 … 𝑍𝑚𝑚 𝑊𝑚1 … 𝑊𝑚𝑛
Le système d’équations déjà défini sera comme suit :
(1 − 𝑎11 )𝑋1 − 𝑎12 𝑋2 − ⋯ − 𝑎1𝑛 𝑋𝑛 = 𝑌1
−𝑎21 𝑋1 + (1 − 𝑎22 )𝑋2 − ⋯ − 𝑎2𝑛 𝑋𝑛 = 𝑌2
… (3.8)
−𝑎𝑛1 𝑋1 − 𝑎𝑛2 𝑋2 − ⋯ + (1 − 𝑎𝑛𝑛 )𝑋𝑛 = 𝑌𝑛
Sous une forme matricielle, on obtient :
(𝐼 − 𝐴)𝑋 = 𝑌 (3.9)
Ou
𝑋 = (𝐼 − 𝐴)−1 𝑌 (3.10)

Au niveau d’une opération de fabrication, le bilan des matières introduit deux types des
matériaux de sortie : produit semi-fini ou fini en matière de base et un nouveau matériau
composé des différents matériaux d’entrées.
𝑀1 𝑀∗1
𝑀2 𝑀∗ 2
Process 1 ….
…. 𝑀∗ 𝑚
𝑀𝑚 𝑌1
𝑌𝑛
Figure 3.10. Bilan des matériaux pour un process de fabrication
Selon cette définition, on a :
𝑥𝑖 = 𝑧𝑖1 + 𝑧𝑖2 + ⋯ + 𝑧𝑖𝑗 + ⋯ + 𝑧𝑖𝑚 + 𝑤𝑖1 + 𝑤𝑖2 + ⋯ + 𝑤𝑖𝑗 + ⋯ + 𝑤𝑖𝑛 (3.11)
= 𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑗 𝑥𝑗 + ⋯ + 𝑎𝑖𝑚 𝑥𝑚 + 𝑏𝑖1 𝑦1 + ⋯ + 𝑏𝑖𝑗 𝑦𝑗 + ⋯ + 𝑏𝑖𝑛 𝑦𝑛 (3.12)
𝑥𝑖 Représente les entrés, 𝑦𝑖 le nouveau matériau issu de l’opération de fabrication.
𝑎𝑖𝑗 et 𝑏𝑖𝑗 sont les coefficients techniques définis par les expressions suivantes :
𝑧𝑖𝑗
𝑎𝑖𝑗 = (3.13)
𝑥𝑗
𝑤𝑖𝑗
𝑏𝑖𝑗 = (3.14)
𝑦𝑗
En tenant compte de ces deux types de coefficients, le système global d’IPO peut être
représenté comme suit :
𝑥1 = 𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑚 𝑥𝑚 + 𝑏11 𝑦1 + ⋯ + 𝑏1𝑛 𝑦𝑛
𝑥2 = 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑚 𝑥𝑚 + 𝑏21 𝑦1 + ⋯ + 𝑏2𝑛 𝑦𝑛
… (3.15)
𝑥𝑚 = 𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑚 𝑥𝑚 + 𝑏𝑚1 𝑦1 + ⋯ + 𝑏𝑚𝑛 𝑦𝑛
On peut écrire ce système sous une forme matricielle tel que :
(𝐼 − 𝐴)𝑋 = 𝐵𝑌 (3.16)
Avec :
𝑋 = [𝑥1 𝑥2 … 𝑥𝑚 ]𝑇 (3.17)

𝑌 = [𝑦1 𝑦2 … 𝑦𝑚 ]𝑇 (3.18)
𝑎11 ⋯ 𝑎1𝑚
𝐴=[ ⋮ ⋱ ⋮ ]
𝑎𝑚1 ⋯ 𝑎𝑚𝑚
𝑏11 ⋯ 𝑏1𝑛
𝐵=[ ⋮ ⋱ ⋮ ]
𝑏𝑚1 ⋯ 𝑏𝑚𝑛
La relation finale liant les entrées et les sorties du système est la suivante :
𝑋 = (𝐼 − 𝐴)−1 𝐵𝑌 (3.19)
𝑌 = 𝐵 −1 (𝐼 − 𝐴)𝑋 (3.20)
L’analyse écologique du flux d’entré-sortie est modélisée à l’aide du critère ‘empreinte

carbone’ qui permet de regrouper les émissions environnementales en un seul impact qui est
le dioxyde de carbone. (Équivalent C𝑂2).
Chaque type de sortie issu de l’opération est multiplié par son facteur de pouvoir de
réchauffement global (GWP). Ce dernier représente la capacité de chaque gaz à effet de serre
à stocker la chaleur dans l’atmosphère et en prenant le carbone comme référence de
comparaison.
𝐸𝐶𝑂2 é = 𝑀𝑖 × 𝐺𝑊𝑃𝑖 (3.21)
3.2. Stratégie d’amélioration de la consommation des ressources à base d’IPO
Suite à l’application du modèle déjà présenté ci-dessus, on peut déterminer certaines stratégies
permettant la minimisation des impacts environnementaux issus de la consommation des
ressources.
En mettant l’accent sur les matrices de coefficients techniques, on peut essayer de réduire les
impacts à l’aide d’un changement étudié au niveau du process de transformation de la matière.
Ainsi, dans le but de suivre le niveau d’utilisation des ressources, on peut définir des ratios
comme suit :
 Efficacités d’utilisation de la matière première : 𝑅𝐼 − 𝑅𝑂/𝑅𝐼

 Consommation de la matière première : 𝑅𝐼 − 𝑅𝑂
Avec :
𝑅𝐼 et 𝑅𝑂 représentent respectivement la quantité de la matière première à l’entré et à la sortie

de chaque opération de fabrication du produit.
3.3. Le bilan des émissions
Les émissions au niveau de chaque opération peuvent être :

 Des dégagements gazeux suite à une réaction au niveau du processus utilisé pour la
transformation du brut.
 Des dégagements suite à une efficacité inférieure à 100% au niveau de l’utilisation de la
matière première ou brute : À ce niveau, plusieurs scénarios possibles : recyclé, réutilisé ou
libéré sous forme des déchets.
 Chaleur ou énergie dégagée lors de la transformation de la matière première : elle peut être
utilisée ou libérée dans l’environnement.
Suite à ce niveau de modélisation, on prépare le flux des entrées-sorties de chaque opération.
Ces données nous permettent par la suite de caractériser les types des déchets ainsi que des
matériaux utilisés le long des opérations de fabrication. Cela servira pour la quantification des
émissions écologiques en évitant le problème de la double quantification de substances
utilisées.
Ainsi, les impacts environnementaux quantifiés ainsi que la fonction économique seront les
critères de choix entre les différents procédés possibles pour la fabrication du produit. Ce
choix sera illustré par la méthode d’aide à la décision multicritères PROMETHEE I.
4. Choix des outils et description de l’approche globale
Selon l’étude comparative entre les différents algorithmes d’optimisation multi objectif,
l’essaim particulaire représente l’une des solutions les plus efficaces dans le contexte d’éco-
fabrication. L’agrégation des différents objectifs en une seule fonction avec la possibilité
d’une pondération avec certains poids permet la localisation du front de Pareto cherché ou la
solution optimale à trouver.
Cette étape de modélisation représente une phase très importante permettant la préparation
d’une étude paramétrique où l’écologie et l’économie sont couplées comme deux objectifs à
atteindre.
Suite à cette optimisation, la loi entrée/sorties de chaque opération de fabrication est
développée. D’où la nécessité d’un inventaire permettant de définir le chemin de chaque
entrée de process pour la vérification des sources ainsi que la quantité de l’empreinte
écologique.
Cette étape permet la modélisation de la consommation des ressources ainsi que l’influence
des process sur chaque entrée. Le résultat se présente sous forme mathématique aidant par la
suite à distinguer les différentes possibilités d’amélioration.
Le procédé de fabrication joue un rôle primordial dans la qualité des déchets ainsi que les
émissions enregistrées à la fin de chaque opération. C’est dans ce sens que l’aide à la décision
est la solution pour le choix final du procédé suite à la préparation d’une base d’étude. Cette
dernière regroupe les différents paramètres techniques de chaque opération ainsi qu’un
modèle de consommation des ressources. Le choix dans ce cas est la méthode PROMETHEE
I, qui est une méthode de sur-classement ayant pour avantage l’étude de l’incomparabilité.

Conclusion
L’intégration de l’aide à la décision avec l’optimisation multi objectifs représente une solution
pour faire face au caractère multi critères de l’éco-fabrication. L’approche développée, dans
cette partie d’étude, montre une complémentarité entre les deux axes de développement : aide
à la décision et optimisation multiobjective.
Ainsi, au niveau de la consommation des ressources, l’IPO représente une solution efficace
pour la mise en évidence de l’influence de chaque opération du procédé sur la matière
première introduite. Pour l’aspect écologique, cet algorithme permet la résolution de la
problématique de la double quantification ainsi que les relations entre les différentes unités
d’une chaîne de production.
Pour le caractère multi objectifs, l’essaim particulaire est une solution pour la résolution de ce
type des problèmes multi objectifs. Cet algorithme représente une localisation du front de
Pareto et qui permet la mise en évidence d’une agrégation facile des différents objectifs.
Suite à l’application de la première approche au niveau de la fabrication de l’acide
phosphorique, nous avons constaté que l’unité d’acide sulfurique représente une source
importante des émissions néfastes. Nous nous proposons donc, dans le chapitre suivant de
déterminer les différents paramètres du procédé pour cette unité qui permettent le respect des
objectifs écologiques et économiques en mettant l’accent sur la modélisation des trois piliers :
matériaux, énergie et technologie.

Chapitre 4 : Etudes de cas
Introduction
Le respect de l’environnement est l’une des exigences du développement durable permettant

le suivi des réglementations ainsi que l’amélioration du secteur industriel.
L’approche proposée dans le chapitre (3) met en évidence la conception d’un processus de
fabrication permettant de coupler les objectifs écologiques et économiques pour la préparation
du produit étudié.
Cette étude est basée sur l’optimisation multi objectifs ainsi que la modélisation de la
consommation des ressources.
Dans ce chapitre, on présente trois études de cas : la première traite le cas d’une opération de
tournage. L’objectif est l’adaptation de l’essaim particulaire dans le cadre de l’éco-fabrication.
La validation des performances de cet algorithme est validée à l’aide d’une étude comparative
avec les algorithmes génétiques.
La deuxième étude de cas traite le cas du fraisage en bout. L’objectif est l’intégration de la
qualité de surface comme étant objectif d’étude couplé avec le gain économique et
écologique.
Puis, on passe finalement à compléter l’étude d’aide à la décision pour l’usine de fabrication
de l’acide phosphorique. Cette dernière souffre d’un taux d’émission élevé au niveau de
l’unité de préparation de l’acide sulfurique. D’où notre objectif est la mise en place d’une
conception de ce procédé dans le but de minimiser les impacts environnementaux ainsi que
l’augmentation du rendement global.
1. Étude de cas 1 : Pièce de tournage
Pour mettre l’accent sur l’adaptation des méthodes d’optimisation multi objectifs à l’aide des
essaims particulaires dans le cadre de l’éco-fabrication, on développe une étude de cas sur une
opération de chariotage en tournage.
L’objectif de cette partie est la détermination des paramètres de coupe : vitesse de coupe 𝑣𝑐 et
avance 𝑓 pour minimiser simultanément : le temps(𝑓1 ), le coût de la production (𝑓2 ) et la
consommation d’énergie(𝑓3 ).
Mathématiquement, on peut reformuler le problème étudié comme suit : min 𝐹 (𝐹=𝑓1 (𝑣𝑐 , 𝑓) +
𝑓2 (𝑣𝑐 , 𝑓) + 𝑓3 (𝑣𝑐 , 𝑓)) sous les contraintes technologiques 𝑔𝑖 = (𝑔1 , 𝑔2 , 𝑔3 , 𝑔4 , 𝑔5 ) ≤ 0. Les
𝑚𝑚
paramètres optimaux cherchés varient comme suit : 0.254 ≤ 𝑓( ) ≤ 0.762 et 80 ≤
𝑡𝑟
𝑚
𝑣𝑐 (𝑚𝑛) ≤ 200.
1.1. Les fonctions objectives

1.1.1. Temps de Production
Le temps total d’usinage est égal à la somme des temps nécessaires pour usiner la pièce : le
temps fixe (étude, réglage), le temps de changement d’outil et le temps technologique de
coupe. L’expression générale du temps d’usinage s’exprime par la relation suivante :
Chapitre 4 : Etudes de cas Page 114

𝑡𝑚
𝑓1 = 𝑇𝑢 = 𝑡𝑙 + 𝑡𝑚 + 𝑡𝑟 ( ) (4.1)
𝑇
Avec :
𝑡𝑙 : Temps fixe (étude et réglage).
𝑡𝑚 : Temps technologique de coupe.
𝑡𝑟 : Temps de changement d’outil.
T : Durée de vie de l’outil.
La durée de vie de l’outil de coupe dépend des conditions de coupe. Selon Taylor, on a :
1 1 𝑝 𝑞
𝑇 = 𝑘 −𝑛 𝑣𝑐 𝑛 𝑓 −𝑛 𝑎−𝑛 (4.2)
Les valeurs des exposants n, p, q de la loi généralisée de Taylor dépendent essentiellement du
matériau de l’outil. Le coefficient K étant fonction du matériau usiné, de l’outil utilisé et du
critère d’usure adopté.
En chariotage, le temps technologique de coupe est donné par l’expression suivante :
𝜋𝐷𝐿
𝑡𝑚 = (4.3)
1000𝑣𝑐 𝑓
Avec : 𝑓 : L’avance de l’outil en mm par tour.
𝐷 : Le diamètre usiné.
𝐿 : La longueur usinée.
1.1.2. Coût de Production
Le prix de revient d’une pièce est égal à la somme de tous les frais de fabrication : coût
machine, prix de revient d’une arrête de coupe et le coût auxiliaire de lancement de la pièce.
L’expression générale du coût total de la production d’une pièce de tournage est donnée par
l’expression suivante :
𝑡𝑚
𝑓2 = 𝑃𝑢 = 𝑝0 𝑡𝑙 + 𝑝𝑎 + 𝑝0 𝑡𝑚 + 𝑝𝑙 (4.4)
𝑇
Avec :
𝑝0 : Coût de la machine.
𝑝𝑙 : Prix de revient d’une arrête de coupe.
𝑝𝑎 : Coût auxiliaire de lancement de la série.
1.1.3. Émission environnementale
La fonction environnement dépend essentiellement de l’énergie, matériau et procédé utilisé
pour la mise en forme du produit.

La modélisation de l’énergie consommée en tournage est définie d’après l’expression

suivante :
𝑓3 = 𝐸 = 𝐸1 + 𝐸2 + 𝐸3 + 𝐸4 (4.5)
Avec :
𝐸1 : Energie de setup.
𝐸2 : Énergie d’enlèvement de matière : Elle est définie par Gutowski comme suit :
𝐸2 = (𝑃0 + 𝑘𝑣̇ )𝑡𝑚 (4.6)
Avec :
𝑃0 : La puissance consommée par les modules de la machine [W].
𝑘: L’énergie spécifique nécessaire pour l’opération [Ws/𝑚𝑚3 ].
𝑣̇ : Le taux d’enlèvement de la matière [𝑚𝑚3 /𝑠].
𝑡𝑚 : Temps de coupe [s].
𝐸3 : Énergie de changement d’outil.
𝐸4 : Énergie pour produire un outil de coupe normalisée par arête de coupe.
L’énergie consommée pendant le tournage est définie comme suit:
𝑡𝑚 𝑡𝑚
𝐸 = 𝑃0 𝑡1 + (𝑃0 + 𝑘𝑣̇ )𝑡𝑚 + 𝑃0 𝑡3 ( ) + 𝑌𝐸 ( ) (4.7)
𝑇 𝑇
Avec :
𝑡1 : Temps de setup machine.
𝑡3 : Temps de changement d’outil.
𝑇: Durée de vie de l’outil.
𝑌𝐸 : Énergie par arrête de coupe.
𝜋𝐷𝑎𝑣𝑔 𝑙
𝑡𝑚 Est définie comme suit : 𝑡𝑚 = avec 𝐷𝑎𝑣𝑔 est déterminé en fonction du diamètre
𝑓𝑣𝑐
initial et final de la pièce.

L’expression de l’énergie totale devient (Rajemi. MF et al, 2010) :
𝜋𝐷𝑎𝑣𝑔 𝑙 𝜋 𝑓𝑣𝑐 𝜋𝐷𝑎𝑣𝑔 𝑙 𝑓𝑣𝑐
𝐸 = 𝑃0 𝑡1 + 𝑃0 + 𝑘 (𝐷𝑖 2 − 𝐷𝑓 2 ) . + 𝑃0 𝑡3 ( )
𝑓𝑣𝑐 4 𝜋𝐷𝑎𝑣𝑔 𝑓𝑣𝑐 𝑇
𝑓𝑣𝑐
+ 𝑌𝐸 ( ) (4.8)
𝑇

Après simplification de l’équation 4.8, on obtient :

𝜋𝐷𝑎𝑣𝑔 𝑙 𝜋𝐷𝑎𝑣𝑔 𝑙
𝜋𝐷𝑎𝑣𝑔 𝑙 𝜋 𝑓𝑣𝑐 𝑓𝑣𝑐
𝑓3 = 𝐸 = 𝑃0 𝑡1 + 𝑃0 + 𝑘 (𝐷𝑖 2 − 𝐷𝑓 2 )𝑙 + 𝑃0 𝑡3 ( ) + 𝑌𝐸 ( ) (4.9)
𝑓𝑣𝑐 4 𝑇 𝑇
1.2. Les limitations

1.2.1. Limitation de la puissance de coupe
Les conditions de coupe doivent être choisies de manière à ce que la puissance de coupe 𝑃𝑐
soit aux plus égales à la puissance maximale disponible 𝑃𝑢 sur la broche de la machine- outil.
Soit donc : 𝑃𝑐 ≤ 𝑃𝑢
Dans le cas de tournage, la puissance de coupe est donnée par l’expression suivante :
𝑘𝑓 𝑎𝑓 0.7 𝑣𝑐
𝑃𝑐 = (4.10)
60
Alors :
𝑘𝑓 𝑎𝑓 0.7 𝑣𝑐
𝑔1 = ≤ 𝑃𝑢 (4.11)
60
Avec : 𝑘𝑓 : Pression spécifique de coupe

1.2.2. Limitation d’effort-couple admissible sur la broche
Le couple appliqué à la broche de la machine ne doit pas dépasser une valeur limite 𝐶𝑚𝑎𝑥 qui
est indépendante de la vitesse de coupe.
𝑘𝑓 𝑎𝑓 0.7 𝐷
𝑔2 = 𝐶 = ≤ 𝐶𝑚𝑎𝑥 (4.12)
2
1.2.3. Limitation liée à l’outil
𝑓
0.05 ≤ 𝑠𝑖𝑛𝑘𝑟 2 ≤ 0.3 (4.13)
𝑎
𝑔3 = 𝑓𝑠𝑖𝑛𝑘𝑟 ≥ 0.1 (4.14)
Avec :
𝑘𝑟 : angle de direction de l’arête de coupe
1.2.4. Limitation liée à la pièce à usiner
Pour une opération de chariotage, on admet généralement que la flèche ne doit pas dépasser
une valeur maximale𝑍𝑚𝑎𝑥 .
𝑘𝑓 𝑎𝑓 0.7 𝐿3
𝑔4 = 𝑍 = ≤ 𝑍𝑚𝑎𝑥 (4.15)
2.4𝐸𝐷 4
La restriction liée à l’état de surface est donnée par la relation exprimant la rugosité totale
théorique par rapport à la rugosité réelle maximale à ne pas dépasser.

1000𝑓 2
𝑔5 = 𝑅𝑡 = ≤ 𝑅𝑡 𝑚𝑎𝑥 (4.16)
8𝑟𝜀
1.3. Données de simulation
Tableau 4.1. Données de simulation
Paramètres Symbole valeur unité
Temps fixe tl 1.5 min

Temps de changement d’outil tr 0.5 min
Coût machine p0 0.1 Euro/min
Coût d’arrêt pl 0.5 Euro/arête
Avance 𝑓 [0.254 0.762] mm/tr
Coût auxiliaire pa 0.1 Euro
Longueur 𝐿 203 mm
Diamètre 𝐷 152 mm
Puissance consommée par machine P0 3495 W
Énergie spécifique k1 4.3 Ws/mm3
Exposants de Taylor 𝑛, 𝑝, 𝑞, 𝑘 0.25;0.29;0.35;1
93.3
Vitesse de coupe vc [80 200] m/min
Énergie par arête de coupe YE 1325000 J
Profondeur de passe a 1.5 mm
Rugosité maximale Rt max 2 µm
Puissance maximale Pu 5000 W
1.4. Résultats
1.4.1. Évaluation des paramètres de coupe
La simulation des essaims pour ce problème d’optimisation a été avec 80 particules et en

fixant les paramètres 𝑐1 , 𝑐2 à 0.9 et 0.5 respectivement.

Figure 4.1. Évolution des paramètres de coupes
La vitesse de coupe optimale et l’avance sont obtenues à l’itération 400 et on enregistre

comme valeurs optimales : 𝑣𝑐 = 156.3318 𝑚/𝑚𝑛 et 𝑓 = 0.762 𝑚𝑚/𝑡𝑟.
1.6.2. Évolution des fonctions objectives
Ces résultats sont les paramètres permettant la minimisation des 3 fonctions objectives
considérées, qui sont : le temps, le coût et l’énergie consommée. L’évolution de ces fonctions
le long de la simulation est représentée à l’aide des figures suivantes (4.2, 4.3, 4.4):
Figure 4.2. Optimisation du coût de production
La figure 4.2 montre l’évolution du coût de la production le long de la simulation de

l’algorithme. Le coût optimal est de l’ordre de 2.5378 euros obtenu à l’itération 400.

Figure 4.3. Optimisation du temps de production
Le temps optimal est de l’ordre de 1.2878 min comme l’illustre la figure 4.3.
Figure 4.4. Évolution de la consommation d’énergie
Pour la mise en place d’une démarche d’éco-fabrication, l’aspect écologique dans cette
application a été implémenté sur la forme d’une fonction énergétique. Cette dernière englobe
l’énergie directe, l’énergie indirecte et l’énergie auxiliaire.
À l’aide du modèle décrit, l’énergie optimale consommée est de l’ordre de 9.5775 106 J
(figure 4.4).
1.6.3. Influence de la profondeur de passe
Dans la pratique, la profondeur de passe représente un paramètre de coupe important qui

influence la qualité de résultat obtenu dans l'optimisation. Dans le tableau (4.2), on présente
les résultats de la modélisation pour différentes valeurs de la profondeur de passe.
Tableau 4.2. Résultats de simulation pour différentes profondeurs de passe
a (mm) 0.5 1.5 2.5 4 5

𝑓1 1.0024 1.2878 1.4934 1.7845 1.989
𝑓2 2.2524 2.5378 2.7434 3.0345 3.239

𝑓3 9.2187 106 9.5775 106 9.9601 106 1.0619 107 1.1126 107
𝑣𝑐 191.6458 156.3318 145.3907 138.6490 136.7244
𝑓 0.762 0.762 0.762 0.762 0.762
En fonction de la profondeur de passe, la variation du temps et du coût de la production est

importante. Mais la consommation d'énergie a légèrement varié. Nous pouvons conclure ici
que le respect de l'aspect environnemental est à l'origine d'une dépense économique
importante.
Figure 4.5. Influence de la profondeur de passe
On constate la diminution de la vitesse de coupe en augmentant la profondeur de coupe. Mais

le coût, le temps et l'énergie augmentent avec l'augmentation de ce paramètre de coupe. Le
coût de la production dans ce cas ne comprend que les coûts de l’opération, mais l’usinage
durable dépend aussi du matériau utilisé. C'est dans ce sens que le matériau utilisé, le
lubrifiant ainsi que les matériaux auxiliaires peuvent être ajoutés à la fonction objective.
La figure 4.5 montre la diminution de la vitesse de coupe avec l’augmentation de la
profondeur de passe afin d’atteindre la diminution du coût, du temps et de la consommation
d'énergie. D'après ces résultats, on peut déterminer la vitesse de coupe optimale pour une
certaine valeur de la profondeur de passe.
Cette approche pour l'optimisation des paramètres de coupe peut être développée pour les
différentes étapes du cycle de vie du produit pour obtenir la «fabrication à faible teneur en
carbone». Cette expression a été inventée pour refléter un effort global visant la réduction des
émissions de 𝐶𝑂2 généré par l'énergie consommée directement par les activités de fabrication.
L’application de l'optimisation par essaim particulaire pour l’éco-fabrication permet de définir
une idée pour coupler les objectifs économiques et écologiques. Mais, pour appliquer ce type
d'approche dans les opérations d'usinage, nous avons besoin d'une étude précise des différents
paramètres du procédé étudié.
1.6.4. Comparaison avec les algorithmes génétiques
Pour mettre en évidence l’efficacité de la méthode utilisée, on a fait recours à une validation
en utilisant les algorithmes génétiques. Le modèle NSGA II a été l’algorithme implémenté
dans cette étape de validation.

Tableau 4.3. Résultats de simulation avec EP et AG
a (mm) 2 3 4
OEP AG OEP AG OEP AG
𝑓1 1.35406 1.3941 1.580291 1.5901 1.578282 1.7845
𝑓2 2.73798 2.6441 2.91447 2.8401 2.945783 3.0345
𝑓3 9.34 106 9.7641 10 9.1112 10 1.0167 107
6 6
9.32 106 1.0619 107
𝑣𝑐 95.3953 148.7312 80 142.3732 81.04717 138.649
𝑓 0.762 0.762 0.762 0.762 0.762 0.762
Le tableau 4.3 montre une étude comparative pour l’optimisation multi objectifs en utilisant
deux différentes méthodologies : l’optimisation par essaim particulaire et les algorithmes
génétiques. Ces derniers permettent l’identification d’un front de Pareto résumant les
différentes solutions possibles du problème étudié.
Lors de la simulation de NSGA II, on a adopté 200 générations chacune avec 200 populations.
On remarque que les résultats sont en accord avec ceux obtenus par OEP ce qui nous
renseigne sur l’efficacité de cette dernière.
2. Étude de cas en fraisage
On s’intéresse dans cette étape à l’étude d’une opération de fraisage en bout. L'axe de la fraise
est placé perpendiculairement à la surface à usiner. La fraise coupe avec son profil, mais aussi
avec sa partie frontale. Les copeaux sont de même épaisseur, ainsi la charge de la machine est
plus régulière.
La capacité de coupe est supérieure à celle réalisée par le fraisage en roulant. La qualité de
l'état de surface obtenue est meilleure pour ce type de procédé.
Dans ce cas, on désire coupler 4 objectifs : le temps, le coût, l’empreinte écologique et la
qualité de surface. Ces objectifs sont liés aussi aux contraintes technologiques.
À partir de l’étude de cas 1, on a constaté l’efficacité et la précision des résultats des essaims
particulaires. On désire déterminer les paramètres de coupes optimaux en intégrant la qualité
du produit comme étant objectif à atteindre.
Pour l’optimisation, on cherche à déterminer a, 𝑣𝑐 et 𝑓𝑧 pour Min (𝑓1 , 𝑓2 , 𝑓3 , 𝑓4 ) sous les

contraintes 𝑔𝑖 ≤ 0 avec 1 ≤ 𝑖 ≤ 4.
Les bornes des paramètres de coupes sont :
50 ≤ 𝑣𝑐 ≤ 400
0.1 ≤ 𝑓𝑧 ≤ 0.6
0.5 ≤ 𝑎 ≤ 5

2.1. Détermination des fonctions objectives

2.1.1. Le temps de la production
Le temps d’usinage unitaire est le temps nécessaire à la réalisation d’une passe sur une pièce .
Il s’exprime par la relation :
𝑡𝑐
𝑓1 = 𝑡𝑐 + 𝑡𝑎 + ( ) 𝑡𝑣𝑏 (4.17)
𝑇
𝑓1 : Le temps de la production d’une pièce.
𝑡𝑐 : Le temps de coupe (temps outil).
𝑡𝑎 : Le temps auxiliaire (montage et démontage de la pièce, prise de passes).
T: Durée de vie de l’outil de coupe.
𝑡𝑣𝑏 : Le temps de changement d’outil.
Pour le fraisage en bout, le temps de coupe est défini comme suit :
(𝐷 + 𝐿 + 𝑙1 + 𝑙2 )
𝑡𝑐 = (4.18)
1000𝑓𝑧 𝑧𝑉𝑐
Avec : L : Longueur de la fraise.
𝑙1 : Longueur d’approche.
𝑙2 : Longueur de dégagement.
Selon la loi de Taylor, la durée de vie de l’outil de coupe T est donnée à l’aide de l’expression
suivante :
1 1 𝑎1 𝑎2
𝑇= 𝑘 𝑉𝑐 3 𝑓𝑧 𝑎3 𝑎𝑎3
𝑎3 𝑎 (4.19)
Avec :
𝑎1 , 𝑎2 , 𝑎3 : Exposants dépendants da la nuance de l’outil.
𝑘 : Constante dépendant du matériau à usiner.
2.1.2. Le coût de la production

Le coût de production est la somme des coûts suivants : coût machine, coût outil et frais fixe.
D’où l’expression suivante :
𝑡𝑐
𝑓2 = 𝐶𝑡 = 𝐶0 𝑡𝑎 + 𝐶0 𝑡𝑐 + 𝐶𝑙 + 𝐶𝑎 (4.20)
𝑇
𝐴𝑣𝑒𝑐 :
𝐶0 : Coût machine.
𝐶𝑙 : Prix de revient d’une arrête de coupe.
𝐶𝑎 : Coût auxiliaire de lancement de la série ramené à une pièce.
𝑡𝑎 : Temps auxiliaire.
𝑇 : Durée de vie de l’outil de coupe.

2.1.3. L’empreinte écologique
La fonction écologique est définie dans ce cas d’étude par une fonction monocritère qui est
l’équivalent carbone. L’expression de cette fonction est la suivante :
𝑓3 = 𝛼𝑒 𝑝𝑐 𝑡𝑐 (4.21)
Où :
𝑝𝑐 : La puissance consommée.
𝛼𝑒 : Le facteur d’émission liée à la source d’énergie utilisée.
2.1.4. La qualité de la surface
On appelle états de surface les irrégularités de la surface (ondulation et rugosité) dues au
procédé d’élaboration de la pièce (usinage, moulage, etc.). Ils sont le plus souvent, mesurés
avec des appareils a palpeur a point de diamant appelé profilométres, qui relèvent le profil de
la surface.
On adopte la rugosité comme objectif qui englobe la qualité de la surface. L’expression de la
fonction objective est la suivante :
𝑓4 = 𝑘𝑣𝑐 𝑥1 𝑓𝑧 𝑥2 𝑎 𝑥3 (4.22)
Avec : 𝑥1 , 𝑥2 , 𝑥3 et k : Des constantes dépendant du matériau usiné et de l’outil de coupe.
2.2. Les contraintes de production
L’optimisation de la fonction objective nécessite souvent des limitations pratiques des

conditions de coupe (puissance de coupe, gammes des vitesses et des avances, résistance de
l’outil, etc..). Les limitations additionnelles sont nécessaires pour la stabilité du processus de
coupe et le respect de la qualité de la pièce à usiner.
2.2.1. Limitation liée à l’effort de coupe

Les difficultés que l’on éprouve à interpréter correctement les actions de coupe en fraisage
conduisent à envisager, pour le calcul des efforts et des puissances, l’hypothèse dite de Hull :
On placera l’outil dans les conditions de coupe suivantes : une seule arête de coupe, enlevant
une section droite de matière uniquement par avance de l’outil à la vitesse et sans rotation.
La force de coupe est calculée par la formule suivante :
𝑘𝑠 𝑎𝑝𝑓𝑧 𝑍
𝐹𝑐 = (4.23)
𝜋𝐷
Avec :
𝑘𝑠 : Pression spécifique de coupe en 𝑁⁄𝑚𝑚2
Alors :
𝑘𝑠 𝑎𝑝𝑓𝑧 𝑍
𝑔1 = ≤ 𝐹𝑚𝑎𝑥 (4.24)
𝜋𝐷
2.2.2. Limitation liée à la puissance de coupe

La puissance nécessaire à la coupe peut être définie comme suit :
𝐹𝑐 𝑉𝑐
𝑃𝑐 = (4.25)
60000
Elle doit être inférieure ou égale à la pression de coupe maximale : 𝑝𝑚𝑎𝑥 = 𝑝𝑚 µ
Alors :
𝑘𝑠 𝑎𝑝𝑓𝑧 𝑍𝑉𝑐
𝑔2 = ≤ 𝑝𝑚 (4.26)
60000𝜋𝐷𝜇
2.2.3. Limitation liée à la résistance pratique à la rupture

La condition de résistance à la rupture d’une fraise est : 𝜏𝑚𝑎𝑥 ≤ [𝜏]
Le moment le plus important dans le fraisage est le moment de torsion 𝑀𝑧 avec :
16𝑀𝑧
𝜏𝑚𝑎𝑥 = (4.27)
𝜋𝐷 3
Alors:
8 𝑘𝑠 𝑎𝑝𝑓𝑧 𝑍
𝑔3 = ≤ [𝜏] (4.28)
𝜋 2 𝐷3
2.2.4. Limitation sur la résistance à la déformation de l’outil de coupe

La condition de résistance à la déformation d’une fraise est :
𝜃𝑚𝑎𝑥 ≤ [𝜃] (4.29)
[𝜃] : L’angle de rotation relative admissible
32𝑀𝑧 𝑙
𝜃𝑚𝑎𝑥 = (4.30)
𝐺𝜋𝐷4
Avec :
𝐸
𝐺= (4.31)
2(1 + 𝜇)
𝑙: Longueur de la fraise.
G : Module d’élasticité.
𝜇: Le coefficient de poisson.
E : Module d’Young.
Alors :
32(1 + 𝜇)𝑘𝑠 𝑎𝑝𝑓𝑧 𝑍
𝑔4 = ≤ [𝜃] (4.32)
𝐸𝜋 2 𝐷4

2.3. Données de simulation

Tableau 4.4. Données de simulation
Paramètres Symbole Valeur Unité
Coût machine C0 0.5 Euro/min
Coût de production par arrête Cl 2.5 Euro/min
Temps de changement d’outil t vb 1.5 min

Temps auxiliaire ta
1.918 min
Longueur 𝐿 mm
240
b mm
Largeur 100
Longueur d’approche l1 mm
1
Longueur de dégagement l2 mm
1
Diamètre de l’outil D mm
160
Nombre de dents z
16 -
Durée de vie de l’outil T

- -
Force maximale Fmax

8000 𝑁
Puissance maximale Pmax

8 𝐾𝑤
Efficacité machine μ
0.75 -

Paramètres de la rugosité k, 1.001,0.0088,0.3232,0.3144

x1 ,x2 ,x3 -
Pression spécifique de ks
coupe 2000 𝑁/𝑚𝑚2
τ
Résistance à la rupture 1200 𝑁/𝑚𝑚2
2.4. Résultats et discussion

2.4.1. Évaluation des paramètres de coupe
Avec un essaim de 100 particules et des coefficients𝑐1 = 0.9 𝑒𝑡 𝑐2 = 0.5, on cherche à

résoudre le problème d’optimisation décrit ci-dessus. Au niveau des paramètres de coupe, la
𝑚𝑚
solution optimale est : 𝑎 = 4 𝑚𝑚, 𝑣𝑐 = 60.4154 𝑚𝑖𝑛 𝑒𝑡 𝑓𝑧 = 0.6𝑚𝑚/𝑑𝑒𝑛𝑡.
La figure 4.6 montre l’évolution de la profondeur de passe durant la simulation. La

profondeur de passe optimale est de l’ordre de 4 mm. Cette valeur couplée avec les deux
autres paramètres de coupes (𝑓 et𝑣𝑐 ) améliore la qualité de surface à l’aide du la fonction
‘’rugosité’’. Cette dernière vérifie les conditions expérimentales pour ce type d’usinage
Figure 4.6. Évolution de la profondeur de passe

2.4.2. Évolution des objectives de l’optimisation

Les objectifs à atteindre suite à la procédure d’optimisation sont : le temps de production, le
coût de production, l’empreinte carbone et la rugosité.
Ces objectifs tendent à coupler les objectifs écologiques, économiques et la qualité de surface
obtenue.
La figure 4.7 montre un coût optimal de l’ordre de 1.0997 euro. Ce coût sera en accord avec
une minimisation du temps de la production qui est de l’ordre 2.1981 min (figure 4.9). Ces
deux objectifs économiques favorisent les notions de l’éco-fabrication en assurant un coût
modéré d’usinage de la pièce et en améliorant simultanément l’empreinte écologique et la
rugosité.
Figure 4.7. Évolution du coût de la production
Cette opération de fraisage en bout est responsable d’une émission environnementale de

l’ordre de 0.0226 é𝑞𝑢 𝐶𝑂2 (figure 4.8). Cette quantité traite les substances utilisées lors de
l’enlèvement de la matière.

Figure 4.8. Évolution de l’empreinte carbone
Figure 4.9. Évolution du temps de la production

Figure 4.10. Évolution de la rugosité
Les résultats, définis à travers les figures précédentes (4.7 à 4.10), montrent l’importance de la
profondeur de passe en tant que paramètre de coupe. L’optimisation de ce dernier paramètre
permet l’amélioration de la qualité de surface obtenue ainsi que la diminution de l’empreinte
carbone comparée avec les travaux récents au niveau du fraisage en bout.
Suite à cet exemple d’étude, nous avons préparé un modèle global du fraisage en bout
permettant le couplage entre les objectifs économiques, écologiques et la qualité du produit
étudié. Ainsi, nous avons adopté un modèle réduit des émissions écologiques résumant
l’impact des substances utilisées. Ce modèle sera traité dans le cadre de notre dernier cas
d’étude où nous allons intégrer les paramètres des procédés dans le modèle écologique pour
assurer l’intégration du pilier technologique dans la modélisation pour l’éco-fabrication.
3. Étude de cas : unité de production de l’acide sulfurique
Suite à l’application de l’approche process (Chapitre 2), nous avons constaté que le
comportement écologique de l’industrie de la fabrication de l’acide phosphorique se trouve
influé par l’unité de fabrication de l’acide sulfurique. Cette dernière représente 55.7% de la
totalité des émissions de la société.
Dans l’objectif de maîtriser les émissions écologiques de cette unité, nous appliquons
l’approche produit pour l’étude de la phase de fabrication de l’acide sulfurique. Notre objectif
est la détermination et la modélisation des paramètres optimaux du procédé permettant la
fabrication du produit étudié en minimisant les émissions environnementales.
3.1. Présentation de l’unité d’acide sulfurique

La préparation de l’acide sulfurique passe par trois étapes : la combustion, la conversion et
l’absorption. Pour la préparation de ce produit, l’installation est constituée essentiellement

de : un four de combustion, une chaudière de récupération, un convertisseur et un tour

d’absorption. La figure 4.11 montre la disposition de ces éléments :
Figure 4.11. Unité d’acide sulfurique
La production d’acide sulfurique comporte trois réactions chimiques à caractère

exothermique.
 1re réaction :
Combustion: S  O2  SO2 +70,94Kcal/mol de 𝐻2 𝑆𝑂4
 2e réaction :
1
Conversion : SO2  O2  SO3 +23,45Kcal/mol de 𝐻2 𝑆𝑂4
2
 3e réaction :
Absorption : SO3  H 2O  H 2 SO4 +32,8Kcal/mol de 𝐻2 𝑆𝑂4
 Réaction globale :
3
S  O2  H 2O  H 2 SO4 127,19Kcal/mol de 𝐻2 𝑆𝑂4
2

La modélisation de l’installation par produit dépend essentiellement des contraintes

techniques ainsi que des objectifs à atteindre. Pour la mise en place de l’éco-fabrication, on se
propose de coupler les objectifs économiques (coût…) et écologiques en tenant compte des
contraintes techniques.
3.2. Modélisation de la phase de combustion
Réaction de combustion : S  O2  SO2 +70,94Kcal/mol de 𝐻2 𝑆𝑂4
L’exothermicité de la réaction correspond à un pouvoir calorifique (PC) du soufre liquide :
70,94  1000
PC   2217Kcal / Kg de soufre  9280.362Kj / Kg de soufre
32
La combustion du soufre se fait en présence de l’air (21 % 𝑂2+79 %𝑁2 ).
Combustion neutre :
21 S  21 O2  79 N 2  21 SO2  79 O2
La teneur du gaz à la sortie du four est de 21% de𝑆𝑂2. Ainsi qu’il sera présenté ultérieurement
le gaz de combustion à la sortie du four devra avoir une teneur en 𝑆𝑂2de 12 %. Et pour avoir
cette composition, il est nécessaire de brûler le soufre avec un excès d’air (X<21) :
X S  21 O2  79 N2  X SO2  (21- X) O2  79 N2
Cette façon d’écrire la réaction permet d’obtenir directement dans le second membre une
somme de molécules égale à 100 :
X :% 𝑆𝑂2 dans le gaz et la somme (𝑆𝑂2 +𝑂2) =21, et d’une manière générale :
21  X
Excès d' air  %
X
3.2.1. Chaleur dégagée Q

Le bilan de four de combustion peut être défini comme suit :
Figure 4.12. Four de combustion du soufre liquide

La chaleur libérée par la combustion de X kmoles de soufre est définie comme suit :
Q f  70940 * X Kcal/kmole
 296954,84* X Kj/kmole
La chaleur fournie du gaz dans la chambre de combustion, avec estimation des pertes est :
Q f  296954,84 * (1 - pertes)* X
3.2.2. Températures des gaz à l’entrée et à la sortie du four
La température des gaz à la sortie de la chambre de combustion est fonction de la valeur de

l’excès d’air qui, elle-même, conditionne la teneur en 𝑆𝑂2.
Une augmentation du débit d’air provoque :
- Une baisse de température des gaz.
- Une diminution de la teneur en 𝑆𝑂2dans ces gaz.
La température des gaz peut être calculée en écrivant le bilan sur le four de combustion. On
prendra comme référence la température ambiante 25°C.
On suppose que les pertes thermiques sur le four sont nulles.
 Bilan enthalpique sur le four de combustion:

Enthalpie à l’entrée - enthalpie à la sortie = pertes
E
H Four  H Four
S
 Pertes  0
E
H Four  H Four
S
* (1  Pertes)  0
 Données thermiques :
Enthalpie des gaz h T  h 298.15 (kJ/mol):
SO2  0,05161* T - 314,3

O2  0,03333* T - 10,79
N2  0,0311* T - 9,797
3.2.3. Bilan enthalpique à l’entrée du four :

Tableau 4.5. Bilan enthalpique à l’entrée du four
Moles T 𝐻𝐸 (kJ/mole) 𝐻𝐸 (kJ/mole)*nG

(°C)
S X 140 0,0235*(140)-0,5873 2,7027*X*1000
𝑂2 21 45 0,03333*(45)-10,79 -195,093*1000

𝑁2 79 45 0,0311*(45)-9,797 -663,4025*1000
TÔT 100+X (2,7027*X-858,4955)*1000
3.2.4. Bilan enthalpique à la sortie du four :
Tableau 4.6. Bilan enthalpique à la sortie du four

Moles ℎ25 (kJ/mole) ℎ𝑠 = ℎ25 *mole
S X 0.05161*𝑇𝑓 -314.3 [0.05161*𝑇𝑓 -314.3]*X
𝑂2 21-X 0,03333*𝑇𝑓 -10,79 [0,03333*𝑇𝑓 -10,79]*(21-X)
𝑁2 79 0,0311*𝑇𝑓 -9,797 2.633*𝑇𝑓 -773.963
TÔT 100 ((0.01828*X+3.15683)* 𝑇𝑓 -303.51*X-1000.553)*1000
3.2.5. Bilan enthalpique global

L’enthalpie des gaz à la sortie du four en fonction de X et T f est donnée comme suit:
S
H Four  ( (0,01828 * X  3,15683) * Tf - 303,51 * X - 1000,553) * 1000
Or on a:
S
H Four E
* (1 - Pertes) - H Four 0
Les pertes thermiques sur le four sont supposées nulles d’où :
( (0,01828* X  3,15683)* Tf - 303,51* X - 1000,553)*1000 - (2,7027* X - 858,4955)*1000  0

(0,01828* X  3,15683)* Tf - 303,51* X - 1000,553 (2,7027* X - 858,4955)  0
On obtient ainsi une équation rationnelle en Tf contenant le paramètre X qui correspond à la

teneur du 𝑆𝑂2dans le gaz de combustion.
On cherche 𝑇𝑓 pour une teneur X en 𝑆𝑂2 variant de 8 à 21 % qui correspond à un excès d’air
défini comme suit:
O2 excès 21  8 21  21
 * 100  162 ,5% à *100  0% .
O2 Combiné 8 21

3.2.6. Fonction économique pour l’exploitation du four de combustion

La fonction objective utilisée comme critère économique dans ce cas résume le coût
d’investissement des équipements thermique. Pour les fours de combustion ou chaudière de
récupération, cette fonction peut être reformulée comme suit :
25.6 𝑚̇𝑎
(1 + 𝐸𝑥𝑝(0.018 𝑇𝑓 − 26.4)) (4.33)
𝑃
(0.995 − 𝑃2 )
1
Avec :
 𝑚̇𝑎 : débit d’air (kg/s)

 𝑃1 , 𝑃2 : Pression en amont et en aval (bar)
 𝑇𝑓 : température de la chambre de combustion (k)
3.3. Modélisation de la chaudière de récupération
L’équipement installé entre le convertisseur et le four de la combustion du soufre liquide est

la chaudière. Elle permet l’abaissement de la température du gaz de 𝑇𝑓 (°C) à Tc (°C) en
produisant de la vapeur. Pour une marche normale de l’atelier sulfurique, on peut choisir
comme donnée de calcul :
 Sortie four X % 𝑆𝑂2et 𝑇𝑓 °C

 Entrée convertisseur X % 𝑆𝑂2et 425°C
3.3.1. Bilan enthalpique

E
Soit H Conv : l’enthalpie des gaz à 10,85 % 𝑆𝑂2et à 425°C à l’entrée du convertisseur (sortie
chaudière après mélange).
NB : on prendra comme base de calcul 100Kmol du gaz à l’entrée de convertisseur. Les

pertes sont supposées nulles dans tout le rapport.

Tableau 4.7. Enthalpie des gaz à l’entrée du premier lit
Moles h25 (kJ/mol) Hconv (kJ/mol)
𝑆𝑂2 10,85 0,05161*T-314,3 -3 172 168,388
𝑂2 10,15 0,03333*T-10,79 34 258,7875
𝑁2 79 0,0311*T-9,797 270 219,5
TÔT 100 -2 867 690,1kJ
 L’enthalpie sortie four à 10,85% 𝑆𝑂2et à 1032°C est :

S
H Four  - 831 103,124 Kj
 La chaleur fournie à la chaudière est :

Q Chaud  H Four
S E
- H Conv  831 103 ,124  (2 867 690 ,1)2 036 586 ,976 Kj pour   Kg du soufre brûlé
 La puissance de la chaudière est :

2 036 586 ,976
q Chaud  5865 ,746 KjKg du soufre brûlé

Pour une production de 1500 T/j d’acide sulfurique, on doit brûler :
1500 * 32
 498 ,75 T du soufre / jour
98 * 0,985 * 0,997
Ce qui correspond à une récupération de chaleur sur le gaz entre 1032 et 425 °C:
QChaud   5865 ,746  2 925 540 818 jj121 897 534 ,1jh  29 120 290 Kcal / h
3.3.2. Fonction Economique

On exprime le critère économique dans ce cas de chaudière par l’expression suivante :
ℎ𝑠
3650( )0.8 + 11820𝑚𝑠 + 658(𝑚̇𝑔 )0.5 (4.34)
ln(𝑇𝑓 − 𝑇𝑐 )
ln(10)
Avec :
 𝑚̇𝑔 : débit de gaz (kg/s)

 𝑚𝑠 : débit de vapeur (kg/s)

 ℎ𝑠 : enthalpie fournie à la vapeur (kW)

 𝑇𝑓 , 𝑇𝑐 : température en aval et en amont (k)
3.4. Modélisation de la phase de conversion
L’oxydation du 𝑆𝑂2 en 𝑆𝑂3 s’effectue selon la réaction suivante :
SO2  ½ O2  SO3  23450 Kcal/kmole de SO3
C’est une réaction fortement exothermique et équilibrée qui se réalise sur un catalyseur solide
à l’oxyde de vanadium 𝑉2 𝑂5 et dont la température de démarrage se situe un peu au-dessus
de 400°C. La réaction étant équilibrée, le taux de conversion, exprimé en %, détermine le
rapport du nombre des molécules de 𝑆𝑂3formées au nombre des molécules de 𝑆𝑂2présentes
dans le gaz d’alimentation du convertisseur.
Comme équipement, un convertisseur à 4 lits de conversion est utilisé. Ainsi, pour assurer
l’équilibre thermodynamique de l’installation, on installe les équipements auxiliaires
permettant la mise en place d’un système à double absorption. Ces équipements sont : un
surchauffeur, deux échangeurs, un économiseur et tour d’absorption intermédiaire.
3.4.1. 1er Lit de conversion :

Le mélange sortant de la chaudière de récupération passe au premier lit de conversion à la
température de sortie. Les enthalpies des gaz sont :
H SO2  0,05161* T  314,3

H O2  0,03333* T  10,79
H N2  0,0311* T  9,797
H SO3  0,07144 * T  420,6
La modélisation de cette phase passe par le bilan matière et le bilan enthalpique :

 Bilan élémentaire sur le soufre S:
2  1 * nSO 3  1 * nSO 2
E S S
1 * nSO
3  1 * nSO 2  1 * nSO 2  0
S S E
1 * nSO
 Bilan élémentaire sur l’oxygène O :
2  2 * nO 2  3 * nSO 3  2 * nSO 2  2 * nO 2
E E S S S
2 * nSO
3  2 * nSO 2  2 * nO 2  2 * nSO 2  2 * nO 2  0
S S S E E
3 * nSO

 Bilan élémentaire sur l’azote N :

2 * nNE 2  2 * n NS 2
2 * n NS 2  2 * n NE 2  0
 Bilan enthalpique :
 n SO 2 * H SO 2 (425C )  nO 2 * H O 2 (425C )  n N 2 * H N 2 (425C ) 

E E E
 
  
 n S * H (T 1 C )  n S * H (T 1 C )  n S * H (T 1 C )  n S * H (T 1 C ) 
 SO 3 SO 3 SO 2 SO 2 O2 O2 N2 N2 
3.4.2. 2e lit de conversion
 Bilan élémentaire sur le soufre S:

1 * nSOE 3  1 * nSOE 2  1 * nSOS 3  1 * nSOS 2
3  1 * nSO 2  1 * nSO 2  1 * nSO 3  0

S S E E
1 * nSO
 Bilan élémentaire sur l’oxygène O :
3  2 * nSO 2  2 * nO 2  3 * nSO 3  2 * nSO 2  2 * nO 2

E E E S S S
3 * nSO
 Bilan élémentaire sur l’azote N :

2 * nNE 2  2 * n NS 2
2 * n NS 2  2 * n NE 2  0
n NS 2  79Kmoles
On va spécifier, à l’entrée de la deuxième masse catalytique, une température du gaz de

443°C et une température du gaz juste à la sortie, de T 2 °C.
 n SO 3 * H SO 3 (443C )  n SO 2 * H SO 2 (443C )  nO 2 * H O 2 (443C )  n N 2 * H N 2 (443C ) 

E E E E
 
  
 SO 3 SO 3 SO 2 SO 2 O2 O2 N2 N2 
3.4.3. 3e Lit de conversion
On va procéder de la même façon que les autres lits catalytiques pour aboutir aux équations
suivantes :

 Bilan molaire :
nSOS 3  nSOS 2  10 ,85  0
3 * nSOS 3  2 * n SOS 2  2 * nOS 2  42  0
n NS 2  79 Kmoles
La température du gaz à l’entrée du troisième lit est de 430°C. Au sein de la masse

catalytique, le gaz peut atteindre une température de T 3 °C. Donc on va réaliser un bilan
enthalpique entre ces deux points de température.
 n SO 3 * H SO 3 (430C )  n SO 2 * H SO 2 (430C )  nO 2 * H O 2 (430C )  n N 2 * H N 2 (430C ) 

E E E E
 
  
 SO 3 SO 3 SO 2 SO 2 O2 O2 N2 N2 
3.5. Formulation de la problématique d’optimisation
L’optimisation dans ce stade d’étude a pour objectif la détermination des paramètres

techniques pour assurer les objectifs fixés en tenant compte des contraintes du système.
3.5.1. Fonctions objectives
L’optimisation pour l’éco-fabrication est basée sur le couplage entre les objectifs
économiques et les objectifs écologiques. Pour le processus de production d’acide sulfurique,
on résume les fonctions économiques dans les coûts d’investissement des équipements
thermiques. Ainsi, les fonctions écologiques résument les impacts environnementaux choisis
3.5.2. Fonctions Economiques

Les fonctions économiques utilisées pour cette unité de production résument les coûts de
fonctionnement des équipements. Ces coûts représentent les coûts d’investissement et de
maintenance pour chaque équipe d’installation. On peut présenter ces fonctions comme suit :
𝐶𝐹 = 𝑓𝑖 × 𝐶𝑅𝐹 × 𝜑 (4.35)
Avec :
 𝑓𝑖 : Coût d’investissement de l’équipement i.

 𝐶𝑅𝐹 : Le facteur annuel de recouvrement du capital.
 𝜑 : Le facteur de maintenance.

En résumé le problème économique peut être décrit comme suit :
𝑀𝑖𝑛 (𝐶𝐹)
3.5.3. Fonctions Ecologiques
Les critères environnementaux vont être définis à partir de l’expression suivante :
𝐹𝐸𝑖 = ∑ 𝑀𝑁 𝐹𝑃𝑖,𝑁 (4.36)
Avec :
 𝐹𝐸𝑖 : fardeau environnemental
 𝑀𝑁 : masse (débit massique) de la substance émise N
 𝐹𝑃𝑖,𝑁 : facteur de potentiel d’impact de la substance N relatif
3.5.4. Contraintes techniques
Les bilans matières et bilans enthalpiques représentent les contraintes à respecter pour ce
problème d’optimisation.
3.5.5. Intervalles pour les variables de décision
Comme c’est déjà décrit, les variables de décisions pour la modélisation de l’installation sont :
les températures de sorties et le rendement de conversion pour les 3 premiers lits de
conversions et la température de sortie du four de combustion.
Les bornes des variables de décisions sont :
1000 ≤ 𝑇𝑓 ≤ 1100
600 ≤ 𝑇1 ≤ 620
500 ≤ 𝑇2 ≤ 530
450 ≤ 𝑇3 ≤ 500
8 ≤ 𝑋 ≤ 12
Avec :
𝑇𝑓 : La température à la sortie du four.
𝑇1 : La température à la sortie du premier lit de conversion.
𝑇2 : La température à la sortie du second lit de conversion.
𝑇3 : La température à la sortie du troisième lit e conversion.
X : la teneur en 𝑆𝑂2.
3.6. Résultats de simulation
Suite à l’implémentation de notre modèle, la simulation a été développée avec un essaim de

100 particules et les paramètres de l’algorithme 𝑐1 = 0.9 et 𝑐2 = 0.5. On présente dans ce qui
suit l’évolution des différents paramètres de l’installation durant la simulation.

Figure 4.13. Évolution du taux de dioxyde de soufre
Le taux optimal de 𝑆𝑂2 pour cette installation est de l’ordre de 10.87. Cette valeur permet le
fonctionnement idéal en minimisant le coût d’investissement ainsi que l’acidification durant la
phase de fabrication de l’acide sulfurique.
Figure 4.14. Évolution de la température à la sortie du four
La température optimale à la sortie du four est 𝑇𝑓 =1030 °C qui est une température permettant
une récupération d’énergie au niveau d’une chaudière de récupération.

Figure 4.15. Évolution de la température à la sortie du 1er lit de conversion
Suite au 1er lit de conversion, la température de sortie est de l’ordre de 600°C. Cette dernière
va passer à 443 °C par le passage dans un surchauffeur.
Figure 4.16. Évolution de la température à la sortie du 2e lit de conversion
Après le passage dans le surchauffeur, la température optimale à la sortie du 2e lit de

conversion vaut 519 °C qui nécessite un échangeur pour refroidir le gaz à 437 °C.

Figure 4.17. Évolution de la température à la sortie du 3e lit de conversion
Le gaz à la sortie du 3e lit de conversion est à une température de l’ordre de 451 °C. Par la
suite, il passe dans le 2e échangeur pour le refroidissement.
3.7. Discussion
On présente dans le tableau 4.8 le résumé des résultats de simulation ainsi que sa comparaison
avec l’état actuel de fonctionnement.
Tableau 4.8. Comparaison entre l’état réel et les résultats d’optimisation
Optimisation Cas réel

% 𝑆𝑂2 10.87 10.85
Température 𝑇𝑓 1033 1028
Température 𝑇1 600 617
% 𝑆𝑂2 converti en 1er lit 55.944 48.387
% 𝑆𝑂2 converti en 2e lit 81.316 67.456
% 𝑆𝑂2 converti en 3e lit 92.692 87.54
Suite à l’étude d’optimisation, une amélioration remarquable est enregistrée au niveau du

rendement ou du taux de la conversion dû 𝑆𝑂2. Ainsi, une diminution de l’empreinte
écologique ainsi que le coût d’investissement des équipements de l’installation.
La modélisation de la fabrication de l’acide sulfurique nous montre que les paramètres

optimaux nous permettent de garantir un gain écologique et économique : le taux de
conversion passe de 87.54 à 92.692%. Le taux du dioxyde de soufre passe de 10.85 à 10.87.
Ce dernier paramètre favorise la minimisation des gaz à effet de serre au niveau du tour de
lavage utilisé à la fin de la chaîne de fabrication.

L’intégration de l’éco-fabrication pour la fabrication de l’acide sulfurique permet une

amélioration globale du comportement économique et écologique de l’unité. Mais cet objectif
nécessite un surcoût global comportant la mise en état des machines et par la suite la
capabilité machine.
L’unité d’acide sulfurique est équipée d’une installation de refroidissement qui joue un rôle
très important pour le maintien des bonnes conditions de fonctionnement (température
d’entrée du convertisseur …) ainsi qu’un rôle au niveau de la récupération de l’énergie qui va
être par la suite utilisée dans d’autres applications.
3.8. Influence de l’optimisation du processus sur les éléments auxiliaires de

refroidissement
On s’intéresse dans cette partie à l’étude de l’installation auxiliaire ou éléments de

refroidissement pour mettre l’accent sur l’énergie récupérée ainsi que l’évolution du
rendement de ces équipements thermiques.
3.8.1. Surchauffeur
Le surchauffeur reçoit du gaz chaud sortant à environ 600°C de la première masse catalytique
et refroidi à environ 430°C avant d'être admis sur la seconde masse. La vapeur saturée à 3,2%
à la sortie des économiseurs s'écoule à travers un surchauffeur pour donner de la vapeur
surchauffée à 420°C.
On présente à travers le tableau 4.9 les enthalpies des gaz à l’entrée et à la sortie de
surchauffeur est :
Tableau 4.9. Enthalpie des gaz à la sortie de surchauffeur
Entrée (617°C) Sortie (443°C)
Moles 𝐻𝑒 (kJ) 𝐻𝑠 (kJ)
𝑆𝑂2 4,34 0,05161*443-314,3
𝑂2 6,895 0,03333*443-10,79
𝑁2 79 0,0311*443-9,797
𝑆𝑂3 6,51 0,07144*443-420,6
TÔT 96,745 -2867690,1 (3,3758*443-4950,528)*1000
On note que T =443°C représente la température d’entrée pour le 2e lit de conversion.

 S
Soit H Surch l’enthalpie du gaz à la sortie du surchauffeur :
S
H Surch  3 455 048 ,65 Kj
H sur  (1 - pertes)* (3 455 048,65- 2 867 659,45)  587 389,2 Kj/ 10,85 moles du soufrebrulées
(10,85* 32  347,2)
 Puissance du surchauffeur :
587 389 ,2 * 498 ,75 *1000

q Surch   35 157 493 ,7 Kj / h  8 398 827 ,926 Kcal / h
347 ,2 * 24
3.8.2. Échangeur gaz-gaz chaud côté calandre
Le gaz sort de la deuxième masse de la catalyse à une température d’environ 530°C et est
refroidit dans un échangeur gaz-gaz chaud dans le côté tubes pour alimenter la troisième
masse du convertisseur à une température de 430°C dont la conversion se poursuit à 98%.
Tableau 4.10. Enthalpie des gaz à la sortie de l’échangeur GGC côté tubes
𝑆𝑂2 1,411 0,05161*437-314,3
𝑂2 5,430 0,03333*437-10,79
𝑁2 79 0,0311*437-9,797
𝑆𝑂3 9,440 0,07144*437-420,6
TÔT 95,28 -3 455065,229Kj -3767206,519kJ
N.B : T =437°C c’est la température sortie échangeur gaz-gaz-chaud
Soit ∆Hech l’énergie récupérée au niveau de l’échangeur gaz gaz chaud côté tube :
H GGC (CT)  (1 - pertes)* (-3 455 065,229  3767206,519)  312 141,29 Kj/ 10,85 moles de soufrebrûlées
(10,85* 32  347,2)
 Puissance de l’échangeur gaz gaz chaud côté tubes :

312 141,29 * 498 ,75 *1000

q GGC (CT )   18 682 851,92 Kj / h  4 463 175 ,328 Kcal / h
347 ,2 * 24
3.8.3. Échangeur gaz-gaz froid côté calandre
Le gaz échappant du troisième lit est riche en 𝑆𝑂3et se refroidit en premier temps de 464°C à
281°C dans un échangeur gaz-gaz froid dans le côté calandre.
Cet échangeur refroidit le flux de gaz du 3e lit et chauffe le flux entrant dans le 4e lit jusqu’à
la température de démarrage de la conversion.
Tableau 4.11. Enthalpie des gaz à la sortie de l’échangeur GGF côté calandre
𝑆𝑂2 0,434 0,05161*281-314,3
𝑂2 4,942 0,03333*281-10,79
𝑁2 79 0,0311*281-9,797
𝑆𝑂3 10,416 0,07144*281-420,6
TÔT 94,792 -3767207,69kJ -4392597,146kJ
H GGF (CC)  (1 - pertes)* (-3 767 207,69  4 392 597,146)  625 389,456Kj/ 10,85 moles du soufrebrûlées
(10,85* 32  347,2)
 Puissance de l’échangeur gaz-gaz-froid côté calandre :

625 389,456 * 498 ,75 *1000
qGGF (CT )   37 431 954 ,59 Kj / h  8 942 177 ,398 Kcal / h
347 ,2 * 24
3.8.4. Économiseur intermédiaire
Le refroidissement du gaz avant l'alimentation de chaque tour d'absorption est assuré par un
économiseur. Le gaz de la tour d'absorption intermédiaire est refroidi par l'économiseur
intermédiaire de 281°C à 184°C. Le gaz quitte la quatrième couche et s'écoule à travers
l'économiseur final dont il se refroidit de 445°C à 157°C.
Le tableau 4.12 résume le bilan enthalpique de l’économiseur intermédiaire.

Tableau 4.12. Enthalpie des gaz à la sortie de l’économiseur intermédiaire
𝑆𝑂2 0,434 0,05161*184-314,3
𝑂2 4,942 0,03333*184-10,79
𝑁2 79 0,0311*184-9,797
𝑆𝑂3 10,416 0,07144*184-420,6
TÔT 94,792 -4392597,146 -4721246,206
H Eco Inter  (1 - pertes)* (-4392597,146  4721246,206)  328 649,06Kj/ 10,85 moles du soufrebrûlées
(10,85* 32  347,2)
 Puissance de l’économiseur intermédiaire :

328 649,06 * 498 ,75 *1000
q Eco Inter   19 670 905 ,18 Kj / h  4 699 212 ,895 Kcal / h
347 ,2 * 24
3.8.5. Échangeur GGF côté tubes
En admettant que l’absorption du SO3 soit totale, la réaction qui a lieu au niveau de la tour
d’absorption intermédiaire est :
SO3  H 2 O  H 2 SO4  32800 Kcal / kmoles de H 2 SO4
D’après la réaction d’absorption, la conversion de 10,416Kmoles de SO3 nécessite 10,416

Kmoles d’eau pour donner 10,416Kmoles de 𝐻2 𝑆𝑂4 purs.
Le gaz sortant de la tour se réchauffe à travers l’échangeur gaz gaz froid dans le côté tube et
puis l’échangeur gaz gaz chaud dans le côté calandre pour alimenter le 4e lit avec une
température de 430°C.
Sachant que le gaz sort de la tour en équilibre thermique avec l’acide sulfurique entrant, on
peut déterminer l’enthalpie du gaz à la sortie (tableau 4.13) :

Tableau 4.13. Enthalpie des gaz à la sortie de la tour intermédiaire
Moles 𝐻𝑒 (kJ) Moles 𝐻𝑠 (kJ)
𝑆𝑂2 0,434 0,434 0,05161*83-314,3
𝑂2 4,942 4,942 0,03333*83-10,79
𝑁2 79 79 0,0311*83-9,797
𝑆𝑂3 10,416 0 0,07144*83-420,6
-
TÔT 94,792 4721246,21 84,376 -744,24
L’enthalpie du gaz à l’entrée et à la sortie de la tour intermédiaire :
E
H Tour  4 721 246,21Kj
S
H Tour  744240Kj
3.8.6. Échangeur GGC côté calandre
Le gaz passe dans l’échangeur gaz-gaz chaud par la côté calandre par ramener la température
à 430°c qui représente la température d’entrée du 4e lit catalytique de conversion.
Le bilan enthalpique de cet élément est décrit à travers le tableau 4.14.
Tableau 4.14. Enthalpie des gaz à la sortie de l’échangeur GGF côté calandre
𝑆𝑂2 0,434 0,05161*430-314,3
𝑂2 4,942 0,03333*430-10,79
𝑁2 79 0,0311*430-9,797
TÔT 84,376 -223 369,012kJ 173 233,328kJ
H GGC (CC)  (1 - pertes)* (173 233,328 223 369,012)  396 602,34Kj/ 10,85Kmoles du soufrebrûlée
(10,85* 32  347,2Kg du soufreliquide)

La puissance de l’échangeur gaz gaz chaud côté calandre est :
396 602,34 * 498 ,75 *1000

qGGC (CC )   23 738 169 ,29 Kj / h  5 670 847 ,896 Kcal / h
347 ,2 * 24
3.8.7. Discussion
L’optimisation des paramètres techniques des procédés de la chaîne de fabrication de l’acide

sulfurique entraîne un gain au niveau de l’énergie récupéré dans l’installation de
refroidissement. En effet, la société est équipée d’une installation de récupération d’énergie
pour l’utiliser dans la production de l’énergie électrique.
À l’aide de l’application de la démarche précédente d’éco-fabrication, l’énergie récupérée
augmente par rapport à l’état actuel de la société. Ce résultat est dû à la maîtrise des
paramètres des procédés en intégrant l’objectif écologique dés la phase d’étude de la
fabrication.
Conclusion
Nous avons présenté dans ce chapitre l'optimisation des conditions de coupe en usinage à
l'aide d'une optimisation multi objectif assurant le couplage des objectifs écologiques et
économiques.
L'optimisation par essaim particulaire montre l'efficacité du modèle en termes de précision
des résultats et le temps de réponse.
Pour le problème d'agrégation, nous avons traité le problème d'optimisation avec un poids fixe
égal. Mais, une approche de l'agrégation pour l’optimisation en éco-fabrication peut être
développée.
En tournage, nous concluons qu’on peut agir sur la vitesse de coupe pour réduire le coût, le
temps et la consommation d'énergie à la production. L’avance est légèrement influente dans
les résultats.
Ainsi, pour atteindre le respect de l'écologie, nous remarquons que la charge économique est
nécessaire. Ceci est remarquable en termes de variation de la fonction objective sur la base de
la profondeur de passe.
En fraisage, la qualité de surface obtenue a été modélisée comme un objectif à atteindre. Les
résultats montrent une efficacité de l’OEP dans le couplage entre les différents objectifs.
La méthode mise au point peut être étendue à d'autres processus d'usinage et nous pouvons
développer d'autres fonctions objectives qui reprennent d'autres piliers de l’éco-fabrication.
Ensuite, pour atteindre la fabrication avec faibles émissions de𝐶𝑂2, le pilier des matériaux
peut être l’un des axes à développer.
Pour l’unité d’acide sulfurique, l’application des modifications selon l’étude présentée peut
améliorer le comportement écologique ainsi qu’économique de cette unité. Ainsi,
l’installation de refroidissement représente un point clé que peut être à l’origine d’une
amélioration écologique importante. La récupération de l’énergie et son utilisation au sein de
l’industrie permet de réduire les effets néfastes ainsi qu’un économique suite à la récupération
d’énergie.

Conclusion générale et perspectives
L’éco-conception est définie comme étant l’intégration des caractéristiques

environnementales dans la conception du produit en vue d’améliorer la performance
environnementale du produit tout au long de son cycle de vie. Le résumé des travaux dans ce
domaine a été présenté sous la forme de la norme NF E01-005. Cette dernière propose une
méthodologie d’éco-conception adaptée aux produits mécaniques, qui tient compte des lignes
directrices développées dans le XP ISO/TR 14062, Mangement environnemental-intégration
des aspects environnementaux dans la conception et le développement de produit.
Certaines limites se présentent au niveau de cette norme dont on peut citer :
 Au niveau de la fabrication : le questionnaire de l’annexe A pour l’aspect

environnementale ne donne aucune importance pour les processus de fabrication et la
manière de mise en œuvre (avec ou sans enlèvement de la matière) …
 Aucune intégration des matériaux d’addition utilisés dans la phase de fabrication telle que
les lubrifiants dans l’usinage, les catalyseurs dans les réactions chimiques…
Les travaux de thèse présentés dans ce rapport représentent une contribution à l’amélioration
de la modélisation de l’éco-fabrication. Les études développées dans ce domaine sont basées
sur trois piliers différents : énergie, procédé et matériaux.
Nous avons développé deux approches pour la modélisation de l’éco-fabrication. D’une part,
nous avons présenté une approche orientée process basée sur l’intégration des outils d’aide à
la décision. Cette approche a pour objectif l’aide à la décision pour le choix d’un scénario de
fabrication en respectant les objectifs écologiques et économiques. D’autre part, la deuxième
approche développée représente l’approche produit. Cette approche permet, à partir des
données d’éco-conception de préparer les procédés utiles pour la fabrication du produit étudié
avec les paramètres optimaux. Ces derniers sont déterminés en tenant compte des objectifs
économiques et écologiques et en respectant les contraintes de la faisabilité technique.
L’approche process est basée sur l’intégration des méthodes d’aide à la décision pour la
modélisation de l’éco-fabrication. Cette intégration est illustrée sous forme de deux niveaux :
le premier niveau est le choix des indicateurs environnementaux. Ce choix permet d’orienter
la phase de quantification des effets écologiques vers des objectifs cibles faciles à interpréter.
Pour cette méthodologie, nous avons adopté la méthode EVAMIX. Cette méthode a
l’avantage de la modélisation de préférences cardinales et ordinales. À ce niveau de
l’approche, la décision ainsi que les réglementations sont les deux acteurs principaux. Le
deuxième niveau est le choix final du scénario de fabrication où nous avons adopté la
méthode Promethee.
L’approche produit est basée sur la modélisation de la consommation des ressources et

l’optimisation multi objectifs des paramètres des procédés étudiés. Au niveau de
Conclusion Générale et Perspectives Page 150

l’optimisation multi objectifs, l’essaim particulaire a été l’algorithme utilisé. Cet outil nous a
garanti une précision des résultats traités ainsi que la localisation du front de Pareto. La
consommation des ressources nous a permis d’établir la relation entre les entrées-sorties du
pilier des matériaux.
Pour les études de cas développées, deux types d’applications ont été présentées dans cette
thèse : les opérations d’usinage dans le cas du tournage et de fraisage et la production de
l’acide phosphorique. Dans ces différents cas d’étude, nous avons pu préparer une base de
données écologique permettant de décrire le comportement environnemental du produit
étudié.
Pour le cas de l’usinage, l’approche produit nous a permis de présenter les paramètres
optimaux de chaque opération étudiée en couplant les objectifs écologiques et économiques.
Ainsi, l’algorithme IPO a garanti la description de la trajectoire du flux des matières utilisé :
matériaux primaires ainsi qu’auxiliaires.
Pour le cas de la fabrication de l’acide phosphorique et pour l’état actuel de la société, nous
avons appliqué l’approche process pour l’étude des 3 scénarios les plus fréquents
actuellement. On a constaté, suite à l’étude traitée dans le deuxième chapitre, que le scénario
actuel est le plus favorable selon les stratégies de la société ainsi que les réglementations.
En traitant l’état du comportement écologique de l’usine, nous avons constaté que la

fabrication de l’acide sulfurique est la phase la plus génératrice des émissions néfastes. La
solution a été l’approche produit permettant la modélisation du processus en tenant compte
des objectifs écologiques et économiques. La modélisation de cette unité de fabrication nous a
permis la préparation d’une base des données paramétriques traitant l’optimisation des
paramètres du procédé ainsi que la maîtrise de la consommation des ressources.
Suite aux différents travaux présentés dans cette thèse, nous pouvons préciser que les deux
approches développées nous ont permis de préparer une ossature pour la généralisation de
l’intégration de l’éco-fabrication dans les industries manufacturières. Cette progression dans
le domaine peut être l’origine de la préparation d’une norme traitant l’éco-fabrication. Cette
norme une fois développée peut enrichir celle présentée dans le cadre de l’éco-conception.
Pour la mise en place de la notion d’éco-fabrication certaines carences ou axes de progression

peuvent se présenter :
 Le développement d’une solution pour le cas d’une usine à coproduits. Le développement

ou l’éco-conception d’un process de fabrication permettant de tenir en compte des
différentes spécificités des produits étudiés.
 La mise en œuvre de la notion de l’économie circulaire : les déchets de la fabrication sont
récupérés pour être des ressources pour la même usine ou pour d’autre usine.
 L’éco-fabrication doit être améliorée avec l’intégration de certains indicateurs pouvant
aider le fabricant à prendre les décisions convenablement pour préparer les lignes
d’amélioration écologique possible.

 La modélisation et l’intégration du surcoût généré par la prise en considération de l’aspect

écologique dans la fabrication du produit étudié.
 La modélisation et la simulation de l’élimination des déchets de la fabrication : les modèles
produits peuvent être intégrés dans la phase d’optimisation comme étant une contrainte
écologique.
 La modélisation de la consommation des ressources à l’aide des algorithmes IPO permet
de décrire le flux des entrées-sorties du système de fabrication. Cependant, on peut passer à
une modélisation numérique permettant l’optimisation de l’utilisation des ressources en
éco-fabrication.
 La technologie représente l’un des piliers importants de l’éco-fabrication qui nécessite une
intégration dans la démarche globale de l’éco-fabrication : la modélisation des données des
machines, en tenant compte des différents fournisseurs, représente l’un des points
d’amélioration dans ce domaine.

Modélisation, Simulation et Optimisation pour l’Eco-fabrication Hassine Hichem
Références Bibliographiques
(ADEME , 2002) ADEME (2002). Produits renouvelables, vers un nouvel âge d’or du végétal
? Colloque ADEME, Synthèse des débats, 15 janvier.
(Ananda. J et al, 2005) ANANDA J. HERATH G.: « Analysis Evaluating public risk
preferences in forest land-use choices using multi-attribute utility theory», Ecological
Economics 55- 408– 419, 2005.
(Avram OI et al, 2011) Avram, O.I., Xirouchakis, P., 2011. Evaluating the use phase energy
requirements of a machine tool system. Journal of Cleaner Production 19 (6e7), 699e711.
(Ayadi. D et al, 2009) AYADI D. AZZABI L. KOBI A. ROBLEDO C. CHABCHOUB H.: «

Hiérarchisation des risques des matières dangereuses : application de la méthode
Macbeth» 8éme Congrès Qualité et Sûreté de Fonctionnement, QUALITA'2009.
(Ayadi. D et al, 2010) AYADI D. AZZABI L. KOBI A. ROBLEDO C. CHABCHOUB H.: «

Application de la méthode multicritère d’aide à la décision PROMETHEE pour le
système HACCP », International Metrology Conference CAFMET, 2010
(Azzabi. L et al, 2008) AZZABI L. AYADI D. KOBI A. ROBLEDO C. BOUJELBENE Y. :

« Une approche multicritère pour la localisation des défauts de production», conférence
internationale Maîtrise et Management des Risques Industriels, M2RI, 2008.
(Azzabi. L et al, 2010) AZZABI L. AYADI D. KOBI A. ROBLEDO C. BOUJELBENE Y.

«Outils multicritère d’aide à la décision pour le diagnostic des procédés industriels »,
International Metrology Conference CAFMET, 2010
(Bakkar C, 1995) BAKKAR C. (1995), Environmental Information for Industrial Designers,

Thèse de doctorat, Delft University of Technology, Delft, Pays-Bas, 221 p.
(Ball PD et al, 2009) Ball, P. D., Evans, S., Lever, A., and Ellison, D. (2009). "Zero carbon
manufacturing facility towards integrating material, energy and waste process flows."
Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering
Manufacture 223: 1085-1096.
(Baskar N et al, 2005) Baskar, N.; Asokan, P.; Saravanan, R.; Prabhaharan, G.(2005),
Optimization of Machining Parameters for Milling Operations Using Non-conventional
Methods, International Journal of Advanced Manufacturing Technology, vol.25, 1078-1088.
(Berr, 2009) BERR (2009) Energy consumption in the United Kingdom: industrial data
tables, 2008 update, Department for Business, Enterprise and Regulatory Reform. Available
at: http://www.berr.gov.uk/files/file47215.xls [Accessed 01 June 2009]
Références Bibliographiques Page 153

(Belaidi I, 2007) Belaidi, I. (2007), A model based on the NSGA-II for multi-objective
optimization of Roughing parameters, Colloquy AIP-PRIMECA, La Plagne.
(Boustead I, 1993) BOUSTEAD I. (1993), Eco-profiles of the European plastics industry;

report n°X, PWMI, Bruxelles, Belgique.
(Branker K et al, 2011) Branker, K., Jeswiet, J., and Kim, I. Y., (2011), “Greenhouse Gases
Emitted in Manufacturing a Product—A New Economic Model,” CIRP Annals -
Manufacturing Technology, 60(1), pp. 53-56.
(Brezet J.C 1997) BREZET J.C (1997), Dynamics in eco-design practice, UNEP industry and
Environment, Vol.20, N° 1-2, pp.21-24, Paris.
(Brezeet H et Van Hemel C, 1997) H. Brezeet and C. Van Hemel. EcoDesign: A promising
approach to sustainable production and consumption, UNEP, France, 1997.
(Brezet J C, 1997) J.-C. Brezet. Dynamics in ecodesign practice, UNEP Industry and
Environment, 20 (1-2): 21-24, 1997.
(Brissaud D et Zwolinski P, 2004): D. Brissaud, P. Zwolinski (2004) End-of-Life-Based

Negotiation Throughout the Design Process. Laboratoire Sols, Solides, Structures University
of Grenoble BP 53, 38041 Grenoble Cedex 9, France
(Caillet R .2003) CAILLET R. : «Analyse multicritère : études et comparaison des méthodes

existantes en vue d’une application en analyse d’un cycle de vie », Série scientifique,
Montréal.
(Cao H et al, 2005) Cao H J, Liu F, Yan C P. Environmental impact evaluation method of
manufacturing process and its case. Chinese Journal of Mechanical Engineering, 2005, 41(6):
163–167.
(Chen RW et al, 1995) CHEN R.W, NAVIN-CHANDRA D, NAIR I, PRINZ F, WADEHRA

I L. (1995), In Selection-Approach for Material Selection that Integrates Mechanical design
and life cycle Environmental Burdens, IEEE’ 95 Symposium on Electronics and the
Environment, Orlando USA
(Chibane H et al, 2011) Chibane, H.; Serra, R.; Leroy, R. (2011), Implementation of a multi-
objective optimization shooting a 100C6 steel: compromise between surface quality and
productivity. 20th French Congress of Mechanics.
(Chris Y et al, 2012) Chris Yuan, Qiang Zhai, David Dornfeld, (2012), “A three dimensional
system approach for environmentally sustainable manufacturing”, CIRP Annals-
Manufacturing Technology 61, pp 39-42.

(Ciurana. J et al, 2009) J. Ciurana, G. Arias, T. Ozel, Neural network modeling and particle
swarm optimization (PSO) of process parameters in pulsed laser micromachining of hardened
AISI H13 Steel, Materials and Manufacturing Processes 24 (3) (2009) 358–368.
(Cus F et Balic J, 2003) Cus, F.; Balic, J. (2003), Optimization of cutting process by GA
approach. Robot Comput-Integr Manuf , vol. 19,113–121.
(Cus. F et al, 2006) F. Cus, U. Zuperl, E. Kiker, M. Milfelner, Adaptive controller design for
feedrate maximization of machining process, Journal of Achievements in Materials and
Manufacturing Engineering 17 (2006) 237-240.
(Dahmus J et Gutowski T, 2004) Dahmus, J. and Gutowski, T. (2004) An Environmental

Analysis of Machining, Proceedings of the 2004 ASME International Mechanical
Engineering Congress and RD&D Exposition, Anaheim, California, USA.
(De Fillippi A et Ippolito R, 1981) De Fillippi, A.; Ippolito, R.(1981), NC machine tools as
Electric Energy Users, CIRP Annals, vol.30,323-326.
(De Keyser et Peeters P, 1996) De Keyser, W. and Peeters, P. (1996) ‘Theory and
methodology – a note on the use of PROMETHEE multicriteria methods’, European Journal
of Operational Research, Vol. 89, pp.457–461.
(Devoldere T et al, 2007) Devoldere, T., Dewulf, W., Deprez, W., Willems, B., Duflou, R.J.
2007, Improvement Potentials for Energy Consumption in Disrecte Part Production Machines.
Proceedings of the 14th CIRP Conference on Life Cycle Engineering, Tokyo, Japan. 311-316.
(Diaz N et al, 2009) Diaz, N., Helu, M., Jarvis, A., S. Tonissen, Dornfeld, D. and Schlosser,
R. (2009) Strategies for Minimum Energy Operation for Precision Machining, Proceedings of
MTTRF 2009 Annual Meeting Shanghai, PRC.
(Diaz N et al, 2011) Diaz, N.; Redelsheimer, E.; Dornfeld, D. (2011), Energy Consumption
Characterization and Reduction Strategies for Milling Machine Tool Use, Globalized
Solutions for Sustainability in Manufacturing, pp. 263-267.
(Diaz. N et al, 2010) Diaz, N.; Helu, M.; Jayanathan, S.; Chen, Y.; Horvath, A.; Dornfeld, D.
(2010): Environmental Analysis of Milling Machine Tool Use in Various Manufacturing
Environments, IEEE International Symposium on Sustainable Systems and Technology
(ISSST2010), Washington, D.C.
(Dietmair A et Verl A, 2008) Dietmair, A., and Verl, A., (2008), “Energy Consumption
Modeling and Optimization for Production Machines,” IEEE International Conference on
Sustainable Energy Technologies, pp 574-579.

(Draganescu F et al, 2003) Draganescu, F., Gheorghe, M., Doicin, C.V., 2003. Models of
machine tool efficiency and specific consumed energy. Journal of Materials Processing
Technology 141 (1), 9e15.
(Eastlick DD et al, 2011) Eastlick, D. D., Sahakian, M. V., and Haapala, K. R., (2011),
“Sustainable Manufacturing Analysis for Titanium Components,” Proc. 2011 ASME
IDETC/CIE: 16th Design for Manufacturing and the Lifecycle Conference (DFMLC), Paper
DETC2011-48854, August 28-31, Washington, D.C.
(EC-JRC, 2010) EC-JRC (2010). http://lca.jrc.ec.europa.eu/lcainfohub/toolList.vm#.

European Commission, Joint Reaserch Center, Site internet consulté en août 2010.
(Fang K et al, 2011) Fang, K.; Uhan, N.; Zhao, F.; Sutherland, J. W.(2011), A New Approach
to Scheduling in Manufacturing for Power Consumption and Carbon Footprint Reduction,
Journal of Manufacturing Systems, Vol. 30, No 4, 234-240.
(Fang K et al, 2011) Fang, K., Uhan, N., Zhao, F., and Sutherland, J. W., (2011), “A New
Approach to Scheduling in Manufacturing for Power Consumption and Carbon Footprint
Reduction,” Journal of Manufacturing Systems, Vol. 30(4), 2011, pp. 234-240.
(Gatherine M. Rose et al. 2002): Gatherine M. Rose, Kosuke Ishii, Ab Stevels (2002)
Influencing Design to Improve Product End-of-Life Stage. Research in Engineering Design
13 (2002) 83-93. DOI 10.1007/S001630100006.
(Geldermann J et Rentz O, 2005) Geldermann, J. and Rentz, O. (2005) ‘Multicriteria analysis

for the assessment of environmentally relevant installations’, Journal of Industrial Ecology.
(Giachetti R E, 1998) Giachetti, R. E., (1998), “A Decision Support System for Material and
Manufacturing Process Selection,” Journal of Intelligent Manufacturing, Vol. 9, No. 3, pp.
265-276.
(GIEC, 2001) Groupe d’experts Intergouvernemental sur l’Evolution du Climat (2001). Bilan
2001 des changements climatiques : éléments scientifiques. Rapport du groupe de travail I du
GIEC, OMM / PNUE.
(Guinée JB et al, 2001) Guinée, J.B. (final Ed.), Gorrée, M., Heijungs, R., Huppes, G., Kleijn,
R., De Koning, A., Van Oers, L., Wegener Sleeswijk, A., Suh, S., Udo de Haes, H.A., De
Bruijn, H., Van Duin, R., Huijbregts, M.A.J., Lindeijer, E., Roorda, A.A.H. and Weidema,
B.P. (2001) ‘Life cycle assessment; an operational guide to the ISO standards; Parts 1 and 2’,
Ministry of Housing, Spatial Planning and Environment (VROM) and Centre of
Environmental Science (CML), Den Haag and Leiden, the Netherlands.
(Guitouni A, 1998) Guitouni A. L'Ingénierie du Choix d'une Procédure d'Agrégation

Multicritère. Thèse de Doctorat, Université Laval, 1998

(Guitouni A et al, 1999) Guitouni A, Martel J-M, Vincke Ph. Un Cadre de Référence pour le
Choix d’une Procédure d’Agrégation Multicritère. Document de travail, FSA-1999-013,
Université Laval, Québec, Canada. 1999
(Gutowski T et al, 2001) Gutowski, T., Murphy, C., Allen, D., Bauer, D., Bras, B., Piwonka,
T., Sheng, P., Sutherland, J., Thurston, D., and Wolff, E., (2001), “WTEC Panel Report on
Environmentally Benign Manufacturing (EBM),” International Technology Research
Institute, World Technology (WTEC) Division, Baltimore, Maryland,
http://www.wtec.org/loyola/ebm/ebm.pdf.
(Gutoswki T et al, 2005) Gutowski, T., Murphy, C., Allen, D., Bauer, D., Bras, B., Piwonka,
T., Sheng, P., Sutherland, J., Thurston, D., Wolff, E. (2005). “Environmentally benign
manufacturing: Observations from Japan, Europe and the United States”, Journal of Cleaner
Production, 13 (1), pp1-17.
(Gutowski T et al, 2005) Gutowski T, Dahmus J, Dalquist S. Measuring the Environmental

Load of Manufacturing Processes. In: Proceedings of International Society for Industrial
Ecology (ISIE), Stockholm, Sweden, June 12–15, 2005..
(Gutowski T et al, 2006) Gutowski, T., Dahmus, J., and Thiriez, A., (2006), “Electrical
Energy Requirements for Manufacturing Processes,” 13th CIRP International Conference on
Life Cycle Engineering, Leuven, May 31-June 2.
(Gutowski T et al, 2006) Gutowski, T., J. Dahmus, and Thiriez, A., (2006). Electrical Energy
Requirements for a Manufacturing Process. Proceedings of 13th CIRP International
Conference on Life Cycle Engineering, Leuven, Belgium, 623-627.
(Haapala K R et al, 2004) Haapala, K. R., Khadke K. N., and Sutherland, J. W., (2004),
“Predicting Manufacturing Waste and Energy for Sustainable Product Development via WE-
Fab Software,” Proceedings of the Global Conference on Sustainable Product Development
and Life Cycle Engineering, Berlin, Germany, Vol. 8.
(Hammami A. 2003) HAMMAMI A.: «Modélisation technico-économique d’une chaine

logistique dans une entreprise réseau », Thèse de doctorat spécialité Génie industrielle,
L’Ecole Nationale Supérieure des Mines de Saint-Etienne.
(Hammami A et al, 2003) Hammami A, Burlat P, Campagne J.P. Evaluating orders allocation
within networks of firms. (Article accepté pour publication en 2003 au : International Journal
of Production Economics)
(Hammami A et al, 2003) Hammami A, Ait-Kadi D, Burlat P. Prise en Compte de la fiabilité

dans un Problème d’Allocation de Commandes. 5ème Congrès International de Génie
Industriel - du 26 au 29 octobre 2003 – Québec (Canada)

(Hammami A et al, 2003) Hammami A, Burlat P, Campagne J.P. Modélisation analytique du

problème d'allocation de commande dans un réseau d'entreprises. 4e Conférence
Francophone de MOdélisation et SIMulation : “Organisation et Conduite d’Activités dans
l’Industrie et les Services”. MOSIM’03 – du 23 au 25 avril 2003 - Toulouse (France).
(Hauschild M et al, 2005) Hauschild, M., Jeswiet, J. and Alting, L., 2005, From Life Cycle
Assessment to Sustainable Production: Status and Perspectives, CIRP Annals - Manufacturing
Technology, 54, 1-21.
(Hertwich EG et Hammitt JK, 2000) Hertwich EG, Hammitt JK, Pease W. A Theoritical
fouandation for life cycle Assessment : recognizing the roles of values in environmental
decision making. Journal of industrial ecology. 4, n°1:2000.
(Hertwich EG et Hammitt JK, 2001) Hertwich EG, Hammitt JK. A decision-analytic

Framework for impact assessment, Part 2, Midpoint, End points, and criteria for method
development. International Journal of LCA; 6 N°5:265-272;2001.
(Hertwich EG et Hammitt JK, 2001) Hertwich EG, Hammitt JK. Decision-analytic

framework for impact assessment. Part I: LCA and decision analytic. International Journal of
life cycle assessment; 6 (1): 5-12;2001.
(He Y et al, 2005) He, Y., Liu, F. and Cao, H. J. (2005) Process Planning Support System for
Green Manufacturing and its application., Computer Integrated Manufacturing Systems, 11,
(7) 975:980.
(He Y et al, 2007) He, Y., Liu, F., Cao, H. and Zhang, H. (2007) Process Planning Support
System for Green Manufacturing and its application, Frontiers of Mechanical Engineering in
China, 2, (1) 104-109.
(Heilala J et al, 2008) Heilala, J., Vatanen, S., Tonteri, H., Montonen, J., Lind, S. and
Johansson, B. (2008) Simulation based sustainable manufacturing system design, In
Proceedings of 2008 Winter Simulation Conference, eds. Mason, S. J., Hill, R. R., Rose, M.
O., Jefferson, T. and Fowler, J. W., Piscataway, New Jersey, pp. 1922- 1930.
(Hernandez J C et al, 2006) Hernandez-Matias, J. C., Vizan A., Hidalgo A., and Rios J.,
(2006), “Evaluation of Techniques for Manufacturing Process Analysis,” Journal of
Intelligent Manufacturing, Vol. 17, No. 5, pp. 571-583.
(Holloway L et al, 1994) HOLLOWAY L, CLEGG D., TRANTER I., COCKERHAM G.

(1994), Incorporating environmental principles into th process design process, Materials and
Design, Vol.15, N°5, pp.259-267.
(Inamasu. Y et al, 2010) Inamasu, Y.; Fujishima, M.; Hideta, M.; Noguchi, K. (2010): The
Effects of Cutting Condition on Power Consumption of Machine Tools, in: Proceedings of the
4th CIRP International Conference on High Performance Cutting (HPC2010), Vol. 1, pp. 267-
270, Gifu, Japan
(Jakobsen K, 1987) JAKOBSEN K (1987), Design principles with special reference to

aluminium, Aluminium, pp 56-57, Skanaluminium.
(Jayal A D et al, 2010) Jayal, A.D., Badurdeen, F., Dillon Jr O.W., Jawahir, I.S. (2010),
Sustainable Manufactur ing: Modeling and Optimization Challenges at the Product, Process
and System Levels, CIRP Journal of Manufacturing Science and Technology, 2:144–15
(Jiang Z G et al, 2008) Jiang, Z.-G.; Zhang, H.; Xiao, M. Analysis model of resource
consumption and environmental impact for manufacturing process. Syst. Eng. Theory Pract.
2008, 7, 132–137.
(Jones E et Harrison D, 2000) Jones, E., Harrison, D. (2000). Investing the use of TRIZ in
Eco-innovation. TRIZCON2000, Altshuller Institute.
(Johnson E F et Gay A, 1998) JOHNSON.E.F, GAY A. (1998), A Practical Customer-

Oriented DFE Methodology, IEEE’95, Orlando, USA.
(Jovane F et al, 2008) Jovane, F., Yoshikawa, H., and Alting, L. et al (2008). "The incoming
global technological and industrial revolution towards competitive sustainable
manufacturing." CIRP Annals- Manufacturing Technology 57: 641-659.
(Kai J et al, 2012) Kai, J.; Hua, L.; Hong, Z.(2012), Multi-Objective Tooling Optimization
for Sustainable Manufacturing, International Journal of Engineering Research and
Applications (IJERA), Vol. 2, Issue 1, 853-862.
(Kara S et Ibbostom S, 2011) S.Kara, S.Ibbostom, (2011),”Embodied energy of

manufacturing supply chain”, CIRP-Manufacturing Science and Technology (4), pp.317-323.
(Kara S et Ibbotson S, 2012) Kara, S.; Ibbotson, S. (2012), Embodied energy of

manufacturing supply chains, Journal of Manufacturing Science and Technology.
(Kara S et Ibbotson S, 2012) S. Kara, S.Ibbotson (2012) “Embodied energy of manufacturing

supply chains”, Journal of Manufacturing Science and Technology.
(Karaboga. D et Basturk. B, 2008) D. Karaboga, B. Basturk, On the performance of artificial

bee colony (ABC) algorithm, Applied Soft Computing 8 (2008) 687–697.
(Kellens K et al, 2011a) Kellens, K.; Dewulf, W.; Overcash, M.; Hauschild, M. Z.; Duflou, J.
(2011a), Methodology for Systematic Analysis and Improvement of Manufacturing Unit
Process Life-cycle Inventory (UPLCI) – CO2PE Initiative. Part 1: Methodology Description,
International Journal of Life Cycle Assessment, vol. 17, 69-78.

(Kellens K et al, 2011b) Kellens, K.; Dewulf, W.; Overcash, M.; Hauschild, M. Z.; Duflou, J.
(2011b), Methodology for Systematic Analysis and Improvement of Manufacturing Unit
Process Life Cycle Inventory (UPLCI) CO2PE Initiative (Cooperative Effort on Process
Emissions in Manufacturing). Part 2: Case studies, International Journal of Life Cycle
Assessment, vol. 17, 242-251.
(Kennedy J et Eberhart R, 1995) Kennedy, J.; Eberhart, R. (1995), Particle swarm

optimization. In Proc, IEEE int’l conf. on neural networks, volume 4, 1942–1948.
(Kelleens K et al, 2011a) Kellens, K., Dewulf, W., Overcash, M., Hauschild, M. Z., and
Duflou, J., (2011a), “Methodology for Systematic Analysis and Improvement of
Manufacturing Unit Process Life-cycle Inventory (UPLCI) – CO2PE! Initiative. Part 1:
Methodology Description,” International Journal of Life Cycle Assessment, vol. 17, pp. 69-
78.
(Kelleens K et al, 2011b) Kellens, K., Dewulf, W., Overcash, M., Hauschild, M. Z., Duflou,
J., (2011b), “Methodology for Systematic Analysis and Improvement of Manufacturing Unit
Process Life Cycle Inventory (UPLCI) CO2PE! Initiative (Cooperative Effort on Process
Emissions in Manufacturing). Part 2: Case studies,” International Journal of Life Cycle
Assessment, vol. 17, pp. 242-251.
(Kennedy J et Eberhart R, 1995) KENNEDY, J. and EBERHART, R. (1995). Particle swarm

optimization. In Proc. IEEE int’l conf. on neural networks, volume 4, pages 1942–1948. IEEE
service center.
(Kopac. J, 2005) J. Kopac, Influence of high speed cutting on the structure of machined high
speed steel material, The Eleventh Scientific Conference on Contemporary Achievements in
Mechanics, Manufacturing and Materials Science CAM3S'2005, Gliwice-Zakopane, 2005,
40-44
(Kordonowy, D. N, 2001) Kordonowy, D. N. (2001) A power assessment of machining tools.

B.S. Thesis, Department of Mechanical Engineering, Massachusetts Institute of Technology,
Cambridge, MA.
(Kordonowy D N, 2002) Kordonowy, D.N., 2002. A power assessment of machining tools.

Thesis(BSc). Massachusetts Institute of Technology
(Le Pochat S, 2005) S. Le Pochat. Intégration de l’éco-conception dans les PME : Proposition
d’une méthode d’appropriation de savoir-faire pour la conception environnementale des
produits. Thèse de Doctorat de l’ENSAM Paris, 2005.
(Le Pochat S et Bertoluci G, 2003) S. Le Pochat, and G. Bertoluci. Consequences for

businesses of taking into account environmental constraints. 6th QMOD International
Conference, Paris, October 2003

(Le Pochat S, 2005) S. Le Pochat. Intégration de l’éco-conception dans les PME : Proposition
d’une méthode d’appropriation de savoir-faire pour la conception environnementale des
produits. Thèse de Doctorat de l’ENSAM Paris, 2005
(Leigh S et Ball P, 2012) Leigh Smith, Peter Ball (2012), “Steps towards sustainable
manufacturing through modeling material, energy and waste flows” International Journal of
Production Economics.
(Lindemann U et al, 2001) Lindemann, U., Hessling, T., Hutterer, P., Mörtl, M. (2001).
“Applicable methods for sustainable development for Small and Medium-siezd companies”,
EcoDesign 2001, 2nd International Symposium on environmentally Conscious Design and
Inverse Manufacturing, Tokyo
(Lui Y M et Wang C J, 1999) Lui, Y.M.; Wang, C.J. (1999), A modified genetic algorithm
based optimization of milling parameters, International Journal of Advanced Manufacturing
Technology, vol.5, 796–809.
(Manzini B, 1991) Manzini B. (1991), The limits and possibilities of eco-design,

Communication lors d’un workshop d’experts.”Eco-design of Products”, Delft, Pays-Bas.
(Marion PRINÇAUD 2011) : Marion PRINÇAUD (2011) Développement d’un outil d’aide à
la décision environnementale basé sur l’Analyse de Cycle de Vie intégré au processus de
conception.
(Masui K et al, 2001) Masui, K., Sakao, T., Inaba, A. (2001). “Quality Function Deployment
for Environment: QFDE (1st Report) - A methodology in early stage of DfE”, EcoDesign
2001 Conference, Tokyo.
(Masui K et al, 2002) Masui, K., Sakao, T., Kobayashi, M., Inaba, A. (2002). “Quality
Function Deployment for Environment (QFDE) to spread DfE on the whole company”,
CARE Innovation 2002, Vienna.
(Maud Dufrene et al, 2013): Maud Dufrene, Peggy Zwolinski, Daniel Brissaud (2013) An
engineering platform to support a practical integrated eco-design methodology.
Universite´ de Grenoble Alpes, G-SCOP Laboratory, 38000 Grenoble, France. CIRP
Annals - Manufacturing Technology 62 (2013) 131–134.
(McAloone T, 2000) T. McAloone. Where's eco-design going ?, Electronics Goes Green,

2000.
(McAloone, T. C, 2000) McAloone, T. C. (2000) Industrial Application of Environmentally

Concious Design, Professional Engineering Publishing, London.

(Méndez. M et al, 2006) MÉNDEZ M. GALVÁN B., SALAZAR D. GREINER D. :

«Multiple-Objective Genetic Algorithm Using The Multiple Criteria Decision Making
Method TOPSIS», MOPGP’06: 7th Int. Conf. on Multi-Objective Programming and Goal
Programming, (2006).
(Miettinen P et Hamalainen R P, 1997) Miettinen, P. and Hamalainen, R.P. (1997) ‘How to

benefit from decision analysis in environmental life cycle assessment (LCA)’, European
Journal of Operational Research, Vol. 102, pp.279–294.
(Millet D. 1995) Millet D. (1995), Prise en compte de l’environnement en conception:

Proposition d’une demarche d’aide à la conception permettant de limiter les fonctions et rejets
engendrés par le produit sur son cycle de vie, Thèse de l’ENSAM, Paris, 180 p.
(Mori M et al, 2011) Mori, M., Fujishima, M., Inamasu, Y., Oda, Y., 2011. A study on energy
efficiency improvement for machine tools. CIRP Annals e Manufacturing Technology 60
(1), 145e148.
(Munoz A A et Sheng P, 1995) Munoz, A.A.; Sheng, P.(1995), An analytical approach for
determining the environmental impact of machining process, Journal of Materials Processing
Technology,vol.53,No 3, 736-758
(Nabil. M, 2012) Nabil Mancer, Contribution à l’optimisation de la puissance réactive en

présence de dispositifs de compensation dynamique (FACTS), thèse, 2012, Université
Mohamed Khider – Biskra Faculté des Sciences et de la technologie
(Nava P, 2009) Nava, P. (2009),Minimizing Carbon Emissions in Metal Forming, M.S.

Thesis, Department of Mechanical and Materials Engineering, Queen’s University, Kingston,
Ontario, Canada.
(Nor Azlina A, 2011) Nor Azlina, A. (2011), Particle Swarm Optimization for constrained
and multi objective problems, International Conference on Management and Artificial
Intelligence IPEDR, vol.6.
(Oberender C et al, 2001) Oberender, C., Weger, O., Birkhofer, H., Sauer, J. (2001).
“Ecological Design for the use phase: An interdisciplinary approach to Design for
Environment”, Proceedings of Ecodesign 2001 Conference, IEEE, Tokyo, pp71-76.
(PONS M N, 2008) PONS, M.-N. (2008). Analyse du Cycle de Vie – Comment choisir un
logiciel. Techniques de l’Ingénieur G 6 350v2, 15p
(Pusavec F et al, 2010) Pusavec, F., Krajnik, P. and Kopac, J. (2010) Transitioning to
sustainable production - Part I: application on machining technologies, Journal of Cleaner
Production, 18, (2) 174-184.

(Rahimifard S et al, 2010) S.Rahimifard, Y.Seow, T.Childs, (2010), “Minimising Embodied

Product Energy to support energy efficient manufacturing”, CIRP Annals-Manufacturing
Technology 59, pp 25-28.
(Rahimifard S et al, 2010) Rahimifard, S., Seow, Y., Childs, T., 2010, Minimising Embodied
Product Energy to Support Energy Efficient Manufacturing, CIRP Annals—Manufacturing
Technology, 59/1: 25–28.
(Rajemi M F et al, 2010) Rajemi, M. F., Mativenga, P. T., and Aramcharoen, A., (2010),
“Sustainable Machining: Selection of Optimum Turning Conditions Based on Minimum
Energy Considerations,” Journal of Cleaner Production, 18(10-11), pp. 1059-1065.
(Rajemi M F et al, 2010) Rajemi, M.F., Mativenga, P.T., Aramcharoen, A., 2010. Sustainable
machining: selection of optimum turning conditions based on minimum energy
considerations. Journal of Cleaner Production 18 (10e11), 1059e1065.
(Rangarajan. A et Dornfeld. D, 2004) Rangarajan, A.; Dornfeld, D. (2004): Efficient Tool

Paths and Part Orientation for Face Milling, in: Annals of the CIRP, Vol. 53, No. 1, pp. 73-
76.
(Ritzén S et al, 1997) Ritzén, S., Bäckmar, J., Norell, M. (1997). "Product development –
Integration of environmental aspectst", Proceedings of 4th CIRP International Seminar on
LCE, June 26-27, Berlin, pp152-162.
(Roy B, 1985) Roy B.Méthodologie multi critère d’aide à la décision. Paris, édition.
Economica ; 1985.
(Saaty. T, 2007) Time dependent decision-making; dynamic priorities in the AHP/ANP:

Generalizing from points to functions and from real to complex variables», Mathematical and
Computer Modelling 46 -860–891, 2007
(Sakao T et al, 2001) Sakao, T., Masui, K., Aizawa, S., Inaba, A. (2001). “Quality Function
Deployment for Environment: QFDE (2nd report) – Verifying the applicability by two case
studies”, EcoDesign 2001 Conference, Tokyo.
(Sakao T et al, 2002) Sakao, T., Masui, K., Kobayashi, M., Inaba, A. (2002). “QFDE (Quality
Function Deployment for Environment) and LCA: an effective combiantion of tools for DfE”,
CARE Innovation 2002, Vienna.
(Saravanan R et al, 2002) Saravanan, R.; Asokan, P.; Sachidanandam, M. (2002) A multi
objective genetic algorithm (GA) approach for optimization of surface grinding operations,
Int J Mach Tools Manuf , vol.42,1327-1324

(Seong-Rin Lim et al. 2013): Seong-Rin Lim, Yoo Ri Kim, Seung H. Woo, Donghee Park,
Jong Moon Park (2013) System optimization for eco-design by using monetization of
environmental impacts: a strategy to convert bi-objective to single-objective problems.
Journal of Cleaner Production 39 (2013) 303e311.
(Seow Y et Rahimifard S, 2011) Y.Seow and S.Rahimifard (2011), A framework for

modeling energy consumption within manufacturing systems, International Journal of
Manufacturing Science and Technology, Vol.4, pp 258-264.
(Sharma. AVNL et al, 2012) Sharma. AVNL, P. Sandeep Kumar, A.Gopichand, R.Mohan
Rao, International Journal of Engineering Research and Applications (IJERA) ISSN: 2248-
9622 www.ijera.com Vol. 2, Issue 6, November- December 2012, pp.497-500
(Shutong. XIE et Yinbiao. GUO, 2011) Shutong. XIE and Yinbiao. GUO, Intelligent
Selection of Machining Parameters in Multi-pass Turnings Using a GA-based Approach,
Journal of Computational Information Systems 7:5 (2011) 1714-1721
(Shu-Kai S. Fan et al. 2013) : Shu-Kai S. Fan, Chihhao Fan, Jhong-Hong Yang, Kevin Fong-
Rey Liu (2013) Disassembly and recycling cost analysis of waste notebook and the efficiency
improvement by re-design process. Journal of Cleaner Production 39 (2013) 209e219.
(Song J S et Lee K M, 2010) Song, J. S., and Lee, K.M. (2010). "Development of a low-
carbon product design system based on embedded GHG emissions." Resources, Conservation
and Recycling 54: 547-5
(Steven H et al, 2013) Steven, H.; Andreas, D.; Rikard, S.(2013), A Multi-objective
Tolerance Optimization Approach for Economic, Ecological, and Social Sustainability, 20th
CIRP International Conference on Life Cycle Engineering Singapore.
(Sutherland J et al, 2008) Sutherland, J. W., Adler, D. P., Haapala, K. R. and Kumar, V.,
2008, A comparison of manufacturing and remanufacturing energy intensities with
application to diesel engine production, CIRP Annals - Manufacturing Technology, 57, 5-8.
(Sutherland, J.W. et Gunter K.L., 2001) Sutherland, J.W. and Gunter K.L., (2001),
Environmental Attributes of Manufacturing Processes, Chapter 13, Handbook of
Environmentally Conscious Manufacturing, Ed. C. N. Madu, Kluwer Academic Publishers,
pp. 293-316.
(Tan X et al 2002) Tan, X.C.; Liu, F.; Cao, H.J.; Zhang, H. A decision-making framework
model of cutting fluid selection for green manufacturing and a case study. J. Mater. Process.
Technol. 2002, 1–3, 467–470.

(Tan X et al, 2006) Tan, X., Liu, F., Dacheng, L., Li, Z., Wang, H. and Zhang, Y. (2006)
Improved Methods for Process Routing in Enterprise Production Processes in Terms of
Sustainable Development II, Tsinghua Science & Technology, 11, (6) 693-700.
(Tridech, S et Cheng, K, 2008) Tridech, S., and Cheng, K. (2008). Low carbon
manufacturing: characterization, theoretical models and implementation. Proceeding of the
6th International Conference on Manufacturing Research (ICMR 08). London, UK: 403-412.
(Tridech S, 2011) S. Tridech, K. Cheng, “Low carbon manufacturing: characterization,

theoretical models and implementation,” International Journal of Manufacturing Research,
2nd ed.,vol. 6, 2011, pp.110-121.
(Van Hemel.C, 1998) Van Hemel.C (1998), EcoDesign empirically explored design for
environment in Dutch Small and Medium sized enterprises, Thèse, Delft University of
Technology, Delft, Pays-Bas, 271 p.
(Vijayaraghavan, A. et Dornfeld, D, 2010) Vijayaraghavan, A. and Dornfeld, D. (2010)

Automated energy monitoring of machine tools, CIRP Annals - Manufacturing Technology,
59, (1) 21-24.
(Voratas K, 2012) Voratas, K. (2012), Comparison of three evolutionary algorithms: GA,

PSO and DE, International Journal of Industrial Engineering and management systems, vol.
11, No 03, 215-223.
(Wang Z G et al, 2005) Wang, Z.G.; Rahman, M.; Wong, Y.S.; Sun, J. (2005), Optimization
of multi-pass milling using parallel genetic algorithm and parallel genetic simulated
annealing, International Journal of Machine Tools & Manufacture, vol. 45, 1726–1734.
(Werner F, 2005) Werner F. Ambiguities in Decision-oriented. The role of Mental Models

and values. Springer, ISBN 10 1-4020-3254-4 (e-book);2005.
(Wimmer W et Zust R, 2001) Wimmer, W., Züst, R. (2001). ECODESIGN Pilot. Kluwer
Academic Publishers.
(Xue H et al, 2007) Xue, H.; Kumar, V.; Sutherland, J.W. Material flows and environmental
impacts of manufacturing systems via aggregated input-output models. J. Clean. Prod. 2007,
13–14, 1349–1358.
(Xue. X et Gu. Y, 2010) X. Xue and Y. Gu, Global optimization based on hybrid clonal
selection genetic algorithm for task scheduling, Journal of Computational Information
Systems, 6 (1):253-261, 2010.

(Yan He et al 2011) Yan.He, Bo.Liu, Xiaodong.Zhang, Huai.Gao, Xuehui.Liu (2011), A

modeling method of task-oriented energy consumption for machining manufacturing system,
International Journal of Cleaner Production, Vol.23, pp 167-174.
(Yeo S H et New A K, 1999) Yeo, S. H. and New, A. K. (1999) A Method for Green Process
Planning in Electric Discharge Machining, The International Journal of Advanced
Manufacturing Technology, 15, (4) 287-291.
(Yildiz. AR, 2009) A.R. Yildiz, A novel hybrid immune algorithm for optimization of
machining parameters in milling operations, Robotics and Computer Integrated
Manufacturing 25 (2) (2009) 261–270.
(Yildiz. AR, 2009) A. R. Yildiz, A novel particle swarm optimization approach for product
design and manufacturing, International Journal of Advanced Manufacturing Technology, 40
(5-6):617-628, 2009.
(Zhai. J et al, 2006) J. Zhai, Z. Duan, Y. Li, J. Deng, D. Yu, PSO based neural network
optimization and its utilization in a boring machine, Journal of Material Processing
Technology 178 (1– 3) (2006) 19–23.
(Zhang H et al, 2000) Zhang H, Liu F. A method for analyzing the product material resource
consumption situation of manufacturing systems. Chinese Journal of Mechanical Engineering,
2000, 36(3): 27–31
(Zhang T et al, 2006) Zhang, T. W.; Boyd, S.; Vijayaraghavan, A.; Dornfeld, D. (2006)
Energy use in nanoscale manufacturing. Presented at the IEEE Inter- national Symposium on
Electronics and the Environment, San Francisco, CA, May 8-11.
(Zitzler E et al, 2003) Zitzler, E.; Laumanns, M.; Bleuler, S. (2003), A tutorial on
evolutionary multi objective optimization: Workshop on Multiple Objective Metaheuristics
(MOMH 2002), Springer, Berlin Heidelberg New York.
(Zuperl. U et al, 2005) U. Zuperl, F. Cus, M. Milfelner, Fuzzy control strategy for an adaptive
force control in end-milling, Journal of Materials Processing Technology 164 (2005) 1472-
1478.

Textes réglementaires et normatifs
Directive 2009/125 Directive 2009/125/CE du Parlement Européen et du Conseil du 21

octobre 2009 établissant un cadre pour la fixation d’exigences en matière d’éco-conception
applicables aux produits liés à l’énergie.
Directive DEEE Directive 2002/96/CE du Parlement Européen et du Conseil du 27 janvier
2003 relative aux déchets d’équipements électriques et électroniques (DEEE), L 37/24,
13.2.2003.
Directive ErP Directive 2009/125/CE (ErP) du Parlement Européen et du Conseil du 21
octobre 2009 établissant un cadre pour la fixation d’exigences en matière d’éco-conception
applicables aux produits liés à l’énergie, L 285/10, 31.10.2009.
Directive EuP Directive 2005/32/EC – établissant un cadre pour la fixation d'exigences en
matière d'éco-conception applicables aux produits consommateurs d'énergie.
Directive RoHS Directive 2002/95/CE du Parlement Européen et du Conseil du 27 janvier
2003 relative à la limitation de l’utilisation de certaines substances dangereuses dans les
équipements électriques et électroniques, L 37/19, 13.2.2003.
Directive VHU Directive 2000/53/CE du Parlement Européen et du Conseil du 18 septembre
2000 relative aux véhicules hors d’usage, L 269/34, 21.10.2000.
ETSI ES 203 215 Environmental Engineering (EE); Measurement Methods and Limits for
Power Consumption in Broadband Telecommunication Networks Equipment; V1.1.1, 2010.
ISO 14001 Systèmes de management environnemental - Exigences et lignes directrices pour
son utilisation. 2004.
ISO 14031 Management environnemental - Évaluation de la performance environnementale -
Lignes directrices. 1999.
ISO 14040 Management environnemental - Analyse du cycle de vie- Principes et cadre. 2006.
ISO 14044 Management environnemental - Analyse du cycle de vie- Exigences et lignes
directrices. 2006.
ISO/TR 14062 Management environnemental - Intégration des aspects environnementaux
dans la conception et le développement de produit. 2009.
ISO14644-1 Salles propres et environnements maîtrisés apparentés -Partie 1: Classification de
la propreté de l'air. 1999.
ISO7816-3 Cartes d'identification - Cartes à circuit intégré : nature des signaux électriques et
protocole de transmission entre le terminal et la carte. 2011.
Livre Vert Commission des Communautés Européennes (2001). Livre vert sur la Politique
Intégrée de Produits, COM(2001) 68 final, Bruxelles, 07.02.2001.
Règlement REACh Règlement n°1907/2006 du Parlement européen et du Conseil du
parlement européen et du conseil du 18 décembre 2006 concernant l’enregistrement,
l’évaluation et l’autorisation des substances chimiques.

Annexes
Modélisation, Simulation et Optimisation pour l’Eco-Fabrication Hassine Hichem
Analyse du cycle de vie et application de la méthode Bilan Carbone pour

la chaîne de production de l’acide phosphorique
La définition et la mise en place d’une démarche d’éco-fabrication nécessite une très bonne
connaissance du produit devant être fabriqué mais aussi de la chaîne logistique associé tout au
long de son cycle de vie. Cet objectif entraîne le développement de modèles et de métriques
pour simuler tant le produit que le processus de fabrication.
Nous présentons l’analyse du cycle de vie de l’acide phosphorique ainsi que l’application
de la méthode Bilan Carbone le long de la chaîne de production de ce produit dans le but de
quantifier et caractériser les émissions néfaste à la fin de la production. Cette quantification va
servir comme un outil d’aide à la décision au sein de la société
1. Application de la méthode Bilan Carbone
Le bilan carbone est une méthode qui nous permet dans le cadre de notre étude de déterminer
les émissions de gaz à effet de serre lors de notre activité. On a utilisé la méthode proposée
par l’ADEME (Agence de l’Environnement et de la Maîtrise de l’Energie) avec l’utilisation
du logiciel « Bilan_Carbone_V6.11 ». Les résultats sont données en tonnes équ CO2.
La chaîne de production de l’acide phosphorique est composée de 3 unités qui fonctionnent en
parallèle : unité de préparation de soufre liquide, unité de production de l’acide sulfurique et
l’unité de production de l’acide phosphorique (chapitre 2).
En paramètres d’entrée, nous les avons résumés comme suit :
 Unité de préparation du soufre liquide :
Entrées Quantité par jour Quantité annuelle

Energie électrique 0.2 Mw 66 Mw
Vapeur 7 bars 192-240 T 63360 T-79200 T
Vapeur 4 bars 120-144 T 39600 T-47520 T
Adjuvant 350 Kg 115500 Kg
Soufre Solide 1000 T 330000 T
 Unité d’acide sulfurique :

Energie électrique 0.5 Mw 165 Mw
Soufre Liquide 500 T 165000 T
Air Atmosphérique 480 T 158400 T
Air Sec 3600000 N𝑚3 1188000000 N𝑚3
Vapeur HP 1845 T 608850 T
Acide Sulfurique produit 1500T 495000 T
 Unité d’acide phosphorique :

Energie Electrique 14400 Kwh 4752000 Kwh
Eau de mer 43200 𝑚3 14256000 𝑚3
Eau Industrielle 4800 𝑚3 1584000 𝑚3
Vapeur BP 1500 T 495000 T
Annexe 1 Page 168

Phosphate 2700 T 891000 T

Acide Sulfurique 1740 T 574200 T
Acide Phosphorique Produit 600 T 198000 T
Le bilan carbone a été effectué sur le logiciel par an (330 jours)

Ainsi, concernant les matières premières utilisées, le phosphate est amené de la région de
Gafsa par voie des trains ainsi que le soufre solide est transportées du Brésil ou Ukraine par
voie maritime suivant des contrats commerciales.
5 000 4 561 Emissions par poste (tonnes équ.

4 500 CO2)
4 000
3 500 2 794
3 000
2 500
2 000
1 500
1 000
500 0 0 0 112 0 0 0 0 0 0
0 Fret
Fin de vie
Energie 1
Energie 2
Intrants
Déplacements
Déchets directs
Immobilisations
Utilisation
Hors énergie 1
Hors énergie 2
Futurs emballages
Figure 1. Emissions de la chaîne de production (tonnes équ. CO2)
A l’aide des données d’activités déjà mentionnées pout la société, on remarque que
l’élément responsable des émissions est l’énergie. Mais certains impacts ne sont pas étudiés
au niveau de cette méthode d’où on ait besoin d’une analyse du cycle de vie en s’aidant du
logiciel ‘Bilan Produit’.
2. Bilan Produit
Le logiciel Bilan Produit est l’un des outils qui permet de faire de façon simplifiée une
analyse du cycle de vie d’un produit, nous l’avons utilisé en l’adaptant à notre chaîne
logistique pour déterminer les données des différents paramètres écologiques.
Cette méthodologie est basée sur 8 indicateurs :
 Les indicateurs « Ressources »
- Consommation d’énergie fossile (exprimée en MJ)

- Consommation de ressources rares (en Kg équivalent Antimoine Sb)
Annexe 1 Page 169

 Les indicateurs « Impacts »
- Effet de serre (en Kg équivalent CO2)

- Acidification (en Kg équivalent SO2)
- Eutrophisation (en Kg équivalent phosphate PO43-)
- Ozone troposphérique (en Kg équivalent acétylène C2H2)
- Ecotoxicité aquatique (en Kg équivalent 1,4 di-chlorobenzène C6H4 CL 2 _DCB)
- Toxicité humaine (en Kg équivalent 1,4 di-chlorobenzène C6H6 CL 2 _DCB)
La méthode Bilan Produit est un fichier Excel à compléter avec les données sur le cycle de
vie du produit à étudier, les phases de vie sont prédéfinies :
- Phase de production
- Phase de transport
- Phase d’utilisation
- Fin de vie
L’unité fonctionnelle dans notre cas est la production de l’acide phosphorique sur une année
(330 jours).
Impacts par phase de vie

6,00E+08
Point(s) - en équivalent jour d'un
5,00E+08
4,00E+08
3,00E+08
européen moyen
2,00E+08
Fin de vie
1,00E+08
0,00E+00 Phase Utilisation
Phase de Transports
Phase de Production
Indicateurs
Figure 3. Impacts de la chaîne de production par phase de vie
Annexe 1 Page 170

Les émissions de la chaîne étudiée sont concentrées au niveau de la phase de production car
l’acide phosphorique obtenu va être stocké et utilisé au niveau des usines sur le même site
industriel.
Ainsi, nous présentons dans ce qui suit la caractérisation des émissions détaillées de la
phase de production.
Impacts par Sous-ensemble : Phase de Production

6,00E+08
Point(s) - en équivalent jour d'un
5,00E+08 Train de fret européen

4,00E+08 (Transport du Phosphate)
3,00E+08
européen moyen
Electricité haute tension

2,00E+08 France (Energie Electrique)
1,00E+08 Eau déionisée (Eau Industriel)
0,00E+00
Pollution…
Ecotoxicité…
Consommation…
Consommation…
Effet de serre…
Eutrophisation…
Acidification
Toxicité humaine
Eau potable au robinet (Eau
de mer)
H2SO4 (Acide Sulfurique)
H2PO4 (Acide Phosphorique)
Indicateurs
Figure 4. Impacts de la chaîne de production durant la phase de production
L’étude montre que la consommation d’électricité est responsable d’une émission

importante ainsi que la fabrication de l’acide sulfurique et de l’acide phosphorique.
Le transport de la matière première ainsi que l’utilisation de l’eau de mer et l’eau
industrielle ont peu d’émissions néfaste pour l’environnement.
3. Conclusion
Les résultats d’analyse montrent une grande dépendance en énergie pour cette installation. La
méthode ‘Bilan Carbone’ montre que l’utilisation de l’énergie est responsable de 4561 tonnes
équ CO2, d’émission. Mais, le processus de production est responsable de la génération d’une
quantité importante d’énergie : 127.19 Kcal/mol, qui est récupérée pour :
 L’alimentation de la soufflante responsable de l’alimentation de l’installation en air
atmosphérique.
 La concentration de l’acide phosphorique.
Et le reste sera envoyé avec le vapeur produit au niveau de l’unité de l’acide sulfurique vers la
centrale pour la production de l’énergie électrique.
Cette récupération d’énergie peut être à l’origine de certaines pertes à étudier pour un système
de production.
Ainsi, au niveau de l’analyse du cycle de vie, on constate que l’Ecotoxicité aquatique est
importante de l’ordre de 5. 108 en équivalent jours d’un européen moyen avec une
Annexe 1 Page 171

acidification importante due essentiellement à l’acide sulfurique ainsi que l’acide

phosphorique.
En plus de ces impacts évalués à l’aide de l’ACV, nous constatons une quantité importante de
phosphogypse résultante comme résidu de la réaction de production de l’acide phosphorique.
Ce résidu contient :
 CaSO4, 2H2O :95%
 Sels de phosphate insoluble : 3.5%
 Autres Impuretés (CaF2, SiO2, Al2O3, Fe2O3) :1.5%
A l’aide de ce qui est présenté, nous avons présenté une étude de cycle de vie ‘Cradle-to-
gate’, qui peut être amélioré en quantifiant l’efficacité de la récupération de l’énergie lors du
processus de production ainsi que les stratégies de traitement des déchets.
Annexe 1 Page 172

1. Normes Tunisiennes
Norme NT 106-02
Elle définie la qualité des rejets hydriques dans le domaine public maritime, le domaine public
hydraulique et les canalisations publiques (ONAS). Le tableau qui suit montre certaines
valeurs de la norme NT 106.002 pour les rejets dans le domaine public maritime.
Tableau 1. Valeurs caractérisant la qualité des effluents traités
NT 106.002
Rejet dans le milieu maritime
Paramètres Concentration en mg/l
𝑃𝑇𝑜𝑡𝑎𝑙 0.1
S𝑂4 1000
Fluor 5
Cd 0.005
COT Valeur non précisée
Température °C 35°C
PH 6.6-8.5
Norme NT 106 04
Elle définie des valeurs guides et valeurs limites de certains polluants dans l’air ambiant.
Pour pouvoir évaluer les effets des polluants atmosphériques sur la santé et l'environnement, il
est nécessaire d'en connaître les concentrations dans l'air ambiant et de suivre leur évolution
dans l’espace et dans le temps. Ces valeurs de concentrations sont comparées à des normes de
référence de la qualité de l'air. Pour une série de polluants, des objectifs de qualité de l'air ont
été déterminés par la réglementation qui a fixé des valeurs limites, des valeurs seuils et des
valeurs guides :
 Les valeurs limites ont un caractère légal contraignant. Elles ont été fixées dans le but
d'éviter, de prévenir ou de réduire les effets nocifs des polluants sur la santé humaine
et/ou l'environnement dans son ensemble, ces valeurs sont à atteindre dans un délai
donné et à ne pas dépasser une fois atteintes ;
 Le dépassement d'une valeur seuil peut impliquer l'obligation de livrer une
information à la population ou inciter à la réalisation d'actions conduisant à une
diminution des émissions ;
 Le seuil d'alerte est un niveau au-delà duquel une exposition même de courte durée
présente un risque pour la santé humaine et à partir duquel les pouvoirs publics
doivent immédiatement prendre des mesures conformément à la réglementation ;
 Les valeurs guides sont destinées pour la prévention à long terme en matière de santé
et de protection de l'environnement, qui devront être respectées pour une échéance
définie. La Tunisie a fixé des valeurs limites pour différents polluants, définies pour
Annexe 2 Page 173

préserver la santé publique et pour assurer le bien être des citoyens. Ces valeurs sont
présentées sur le tableau suivant :
Tableau 2. Norme tunisienne NT 106.04 (homologuée, 1996)
Polluant Méthode Type de Autorisation Valeur Valeur

d’analyse moyenne de limite santé guide bien
dépassement publique être
CO NT.37.09 8 heures 2 fois/ 30 9 ppm (10 9 ppm (10
jours mg/𝑚3 ) mg/𝑚3 )
1 heure 2 fois/ 30 35 ppm (40 26 ppm (30
jours mg/𝑚3 ) mg/𝑚3 )
N𝑶𝟐 NT.37.01 Moy Non 0.106 ppm 0.080 ppm
annuelle (200µg/𝑚3 ) (150µg/𝑚3 )
1 heure 1 fois/ 30 0.350 ppm 1 µg
jours (660µg/𝑚3 )
𝑶𝟑 NT.37.50 1 heure 2 fois/ 30 0.120 ppm 0.077-0.102
jours (235µg/𝑚3 ) ppm (150-
200µg/𝑚3 )
Particules NT.37.11 Moy Non 80 µg/𝑚3 40 à 60
en annuelle µg/𝑚3
suspension 24 heures 1/12 mois 260 µg/𝑚3 120 µg/𝑚3
𝑺𝑶𝟐 NT.37.10 Moy non 0.030 ppm 0.019ppm
annuelle (80 µg/𝑚3 ) (50 µg/𝑚3 )
24 heures 1/12mois 0.12 ppm 0.041ppm
(365 µg/𝑚3 ) (125 µg/𝑚3 )
3 heures 1 fois/12 0.5 ppm néant
mois (1300
µg/𝑚3 )
Pb NT.37.13 Moyenne non 2 µg/𝑚3 0.5 à 1
annuelle pg/𝑚3
𝑯𝟐 𝑺 NT.37.51 1 heure 1 fois/12 200 µg/𝑚3 néant
mois
Remarque : On remarque qu’il n’y a pas de réglementation Tunisienne concernant le Fluor.

Textes réglementaires
Déchets
♦ Loi n° 96-41 du 10 juin 1996, relative aux déchets et au contrôle de leur gestion et de leur
élimination ( les articles 19,26,31,47 ont été modifiés par la loi n° 2001-14 du 30 janvier 2001
portant simplification des procédures administratives relatives aux autorisations délivrées par
le ministère de l’environnement et de l’aménagement du territoire dans les domaines de sa
compétence).
♦ Décret n° 97-1102 du 2 juin 1997, fixant les conditions et les modalités de reprise et de
gestion des sacs d’emballages et des emballages utilisés modifié par le décret n°2001-843 du
10 avril 2001.
♦ Décret n° 2000-2339 du 10 octobre 2000 fixant la liste des déchets dangereux.
Annexe 2 Page 174

♦ Décret n°2002-693 du 1er avril 2002 relatif aux conditions et aux modalités de reprise des
huiles lubrifiantes et des filtres à huiles usagées et de leur gestion.
♦ Décret n°2005-3395 du 26 décembre 2005, fixant les conditions et les modalités de
collectes des accumulateurs et piles usagées.
♦ Arrêté du ministre de l’Environnement et de l’Aménagement du Territoire du 28 février
2001, portant approbation des cahiers des charges fixant les conditions et les modalités
d’exercice des activités de collecte, de transport, de stockage et de valorisation des déchets
non dangereux.
Pollution de l’air
♦ Articles 64,67 et 71 du code de la route promulgué par la loi n°99-71 du 26 juillet 1999
♦ Arrêté du ministre de l'Industrie du 13 avril 1996, portant homologation de la norme
tunisienne relative à l'air ambiant.
♦ Arrêté du ministre de l’Industrie du 3 avril 1997, portant homologation de la norme
tunisienne relative aux valeurs limites d’émission des polluants des ciments.
Pollution des eaux
♦ Décret n° 85-56 du 2 janvier 1985, relatif à la réglementation des rejets dans le milieu
récepteur.
♦ Arrêté du ministre de l’Economie Nationale du 20 juillet 1989, portant homologation de la
norme tunisienne des rejets en milieu hydrique.
Etudes d’impact :
♦Art. 5 de la loi n° 88-91 du 2 août 1988, portant création d'une Agence Nationale de
Protection de l’Environnement telle que modifiée et complétée par la loi n° 92-115 du 30
novembre et la loi n° 2000-14 du 30 janvier 2000 portant simplification des procédures
administratives relatives aux autorisations délivrées par le ministère de l’environnement et de
l’aménagement du territoire.
♦ Décret n° 2005-1991, relatif à l’étude d'impact sur l'environnement et fixant les catégories
d’unités soumises à l’étude d’impact sur l’environnement et les catégories d’unités soumises
aux cahiers des charges
2. Recommandations de l’Organisation Mondiale de la Santé OMS/WHO
L’organisation mondiale de la santé OMS a publié en 1999 la deuxième édition des directives
de qualité de l’air pour l’Europe (WHO – Air Quality Guidelines for Europe). Ces directives,
valeurs guides et informations complémentaires, doivent permettre aux pays d’établir leurs
normes nationales et régionales de qualité de l’air afin protéger la santé humaine des effets
néfastes de la pollution atmosphérique. Ces directives sont technologiquement pratiques et
tiennent compte des contraintes sociales, économiques et culturelles actuelles.
Annexe 2 Page 175

Tableau 3. Valeurs guides de l’OMS - 1999
Polluants Période Recommandations O.M.S

𝑆𝑂2 Dioxyde de soufre et année 50 µg/𝑚3
Acidité Forte par extension Jour 125 µg/𝑚3
10 mn <500 µg/𝑚3
PS- Poussières en suspension année
Et FN Fumées Noires Jour
𝑁𝑂2 Dioxyde d’azote année 40 µg/𝑚3
heure 200 µg/𝑚3
CO heure 30 µg/𝑚3
Fluor année 1 µg/𝑚3
Pour les pays non européens, ce sont les valeurs guides de 1990 qui sont à respecter
Tableau 4. Valeurs guides de l’OMS - 1990a
Annexe 2 Page 176

3. Législation et réglementations Européennes (UE)
La Communauté Européenne, à l’heure actuelle, est régie par la directive 1999/30/CE du 22

avril 1999, qui fixe les valeurs limites et le nombre maximal des dépassements admis pour
l'anhydride sulfureux, le dioxyde d'azote et les oxydes d'azote, les particules et le plomb dans
l'air ambiant à l’horizon de 2005 et 2010.
Nous indiquons ci-après les valeurs relatives au 𝑆𝑂2, paramètre qui nous intéresse
Tableau 5. Valeurs de la directive pour le 𝑆𝑂2de la directive 1999/30/CE
Protection Temps de base Valeur limite Nombre maximal

(µg/𝒎𝟑 ) de dépassement
admis
Santé * 1 heure 350 24
3 heures -- --
Santé * 24 heures 125 3
Ecosystème ** 1 an 20 --
1 hiver (1/10 à 31/1)
* Ces valeurs limites sont en vigueur à partir du 01/01/2005

** En territoires ruraux : 2 ans après l’entrée en vigueur de la directive, stations
représentatives de 1000 km².
A noter que le seuil d’alarme est fixé à 500 μg/m3 durant 3 heures consécutives.
Concernant le Fluor, l’UE ne dispose pas de valeurs normes actuellement.
4. Comparaison des différentes réglementations
Nous nous intéresserons aux deux paramètres concernés par notre projet, à savoir le Fluor et
le SO2.
Fluor
Concernant le Fluor, seule l’OMS à proposée une valeur guide de bien être de 1 μg/m 3, et des
valeurs guides de santé comprise entre 0,5 et 3 μg/m3. Ce sont ces valeurs qui seront retenues
pour l’évaluation des rejets de Fluor de la future unité.
Annexe 2 Page 177

SO2
La norme tunisienne indique comme valeurs guide de bien être les mêmes valeurs que celles
de l’OMS, pour les moyennes annuelles et journalières, et les mêmes que celles de l’UE pour
les valeurs moyennes de 24 h.
Mais cette norme indique également des valeurs limites de santé publique, qui sont moins
exigeantes.
Le projet étant réalisé en Tunisie, nous nous devons de respecter les valeurs contraignantes de
la norme NT 106-04 (valeurs limites de santé publique), bien qu’elles soient plus tolérantes
que les valeurs guides de l’OMS ou celles de l’UE.
Annexe 2 Page 178

La Méthode CML 2001 et principaux indicateurs environnementaux
1. Méthode CML 2001
En 2001, un groupe de scientifiques sous la direction de CML (centre de sciences de

l’environnement de Leiden) a proposé une série de catégorie d’impacts et les méthodes de
caractérisation pour l’étape de l’évaluation de l’impact.
Selon le guide de la méthode présenté en 2002, la méthode CML est basée sur une approche
mid-points qui englobe l’ensemble des émissions et des ressources, les impacts liés pour
lesquelles les méthodes de caractérisation pratique et acceptable sont disponibles. Pour la
plupart des catégories d’impacts, les références et les listes complètes de caractérisation ainsi
que les facteurs de normalisation sont fournis.
Pour les deux critères : écotoxicité et toxicité humaine, ils s’inspirent des travaux présentés
par Huijbregts.
Ainsi, le manuel de la méthode fournit des facteurs de caractérisation pour plus de 1500
différents résultats.
Nous présentons dans la figure suivante les différentes catégories d’impacts évaluées dans la
méthode CML 2001.
2. Principaux indicateurs environnementaux
- Potentiel de réchauffement global : est une estimation de la façon dont une masse
donnée de gaz à effet de serre contribue au réchauffement climatique.
Annexe 3 Page 179

- Potentiel d’acidification : est l'augmentation de la quantité de substances acides dans

l'atmosphère.
- Potentiel de création d'ozone photochimique : (ou POCP) très souvent défini
comme le brouillard d'été, est le résultat de réactions qui ont lieu entre les oxydes
d'azote NOx et les composés organiques volatils (COV) exposés à des radiations UV.
- Potentiel de toxicité humaine : exprime le danger potentiel des produits chimiques
rejetés dans l'environnement. HTP comprend à la fois la toxicité intrinsèque et la
relation générique sources-à-dose pour les émissions de polluants.
- Potentiel d’eutrophisation : est défini comme le potentiel d'un apport excessif en
éléments nutritifs susceptibles de provoquer le phénomène d'eutrophisation.
Annexe 3 Page 180

PUBLICATIONS SCIENTIFIQUES
Le travail de cette thèse a aboutit aux publications scientifiques suivantes :
1. Articles
[A1] Hichem HASSINE, Maher BARKALLAH, Alain BELLACICCO, Jamel LOUATI,

Alain RIVIERE and Mohamed HADDAR, Multi objectives optimization for sustainable
manufacturing. Application in turning, International Journal of Simulation Modelling. Vol.14,
No1, pp 98-110. [2015]
2. Communications
[C1] Hichem HASSINE, Alain BELLACICCO, Maher BARKALLAH, Jamel LOUATI,

Alain RIVIERE and Mohamed HADDAR, Analyse de cycle de vie et application de la
méthode bilan carbone pour une chaîne de production : application pour la chaîne de
production de l’acide phosphorique, 5ème congrès International Conception et Modélisation
des Systèmes Mécaniques, CMSM’2013,25-27 Mars, Djerba (Tunisie)
[C2] Hichem HASSINE, Maher BARKALLAH, Alain BELLACICCO, Jamel LOUATI,

Alain RIVIERE and Mohamed HADDAR, Optimization of cutting parameters in end milling
process based particle swarm optimization tool, JSM 2014, 17-19 Mars Mahdia (Tunisie)
[C3] M. BARKALLAH, H.HASSINE, A. BELLACICCO, J. LOUATI, A. RIVIERE and M.

HADDAR, “Sustainable manufacturing: modeling and optimization at the production of
sulfuric acid”, MMSSD 2014, 17-19 Décembre, Sousse- Tunisie
Résumé:
Cette thèse se focalise sur la proposition et l’application des approches pour la modélisation
de l’éco-fabrication. Ces approches permettent de préparer et simuler une démarche de
fabrication des produits en assurant le couplage entre les objectifs écologiques et
économiques.
Les approches développées dans cette thèse sont basées sur les notions d’aide à la décision
ainsi que l’optimisation multi objectifs. L’aide à la décision permet l’intervention en deux
différents niveaux : le choix des impacts environnementaux à quantifier ainsi que le choix du
scénario final de fabrication. Pour l’optimisation multi objectifs, elle assure le couplage entre
les deux piliers principaux de l’éco-fabrication : l’écologie et l’économie. Au niveau de l’aide
à la décision multi critères, les méthodes Evamix et Promethee ont été appliqués, tandis que
les essaims particulaires ont été développés dans le cadre de l’optimisation multi objectifs.
Ces approches ont été appliquées tout d’abord aux quelques opérations d’usinage : tournage et
fraisage. Finalement, la chaîne de fabrication de l’acide phosphorique ainsi que celle d’acide
sulfurique ont été le sujet de l’application des deux approches développées.
Mots clés: Eco-fabrication, Optimisation multi objectifs, Aide à la décision multi critères,
Essaim particulaires, Evamix, Promethee
Abstract:
This thesis focuses on the proposal and implementation of approaches for modeling
sustainable manufacturing. These approaches are used to prepare and simulate a process of
manufacturing products providing coupling between environmental and economic objectives.
The approaches developed in this thesis are based on the concepts of decision support as well
as multi-objective optimization. The decision support allows intervention in two different
levels: the choice of indicator to quantify the environmental impacts and the choice of the
final manufacturing scenario. For multi-objective optimization, it provides the coupling
between the two main pillars of sustainable manufacturing: ecology and economy. In terms of
multi criteria decision aid methods, Evamix and Promethee were applied, while particulate
swarms were developed as part of the multi-objective optimization.
These approaches have been applied initially to some machining operations: turning and
milling. Finally, the production line of phosphoric acid and sulfuric acid were the subject of
application of the two approaches developed.
Key word: Sustainable manufacturing, multi objective optimization, multi criteria decision
aid, particle swarm, Evamix, Promethee

Thèse Hichem

Transféré par

Droits d'auteur :

Formats disponibles

Thèse Hichem

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Thèse Hichem

Transféré par

Droits d'auteur :

Formats disponibles

Modélisation, simulation et optimisation pour

To cite this version:

HAL Id: tel-01158561

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

École Doctorale : École Centrale Paris (ED287)\ Ecole Nationale d’Ingénieurs

Spécialité : Génie Mécanique

Laboratoire d’accueil : LISMMA (EA2336)\ LA2MP

Modélisation, Simulation et Optimisation pour

Devant un jury composé de :

M. RIVIERE Alain Professeur des Universités SUPMECA

Table des matières

Introduction Générale et Problématique .......................................................................... 1

5.1. Les méthodes déterministes………………………………………………………..…………....36

5.1.1. Les méthodes de gradient………………………………………..……………………………36

5.1.2. La méthode de Newton………………………………………………………………….…….37

5.2. Les méthodes stochastiques……………………………………………………………………..37

5.2.1. Les algorithmes génétiques……………………………………………………………...…….38

5.2.2. La méthode de recuit simulé…………………………………………………………………..41

5.2.3. La méthode de Recherche Tabou…………………………………………………….………42

5.2.4. Optimisation par Colonie de Fourmis………………………………………………………..43

5.2.5. Les essaims particulaires……………………………………………………………….……..44

Chapitre 2 : Approche Process pour la modélisation de l’éco-fabrication ... 48

3.5.2. Problématique de pondération en éco-fabrication ................................................... 64

Chapitre 3 : Approche produit pour la modélisation de l’éco-fabrication ... 87

2.4.3. Les AG pour l’optimisation multi objectifs ............................................................. 100

Chapitre 4 : Etudes de cas .................................................................................................... 114

2.2.4. Limitation sur la résistance à la déformation de l’outil de coupe ......................... 124

3.8.2. Echangeur gaz-gaz froid côté calandre ................................................................... 143

Conclusion générale et perspectives ................................................................................ 148

Liste des figures

Figure 1.1. Les piliers du développement durable………………..……………….……..…….5

Figure.1.26. Opération de croisement…………………………………………………...……40

Figure.1.27. Opération de mutation…………………………………………………………..40

Figure.1.28. Opération de codage…………………………………………………………….40

Figure.1.29. Algorithme de recuit simulé…………………………………………………….42

Figure 2.1. Algorithme générale de la modélisation d’éco-fabrication…………………....…49

Figure 2.18. Potentiel d’acidification……………………...………………………………….77

Figure 2.20. Potentiel de réchauffement climatique………………………………….………78

Figure 3.1. Approche Produit pour la modélisation d’éco-fabrication………………….……88

Figure 4.1. Evolution des paramètres de coupes…….……………………………….……...119

Figure 4.15. Evolution de la température à la sortie du 1er lit de conversion……………….141

Liste des tableaux

Tableau 2.1. Classification des MADMC selon la matrice inputs/outputs (Hammami A.

Tableau 4.1. Données de simulation…………………………………….…………....……..118

Liste des acronymes utilisés dans le texte, et

ACV : Analyse du Cycle de Vie

SETAC: Société de Toxicologie et Chimie Environnementales

Introduction Générale et Problématique

Introduction Générale et Problématique Page 1

La maîtrise de la dimension écologique de la fabrication a constitué le point de départ pour la

Le travail de recherche effectué est présenté sous forme de quatre chapitres.

Le deuxième et le troisième chapitre sont consacrés pour la présentation des différentes

Introduction Générale et Problématique Page 2

Le quatrième chapitre présente les différentes études de cas développées pour la

Introduction Générale et Problématique Page 3

1. Durabilité et notion de développement durable

En 1987, la commission de BRUNTLAND a défini pour la première fois la notion du

Chapitre 1 : Etude Bibliographique Page 4

Figure 1.1. Les piliers du développement durable (DD)