In this thesis, we study a multi-product, multi-period (MPMP) production planning problem with uncertainty in the quality of ra~ materials a~d consequently in processes yields, as weIl as uncertainty in products demands. We first consider the randomness of processes yields. A two-stage stochastic pro gram with recourse is proposed to address the MPMP production planning problem with random yield. The random yields are modeled as scenarios with stationary probability distributions. The solution methodology is based on the sample average approximation scheme. The propo~ed two-stage stochastic model is applied as a novel approach for sawmill production planning. The stochastic sawmill production planning model is vatidated through Monte Carlo simulation. The computation"al results for a medium capacity sawmill highlight the significance of using the stochastic model as a viable tool for production planning instead of the deterministic model. Next, we study the robustness of customer service level in the MPMP production planning problem with random yield. Wepropose two robust optimization (RO) models with different service level variability measures. A decision framework is provided to select among the two RO models based on the decision maker's risk aversion level about the variability of service level for different yield scenarios. The superiority of robust optimization approach in generating more robust production plans, compared with stochastic programming, is confirmed through implemeiltation of the proposed RO models for a realistic scale sawmill. Finally, we study the random demand as another uncertain parameter, in addition to the random yield. Demand uncertainty is modeled as a dynamic stochastic data process during the planning horizon which is presented as a scenario tree. Yield scenarios are then integrated in each node of the demand scenario tree, constituting a hybrid scenario tree. Based on the hybrid scenario tree for the uncertain yield and demand, a multi-stage stochastic programming model is proposed which is full recourse for demand scenarios and simple recourse for yield scenarios. We conduct a case study with respect to a realistic-scale sawmill. Numerical results indicate that the solution to the multi-stage model is far superior to the solution to the mean-value deterministic and the two-stage stochastic models

Les travaux de cette thèse portent sur la planification de la production multi-produits, multi-périodes avec des incertitudes de la qualité de la matière première et ,de la demande. Un modèle de programmation stochastique à deux étapes avec recours est tout d'abord proposé pour la prise en compte de la non-homogénéité de la matière première, et par conséquent, de l'aspect aléatoire des rendements de processus. Ces derniers sont modélisés sous fonne de scénarios décrits par une distribution de probabilité stationnaire. La méthodologie adoptée est basée sur la méthode d'approximation par moyenne d'échantillonnage. L'approche est appliquée pour planifier la production dans tine unité de sciage de bois et le modèle stochastique est validé par simulation de Monte Carlo. Les résultats numériques obtenus dans le cas d'une scierie de capacité moyenne montrent la viabilité de notre modèle stochastique, en comparaison au modèle équivalent déterministe. Ensuite, pour répondre aux préoccupations du preneur de décision en matière de robustesse, nous proposons deuxmodèl.es d'optimisation robuste _utilisant chacun une mesure de variabilité du niveau de service différente. Un cadre de décision est développé pour choisir parmi les deux modèles d'optimisation robuste, en tenant compte du niveau du risque jugé acceptable q"uand à la variabilité du niveau de service. La supériorité de l'approche d'optimisation robuste, par rapport à la programmation stochastique, est confirmée dans le cas d'une usine de sciage de bois. Finalement, nous proposons un modèle de programmation stochastique qui tient compte à la fois du caractère aléatoire de la demande et du rendement. L'incertitude de la demande est modélisée par un processus stochastique dynamique qui est représenté par un arbre de scénarios. Des scénarios de rendement sont ensuite intégrés dans chaque nœud de l'arbre de scénarios de la demande, constituant ainsi .un arbre hybride de scénarios. Nous proposons un modèle de programmation stochastique multi-étapes qui utilise un recours complet pour les scénarios de la demande .et un recours simple pour les scénarios du rendement. Ce modèle est également appliqué au cas industriel d'une scierie et les résultats numériques obtenus montrent la supériorité du modèle stochastique multi-étapes, en comparaison avec le modèle équivalent déterministe et le modèle stochastique à deux étapes.