Behnam Einabadi

Behnam Einabadi

Auto-generated profile, based on publicly available information

Behnam Einabadi

LIRIS Laboratory, UMR 5205 CNRS, INSA of Lyon, Villeurbanne cedex, France

Research Focus & Metrics

Academic Career Length

5Years (2022-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
4 July 2023 in Journal of Manufacturing Systems
Verified
Journal Article
Closed access
BEBehnam Einabadi
Behnam Einabadi
MMMehdi Mahmoodjanloo
Mehdi Mahmoodjanloo
Armand BaboliArmand Baboli
Armand Baboli
EREva Rother
Eva Rother

16 January 2022 in International Journal of Production Research
Verified
Journal Article
Closed access
MEMojtaba Ebrahimi
Mojtaba Ebrahimi
MMMehdi Mahmoodjanloo
Mehdi Mahmoodjanloo
BEBehnam Einabadi
Behnam Einabadi
Armand BaboliArmand Baboli
Armand Baboli
EREva Rother
Eva Rother
A newly emerging mass-individualisation concept has attracted increasing attention in recent years. However, this concept increases the complexity of manufacturing systems within organisations. In such systems, one of the main challenges is the sequencing problem, especially in dynamic environments where unpredictable events demand new constraints. In this context, the ability to use real-time data to make efficient, quick decisions has become one of the main priorities of managers. In this paper, based on a real-world case from Fiat Powertrain Technologies, we define a dynamic mixed-model assembly line sequencing problem with walking workers. In this context, each worker is assigned to a product for all assembly operations and moves from one station to another. A mathematical model is proposed to minimise production time. Since the problem is NP-hard, a hyper-heuristic is also developed to solve the problem. Moreover, a simulation-optimisation model is developed using FlexSim software to solve a real-world problem in a dynamic environment. Comparison of the results illustrates the effectiveness of using the simulation approach to dynamically solve such problems, especially in real-world cases. Finally, a thorough description of managerial insights is provided to indicate the applicability of the proposed approach.

8 April 2026
Verified
Thesis
Closed access
BEBehnam Einabadi
Behnam Einabadi
Nouvelles méthodes d'aide à la décision pour la maintenance prédictive dynamique basée sur la science des données et l'optimisation multi objectifs: La maintenance prédictive (PdM) a gagné en popularité ces dernières années dans les domaines industriels et académiques grâce à l'utilisation des données en temps réel de l'Industrie 4.0, permettant de surveiller l'état des équipements et d'estimer leur durée de vie restante (RUL). Cependant, la plupart des études se sont concentrées sur la prédiction des défaillances, négligeant la planification des interventions de maintenance. De plus, il est important de souligner que tous les équipements ne peuvent pas être entretenus uniquement par la PdM et nécessitent également la maintenance préventive (PvM). Cette thèse propose de nouvelles approches de PdM et PvM basées sur la science des données et l'optimisation mathématique, en abordant des questions clés telles que l'estimation de l'état de santé et/ou de la RUL des équipements, l'utilisation des données pour la prise de décision et la planification de la maintenance. Elle présente une approche globale de l'organisation de la maintenance prédictive, englobant toutes les stratégies de maintenance et comprenant plusieurs étapes interconnectées, de la description à la prise de décision prescriptive. Ces étapes incluent l'analyse de la criticité des équipements, l'identification de la stratégie de maintenance appropriée, l'acquisition des données nécessaires, la surveillance de l'état de santé et l'estimation de la RUL pour la stratégie PdM, ainsi que la planification des interventions de maintenance. Plusieurs méthodes, algorithmes et applications ont été développés et appliqués à l'usine FPT Powertrain Technologies Bourbon-Lancy. Une nouvelle approche d'identification de la stratégie de maintenance a été proposée, utilisant la prise de décision multicritère, les analyse ABC et sensibilité et l'identification de la fréquence optimale qui a permis d'identifier les équipements critiques, réduisant ainsi les achats d'urgence. Des indicateurs pertinents de maintenance ont été identifiés, et des tableaux de bord de visualisation ont été proposés pour surveiller la performance de la maintenance et faciliter les améliorations. Pour la surveillance de l'état des équipements et l'estimation de la RUL, une méthode d'indicateur de santé et un nouvel algorithme dynamique ont été proposés et appliqués à un système de chaîne de convoyage de peinture. Les résultats ont montré qu'il était possible d'estimer dynamiquement l'état de santé et la RUL. Un problème de planification simultanée PdM et PvM a également été étudié, avec un modèle d'optimisation mathématique visant à minimiser les coûts globaux tout en prenant en compte le groupement opportuniste des interventions. L'intégration des informations de RUL dans la planification de maintenance a montré des résultats prometteurs pour la réduction des coûts à moyen/long terme. En conclusion, cette thèse discute des défis de mise en œuvre de l'approche proposée dans d'autres entreprises, présente des perspectives managériales et propose des axes de recherche futurs.