SLP - Systèmes Logistiques et de Production
Thématiques de l'équipe
Maîtrise des risques pour les systèmes industriels et les services
La problématique scientifique générale de recherche de cet axe relève de la prise de décision dans des contextes incertains. Plus spécifiquement, on s'intéresse à définir des stratégies permettant d'identifier au plus tôt l'apparition de défauts ou dérives de processus et de définir les actions à mettre en place pour les prévenir ou les corriger. La recherche de l'efficacité en termes de décision montre les limites des approches traditionnelles. Les verrous scientifiques à lever se concentrent autour de la proposition, d'une part de nouveaux modèles technico-économiques pour l'optimisation des processus de décision sous incertitudes, d'autre part de nouvelles stratégies de détection de dérives prenant en compte des hypothèses moins classiques et plus complexes. Les méthodologies développées consistent en la définition et la modélisation de l'évolution d'indicateurs de performance ainsi que l'estimation de l'impact d'une décision donnée sur leur évolution future. Les outils proposés reposent sur le développement de formalismes mathématiques élaborés qui sont empruntés aux statistiques et aux probabilités combinés à des méthodes d'optimisation stochastique.
Les domaines d'application visés sont principalement :
- la surveillance des procédés de production et de service,
- la modélisation et l'optimisation des politiques de maintenance.
- La modélisation des performances technico-économique de la maintenance et la maximisation de l'espérance de la durée de rentabilité des systèmes multi-composants (modélisation du processus de dégradation et de l'efficacité imparfaite des actions de maintenance, optimisation stochastique),
- la planification intégrée de la maintenance et de la production de biens (en lien avec la seconde thématique de l’équipe) en développant des méthodes et outils de résolution de ce problème conjoint (Heuristiques basées sur la relaxation Lagrangienne, Décomposition de Dantzig-Wolfe et génération de colonnes, Algorithmes génétiques, ...).
Conception, planification et ordonnancement des systèmes de production et de services
Certains projets de l'équipe porte sur des problématiques d'ordonnancement et de planification, abondamment rencontrés dans la littérature. L'équipe s'attache d'une part à mener différents travaux pour identifier et caractériser de nouveaux problèmes, émergeant dans des contextes actuels dont les préoccupations évoluent. Une première partie des travaux, d'ordre purement théoriques, peut être également inscrit dans l'axe transversal de l'équipe, notamment autour des approches de complexité : identification de sous-cas, preuve de NP-complétude en particulier. D’autre part, des travaux sont menés pour lever les verrous scientifiques autour de la résolution de problèmes dédiés par la proposition de méthodes résolution issues d'approches de la Recherche Opérationnelle : méthodes de résolution arborescentes, modélisation mathématiques, modèles de génération de colonnes, mais également différentes méta-heuristiques telles que Limited Discrepancy Search, Large Neighborhood Search, Tabu Search...Les différentes contributions de l'équipe se structurent essentiellement dans le champ de la conception de ligne de production (environnements reconfigurables, collaboratifs, etc...), l'ordonnancement d'atelier contexte à machines parallèles, batch processing, cross-dock...), ordonnancement de projet (prise en compte de compétence, précédence généralisées...), planification de production (maintenance et production conjointe, planification multi-site, intégration de risques financiers, etc...) et planification de ressources humaines (gestion de rendez-vous, rotation d'infirmières, ...) et peuvent trouver des applications aussi bien dans les secteurs de la production de biens (ou trouvera des exemples en production de pièces métalliques ou dans l'industrie aéronautique), que dans les services (système de santé, gestion de projet par exemple).
Conception et optimisation des réseaux logistiques et de transport
L’équipe SLP travaille au développement de modèles et algorithmes pour l’optimisation des transports. Les outils développés interviennent d’une part en aide à la décision sur un plan stratégique, principalement lors de la conception du réseau (supply chain, réseau de distribution / transport). Un second pan de contributions porte sur l’optimisation de tournées de véhicules, avec des applications au niveau opérationnel ou pour la simulation de systèmes en développement. Les contributions de l’équipe en optimisation des transports trouvent des applications aussi bien en transport de personnes, distribution de marchandises, transport au sein de la supply-chain ou dans les services. Les recherches visent soient à améliorer la performance des algorithmes pour la résolution de problèmes connus, soit à résoudre de nouveaux problèmes. Les recherches de l’équipe SLP en transport peuvent être présentées sur quatre plans majeurs :
Conception de réseaux logistiques, de la supply chain et de réseaux de transports :
- Intégration des aspects environnementaux dans la conception de la supply chain
- Conception de réseaux de distribution collaboratifs
- Conception de réseaux de bus
- Intégration des décisions de transports avec d’autres décisions organisationnelles :
- Optimisation conjointe des localisations de hubs logistiques et de tournées de véhicules
- Optimisation robuste de la production et la gestion des stocks de gaz conjointement avec les tournées de distribution
- Intégration de la planification de production et de la distribution
- Optimisation de tournées de véhicules dans le domaine des services (2) :
- Tournées de techniciens
- Transports sanitaires, transports spécialisés pour les personnes à mobilité réduite
- Collecte de déchets
Thèmes transversaux et fondamentaux
De nombreux travaux sont menés entre les axes de l’équipe. Les plus importants concernent la planification intégrée de la production et de la maintenance qui porte sur l'intégration de phénomènes stochastiques au sein du processus de planification de la production.
Par ailleurs, des contributions théoriques indépendantes ou parallèles aux travaux menés dans les trois axes historiques de l’équipe sont menés.
Un premier volet s’intéresse à la conception de méta-heuristiques pour la résolution de problèmes d'optimisation à un objectif :
- Contribution à la résolution de problèmes d’optimisation combinatoire avec la méta-heuristique ALNS : un grand nombre de travaux sont réalisés avec la méta-heuristique ALNS en tournées de véhicules et conception de réseaux. Ils contribuent à analyser plus précisément les composants clés de la méthode et la faire évoluer. Nous étudions en particulier l’hybridation de cette méthode avec la PLNE.
- Contribution à la résolution de problèmes d’optimisation continue avec la méta-heuristique PSO.
Un second volet adresse des verrous actuels rencontrés en optimisation multiobjectif. Il vise la proposition de nouvelles connaissances pour la résolution de problèmes d’optimisation multiobjectif de grande taille, soit combinatoires, soit en nombres mixtes. Des algorithmes performants sont produits pour faciliter le traitement de problèmes NP-difficiles multiobjectif en vue de les résoudre efficacement. En particulier, cela concerne des algorithmes fondés sur des approches polyédrales, intégrant des plans coupants, généralisant des méthodes bi-objectifs à des situations multiobjectif et allant vers la mise en place de méthodes de type branch-and-bound/cut multiobjectif. Les métaheuristiques multiobjectif complètent ce volet, notamment sous l’angle d’hybridation ou de matheuristiques. Ces travaux portent plus particulièrement les points suivants :
- Etude des liens entre relaxation et méthodes de scalarisation pour déterminer des ensembles bornant dans un contexte d’optimisation multi-objectif.
- Méthode de coupe et branch-and-cut dans un contexte d’optimisation multi-objectif.
- Méthodes dynamiques pour le choix des variables de branchement et le choix du noeud actif pour les algorithmes de types branch-and-bound et branch-and-cut multi-objectif.
- Algorithmes approchés en optimisation combinatoire multi-objectif et articulation dans un schéma en trois phases.
