EMN - Ecole des Mines de Nantes

Les recherches de l’équipe SLP portent sur la modélisation et le développement de méthodes de résolution pour l’optimisation de la performance des systèmes logistiques de biens et de service, à différents niveaux de décision (stratégique, tactique et opérationnel). Suivant les problématiques, les techniques développées et utilisées relèvent de la recherche opérationnelle, des statistiques et des processus stochastiques. Les domaines d’application couverts sont la conception, la planification, la gestion des opérations et la maintenance des systèmes logistiques.

Les verrous technologiques que nous cherchons à lever concernent la résolution efficace de problèmes de la littérature encore mal résolus de nos jours, par le développement de méthodes d’optimisation appropriées ainsi que la modélisation et la résolution de nouveaux problèmes rencontrés dans l’industrie et pour lesquels il n’existe pas encore de méthode de résolution. L’apport de l’équipe inclut donc le développement de nouvelles approches (heuristiques, méta‐heuristiques ou méthodes optimales), et aussi la modélisation et la résolution de nouveaux problèmes complexes. Les principaux enjeux sont de modéliser et résoudre des problèmes de grande taille en intégrant les contraintes réelles complexes des entreprises. Les travaux de recherche de l’équipe relèvent des trois domaines complémentaires décrits : conception et optimisation des réseaux logistiques et du transport, planification et ordonnancement de la production et des activités, maintien et surveillance des systèmes de production.

• Conception et optimisation des réseaux logistiques et du transport

Conception, planification et optimisation des réseaux logistiques
Cette thématique a pour objectif de résoudre des problèmes d’optimisation et d’aide à la décision qui se posent dans les chaînes logistiques. Nous nous intéressons aux problématiques novatrices de conception et optimisation de réseaux logistiques, en particulier pour les projets de développement durable, qui impliquent la prise en compte de nouveaux facteurs socio-économiques et environnementaux, comme la « mutualisation » des activités et des moyens entre les acteurs, ou la logistique inverse.

• Planification et ordonnancement des activités de production de biens et services

Ordonnancement des opérations (sous contraintes complexes, avec incertitudes)
Nous travaillons sur des problèmes complexes de type RCPSP (Resource constrained Project Scheduling Problem) et différentes extensions. Ces problèmes se trouvent parmi les plus difficiles de la littérature en ordonnancement et donne lieu à de nombreux travaux au sein de l’équipe : Evaluations par défaut, méthodes de résolution exactes et approchées. Nous nous intéressons également à l’ordonnancement avec regroupement de tâches (batch scheduling). Ce type de problèmes apparaît lorsque, dans un problème d’ordonnancement, une opération nécessite de traiter plusieurs objets en même temps par une ressource à capacité limitée et que ces objets ont des contraintes (tailles, poids, etc) qui obligent à choisir quels objets regrouper. Ces problèmes sont fréquents dans les industries chimiques, pharmaceutiques, aéronautiques et électroniques, où l’utilisation de fours, séchoirs ou autoclaves est fréquente. Alors que les problèmes de la littérature ne traitent que des objets identiques, nous avons étudié le problème avec des objets de tailles différentes dans le cas à une machine avec pour objectif la minimisation du retard maximum. Nous avons développé des heuristiques et des méthodes de branch-and-price pour les résoudre. Les problèmes d’ordonnancement étudiés considèrent en général que les caractéristiques du problème à résoudre (activités, ressources, contraintes…) sont totalement connues à l’avance et ne varient pas. Afin de proposer des modèles plus réalistes, nous nous intéressons au problème d’ordonnancement avec incertitude, afin de proposer des méthodes de résolution rapides permettant de réagir à une situation perturbée, mais également de proposer des solutions robustes aux éventuels aléas.

• Maintien et surveillance des systèmes de production

Surveillance de Procédés
La problématique scientifique générale de recherche de l’axe 3 de l’équipe SLP est la construction d’outils et de méthodes efficaces pour la prise de décision dans des contextes incertains. Les domaines d’application principalement visés sont principalement la planification de la maintenance et la surveillance des procédés de production. Contrôler et maîtriser pour optimiser les performances d'un système de production face aux aléas d’exploitation est une des préoccupations majeures des entreprises.
Plus spécifiquement, cet axe 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 afin de satisfaire à des exigences d’ordre économique, de disponibilité ou de risque données. La recherche de l’efficacité en termes de décision (réduire les temps de détection de la dérive d’un processus pour lequel les hypothèses classiquement adoptées ne sont pas respectées, permettre la prise de décision en maintenance dans des contextes globaux pour satisfaire des critères multiples et souvent contradictoires) montre les limites des approches traditionnelles dans les domaines concernés.
Les verrous scientifiques visés se concentrent autour de la proposition, d’une part, de nouveaux modèles technico-économiques pour l’optimisation des processus de décision sous incertitudes et, d’autre part, de nouvelles stratégies de détection de dérives prenant en compte des hypothèses moins classiques ou 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 empruntés aux Statistiques et aux Probabilités combinés à des méthodes d’optimisation stochastique.