Post-Doc
Forum 'Emplois' - Sujet créé le 2006-03-29
INRIA-LORRAINE
PROPOSITION DE STAGE POSTDOCTORAL, CAMPAGNE INRIA 2006
Ville: Metz
Intitulé du projet de recherche: Développement d'un outil intelligent de simulation basé sur l'optimisation pour l'analyse
des chaînes logistiques
Projet INRIA dans laquelle s'effectuerait le stage: MACSI-Metz
Responsable du stage: Dr. Lyès BENYOUCEF (Chargé de Recherche, INRIA)
Défis scientifiques de l'INRIA auxquels ce projet s'adresse:
1.Coupler modèles et données pour simuler et contrôler les systèmes complexes,
2.Concevoir et maîtriser les futures infrastructures des réseaux et des services de communication,
Projet de recherche
1- Motivations
Les outils existants de simulation sont capables d'évaluer des chaînes logistiques de tailles importantes et de tenir
compte de phénomènes aléatoires complexes. Néanmoins, ils présentent des manques importants dans la puissance de prises
de décisions. En effet, la majeure partie des problèmes de prise de décisions est typiquement résolue par des règles
spécifiques très simplifiées. A titre d’exemples, on peut citer, les règles Kanban et FIFO pour la gestion de la production,
les différentes règles (s, S), (R, Q), etc., pour la gestion des stocks. C’est pour cette raison que, faire intervenir
des outils d’optimisation lors de prise de décisions permettra à la simulation d’explorer les réelles performances d’une
chaîne logistique. Le plus problématique est l'utilisation des règles opérationnelles (règles d’ordonnancement, gestion
des stocks, planification du transport, etc.) pour l'évaluation des configurations possibles de la chaîne lors de sa
conception. Le choix des règles de pilotage pour une nouvelle chaîne logistique est presque impossible dû au fait que
les expertises humaines ne sont pas disponibles. D’autres parts, les outils actuels d'optimisation sont limités par
la non prise en compte des événements aléatoires. En effet, ils sont souvent basés sur des modèles déterministes et
la qualité des résultats dépend fortement de la qualité des données estimées telles que les prévisions des demandes
clients et la variabilité des quantités aléatoires. A l'avenir, le problème de conception et pilotage d’une chaîne
logistique deviendra de plus en plus critique car une chaîne sera conçue pour une courte durée et fréquemment modifiée
pendant que les entreprises changent de stratégies pour être présentes dans un environnement économique instable,
sous la pression de la globalisation et d’une concurrence croissante.
2- Objectifs du projet
Motivé par les limitations des outils existants de simulation et d'optimisation des chaînes logistiques, le but de
ce projet est de combiner les deux outils (simulation et optimisation) en un seul outil. Le projet vise à développer
un outil ‘intelligent’ de simulation avec un moteur incorporé d'optimisation pour résoudre divers problèmes de prise
de décisions rencontrés lors de la simulation d'une chaîne logistiques. Le projet de recherche évoluera en trois phases
respectivement: ‘identification des problèmes de décisions’, ‘développement de méthodes de résolution’ et
‘implémentation, intégration et validation de l’outil’.
2-1 Identification des problèmes de décisions
Il existe différents problèmes de prise de décisions lors de l’analyse (conception et/ou pilotage) de toute chaîne
logistique. Ces problèmes couvrent les trois niveaux décisionnels à savoir: stratégique, tactique et opérationnel.
Ils incluent les localisations des sites, choix des fournisseurs, plannings d’approvisionnement, de production, de
distribution, etc. La première phase démarre par l’identification de l’ensemble des problèmes de prise de décisions
rencontrés aux niveaux tactique et opérationnel pour lesquels des solutions sont nécessaires. On s'intéressera plus
particulièrement aux problèmes suivants:
1-Problèmes d’approvisionnement: choix des fournisseurs, affection des quantités de commandes, choix des modes
et connexions de transport, stratégies de stockage chez le donneur d’ordres, etc. Le problème (integrated supplier
selection, order splitting and transportation strategy problem) est connu comme difficile. Seuls quelques cas particuliers
(ex. deux fournisseurs connectés au donneur d’ordre en utilisant chacun une seule connexion avec un seul mode de transport)
ont été analysés et des méthodes de résolution optimales développées. Pour trois fournisseurs et plus, pas de résultats
analytiques ni de méthodes de résolution efficaces. Ainsi, on sera amené à examiner les cas de trois fournisseurs et plus.
2-Problèmes de production: choix des politiques d’ordonnancement des ordres de fabrication. Les centres de production
peuvent être modélisés soit comme une seule machine soit comme un atelier complexe. On retrouvera les problèmes classiques
d’ordonnancement sur une seule machine et ceux en ateliers spécialisés de types flow shop, job shop et open shop.
Certains problèmes sont faciles et pour lesquels des méthodes efficaces existes et d’autres difficiles pour lesquels
on est toujours à la recherche de méthodes optimales ou approchées.
3-Problèmes de distribution: choix des modes et connexions de transport. Dans une chaîne logistique le réseau de transport est le plus souvent complexe (différentes connexions avec différents modes de transport comme par exemple camion, train, bateau et avion). Des problèmes de types ‘tournée de véhicule avec ou sans capacité de transport’ seront abordés. Le problème est connu comme difficile et pour lequel quelques méthodes approches de résolution existent.
2-2 Développement de méthodes de résolution
Une fois identifiés, les problèmes de décisions sont formulés et résolus. Le choix de la formulation sera important pour
le développement de méthodes de résolution. Pour représenter les problèmes, on utilisera soit la programmation mathématique
(programmation linéaire, en nombres entiers, etc.) soit les codages des métaheuristiques (algorithme génétique,
méthode tabu, etc.). Pour la résolution, des méthodes de types Branch and Bound, goal programming, algorithmes génétiques,
tabu, etc., seront développés et l’efficacité testée.
2-3 Implémentation, intégration et validation de l’outil
La troisième phase concerne l’implémentation, l’intégration et la validation de l’outil. Les principales étapes sont les
suivantes:
1-Un modèle de simulation assez détaillé de la chaîne sera conçu.
2-Identification des situations qui nécessitent des appels pour des prises de décisions.
3-Appel des techniques de formulation et de résolution identifiées dans la première et la deuxième phases.
4-Communication de la solution obtenue par le module d’optimisation au simulateur (module de simulation) pour son utilisation.
Pour la validation de l’outil, plusieurs scénarios de chaînes logistiques de niveaux de complexités différents seront
générés et analysés. Pour l’instant, on dispose de deux cas d’études des deux partenaires industriels de MACSI,
à savoir HiTec et Fiat.
1-Le premier cas d’étude est proposé par HiTec pour l’industrie textile. Le problème consiste à déterminer la meilleure stratégie de sélection des fournisseurs, des politiques de répartition des ordres d’achat (donneur d’ordre-fournisseur), de stockage chez le donneur d’ordres et de transport des fournisseurs au donneur d’ordres.
2-Le deuxième cas d’étude est proposé par Fiat pour l’industrie automobile (production et distribution de la PUNTO de l’Italie vers l’Allemagne). Le problème consiste à déterminer les meilleures stratégies de production dans les lignes d’assemblage, de stockage dans les centres de distribution, de transport des usines aux concessionnaires en passant par les centres de distribution et en utilisant différentes connexions et modes de transport.
Profil du candidat: Le candidat doit avoir son titre de docteur avec des compétences en:
1-Supply chain (modélisation, analyse et évaluation de performances),
2-Optimisation et simulation,
3-Programmation (au moins C++).
Durée nominale du stage: 12 mois
Contact:
Dr. Lyès Benyoucef,
INRIA-MACSI, ISGMP-Bat. A,
Ile du Saulcy, 57045 METZ, FRANCE
Tel: +33 3 87 54 73 63, Fax: +33 3 87 54 72 77,
Email: lyes.benyoucef@loria.fr
PROPOSITION DE STAGE POSTDOCTORAL, CAMPAGNE INRIA 2006
Ville: Metz
Intitulé du projet de recherche: Développement d'un outil intelligent de simulation basé sur l'optimisation pour l'analyse
des chaînes logistiques
Projet INRIA dans laquelle s'effectuerait le stage: MACSI-Metz
Responsable du stage: Dr. Lyès BENYOUCEF (Chargé de Recherche, INRIA)
Défis scientifiques de l'INRIA auxquels ce projet s'adresse:
1.Coupler modèles et données pour simuler et contrôler les systèmes complexes,
2.Concevoir et maîtriser les futures infrastructures des réseaux et des services de communication,
Projet de recherche
1- Motivations
Les outils existants de simulation sont capables d'évaluer des chaînes logistiques de tailles importantes et de tenir
compte de phénomènes aléatoires complexes. Néanmoins, ils présentent des manques importants dans la puissance de prises
de décisions. En effet, la majeure partie des problèmes de prise de décisions est typiquement résolue par des règles
spécifiques très simplifiées. A titre d’exemples, on peut citer, les règles Kanban et FIFO pour la gestion de la production,
les différentes règles (s, S), (R, Q), etc., pour la gestion des stocks. C’est pour cette raison que, faire intervenir
des outils d’optimisation lors de prise de décisions permettra à la simulation d’explorer les réelles performances d’une
chaîne logistique. Le plus problématique est l'utilisation des règles opérationnelles (règles d’ordonnancement, gestion
des stocks, planification du transport, etc.) pour l'évaluation des configurations possibles de la chaîne lors de sa
conception. Le choix des règles de pilotage pour une nouvelle chaîne logistique est presque impossible dû au fait que
les expertises humaines ne sont pas disponibles. D’autres parts, les outils actuels d'optimisation sont limités par
la non prise en compte des événements aléatoires. En effet, ils sont souvent basés sur des modèles déterministes et
la qualité des résultats dépend fortement de la qualité des données estimées telles que les prévisions des demandes
clients et la variabilité des quantités aléatoires. A l'avenir, le problème de conception et pilotage d’une chaîne
logistique deviendra de plus en plus critique car une chaîne sera conçue pour une courte durée et fréquemment modifiée
pendant que les entreprises changent de stratégies pour être présentes dans un environnement économique instable,
sous la pression de la globalisation et d’une concurrence croissante.
2- Objectifs du projet
Motivé par les limitations des outils existants de simulation et d'optimisation des chaînes logistiques, le but de
ce projet est de combiner les deux outils (simulation et optimisation) en un seul outil. Le projet vise à développer
un outil ‘intelligent’ de simulation avec un moteur incorporé d'optimisation pour résoudre divers problèmes de prise
de décisions rencontrés lors de la simulation d'une chaîne logistiques. Le projet de recherche évoluera en trois phases
respectivement: ‘identification des problèmes de décisions’, ‘développement de méthodes de résolution’ et
‘implémentation, intégration et validation de l’outil’.
2-1 Identification des problèmes de décisions
Il existe différents problèmes de prise de décisions lors de l’analyse (conception et/ou pilotage) de toute chaîne
logistique. Ces problèmes couvrent les trois niveaux décisionnels à savoir: stratégique, tactique et opérationnel.
Ils incluent les localisations des sites, choix des fournisseurs, plannings d’approvisionnement, de production, de
distribution, etc. La première phase démarre par l’identification de l’ensemble des problèmes de prise de décisions
rencontrés aux niveaux tactique et opérationnel pour lesquels des solutions sont nécessaires. On s'intéressera plus
particulièrement aux problèmes suivants:
1-Problèmes d’approvisionnement: choix des fournisseurs, affection des quantités de commandes, choix des modes
et connexions de transport, stratégies de stockage chez le donneur d’ordres, etc. Le problème (integrated supplier
selection, order splitting and transportation strategy problem) est connu comme difficile. Seuls quelques cas particuliers
(ex. deux fournisseurs connectés au donneur d’ordre en utilisant chacun une seule connexion avec un seul mode de transport)
ont été analysés et des méthodes de résolution optimales développées. Pour trois fournisseurs et plus, pas de résultats
analytiques ni de méthodes de résolution efficaces. Ainsi, on sera amené à examiner les cas de trois fournisseurs et plus.
2-Problèmes de production: choix des politiques d’ordonnancement des ordres de fabrication. Les centres de production
peuvent être modélisés soit comme une seule machine soit comme un atelier complexe. On retrouvera les problèmes classiques
d’ordonnancement sur une seule machine et ceux en ateliers spécialisés de types flow shop, job shop et open shop.
Certains problèmes sont faciles et pour lesquels des méthodes efficaces existes et d’autres difficiles pour lesquels
on est toujours à la recherche de méthodes optimales ou approchées.
3-Problèmes de distribution: choix des modes et connexions de transport. Dans une chaîne logistique le réseau de transport est le plus souvent complexe (différentes connexions avec différents modes de transport comme par exemple camion, train, bateau et avion). Des problèmes de types ‘tournée de véhicule avec ou sans capacité de transport’ seront abordés. Le problème est connu comme difficile et pour lequel quelques méthodes approches de résolution existent.
2-2 Développement de méthodes de résolution
Une fois identifiés, les problèmes de décisions sont formulés et résolus. Le choix de la formulation sera important pour
le développement de méthodes de résolution. Pour représenter les problèmes, on utilisera soit la programmation mathématique
(programmation linéaire, en nombres entiers, etc.) soit les codages des métaheuristiques (algorithme génétique,
méthode tabu, etc.). Pour la résolution, des méthodes de types Branch and Bound, goal programming, algorithmes génétiques,
tabu, etc., seront développés et l’efficacité testée.
2-3 Implémentation, intégration et validation de l’outil
La troisième phase concerne l’implémentation, l’intégration et la validation de l’outil. Les principales étapes sont les
suivantes:
1-Un modèle de simulation assez détaillé de la chaîne sera conçu.
2-Identification des situations qui nécessitent des appels pour des prises de décisions.
3-Appel des techniques de formulation et de résolution identifiées dans la première et la deuxième phases.
4-Communication de la solution obtenue par le module d’optimisation au simulateur (module de simulation) pour son utilisation.
Pour la validation de l’outil, plusieurs scénarios de chaînes logistiques de niveaux de complexités différents seront
générés et analysés. Pour l’instant, on dispose de deux cas d’études des deux partenaires industriels de MACSI,
à savoir HiTec et Fiat.
1-Le premier cas d’étude est proposé par HiTec pour l’industrie textile. Le problème consiste à déterminer la meilleure stratégie de sélection des fournisseurs, des politiques de répartition des ordres d’achat (donneur d’ordre-fournisseur), de stockage chez le donneur d’ordres et de transport des fournisseurs au donneur d’ordres.
2-Le deuxième cas d’étude est proposé par Fiat pour l’industrie automobile (production et distribution de la PUNTO de l’Italie vers l’Allemagne). Le problème consiste à déterminer les meilleures stratégies de production dans les lignes d’assemblage, de stockage dans les centres de distribution, de transport des usines aux concessionnaires en passant par les centres de distribution et en utilisant différentes connexions et modes de transport.
Profil du candidat: Le candidat doit avoir son titre de docteur avec des compétences en:
1-Supply chain (modélisation, analyse et évaluation de performances),
2-Optimisation et simulation,
3-Programmation (au moins C++).
Durée nominale du stage: 12 mois
Contact:
Dr. Lyès Benyoucef,
INRIA-MACSI, ISGMP-Bat. A,
Ile du Saulcy, 57045 METZ, FRANCE
Tel: +33 3 87 54 73 63, Fax: +33 3 87 54 72 77,
Email: lyes.benyoucef@loria.fr