Thèse : Optimisation de l'ordonnancement avec considération énergétique

L’optimisation des systèmes de production représente un enjeu important pour les industriels. Etant donné que la consommation énergétique de ses systèmes se traduit par des coûts non négligeables et des contraintes environnementales incontournables, de nos jours, la prise en compte de ces aspects devient indispensable pour des raisons économiques, sociétales et environnementales. Au-delà de la prise de conscience incontournable pour préserver notre planète, il faut noter que la plupart des énergies utilisées sont basées sur des ressources limitées dont les prix tendent à augmenter, et dont la législation relative à leur utilisation devient de plus en plus contraignante pour les entreprises. On observe donc une préoccupation générale croissante concernant les aspects énergétiques de notre vie quotidienne. De plus, dans le cadre de la transition industrielle (industrie 4.0), les enjeux environnementaux sont bien présents. L’usine est appelée à réduire au maximum son empreinte environnementale. Elle devra relever le défi de l’efficacité énergétique et de l’utilisation des ressources.
Dans les industries, les systèmes de production peuvent être sous plusieurs configurations ; à savoir, système à une seule machine, système de type flow-shop, système de type job-shop ou encore système à machines parallèles, où chaque machine est caractérisée par une puissance.     
Parmi les décisions à prendre dans la gestion des systèmes industriels, se trouve la problématique opérationnelle de l'ordonnancement. Il s'agit de déterminer l'ordre de passage des ordres de fabrication dans le système de production pour optimiser un ou plusieurs critère(s) comme maximiser la productivité ou minimiser les retards par exemple. Les travaux de cette thèse ont pour objectif de développer des modélisations concernant le problème d’ordonnancement pour des systèmes à une seule machine et des systèmes plus complexes, avec considérations énergétiques (au niveau de l'objectif à optimiser ou au niveau des contraintes du problème).  En d’autres termes, Il s'agit de s'intéresser à la problématique d'optimisation de la gestion de la production à court terme tentant à concilier des objectifs et visant à rester compétitifs, tout en minimisant l'impact sur l'environnement.
Dans un premier temps, le doctorant sera amené à effectuer un état de l'art sur les travaux d'ordonnancement avec prise en compte de la consommation énergétique. Comme première étape, les problèmes d'ordonnancement à une machine seront étudiés. Des propriétés mathématiques, des algorithmes exacts et approchés performants seront développés.
Sur la base des travaux réalisés pour les systèmes  à une machine, la problématique pour des systèmes de production complexes sera alors abordée et des méthodes de résolutions seront développées.
Le doctorant est amené, à travers ce projet, à renforcer la collaboration du laboratoire avec un certain nombre de partenaires industriels avec qui nous avons l’habitude de travailler. Des tests sur des données issues de leurs systèmes de production seront réalisés afin de valider les différentes méthodes proposées par ces travaux de recherche.

Profil :

Le candidat doit être titulaire d'un diplôme de master en Informatique ou Mathématiques Appliquées, Recherche Opérationnelle ou discipline proche. Il doit également démontrer à la fois des capacités de programmation avancée et une très bonne connaissance  des outils d’optimisation combinatoire (programmation linéaire en nombres entiers, metaheuristiques, etc.). Une expérience dans le développement de méthodes de résolution pour des problèmes d'optimisation sera appréciée.

Le dossier de candidature doit être sous la forme d'un fichier pdf (si possible un seul fichier) incluant un curriculum vitae complet, les relevés de notes de master, les copies des diplômes les plus récents ainsi que, dans la mesure du possible, des lettres de recommandation et/ou le rapport de stage de Master.

Candidature :

Pour candidater, envoyez le dossier à :

Oussama Masmoudi : oussama.masmoudi@utt.fr

Alice Yalaoui : alice.yalaoui@utt.fr