Le 01/03/2023 par Alex :
Thèse de doctorat (rentrée 2023)
Aide à la Prise Interactive de Décisions pour des problèmes d’Ordonnancement
Localisation : Lab-STICC, UMR CNRS 6285, Université Bretagne Sud, Lorient
Directeur : Marc SEVAUX Encadrant : Alexandru OLTEANU
Contact : marc.sevaux@univ-ubs.fr; alexandru.olteanu@univ-ubs.fr
Sujet
Suite à l’avènement de la quatrième révolution industrielle, des quantités de plus en grandes de données sont collectées et utilisées dans les systèmes de production afin de soutenir la prise de décision à tous les niveaux d’une organisation. Dans de nombreux cas, les objets de décision correspondent
à des scénarios de planification et/ou d’ordonnancement de la production, de réglage des machines, de génération d’horaires de la main-d’œuvre, etc. et doivent être construits à l’aide d’algorithmes complexes et coûteux en temps. De plus, les impacts de la sélection d’une solution s’étendent sur des
critères multiples et conflictuels, rendant leur choix non trivial.
La construction de telles solutions à des problèmes difficiles et à multiples facettes appartient au domaine de l’optimisation multi-objectif (OMO) tandis que la sélection d’alternatives de décision caractérisées par de multiples critères conflictuels appartient au domaine de l’aide à la décision multi-critères (AMCD). L’intégration des préférences du décideur dans l’OMO reste un domaine de recherche actif, tout comme la définition d’un processus d’aide à la décision en général.
L’objectif de cette thèse consiste dans la conception des approches d’optimisation multi-objectifs pour des problèmes d’ordonnancement dont leur taille et leur complexité ne permet pas de construire de manière exacte l’ensemble des solutions efficaces. L’utilisation d’un modèle de préférence pourrait orienter les recherches afin d’obtenir des solutions plus adaptées plus vite. Un processus d’aide à la décision sera conçu pour sélectionner un sous-ensemble de modèles et diriger les interactions avec le décideur afin de converger et paramétrer le modèle le plus adapté. Cela remettra l’humain au cœur de la décision et permettra la traçabilité et justification du processus décisionnel. Des sujets liées à la nature des informations demandés ainsi qu’à la charge cognitive du décideur seront également abordées.
Profil
• diplôme Master ou ingénieur;
• connaissances en algorithmique, optimisation, recherche opérationnelle et ordonnancement;
• compétences en programmation (julia, Python, C, C++);
• bonnes compétences en anglais et français.
Candidatures
Pour postuler les candidats doivent envoyer avant 15 mai 2023 dans un seul document PDF (par email aux deux adresses) :
• un CV détaillé avec d’éventuels référents et/ou lettres de recommandation;
• un relevé de notes du master ou de l’école d’ingénieur;
• une lettre de motivation écrite en français;
• le cas échéant, un résumé du stage de fin d’étude.
