|
|
|
Programme > Session dédiées
Pour la description de cette session spécial et les modalités de soumission, cliquez ici.
Pour la description de cette session spécial et les modalités de soumission, cliquez ici.
En plus des développements théoriques ayant conduit à des techniques très efficaces, les chercheurs ont toujours cherché à exploiter la structure inhérente des données et des instances de problèmes pour concevoir des techniques sur mesure visant à ajuster et améliorer les performances de leurs méthodes ad hoc (fixation de variables, etc.). De plus, les récents progrès en matière d'apprentissage automatique et d'apprentissage profond ont également entraîné des améliorations significatives dans les performances des techniques de résolution qui apprennent à résoudre des problèmes d'optimisation de manière optimale ou à trouver des solutions proches de l'optimalité de manière prouvée. Ainsi, les méthodes de classification et de régression viennent en soutien aux techniques classiques dans les algorithmes de recherche, les décisions de branchement et de découpage, l'estimation des propriétés primales et duales, et même dans des méthodes plus avancées et complexes. Les approches d'apprentissage profond utilisent diverses méthodes basées sur des réseaux neuronaux, telles que les réseaux de convolution graphique, les mécanismes d'attention et l'apprentissage par renforcement, pour apprendre des politiques permettant de trouver des solutions optimales. De nombreux résultats prometteurs ont été rapportés pour de nombreux problèmes, en particulier pour les problèmes d'optimisation combinatoire, qui constituent des éléments fondamentaux pour des problèmes d'optimisation plus complexes en logistique. Bien qu'il reste encore beaucoup de travail à faire pour améliorer l'efficacité de ces techniques, il existe déjà des techniques très sophistiquées disponibles. Cette session vise à attirer les techniques de pointe utilisées pour résoudre les problèmes d'optimisation qui apparaissent dans différents domaines de la logistique.
Les métaheuristiques sont des méthodes d'optimisation approchées utilisées pour la de problèmes d’optimisation réputés difficiles. Ces méthodes sont suffisamment génériques pour permettre une utilisation sur une large gamme de problèmes différents. Cependant, la paramétrisation de ces métaheuristiques s'avère complexe, et leur utilisation peut s'avérer coûteuse en termes de temps de calcul (exploration du voisinage, fonction-objectif complexe,…). Afin d’améliorer l’efficacité de ces méthodes, de nombreux travaux de recherche sont basés sur une hybridation de métaheuristiques, mais cette approche ne permet généralement pas de pallier les défauts précédemment cités, et a tendance au contraire à les amplifier. Une tendance actuelle consiste à utiliser des techniques d’apprentissage, notamment pour faciliter le paramétrage des métaheuristiques, leur hybridation, ou pour limiter les appels à la fonction d’évaluation. Cette session spéciale vise à mettre en avant tous les travaux qui intègrent des techniques d’apprentissage dans les métaheuristiques pour améliorer leurs performances et/ou en faciliter leur usage. Cette session spéciale a pour objectif de mettre en avant les travaux qui intègrent ces techniques d'apprentissage dans les métaheuristiques afin d'améliorer leurs performances et de simplifier leur utilisation.
Les problématiques de la RO et d’aide à la décision en santé sont souvent complexes à aborder dû à la spécificité du milieu (économique, fortement aléatoire, sensible, etc.). Cette thématique toujours émergente en France n’est pas seulement source de problèmes originaux mais nécessite aussi des manières spécifiques et techniques pour les résoudre. Cette session vise à regrouper les dernières contributions, réflexions et méthodes innovantes sur ce thème. Les problématiques de la RO en santé étant très vaste (gestion et logistique hospitalière, personnel médical, HAD, réseau de santé, politiques de santé, etc.), les participants sont invités à partager leurs expériences et résultats.
La recherche autour des problèmes de type Cutting and Packing (C&P), comme le Bin Packing, le Knapsack, le Strip Packing et le Cutting Stock, est active depuis plus de 50 ans. Inspiré de nombreuses applications industrielles, le bestiaire des problèmes de C&P s'est considérablement étoffé ces 20 dernières années. Ces problèmes sont classés en fonction des caractéristiques des objets (dimension, géométrie, fragilité, ...), des contraintes de production (coupes guillotines, orientation, nombre d'étages, ...) et du critère d'optimisation (mono-/multi-objectif, stochastique, ...). Cette session vise à regrouper les derniers travaux de recherche sur ce thème (variantes, complexité, méthodes exactes et heuristiques).
L'action transverse ROET du GDR R.O. propose une réflexion/recherche sur ces thématiques selon plusieurs axes.
Cette session portera sur les interactions entre recherche opérationnelle, optimisation et apprentissage automatique. Les exposés pourront notamment porter sur l'utilisation de la recherche opérationnelle au service de l'apprentissage automatique, ou inversement, sur l'utilisation d'outils issus de l'apprentissage automatique pour la recherche opérationnelle et les problèmes d'optimisation data-driven.
Avec la problématique écologique, certains se demandent comment la RO peut être utile: agriculture, énergie, transport, choix collectif, anticipation de risques... Que ce soit des propositions concrètes au niveau local ou global, ou pour prouver l'inutilité ou l'innocuité de certains choix.
Cette session s'adresse aux thématiques de recherche du groupe de travail Théorie Algorithmique de la Décision et des Jeux (TADJ), ayant pour objectif d’animer et de développer un groupe de discussion multi-disciplinaire (RO, IA, Choix Social, Théorie des Jeux) et d’aborder l’algorithmique de la théorie de la décision (décision multicritère sur domaine combinatoire, décision collective et choix social computationnel, décision séquentielle dans l’incertain et optimisation robuste) et la théorie des jeux algorithmique (calcul ou approximation d’équilibres, modélisation de processus de formation des coalitions et/ou des réseaux), en tenant compte des aspects stratégiques (stabilité des solutions, manipulation des préférences), du partage de l'information, de l'optimisation en présence d’interactions entre agents.
Cette session s'intéresse aux approches de type méta-heuristique quantique pour les problèmes de RO avec des expérimentations soient sur des machines de type DWave, Pasqal, IBM ou Atos.
Cette session s'intéresse aux approches quantiques appliquées à des problèmes spécifiques de RO (coloration de graphe, job-shop, TSP...)
Les ordinateurs quantiques deviennent rapidement de plus en plus puissants et de plus en plus applicables pour résoudre des problèmes dans le monde réel. Ils ont le potentiel de résoudre des problèmes d’optimisation combinatoire de grande taille, qui peuvent prendre un temps considérable sur les ordinateurs classiques. L'optimisation quantique est un domaine émergent qui se concentre sur l'utilisation des technologies de calcul quantique pour résoudre des problèmes d'optimisation combinatoire.
L’objectif de cette session est de discuter les derniers travaux sur les méthodes quantiques pour les problèmes d’optimisation combinatoire. Il s’agit de tout type de méthodes : exactes, approchés, hybrides ou inspirées. La session est également ouverte à la modélisation des problèmes d’optimisation combinatoire sous forme d’un QUBO (Quadratic Unconstrained Binary Optimization). Les sujets d'intérêt particuliers comprennent :
Cette session vise à regrouper des contributions sur le thème de l'optimisation bi-niveaux et ses applications. L'optimisation bi-niveaux s'intéresse à la formulation et à la résolution de problèmes d'optimisation dont certaines contraintes sont elles-mêmes des problèmes d'optimisation. Cette classe de problème d'optimisation se distingue par les difficultés qui découlent du traitement de ces contraintes représentant des problèmes d'optimisation. L'optimisation bi-niveaux permet, par exemple, la résolution de problèmes de tarification et de conception des réseaux qui tiennent compte des préférences des usagers ; ou encore l'évaluation de la vulnérabilité des systèmes. Ainsi, l'optimisation bi-niveaux est riche en applications dans les domaines de l'étude des marchés, de l'énergie, du transport et de la gestion des infrastructures. Cette session est ouverte aux contributions portant sur la théorie de l'optimisation bi-niveaux, sur le développement d'algorithmes pour la résolution des problèmes d'optimisation bi-niveaux, ainsi que sur les applications de l'optimisation bi-niveaux à des cas d'études.
La robustesse des décisions prescrites par les approches de recherche opérationnelle est constamment questionnée dans toutes les applications. Cette session sera dédiée à la présentation de contributions récentes dans le domaine de l'optimisation robuste. Ces contributions peuvent porter entre autres sur la proposition de méthodes d’optimisation combinatoire et de programmation mathématique pour la résolution de problèmes d’optimisation robuste, sur l’étude de problèmes de complexité soulevés par l'intégration des incertitudes dans le problème ou sur l'application de l'optimisation robuste dans des domaines tels que l'énergie, la logistique, les télécommunications ou la santé.
Les métaheuristiques sont une famille de concepts, souvent basés sur des modèles inspirés par la nature, et qui ont pour vocation de pouvoir s’appliquer à de nombreux problèmes d’optimisation difficile. Bien que le terme « métaheuristique » ne soit apparu qu’en 1986, certains de ses concepts sont connus et utilisés depuis parfois plus de 50 ans. Un demi-siècle durant lequel l’engouement suscité par les métaheuristiques n’a jamais fléchi, avec une littérature scientifique devenue presque aussi vaste que les espaces de recherche que ces méthodes sont censées parcourir ! L’objectif de cette session est de faire le point sur les avancées récentes dans le domaine des métaheuristiques. Nous nous intéressons plus particulièrement (sans nous limiter) aux thématiques suivantes : méthodes hybrides, matheuristiques, hyperheuristiques, couplages avec des techniques d'apprentissage, …
Dans un marché de plus en plus concurrentiel, la pression exercée sur les organisations les pousse à concevoir des systèmes pour produire et distribuer de manière toujours plus efficiente. Cela se traduit par un besoin de modéliser le système de manière plus approfondie,
Pour résoudre ces problèmes que nous qualifierons d’industriels, les métaheuristiques proposent un panel de composants qui peuvent être utilisés dans un processus global de résolution. Cela peut se faire en les hybridant avec des techniques d’optimisation provenant d’autres domaines de la recherche opérationnelle (méthodes exactes, programmation par contraintes, …), en les couplant avec des modèles d’évaluation de la performance (simulation à événements discrets, réseaux de Petri, réseaux de files d’attente, …) ou en les exploitant pour coordonner des modèles multi-échelles. L’objectif de cette session est de regrouper des travaux qui proposent des méthodes d’optimisation innovantes à base de métaheuristiques, appliquées à la résolution de problèmes d’optimisation concrets, en particulier issus du monde industriel.
Les problèmes de tournées de véhicules (TSP, VRP, DARP, ...) sont une famille de problèmes emblématique de l'optimisation combinatoire. Leur intérêt est autant théorique, pour illustrer ou tester des nouvelles approches de résolution, qu'applicatif, notamment dans le domaine du transport et de la logistique. Dans cette session, nous souhaitons mettre le focus sur des travaux traitant de ces problèmes, et proposant pour les résoudre des approches à base de métaheuristiques.
Les réseaux énergétiques intelligents sont des réseaux de distributions d’énergie rendus intelligents par des systèmes informatiques, des capteurs,des interfaces informatiques et électromécaniques. Leur donnant ainsi des capacités d'autonomie en matière de calcul, de gestion de flux et de traitement de l'information. Ils peuvent être présentés comme des composantes des villes intelligentes offrant un moyen concourant à la réduction des émissions de gaz à effet de serre et à la lutte contre le réchauffement climatique. Ils permettent de mieux intégrer, gérer et optimiser les énergies intermittentes, éolien et solaire notamment. Ce qui induit d’importantes économies d'énergie, l’optimisation de la sécurité du réseau et la réduction des coûts. La modélisation et la résolution des problèmes d’optimisation émanant des réseaux intelligents ouvrent des champs de recherche très diversifiés. L’objectif de cette session est de permettre aux chercheurs académiques et industriels développant des approches pour l’optimisation des réseaux énergétiques intelligents de présenter leurs travaux et d’échanger avec les membres de notre communauté.
Les problèmes de partitionnement de graphe ou de clustering sont présents sous diverses variantes dans de nombreux domaines : conception de réseaux, classification, systèmes complexes, calcul haute performance, électronique, physique statistique… Les solutions proposées sont également très diverses et peuvent faire intervenir des méthodes exactes ou approchées : programmation mathématique, optimisation multi-niveaux, heuristiques, metaheuristiques… Le but de cette session est d’offrir une occasion de discuter des avancées récentes pour les problèmes de partitionnement de graphe et de clustering. Les travaux qui concernent une nouvelle application ou une nouvelle variante de partitionnement de graphe sont particulièrement bienvenues, ainsi que les travaux sur des nouvelles formulations ou algorithmes, ou les analyses pour les solutions exactes ou approchées.
Cette session vise à regrouper des travaux liés aux thématiques de l'axe, et notamment :
Les opérations de stockage et de transport dans les entrepôts logistiques donnent lieu à des problématiques de RO riches et variées, avec une composante industrielle importante. Avec le développement du e-commerce, les délais de livraison sont raccourcis, et l'exigence de réactivité est accrue. Cela se traduit par un intérêt renouvelé pour les algorithmes d'optimisation, afin de garantir un niveau de performance élevé dans un contexte industriel de plus en plus dynamique. De nouvelles pratiques industrielles commencent également à émerger, par exemple le scatter storage, l'automatisation et l'utilisation de robots, ou la préparation de commande dynamique. Cette session regroupe les contributions visant à optimiser les opérations d'un entrepôt logistique. Les thématiques abordées englobent les décisions stratégiques (layout), tactiques (stockage, zoning, planification des effectifs) et opérationnelles (batching, tournées de préparation de commandes).
Les déplacements personnels (vers les lieux de travail, loisirs, et activités sportives) et les transports de marchandises sont impactés par la saturation des réseaux de transport urbain. On peut citer comme contraintes récentes, les zones à faible émissions qui pénalisent certains véhicules. Cette session est consacrée aux modèles et méthodes qui ont pour objectif l'amélioration de la logistique en ville dont l'utilisation des véhicules autonomes, des vélos, des robots ou la livraison multi-échelon avec la gestion efficace d'entrepôt en milieu urbain.
Cette session met l'accent sur les méthodes novatrices de résolution des problèmes de transport et de tournées de véhicules : approches exactes, heuristiques, hybrides...
L’optimisation d’un réseau logistique passe par la définition et l’exploitation efficace des ressources le long de la chaîne : installations de production ou de stockage, ressources de transport, ressources dites mobiles (Returnable Transport Items, telles que palettes, caisses…)… Les verrous scientifiques sont liés en particulier à la localisation, au dimensionnement (taille des flottes de véhicules, capacité des ressources…), à l’affectation, à la planification, à l’ordonnancement de ces ressources. Les problématiques adressées doivent tenir compte de l’évolution permanente du contexte mondial : digitalisation des processus, transition écologique avec l’essor des énergies renouvelables, situations de crise planétaire (pandémie, conflits), pour répondre aux nouveaux enjeux et turbulences au sein des chaînes logistiques.
Les problèmes de transport deviennent plus complexes à mesure que des contraintes réelles des systèmes sont prises en compte. Les exemples incluent la synchronisation des tournées à différents niveaux d'une chaîne d'approvisionnement, la gestion des stocks simultanément aux transports sur un horizon de temps (connu sous le nom d’Inventory Routing Problem), l’ordonnancement de la production et du transport conjointement, etc. La solution intégrée du problème de transport avec, par exemple, le problème de la gestion des stocks ou d’ordonnancement de la production, conduit à une optimisation globale et permet de minimiser les coûts totaux. Cette session est consacrée à la modélisation mathématique et aux méthodes de résolution pour des problèmes de transport dits riches, qui englobent des décisions pas nécessairement intrinsèques aux problèmes classiques de tournées de véhicules.
Aujourd'hui, les consommateurs sont de plus en plus nombreux à faire évoluer leurs habitudes en fonction de l'impact éthique et environnemental des produits. Les chaînes logistiques représentent un axe fort d'amélioration sur ces deux aspects. Cette session est dédiée aux problématiques de développement ou d'amélioration des chaînes logistique au niveau environnemental et/ou éthique. Les thèmes abordés par les contributions peuvent par exemple être :
L'objectif est regrouper des contributions de la recherche opérationnelle dans le domaine de la logistique en santé. La session est consacrée aux modélisations et méthodes de résolution qui portent sur la gestion des flux matériels ou humains dans des activités sanitaires. La spécificité des flux en santé réside essentiellement sur la très grande diversité et versatilité des produits (ou patients) et de leurs parcours. Des événements comme la pandémie de COVID-19 ont montré des défaillances logistiques à grande échelle. Au niveau des départements des centres de soins tâchent de mutualiser leurs fonctions logistiques pour augmenter leur performance. Au sein même des services la gestion de flux protégés et contaminés, par exemple, a soulevé de nouveaux défis scientifiques.
Le groupe de travail Applications et Théorie de l'Optimisation Multiobjectif est un GT du GDR RO, dont la thématique principale est l'étude des méthodes d'optimisation appliquées à un cadre multiobjectif. Les thématiques d'intérêt incluent l'étude des méthodes de résolution exactes et heuristiques, mais aussi la considération des aspects décisionnels dans le processus d'optimisation.
Le transport ferroviaire a donné lieu à de très nombreuses applications en Recherche Opérationnelle. Ce mode de transport est actuellement en pleine évolution, et est appelé à croître dans les prochaines années, notamment pour répondre à des besoins de mobilité accrue et pour des raisons environnementales et de développement durable. Ces évolutions font émerger de nombreux problèmes auxquels la Recherche Opérationnelle peut apporter des solutions. L'objectif de cette session est de présenter les résultats obtenus par les recherches menées sur des problèmes liés au transport ferroviaire, mais aussi de montrer l'apport possible de la Recherche Opérationnelle pour des problématiques émergentes.
Dans le cadre de la conférence ROADEF 2024, le groupe de travail « Contraintes, RO et IA » des GdR RO et RADIA organise une session « Programmation par contraintes et intelligence artificielle » consacrée aux liens entre la programmation par contraintes et la recherche opérationnelle, ainsi que leurs interactions plus larges avec l’informatique décisionnelle (de la fouille de données à l’apprentissage). De manière non exhaustive, cette session pourra aborder les thèmes de la modélisation, des contraintes globales, des méthodes hybrides PPC et RO, de l’acquisition de contraintes / modèles, et des outils. Mots clés : Programmation Par Contraintes, Recherche Opérationnelle, Modélisation, Contraintes Globales, Hybridation, Acquisition de contraintes / modèles, Outils.
Dans le cadre de l'axe M2HPPC (Méthodes hybrides, Heuristiques et Programmation Par Contraintes), les groupes de travail META et Contraintes, RO et IA co-organisent une session consacrée à la conception de méthodes de résolution, qui allient des techniques issues du domaine des métaheuristiques et de la programmation par contraintes. Nous nous intéressons à toutes formes d'hybridations, sans restriction aucune. Cela peut-être par exemple une méthode d'optimisation qui utilise des techniques de propagation de contraintes pour résoudre un sous-problème, ou un solveur de contraintes guidé par des techniques à base de recherches locales. Mots-clés : Méthodes hybrides, Métaheuristiques, Programmation par contraintes
Depuis plusieurs décennies, les problèmes d'ordonnancement constituent un sujet important. Motivées par leur potentiel théorique et appliqué, plusieurs équipes de recherche ont étudié ces problèmes et ont proposé divers modèles et approches de résolution. L'objectif de cette session est de présenter les avancées récentes en matière de méthodes exactes pour les problèmes d'ordonnancement. Les sujets d'intérêt incluent, mais ne sont pas limités aux sujets suivants:
Depuis plusieurs décennies, les problèmes d'ordonnancement constituent un sujet important. Motivées par leur potentiel théorique et appliqué, plusieurs équipes de recherche ont étudié ces problèmes et ont proposé divers modèles et approches de résolution. Le but de cette session spéciale est de présenter les heuristiques et les algorithmes d'approximation récents dans ce domaine. Des travaux théoriques et pratiques sont encouragés à être soumis. Les sujets d'intérêt incluent, mais ne sont pas limités aux sujets suivants:
Depuis plusieurs décennies, les problèmes d'ordonnancement constituent un sujet important. Motivées par leur potentiel théorique et appliqué, plusieurs équipes de recherche ont étudié ces problèmes et ont proposé divers modèles et approches de résolution. L'objectif de cette session est de mettre l'accent sur les modèles et les tendances actuels et récents en matière d'ordonnancement.
La session porte sur la "programmation mathématique" pour l’Optimisation Non Linéaire avec des variables continues, discrètes et/ou mixtes. Par programmation mathématique, il faut entendre un cadre général de description de problèmes d'optimisation de façon déclarative et symbolique, selon le formalisme du langage mathématique. Des résumés portant sur des aspects de modélisation, de conception, de développement et d’analyse des méthodes et d’algorithmes pour la résolution de problèmes d'optimisation non linéaire sont attendus. Un autre objectif est de diffuser les efforts de la communauté RO autour du développement de logiciels pour la Programmation Mathématique Non Linéaire. Des résumés présentant des applications académiques ou industrielles en optimisation non linéaire sont aussi les bienvenues. Cette session vise à regrouper les travaux récents réalisés en Optimisation Combinatoire et s'appuyant particulièrement sur les approches polyédrales et la programmation mathématique. Les thèmes concernés incluent (liste non exhaustive) : les polyèdres combinatoires, les méthodes de coupes, les méthodes de génération de colonnes, les formulations étendues, la dualité entière, la programmation linéaire et non linéaire mixte, les algorithmes de Branch & Bound, les algorithmes de Branch & Cut.
Au cours des dernières années, les communautés universitaires et industrielles ont consacré beaucoup d'efforts à la conception de machines quantique et d'algorithmes connexes susceptibles d'apporter un réel avantage dans la résolution de certaines catégories de problèmes combinatoires. Ces algorithmes quantiques peuvent déjà être utilisés avec des approches classiques de pointe, telles que les méta-heuristiques et les méthodes de décomposition, pour créer de puissantes solutions hybrides classiques-quantiques. Dans cette session, nous étudions et illustrons le potentiel et les limites de la conception d'algorithmes hybrides classiques-quantiques pour résoudre des problèmes d'optimisation combinatoire.
Prenons un iceberg. La partie visible c'est l'exposé ou l'article officiel; le code est sous l'eau, il faut faire l'effort de plonger pour l'étudier. Cette session porte sur les liens entre les deux. Beaucoup pensent qu'il suffit de comprendre les grandes idées. Mais la théorie seule n'est pas toujours suffisante pour résoudre un problème de RO: toute théorie doit être complétée par une sagesse terre à terre, ç.à.d., par l'observation continue des algorithmes en exécution. Ceux qui ont déjà un travail soumis dans une autre session où ils ne pourront pas s'attarder sur leur code sont invités à proposer un second exposé pour décrire le rôle du code ou de ses liens (assez méconnus) avec la théorie.
Les réseaux de télécommunication connaissent depuis quelques années de profondes mutations issues principalement de l'introduction de nouvelles technologies (5G/6G, SDN), de la virtualisation des fonctions réseau, et de l'évolution des architectures (infrastructures cloud, edge computing, IoT). Ces différentes transformations vont permettre d’optimiser finement l’usage des ressources, de décentraliser le calcul et le stockage au plus près des clients, et de déployer à la volée de nouveaux services aux exigences de plus en plus drastiques (en termes de latence, bande passante, etc…). Cependant, cette nouvelle flexibilité augmente drastiquement la combinatoire des décisions qui doivent être prises pour (i) concevoir les futurs réseaux, (ii) les déployer (iii) et les gérer au quotidien. Dans ces différents contextes, il faut également savoir s’adapter à la dynamique des problèmes, aux incertitudes intrinsèques aux données d’entrée et aux objectifs souvent contradictoires de réduction des coûts, minimisation des impacts environnementaux et satisfaction des clients.
Cette session porte sur la modélisation de la configuration des réseaux de services de transport intermodal (Service Network Design), notamment le rail-route. Ces modèles ont connu un développement soutenu ces dernières décades sous les impératifs liées au développement des modes de transports alternatifs réputés être moins énergivores et émettant moins de CO2. La session entend vise à rassembler les approches et RO liées au sujet visant la planification tactique et opérationnelle des réseaux, la détermination de leurs plans d’exploitation optimaux minimisant le cout et maximisant le report modal (modal shift). Les contributions avec l'intégration et l'application de l'IOT et IA dans ce champ d'optimisation sont les bienvenues.
Cette session porte sur la modélisation et méthodes de résolutions (exactes et/ou approchées) dans les tournées de livraison/VRP avec intégration de l'IoT et IA. Ces problèmes et leurs résolutions tiennent une place importante dans le paysage logistique au regard de leur impact sur les exigences urbaines et les impératifs de transition écologique. La session entend rassembler les approches de modélisation et de résolution RO liées au sujet visant l'optimisation et intégrant les technologies IoT et IA.
Confrontés à une raréfaction des ressources (qu’elles soient matérielles, énergétiques etc.), les systèmes de production de biens et de services s’orientent ostensiblement vers une manière de produire plus durable et plus verte dans une économie qui se veut de plus en plus circulaire. Dans ce contexte, l’ordonnancement jour un rôle central dans la prise en compte de ces nouveaux enjeux, notamment par le biais des trois axes suivants :
De façon non limitatives, les questions et les sujets adressés par cette session sont les suivants :
La transition numérique vers l’industrie 4.0 et la customisation de masse entraîne une transformation profonde des processus industriels. Celle-ci vise à améliorer leurs performances aussi bien selon des critères traditionnels (coûts, qualité de service) qu’en fonction de nouveaux indicateurs qui traduisent la responsabilité sociale et environnementale d’une entreprise. L’évolution des technologies dans les systèmes de production permet ainsi de décloisonner certains processus décisionnels, ouvrant la voie à des gains de performance substantiels. Dans ce cadre, l’intégration des décisions tactiques et opérationnelles joue un rôle majeur, notamment en relation avec les processus de planification et d’ordonnancement. Cette session commune au GT P2LS (Planification) et ORIGIN (ordonnancement) vise donc à mettre en lumière ces nouvelles approches intégrées, avec une attention particulière pour les communications en rapport avec, d’une part, des approches scientifiques innovantes (méthodes d’optimisation et/ou couplage avec des modèles d’évaluation de performance etc.) et, d’autre part, de nouvelles problématiques (par exemple qui intègrent des contraintes environnementales etc.). Des cas d’applications industrielles seront également particulièrement appréciées
L’émergence de nouvelles problématiques industrielles (consommation énergétique, économie circulaire, contraintes financières, résilience des chaînes d’approvisionnement, etc.) continue d’enrichir les problèmes classiques apparentés au lot-sizing. Cette session proposée par le groupe de travail P2LS du GDR-ROD a pour but de mettre en avant ces nouvelles avancées en lien avec la modélisation et la résolution de problèmes de planification de production, de gestion de stock et/ou de distribution. Les contributions attendues peuvent aussi bien présenter de nouvelles méthodes de résolution pour des problèmes classiques qu’introduire de nouveaux problèmes originaux issus de cas d’application réels. En particulier, les contributions qui étudient l’intégration d’approches de lot-sizing avec d’autres problèmes (ordonnancement, distribution, tournées de véhicules, maintenance, etc.) ou qui sont motivées par l’évolution des pratiques industrielles (contraintes de durabilité, impacts humains, exploitation des données disponibles, etc.) sont les bienvenues.
La programmation stochastique propose un cadre pour modéliser des problèmes d'optimisation incluant de l'incertitude. Elle s'intéresse plus particulièrement aux problèmes d'optimisation pouvant être abordés sous l'angle de programmation mathématique. La programmation stochastique cherche à exploiter au mieux le fait que, même si les données d'entrée du problème sont sujettes à incertitude, des informations sur leur valeur potentielle sont disponibles sous la forme de distributions de probabilité. Elle se distingue en cela de l'optimisation robuste qui n'utilise pas d'informations de nature probabiliste sur l'incertitude mais suppose uniquement que les paramètres incertains évoluent à l'intérieur d'un intervalle ou d'un ensemble d'incertitude donné.
L'ingénierie des systèmes ou ingénierie système est une approche scientifique interdisciplinaire, dont le but est de formaliser et d'appréhender la conception et la validation de systèmes complexes. L'ingénierie système est utilisée de manière intensive dans l'industrie de l'armement au niveau mondial et au niveau institutionnel (DGA, DoD, etc..). Les différentes méthodes de modélisation de système (MBSE, MBSA, etc...) font face de manière croissante à la complexité des systèmes et plus particulièrement des systèmes de systèmes. Les configurations de systèmes résultant de la modélisation de systèmes de systèmes doivent être évaluées et comparées par différentes méthodes d'évaluation (simulation technique, simulation technico-opérationnelle) et optimisées en prenant en compte l'ensemble des dimensions. L'optimisation de la conception multidisciplinaire (MDO - Multidisciplinary Design Optimization) répond à ce besoin mais doit être intégré sans rupture avec les méthodes issues de l'ingénierie système et des systèmes de systèmes. De nombreux travaux de recherche opérationnelle en découlent (MCMDKP, ordonnancement sous contraintes de ressources et de temps, optimisation topologique, etc...). Cette session spéciale adressera ces questions, fera un état de l'art des avancées de l'utilisation de la RO pour les systèmes de systèmes et inclura des retours de l'industrie.
Ces dernières années, l'incertitude cause de plus en plus de difficultés dans la planification des opérations dans les systèmes industriels. Les sources d'incertitude sont diverses et peuvent se situer à plusieurs niveaux de la chaîne logistique : délais, demande, prix, rendement et capacités, etc. Cette session vise à regrouper les dernières contributions, réflexions et méthodes innovantes afin de mieux maîtriser les décisions en environnements incertains. Les contributions attendues peuvent concernés les différents niveaux décisionnels en utilisant par exemple l’optimisation stochastique, l’optimisation robuste, la logique floue, etc.
Grâce aux récentes avancées technologiques, les technologies de production d'énergie renouvelable deviennent plus efficaces et moins coûteuses à installer et à exploiter. Par conséquent, les micro-réseaux sont en plein essor - il s'agit de réseaux électriques à petite échelle capables de fonctionner indépendamment ou en collaboration avec le réseau électrique principal. En général, ils sont constitués de systèmes de stockage d'énergie (ESS), d'unités de production d'énergie renouvelable (éoliennes, panneaux solaires) et d'unités de consommation (usines, bâtiments, etc.).
Le numérique pose question au niveau de sa consommation énergétique, entre autre au niveau des grands systèmes de calcul, des réseaux, des centres de données ou centres calcul de différentes natures. Ces architectures ont des contraintes spécifiques comme l’espace mémoire, la consommation énergétique, la disponibilité, etc. De nouveaux paradigmes apparaissent avec le Edge Computing et les architectures parallèles à large échelle (exascale). Cela conduit à une grande diversité dans les problèmes posés au regard de la transition énergétique. En effet, que les architectures visées soient à petite ou à très large échelle, la problématique de la consommation/alimentation énergétique se pose avec là encore des réponses variées en terme de pilotage, de résilience et de robustesse. De nombreuses incertitudes existent dans les problèmes traités. Elles peuvent se manifester de différentes manières, pannes, alimentation énergétique renouvelable intrinsèquement intermittente, demande de calcul, etc.
Cette session porte sur des travaux centrés sur des problèmes modélisés sous forme de graphes ou d'hypergraphes. Elle est dédiée à des contributions dont l'objet principal est la résolution expérimentale du problème de graphes/hypergraphes (par des solveurs, des heuristiques spécifiques, etc.), et/ou la modélisation d'une application particulière.
Avec la problématique écologique, certains se demandent comment la RO peut être utile: agriculture, énergie, transport, choix collectif, anticipation de risques... Que ce soit des propositions concrètes au niveau local ou global, ou pour prouver l'inutilité ou l'innocuité de certains choix. |
| Personnes connectées : 2 | Vie privée |
|
