Partenaires

CNRS
Ministère de l'Enseignement Supérieur et de la Recherche
Ecole Centrale de Lille
Université de Lille 1
CRIStAL

« avril 2017 »
L M M J V S D
27 28 29 30 31 1 2
3 4 5 6 7 8 9
10 11 12 13 14 15 16
17 18 19 20 21 22 23
24 25 26 27 28 29 30


Rechercher

Sur ce site

Sur le Web du CNRS


Accueil du site > Equipes > Equipe Optimisation des Systèmes Logistiques (OSL)

Equipe OSL

L’équipe Optimisation des Systèmes Logistiques (OSL) appartient au laboratoire d’Automatique, Génie Informatique et Signal (LAGISUMR CNRS 8219) de Lille.

L’environnement actuel dans lequel évoluent les systèmes logistiques, est dominé par l’indétermination. Par conséquent, intégrer des techniques innovantes de modélisation et d’optimisation en tenant compte de l’incertitude comme un paramètre dans le raisonnement des décideurs est devenu un enjeu industriel majeur. Les objectifs de l’équipe OSL sont donc clairement centré, au plan des objets scientifiques et techniques à concevoir, sur lesmodèles, mathématique et informatique, et sur les algorithmes d’optimisation et procédés logiciels d’aide à la décision, en intégrant un ensemble de critères évoluant dans un environnement incertain.

Contexte et Problématiques

Ce thème vise à développer des modèles et des méthodes d’optimisation permettant de fournir une aide à la décision lors de la gestion des systèmes logistiques. Ceux-ci constituent des organisations socio–techniques particulièrement difficiles et présentent des problématiques de modélisation et d’optimisation parmi les plus complexes. Les systèmes logistiques concernés sont principalement ceux qui relèvent de : la Production, la Santé, le Transport et la Gestion de Crise. De tels systèmes sont souvent dynamiques, distribués et étendus sur des réseaux à grandes échelles et se présentent généralement sous formes d’entités autonomes en interaction. En effet les processus issus de ces systèmes sont de plus en plus complexes, par leurs dimensions importantes (quelquefois plusieurs milliers de variables), par la nature de leurs relations dynamiques, et par la multiplicité des contraintes auxquelles ils sont soumis (contraintes de productivité et de sécurité pour l’homme et l’environnement).

Les Logisticiens de ces systèmes sont confrontés aujourd’hui à des problèmes de complexité croissante comme par exemple : comment améliorer, sécuriser, et optimiser les flux logistiques ? Comment améliorer la synchronisation des flux dans ces systèmes qui sont de nature distribués tels que : les réseaux de soins, la chaîne logistique globale du transport multimodal, les réseaux de production multi sites et la gestion de crise multi zones ? Comment conjuguer humanité et rentabilité, par exemple dans le domaine de la santé art médical et productivité ? Quelles nouvelles technologies de l’information et de la communication adopter et comment les implanter en harmonie avec les spécificités de l’activité de ces systèmes logistiques ? Enfin, quelles seront les nouvelles organisations qui répondront aux nouvelles contraintes de durabilité ?

La création de cette équipe de recherche au LAGIS, se veut une réponse à ces défis, dans une démarche innovante d’optimisation organisationnelle, économique, technologique et informationnelle permettant de générer et de pérenniser, entre l’ensemble des acteurs concernés, la synergie indispensable pour répondre à ces problématiques.

Mots clés :

Programmation mathématique, Programmation dynamiques, Graphes et multi graphes, Système multi-agent, Réseaux de Pétri, Systèmes Logistiques, Optimisation combinatoire, Optimisation distribuée, Heuristiques, Métaheuristiques, aide à la décision, simulations, Supply Chain Management, Markov Decision Process, Assemble-to-Order System, Business Process Modeling Notation.

Les thèmes de recherche sont :

Modélisation et optimisation des flux logistiques en environnement distribué et incertain

Les systèmes logistiques sont de plus en plus étendus et évoluent vers une distribution prononcée des tâches et des données. Cette évolution complique considérablement la gestion des flux logistiques dont l’optimisation, devient indispensable. La Recherche Opérationnelle (RO) représente l’ensemble des approches d’analyse, de synthèse et d’optimisation visant à résoudre efficacement les problèmes issus des systèmes complexes. Cependant, ces approches ne représentent aucun intérêt si les flux logistiques ne sont pas convenablement modélisés. La modélisation des flux dans de tels environnements incertains doit s’adapter à leur aspect distribué et conversationnel. Dans ce cadre, l’Intelligence Artificielle (IA), et plus particulièrement l’IA distribuée (IAD) est le moyen de doter les systèmes informatiques et logistiques de capacités intellectuelles sous formes d’entités autonomes et interactives appelées agents. L’IA est donc une méthode pertinente, ouverte et flexible permettant de représenter fidèlement et donc d’orienter vigoureusement les comportements des systèmes complexes. Dans ce sous-thème, l’objectif principal est de concevoir et optimiser les flux logistiques dans des environnements distribués et incertains dans les domaines du transport, de la santé et de la gestion de crise. Ces domaines sont particulièrement caractérisés par leur pluridisciplinarité informatique dans le sens où ils introduisent une dimension RO à l’intérieur d’un problème de gestion des flux logistiques fortement réparti et idéalement modélisé par les Systèmes Multi-Agents.

Optimisation des flux dans la chaîne logistique globale

Dans ce sous-thème, l’objectif principal est de développer des modèles et des méthodes permettant la résolution de problèmes d’optimisation des flux dans la chaîne logistique globale. Celle-ci comprend l’ensemble des acteurs : des fournisseurs, les producteurs, les logisticiens, les transporteurs. Les problèmes de gestion des flux abordés sont envisagés aussi bien au niveau global entre plusieurs acteurs de la chaîne qu’au sein des activités d’un des acteurs. Ainsi des problèmes d’optimisation allant du design d’un système de distribution à ceux de gestion des flux au sein d’un entrepôt font partie du champ d’investigation. Traditionnellement, ces problèmes de décision se classent en trois catégories : 1) stratégique ; 2) tactique ; 3) opérationnelle selon l’horizon temporel sur lequel les décisions portent. Nous abordons dans ce sous-thème des problèmes d’optimisation NP-difficile de chaque catégorie qu’ils soient académiques ou issus de problématiques réelles. L’activité se focalise d’une part sur la proposition de nouveaux modèles conduisant à une meilleure caractérisation des solutions optimales et le développement des méthodes de résolution exacte efficaces et d’autre part sur la proposition et l’évaluation d’heuristiques originales basées notamment sur des metaheuristiques et sur l’hybridation de méthodes.