Présentation générale - Université Paris Saclay

Mention de Master Ingénierie des Systèmes Complexes (ISC)
de l’UPSay (Université Paris Saclay)
Parcours (M2) OSIL : Optimisation des Systèmes Industriels et Logistiques
Etablissements opérateurs : CentraleSupélec
Responsable : Evren Sahin, Professeur, CentraleSupélec, [email protected]
Traduction de l'intitulé du parcours en anglais : Operations and Supply Chain Management
Présentation générale
Généralités Contexte
Le parcours OSIL vise à former à la recherche des élèves de deuxième année de Master dans le domaine
de l’optimisation des systèmes industriels et logistiques, domaine appelé également Supply Chain
Management. Cette formation a pour objectif d’apporter aux élèves une compréhension des
problématiques de type recherche rencontrées dans les systèmes industriels et logistiques ainsi que
des méthodes et outils adaptés à leurs résolutions.
Objectifs pédagogiques et scientifiques
L’optimisation des systèmes industriels et logistiques constitue un enjeu essentiel pour la compétitivité
des entreprises de production et de distribution de biens et services, enjeu aussi bien en termes de
coûts qu’en termes de qualité de service. Il s’agit d’optimiser les activités allant de l’approvisionnement
auprès des fournisseurs jusqu’à la distribution aux clients en passant par toutes les étapes
intermédiaires de production, stockage et transport. Le périmètre des décisions associées est très
vaste puisqu’il va des décisions stratégiques à long terme comme l’établissement du schéma industriel
et logistique aux décisions opérationnelles à court terme telles que le pilotage de flux et
l’ordonnancement en passant par les décisions tactiques à moyen terme comme la planification du
meilleur équilibre charge/capacité.
De plus, c’est vers une optimisation globale que les organisations doivent s’orienter, plutôt que de se
contenter d’une somme d’optimisations locales. C’est tout l’enjeu des nouvelles notions de logistique
globale, chaîne logistique (supply chain), entreprise étendue,… Là encore, le besoin d’approches
structurées et d’outils d’optimisation est indispensable pour faire face à la complexité de la réalité.
Par ailleurs, les problèmes d’optimisation considérés révèlent souvent des objectifs conflictuels
(minimisation des coûts versus maximisation de la qualité de services). Ceci rend pertinent une
approche multicritère fondée sur une analyse non nécessairement guidé par un critère unique mais
pouvant être la résultante de plusieurs critères en conflit. Il s’agit alors de mettre en lumière les
arbitrages nécessaires entre ces différents critères.
Enfin, au-delà du domaine des industries de production de biens, la spécialité OSIL a aussi pour objectif
d’apporter des méthodes et outils issus de la recherche pour l’analyse et l’optimisation d’activités de
service. Là encore, les enjeux en termes de réduction de coûts et de qualité de service constituent un
défi majeur qui requiert une approche conceptuelle et structurée s’appuyant sur un ensemble de
méthodes et d’outils adaptés.
Débouchés professionnels
L’équipe pédagogique du Master OSIL a une expérience significative de collaboration avec des
partenaires industriels. Cela contribue à mettre en pratique dans les organisations partenaires des
processus et des pratiques innovantes en matière d’optimisation et d’organisation de la production,
de logistique, de distribution, … L’impact se traduit dans ces organisations par des gains substantiels
en termes de coût, mais aussi en terme de taux de service des systèmes étudiés. Un élément
emblématique de ces recherches partenariales avec l’industrie est constitué par l’existence de deux
chaires industrielles (Chaire Supply Chain, Chaire Manufacturing & Logistics Management).
Le parcours OSIL forme tout autant des étudiants se destinant à une carrière académique que des
ingénieurs se destinant à une carrière en entreprise. Une partie des étudiants peuvent choisir de
s'orienter vers une thèse, après laquelle l'étudiant conserve encore le choix entre une carrière
universitaire et une carrière en entreprise. Les compétences des étudiants correspondent à des profils
recherchés par les entreprise : des compétences avancées dans le domaine de la l'aide à la décision,
l'optimisation la recherche opérationnelle couplée avec une connaissance fine des processus de
production/distribution dans les organisations.
Mots clés :
supply chain, production, distribution, optimisation, recherche opérationnelle, évaluation de
performances, simulation.
A qui s'adresse la formation ?
Population d'étudiants visée
Le parcours de deuxième année Master OSIL s'adresse à des étudiants ayant validé une première
année de Master en Recherche Opérationnelle, Logistique, Informatique, Mathématique appliquées,
Économie/gestion et aux étudiants issus d'une école d'ingénieur ou de de commerce, ayant une
appétence particulière pour la modélisation et l’optimisation des processus supply chain.
Prérequis demandés, formation antérieure, compétences,...
Le parcours OSIL requiert d'avoir étudié les bases de la recherche opérationnelle et un goût affirmé
pour la Modélisation/Formalisation des systèmes de production/distribution de biens et services.
Laboratoires associés à la formation
Le parcours M2 OSIL s'appuie sur le laboratoire Génie Industriel de CentraleSupélec, en particulier de
l'équipe « Aide à la Décision pour les Systèmes de Production / Distribution ». Les recherches en
question se positionnent sur les problématiques d'aide à la décision en gestion des opérations, à la fois
dans le domaine des Produits et des Services. Les objectifs scientifiques relèvent de trois niveaux de
contribution :
-
Utilisation : Développer des méthodes d'aide à la décision pour une large classe de problèmes
en gestion des opérations,
Compréhension/Synthèse : Prendre du recul sur les problématiques étudiées, proposer des
visions unifiées,
Contributions méthodologiques/algorithmiques : développer des méthodes/algorithmes dont
la portée dépasse le contexte pour lequel ils ont été conçus.
Les enjeux scientifiques de l'équipe se positionnent à deux niveaux distincts et complémentaires :
d’une part des enjeux liés au domaine d'application des recherches et traitant de l'optimisation de
systèmes de production et de distribution de biens et de services, d’autre part des enjeux liés aux
contributions conceptuelles, méthodologiques, procédurales et algorithmiques concernant les outils
mobilisés pour répondre aux problématiques applicatives.
Ces deux niveaux d'enjeux scientifiques interagissent dans un cycle dans lequel les deux aspects
s'enrichissent mutuellement. L'élaboration de méthodes pour optimiser un aspect spécifique d'un
système industriel, conduit à mobiliser, adapter, reformuler ou même concevoir des outils formels de
sorte d'apporter une réponse effective aux interrogations que se posent les décideurs sur leur système
industriel. Ce travail conduit bien souvent à élaborer de nouveaux outils ou méthodologies d'aide à la
décision dont la validité s'étend au-delà de l'application pour laquelle ils ont été conçus, entraînant
ainsi une contribution dont la portée dépasse la problématique applicative initiale.
Tableau synthétique de la formation
Cours obligatoires
Cours
Intervenant
Lieu
Heures
ECTS
Introduction à la modélisation et à
l'optimisation
Asma Ghaffari
CentraleSupélec
24
2,5
Optimisation en Supply Chain
Management
Jakob Puchinger
CentraleSupélec
24
2,5
Modélisation et simulation des
systèmes de production
Oualid Jouini
CentraleSupélec
24
2,5
Pilotage de flux et gestion de
stocks
Evren Sahin
CentraleSupélec
24
2,5
Modèles Stochastiques et
applications
Oualid Jouini
CentraleSupélec
24
2,5
Programmation CPLEX/Python
Céline Gicquel
CentraleSupélec
15
1
Méthodologie de la recherche
Marija Jankovic
CentraleSupélec
20
2
Ecriture scientifique
Marija Jankovic
CentraleSupélec
10
1
Mémoire thématique
Evren Sahin
CentraleSupélec
10
4
Jörgen Stendahl
CentraleSupélec
40
2
Evren Sahin
CentraleSupélec
6 mois
30
Anglais scientifique
Stage recherche
3 électifs à choisir parmi:
Aide à la décision
Vincent Mousseau
CentraleSupélec
24
2,5
Optimisation avancée par la
pratique
Asma Ghaffari
CentraleSupélec
24
2,5
Maitrise des incertitudes pour
l'optimisation de la fiabilité
Nicola Pedroni
CentraleSupélec
24
2,5
Théorie des jeux : concepts et
applications
Christophe Labreuche CentraleSupélec
24
2,5
Planification ordonnancement
Chengbin Chu
CentraleSupélec
24
2,5
Optimisation combinatoire,
graphes, réseaux et applications
Michel Minoux
CentraleSupélec
24
2,5
Prévision de la demande
Benjamin Legros
CentraleSupélec
24
2,5
Organisation de la distribution,
transport international
Yves Dallery
CentraleSupélec
24
2,5
Achat, fournisseur, sous-traitance
E. Delcourt - E.David
CentraleSupélec
24
2,5
Total
60
Annexe : Descriptif synthétique des UEs
Description
synthétique UE
Contenu
Mots clés
Responsable
ECTS : 2,5
Introduction à la modélisation et à l’optimisation
Objectifs du cours :
- Eveiller l’intérêt pour la modélisation mathématique et
l’optimisation
- Familiarisation avec des modèles clés de la RO et leur contexte
d’application
- Introduction à des algorithmes de résolution de base
- Prise en main de solveurs de résolution
Programme de l’enseignement :
- La modélisation par la programmation linéaire continue et en
nombres entiers.
- Résolution de programmes linéaires
- La programmation dynamique
- La théorie des graphes : quelques éléments, problèmes de
cheminement, d’arbres et de flots
- Réalisation d’un projet sur un jeu de données réel
Savoir-faire acquis en fin de cours :
- L’étudiant sait reconnaître une situation de compromis
modélisable avec un outil de la RO
- L’étudiant est capable de modéliser par un PL ou un graphe,
quand c’est approprié, un problème bien posé.
Optimisation, modélisation, recherche opérationnelle
Asma Ghaffari
Heures : 24
Langue : Français Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Mots clés
Responsable
ECTS : 2,5
Optimisation en Supply chain management
Objectifs du cours :
Comprendre les enjeux et problématiques du domaine du SCM dans les
entreprises industrielles et de service. Ce cours abordera en particulier :
- les dimensions organisations et processus du SCM
- les approches et méthodes qualitatives et quantitatives pertinentes
permettant d’optimiser ces processus
- la mise en œuvre de ces approches en insistant sur les aspects
faisabilité, adaptation et limites
Programme de l’enseignement et concepts-clés abordés :
- Introduction générale au SCM
- Problèmes de localisation
- Planification industrielle et commerciale
- Planification de la production
- prévisions de la demande
- Pilotage de flux
- Tournées de véhicules
Savoir-faire acquis en fin de cours :
Ce cours permettra aux élèves d’avoir une compréhension globale des enjeux
et problématiques du SCM.
Biens & services, supply chain management, gestion des opérations,
approvisionnement, production, distribution
Jakob Puchinger
Heures : 24
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Programmation CPLEX/Python
Objectifs :
Etre capable, après avoir élaboré un modèle d’optimisation, maqueter une
solution et de la tester sur un jeu de données, en faisant appel à un solveur
de programmation mathématique efficace.
Savoir implémenter dans un langage informatique de haut niveau la
résolution de problèmes d'optimisation en s'appuyant sur le solveur CPLEX
Prérequis
Connaissances de base en programmation mathématique : savoir
modéliser un problème d'optimisation par un programme linéaire ou un
programme linéaire en nombres entiers
Programme
introduction à la programmation informatique en langage Python
Introduction à l'implémentation de programmes mathématiques
introduction au solveur CPLEX permettant de résoudre des problèmes
d'optimisation
résolution de programmes linéaires par l'algorithme du simplexe
résolution de programmes linéaires en nombres entiers par l'algorithme
du Branch and Bound
développement de programmes en langage Python faisant appel au
solveur CPLEX pour la résolution de problèmes d'optimisation de
moyenne/grande taille
Mots clés
Responsable
ECTS : 1
Programmation, solveur, maquettage/implémentation
Céline Gicquel
Heures : 15
Langue : Français Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Modélisation et simulation des systèmes de production
Mots clés
Responsable
ECTS : 2,5
simulation de flux, simulation à évènements discrets, ARENA
Oualid Jouini
Heures : 24
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Objectifs du cours :
- Découvrir la simulation de flux dans le domaine de la production/logistique.
- Prendre conscience que la simulation est un outil performant, à condition de
savoir limiter son utilisation à des cas non exploitables par des méthodes
directes.
- Acquérir une approche structurée de la modélisation et de la simulation, à
partir du logiciel de simulation de flux ARENA.
Programme détaillé de l’enseignement et concepts-clés abordés :
- Définition et domaines d’application de la simulation ; modélisation et
évaluation de performances ; simulation à évènement discret
- Étude de cas 1 : Initiation à ARENA ; Analyse, modélisation et simulation
d’une station de contrôle ;
- Étude de cas 2 : Notions avancées d’ARENA ; Analyse, modélisation et
simulation d’un atelier flexible
- Étude de cas 3 : Notions avancées d’ARENA ; Analyse, modélisation et
simulation d’un atelier de montage
- Nombres aléatoires / nombres pseudo-aléatoires ; méthodes de génération
de nombres aléatoires ; applications sur Excel
- Utilisation du Process analyser : Notions de plans d’expériences ; utilisation
du Process analyser
- Utilisation de l’output analyser : Validation et analyse des résultats de
simulation ; utilisation de l’Output analyser
Savoir-faire acquis en fin de cours :
- Savoir analyser un système et juger de l’intérêt ou non de l’utilisation de la
simulation.
- Acquérir une approche structurée de la modélisation et de la simulation, à
partir du logiciel de simulation de flux ARENA.
- Identification des paramètres clés de la simulation et l’utilisation des plans
d’expériences pour identifier
- les différents scénarios à simuler
- Savoir valider et analyser les résultats de la simulation
Description
synthétique UE
Contenu
Mots clés
Responsable
ECTS : 2,5
Modèles stochastiques et applications
Objectifs :
- Développer une compréhension aussi intuitive que possible du
comportement des systèmes stochastiques
- Maîtriser quelques outils de base d’analyse de ces systèmes à savoir les
chaines de Markov et les files d’attente
- Modéliser ces systèmes afin d’en évaluer les performances
- Voir les applications de ces outils dans différents domaines : systèmes de
production, fiabilité, centres d’appels
Programme de l’enseignement et concepts-clés abordés :
- Introduction : modèles stochastiques et aide à la décision ; notions de
probabilité et processus stochastiques
- Chaînes de Markov à Temps Discret : Définition ; représentation
graphique et classification des états ;
- analyse du régime transitoire ; analyse du régime permanent ; exercices
- Chaînes de Markov à Temps Continu : Définition ; représentation
graphique et classification des états ;
- analyse du régime transitoire ; analyse du régime permanent ; exercices
- Files d’attentes simples: Caractérisation d’une file simple ; paramètres de
performance ; étude de quelques
- files simples ; notions sur les approximations ; exercices
- Réseaux de files d’attente : définition et analyse du réseau de Jackson
ouvert
Applications:
- Systèmes de production : Processus de décision Markovien ; calculs de
capacité de production ; optimisation de politique de gestion de stock
- Fiabilité des systèmes : calcul des éléments de sûreté de fonctionnement
(fiabilité, disponibilité, maintenabilité) ; choix politique de maintenance ;
dimensionnement stock de pièces de rechange
- Centres d’appel : problématiques liées aux centres d’appels ; étude de
cas : estimation des temps d’attente
Savoir-faire acquis en fin de cours :
- Développer une compréhension aussi intuitive que possible du
comportement des systèmes stochastiques et de l’intérêt de la
modélisation stochastique
- Maîtriser quelques outils de base d’analyse de ces systèmes à savoir les
chaines de Markov et les files d’attente
- Savoir modéliser ces systèmes, identifier les paramètres de performance
et les évaluer
- Voir des applications concrètes de ces outils dans différents domaines :
systèmes de production, fiabilité, centres d’appels
- Utilisation de l’application QTSPlus pour le calcul des paramètres de
performance des modèles stochastiques
Oualid Jouini
Heures : 24
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Mots clés
Responsable
ECTS : 2 ,5
Pilotage de flux et gestion de stocks
Objectifs :
- Analyser les différentes problématiques de pilotage de flux dans les
systèmes de production et les chaînes logistiques
- Présenter les méthodes et approches adaptées
- Développer un certain nombre de modèle quantitatifs (déterministes et
stochastiques) permettant de comprendre les impacts des paramètres de
pilotage de flux sur les performances des chaînes logistiques et optimiser
ces paramètres
- Comprendre le lien avec les autres classes de décisions en supply chain
management
Programme de l’enseignement et concepts-clés abordés :
- Introduction au pilotage de flux
- Gestion à la commande/gestion par anticipation
- Renouvellement de consommation/pilotage par les besoins futurs
- Illustration de la problématique du pilotage de flux dans divers secteurs
industriels
- Lien entre pilotage de flux et l’approche lean
- Gestion de stocks mono-période
- Modèle Newsboy et variantes, newsboy multiacteurs,…
- Gestion de stocks multi-périodes
- Modèle EOQ
- Politiques de gestion de stocks, divers modèles de quantité économique de
commande, stock de sécurité,
- cas multi-produits, cas avec contrainte de capacité,…
- Modèles multi acteurs et multi échelons
- Méthode Kanban et extensions
- Kanban, Kanban multi-produit, Kanban étendu,…
- Méthodes de pilotage par les besoins futurs
- MRP, DRP, gestion de stocks sur prévisions, flux synchrone, GPA
- Notions de stocks de sécurité, quantités de sécurité, délais de sécurité
- Délais notifiés (ATP, CTP)
- Étude de cas et jeu sur l’approche lean
Pilotage de flux, Renouvellement de consommation, Gestion de stocks, Kanban,
Pilotage par les besoins futurs, Méthode MRP, Méthode DRP, Distribution
Evren Sahin
Heures : 24
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Méthodologie de la recherche, Ecriture Scientifique et Mémoire
thématique
Objectifs :
Ce cours a pour but de former les étudiants aux techniques de recherche,
d’analyse et de synthèse bibliographique.
Contenu :
Formations aux « bonnes pratiques » de la recherche bibliographique et
de l’écriture scientifique :
- Connaissance du monde de la recherche académique et
industrielle,
- Démarches, moyens et outils de recherche et d’analyse
bibliographique,
- Rédaction d’un article scientifique,
- Critique d’un article scientifique,
- Présentation d’une communication en conférence.
Mots clés
Savoir-faire acquis en fin de cours :
Ce cours donne aux étudiants les aptitudes à mener recherche
bibliographique, rédiger une synthèse bibliographique (projet de
Mémoire Thématique) et présenter dans un séminaire/une conférence la
synthèse d’un travail bibliographique.
Méthodologie de la recherche
Responsable
ECTS : 7
Marija Jankovic/ Evren Sahin
Heures : 40
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Mots clés
Responsable
ECTS : 2
Anglais scientifique
Cette enseignement a pour but de familiariser les étudiants avec l'anglais
tel qu'il est utilisé dans le domaine de la recherche, tant à l'écrit qu'à l'oral.
On insistera donc sur les spécificités de l'anglais scientifique, à travers des
exemples tirés des domaines scientifiques du master.
Le travail se fera à partir d’extraits de conférences et sur des articles de
recherche.
A l’issue du cours, l’étudiant doit être capable de :
- Rédiger en anglais le résumé d’une communication
- Prendre la parole dans le contexte d’une conférence
Jörgen Stendahl
Heures : 40
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Mots clés
Responsable
ECTS : 30
Stage / Mémoire de Master
Le stage dure 5 à 6 mois, d'Avril à Septembre dans l’orientation scientifique
du parcours de Master OSIL. Le sujet fait l’objet d’une validation préalable
par le responsable du parcours de Master. Les résultats du stage de
recherche donnent lieu à un mémoire et à une soutenance orale. Il
correspond à la validation de 30 ECTS. Le stage de recherche se déroule
soit au sein d'un laboratoire de recherche soit au sein d’une entreprise.
L'encadrement du stage de recherche est assuré par le tutorat d'un
membre du laboratoire LGI ou d'un laboratoire partenaire du LGI. Le
pilotage et l'encadrement des stages de recherche est par ailleurs renforcé
par les ateliers de suivi de stage (10 ECTS sur les 30 ECTS du stage) qui
permettent aux étudiants de présenter et discuter l’avancement de leurs
travaux devant un jury.
Stage
Evren Sahin
Heures :
Langue : Français Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Mots clés
Responsable
ECTS : 10
Ateliers de suivi de stage
L'atelier de recherche associé au stage a pour double objectif de suivre et
piloter le travail de recherche des étudiants dans leur mémoire de
recherche et de former à la recherche. Cet atelier de recherche associé
au stage est destiné à appréhender les problèmes de recherche liés au
stage. L’atelier de recherche a lieu au second semestre et se réunit
périodiquement. Il réunit l’équipe pédagogique et les doctorants du
Laboratoire Génie Industriel et permet aux étudiants de présenter et
discuter l’avancement de leurs travaux dans le cadre de leur stage de
recherche. Durant l'atelier de recherche, chaque étudiant effectue
plusieurs présentations (pour chacune, 15 minutes de présentation
suivies de 15 minutes de discussion).
Début Mai : Situer le sujet de la recherche, poser la problématique de
recherche et décrire les pistes envisagées.
Début Juin : Décrire de façon approfondie le sujet, les recherches
bibliographiques effectuées, le travail déjà effectué et le plan du travail à
venir.
Début Juillet : Exposer l'état d'avancement du travail, les résultats
obtenus, spécifier les directions de poursuites, les questions restant
posées, ce qu'il reste à faire. Proposer un projet de plan pour le mémoire.
Début Septembre : Pré-soutenance (exposé décrivant le travail effectué,
les résultats, éventuellement avec quelques éléments non totalement
finalisés), Remettre une version préliminaire du rapport.
Fin septembre : Soutenance (le mémoire est rendu au plus tard une
semaine avant).
Ce dispositif est complété par la participation requise des étudiants aux
séminaires de recherche du laboratoire qui permet d’insérer les étudiants
en Master Recherche dans la vie du laboratoire et de les familiariser à
l’activité de recherche. Cet atelier constitue un l’instrument pour mettre
en adéquation les objectifs du stage de 3eme année et le mémoire de
recherche.
Accompagnement du stage
Evren Sahin
Heures :
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Aide à la décision
Contenu
Savoir-faire acquis en fin de cours : (5-10 lignes)
Ce cours vise à présenter des modélisations de différents problèmes concrets de
décision. Il s'agit de développer les aptitudes des étudiants à élaborer et mettre
en œuvre des modèles pertinents face à une situation de décision A l’issue du
cours, l’élève maîtrisera quelques méthodes/modélisation pour d’aide à la
décision. Il saura les utiliser de façon opérationnelle dans le cadre de problèmes
d’entreprises. Il aura aussi les éléments nécessaires pour prendre du recul et
avoir un sens critique par rapport à ces méthodes, et ainsi en distinguer leurs
performances et leurs limites d’application.
Mots clés
Aide à la décision, modélisation des préférences.
Responsable
Vincent Mousseau
ECTS : 2,5
Heures : 24
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Mots clés
Responsable
ECTS : 2,5
Maitrise des incertitudes pour l'optimisation de la fiabilité
Objectives:
 Methodological: to learn the state of the art on the treatment of uncertainties
in risk assessment for the optimization of reliability in situations concerning
high-consequence technologies, and the methods for the representation and
characterization of such uncertainties;
 Practical: to derive guidelines for the application of different methods to
different engineering problems, taking into account their strengths and
weaknesses in dependence of the situation addressed;
 Computational: to acquire basic technical skills to implement and apply the
uncertainty representation methods learned to simple numerical examples.
 to understand the functioning of Evolutionary Algorithms for solving
optimization problems;
 to extract information from practice and formulate an optimization problem
including the uncertainties;
 to design an Evolutionary Algorithm and fine-tune it; to calibrate the EA to solve
the optimization problem under uncertainty, to validate and report the results.
Content:
Uncertainties in reliability and risk assessment
Probabilistic approach for treating uncertainties
Non-probabilistic representations of uncertainty
interval analysis and possibility theory
Approaches for constructing possibility distributions and examples of
necessity/possibility elicitations for reliability and risk assessment
Mixed probabilistic and possibilistic uncertainty representation: Fuzzy Random
Variables
Application case study on Renewable energy
Introduction to Evolutionary Algorithms for solving optimization problems
Genetic Algorithms
Evolutionary Optimization under Uncertainty (noisy fitness functions, search for robust
solutions, approximating fitness functions, application to reliability optimization
problem under uncertainty)
Uncertainty modelling, optimization, evolutionary algorithms
Nicola Pedroni
Heures : 24
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Mots clés
Responsable
ECTS : 2,5
Optimisation avancée par la pratique
Objectifs :
- Approfondir les concepts acquis dans le cours de tronc commun
«Introduction à la modélisation et l’optimisation» sur les outils et
modèles de l’optimisation combinatoire
- Expérimenter l’intérêt de la Recherche Opérationnelle pour résoudre
des problèmes divers dans des contextes et secteurs d’activités variés
Modes pédagogiques :
- Mise en situation concrète : des études de cas sont utilisées pour
illustrer les différentes problématiques abordées
- Confrontation au flou et à l’incertain : en partie par l’introduction à
l’analyse de sensibilité
- Confrontation à un cas d’étude réaliste
- Confrontation aux enjeux du 21ème siècle contribution aux mutations
économiques
- des articles de recherche traitant de problématiques d’actualité vont
être utilisés
- Interdisciplinarité : les études de cas relèvent de domaines variés
Programme de l’enseignement et concepts-clés abordés :
- Chaque volet est abordé à travers une étude de cas (excepté la séance
sur la complexité)
- Théorie de la complexité
- L’optimisation multi-objectif et Goal Programming
- Branch and Bound pour résolution de Programmes Linéaires en
Nombres Entiers (PLNE)
Savoir-faire acquis en fin de cours :
- Connaissance généraliste d’un large spectre de modèles et méthodes
de l’optimisation combinatoire
optimisation combinatoire, complexité, PLNE, applications réelles
Asma Ghaffari
Heures : 24
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Mots clés
Responsable
ECTS : 2,5
Théorie des jeux : concepts et applications
Objectifs :
Ce cours a un double objectif. D'une part, après la présentation des grands
principes de la décision dans l'incertain, nous nous focalisons sur l'utilisation des
modèles graphiques dans la prise de décision dans l'incertain. Dans ce cadre,
nous montrerons, en premier, comment les calculs probabilistes peuvent être
réalisés de manière efficace et, en second, comment l'on peut réaliser
l'apprentissage de ce modèle graphique (structure et/ou paramètres) à partir de
bases de données. Nous étudierons en outre les réseaux Bayésiens dynamiques,
qui permettent de faire du raisonnement probabiliste tout en y incorporant une
notion de temps. D'autre part, nous aborderons les principes de la théorie des
jeux et nous verrons comment cette théorie vise à modéliser et à analyser les
prises de décision dans des situations d'interactions stratégiques et incertaines.
Programme
- Concepts de la théorie de la décision dans l'incertain (préférences,
critère de décision, aversion au risque, utilité espéré de Von Neumann
Morgenstern).
- Représentation des incertitudes avec des probabilités: manipulation de
distribution de probabilités de grosse taille
- Réseaux Bayésiens. algorithmique de calcul de ces réseaux
- diagrammes d'influences : encodage compact des arbres de décision,
- Jeux non‐coopératifs : les joueurs ont des objectifs divergents et
agissent de façon à maximiser leur propre intérêt. (jeux sous forme
normale et extensive,
- solution MaxiMin, équilibre de Nash,...)
- Jeux coopératifs : partage équitable de l'utilisation de ressources entre
joueurs, partage de coûts d'utilisation d'une ressource commune.
- Jeux non‐coopératifs répétés conduisant les joueurs d'aboutir à des
collaborations dans un environnement non‐coopératif.
- Application à la négociation : Les méthodes exposées dans les modules
précédents seront appliquées à l'étude des méthodes de négociation (
- protocoles de négociation, et des méthodes de marchandage).
Décision dans l’incertain, réseaux bayesiens, jeux coopératifs et non-coopératifs
Christophe Labreuche
Heures : 24
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Planification ordonnancement
Objectifs du cours :
Présenter les techniques de base pour analyser et résoudre des
problèmes de planification et d’ordonnancement qui se posent dans les
systèmes de production et dans la supply chain
Programme détaillé de l’enseignement et concepts-clés abordés :
- Introduction sur la gestion de la production et la place de la
planification et de l’ordonnancement
- Notion de complexité des méthodes et des problèmes
- Diversité de problèmes et classification des approches
- Modèles de réseaux de Petri et graphes
- Méthodes de recherche de chemins critiques dans les graphes et
problèmes centraux d’ordonnancement
- Programmation dynamique, branch and bound pour résoudre
des problèmes d’ordonnancement de la production
- Méthodes heuristiques pour résoudre des problèmes
d’ordonnancement
- Modélisation et résolution de problèmes de planification
- Planification de la capacité
Mots clés
Responsable
ECTS : 2,5
Savoir-faire acquis en fin de cours :
Savoir choisir des outils de modélisation et construire des méthodes de
résolution pour un problème donné
Planification, ordonnancement, systèmes de production, supply chain
Chengbin Chu
Heures : 24
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique
UE
Contenu
Optimisation combinatoire, graphes, réseaux et applications
Objectifs :
L'optimisation de flux correspond à une préoccupation essentielle pour de
nombreux secteurs industriels:
- en logistique et en transports : comment livrer au mieux (au moindre
coût, en temps minimum, …) un ensemble de clients donné;
- en télécommunications : comment utiliser au mieux un ensemble de
liaisons existantes pour satisfaire une demande en trafic prévisionnelle
donnée, tout en respectant des contraintes de délais, qualité de service,
…
- en production : comment organiser les flux entre machines dans un
atelier flexible pour maximiser la productivité, minimiser les en‐cours, etc.
A partir d'études de cas inspirées par des projets industriels en vraie grandeur, il
s'agit d'initier les étudiants à la problématique de l'optimisation des flux dans les
réseaux (télécommunications, logistique, transports). On insistera sur
l'importance de la modélisation qui conditionne très largement l'efficacité des
techniques de résolution applicables au problème posé. Cette activité de
modélisation suppose une connaissance suffisante de quelques modèles de base
ou 'modèles de référence', lesquels seront introduits et illustrés dans les
premières séances du cours: modèle de flot maximum, de flot à coût minimum et
algorithmes de résolution associés. Il est également prévu un ou deux exposés
d'industriels.
L’objectif est la maitrise des modèles de références et des algorithmes pour
l’optimisation dans les réseaux
- Modéliser un problème d’optimisation dans les réseaux issu d’une
application dans le domaine de la logistique ou des télécommunications :
programmation linéaire, programmation linéaire en nombres entiers,
problème de flot maximum, problème de flot à coût minimum….
- Utiliser un algorithme approprié pour le résoudre : algorithme du
simplexe, algorithme du Branch & Bound, méthode de génération de
colonnes, algorithme de Ford‐Fulkerson, algorithme des arcs non
conformes.
Mots clés
Responsable
ECTS : 2,5
Programme:
- Problème de transport
- Problème de flot à coût minimum
- Problème de flot maximum
- Problème de flots multiples
- Problème de localisation dans un réseau
- Problème de transport/problème de localisation d’entrepôts
- Problème de distribution/problème de flot à coût minium
- 1 séance : exposé industriel
Problèmes de transport, flots et localisation, …
Miche Minoux
Heures : 24
Langue : Français Lieu : CentraleSupélec,
Châtenay-Malabry
Description
synthétique UE
Contenu
Prévision de la demande
Objectifs :
Comprendre les enjeux de la prévision de la demande pour la gestion des
chaînes logistiques
Connaître et savoir utiliser les principales méthodes employées pour la
prévision de la demande dans les entreprises industrielles : méthodes
qualitatives, méthodes quantitatives (méthodes d’extrapolation
statistique et méthodes explicatives)
Modes pédagogiques :
- Mise en situation concrète :
- Étude de cas réel
- Intervention d’un industriel
Programme de l’enseignement et concepts-clés abordés :
- Introduction générale,
- prévision pour les historiques stationnaires
- Prévision pour les historiques avec saisonnalité
- Prévision pour les demandes erratiques,
- lien avec la gestion des stocks
- Étude de cas
- Méthodes explicatives
- Exposé industriel (chaire « Supply Chain Management »)
Mots clés
Responsable
ECTS : 2,5
Savoir-faire acquis en fin de cours :
Maîtrise des principales méthodes de prévisions des ventes :
- moyenne mobile ;
- lissage exponentiel simple ;
- lissage exponentiel avec tendance et saisonnalité ;
- régression linéaire avec une ou plusieurs variables explicatives ;
- méthode de Box-Jenkins.
Séries chronologies, prévision,
Benjamin Legros
Heures : 24
Langue : Français
Lieu : CentraleSupélec,
Châtenay-Malabry