Sujet de Master Recherche Couplage simulation/optimisation pour l
Transcription
Sujet de Master Recherche Couplage simulation/optimisation pour l
Sujet de Master Recherche Couplage simulation/optimisation pour l’aide à la décision dans une chaîne logistique globale et durable Julien Boissière, Van Dat Cung Polytech’savoie - Annecy, Grenoble INP Génie Industriel LISTIC G-SCOP 5 ch. de Bellevue 46 Av. Félix Viallet 74940 Annecy-le-vieux 38000 Grenoble [email protected] [email protected] La conception et le pilotage des chaînes logistiques sont des points clés dans les considérations de développement durable du monde industriel. La conception, avec les problèmes d’arbitrage des coûts logistiques entre stock-transport, de délocalisation/relocalisation, de sous-traitance avec des fournisseurs étrangers, etc., pose des problèmes tant en terme de pérennisation de l'activité et des savoir-faire, de responsabilité sociale que des naissances sur l'environnement. Le pilotage qu'il soit stratégique, tactique voire opérationnel a également de forts impacts sur ces enjeux économiques, sociaux et environnementaux, notamment à travers des pratiques de flexibilité du personnel (mobilités, intérims, licenciements) en ce qui concerne l'aspect social, ou de production en juste à temps, de chargement de véhicule discutable (Less than Truck Load), de dernier kilomètre en logistique urbaine pour les aspects économiques et environnementaux. Les décisions liées à ces enjeux tiennent naturellement compte d'un ensemble de critères très variés : des critères classiques de coût (principalement), de qualité et de délai, mais également de répercussions sociales, et environnementales. Ces derniers aspects, moins mis en avant dans la littérature jusqu’à présent, tendent à devenir des incontournables dans les enjeux industriels de demain. Leur prise en compte dans les mécanismes décisionnels doit donc devenir la règle, et il apparaît alors que l'on ne pourra plus prendre demain ces décisions sans avoir cette vision multi-dimensionnelle. Il est donc maintenant essentiel de disposer des outils d’aide à la décision nous permettant d’intégrer ces dimensions dans la prédiction et l’évaluation des performances des chaînes logistiques futures. Il est reconnu que les outils du domaine de l'aide à la décision actuels (optimisation en particulier) sont souvent difficiles à développer lorsque l'on travaille sur le terrain de la chaîne logistique globale. La complexité d'une chaîne globale rend les modélisations et résolutions difficiles : d’une part les nombreuses données/variables de décision/contraintes, engendrant des problèmes de très grande taille, gênent la résolution ; et d’autre part la décentralisation des décisions voire la contradiction de certains objectifs, les environnements incertains et un comportement fortement dynamique pèsent sur la modélisation. Les aspects multi-critère et multi-dimensionnel évoqués plus haut accentue encore plus ces difficultés. En effet, les outils d'optimisation classiques sont souvent très adaptés à des analyses statiques mono-critère (le coût) et pour certaines multi-critère mais mono-dimensionnelle (problème de commensurabilité, cohérence des critères). A contrario, les outils de simulation, fortement utilisés en décision opérationnelle à l'échelle de l'atelier ou de l'usine sont des outils puissants pour combler ces faiblesses : prise en compte des effets stochastiques simplifiés, fonctionnement intrinsèquement dynamique. Si l'on ajoute aux outils classiques de simulation une approche Systèmes Multi-Agents, il est alors plus aisé de modéliser le fonctionnement décentralisé, mais néanmoins coordonné, des chaînes logistiques où chaque « agent » représenterait par exemple un gestionnaire en transport, stock ou production avec ses données, contraintes et objectifs. C'est cette approche qui nous intéresse dans ce travail de thèse : d’une part coupler la simulation des chaînes logistiques à de l'optimisation pour l'aide à la décision afin de construire un outil de diagnostic et d'aide à la décision de haut niveau permettant de modéliser au mieux la complexité des chaînes logistiques avec les enjeux de demain. Une plate-forme de simulation de chaîne logistique fondée sur le concept des systèmes multi-agents est en cours de développement aux laboratoires SYMME et LISTIC [7,8]. Les méthodes d'optimisation utilisées en interconnexion avec cette plate-forme devront répondre à deux points principaux : permettre une optimisation multi-dimensionnelle, et un retour de solution rapide dans l'optique pouvoir poursuivre la simulation. Dans ce cadre, les métaheuristiques multi-objectif forment un point départ intéressant et le laboratoire G-SCOP dispose une expérience solide dans le domaine de l’optimisation des chaînes logistiques [1,3,4,5,9,10] et des transports [2,6]. Les moteurs "intelligents" de cette plate-forme n'ont en effet pas été développés et pourront donc s'appuyer sur des approches d'optimisation pour un couplage performant des deux approches. Décisions de planification de production et de gestion de stocks, construction de tournées d’approvisionnement ou de distribution, etc. sont parmi les problématiques courantes qui peuvent faire l'objet d'optimisation complexe en cours de simulation. Les techniques d'optimisation abordées devront être capables de proposer une solution rapidement, tout en respectant l'autonomie des différents acteurs et en prenant en compte l'ensemble des dimensions du problème (économiques/environnementales/sociales). Références bibliographiques [1] A. Akbalik, V.-D. Cung, B. Penz, Optimization in an integrated supply chain: two heuristics and one exact method, 17 International Association for Mathematics and Computers in Simulation - IMACS, 2005, Paris, France. [2] J. Boissière, F. Martin, N. Teypaz, G. Mauris, V-D. Cung, Using Choquet-integral for guiding Tabu search in multi-criteria public transport network design, 4th IFAC Conference on Management and Control of Production and Logistics MCPL'07, Sibiu, Romania, pp. 617-622, Sept. 2007. [3] F. Mangione, S. Rouibi, V-D. Cung, Sélection multicritère dynamique du fournisseur en vue d’une coordination dans une chaîne logistique, MOSIM’08, 31 mars-2 avril 2008, Paris, France. [4] T. Qu, G. Huang, V-D. Cung, F. Mangione, Optimal Configuration of Assembly Supply Chains Using Analytical Target Cascading, International Journal of Production Research, 2009. Accepted for publication. [5] K. Sripathomswat. Comparison of different policies in a logistic network : product-location problem. Thèse Grenoble INP. Sept. 2008. [6] N. Teypaz, S. Schreck, V-D. Cung, A decomposition scheme for large-scale Service Network Design with asset management. Transportation Research Part E: Logistics and Transportation Review. Volume 46, Issue 1, pp. 156-170, Janv. 2010. [7] J. Tounsi, J. Boissière, G. Habchi, Multiagent decision making for SME supply chain simulation, 23rd European Conference on Modeling and Simulation (ECMS’09), Madrid, Spain, June 2009, pp. 203-211 [8] J. Tounsi, J. Boissière, G. Habchi, A Conceptual Model for SME Mechatronics Supply Chain, Industrial Simulation Conference, Lyon, France, June 2008, pp. 273-281. [9] G. Tuncel, G. Alpan, A High-level Petri Net Based Modeling Approach for Risk Management in Supply Chain Networks, 21st European Simulation and Modeling Conference - ESM 2007, Malte, 2007. [10] H. Zerhouni, J-P. Gayon, Y. Frein. Control of an M/M/1 make-to-stock queue with exponential return leadtime. International Conference on Industrial Engineering and Systems Management (IESM), Montréal, Canada, 2009.