Thèse en cours

Contribution à la résolution de problèmes combinatoires : cas du k-clustering et de la logistique
FR  |  
EN
Auteur / Autrice : Samod Elmi samod
Direction : Mhand HifiGérard-Michel Cochard
Type : Projet de thèse
Discipline(s) : Informatique-25DIN0
Date : Inscription en doctorat le 15/10/2019
Etablissement(s) : Amiens
Ecole(s) doctorale(s) : École doctorale Sciences, technologie et santé (Amiens)
Partenaire(s) de recherche : Laboratoire : EPROAD - Unité de recherche Eco-Procédés, Optimisation et aide à la décision

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Le k-clustering et la logistique sont des problèmes complexes de l'optimisation combinatoire. Une chaîne « approvisionnement – fabrication – distribution » comporte des activités très différentes. Elles sont mathématiquement gérées par des algorithmes différents. Ainsi le problème de la distribution est un combiné de flux maximal de produits et de tournées de véhicules (en supposant les livraisons effectués par des véhicules). Il s'agit de satisfaire la demande, celle-ci étant aléatoire (un historique des ventes par point de vente étant cependant disponible). Le problème de la fabrication consiste en une synchronisation de production entre des ateliers interdépendants et une optimisation des quantités à produire sachant qu'un produit fini résulte généralement de la fabrication de pièces, de modules, etc. à partir de matières premières qu'il faut acquérir juste à temps. S'ajoute à ces problèmes celui de la priorité : points de vente à approvisionner en premier, composants ou produits finis à fabriquer en premier par exemple. L'objectif recherché est une optimisation globale dont la finalité est la satisfaction de la demande de la clientèle en fin de chaîne tout en recherchant le profit maximum que l'on définira comme la différence entre le produit des ventes et les coûts (achats, fabrication, livraison). De même, le k-clusterng peut se traduire par une distribution/affectation particulière entre clients, services, où ses derniers sont regroupés dans des 'clusters' satisfaisant ainsi certains critères. Le travail demandé dans cette thèse est décrit comme suit : 1) A modéliser une entreprise et sa chaîne logistique : plusieurs points de vente, plusieurs véhicules de livraison, plusieurs ateliers de fabrication successifs, plusieurs produits finis dépendant de plusieurs composants et de plusieurs matières premières. La plupart de ces entités (points de vente, véhicules, ateliers, produits finis, composants, matières premières) peuvent (doivent) avoir des caractéristiques différentes. 2) Appliquer les algorithmes classiques de la recherche opérationnelle pour la résolution de l'optimisation dans le cas où le nombre d'entités reste faible ce qui permettra de vérifier la modélisation. 3) Appliquer des méthodes d'obtention de solutions approchées dans le cas où le nombre des entités est grand et comparer l'efficacité de ces méthodes. 4) Faire un lien entre le k-clustering et la logistic en proposant des résolutions heuristiques.