1 / 53

Méthodes exactes et approchées pour l’optimisation des systèmes à moyen de transport

Méthodes exactes et approchées pour l’optimisation des systèmes à moyen de transport. Philippe Lacomme Maître de conférences – 27 ème section. HABILITATION À DIRIGER DES RECHERCHES. 6 juillet 2005. Contenu de la présentation. Curriculum Vitae Activités pédagogiques

willis
Download Presentation

Méthodes exactes et approchées pour l’optimisation des systèmes à moyen de transport

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Méthodes exactes et approchées pour l’optimisation des systèmesà moyen de transport Philippe Lacomme Maître de conférences – 27ème section HABILITATION À DIRIGER DES RECHERCHES 6 juillet 2005

  2. Contenu de la présentation • Curriculum Vitae • Activités pédagogiques • Activités de recherche • Synthèse scientifique • Problèmes de tournées sur arcs • Ateliers à ressources de transport • Conclusion • Perspectives

  3. Curriculum Vitae • Formation • Ingénieur Informatique CUST (1993) • DEA Informatique Industrielle (1993) • Doctorat, Université Blaise Pascal (1998) • Fonction actuelle • Maître de Conférences depuis 1999 • 27ème section, Membre du LIMOS • IUT de Montluçon • Fonctions précédentes • Maître de Conférences à l’UTT de Troyes • ATER de Sep. 97 à Janv. 99

  4. Activités pédagogiques • Recherche Opérationnelle (Simulation, optimisation…) • Gestion des Stocks • Algorithmique programmation • 2 à 5 étudiants/an en stage • Exemples de projets tutorés • Mise en place d'un suivi des stocks à la caserne de pompiers de Montluçon • Dimensionnement d'un stock et traçabilité des pièces pour la société S2MI

  5. Encadrements d’étudiants en liaison avec la recherche (1/2) • Eric Soutera. Auditeur CNAM. 2005. • Problèmes de tournées sur nœuds • Co-Encadrement avec M. Gourgand • 2 publications (ROADEF’05, IESM’05) • Mathieu Bécart– Projet CUST Génie Mathématiques. 2003. • Modèle linéaire pour la planification des systèmes flexibles de production • Co-Encadrement avec N. Tchernev • 2 publications (INOC’03, MOSIM’04)

  6. Encadrements d’étudiants en liaison avec la recherche (2/2) • Khata Mohammed Nadir. Stage de Maîtrise d’Informatique. • Problème de tournées sur nœuds • Fabrice Franquenk et Lorine Pornet. 2ème Année d'Ingénieur ISIMA • Solutions robustes et/ou flexibles du job-shop • Cédric Caron, Nicolas Antoine. 3ème Année d’Ingénieur ISIMA. • Réalisation d’un logiciel en OpenGL pour la visualisation de graphes en 3D • Rachid Driouch et Nicolass Kuchciak. 2ème Année d’Ingénieur ISIMA. • Optimisation de la collecte des déchets ménagers (algorithmes de fourmis)

  7. Projet international de coopération • Partenariat entre l’Université de Clermont-Ferrand et l’Université Ferhat Abbas de Sétif  Participation à la mise en place du LMD à l'Université Ferhat Abbas de Sétif  Co-responsable du cours de théorie des graphes (G. Fleury, P. Lacomme)

  8. Autres activités G. Fleury, P. Lacomme, A. Tanguy "La simulation par l’exemple" Editeur : Eyrolles Prévu fin 2005 P. Lacomme, C. Prins et M. Sevaux "Algorithmes de graphes" Editeur : Eyrolles, 2003

  9. Activités de recherche • Évolution des activités • Contexte des différentes études • Participation à des projets de recherche • Encadrements de thèse • Bilan des publications

  10. Évolution des activités HSP : Atelier de traitement de surfaces (ATS) FMS : Système Flexibles de Production (SFP) CARP : Capacitated Arc Routing Problem SCARP : Stochastic CARP VRP : Vehicle Routing Problem

  11. Contexte des différentes études

  12. Participation à des projets de recherche • Projet stratégique : Logistique du transport : problèmes de tournées complexes (2002-2004) • Responsable du projet : C. Prins • Projet PICASSO • Membre du projet PICASSO déposé avec l’équipe de recherche de Valence. • Responsable du projet : C. Prins • Projet "Ordonnancement de jobs et gestion des moyens de transport dans les ateliers flexibles de production» • Responsable du projet : A. Moukrim • Action Spécifique Recherche Opérationnelle • Rédaction d’un article regroupant la communauté française sur les FMS en cours d’acceptation à JESA

  13. Encadrements de thèse • Wahiba Ramdane Chérif • Encadrement : Philippe Lacomme (50%) et Christian Prins (50%) • Problèmes d’optimisation en collecte de déchets • 12 décembre 2002. • Anthony Caumond • Encadrement : Michel Gourgand (20%), Philippe Lacomme (40%) et Nikolay Tchernev (40%) • Métaheuristiques et modèles d'évaluation de performances pour le Job-Shop flexible avec transport • Décembre 2005

  14. Bilan des publications depuis 1999

  15. Synthèse scientifique • Démarche globale • Problèmes de tournées • Problèmes d’atelier à ressources de transport

  16. Démarche globale

  17. Problèmesde tournées sur arcs • CARP : Capacitated Arc Routing Problem • VRP : Vehicle Routing Problem • TSP : Traveling Salesman Problem

  18. Le problème de tournées sur arcs • But : • Collecter les déchets sur les rues • Objectif : • Au moindre coût • Contraintes : • Capacité limitée des camions

  19. Le problème et sa modélisation • Le problème • Des arcs à collecter • Des véhicules de capacité identique  Déterminer un ensemble de tournées de coût minimal • La modélisation • Graphe orienté • Chemin le plus court entre les arcs • Distancier arc à arc • Dépôt = arc fictif

  20. Proposition pour le CARP Modélise le problème

  21. Méthode de découpage exacte Paramètre d’entrée Paramètre de sortie

  22. Exemples de résultats Carpet : algorithme de Hertz MA : Memetic Algorithm  meilleure méthode publiée pour le CARP

  23. Exemple de problème stochastique : le SCARP • Variation des quantités à collecter • Allers/retours supplémentaires au dépôt • Recherche de solutions robustes : peu sensibles aux variations de la demande 

  24. Démarche générale pour un problème stochastique • Résolution du problème initial • Modification de certaines contraintes • Intégrer les lois représentants l’aspect stochastique • Vérifier statistiquement les propriétés des solutions obtenues

  25. Différentes « approches » possibles • Résoudre le problème Déterministe  mesurer la robustesse des solutions • Modifier certaines contraintes du problème • Intégrer lors de l’optimisation l’objectif de robustesse  obtenir des solutions robustes • Etudes • Atelier de traitement de surfaces (temps de transport stochastiques) • Flow-Shop Hybride (temps d’usinage stochastiques) • Tournées sur arcs

  26. Difficultés / voie de résolution

  27. Exemple sur le CARP

  28. Résultats sur le CARP • Résolution du CARP : utilisation à 100% de la capacité des véhicules • Résolution du CARP : utilisation à 80% de la capacité des véhicules Résultats à la fin de l’optimisation Résultats évalués Au cours des réplications

  29. Approche intégrant des lois Deux critères agrégés • Fonction objectif : • Exprimer mathématiquement : et • Utiliser les schémas classiques d’optimisation • Choisir pour obtenir des valeurs et de de comparables

  30. Mise en œuvre sur le CARP Minimiser Ecart entre la solution déterministe et la solution en minimisant Ecart entre la moyenne et la solution déterministe Nécessité de minimiser : • La moyenne • L’écart-type

  31. Résolution d’un problème stochastique sur deux critères • But : Obtenir des solutions robustes selon deux critères simultanément

  32. Principe  Utiliser un schéma « classique » multi-objectif  Utiliser un schéma « classique » multi-objectif  Lien entre le multi-objectif et le stochastique

  33. Application de la démarchepour le CARP Ecart-type du coût Coût moyen Longueur moyenne de la tournée la plus longue Ecart-type de la loongueur moyenne de la tournée la plus longue

  34. Mise en œuvre : population initiale

  35. Mise en œuvre : population finale

  36. Comparaison – échelle identique Population initiale Population finale

  37. Validation des résultats Ecart-type calculé mathématiquement Coût moyen calculé mathématiquement Gdb1- résultats finaux Gdb1-validation des résultats par simulation Coût moyen calculé par réplications Ecart-type calculé par réplications

  38. Bilan sur les problèmes de tournées Effort de formalisation Une instance  16s  27s Meilleure méthode publiée Meilleure que la méthode CARPET Aussi performante que l’approche mono-objectif Aussi performante que l’approche mono-objectif stochastique 3 approches possibles Détermination de solutions robustes

  39. Ateliersà ressources de transport HSP : Atelier de traitement de surfaces (ATS) FMS : Systèmes Flexibles de Production (SFP)

  40. Les SFP = Job-Shop avec contraintes Décision de gestion 2 demandes de transport Une station = une machine + un stock d’entrée + un stock de sortie

  41. Travaux réalisés sur les SFP

  42. Synthèse du modèle linéaire

  43. Travaux réalisés sur le Job-Shop No-Wait • But : Proposer un algorithme Time-Lags Modélise le problème Job-Shop

  44. Le problème et sa modélisation Graphe disjonctif Graphe disjonctif avec Time-Lags

  45. Un chromosome et la solution associée • Un chromosome  une orientation du graphe • Un calcul de chemin le plus court  le makespan • Mise en œuvre : • Instances no-wait • Instances de Job-Shop • Instances avec TL  Sur les instances no-wait résultats proches (en terme de qualité) de ceux des méthodes dédiées

  46. Le problème du Job-Shop avec transport et samodélisation • Modéliser les transports à charge • Modéliser la capacité limitée des stocks • Modéliser la politique de gestion FIFO Objectif : • Proposer une modélisation sous les mêmes hypothèses que le modèle linéaire des FMS

  47. Quelques idées • Travaux de Brucker et Hurink • 2 types de nœuds Difficultés liées aux liens entre le transport et le passage des pièces sur les machines

  48. Bilan sur les problèmes d’ordonnancement Modèle de graphes Modèle linéaire

  49. Conclusion

  50. Optimisation stochastique • Cas général : • environnement Stochastique • système Stochastique

More Related