GPA430 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE Préalable(s) : MAT165 PLAN DE COURS SESSION AUTOMNE 2013

Transcription

1 École de technologie supérieure Département de génie de la production automatisée Responsable(s) du cours : Crédits : Marc Paquet, ing., MBA, Ph.D. GPA40 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE Préalable(s) : MAT165 PLAN DE COURS SESSION AUTOMNE Coordonnées de l enseignant Groupe 01: Marc Paquet, ing., MBA, Ph.D. (Marc.Paquet@etsmtl.ca) 2. Descriptif officiel du cours À la fin de ce cours, l étudiant sera en mesure de : formuler un modèle d optimisation pour représenter un système; identifier la technique appropriée pour résoudre un modèle d optimisation; utiliser des outils informatisés pour déterminer la solution optimale à un problème donné; interpréter correctement les résultats obtenus. Modélisation d'un système et formulation mathématique du problème : identifier les ariables ou inconnues du problème, déterminer les objectifs de l'optimisation, définir une mesure de performance, fixer les limites permises ou les contraintes à respecter, préciser les paramètres de décision. Méthodes de résolution d'un problème d'optimisation : programmation linéaire (algorithme du simplexe), analyse postoptimale, programmation en nombres entiers, techniques de séparation et d éaluation progressie «branch and bound», problèmes de réseaux (transbordement, transport, flot maximum, chemin le plus court, arbre minimum), algorithme du transport, gestion de projet (CPM/PERT). Traaux pratiques : étudier et analyser les concepts us en classe; résoudre des problèmes à l aide d outils informatisés.. Objectifs spécifiques du cours Au terme de ce cours l étudiant doit être en mesure de connaître et d utiliser les techniques de modélisation et d optimisation afin de proposer des solutions réalistes à des problèmes complexes réels compte tenu de contraintes logiques, techniques et financières. À la fin du cours, l étudiant derait être capable : De formuler un modèle d optimisation, linéaire ou non, pour représenter de façon réaliste un système complexe réel. D identifier la technique appropriée, principalement lié à un algorithme ou à une heuristique, pour résoudre ce modèle d optimisation. Session automne 201 GPA40 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE 1

2 D utiliser des outils informatisés spécialisés pour résoudre ce problème d optimisation. D analyser et d interpréter la solution au problème d optimisation afin d en extraire une solution applicable au système réel. 4. Stratégies pédagogiques utilisées 9 heures de cours 24 heures de laboratoires 4 heures de traail personnel/en équipe par semaine, en moyenne sur la durée de la session Trois () heures de cours magistral par semaine. De nombreuses applications seront étudiées en classe pour permettre aux étudiants de bien assimiler la théorie et les techniques présentées en cours. Deux (2) heures de traaux pratiques par semaine pour appliquer la théorie étudiée sur des applications éducaties, commerciales et industrielles. Les traaux réalisés en dehors des heures de cours et de traaux pratiques permettront de mettre en pratique les notions ues en classe. Session automne 201 GPA40 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE 2

3 5. Contenu du cours Date Contenus traités dans le cours Heures Introduction à la recherche opérationnelle Hillier et Lieberman, chapitres 1 à / Notes de cours (site Web) Modélisation de problèmes de programmation linéaire Hillier et Lieberman, chapitre / Notes de cours (site Web) 2-09 Fondements de la résolution de problèmes linéaires Hillier et Lieberman, chapitres et Résolution de problèmes de programmation linéaire Hillier et Lieberman, chapitres 4 et Dualité et analyse de sensibilité Hillier et Lieberman, chapitres 4 et Synthèse de la première partie Notes de cours (site Web) Examen intra (cours 1 à 6 inclusiement) Résolution de problèmes en nombres entiers Hillier et Lieberman, chapitre Modélisation à l aide de nombres binaires Hillier et Lieberman, chapitre Programmation non-linéaire Hillier et Lieberman, chapitre Problèmes de réseaux Hillier et Lieberman, chapitres 8 et Introduction aux méthodes heuristiques Hillier et Lieberman, chapitre 1 / Notes de cours (site Web) Synthèse de la seconde partie Notes de cours (site Web) Total 9 Les heures de traaux pratiques seriront à la résolution de problèmes à l aide des logiciels Lingo de Lindo System et Excel de Microsoft, intégrant OpenSoler (opensoler.org). Des exercices tirés du lire de référence ainsi que les problèmes des deoirs seront traités. À chaque séance, une (1) heure sera réserée à la démonstration de problèmes, le temps restant étant consacré à la résolution de problèmes par l étudiant. Session automne 201 GPA40 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE

4 6. Laboratoires ou traaux pratiques Information ariable / enseignant Il est à noter que le total des heures de laboratoires ou traaux pratiques doit totaliser 24 heures ( cr.) ou 6 heures (4 cr.) Date Description Heures Présentation du logiciel LINGO Modélisation (Logiciels : LINGO) Résolution graphique Algorithme du simplexe Dualité et analyse de sensibilité Réision Résolution de problèmes en nombres entiers (Logiciel : LINGO) Modélisation à l aide de nombres binaires (Logiciel : LINGO) Programmation non-linéaire Problèmes de réseaux Introduction aux méthodes heuristiques Réision 2 Total Utilisation d outils d ingénierie Information ariable / enseignant Logiciel d optimisation Lingo Microsoft Excel intégrant le complément OpenSoler 8. Éaluation Information ariable / enseignant Actiité Description % Deoir 1 Deoir 2 Examen intra Examen final Modélisation Simplexe Dualité et analyse de sensibilité Remise électronique Modélisation en nombres entiers Résolution de problèmes en nombres entiers Programmation non-linéaire Remise électronique Cours 1 à 6 inclusiement Cours 7 à 12 inclusiement Date de remise h h h Retard de remise d un traail Une pénalité de 10 % par jour sera imposée à tous traaux en retard. Une pondération de 10 % du total des notes des diers traaux sera attribuée à la présentation et à la qualité du français. Toutes les remises se font par l intermédiaire du site Moodle. Session automne 201 GPA40 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE 4

5 Utilisation d appareils électroniques L utilisation et la possession de tout appareil électronique sont interdites aux examens, à l exception de la calculatrice. 9. Documentation obligatoire PAQUET, M. (201). GPA40 Techniques d optimisation en production automatisée, Documentation complémentaire, Enironnement numérique d apprentissage de l ÉTS (Site Moodle), Ourages de référence Information ariable / enseignant HILLIER, F.S. et G.J. LIEBERMAN (2009). Introduction to Operations Research, 9 e édition, McGraw-Hill, ISBN-1 : (Ourage recommandé). AARTS, E. (200). Local Search in Combinatorial Optimization, Princeton Uniersity Press, ISBN : BOYD, S. (2004). Conex Optimization, Cambridge Uniersity Press, ISBN : DEB, K. (2009). Multi-Objectie Optimization using Eolutionary Algorithms, John Wiley and Sons, ISBN : KLEINBERG, J. et É. TARDOS (2005). Algorithm Design, Addison-Wesley, ISBN : LUNDGREN, J., M. RÖNNQVIST et P. VÄRBRAND (2010). Optimization, Studentlitteratur, ISBN : RAO, S.S. (2009). Engineering Optimization: Theory and Practice, 4 e édition, John Wiley and Sons, ISBN : VENKATARAMAN, P. (2009). Applied Optimization with MATLAB Programming, John Wiley and Sons, ISBN : WOLSEY, L.A. (1998). Integer Programming, John Wiley and Sons, ISBN : WOLSEY, L.A. et G.L. NEMHAUSER (1999). Integer and Combinatorial Optimization, John Wiley and Sons, ISBN : YANG, X.-S. (2010). Engineering Optimization: An Introduction with Metaheuristic Applications, John Wiley and Sons, ISBN : Session automne 201 GPA40 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE 5

6 GPA40 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE ANNEXE I 1. Caractéristiques du cours Responsable(s) du cours : Marc Paquet, ing., MBA, Ph.D. Coordonnées de l enseignant : Groupe 01: Marc Paquet, ing., MBA, Ph.D. (Marc.Paquet@etsmtl.ca) Préalables : MAT165 Crédits : 2. Descriptif officiel du cours À la fin de ce cours, l étudiant sera en mesure de : formuler un modèle d optimisation pour représenter un système; identifier la technique appropriée pour résoudre un modèle d optimisation; utiliser des outils informatisés pour déterminer la solution optimale à un problème donné; interpréter correctement les résultats obtenus. Modélisation d'un système et formulation mathématique du problème : identifier les ariables ou inconnues du problème, déterminer les objectifs de l'optimisation, définir une mesure de performance, fixer les limites permises ou les contraintes à respecter, préciser les paramètres de décision. Méthodes de résolution d'un problème d'optimisation : programmation linéaire (algorithme du simplexe), analyse postoptimale, programmation en nombres entiers, techniques de séparation et d éaluation progressie «branch and bound», problèmes de réseaux (transbordement, transport, flot maximum, chemin le plus court, arbre minimum), algorithme du transport, gestion de projet (CPM/PERT). Traaux pratiques : étudier et analyser les concepts us en classe; résoudre des problèmes à l aide d outils informatisés.. Répartition des unités d agrément du BCAPG Maths Sciences naturelles Études complémentaires Science du génie Conception en ingénierie Total 19,6 0,0 0,0 19,6 19,6 58,8 Session automne 201 GPA40 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE 6

7 4. Qualités (Qx) et compétences (Cy) enseignées et ou éaluées Q1 : Connaissance, à un nieau uniersitaire, des mathématiques, des sciences naturelles et des notions fondamentales de l ingénierie, ainsi qu une spécialisation en génie propre au programme. Q1 -C Appliquer les concepts fondamentaux de l'ingénierie, dont ceux propres à sa discipline du génie Q2 : Capacité d utiliser les connaissances et les principes appropriés pour identifier, formuler, analyser et résoudre des problèmes d ingénierie complexes et en arrier à des conclusions étayées. Q2 -C1 Identifier et formuler le problème en établissant le contexte, les paramètres et les contraintes des problèmes, incluant les problèmes mal définis Q2 -C2 Choisir un modèle ou une méthode pour analyser ou résoudre un problème, incluant les notions, les concepts ou les relations physiques pour identifier des pistes de solution Q2 -C Appliquer le modèle ou la méthode en ue d analyser ou résoudre le problème Q2 -C4 Interpréter le résultat obtenu des modèles utilisés dans la représentation des problèmes en ue de formuler des conclusions étayées Enseigné Enseigné Ealué Ealué Q4 : Capacité de conceoir des solutions à des problèmes d ingénierie Enseigné Ealué complexes et éolutifs et de conceoir des systèmes, des composants ou des processus qui répondent aux besoins spécifiés, tout en tenant compte des risques pour la santé et la sécurité publiques, des aspects législatifs et règlementaires, ainsi que des incidences économiques, enironnementales, culturelles et sociales. Q4 -C1 Formuler le problème en tenant compte des besoins et des contraintes telles que les risques pour la santé et la sécurité publiques, les aspects législatifs et règlementaires, ainsi que des incidences économiques, enironnementales, culturelles et sociales. Q5 : Capacité de créer et de sélectionner des techniques, des ressources et Enseigné Ealué des outils d ingénierie modernes et de les appliquer, de les adapter et de les étendre à un éentail d actiités simples ou complexes, tout en comprenant les contraintes connexes. Q5 -C1 Éaluer différents outils et techniques, en faire un choix et justifier ce choix Q5 -C2 Appliquer les outils et techniques dans des projets d ingénierie Q7 : Habileté à communiquer efficacement des concepts d ingénierie Enseigné Ealué complexes, au sein de la profession et au public en général, notamment lire, rédiger, parler et écouter, comprendre et rédiger de façon efficace des rapports et de la documentation pour la conception, ainsi qu énoncer des directies claires et y donner suite. Q7 -C1 Rédiger des rapports techniques documentant efficacement un traail d'ingénierie en utilisant différentes formes de langage (naturel, graphique, mathématique, ) Session automne 201 GPA40 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE 7

8 Q9 : Capacité à analyser les aspects sociaux et enironnementaux des actiités liées au génie, notamment comprendre les interactions du génie aec les aspects économiques et sociaux, la santé, la sécurité, les lois et la culture de la société; les incertitudes liées à la préision de telles interactions; et les concepts de déeloppement durable et de bonne gérance de l enironnement. Q9 -C1 Considérer des facteurs économiques, sociaux et enironnementaux dans les choix et les décisions d utilisation ou de déeloppement d un produit ou processus dans une perspectie de déeloppement durable 5. Éaluation Enseigné Ealué Actiité Description % Deoir 1 Deoir 2 Examen intra Examen final Modélisation Simplexe Dualité et analyse de sensibilité Remise électronique Modélisation en nombres entiers Résolution de problèmes en nombres entiers Programmation non-linéaire Remise électronique Cours 1 à 6 inclusiement Cours 7 à 12 inclusiement Date de remise h h h Absence à un examen Dans les cinq (5) jours ourables suiant la tenue de son examen, l étudiant dera justifier son absence auprès de la coordonnatrice Affaires départementales qui en référera au directeur du département. Pour un examen final, l étudiant dera justifier son absence auprès du Bureau du registraire. Toute absence non justifiée par un motif majeur (maladie certifiée par un billet de médecin, décès d un parent immédiat ou autre) à un examen entraînera l attribution de la note zéro (0). Plagiat et fraude Les clauses du «Chapitre 10 : Plagiat et fraude» du «Règlement des études de 1 er cycle» s appliquent dans ce cours ainsi que dans tous les cours du département. Afin de se sensibiliser au respect de la propriété intellectuelle, tous les étudiants doient consulter la page Citer, pas plagier! Session automne 201 GPA40 TECHNIQUES D'OPTIMISATION EN PRODUCTION AUTOMATISÉE 8