Mention de Master Génie Industriel de l UPSay (Université Paris Saclay) Parcours (M2) OSIL : Optimisation des Systèmes Industriels et Logistiques Etablissements opérateurs : CentraleSupelec Responsable : Vincent Mousseau, Professeur, CentraleSupelec, vincent.mousseau@ecp.fr Traduction de l'intitulé du parcours en anglais : Optimization of Industrial and Logistic Systems 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 aide à la décision et de l optimisation des systèmes industriels et logistiques. Cette formation a pour objectif d apporter aux élèves une compréhension des problématiques de type recherche des systèmes industriels et logistiques ainsi que des méthodes et outils adaptés à leurs résolutions. Objectifs pédagogiques et scientifiques, en précisant les points forts de cette formation, les atouts professionnels,... pour l'étudiant 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 étroite 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 : Aide à la décision, optimisation, recherche opérationnelle, supply chain, production, distribution. 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 Informatique, Mathématique appliquées, Économie/gestion et aux étudiants issus d'une école d'ingénieur ou de de commerce, ayant une appétence particulière pour la recherche opérationnelle et l'aide à la décision appliquées aux systèmes d'entreprise et aux organisations. Prérequis demandés, formation antérieure, compétences,... Le parcours OSIL requiert d'avoir étudié les bases de la recherche opérationnelle (programmation mathématique, théorie des graphes, modèles stochastiques,...) 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 l'ecole Centrale Paris (CentraleSupelec), 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 Intitulé des UE Responsable Etablissement Heures ECTS Obligatoires Introduction à la modélisation et à Asma Ghaffari CentraleSupelec 24 3 l'optimisation Aide à la décision Vincent Mousseau CentraleSupelec 24 3 Programmation CPLEX/Python Vincent Mousseau CentraleSupelec 15 2 Supply chain management Evren Sahin CentraleSupelec 30 3 Formation à/par la recherche Asma Ghaffari, Marija Jankovic CentraleSupelec 30 7 Anglais scientifique Jörgen Stendahl CentraleSupelec 40 2 Atelier de recherche Vincent Mousseau, Asma Ghaffari CentraleSupelec 12 2 Stage 6 mois 28 Electifs (5 cours à choisir parmi) Modélisation et simulation des systèmes de production Maitrise des incertitudes pour l'optimisation de la fiabilité Modèles Stochastiques et applications Oualid Jouini CentraleSupelec 24 2 Nicola Pedroni, Yanfu Li CentraleSupelec 24 2 Oualid Jouini CentraleSupelec 24 2 Pilotage de flux et gestion de stocks Evren Sahin CentraleSupelec 24 2 Aide multicritère à la décision Vincent Mousseau CentraleSupelec 24 2 Optimisation avancée par la pratique Asma Ghaffari CentraleSupelec 24 2 Théorie des jeux : concepts et applications Wassila Ouerdane, Christophe Labreuche CentraleSupelec 24 2 Planification ordonnancement Chengbin Chu CentraleSupelec 24 2 Optimisation combinatoire, graphes, réseaux et applications Introduction à l'analyse des systèmes complexes Michel Minoux CentraleSupelec 24 3 Enrico Zio CentraleSupelec 24 2 Prévision de la demande Bahman Rostami CentraleSupelec 24 2 Total 60
Annexe : Descriptif synthétique des UEs
Description Introduction à la modélisation et à l optimisation Contenu 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. Mots clés Optimisation, modélisation, recherche opérationnelle Responsable Asma Ghaffari ECTS : 3 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Contenu Aide à la décision 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. Aide à la décision, modélisation des préférences. Mots clés Responsable Vincent Mousseau ECTS : 3 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Programmation CPLEX/Python Contenu 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 Programmation, solveur, maquettage/implémentation Responsable Vincent Mousseau ECTS : 2 Heures : 15 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Supply chain management Contenu 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 oeuvre de ces approches en insistant sur les aspects faisabilité, adaptation et limites Modes pédagogiques : Sur le plan pédagogique, le cours est structuré sous forme d un mix d apports conceptuels et d études de cas issues du monde de l entreprise. - mise en situation concrète (mini-cas à traiter + étude de cas - confrontation au flou et à l incertain : Ces aspects font partie intégrante de la Supply Chain et seront abordés dans les séances - confrontation aux enjeux du 21ème siècle contribution aux mutations économiques : Ce cours traite les notions de Supply Chain et les enjeux liés pour améliorer les performances de l entreprise - l interdisciplinarité sera abordée en mettant en évidence le lien de la Supply Chain aux différentes fonctions de l entreprise et le lien entre les problématiques étudiées et les outils de résolution - développement de l innovation, de la créativité et du leadership : L étude de cas permet de développer - la créativité des étudiants en analysant la Supply chain existante et proposer des pistes de transformation physique et de service de la Supply Chain pour qu elle soit plus performante Programme de l enseignement et concepts-clés abordés : - Introduction générale au SCM - Présentation de la Supply Chain PSA - Présentation de Vallourec sur la Supply chain et stratégie de l entreprise - Planification industrielle et commerciale (S&OP) - prévisions de la demande - Pilotage de flux - Collaboration dans la Supply chain et témoignage de Carrefour - étude de cas Michelin - Mots clés : biens, services, supply chain management, gestion des opérations, approvisionnement, production, distribution Savoir-faire acquis en fin de cours : Ce cours permettra aux élèves d avoir une compréhension globale des enjeux et problématiques du SCM. Mots clés Biens & services, supply chain management, gestion des opérations, approvisionnement, production, distribution Responsable Evren Sahin ECTS : 3 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Méthodologie de la recherche Contenu 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. Savoir-faire acquis en fin de cours : Ce cours donne aux étudiants les aptitudes à mener recherche bibliographique, rédiger une synthèse bibliographique et présenter dans un séminaire/une conférence la synthèse d un travail bibliographique. Mots clés Méthodologie de la recherche Responsable Marija Jankovic, Asma Ghaffari ECTS : 7 Heures : 30 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Contenu 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. Mots clés 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 Responsable Jörgen Stendahl ECTS : 2 Heures : 40 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Contenu Atelier de recherche 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. Mots clés Accompagnement du stage Responsable Vincent Mousseau, Asma Ghaffari ECTS : 3 Heures : 30 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Contenu 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 28 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 l atelier de recherche qui permet aux étudiants de présenter et discuter l avancement de leurs travaux. Mots clés Stage, Responsable Vincent Mousseau ECTS : 28 Heures : Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Modélisation et simulation des systèmes de production Contenu 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 Mots clés simulation de flux, simulation à évènements discrets, ARENA Responsable Oualid Jouini ECTS : 2 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Contenu 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) Mots clés Uncertainty modelling, optimization, evolutionary algorithms Responsable Nicola Pedroni, Yanfu Li ECTS : 2 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Modèles stochastiques et applications Contenu 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 Mots clés Responsable Oualid Jouini ECTS : 2 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Pilotage de flux et gestion de stocks Contenu 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 Mots clés Pilotage de flux, Renouvellement de consommation, Gestion de stocks, Kanban, Pilotage par les besoins futurs, Méthode MRP, Méthode DRP, Distribution Responsable Evren Sahin ECTS : 2 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Aide multicritère à la décision Contenu Objectif : La prise de décision constitue une activité propre au métier d ingénieur. Une telle activité requiert des compétences/savoir-faire/savoir-être spécifiques. Les décisions en question conséquences impliquent des aspects financiers, techniques, humains, environnementaux... qui sont le plus souvent des critères en conflits antagonistes. Ces décisions sont difficiles doivent être préparées et nécessitent souvent le support formel d un modèle. Le cours vise à introduire des méthodologies/outils de l aide multicritère à la décision. Programme - Introduction à l activité d aide à la décision, concepts de base, - Concepts de base en aide multicritère à la décision, - Décision multicritère et modélisation des préférences - Procédures de vote, Théorie du choix social, - Procédures d agrégation par critère unique de synthèse - Procédures d agrégation fondées sur des relations binaires - Désagrégation, Elicitation indirecte de modèles d agrégation Savoir-faire acquis en fin de cours Il s'agit de sensibiliser les étudiants à une approche rationnelle des problèmes de décision en adoptant une démarche multicritère, de sorte qu'il soit capable d'identifier les problèmes et situations relevant de ce type de démarche, d'élaborer une modélisation adéquate, de mobiliser les outils de résolution et, le cas échéant, de dialoguer avec les spécialistes du domaine. Mots clés Décision, préférences, critères multiples Responsable Vincent Mousseau ECTS : 2 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Optimisation avancée par la pratique Contenu 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 Mots clés complexité, PLNE, applications réelles Responsable Asma Ghaffari ECTS : 2 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Théorie des jeux : concepts et applications Contenu 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). Mots clés Décision dans l incertain, réseaux bayesiens, jeux coopératifs et non-coopératifs Responsable Wassila Ouerdane, Christophe Labreuche ECTS : 2 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Planification ordonnancement Contenu 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 Savoir-faire acquis en fin de cours : Savoir choisir des outils de modélisation et construire des méthodes de résolution pour un problème donné Mots clés Planification, ordonnancement, systèmes de production, supply chain Responsable Chengbin Chu ECTS : 2 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Optimisation combinatoire, graphes, réseaux et applications synthétique UE Contenu 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. 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 Mots clés Problèmes de transport, flots et localisation, Responsable Miche Minoux ECTS : 2 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Contenu Introduction to complex system analysis Objectives: - Methodological: to learn the framework for analysing, managing and controlling modern complex engineering systems; - Practical: to understand which modelling and analysis paradigms are more suitable to different problems, taking into account their strengths and weaknesses in dependence of the particular situation addressed (in terms of complexity, uncertainty, knowledge and information). The course presents the foundations for the analysis of modern complex systems. The aim is to provide the students with the adequate tools for handling with scientific rigor the complexities and uncertainties associated to the problem. The expertise offered is part of the background knowledge of many diverse professional jobs such as system engineer, process engineer, project manager, process manager, risk manager Content: A system is a group of interacting elements (or subsystems) having an internal structure which links them into a unified whole. A complex system is made by many components interacting in a network structure. Most often, the components are physically and functionally heterogeneous, and organized in a hierarchy of subsystems that contributes to the system function. This leads to both structural and dynamic complexity. Structural complexity derives from 1) heterogeneity of components across different technological domains due to increased integration among systems, and 2) scale and dimensionality of connectivity through a large number of components (nodes) highly interconnected by dependences and interdependences Dynamic complexity manifests through the emergence of (even unexpected) system behavior in response to changes in the environmental and operational conditions of its components. The analysis of these systems cannot be carried out only with classical methods of system decomposition and logic analysis; a framework is needed to integrate a number of methods capable of viewing the problem from different perspectives (topological and functional, static and dynamic, etc.), under the existing uncertainties. Then, in particular the following methods of analysis will be considered: Structural/topological methods based on system analysis, graph theory, etc.; these methods are capable of describing the connectivity of a complex system and analyzing its effects on the system functionality, on the cascade propagation of a failure and on its recovery (resilience), as well as identifying the elements of the system which must be most robustly controlled because of their central role in the system connectivity. Logical methods based on system analysis, hierarchical logic trees, etc.; these methods are capable of capturing the logic of the functioning/dysfunctioning of a complex system, and of identifying the combinations of failures of elements
(hardware, software and human) which lead to the loss of the system function. Phenomenological/Functional methods, based on transfer functions, state dynamic modeling, input-output modeling and control theory, agent-based modeling etc.; these methods are capable of capturing the dynamics of interrelated operation between elements (hardware, software and human) of a complex system and with the environment, from which the dynamic operation of the system itself emerges. Flow methods, based on detailed, mechanistic models (and computer codes) of the processes occurring in the system; these methods are capable of describing the physics of system operation, its monitoring and control. Mots clés Complex systems; Critical Infrastructures; System analysis and modeling; Monte Carlo simulation; Uncertainty analysis; Riksk; Vulnerability; Resilience Responsable Enrico Zio ECTS : 2 Heures : 24 Langue : Anglais Lieu : Ecole Centrale Paris, Châtenay-Malabry
Description Prévision de la demande Contenu 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») 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. Mots clés Séries chronologies, prévision, Responsable Bahman Rostami ECTS : 2 Heures : 24 Langue : Français Lieu : Ecole Centrale Paris, Châtenay-Malabry