07/12/2020 - 09H30 - Teams

"Ordonnancement sous perturbations : cadre d'étude et approche d'évaluation de la robustesse par automates stochastiques"
(Thèse Sara HIMMICHE)

L'objectif principal de cette thèse est de proposer une approche permettant de considérer les perturbations dans le cadre d'un problème d'ordonnancement de la production. L'approche
proposée permet de mettre l'accent sur l'importance de l'évaluation de la performance d'un ordonnancement dans un cadre perturbé.
L'ordonnancement de la production est un problème important et commun au monde de l'industrie et de la recherche scientifique. Dans le but de proposer des solutions d'ordonnancement,
les méthodes proposées proposent des ordonnancements optimaux permettant de minimiser ou maximiser un critère défini. Cet objectif est certes adopté depuis plusieurs années mais ne répond
plus tout à fait à la dynamique des ateliers de production. La prise en compte des perturbation est donc un enjeu majeur dans la problématique de l'ordonnancement.
Pour répondre à cet enjeu, nous proposons, de définir la performance et l'approche à adopter pour traiter l'impact des perturbations sur l'ordonnancement. La robustesse est alors identifiée
comme étant une performance adaptée pour évaluer cet impact. Plus encore, spécifier la robustesse permet d'identifier un cadre formel pour spécifier les différents problèmes de robustesse
auxquels l'ordonnancement doit faire face. Pour traiter le problème de la robustesse d'un ordonnancement, nous proposons un processus d'évaluation basé sur les modèles de systèmes
à événements discrets. Plus précisément, les automates temporisés stochastiques et le modelchecking statistique sont utilisés afin de mesurer la robustesse d'un ordonnancement perturbé.
L'évolution des systèmes de production et leurs contraintes de flexibilité et d'agilité exige que l'approche d'évaluation soit également flexible et adaptable. Le processus proposé dans le cadre
de cette thèse permet non seulement de s'adapter à plusieurs problèmes d'atelier de production mais également à prendre en compte des situations de décisions réelles dans un contexte industriel.
Jury :
- Rapporteurs : JACOMINO Mireille - Prof des Université - Institut Polytechnique de grenoble
LEFEbVRE Dimitri - Prof des Université - Université Le Havre Normandie
- Autres membres : Examinateur :
LAHAYE Sébastien - Prof des Universités Université d'Angers
Lemoin Davis - Professeur Assistant HDR, LS2N, IMT-Atlantique Nantes
Marie Duflot-Kremer Maître de conférences, LORIA, Université de Lorraine