|
Date : 18 juin 2024 09:30 - Type : Thesis - Rahman TORBA - Amphithéatre Campus Charpak
Ordonnancement déterministe et robuste de projets multiples avec compétences multiples dans les chantiers de maintenance ferroviaire |
Les technicentres industriels de SNCF (TI) réalisent la maintenance lourde des rames (niveau 4 et 5) comprenant aussi la réparation des pièces.
Les gammes opératoires varient d’un train à un autre et la majorité des opérations sont réalisées par des agents de maintenance. Les aléas
rencontrés dans ce processus sont multiples (travaux supplémentaires, estimation incertaine des durées opératoires etc.).
Cette thèse s’intéresse à la modélisation et à la résolution du problème d’ordonnancement des opérations de maintenance dans les
technicentres industriels de SNCF en tenant compte de différentes incertitudes. Le problème est modélisé comme un problème d’ordonnancement de projets multiples à contraintes de ressources avec compétences multiples. Une formulation mathématique est proposée et un nouvel algorithme mémétique est mise en œuvre pour résoudre des instances industrielles de grande taille. Pour le problème déterministe, deux fonctions objectifs, la somme pondérée des durées des projets et la somme pondérée des retards des projets, sont considérées. L’algorithme mémétique est comparé à deux heuristiques et trois métaheuristiques. L’efficacité de l’approche proposée est validée à la fois sur des instances industrielles et des instances de la littérature.
Pour le problème robuste, l’algorithme mémétique est étendu afin d’intégrer les incertitudes et de maximiser la somme pondérée des niveaux de
service des projets. Ce critère correspond à la maximisation de la somme pondérée des probabilités de respecter les délais clients.
Une nouvelle approche de génération de scénarios, qui sont limités par un budget d’incertitude, est proposée. Pour générer ces scénarios,
des données historiques sont utilisées. La pertinence de notre approche d’ordonnancement robuste est validée sur dix instances industrielles.
Les travaux de recherche menées dans cette thèse sont industrialisés et un outil d’aide à la décision est mise en œuvre pour les technicentres industriels de SNCF.
Jury :
- ARTIGUES Christian, Directeur de Recherche, LAAS (Rapporteur)
- GRANGEON Nathalie, Enseignante chercheuse, Université Clermont Auvergne (Rapporteure)
- NERON Emmanuel, Professeur, Université de Tours (Examinateur)
- HANEN Claire, Professeure, Sorbonne Université (Examinatrice)
- DAUZERE-PERES Stéphane, Professeur, Mines Saint-Etienne (Directeur de thèse)
- YUGMA Claude, Professeur, Mines Saint-Etienne (Directeur de thèse)
- GALLAIS Cédric, Coordinateur projet R2DATO, SNCF (Co-encadrant)
- POUZET Juliette, Cheffe de projet MOD, SNCF (Co-encadrante)
- LÉRIN Christelle, Cheffe du groupe MOD, SNCF (Invitée)
- DARMON Eliott, Chef de projet ONTIME, SNCF (Invité).