Projet Transversal Logistique, Optimisation, Systèmes d’Information (L

Présentation au sujet: "Projet Transversal Logistique, Optimisation, Systèmes d’Information (L"— Transcription de la présentation:

1 Projet Transversal Logistique, Optimisation, Systèmes d’Information (L
Projet Transversal Logistique, Optimisation, Systèmes d’Information (L.O.S.I.I.) Michel TOLLENAERE Grenoble INP Concevoir & Organiser

2 Deux écoles en synergie
ENSIMAG Génie Industriel Un semestre commun (LOSII - S5) Recherche opérationnelle Systèmes d’information Conduite de projets Un public bien ciblé Maîtrise des outils de conception et de développement de produit Management et organisation d’équipes de conception et d’innovation Vision intégrée du processus de conception (technique, économique, environnementale, besoin client, marketing…) L’Ecole de Génie Industriel a pour objectif de former et certifier des ingénieurs généralistes de production capables de répondre aux nouveaux besoins des entreprises dans le contexte des entreprises réseau. L’ingénieur en Génie Industriel est capable de : Concevoir des produits et des services depuis l’élaboration du cahier des charges jusqu’à la production en passant par l’industrialisation Modéliser et optimiser les produits en fonctions de leur environnement d'usage. Organiser et gérer les systèmes industriels pour la conception, le développement et l’industrialisation Intégrer les problèmes de tout le cycle de vie du produit : conception, production, service, fin de vie Organiser les flux physiques et coordonner les différents services de l'entreprise et les partenaires extérieurs Concevoir et organiser les systèmes d’information industriels Optimiser la performance industrielle Modéliser, optimiser et organiser la production et la chaîne logistique. Gérer des projets et conduire le changement De plus : Culture de l’international : l’ingénieur est formé pour conduire des projets de dimension internationale et pour manager une équipe pluriculturelle. Innovation et mobilité : il réagit vite en imaginant de nouvelles solutions face aux questions techniques et managériales Travail en réseau : il est capable de travailler dans un contexte de réseau, de gérer la communication, les flux d’informations, le travail partagé. Vision globale de l’entreprise : de part sa connaissance et sa compréhension des ressources techniques, économiques et humaines de l’entreprise, il sait intégrer les aspects sociaux, économiques et organisationnels pour améliorer les performances de l’entreprise.

3 Le dispositif de formation aux projets
Un groupe d’étudiants (8 à 18) autonome 7 semaines (1er Novembre – fin décembre) Corps enseignant = assistance à la MOE MOA industrielle ou collectivité territoriale Evaluation mixte individuelle par les étudiants (chef de projets) et collective sur résultats. Un jury de 6 à 10 personnalités évaluera les résultats présentés lors de la soutenance. Ce jury est constitué de trois parties : la maitrise d’ouvrage, le corps enseignant, des représentants qualifiés du monde professionnel. Parmi ces derniers, les sociétés CapGemini, Atos Origin, ST Microelectronics, Oracle, Siemens,… ont participé au jury final, conférant à cette manifestation une grande solennité.

4 Projet 2004 : Cybercar : un système de co-voiturage assisté par les technologies (GSM, GPRS, GPS)
renchérissement des coûts des carburants et CO2. améliorer le taux de remplissage des véhicules utilisés pour des trajets quotidiens utilisation du réseau Internet  trop grande rigidité manque de réactivité et de souplesse du co-voiturage. fort potentiel en milieu péri-urbain.

5 Projet 2004 : Cybercar la réalisation
Équipe projet Évelyne Altariba Jérémy Castillo Antoine Ertault Dan Gugenheim Olivier Hays Jérôme Herlevin Ugur Kurnaz Nicolas Parizon

6 Un projet fini dans les temps
Une sous-évaluation des durées de certaines tâches Des retards au début du projet suite à des problèmes logistiques Un projet fini dans les temps et conforme aux spécifications

7 Projet 2007 : Béton

8

9 PROGRAMME LINÉAIRE – COMPARAISON DE PERFORMANCES
Comparaison des performances COIN CPLEX Nb Centrales Nb Commandes Nb Alternatives  Temps (sec) Scénario01 3 80 5 54 3.54 Scénario02 216 128 12.71 Scénario03 205 8.1 Scénario04 304 8.01 Scénario05 100 375 10.06 Scénario06 236 540 27 Scénario07 571 3.8 Scénario08 10 642 16.5 Scénario09 500 2 701 35 Scénario10 8737 10.17 CLP utilisable pour les problèmes de taille moyenne 02/04/2017 9

10 PROJET TRANSVERSAL LOSII 2008/09
Optim’Isère, Solution d’optimisation pour le transport des élèves handicapés Chef de projet : Floriane GARCIA Référent entreprise : Nicolas FONTAINE Tuteur enseignant : Michel TOLLENAERE 10

11 Transport des élèves handicapés
Projet 2008 : Optim’Isère Transport des élèves handicapés Plus de 1000 élèves transportés chaque année en taxi 6,5 M€ de budget Un agent à temps plein à la DT Une procédure bancale juridiquement 11

12 Les enjeux du Conseil Général
Le Projet 12 Nos objectifs Optimisation du transport (1000 élèves – 450 taxis) Elaboration d’une solution en 7 semaines (05/11-19/12) Equipe de 15 étudiants Les enjeux du Conseil Général Suivi des coûts de transport Optimisation kilométrique Maintien d’une qualité de service Centralisation des données Ergonomie de l’interface 12

13 Un problème mathématique complexe
Relève des problèmes de l’optimisation combinatoire Ces problèmes sont Non Polynomiaux : il n’existe pas d’algorithme en temps fini permettant à coup sûr de trouver la meilleure solution

14 Projet Transversal LOSII 2008
De nombreuses données 14 Elève Adresse(s) Etablissement Régime Handicap Niveau scolaire Adresse Horaires d’ouverture Société de transport Station de départ Capacité Compatibilité fauteuils Base de données Moteur de calcul Projet Transversal LOSII 2008

15 Organisation du calcul
15 calcul de Moteur ! Moteur de calcul Matrice des distances Projet Transversal LOSII 2008

16 Principe du moteur de calcul
16 Principe du moteur de calcul Problème connu de transport Différentes heuristiques envisageables : Recuit simulé Recherche Tabou + S1 S2 S3 S4 S5 S6 S7 S8 coût paramètres MDCVRPPD (Multiple Depot Capacited Vehicle Routing Problem with Pick up and Delivery )« Résolution via un Programme Linéaire impossible dans les temps de développement impartis Donc : On utilise une métaheuristique : l’algorithme tabou. Le principe : on reprend la solution de l’an passé de P.K., on supprime de la B.D. tous les élèves qui ne font plus parti du programme et on ajoute les nouveaux élèves en les mettant chacun seul dans un taxi. On explore le voisinage de la solution en réalisant deux types de mouvements: Mouvement « move » ou « 1-opt » : changement d’un élève de taxi  possibilité d’ajouter ou de supprimer des taxis Mouvement « swap » ou « 2-opt » : échange de deux élèves de deux taxis différents Chaque solution a un ensemble de solution « voisines » A chaque itération, on choisit la meilleure solution dans le voisinage. Pour éviter de rester bloqué dans un minimum local, on garde en mémoire les dernières solutions visitées et on s’interdit d’y retourner. Projet Transversal LOSII 2008 16

17 Performances Optim’Isère
17 Un temps de calcul raisonnable (~15 min.) Les résultats obtenus : Echantillon de 100 élèves Solution « manuelle » : 1900 € Qualité 1 : 1200 € Qualité 7 : 1450 € Projet Transversal LOSII 2008

18 Enseignements pour les étudiants
conduite d’un projet innovant et motivant conduisant à des résultats tangibles. caractère vital d’un partage clair des responsabilités entre les intervenants difficulté à évaluer des charges pour les tâches les plus techniques, nécessité d’une organisation sans faille au niveau gestion documentaire, respect des plannings de livrables == > une expérience originale et formatrice

19 Merci de votre attention