Recherche opérationnelle et Optimisation combinatoire
Probayes
Recherche Opérationnelle et Optimisation Combinatoire pour gagner en performance !
La Recherche Opérationnelle, vous aidera à prendre une décision optimisée face un problème contraint, dans un temps raisonnable. L’Optimisation Combinatoire vous permettra de prendre la meilleure décision possible parmi un nombre potentiellement important d’alternatives.
La Recherche Opérationnelle propose des modèles conceptuels pour analyser des situations complexes et permettre aux dirigeants de prendre la bonne option, qu’elle soit opérationnelle, tactique ou stratégique.
De nombreuses problématiques faisant appel à la Recherche Opérationnelle afin de gagner en performance : construction de réseaux, construction des plans de transport, planification des ressources humaines et matérielles, palettisation, gestion des stocks, optimisation des flux et des commandes, etc.
La Recherche Opérationnelle vous aide à :
Améliorer
votre qualité de service
Maximiser
vos profits
Minimiser
vos coûts
Réduire
votre impact environnemental et sociétal
Accélérer
vos processus
Notre équipe spécialisée développe des solutions permettant de :
Prévoir et Optimiser
vos flux
Planifier
vos ressources
Organiser
vos réseaux de distribution
Déterminer
vos tarifs
Perfectionner
vos trajectoires
Et vous accompagne sur une meilleure connaissance et maîtrise de la Recherche Opérationnelle :
Acculturer
sur l’intérêt de la Recherche Opérationnelle
Former
vos équipes techniques
Accompagner
votre conduite de changement
Réponse aux principaux enjeux métiers :
- Production automobile : optimisation de la chaine de production et minimisation des coûts
- Chaine d’approvisionnement : optimisation de la chaîne d’approvisionnement pour minimiser les coûts et maximiser la qualité
- Renforcement de la qualité : optimisation de la gestion de la qualité
- Utilisation de l’automobile :
- Optimisation de l’utilisation des moteurs hybrides
- Optimisation de la durabilité des véhicules tout en diminuant les coûts
- Etc.
- Planification des missions : optimisation de la planification des missions pour minimiser les coûts et maximiser l’efficacité
- Gestion des ressources : optimisation de la gestion des ressources (personnel, équipements, véhicules, etc.) et minimisation des coûts
- Maintenance en Condition Opérationnelle : Optimisation de la chaîne logistique et de l’approvisionnement des pièces détachées (La maintenance prédictive et les prévisions d’affectations sont traitées grâce au Machine Learning)
- Gestion des stocks et des approvisionnements
- Formation du personnel : optimisation du planning de formation du personnel
- Planifier l’évacuation d’une zone, modélisation des parcours agents
- Etc.
- Production d’énergie : optimisation de la production de l’énergie en diminuant les coûts et les impacts environnementaux
- Distribution de l’énergie :
- Optimisation de la planification de la distribution de l’énergie en minimisant les coûts et maximisant la qualité de service
- Optimisation de l’autoconsommation
- Investissement sur les réseaux
- Gestion des bâtiments : optimisation des relances en chauffage et climatisation afin de minimiser la consommation énergétique des bâtiments tout en garantissant le respect du confort.
- Gestion des ressources : optimisation de l’utilisation des ressources en minimisant les coûts
- Gestion des déchets : optimisation de la gestion des déchets
- Etc.
- Gestion des investissements
- Modéliser le coût de certaines contraintes et les impacts économiques
- Optimisation des dettes et créances
- Optimisation des placements boursiers
- Etc.
- Outil de production :
- Optimiser les plans de production, la disposition des machines dans l’atelier, la disposition des stocks
- Optimisation de l’utilisation des matières premières : découpe, etc.
- Optimisation des stocks et des approvisionnements
- Optimisation des transports de marchandises, de personnes et d’énergies
- Transport de bout en bout, jusqu’au dernier kilomètre
- Accompagnement sur la construction ou l’évolution du réseau du client :
- Construire un réseau logistique optimisé
- Rechallenger le fonctionnement d’un réseau logistique existant
- Amélioration de la robustesse du réseau
- Prévision de l’impact des transformations et des aléas
- Optimisation des trajectoires des navires en termes de coûts ou d’émissions vs contraintes métiers
- Optimisation des repositionnement des conteneurs vides
- Planification des ressources humaines (personnel hospitalier, conducteurs de poids-lourds, etc.)
- Planification des ressources matérielles (gestion des flottes de machines, d’ordinateurs, de salles, etc.
- Etc.
- Yield Management :
- Tarification
- Création de grilles tarifaires
- Lisibilité des prix
- Dimensionnement et optimisation d’un réseau (agences bancaires, magasins, etc.)
- Modélisation et optimisation de la performance commerciale (planification des plateaux de téléventes)
- Optimisation du parcours client
- Etc.
- Optimisation des transports journaliers et dimensionnement des stocks de matières premières et de produits finis
- Gestion des stocks et des approvisionnements
- Gestion des livraisons :
- Conception de réseau de transport (marchandises, personnes, ressources)
- Définition des tournées de livraison ou de collecte, tournées de maintenance
- Conception de chaînes logistiques
- Planification des ressources humaines (personnel hospitalier, conducteurs de poids-lourds, etc.)
- Planification des ressources matérielles (gestion des flottes de machines, d’ordinateurs, de salles, etc.)
- Dimensionnement de flotte de véhicules
- Etc.
- Dimensionnement des effectifs, vision opérationnelle et à des horizons plus éloignées (1 à 10ans)
- Planification stratégique :
- Quels types de contrats à mettre en place ;
- Le recours à l’intérim ou aux heures supplémentaires ;
- Préférence de profils multi-compétences ou spécialisés ;
- Le positionnement ou déplacement de congés payés ;
- Les temps de formation ;
- Affectation des agents sur les sites ;
- Recours au télétravail ;
- Les positionnements des réunions d’équipes …
- Planification des ressources humaines (personnel hospitalier, conducteurs de poids-lourds, vente et gestions en commerces etc.)
- Gestion spécifique aux équipes mobiles :
- Planification selon la demande ;
- Équilibrage des kilomètres parcourus ;
- Prise en compte des urgences ;
- Affectation des zones de mobilités aux agents ;
- Dimensionnements des équipements et véhicules des agents.
- Optimisation des temps de déplacement et de la mobilités des agents.
- Réduction des inégalités : types de tâches, pénibilité, homme/femme, déplacements, etc.
- Planifier l’évacuation d’une zone, modélisation des parcours agents
- Etc.
- Planification des ressources humaines (personnel hospitalier)
- Planification des ressources matérielles (gestion des flottes de machines, d’ordinateurs, de salles, etc.)
- Prévision et optimisation des stocks
- Tournées de réapprovisionnement
- Optimisation du transport de patients
- Maximisation des couplages donneurs-receveurs
- Aide au diagnostique
- Optimisation des flux patients
- Aide à la décision stratégique de la mobilité au sein des hôpitaux
- Etc.
- Serveurs informatiques : choix de la localisation des serveurs, la capacité de stockage, la puissance de calcul, le débit du réseau, le choix de l’architecture informatique et l’ordonnancement dans les systèmes d’exploitation
- Outil d’aide à l’installation de dépendances informatiques
- Etc.
- Organisation de tournois sportif pour maximiser l’équité entre les équipes
- Optimisation des gains sur les paris en ligne
- Etc.
Un projet type chez Probayes, c’est quoi ?
Quels sont les facteurs de réussite d’un projet de Recherche Opérationnelle ?
🟡Implication des métiers côté client tout au long du projet
Pour embarquer la forte complexité des différents secteurs d’activité et la multitude de sources de données, l’équipe de Recherche Opérationnelle met en place une collaboration étroite avec les équipes métiers du client. L’équipe métier client va pouvoir mieux comprendre la méthodologie de mise en place de l’I.A. dans son contexte, tandis que l’équipe Probayes va affiner sa compréhension des enjeux et contraintes spécifiques au domaine du client.
🟡La capacité des équipes Probayes à s’adapter aux fonctionnement métier et organisationnels de ses clients, nous adaptons :
- Les technologies employées
- Les méthodes scientifiques
- La gestion de projets
🟡Des équipes qualifiées en science pour l’élaboration des modèles et également en développement pour pouvoir industrialiser et déployer les modèles en production.
Formations d’acculturation ou techniques :
Découverte de la Recherche Opérationnelle et de l’Optimisation Combinatoire – RO1
Vous souhaitez savoir ce qu’est la Recherche Opérationnelle et comprendre pourquoi et comment elle est présente dans notre quotidien et pour tout type de secteurs d’activité et de services ? Pas besoin d’avoir un profil technique pour tout comprendre, cette formation est faite pour vous !
Approche Technique à la Recherche Opérationnelle et à l’Optimisation Combinatoire – RO2
Vous souhaitez découvrir techniquement comment mettre en œuvre la Recherche Opérationnelle dans votre entreprise ou votre service ? Cette formation est faite pour vous !
Quelques exemples de réalisations :
Optimisation énergétique des bâtiments / Batisens
BatiSense a pour objectif d’apprendre le comportement thermique des bâtiments tertiaires à partir des données des capteurs puis d’optimiser et de piloter les équipements techniques.
Optimnet
Outil d’aide à la décision pour optimiser les plans de transport et l’exploitation des sites dans les réseaux logistiques.
Optimisation d'une chaîne logistique
Création d’un outil permettant de modifier les données d’entrés et d’obtenir très rapidement, la résolution et la visualisation des résultats.
En savoir plus sur la Recherche Opérationnelle et l'Optimisation Combinatoire :
Les principales techniques
L’équipe de Recherche Opérationnelle de Probayes dispose des expertises indispensables pour vous accompagner tout au long du processus de construction d’un outil d’aide à la décision, de l’expression de la problématique jusqu’à la mise en œuvre opérationnelle d’une solution optimisée.
Les approches les plus fréquemment utilisées en Recherche Opérationnelle :
- À la croisée des mathématiques et de l’informatique, la théorie des graphes apporte un cadre de modélisation et d’analyse des problèmes.
- Un graphe (en tant qu’objet mathématique) est constitué de sommets (qui permettent de représenter des entités physiques, des lieux, des entrepôts, des ressources, etc) et d’arêtes (qui connectent deux sommets entre eux). Il est possible d’ajouter des attributs aux sommets pour enrichir la modélisation et des attributs sur les arêtes comme par exemple, la distance entre deux sommets, le temps de transition, le coût, la capacité maximale…
- L’étude des graphes permet d’identifier et d’orienter les différentes techniques de résolution qui seront le plus adapté pour le problème modélisé. Par ailleurs, les algorithmes construits à partir des graphes peuvent s’appliquer à un grand nombre de domaines (réseaux, télécommunications, planification, économie, etc).
- Nous pouvons citer, par exemple, le réseau routier, les réseaux sociaux, les problèmes d’affectation, les problèmes de flux…
- Un des grands outils de modélisation et de résolution des problèmes industriels/complexes qui fait partie de la programmation mathématique (au sens prise de décision).
- La programmation linéaire repose sur la représentation d’un problème d’optimisation à travers des contraintes linéaires tout en minimisant ou maximisant une fonction linéaire (minimisation des coûts, maximisation du temps d’utilisation,).
- Les techniques de résolution d’un programme linéaire (simplexe, point intérieur, …) sont très efficaces et un grand nombre de solveurs les ont implémentées.
- Une extension de la programmation linéaire avec des variables de décision entières rend le problème modélisé plus complexe à résoudre (Programmation Linéaire en nombre entier). Cependant, il existe des techniques permettant d’améliorer les performances de résolution (relaxation lagrangienne, branch & cut, branch & price, …).
- La programmation par contrainte repose sur un paradigme de résolution : modélisation générique, propagation des contraintes et recherche dans l’espace des solutions.
- La modélisation générique permet de modéliser les problèmes d’optimisation de façon linéaire (comme avec la programmation linéaire) mais aussi de façon explicite avec des contraintes globales (contraintes qui représente l’expression d’un sous-problème). Nous pouvons citer par exemple la contrainte AllDifferent (toutes les valeurs des variables de décisions doivent être différentes), NoOverlap (les ressources ne doivent pas s’intersecter).
- Pour chaque contrainte exprimée, nous avons un propagateur qui permet de raisonner sur le sous-problème explicité par la contrainte et qui permet de réduire les valeurs possibles des variables. Un propagateur peut utiliser toutes les techniques de Recherche Opérationnelle (Programmation Linéaire, théorie des graphes, programmation dynamique, …) pour réduire l’espace de solution possible du sous-problème. La propagation consiste à appliquer tous les propagateurs des contraintes exprimées.
- La recherche consiste à parcourir l’arbre des solutions en sélectionnant une variable et en lui affectant une valeur. À chaque affectation, la propagation est relancée afin de réduire le champ des possibilités. Une solution est alors trouvée lorsque toutes les variables ont une valeur associée. L’exploration continue jusqu’à atteindre l’optimum.
- Toutes les techniques présentées précédemment sont des techniques de résolution exacte, c’est à dire que lorsque la résolution se termine le résultat obtenu est la solution optimale (meilleure solution possible).
- Or, sur les problèmes complexes et/ou de grande taille, le temps nécessaire à ces méthodes pour trouver la solution optimale est trop important. Ainsi, afin de satisfaire les besoins utilisateur, nous pouvons développer également des heuristiques/méta-heuristiques qui permettent d’obtenir de très bonnes solutions dans un temps raisonnable.
- Une heuristique consiste à parcourir l’espace des solutions de façon guidée par des opérateurs de mouvement. Nous retrouvons deux types d’heuristiques : les heuristiques constructives et les heuristiques améliorative. Les premières construisent pas à pas une solution. À chaque étape de l’heuristique, une décision est prise pour au final obtenir une solution valide. Les heuristiques amélioratives s’appuient sur une solution et l’améliore à chaque étape via des perturbations de solution. Ces opérateurs s’inspirent fortement des raisonnements métiers de la problématique traitée.
- Les méta-heuristiques offre un cadre général de résolution heuristique pouvant s’appliquer à de nombreux problèmes, souvent inspirés de phénomènes naturels. Nous pouvons retrouver des méta-heuristiques à solution individuelle qui améliore à chaque étape une solution (recherche tabou, recuit simulé) ou des méta-heuristiques à population qui gèrent un ensemble de solutions (colonie de fourmis, algorithme génétique).
Copyright 2019 – Probayes – 53 avenue Jean Kuntzmann – 38330 Montbonnot – France – Tel: +33 (0)4 76 42 64 13
Mentions légales et conditions générales d’utilisations – Politique de protection des données du site internet de Probayes – Politique Cookies