Amélioration des techniques d'optimisation combinatoire par retour d'expérience dans le cadre de la sélection de scénarios de Produit/Projet, Improvement of combinatorial optimization using experience feedback mechanism

Paul Pitiot

Description

Sous la direction de Laurent Geneste
Thèse soutenue le 25 mai 2009: INPT
La définition et l’utilisation d'un modèle couplant la conception de produit et la conduite du projet dès les phases amont de l’étude d’un système correspondent à une forte demande industrielle. Ce modèle permet la prise en compte simultanée de décisions issues des deux environnements produit/projet mais il représente une augmentation conséquente de la dimension de l'espace de recherche à explorer pour le système d'aide à la décision, notamment lorsque il s'agit d'une optimisation multiobjectif. Les méthodes de type métaheuristique tel que les algorithmes évolutionnaires, sont une alternative intéressante pour la résolution de ce problème fortement combinatoire. Ce problème présente néanmoins une particularité intéressante et inexploitée : Il est en effet courant de réutiliser, en les adaptant, des composants ou des procédures précédemment mis en œuvre dans les produits/projets antérieurs. L'idée mise en avant dans ce travail consiste à utiliser ces connaissances « a priori » disponibles afin de guider la recherche de nouvelles solutions par l'algorithme évolutionnaire. Le formalisme des réseaux bayésiens a été retenu pour la modélisation interactive des connaissances expertes. De nouveaux opérateurs évolutionnaires ont été définis afin d'utiliser les connaissances contenues dans le réseau. De plus, le système a été complété par un processus d'apprentissage paramétrique en cours d'optimisation permettant d'adapter le modèle si le guidage ne donne pas de bons résultats. La méthode proposée assure à la fois une optimisation plus rapide et efficace, mais elle permet également de fournir au décideur un modèle de connaissances graphique et interactif associé au projet étudié. Une plateforme expérimentale a été réalisée pour valider notre approche.
-Conduite de projet
-Conception préliminaire de produit
-Algorithmes évolutionnaires
-Retour d'expérience
-Réseau bayésien
The definition and use of a model coupling product design and project management in the earliest phase of the study of a system correspond to a keen industrial demand. This model allows simultaneous to take into account decisions resulting from the two environments (product and project) but it represents a consequent increase of the search space dimension for the decision-making system, in particular when it concerns a multiobjective optimization. Metaheuristics methods such as evolutionary algorithm are an interesting way to solve this strongly combinative problem. Nevertheless, this problem presents an interesting and unexploited characteristic: It is indeed current to re-use, by adapting them, the components or the procedures previously implemented in pasted product or project. The idea proposed in this work consists in using this “a priori” knowledge available in order to guide the search for new solutions by the evolutionary algorithm. Bayesian network was retained for the interactive modeling of expert knowledge. New evolutionary operators were defined in order to use knowledge contained in the network. Moreover, the system is completed by a process of parametric learning during optimization witch make it possible to adapt the model if guidance does not give good results. The method suggested ensures both a faster and effective optimization, but it also makes it possible to provide to the decision maker a graphic and interactive model of knowledge linked to studied project. An experimental platform was carried out to validate our approach.
-Project management
-Product preliminary design
-Evolutionary algorithm
-Experience feedback
-Bayesian network
Source: http://www.theses.fr/2009INPT021H/document

Sujets

• Gestion de projet
• Retour d'expérience
• Réseau bayésien

Informations

• Publié par: Thesee
• Nombre de lectures: 28
• Langue: Français
• Poids de l'ouvrage: 4 Mo

Extrait

THÈSE


En vue de l'obtention du

DOCTORAT DE L’UNIVERSITÉ DE TOULOUSE DOCTORAT DE L’UNIVERSITÉ DE TOULOUSE

Délivré par L'Institut National Polytechnique de Toulouse
Discipline ou spécialité : Science de l'ingénieur


Présentée et soutenue par PITIOT Paul
Le 25 Mai 2009

Titre : Amélioration des techniques d'optimisation combinatoire par retour d'expérience
dans le cadre de la sélection de scénarios de Produit/Projet

JURY
M. Michel ALDANONDO, Professeur des Universités, Mines d'Albi-Carmaux, Examinateur
M. Patrick SIARRY, Professeur des Universités, Université de Paris XII, Rapporteur
M. Jean-Luc PARIS, Professeur des Universités, LIMOS, Clermont-Ferrand, Rapporteur
M. Khaled HADJ-HAMOU, Maitre de conférences HDR, INPG, Grenoble, Examinateur
M. Christophe MERLO, Maître de conférences, ESTIA, Bidart, Examinateur
M. Thierry COUDERT,de confNIT, Tarbes, Examinateur
M. Laurent GENESTE, Professeur des universités, ENIT, Tarbes, Directeur de thèse
Mme Claude BARON, Professeur des universités, LATTIS, Toulouse, Directrice de thèse

Ecole doctorale : Aéronautique et Astronautique (ED-146)
Unité de recherche : Laboratoire de Génie de production
Directeur de Thèse : M. Laurent GENESTE



Remerciements
Tous mes remerciements les plus chaleureux, empreints d’une reconnaissance sincère, vont à
mes encadrants : Professeur Laurent GENESTE, Professeur Claude BARON et Monsieur Thierry
COUDERT pour leur aide, leur disponibilité et leurs orientations judicieuses tant scientifiques que
personnelles. Ils m’ont offert la possibilité de réaliser ces travaux de thèse dans la plus grande
liberté et la plus grande confiance. Je les remercie également pour le temps qu’ils ont passé à
corriger mes travaux et à répondre à mes nombreuses interrogations.
Je remercie tout particulièrement Messieurs Patrick SIARRY, Professeur des Universités à
l’université de Paris XII-Val de Marne et Jean-Luc PARIS, Professeur des Universités au LIMOS
de Clermont-Ferrand, d’avoir accepté la lourde tâche de rapporteur. Je les remercie pour l’analyse
minutieuse qu’ils ont menée sur le manuscrit, pour la lecture attentive qu’ils en ont fait et qui a
contribué à son enrichissement et sa mise en forme.
J’adresse mes remerciements aux personnes qui ont accepté de participer à mon jury de thèse :
Mr Michel ALDANONDO, Professeur des Universités, Mines d'Albi-Carmaux, qui a accepté de
présider ce jury, M. Khaled HADJ-HAMOU, Maitre de conférences HDR, INP de Grenoble et M.
Christophe MERLO, Maître de conférences, ESTIA à Bidart pour l’intérêt qu’ils ont porté à ce
travail et pour avoir accepté de participer à ce jury en tant que membres invités.
Je tiens également à remercier les membres du LGP (Laboratoire de génie de Production) et
de l’ENI de Tarbes qui ont contribué à créer un cadre de travail agréable tout au long de la
réalisation de cette thèse. J’ai particulièrement apprécié les échanges fructueux au sein de notre
équipe de travail (Production Automatisée) et du groupe de projet ATLAS. Ils ont largement
participé au développement de ce travail ainsi que de ma culture scientifique et pédagogique. Merci
enfin à tous mes amis tarbais ou de l’ENIT et aux doctorants du laboratoire pour leur amitiés et pour
cette extraordinaire ambiance qui sera difficile de retrouver et pour votre soutient durant ces années
de thèse.
Mes dernières pensées vont à ma famille : mes parents qui ont toujours été présents pour me
soutenir et à qui je dois d’avoir pu réaliser de si longues années d’études, mon beau-père qui m’a
insufflé sa culture scientifique et m’a toujours encouragé à aller plus loin, mes grands parents et
particulièrement mes deux grands pères à qui je dois beaucoup dans la construction de ce que je suis
devenu et qui s’en sont allés trop tôt pour assister à l’aboutissement de ce travail. Pour ma belle
famille qui a su me pousser et m’encourager dans les moments difficiles. Et tout naturellement pour
ma future épouse, Marie-Erveline, qui a su faire preuve de beaucoup de patience, d’un soutient sans
faille tout au long de la réalisation de cette thèse et qui m’a apporté la plus forte des motivations
pour aller au bout de ce travail. Pardon par avance à ceux que je ne cite pas explicitement afin de
garder une taille raisonnable pour ces remerciements. A tous, je dédie ce mémoire qui n’aurait
jamais vu le jour sans vous.
25 mai 2009

« Ce qui est simple est toujours faux, ce qui ne l’est pas est inutilisable », Paul Valéry

« Le risque quand on a un marteau, c’est de voir des clous partout », Robert Kagan



1/153

Résumé :
La définition et l’utilisation d'un modèle couplant la conception de produit et la conduite du
projet dès les phases amont de l’étude d’un système correspondent à une forte demande industrielle.
Ce modèle permet la prise en compte simultanée de décisions issues des deux environnements
produit/projet mais il représente une augmentation conséquente de la dimension de l’espace de
recherche à explorer pour le système d’aide à la décision, notamment lorsque il s’agit d’une
optimisation multiobjectif. Les méthodes de type métaheuristique tel que les algorithmes
évolutionnaires, sont une alternative intéressante pour la résolution de ce problème fortement
combinatoire. Ce problème présente néanmoins une particularité intéressante et inexploitée : Il est
en effet courant de réutiliser, en les adaptant, des composants ou des procédures précédemment mis
en œuvre dans les produits/projets antérieurs. L’idée mise en avant dans ce travail consiste à utiliser
ces connaissances « a priori » disponibles afin de guider la recherche de nouvelles solutions par
l’algorithme évolutionnaire. Le formalisme des réseaux bayésiens a été retenu pour la modélisation
interactive des connaissances expertes. De nouveaux opérateurs évolutionnaires ont été définis afin
d’utiliser les connaissances contenues dans le réseau. De plus, le système a été complété par un
processus d’apprentissage paramétrique en cours d’optimisation permettant d’adapter le modèle si
le guidage ne donne pas de bons résultats. La méthode proposée assure à la fois une optimisation
plus rapide et efficace, mais elle permet également de fournir au décideur un modèle de
connaissances graphique et interactif associé au projet étudié. Une plateforme expérimentale a été
réalisée pour valider notre approche.
Mots clés : Conduite de projet, conception préliminaire de produit, algorithmes évolutionnaires,
retour d’expérience, réseau bayésien.
Abstract :
The definition and use of a model coupling product design and project management in the
earliest phase of the study of a system correspond to a keen industrial demand. This model allows
simultaneous to take into account decisions resulting from the two environments (product and
project) but it represents a consequent increase of the search space dimension for the decision-
making system, in particular when it concerns a multiobjective optimization. Metaheuristics
methods such as evolutionary algorithm are an interesting way to solve this strongly combinative
problem. Nevertheless, this problem presents an interesting and unexploited characteristic: It is
indeed current to re-use, by adapting them, the components or the procedures previously
implemented in pasted product or project. The idea proposed in this work consists in using this “a
priori” knowledge available in order to guide the search for new solutions by the evolutionary
algorithm. Bayesian network was retained for the interactive modeling of expert knowledge. New
evolutionary operators were defined in order to use knowledge contained in the network. Moreover,
the system is completed by a process of parametric learning during optimization witch make it
possible to adapt the model if guidance does not give good results. The method suggested ensures
both a faster and effective optimization, but it also makes it possible to provide to the decision
maker a graphic and interactive model of knowledge linked to studied project. An experimental
platform was carried out to validate our approach.
Keywords: Project management, product preliminary design, evolutionary algorithm, experience
feedback, baye