Optimisation des flux logistiques : vers une gestion avancée de la situation de crise

(Nombre de téléchargements - 0)

Pour des questions et des demandes, contactez notre service d’assistance WhatsApp : +64-7-788-0271 ** E-mail : pfegratuit@gmail.com

Table des matières

Introduction Générale
Chapitre I : Logistique distribuée avancée
I.1 Introduction
I.2 Logistique et gestion des chaînes logistiques
I.2.1 Logistique – Définitions
I.2.2 Le concept de la supply chain
I.2.2.1 Supply Chain SC
I.2.2.2 Supply Chain Management SCM
I.2.3 La prise de décision en logistique : un processus hiérarchisé
I.2.3.1 Niveau stratégique
I.2.3.2 Niveau tactique
I.2.3.3 Niveau opérationnel
I.2.4 Les performances
I.3 Logistique des transports
I.3.1 Transport des personnes
1.3.1.1 Transport multimodal
1.3.1.2 Systèmes d’informations côté régulateur
1.3.1.3 Systèmes d’informations côté client
I.3.2 Transport de biens
I.3.2.1 Les participants
I.3.2.2 Paramètres de configuration du réseau de distribution
I.4 Logistique hospitalière
I.4.1 L’évolution
I.4.2 Les processus de la logistique hospitalière
I.4.3 Les familles de flux
I.5 Logistique militaire : Principaux enjeux
I.5.1 La crise et la gestion de la crise
I.5.2 Caractéristiques de la chaîne logistique humanitaire
I.5.3 La gestion des flux
I.5.3.1 Flux poussés
I.5.3.2 Flux tirés
I.5.4 La littérature scientifique pour la gestion de crise
I.6 Besoins méthodologiques pour les chaînes logistiques
1.6.1 Modélisation
I.6.1.1 Modèle analytique
I.6.1.2 Modèle par simulation
1.6.2 Optimisation
1.6.3 Aide à la décision
I.7 Pilotage centralisé vs pilotage distribué
I.7.1 Définition du pilotage
I.7.2 Les systèmes centralisés conventionnels
I.7.2.1 Les systèmes MRP2
I.7.2.2 Les ERP
I.7.2.3 Les systèmes de planification avancée
I.7.2.4 Quelques Critiques
I.7.3 Les systèmes distribués intelligents
I.7.3.1 Les systèmes fractals
I.7.3.2 Les systèmes multi agents
I.7.3.3 Les systèmes holoniques
I.7.3.4 Les systèmes contrôlés par le produit
I.7.4 Motivations pour la décentralisation du pilotage dans le cas de CLGC
I.8 Terrain d’étude – partenaire industriel
I.9 Positionnement de la thèse
I.10 Conclusion
Chapitre II : L’Alliance entre les Systèmes multi-agents et l’Optimisation
II.1 Introduction
II.2 Optimisation
II.2.1 Quelques concepts
II.2.1.1 Définition d’un problème d’optimisation
II.2.1.2 La notion d’algorithme
II.2.1.3 Classification des problèmes d’optimisation
II.2.2 Heuristiques et métaheuristiques
II.2.2.1 Les algorithmes gloutons
II.2.2.2 Le recuit simulé (Simulated Annealing – SA)
II.2.2.3 La recherche tabou (Tabu Search – TS)
II.2.2.4 Les algorithmes évolutionnaires
II.2.3 Méthodes exactes
II.2.3.1 La méthode par séparation-évaluation (branch & bound)
II.2.3.2 La programmation linéaire
II.3 Les systèmes multi-agents
II.3.1 Quelques concepts
II.3.1.1 La notion d’agent
II.3.1.2 Typologie d’agents
II.3.1.3 Les système multi-agents
II.3.2 Les mécanismes d’interactions
II.3.2.1 La coopération
II.3.2.2 La planification
II.3.2.3 La négociation
II.3.3 Apport des SMA
II.3.4 Applications des SMA
II.4 L’alliance entre les SMA et l’Optimisation
II.4.1 Les SMA pour une résolution collective d’un problème d’optimisation
II.4.2 Les SMA, une solution adaptée au problème d’apprentissage
II.4.3 Besoins liés à la résolution distribuée des problèmes d’optimisation
II.5 Quelques systèmes multi-agents pour l’optimisation de la logistique militaire
II.5.1 Nexus : Auto-organisation à base d’agents pour le soutien en combat
II.5.1.1 Approche
II.5.2 ALP : Advanced Logistics Project
II.5.3 Ushahidi, logiciel libre pour la collecte d’informations et la cartographie interactive des données
II.6 Conclusion
Chapitre III : SMA au service de la modélisation avancée d’une chaine logistique
III.1 Introduction
III.2 Choix des architectures des systèmes complexes
III.2.1 Technologies du Génie Logiciel
III.2.1.1 Architectures à base de composants
III.2.1.2 Architectures à base d’agents
III.2.1.3 Architecture orientée services
III.2.2 Comparaison des architectures
III.2.2.1 Sélection de l’action
III.2.2.2 Flexibilité du couplage
III.2.2.3 Niveau d’abstraction
III.2.2.4 Synthèse
III.2.3 Contraintes
III.2.4 Choix stratégiques
III.2.5 Principales méthodes existantes à base d’agents
III.2.5.1 ADELFE
III.2.5.2 Gaia
III.2.5.3 INGENIAS
III.2.5.4 MaSE
III.2.5.5 PASSI
III.2.5.6 Prometheus
III.2.5.7 Comparaison des différentes méthodes
III.3 OBAC : Une architecture proposée à base d’agents communicants
III.3.1 Notions élémentaires
III.3.1.1 Objet
III.3.1.2 Modélisation Objet
III.3.1.3 Classe
III.3.2 UML : Langage de Modélisation Unifié
III.3.3 De la modélisation Objet vers la modélisation Agent
III.4 Architecture proposée à base d’agents communicants pour la gestion de crise
III.4.1 Agent zone
III.4.2 Agent Transport
III.4.3 Agent Intégrateur Evaluateur
III.4.4 Agent Estimateur de Besoins (Need Estimating Agents : NEA)
III.4.4.1 Comportement du NEA
III.4.4.2 Organisation de l’NEA
III.4.5 Agent Météo
III.4.6 Agent GUI
III.4.7 Fonctionnement global du système
III.3.7.1 Réception des colis
III.3.7.2 Consommation des marchandises
III.4.7.3 Transmission des demandes
III.4.7.4 Envois des colis
III.5 Conclusion
Conclusion Générale

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.