Méthodes d’optimisation temps réel pour l'ordonnancement durable basées sur les jumeaux numériques
Dans le contexte actuel de l'industrie, la convergence des avancées technologiques et des impératifs de durabilité a transformé la manière dont les entreprises planifient et organisent leurs opérations. Ces processus reposent sur des modèles statiques et des approches heuristiques avec un ensemble complet de données. Cependant, face à la complexité croissante des chaînes logistiques, il est devenu essentiel de prendre des décisions en tenant compte de l'incertitude, avec des informations partielles ou des hypothèses peu fiables sur l'avenir. Les jumeaux numériques se révèlent être un outil offrant des informations en temps réel grâce à des répliques virtuelles des systèmes physiques, permettant ainsi une prise de décision dynamique pour optimiser les opérations et anticiper les perturbations.
Cette thèse propose de nouvelles approches pour la planification durable en temps réel, en exploitant les capacités des jumeaux numériques et des techniques d'optimisation avancées. Elle vise à développer des algorithmes capables de s'adapter aux conditions changeantes du monde industriel tout en intégrant des contraintes de soutenabilité, comme la consommation d'énergie ou les émissions CO2. Cette thèse se concentre particulièrement sur la boucle de rétroaction entre les jumeaux numériques et les processus décisionnels, permettant une amélioration continue des stratégies d'ordonnancement et une meilleure adaptation aux objectifs de soutenabilité.