Incertitude et flexibilité dans l'optimisation via simulation ; application aux systèmes de production

La simulation est de plus en plus utilisée dans les études de conception et d’organisation des systèmes complexes. Une étude par optimisation via simulation permet d’optimiser les paramètres d’un système afin d’obtenir les meilleures performances, estimés par la simulation. Toutefois, dans de nombreux systèmes complexes, certaines données sont incertaines (par exemple, les conditions opératoires du système ou le comportement des décideurs). En conséquence, même lorsque l’étude d’optimisation via simulation est réalisée avec le plus grand soin, les solutions obtenues peuvent se révéler inadaptées. Dans ce contexte, notre objectif est d’étudier comment optimiser, via simulation, un système afin qu’il continue d’être performant et robuste. L’étude bibliographique approfondie que nous avons menée montre que très peu de travaux en optimisation via simulation intègrent l’incertain et qu’ils peuvent être très limités dans leur capacité à fournir des solutions robustes en un temps de calcul raisonnable en particulier lorsque des métaheuristiques sont employées. Par ailleurs, la plupart des travaux existants délivrent une solution unique de conception performante du système et ne sont pas adaptés pour prendre en compte les aspects collaboratifs (groupe de décideurs). C’est pourquoi, nous avons proposé une approche originale connectant une recherche des solutions par optimisation évolutionniste multimodale et une évaluation des performances du système via simulation. Notre approche va permettre de fournir plusieurs alternatives performantes de conception d’un système et assez diversifiées pour acquérir aux décideurs une flexibilité dans le choix de la solution à implanter. De plus, nous avons exploité cette flexibilité pour intégrer, d’une part, les préférences individuelles des membres d’une équipe décisionnelle et, d’autre part, la présence de plusieurs environnements pour étudier la robustesse des solutions en un temps de traitement raisonnable par rapport à d’autres approches utilisant des méta heuristiques. Les approches proposées sont illustrées par l’optimisation d’une maille de supply chain. Grâce à cette application, nous avons montré qu’en plus de fournir un choix de solutions performantes pour dimensionner le système, nous pouvons proposer des solutions « collectivement acceptable » pour l’équipe décisionnelle et déterminer des solutions de conception robustes du système. Ces approches fournissent ainsi une flexibilité pour la phase de décision et contribuent à la prise en compte de l’incertitude dans l’optimisation via simulation d’un système.