bulletin de la société française de recherche

JUILLET 2016, NO 36

Bulletin de la Société Françaisede Recherche Opérationnelle etd’Aide à la Décision

Sommaire

Le mot du bureau . . . . . . . . . . . . . . . . . 1Entretien avec Adam Ouorou . . . . . . . . . . . 2Non Convex Mixed Integer Non Linear Program-

ming (C. D’Ambrosio) . . . . . . . . . . . . . . 4"Sustainable manufacturing" (O. Battaïa) . . . . . 8Recherche et innovation à Amadeus (B. Lardeux

et A. Salch) . . . . . . . . . . . . . . . . . . . 12Vie du GdR RO (P. Fouilhoux) . . . . . . . . . . . 15ROADEF/EURO Challenge 2016 (E. Bourreau, V.

Jost, S. Kedad-Sidhoum, D. Savourey) . . . . 17Bilan du congrès ROADEF 2016 à Compiègne (A.

Moukrim) . . . . . . . . . . . . . . . . . . . . 18Compte rendu de la 35ème JFRO (F. Delbot, M.

Lacroix, A. Lambert, T. Lust, F. Sikora) . . . . . 18La soirée des Pros de la RO du 27 novembre 2015

(Bureau ROADEF) . . . . . . . . . . . . . . . 19L’énigme de l’été 2016 : "Contrepétrie" (D. Cornaz) 19

Le mot du bureaupar Sourour Elloumi

Chers membres de la ROADEF,Au nom du bureau 2016-2017, je souhaite vous remer-

cier de votre confiance et de votre soutien. C’est grâce àvos adhésions et à votre participation à notre congrès an-nuel, ainsi qu’aux autres activités de la ROADEF, que notreassociation perdure et contribue au rayonnement de nos dis-ciplines scientifiques. Le bulletin est une illustration concrète

de vos contributions.

Le numéro que vous avez entre les mains est le pre-mier conçu et élaboré par Anna Robert, après un passagede témoin facile et efficace par Olivier Spanjaard qui s’étaitoccupé du bulletin pendant quatre ans. Il est également lepremier à arborer le nouveau logo de la ROADEF. Vous ytrouverez une interview d’Adam Ouorou qui nous donne l’oc-casion d’en savoir un peu plus sur son parcours personnelet sur la pratique de la RO dans le groupe Orange. Un autreéclairage sur la pratique de la RO dans l’industrie et les colla-borations entre industriels et universitaires nous est apportépar Benoît Lardeux et Alexandre Salch de l’équipe "Analysisand Research" d’Amadeus. Deux articles de synthèse sontrédigés l’un par Claudia D’Ambrosio du LIX, 2ème prix Ro-bert Faure 2015, sur la programmation non-linéaire en va-riables mixtes et l’autre par Olga Battaïa de l’ISAE sur lalogistique durable. Vous découvrirez également un bilan denotre conférence de février dernier à Compiègne et nousen profitons pour vous demander d’inscrire dans vos nou-veaux agendas les dates de la conférence de Metz, du 22au 24 février 2017. Ce numéro contient bien entendu lesrubriques désormais habituelles sur la vie du GdR RO, lesJournées Franciliennes de Recherche Opérationnelle et ledéroulement du Challenge ROADEF/EURO émanant d’AirLiquide : découvrez les vainqueurs de cette édition, dont lesnoms ont été révélés tout récemment à Poznan en page 17 !Enfin, vous avez tout l’été pour réfléchir à l’énigme de DenisCornaz. Le bureau de la ROADEF tient à remercier tous lescontributeurs, reste à l’écoute de toutes vos propositions etvous souhaite un excellent été 2016 !

Contacter le bureau

Vous pouvez joindre chaque membre du bureau par e-mail à partir de sa fonction :— Président : Sourour Elloumi, [email protected]— Secrétaire : Aziz Moukrim, [email protected]— Trésorier : Nicolas Jozefowiez, [email protected]— Vice-président 1 (bulletin) : Anna Robert, [email protected]— Vice-président 2 (site web) : Antoine Jeanjean, [email protected]— Vice-président 3 (4’OR et relations internationales) : Sophie Demassey, [email protected]— Chargée de mission pour la promotion de la RO/AD : Meltem Ozturk, [email protected] écrire à l’ensemble du bureau, vous pouvez utiliser l’adresse : [email protected]

Éditeur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sourour Elloumi, ENSIIESiège social . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Institut Henri Poincaré, 11, rue Pierre et Marie Curie, 75231 Paris Cedex 05Publication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Anna Robert, ENGIESite web . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . http://www.roadef.orgLangues officielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Français et anglais

Bulletin de la Société Française de Recherche Opérationnelle et d’Aide à la Décision – http://www.roadef.org 1

Entretien avec Adam Ouoroupar correspondance électronique (A. Robert)

Adam OUOROU est aujourd’hui Di-recteur d’un programme de rechercheau sein d’Orange Labs Recherche,dans le domaine de la Confiance et laSécurité.

Ton positionnement dans le monde de la RO,et notamment chez Orange

Parle-nous rapidement de ton parcours, quand et com-ment as-tu commencé à faire de la RO ?J’ai fait une bonne partie de mes études supérieures enAfrique à l’Université Nationale du Bénin (mon pays natal) età l’Université Cheik Anta Diop de Dakar (Sénégal) où j’ai faitma licence et ma maîtrise en mathématiques. J’ai ensuitepoursuivi avec un Diplôme d’Etudes Approfondies (DEA) deRecherche Opérationnelle à l’Université Joseph Fourier deGrenoble. C’est ainsi que j’ai commencé à faire de la RO.Après mon DEA, j’ai fait une thèse sur une classe de mé-thodes de décomposition et leurs applications à des problé-matiques télécom, thèse soutenue à l’Université Blaise Pas-cal. Je suis aussi titulaire d’une Habilitation à Diriger des Re-cherches (HDR) de l’Université Paris I, Panthéon-Sorbonne,soutenue après avoir intégré Orange Labs (France TelecomR&D à l’époque) : https://recherche.orange.com

Cela fait maintenant 15 années que tu travailles chezFrance Télécom, puis Orange, parle-nous des diffé-rentes missions que tu as eues dans cette entreprise.En effet, le temps passe vite. J’ai débuté par des activitésde recherche sur des outils d’optimisation de réseaux d’ac-cès et cœur. J’ai ensuite pris la responsabilité de projets derecherche en RO dans un premier temps de façon conjointeavec mon collègue Eric Gourdin (qui a été trésorier de laROADEF), puis dans le cadre d’un programme de recherche(regroupant plusieurs projets) selon les organisations de laRecherche. Je suis actuellement Directeur d’un domaine dela recherche sur la Confiance et la Sécurité dans lequel laRO a un réel apport.

Aujourd’hui, en quoi consiste ton activité ? Sur quels su-jets travailles-tu principalement ?Je dirige un programme de recherche au sein d’Orange LabsRecherche et je contribue dans le même temps aux projetsde recherche impliquant la RO. Mes centres d’intérêt portentsur les techniques d’optimisation en général et en particulierl’optimisation non-différentiable, l’optimisation robuste et lesapplications de la RO en télécommunications. La RO a unevisée d’applications très large par essence, je m’intéresseactuellement à ses applications au domaine de la sécuritéet de l’anonymisation des données.

La RO chez Orange

Au-delà de ton parcours et de tes propres activités,comment la filière RO s’organise-t-elle et s’implante-t-elle chez Orange ?Les compétences en RO sont réparties dans des équipes

de recherche et contribuent collectivement aux projets derecherche appliquant les techniques de RO aux probléma-tiques à fort enjeu pour le Groupe Orange. Celui-ci a unepolitique forte en matière de formation de doctorants etpeut s’enorgueillir de compter sur près de 150 doctorants etpost-doctorants, travaillant sur l’ensemble de ses activitésde recherche, et dont certains sont dédiés à la RO et sesapplications en télécommunications. Les choix des sujetsd’étude se font de plusieurs manières. Les ingénieurs de re-cherche, se basant sur la stratégie du Groupe, sont à mêmed’identifier les problématiques à fort enjeu et pour lesquellesl’emploi de la RO peut être bénéfique. Dans d’autres cas,les études sont demandées spontanément par des servicesopérationnels ou des collègues n’ayant pas la compétenceRO mais dont les activités de recherche débouchent parfoissur des problèmes relevant de cette discipline. Nous avonsdu progrès à faire en interne pour la promotion de la RO (etplus généralement de l’aide à la décision) et son potentiel.

Quels sont les thématiques et les projets pour lesquelsla RO a une forte valeur ajoutée chez Orange ?Les réseaux impliquent souvent des investissements im-portants, la RO ne peut être qu’un atout dans les projetspour optimiser leur conception. Mais il n’y a pas que dansl’optimisation des coûts que la RO apporte une plus-value.Un peu comme la puissance d’un moteur de voiture quel’on éprouve dans une côte, ses techniques sont souvent entâche de fond dans de nombreux outils sans que ce soit laRO qui soit mise en avant. Nous avons fourni deux exemples(dimensionnement et design optimisés des réseaux radio-mobiles, et un outil adapté à l’analyse de grandes bases dedonnées baptisé Khiops, www.khiops.com) où la RO inter-vient efficacement, dans le livre blanc de la RO édité parla ROADEF grâce à Jean-Christophe Culioli à qui je rendshommage.

Raconte-nous l’une des plus belles expériences de ROqu’Orange ait connue ces dernières années.L’une de nos plus belles expériences récentes de RO estindéniablement l’ensemble des travaux sur le déploiementde la fibre optique. Ces travaux ont permis à Orange d’êtrel’un des quatre lauréats sélectionnés par la ROADEF dansle cadre de son concours « Les pros de la RO » en fin d’an-née dernière, avec le projet « Fiber to the home » défendupar Matthieu Chardy.

Une mauvaise expérience ?Il y en a toujours mais je suis optimiste de nature et préfèrene garder que les bonnes expériences. Cependant commedans la vie en général, il est essentiel de tirer des leçons deses échecs. La réussite d’un projet de RO ne dépend pasuniquement de la technique (au contraire c’est la partie laplus amusante). Les difficultés sont souvent d’un tout autreordre. On peut rencontrer parfois de la résistance aux tech-niques modernes ou la crainte d’une remise en cause d’uneméthode qu’on croit éprouvée. . .

Quels peuvent être les parcours d’un ingénieur en ROchez Orange : profils recrutés, postes occupés, évolu-tions, etc. ?Il n’y a pas un parcours type pour un ingénieur en RO chezOrange. Certains choisissent une voie d’expertise en ap-profondissant des domaines de RO toujours en lien avec


des préoccupations télécom, ou prennent en charge desprojets de recherche ou des équipes de recherche aprèsquelques années d’expérience. D’autres ingénieurs en ROchoisissent de rejoindre des entités opérationnelles aprèsavoir quelques années d’activités de recherche. Les profilssont diversifiés et incluent des universitaires avec un doc-torat en RO, des ingénieurs de grandes écoles (ayant unecomposante RO dans leur formation) comme l’ENSIMAG oul’ENSTA. Il est possible pour les non doctorants de préparerun doctorat sur une partie de leur temps de travail en ac-cord avec leurs responsables hiérarchiques. Il faut noter queles docteurs que nous formons consituent un bon vivier derecrutement.

Les diverses relations entre la RO et le mondequi l’entoure

Quelle est ta vision de la politique « marketing » interned’une équipe de RO en entreprise ?Le marketing de la RO est primordial. Comme je l’indiquaisplus haut, une mise en œuvre efficace n’est pas unique-ment technique mais nécessite une implication forte despersonnes (clients de la RO) à qui les résultats finaux sontdestinés et qui vont les exploiter. Nous avons donc un devoird’explication et de diplomatie en évitant d’utiliser le jargonde la RO auprès des opérationnels. Il est aussi primordiald’être honnête sur les possibilités et limites de la RO et sa-voir ramener aux réalités certains enthousiastes qui peuventen attendre trop. Les résultats devraient être exploités enayant à l’esprit les hypothèses considérées pour aboutir àdes modèles traitables.

Tes partenariats, tes activités à l’externe, avec d’autresentreprises, des universités, à l’étranger, etc. il y a laRO, Orange, et sans doute beaucoup d’autres chosesqui gravitent autour ?Je tiens aux relations fortes entre l’industrie et le monde aca-démique. Nos doctorants sont formés conjointement avecdes universitaires au travers de contrats CIFRE. Nous fai-sons parfois appel au monde académique pour résoudredes difficultés théoriques majeures avec des contrats derecherche externes. A titre personnel, j’interviens dans cer-taines formations pour montrer l’apport de la RO en en-treprise. Une chose qui me tient à cœur également est ledéveloppement de cette discipline et des mathématiquesen général en Afrique. Je tente d’y apporter ma contri-bution à travers divers comités internationaux : IFORS(www.ifors.org), AIMS (www.nexteinstein.org). Nousavons aussi mis en place avec des collègues d’autres entre-prises un club informel de réflexion sur la pratique de la ROen industrie.

Quelle est ta vision d’une bonne collaboration d’une en-treprise avec l’externe ?Certaines conditions me semblent indispensables pour lesuccès de toute collaboration. La complémentarité des com-pétences, la disponibilité et l’ouverture d’esprit entre parte-naires et la confiance. Il n’y a rien de forcément spécifique àla RO.

L’évolution de la RO

Comment vois-tu la RO dans 10 ou 20 ans ? Où sesituera-t-elle dans le panorama des technologies ?Je suis confiant sur l’avenir de la RO. Les exemples nemanquent pas pour montrer sa plus-value quand elle estmise à contribution de façon intelligente. Elle tire profit desavancées technologiques et avec la puissance de calcul, onrésout maintenant des problèmes qu’on n’aurait pas ima-giné pouvoir appréhender auparavant. Désormais, on oseaborder des problèmes réputés difficiles et qui rebutaient.L’un des objectifs de la RO est l’aide à la décision et l’opti-misation (des ressources, etc.). Optimiser a toujours été lepropre de l’homme et il n’y a pas de raison que cela change.La RO aura une belle place mais à condition que les pra-ticiens aussi bien industriels qu’académiques maintiennentune pédagogie et une communication auprès des pouvoirspublics, des dirigeants des entreprises, du grand public etdes jeunes pour continuer à susciter des vocations.

Quels sont les freins et obstacles que la RO rencontreencore sur la route de son développement ?Je ne pense pas encore une fois que les obstacles seront auniveau technique. On a fait beaucoup de progrès et on ré-sout maintenant des problèmes inimaginables il y a encorequelques années. Sur le plan technique (modèles et mé-thodes), je suis confiant, on continuera d’innover. Les obs-tacles principaux que je vois sont de deux ordres, la com-munication et la formation. La RO n’est pas simple à appré-hender par le grand public et par ceux ou celles qui ne lapratiquent pas. Il y a un travail indéniable de ce côté car l’im-pact de la communication est de plus en plus grand quelleque soit la science afin de continuer à bénéficier de condi-tions favorables à son développement. Regarder le buzz qu’ily a eu et qui continue autour du Big Data. Certains ont mêmeavancé que ce dernier pourrait remplacer la RO. Pour moi,ce ne sont que des facettes différentes de l’aide à la décision(la RO étant par ailleurs utilisée dans les techniques sous-jacentes au Big data). Le fait que la RO puisse considérerdes cas d’usage différents et variés peut la rendre suspecte.En fait, le goût du concret doit conduire l’action du cher-cheur en RO (en industrie). Et par ailleurs, un grand soindoit être apporté à la présentation des résultats. Les effortsde formation y compris dans les grandes écoles (qui formentune bonne majorité des futurs dirigeants d’entreprise) mesemblent indispensables pour diffuser un peu partout le lan-gage et les méthodes de la RO.


Non Convex Mixed Integer Non LinearProgramming

par Claudia D’Ambrosio (LIX)

1 Introduction and real-world applications

In the last decade, Mixed Integer Non Linear Program-ming (MINLP) has increasingly captured the attention of themathematical optimization community. MINLP problems arevery challenging both from a theoretical and a practical view-point, typically because of the simultaneous presence of in-tegrality constraints and non linearities, or, more specifically,non convexities. An example is provided by Vavasis in [32]where he shows that minimizing a quadratic function sub-ject to box-constraints is an NP-hard problem, both in thecase of continuous and integer variables. To be more pre-cise, non convex integer programming problems may be, ingeneral, undecidable : Jeroslow presents in [16] an exampleof a quadratically constrained integer program that cannotbe optimized by any computing device. In the remainder, weconcentrate on the case where MINLP is decidable, whichwe can achieve by ensuring that each variable has finite lo-wer and upper bounds.

Mixed integer non linear programming is currently oneof the largest class of problems for which a general purposesolver exists. MINLPs may involve linear and non linear func-tions of continuous, binary, and integer decision variables.As such, it captures an incredibly diverse variety of optimiza-tion problems. Real problems arising in engineering, industryor the natural sciences often come with a lot of technical ove-rhead, which somehow obfuscates the essential underlyingdifficulties. Examples of real-world applications of MINLP arewater network design [14] and pooling problem [11], only tomention a few.

2 Non convex MINLP problems and relevantsubclasses

In this section, we define mathematical formulations fornon convex MINLP problems in general and two of its sub-classes, i.e., the mixed integer quadratically constrainedquadratic programming (MIQCQP) problems and the mixedinteger polynomial programming (MIPP) problems.

A non convex MINLP problem can be formulated as fol-lows :

min f(x)s.t. g(x) ≤ 0

x ∈ [l, u]xj ∈ Z ∀j ∈ I

(1)

where l, u ∈ Rn with l ≤ u and I ⊆ {1, . . . , n}. We de-note [l, u] :=

∏nj=1[lj , uj ] and assume without loss of ge-

nerality that lj , uj ∈ Z for j ∈ I. We assume that functionsf : Rn → R and g : Rn → Rm are twice differentiable conti-nuous functions. In general, MINLPs are defined non convexwhen the feasible region of their continuous relaxation is anon convex set.

Relevant subclasses of MINLP problems exist such as,only to mention a few :

— MIQCQPs : the most widely studied subclass ofMINLP problems, functions f and g are assumed to

be quadratic. The interested reader is referred to Sec-tion 5 of [7].

— MIPPs : f and g are assumed to be polynomial. Tothe best of our knowledge, no survey exists on poly-nomial optimization, but we refer the interested rea-der to the PhD thesis [24] that contains an exten-sive overview, more focused on the purely continuouscase and to the papers [5, 18, 6] on methods for po-lynomial MINLPs.

— convex MINLPs : interesting subclass of MINLPs asits continuous relaxation can be solved effectively inpolynomial time [4]. Several methods for mixed inte-ger linear programming have been extended to dealwith convex MINLPs.

— separable MINLPs : f and g are separable, i.e., theycan be written as summation of univariate functions.Tailored method can be found in the literature, see,for example, [31, 10, 15].

In the following, we will focus on general non convex MINLPproblems.

3 Methods for non convex MINLP problems

In general, mathematical programming algorithms are di-vided into two classes : exact and heuristic. Informally spea-king, exact algorithms provide a guarantee that the solutionis globally optimal, whereas heuristic algorithms do not. Heu-ristic algorithms are usually conceived using some sort ofintuition or good practice and are aimed at finding good qua-lity solutions in a short amount of time. Thus, they are oftenused in practice to solve real world applications.

In the literature we can find several types of convex (orlinear) relaxations and reformulations of MINLP problems.The use of standard or non standard relaxations resultsin dealing with a problem that has a larger feasible setand/or an objective function that is an underestimator ofthe original one and that is “more tractable”, typically bothfrom a theoretical and a practical viewpoint. We refer to[25, 9, 12, 7, 19, 2, 13] for an overview of standard methodsfor MINLPs.

If the formulation involves non linear functions and conti-nuous variables, it is likely that solutions may not be repre-sentable exactly using floating point numbers ; we still callthe algorithms “exact” in this setting if they provide an ε gua-rantee on the optimality of the (approximated) solution theyfind. More precisely, let x∗ be a global optimum of a MINLPproblem whose components involve irrational numbers ; andlet A be an algorithm can find an approximated solution x̄such that |f(x̄) − f(x∗)| < ε. Then we still include A in theclass of exact algorithms.

In the following we describe the most commonly usedmethods for solving general non convex MINLPs (skippingthe description of special-purpose methods, such as thosefor the subclasses of MINLPs mentioned in Section 2, forexample).

Coming back to the general MINLP problem (1), whene-ver functions f or g are non convex, one of the main issuesone has to deal with is that the continuous relaxation (NLP)of MINLP problems have, in general, local minima whichmight be not global. Thus, if the NLP solver used to solvethe NLP subproblems does not guarantee that the solutionprovided is a global optimum (as typically the case), feasibleand even optimal solutions might be fathomed, for example,


by comparison with an invalid lower bound.Moreover, another key ingredient of classic methods for

convex MINLPs are the linearization cuts which are, in gene-ral, not valid for non convex constraints, thus part of the fea-sible region might be cut off together with infeasible pointsas depicted in Figure 1.

Fig.1. An invalid cut for non convex MINLP

The cut represented by the dashed line cuts off part ofthe feasible region, i.e., the one above the cut, thus we mightcut off the optimal solution. To avoid this, one should avoidusing linearization cuts based on the convexity assumption.Summarizing, methods for convex MINLPs could be used tosolve heuristically non convex MINLPs.

Let us now consider exact algorithms for general nonconvex MINLPs. Whenever it is possible, the first approachto adopt is to fully reformulate the problem so as to get a“more tractable” problem as, for example, a convex MINLP.The great majority of MINLP problems cannot be reformula-ted to an equivalent convex MINLP exactly, i.e., in such a waythat (i) all feasible points of (1) are mapped to unique andfeasible points of the convex reformulation feasible region ;and (ii) no other mixed integer (infeasible) solution belongsto it. Once this reformulation is performed, convex MINLPtechniques can then be safely applied to the reformulatedproblem. For more details on reformulations, the reader isreferred to [22].

Next, we focus on the approaches which apply to theMINLPs that cannot be reformulated as proposed above.The common ingredient is the convex envelopes or underes-timators of functions f and g of (1) that are used to replacethem and, thus, consider a larger convex feasible region thatcontains the non convex one.

In order to automatically perform the relaxation withconvex envelopes/underestimators mentioned above, weneed to perform the following steps :

— for each non linearity in (1), add auxiliary variablesand replace each occurence of the non linearitieswith the corresponding auxiliary variable. This step isneeded to isolate the non linearities and make themsimpler.

— relax the basic non linearities, now included in theconstraints corresponding to the auxiliary variablesdefinition, are relaxed by using well known simpleconvex envelopes/underestimators.

In order to be able to apply the steps above, we assume thatf and g arefactorable functions, i.e., functions that can be ex-pressed as summations and products of univariate functionsafter appropriate recursive splitting :

f =∑h

∏k

fhk(x),

where fhk(x) are univariate functions for all h, k. For

example, function f above can be reformulated as

shk = fhk(x) ∀h, k

s′h =∏k

shk ∀h

f =∑h

s′h.

By replacing for each h, k fhk(x) and∏

k shk with its convexenvelope/underestimator, we then get a convex underesti-mator of f . The reformulation above can be performed au-tomatically by non convex MINLP solvers so as to have fhkand

∏k shk as predetermined operators for which convex

underestimators are know, see, for example [20, 23, 29].The operations described above have two effect on (1) :

on the one hand, the introduction of auxiliary variables andisolation of simple non linearities increase the number ofvariables and constraints, one the other hand, replacing fand g with their convex envelopes/underestimators makesthe feasible region larger. The latter effect implies that, if theoptimal solution of the convex relaxation of (1) is feasible forthe original problem itself, it is also its global optimum. If itis not, a refinement of the underestimation is needed. Thisis made possible thanks to the branching on continuous va-riables involved in the non linear terms as depicted in the Fi-gure 2 (note that if I 6= ∅ also branching on integer variablesis performed as in the classic branch and bound algorithmsfor MILPs) :

Fig.2. Linear relaxation of a non convex feasible region be-fore and after branching. On the right, the branching allowsto split the problem into two subproblems (one on the leftand one on the right of the vertical line), thus to get a betterlinear relaxation.

Branching on continuous variables allows one to havea non-decreasing lower bound on the non convex MINLPoptimum that can be used within the branch-and-bound al-gorithms specialized for global optimization, namely spatialbranch-and-bound [29, 3], branch-and-reduce [27, 28, 30],α-BB [1], Branch-and-Cut [17, 26]. The algorithms mentio-ned above provide a solution that is guaranteed to be glo-bally optimal. The differences between the different versionsreside mainly in the underestimators used, the techniquesemployed to strengthen the relaxations, and the branchingscheme adopted (the priority can be given to the integer orcontinuous variables, for example, in different phases of theexploration).

As expected, algorithms of this type result, in general,being very time-consuming and can solve only small- tomedium-size instances in a reasonable time. The award forthis is the guarantee of the global optimality of the solutionprovided.

Several issues show up when writing software for sol-ving exactly non convex MINLPs but this discussion is out of


the scope of this paper, thus we refer the interested readerto [20, 21, 8]. Finally, we list some general purpose solversfor non convex MINLP problems : αBB, ANTIGONE, BARON,Couenne, LINDO-global, and SCIP.

4 Conclusion and future perspectives

Mixed integer non linear programming is a powerful toolthat allows to model an extremely large class of real worldproblems. However, solving this kind of problems is a hardtask both from a theoretical and a practical viewpoint. In thispaper, we provided an overview of the challenges the me-thods for non convex MINLP problems have to face and themain ingredients of these algorithms.

We think that MINLP technology is far behind the MILPone and that in the near future exciting new research willhave MINLP problems as main character. In particular,MINLP solvers need to strengthen their relaxations thanksto cuts (that are a fundamental ingredient of the MILP me-thods) and to maximize their chances to compute good fea-sible solutions, thanks to effective heuristic methods. Theseobjectives can be achieved by developing more sophistica-ted ways to identify and exploit structures hidden behind theMINLP formulations.

Références

[1] I. Androulakis, C. Maranas, C. Floudas. αBB : A globaloptimization method for general constrained nonconvexproblems. Journal of Global Optimization, 7 :337–363,1995.

[2] P. Belotti, C. Kirches, S. Leyffer, J. Linderoth, J. Luedtke,A. Mahajan. Mixed-integer nonlinear optimization. ActaNumerica, 22 :1–131, 2013.

[3] P. Belotti, J. Lee, L. Liberti, F. Margot, A. Wächter. Bran-ching and bounds tightening techniques for non-convexMINLP. Optimization Methods and Software, 24 :597–634, 2009.

[4] S. Boyd, L. Vandenberghe. Convex Optimization. Cam-bridge University Press, Cambridge, New York (NY),U.S.A., 2004.

[5] C. Buchheim, C. D’Ambrosio. Box-constrained mixed-integer polynomial optimization using separable unde-restimators. In : Integer Programming and Combinato-rial Optimization – 17th International Conference, IPCO2014, LNCS, vol 8494, pp 198–209, 2014.

[6] C. Buchheim, C. D’Ambrosio. Monomial-wise OptimalSeparable Underestimators for Mixed-Integer PolynomialOptimization, Journal of Global Optimization (to appear).

[7] S. Burer, A.N. Letchford. Non-convex mixed-integer non-linear programming : a survey. Surveys in OperationsResearch and Management Science, 17 :97–106, 2012.

[8] M.R. Bussieck, S. Vigerske. MINLP Solver Software In :Wiley Encyclopedia of Operations Research and Mana-gement Science Cochran, James J. and Cox, Louis A.and Keskinocak, Pinar and Kharoufeh, Jeffrey P. andSmith, J. Cole editors. John Wiley & Sons, Inc., 2011.

[9] C. D’Ambrosio. Application-oriented mixed integer non-linear programming. 4OR : A Quarterly Journal of Ope-rations Research, 8 :319–322, 2010.

[10] C. D’Ambrosio, J. Lee & A. Wächter. An algorithmicframework for MINLP with separable non-convexity. InJ. Lee & S. Leyffer (eds.) Mixed-Integer Nonlinear Pro-gramming, pp. 315–348. IMA Volumes in Mathematicsand its Applications, vol. 154. Berlin : Springer, 2011.

[11] C. D’Ambrosio, J.T. Linderoth, J. Luedtke. Valid Inequa-lities for the Pooling Problem with Binary Variables. Lec-ture Notes in Computer Science vol. 6655, Integer Pro-gramming and Combinatorial Optimization Conference- IPCO 2011, O. Gunluk and G.J. Woeginger eds.,Springer-Verlag, pp. 117-129, 2011.

[12] C. D’Ambrosio, A. Lodi. Mixed integer nonlinear pro-gramming tools : a practical overview. 4OR : A QuarterlyJournal of Operations Research, 9(4) :329–349, 2011.

[13] C. D’Ambrosio, A. Lodi. Mixed integer nonlinear pro-gramming tools : an updated practical overview. Annalsof Operations Research, 204(1) :301–320, 2013.

[14] C. D’Ambrosio, A. Lodi, S. Wiese, C. Bragalli. Mathe-matical programming techniques in water network opti-mization. European Journal of Operational Research,243(3) :774–788, 2015.

[15] H. Hijazi, P. Bonami, A. Ouorou. An Outer-Inner Ap-proximation for Separable Mixed-Integer Nonlinear Pro-grams, INFORMS Journal on Computing, 26(1) :31–44,2014.

[16] R. Jeroslow. There cannot be any algorithm for integerprogramming with quadratic constraints. Operations Re-search, 21 :221–224, 1973.

[17] P. Kesavan, P. Barto. Generalized branch-and-cut fra-mework for mixed-integer nonlinear optimization pro-blems. Computers and Chemical Engineering, 24 :1361–1366, 2000.

[18] J.B. Lasserre, T.P. Thanh. Convex underestimators ofpolynomials. Journal of Global Optimization, 56 :1–25,2013.

[19] J. Lee, S. Leyffer, Editors : Mixed Integer Nonlinear Pro-gramming. The IMA Volumes in Mathematics and its Ap-plications, Vol. 154, Springer, 2012.

[20] L. Liberti. Writing global optimization software. In :L. Liberti, N. Maculan (eds.) Global Optimization : fromTheory to Implementation, pp. 211–262. Springer, Berlin,2006.

[21] L. Liberti. Reformulation and convex relaxation tech-niques for global optimization. 4OR : A Quarterly Journalof Operations Research, 2 :255–258, 2004.

[22] L. Liberti, S. Cafieri, F. Tarissan. Reformulations in ma-thematical programming : A computational approach. In :A. Abraham, A. Hassanien, P. Siarry (eds.) Foundationson Computational Intelligence, Vol. 3, Studies in Com-putational Intelligence, vol. 203, pp. 153–234. Springer,New York, 2009.

[23] G. McCormick. Computability of global solutions to fac-torable nonconvex programs : Part I - convex underesti-mating problems. Mathematical Programming, 10 :147–175, 1976.

[24] J. Nie. Global Optimization of Polynomial Functions andApplications. PhD Thesis, University of California, Ber-keley, 2006.


[25] I. Nowak. Relaxation and Decomposition Methods forMixed Integer Nonlinear Programming. International Se-ries of Numerical Mathematics, Birkhäuser Verlag (2005)

[26] I. Nowak, S. Vigerske. LaGO - a (heuristic) branch andcut algorithm for nonconvex MINLPs. Central EuropeanJournal of Operations Research, 16 :127–138, 2008.

[27] H. Ryoo, N. Sahinidis. A branch-and-reduce approachto global optimization. Journal of Global Optimization,8 :107–138, 1996.

[28] N. Sahinidis. BARON : a general purpose global optimi-zation software package. Journal of Global Optimization,8 :201–205, 1996.

[29] E. Smith, C. Pantelides. A symbolic reformula-tion/spatial branch and bound algorithm for the global op-timization of nonconvex MINLPs. Computers and Che-mical Engineering, 23 :457–478, 1999.

[30] M. Tawarmalani, N. Sahinidis. Global optimizationof mixed-integer nonlinear programs : A theoreticaland computational study. Mathematical Programming,99 :563–591, 2004.

[31] J. Tomlin. A suggested extension of special orde-red sets to nonseparable non-convex programming pro-blems. Annals of Discrete Mathematics, 11 :359–370,1981.

[32] S.A. Vavasis. Quadratic programming is in NP, Informa-tion Processing Letters, 36(2) :73–77, 1990.


"Sustainable manufacturing"par Olga Battaïa

1 Développement durable des activités manu-facturières

"There’s no alternative to sustainable development" écri-vaient Nidumolu et al. dans Harvard Business Review en2009 [30]. Comment faire pour respecter l’environnementnaturel tout en proposant aux futures générations un cadrede vie de qualité, durable dans le temps ? Comment ré-pondre aux problématiques telles que le changement cli-matique, l’épuisement accéléré des ressources naturelles,l’augmentation de dépôts de déchets solides ou encorel’évolution du marché du travail impacté notamment parle vieillissement des populations européennes ? L’enjeu detelles problématiques a été brillamment illustré par l’artisteLADAMENROUGE sur les trottoirs stéphanois 1 (Fig. 1).

Fig.1. Futur ou pas ?

Dans ce contexte, les activités manufacturières sont aucentre de l’attention publique car leur impact sur l’environ-nement est loin d’être négligeable. On estime qu’au niveaumondial elles peuvent être responsables de la moitié de laconsommation énergétique annuelle. Or, l’efficacité énergé-tique d’une machine-outil peut avoisiner les 30%, ce qui per-met d’entrevoir le potentiel d’amélioration que pourraient gé-nérer des efforts de sobriété [16].

La majorité des chercheurs et des acteurs industrielss’accordent à dire qu’une amélioration des processus de fa-brication et une gestion des ressources plus sobre est né-cessaire. Cependant, les avis divergent dès lors qu’il s’agitde donner une définition précise des résultats attendus. Dece fait, pléthore de définitions, guides de bonnes pratiques,standards, ... sur les différents aspects de "durabilité" pro-lifèrent actuellement [4]. En outre, le terme de "manufactu-ring" est employé différemment selon le secteur d’activité oule métier.

Afin d’éviter un débat qui dépasserait le cadre du présentarticle, nous nous limiterons à la définition, assez succincteet bien évidemment discutable, donnée en 2012 par le dé-partement du Commerce des États-Unis (International TradeAdministration) : “Sustainable Manufacturing is the creationof manufactured products that use processes that minimizenegative environmental impacts, conserve energy and na-tural resources, are safe for employees, communities, andconsumers and are economically sound” 2 . Ainsi on aper-çoit dans cette définition les trois piliers du développementdurable (Fig. 2) :

— On se doit de produire de la richesse et de nou-veaux services tout en assurant le développement etla compétitivité (pilier économique)

— en optimisant l’utilisation des ressources naturelles eten réduisant l’impact environnemental (pilier environ-nemental)

— en favorisant la sécurité et le bien-être au travail, ledéveloppement social et plus généralement l’amélio-ration de la qualité de vie (pilier social).

Fig.2. Les 3 piliers du développement durable

Nous avons déjà évoqué l’impact environnemental desactivités manufacturières. L’impact social non plus ne peutêtre négligé. Selon l’étude menée dans le cadre du projetManufuture, environ 70% des emplois européens seraientliés directement ou indirectement aux activités manufactu-rières ce qui contribuerait à hauteur d’environ 22% au PIBeuropéen [15].

Dans le cas général, les critères économiques, écolo-giques et sociaux ne sont pas forcément contradictoires.Cependant, l’élaboration des métriques de "durabilité" ac-ceptées par l’ensemble des acteurs est toujours d’actualité.Trouver un consensus dans ce débat devrait notamment ai-der le travail réglementaire des entités législatives.

Beaucoup d’acteurs soulignent le rôle de nouvelles tech-nologies dans la transformation des activités manufactu-rières. En France, cette réflexion est souvent associée àl’Usine du Futur. Certains chercheurs considèrent mêmeque les "Technologies" doivent faire partie des piliers du dé-veloppement durable [34]. Comme ce sujet mériterait plu-sieurs articles dédiés, nous ne l’aborderons pas dans le pré-sent article.

Dans ce qui suit, nous proposons un aperçu des pro-blèmes d’optimisation combinatoire étudiés dans la littéra-ture pour les activités manufacturières conventionnelles etcelles qui sont liées à l’économie circulaire.

2 Optimisation des systèmes de productiondurables

Un premier pas vers l’obtention de systèmes de pro-duction plus durables peut être engagé en traitant des pro-blèmes optimisant l’utilisation des ressources requises parle processus de production (équilibrage de lignes de pro-duction, configuration de cellules de production, dimension-nement de stock tampons, ... [7]). En ayant pour objectif de

1. que j’avais l’habitude de parcourir avant de m’installer dans la Ville Rose2. nous nous référons hélas à une définition donnée en langue anglaise, mais à notre connaissance il n’existe pas de traduction unanimement

acceptée du terme "sustainable manufacturing" en français.


minimiser les ressources utilisées, on contribue à protégerles matières premières. Les systèmes ainsi conçus sont plusrentables donc plus durables économiquement. Dans cettemême catégorie, nous pouvons recenser les études sur lessystèmes de production adaptables, reconfigurables, ainsique sur leur robustesse [32]. Les activités de maintenanceelles aussi permettent de prolonger la vie des systèmes deproduction et, par conséquent, rendre l’utilisation des res-sources plus efficace dans le temps [22, 33].

Le nombre de formulations considérant explicitement lesaspects environnementaux et sociaux ne cessent pas decroître, parmi elles se trouvent des problèmes d’optimisationcombinatoire classiques, enrichis par des contraintes ou ob-jectifs spécifiques, ainsi que des problèmes nouveaux. Ce-pendant à l’heure actuelle, les modèles d’optimisation quiconsidèrent les 3 piliers du développement durable dans lesactivités manufacturières sont plutôt rares. Souvent les pro-blèmes traités s’appuient soit sur les piliers environnementalet économique ("green" (vert) ou clean (propre) ou "envi-ronmentally conscious" "manufacturing") [16, 21] soit sur lespiliers social et économique ("socio-responsible manufactu-ring") [28].

En ce qui concerne la composante sociale, celle-ci appa-rait de façon naturelle dans les problèmes de la planificationdu personnel, mais aussi dans la répartition du travail dansles systèmes de production manuels (équilibrage de lignesd’assemblage, problèmes de picking). Certains problèmescomme le "job rotation" ont comme enjeu l’amélioration desconditions de travail. Les éléments les plus fréquemment misen avant dans les systèmes de production sont l’égalité derépartition du travail, les heures travaillées et la planificationdes pauses, les risques ergonomiques, la fatigue et la mono-tonie du travail [27, 28]. Des travaux récents proposent desmodèles pour intégrer les préférences des opérateurs dansla répartition du travail [23].

Quant au pilier environnemental, les indicateurs ou im-pacts les plus fréquemment considérés dans la littératuresont la consommation énergétique, l’empreinte carbone oules émissions des GES. Pour pouvoir contrôler finement cesfacteurs, il faut généralement se positionner au niveau tac-tique et/ou opérationnel de la production. Par conséquent,ils sont le plus souvent intégrés dans les problèmes de plani-fication et d’ordonnancement des activités manufacturières[1, 2, 5, 6, 16, 29]. Les autres facteurs comme, par exemple,la consommation de l’eau ou d’autres matières premièresainsi que la production de déchets sont plus rarement prisen compte [35]. Il est important de signaler que les plans deproduction obtenus en essayant d’éviter les pics de consom-mation énergétiques peuvent avoir des conséquences néga-tives sur l’aspect social (travail tard le soir ou de nuit). Ainsi,les éventuelles contradictions auxquelles peuvent conduireles objectifs écologiques et sociales doivent être prises encompte de façon appropriée.

En se limitant aux activités manufacturières convention-nelles, on ne peut que partiellement traiter les probléma-tiques actuelles du changement climatique, de l’épuisementdes ressources naturelles, ou encore de l’augmentation dedépôts de déchets. Pour avoir un impact de plus grande en-vergure, il faut replacer le focus dans les activités généréespar l’économie circulaire.

3 Economie circulaire

Le modèle d’une économie circulaire, fruit d’une réflexionscientifique et soutenu par des engagements politiques, estaujourd’hui promu comme une alternative au modèle linéaireactuel, production – consommation – abandon. Il est évidentque la mise en place de l’économie circulaire est tributairede changements profonds non seulement dans le comporte-ment de consommateurs mais aussi dans les business mo-dels et les techniques de production. Néanmoins la placedes systèmes dé-manufacturiers dans cette nouvelle orga-nisation ne peut être négligée, car il s’agit d’un maillon es-sentiel pour limiter le gaspillage des matières premières, del’eau et des sources d’énergie. Ces activités sont justementcelles qui permettent de rendre le flux circulaire ("close theloop"). Elles contribuent au développement durable :

— en créant un secteur d’activité pourvoyeur d’emploisliés à la logistique inverse et aux processus dé-manufacturiers ;

— en permettant des économies d’énergie et une ré-duction de l’empreinte environnementale, grâce auremplacement de l’extraction des matières premièrespar la réutilisation des composants et le recyclage dematériaux, opérations à la fois moins énergivores etmoins consommatrices de transport.

— en réduisant des espaces dévolus au stockage dedéchets solides.

Fig.3. Flux directs et inversés

Un système dé-manufacturier est alimenté par des pro-duits en fin de vie ou obsolètes et inclut des opérations decontrôle de qualité, de désassemblage et/ou de démantè-lement. Les opérations de désassemblage et de démantè-lement permettent de séparer des composants du produitinitial. Dans le cas du désassemblage, cela s’effectue sansendommagement. Le processus de désassemblage joue unrôle important dans la revalorisation de produits. Il permetl’obtention de composants et/ou de matières qui peuventêtre réutilisés ou recyclés avec des taux de récupération dematières rares beaucoup plus intéressants [14].

Les outils de la recherche opérationnelle sont indispen-sables pour comprendre et prédire le comportement dessystèmes dé-manufacturiers ainsi que pour concevoir et pi-loter ces systèmes de façon efficace et pérenne.

Une modélisation fine et appropriée des incertitudes estun élément clé dans ce contexte. Les incertitudes encoreplus importantes que dans le cas des activités convention-nelles émanent de nombreux facteurs [17, 18]. La qualitéet la quantité des produits en fin de vie ne sont en géné-ral pas connues [13]. Les produits reçus peuvent être bonsvoire quasi-neufs, ou à l’inverse totalement défectueux. Lenombre de composants restants est lui-même incertain. En


effet, l’utilisateur peut avoir rajouté ou enlevé des compo-sants au cours de son exploitation. Par conséquent, la qua-lité du produit a un impact considérable sur les activités dé-manufacturières [12, 31]. La diversité des produits à traiterest également très importante, car souvent la rentabilité éco-nomique ne permettra pas de mettre en place des systèmesdé-manufacturiers dédiés spécifiquement à un produit.

L’incertitude se manifeste également au niveau dela demande pour des composants ou pour des sous-assemblages [20] ainsi que sur leur valeur résiduelle [11,24, 25]. En fonction de celle-ci, le processus peut consis-ter en un désassemblage qui soit complet ou partiel [8, 9,10]. D’autres sources d’incertitudes associées à la fiabilitédes différentes composantes du système dé-manufacturierpeuvent également intervenir.

Par ailleurs, certains produits en fin de vie peuvent conte-nir des matières nocives. Par conséquent, des mesures desécurité doivent assurer un traitement sans danger pour lepersonnel et dans le respect de l’environnement.

Une fois à disposition, les composants ainsi obtenusdoivent rejoindre les flux de contrôle de qualité, de remiseà neuf, etc. pour réintégrer, plus tard, les processus de pro-duction. La synchronisation de ces différents flux pose denouveaux défis aux méthodes de la recherche opération-nelle [3, 26].

4 Recherches futures

Nous avons exposé ici, sur un mode de vulgarisation 2,plusieurs axes de recherche qui nécessiteraient des contri-butions de la communauté ROADEF. Ils concernent à la foisl’élaboration de modèles fins et réalistes et le développe-ment de méthodes efficaces notamment dans un cadre mul-ticritère.

En premier lieu, les activités manufacturières dans l’éco-nomie conventionnelle sont concernées. Des modèles pluscomplets seraient nécessaires, considérant l’ensemble desindicateurs économiques, environnementaux et sociaux.

Une meilleure connexion de ces modèles au processusde la conception du produit/service est également fortementsouhaitable. Avec le support de l’ingénierie collaborative,elle permettrait une évaluation des coûts et de l’impact envi-ronnemental/social des décisions prises par les concepteursen temps réel.

Enfin, nombreuses sont les pistes de recherche à explo-rer dans le domaine de l’économie circulaire et en particuliersur les systèmes dé-manufacturiers.

Pour approfondir ses connaissances, le lecteur a unlarge choix parmi maintes revues de la littérature, fraiche-ment publiées, attestant de l’importance du sujet (cf. réfé-rences).

Références

[1] N. Absi, S. Dauzère-Pérès, S. Kedad-Sidhoum, B. Penz,C. Rapine. Lot sizing with carbon emission constraintsEuropean Journal of Operational Research 227 (1), 55-61, 2013.

[2] N. Absi, S. Dauzère-Pérès, S. Kedad-Sidhoum, B. Penz,C. Rapine. The single-item green lot-sizing problem with

fixed carbon emissions. European Journal of Operatio-nal Research 248 (3), 849-855, 2016.

[3] V. V. Agrawal, A. Atasu, K. van Ittersum. Remanufactu-ring, third-party competition, and consumers’ perceivedvalue of new products. Management Science 61 (1),60–72, 2015.

[4] M. Arena, N. Duque S. Terzi, I. Bengo, G. Azzone, M.Garetti. A state-of-the-art of industrial sustainability : de-finitions, tools and metrics. International Journal of Pro-duct Lifecycle Management 4 (1/2/3), 207–251, 2009

[5] C. Artigues, P. Lopez. Energetic reasoning for energy-constrained scheduling with a continuous resource Jour-nal of Scheduling 18 (3), 225-241, 2015.

[6] C. Artigues, P. Lopez, A. Haït. The energy schedulingproblem : Industrial case-study and constraint propaga-tion techniques. International Journal of Production Eco-nomics 143 (1), 13-23, 2013.

[7] O. Battaïa, A. Dolgui. A taxonomy of line balancing pro-blems and their solution approaches. International Jour-nal of Production Economics 142, 259-277, 2013.

[8] M.L. Bentaha, O. Battaïa, A. Dolgui. An exact solutionapproach for disassembly line balancing problem underuncertainty of the task processing times. InternationalJournal of Production Research 53(6), 1807-1818, 2015.

[9] M.L. Bentaha, O. Battaïa, A. Dolgui, S.J. Hu. Second or-der conic approximation for disassembly line design withjoint probabilistic constraints. European Journal of Ope-rational Research 247 (3), 957-967, 2015.

[10] M.L. Bentaha, O. Battaïa, A. Dolgui. A Sample AverageApproximation Method for Disassembly Line BalancingProblem under Uncertainty. Computers & OperationsResearch 51, 111 - 122, 2014.

[11] M. L. Bentaha, A. Voisin, P. Marangé, O. Battaïa, A. Dol-gui. Prise en compte de l’état des produits pour la plani-fication de leur désassemblage. Journal Européen desSystèmes Automatisés, In Press, 2016.

[12] M. Colledani, O. Battaïa. A Decision Support Systemto Manage the Quality of End-of-Life Products in Disas-sembly Systems. CIRP Annals-Manufacturing Techno-logy 65(1), 41-44, 2016.

[13] V.-D. Cung, A. Jeanjean, A.-L. Quintart-Creissen. Re-commerce d’appareils électroniques usagés. ROADEF2013, Saint-Etienne, Février 2013.

[14] J.R. Duflou, G. Seliger, S. Kara, Y. Umeda, A. Ometto,B. Willems. Efficiency and feasibility of product disas-sembly : A case-based study. CIRP Annals - Manufactu-ring Technology 57(2), 583-600, 2008.

[15] M. Garetti, M. Taisch. Sustainable manufacturing :trends and research challenges. Production Planning &Control 23 (2–3), 83–104, 2012.

[16] A. Giret, D. Trentesaux, V. Prabhu. Sustainability in ma-nufacturing operations scheduling : A state of the art re-view. Journal of Manufacturing Systems 37(1), 126-140,2015.

[17] M. Godichaud, F. Pérès, A. Tchangani, B. Iung. Sus-tainable management of end-of-life systems. ProductionPlanning & Control 23(1), 216–236. 2012.

2. et sans expression mathématique, une première pour moi


[18] M. Godichaud, F. Pérès, A. Tchangani. Optimising end-of-life system dismantling strategy. International journalof production research 50(14), 3738–3754. 2012.

[19] E. Grosse, C. Glock, M. Jaber, P. Neumann. Incorpora-ting human factors in order picking planning models : fra-mework and research opportunities. International Jour-nal of Production Research 53, 695–717, 2015.

[20] M.K.K. Habibi, O. Battaïa, V.–D. Cung, A. Dolgui. Col-lection–disassembly problem in reverse supply chain. In-ternational Journal of Production Economics, In Press,doi :10.1016/j.ijpe.2016.06.025

[21] M. A. Ilgin, S. M. Gupta, O. Battaïa. Use of MCDM tech-niques in environmentally conscious manufacturing andproduct recovery : state of the art. Journal of Manufac-turing Systems 37, 746–758, 2015.

[22] B. Iung, E. Levrat. Advanced Maintenance Servicesfor Promoting Sustainability. Procedia CIRP 22, 15-22,2014.

[23] F. Jaehn. Sustainable Operations. European Journal ofOperational Research 253, 243–264, 2016.

[24] A. Jeanjean, Y. Markabawi. Leasing : différences desmodes de calcul de valeur résiduelle des automobileset des smartphones. ROADEF 2015, Marseille, Février2015.

[25] A. Jeanjean. Le risque de valeur résiduelle dans lesnouveaux modèles de distribution des téléphones mo-biles. ROADEF 2014, Bordeaux, Février 2014.

[26] J.-P. Kenné, P. Dejax, A. Gharbi. Production planning ofa hybrid manufacturing–remanufacturing system underuncertainty within a closed-loop supply chain. Interna-tional Journal of Production Economics 135 (1), 81–93,2012.

[27] E. J. Lodree Jr., C. D. Geiger, X. Jiang. Taxonomy forintegrating scheduling theory and human factors : reviewand research opportunities. International Journal of In-dustrial Ergonomics 39, 39–51, 2009.

[28] C. A. Moreno-Camacho, J. R. Montoya-Torres. Sus-tainability in Production Systems : A Review of Optimi-zation Methods Studying Social Responsibility Issues inWorkforce Scheduling. Chapter in : Service Orientationin Holonic and Multi-Agent Manufacturing, Volume 640,115-123, 2016.

[29] M. Nattaf, C. Artigues, P. Lopez. A hybrid exact methodfor a scheduling problem with a continuous resource andenergy constraints. Constraints 20 (3), 304-324, 2015.

[30] R. Nidumolu, C.K. Prahalad, M.R. Rangaswami. WhySustainability Is Now the Key Driver of Innovation ? Har-vard Business Review 87(9), 56-64, 2009.

[31] R.J. Riggs, O. Battaïa, S.J. Hu. Disassembly line balan-cing under high variety of end of life states using a jointprecedence graph approach. Journal of ManufacturingSystems 37, 638–648, 2015.

[32] A. Rossi, E. Gurevsky, O. Battaïa, A. Dolgui. Maximi-zing the robustness for simple assembly lines with fixedcycle time and limited number of workstations. DiscreteApplied Mathematics 208, 123–136, 2016.

[33] E. Sanyé-Mengual, P. Pérez-López, S. González-García, R. Garcia Lozano, G. Feijoo, M.T. Moreira, X. Ga-barrell, J. Rieradevall. Eco-Designing the Use Phase of

Products in Sustainable Manufacturing : The Importanceof Maintenance and Communication-to-User Strategies.Journal of Industrial Ecology 18 (4), 545-557, 2014.

[34] G. Seliger, H-J. Kim, S. Kernbaum, M. Zettl. Ap-proaches to sustainable manufacturing. InternationalJournal of Sustainable Manufacturing 1 (1/2), 58–77,2008.

[35] C. Subaï, P. Baptiste, E. Niel. Scheduling issues for en-vironmentally responsible manufacturing : The case ofhoist scheduling in an electroplating line. InternationalJournal of Production Economics 99 (1-2), 74-87, 2006.

[36] C. S. Tang, S. Zhou. Research advances in envi-ronmentally and socially sustainable operations. Euro-pean Journal of Operational Research 223 (3), 585–594,2012.


Recherche et innovation à Amadeuspar Benoît Lardeux et Alexandre Salch

1 La recherche à Amadeus

1.1 Création du département de recherche à Amadeus(ORI)

Né le 21 Octobre 1987, Amadeus est devenu au fil desannées un acteur principal de l’industrie du voyage dans lemonde. A sa création, Amadeus était un système global dedistribution, ou GDS (Global Distribution System), qui n’apas arrêté de croître jusqu’à atteindre 1 million de réserva-tions par jour en 1998. Avec l’avènement d’internet et pourrenforcer son positionnement, la division e-commerce a étécréée au milieu des années 90 et les premières applicationsde gestion des inventaires de réservations ont été livréesaux compagnies aériennes.

Dans le même temps Amadeus s’est lancé dans une di-versification de ses activités vers des systèmes de réserva-tion pour divers acteurs de l’industrie du voyage, tels queles hôtels et les trains, mais aussi en offrant des systèmesde gestion des passagers et des vols ou encore des solu-tions de revenue management. Afin de soutenir cette diver-sification, Amadeus a fait le choix de créer une entité de re-cherche en informatique, recherche opérationnelle et inno-vation qui permettait à la fois de :

— booster l’innovation et développer de nouveaux pro-totypes vecteurs de nouvelles sources de revenu,

— soutenir le développement de ses nouvelles applica-tions,

— promouvoir l’excellence du travail de plus de 3000 in-génieurs alors engagés dans la recherche et le déve-loppement.

Ainsi, la division Operations Research and Innovation(ORI) fut créée fin 2006 par Jean-Paul Hamon, responsablede la Recherche et du Développement à Amadeus. Cettenouvelle entité aux activités transversales à l’ensemble dugroupe regroupait des ingénieurs de recherche, dont la moi-tié était titulaire d’une thèse, sous la direction de Fran-cois Laburthe. L’équipe s’est alors constituée avec des per-sonnes passionnées venant de plusieurs horizons. La di-mension multiculturelle est très présente avec près d’unedizaine de nationalités dans l’équipe. Dans ses premièresannées ORI était constitué de 4 principaux départements :1) Operations Research : qui se concentrait principalementsur les activités de RO et les problèmes d’optimisation desopérations, 2) Management Science : qui effectuait des ana-lyses de données et travaillait sur les problématiques de ges-tion du revenu des compagnies aériennes et de l’optimisa-tion du calcul des prix, 3) Search : qui traitait des problèmeshautement combinatoires de construction des prix en tempsréels pour le système de distribution d’Amadeus en fonctiondes caractéristiques de recherche des agents de voyage ouautres potentiels acheteurs en ligne et 4) Innovation : quiévaluait et accompagnait toutes les initiatives innovantes ausein d’Amadeus R&D.

1.2 De ORI à INR

En 2014, ORI est restructurée et change de nom pourdevenir le département Innovation and Research (INR). Cechangement de nom a été effectué pour clarifier et élargir

la mission de la division au sein de l’entreprise. L’accent estmis sur la recherche au sens large qui couvre, en plus desmathématiques appliquées, le big data et le machine lear-ning. La dimension innovation a été aussi consolidée avecla promotion de la culture de l’innovation dans toute l’entre-prise.

Ainsi, INR est aujourd’hui composé des équipes AARpour Analysis And Research, NOV pour Innovation et PROpour Prototyping.

2 Le département Analysis and Research(AAR)

L’équipe intitulée Analysis and Research est dirigée parRodrigo Acuna-Agost. Elle est constituée de 15 ingénieursde recherche dont 7 d’entre eux possèdent un doctorat :Ahmed Ben Abderrahmane, Alejandro Mottini, AlexandreSalch, Alix Lheritier, Anh Quan Nguyen, Baptiste Chatrain,Benoit Lardeux, David Renaudie, Mourad Boudia, NageshaJayarama, Nicolas Bondoux, Rodrigo Acuna Agost, ShirishThakkar, Thierry Delahaye et Valentin Weber. Les princi-paux domaines de recherche investigués par l’équipe seconcentrent sur l’analyse de données et le big data, l’ap-prentissage et le deep learning, la recherche opérationnelle,la simulation.

Cette équipe soutient le développement des divisions encharge des produits et solutions d’Amadeus de différentesmanières ; cela peut être au travers de la livraison de com-posants de ses produits, comme des moteurs d’optimisa-tion par exemple. Elle met aussi à profit l’expertise tech-nique des membres pour fournir du conseil, mettre en placedes brevets ou réaliser des communications extérieures (ar-ticles dans des journaux scientifiques, présentations auxconférences. . .). Dans les paragraphes suivants, quelquesexemples récents de projets phares conduits par AAR sontprésentés.

2.1 Schedule Recovery

Schedule Recovery est le nom du produit d’Amadeus dé-dié à la gestion des opérations des compagnies aériennes.Il ne se charge pas seulement du recouvrement du sche-dule en cas de perturbations mais aussi du suivi en tempsréel des opérations. Le challenge de la Roadef en 2009 [7]


s’intègre dans ce projet et les solutions proposées par lesparticipants ont donné des idées qui sont aujourd’hui implé-mentées dans les moteurs d’optimisation.

Le premier client de ce produit est la compagnie QantasAirlines chez laquelle il est en cours d’implémentation. Qan-tas est une des principales compagnies aériennes austra-liennes ainsi que de la zone pacifique, avec une flotte de plusde 130 avions et presque 50 millions de passagers trans-portés en 2015. Des chiffres qui nous font déjà penser à lataille des instances que l’on doit traiter avec les algorithmesd’optimisation. Au programme de cette implémentation : af-fectation des créneaux d’atterrissage, réaccomodation despassagers, optimisation du planning, prise en compte desopérations de maintenances. . .

Si l’optimisation du planning opérationnel est prévuepour Juillet 2016, Qantas bénéficie depuis septembre 2015d’un moteur d’optimisation de l’affectation des créneauxd’atterrissages aux aéroports [1]. Ce moteur d’optimisationtourne en continu et publie de nouvelles affectations sansconfirmation de la part des utilisateurs. Le fait que cette op-timisation soit faite sans interaction est une grande victoirepour la RO chez Amadeus, car cela montre à quel point notreclient croit en notre capacité à modéliser de manière préciseleur problème opérationnel, mais aussi à la qualité et à larapidité de notre optimisation. Ce sujet a aussi donné lieu àune collaboration entre Amadeus et l’INRIA de Sophia Anti-polis [2].

Pour ne pas rendre les choses trop faciles, l’équipe quidéveloppe ce projet est dispersée dans 4 pays et sur 3 fu-seaux horaires différents à Sophia Antipolis, Berlin, Banga-lore et Sydney.

2.2 Opérations aux aéroports

Dans le cadre de sa stratégie de diversification, Ama-deus offre aujourd’hui des solutions de gestion des aéro-ports qui vont de l’optimisation de l’utilisation des pistes dedécollage et d’atterrissage, jusqu’à l’affectation des placesde parking aux avions, en passant par l’optimisation des par-cours des avions sur le tarmac. La dimension combinatoirede ces problèmes nécessite des moteurs d’optimisation trèsperformants, que ce soit au niveau de la qualité des résultatsmais aussi du temps de réponse, qui doit être de l’ordre dela seconde. L’équipe AAR a conduit la mise en place de tousces moteurs d’optimisation en collaboration avec la divisionAirport IT. Ce produit d’optimisation des activités des aéro-ports permet aujourd’hui de gérer d’importants aéroports eu-ropéens.

Ce produit a donné lieu à une collaboration entre Ama-deus et le laboratoire G-SCOP qui s’est traduit par une thèsedéfendue par Julien Guépêt en décembre 2015. Cette thèsea permis la publication de 2 papiers [3, 4] et plus de 10 pré-sentations à des conférences internationales.

Amadeus a d’ailleurs été récompensé par la ROADEF ennovembre 2015 pour ces travaux lors du concours des Prosde la RO.

2.3 Recherche en gestion du revenu pour les compa-gnies aériennes

La gestion optimale de l’inventaire d’une compagnie aé-rienne est un problème complexe qui combine les notionsd’optimisation de l’utilisation de la capacité disponible et lecalcul du prix des billets d’avion. Depuis 2010, Amadeus

propose une solution de gestion du revenu pour les com-pagnies aériennes. Il s’agit d’un système informatique quis’appuie sur l’analyse d’un grand nombre de données his-toriques (le nombre de réservations, les tarifs. . .) afin deprévoir le nombre de personnes qui seraient susceptiblesd’acheter un billet à un certain niveau tarifaire. Ce qui per-met in fine de définir les politiques de prix optimal.

Un système de gestion du revenu à la pointe de la tech-nologie est nécessaire pour les compagnies aériennes quisont soumises à une rude concurrence et à des margesréduites. Par ailleurs, le contexte professionnel du marchéde l’aérien ne cesse d’évoluer. Les compagnies aériennestraditionnelles doivent faire face à une compétition accruedes compagnies aériennes à bas coûts. De plus les sys-tèmes doivent intégrer le changement de comportement desvoyageurs lors de la réservation à travers les nouveaux ca-naux de distribution en ligne. Ainsi plus d’une centaine d’in-génieurs participent toujours en 2016 au développementdes nouvelles techniques de gestion du revenu à Amadeus.Parmi eux, une dizaine est impliquée dans les projets encollaboration avec le département de recherche. Les sujetssur lesquels nous avons récemment travaillé sont variés. Parexemple nous avons amélioré la modélisation du comporte-ment de l’acheteur de billet, l’analyse du revenu provenantdes services ancillaires (bagage supplémentaire, repas spé-cial à bord. . .) ou des nouvelles approches pour gérer le sur-plus de réservations (overbooking).

Les résultats de ces travaux de recherche ont récem-ment fait l’objet de communications qui ont été reconnuespar l’industrie de l’aérien pour leur qualité. La société inter-nationale de recherche opérationnelle a décerné à Amadeusen 2015 le prix de la meilleure innovation pour notre nouvellesolution de calcul dynamique des prix [6]. Il y a quelques se-maines, les travaux de recherche sur l’Overbooking ont ga-gné le prix de la meilleure présentation lors de la conférenceinternationale en gestion du revenu pour les compagnies aé-riennes [5].

2.4 Analyse de données

De par sa position stratégique dans le monde du voyage,Amadeus génère un volume important de données quicouvre toute sorte d’activités qui va de la distribution et laréservation sur un site web ou en agence de voyages jus-qu’aux activités et opérations des compagnies aériennes.

Avec l’avènement des technologies big data, il devientplus facile de traiter ce volume de données et de l’analy-ser. Cette analyse de données permet par exemple à notreéquipe de faire du consulting auprès des compagnies aé-riennes et aussi de travailler avec la division consultingd’Amadeus afin de fournir des études complètes et d’éclairernos clients sur la base d’analyses factuelles.

Cette analyse de données peut couvrir d’autres aspects.Une partie de l’équipe se concentre par exemple sur l’opti-misation des clicks sur les sites en ligne de réservation devoyages. En effet, nous travaillons sur une application quipermet de choisir l’encart publicitaire le plus adapté selonles recherches des acheteurs de voyages. Cette applicationest basée sur l’analyse des caractéristiques des voyageursqui accèdent aux publicités en ligne. Un moteur de prédictionpermet de choisir parmi un panel de publicités disponiblescelle qui permet d’optimiser la probabilité que le voyageursoit intéressé par la publicité proposée. Google est le leader


incontesté dans ce domaine, mais Amadeus peut tirer profitde la richesse de ses bases de données en matière de ré-servation en ligne de billets d’avion pour fournir un serviceunique.

De gros volumes d’informations concernant les re-cherches effectuées, les segments de passagers ou encorel’offre du marché ont besoin d’être analysés, alors que lesrecommandations de publicité ciblée doivent être sélection-nées en un temps très court (de l’ordre du dixième de se-conde !). C’est pourquoi nous travaillons sur les techniquesles plus avancées d’apprentissage automatique et de bigdata dans le cadre de ce projet pour proposer les recom-mandations les plus adaptées aux voyageurs. Ce type d’ap-proche est en train d’être testé sur un robot qui pourra pro-poser des offres d’inspiration aux clients sur la base de leursgoûts et affinités. La photo ci-dessous montre notre robot surlequel nous réalisons les tests, et qui pourra un jour faire sonapparition dans les agences de voyages.

3 Conclusion

Tout ceci ne représente qu’une partie des acti-vités du département de recherche et innovation àAmadeus. Si vous êtes intéressés par en apprendreplus sur l’actualité de l’innovation à Amadeus, vouspouvez vous rendre sur le blog du département :http://blogamadeus.com/category/innovation/

Références

[1] A. Salch, B. Chatrain, V. Weber. Integrating CDM in aschedule recovery tool : theory and practice. AGIFORSOPS Conference, Panama, 2014.

[2] N. Nisse, A. Salch, V. Weber. Recovery of disrupted air-line operations. http ://hal.inria.fr/hal-01116487, 2015.

[3] J. Guépet, O. Briant, J.-P. Gayon, R. Acuna-Agost. Theaircraft ground routing problem : Analysis of industrypunctuality indicators in a sustainable perspective. Eu-ropean Journal of Operational Research, vol 248, 827–839, 2016.

[4] J. Guépet, R. Acuna-Agost, O. Briant, J.-P. Gayon. Exactand heuristic approaches to the airport stand allocationproblem. European Journal of Operational Research, vol246, 597–608, 2015.

[5] T. Fiig, R. Hjorth, N. Bondoux, J. Larsen. Airline seatallocation with overbooking for unrestricted and fare fa-mily fare-structures. AGIFORS Revenue Management,Francfort, 2016.

[6] T. Fiig. Dynamic pricing – The next revolution in RM ?AGIFORS symposium, Washington DC, 2015.

[7] M. Palpant, M. Boudia, C.-A. Robelin, S. Gabteni, F. La-burthe. Challenge ROADEF 2009 : gestion de perturba-tions dans le domaine aérien.


Vie du GdR ROpar Alain Quilliot

1 Le GDR CNRS 3002 : un point d’information

Pour le GDR CNRS 3002 Recherche Opérationnelle,2015 a bien sûr constitué une année très importante,puisque elle l’a vu obtenir pour 5 ans sa reconduction parle CNRS. Il s’agit à présent de transformer l’essai et de re-partir pour ces cinq années avec à la fois des perspectivesde continuité par rapport à une activité à présent largementreconnue, et en même temps des perspectives d’évolutionet de renouvellement.

Les perspectives de continuité sont celles bien sûr destrois pôles (Modèles Fondamentaux, Problèmes Opération-nels, Décision/Modélisation/Prévision) qui structurent ac-tuellement le GDR et des différents groupes de travail queces pôles portent. Elles sont aussi celles des interactionsque le GDR entretient avec la ROADEF, et qui s’exprimentau travers, à la fois de l’utilisation commune qui est faitede ce bulletin, et de la participation du GDR à l’organisa-tion du colloque annuel ROADEF. L’édition ROADEF 2016,qui s’est tenue à Compiègne, a été l’occasion de consta-ter cette convergence, et le succès des tutoriels ou semi-plénières organisées par le GDR, avec la participation d’in-tervenants aussi divers que L.M. Rousseau (Contraintes),P. De Lara (Stochastique), J. Carlier (Ordonnancement),M. Habib (Graphes), J. Lang (Décision) et D. Trystram (ROet Architectures Distribuées). Ces interventions ont mis enexergue le souci du GDR de se projeter vers l’extérieur et defaire, le plus souvent possible, la jonction avec les disciplinesconnexes. La continuité est enfin celle des Ecoles Théma-tiques du GDR R.O, initiées dans un premier temps en 2015à Metz (portée par GOTHA, AGAPE et POC ; organisateur :I. Kacem) et qui se sont renouvelées en 2016 à Grenobledu 04 au 06 Juillet (portée par COS : Stochastique, PM etPOOPT/ROSA ; organisateur : J.M. Vincent) puis en 2017à Nice, sous l’impulsion du groupe RO/Contraintes et enpartenariat avec la Communauté IA/Contraintes (organisa-teurs : M.J. Huguet, A. Malapert).

L’orientation adoptée pour l’organisation de ces deuxécoles thématiques permet de mettre le doigt sur les évolu-tions à venir. Celles-ci concerneront en effet pour partie lepérimètre du GDR et les interactions que celui-ci a vocationà entretenir avec les autres communautés scientifiques etnotamment avec les autres GDR et sociétés savantes. Lamontée en force du thème Big Data et la création du GDRMADICS, nous amènent ainsi à réfléchir sur le rôle des don-nées dans notre discipline : c’est dans ce sens que le GDRs’efforce d’inscrire sa Journée Industrielle 2016 dans le pro-jet d’Innovative Days, programmées le 13 octobre 2016 parle CNRS autour du Big Data. De la même façon, la réac-tivation par le CNRS d’un pré-GDR Algorithmique et I.A

nous amène à regarder comment les communautés se si-tuant à la frontière de la R.O et de l’I.A (Contraintes, Jeux,Décision Collaborative,. . .) peuvent interagir et mutualiserleurs efforts. Globalement, notre GDR R.O doit s’assurerqu’il couvre bien les thèmes relevant de sa compétence etqu’il épouse bien les besoins émergents tels qu’ils peuventse faire jour aux plans tant scientifique qu’industriel. C’estaussi le sens du renforcement en cours au sein du GDRdes activités liées à la prise en compte de l’Incertain et desphénomènes stochastiques.

Une autre évolution pourrait à terme concerner l’Inter-national : il serait certainement approprié que le GDR R.Ose préoccupe d’accompagner le mouvement amorcé par laROADEF relativement à l’organisation de certains grandscongrès internationaux et étudie la façon d’aider à la struc-turation de réseaux de Recherche en R.O au niveau Euro-péens, sous la forme par exemple d’un GDRI du CNRS. Cecifera certainement partie des réflexions à venir au niveau duGDR.

2 Présentation du groupe :Programmation Mathématique : OptimisationNon Linéaire en Variables Continues et Dis-crètes

L’objectif de ce groupe est de rassembler la communautéen Optimisation Non Linéaire avec variables continues oudiscrètes ; diffuser les efforts de la communauté RO sur lessolveurs logiciels pour la Programmation Mathématique ré-pondant aux besoins des industriels. Un autre but de cegroupe de travail est d’être une interface entre la ROADEF,MODE (SMAI) et le GDR MOA.

Plusieurs laboratoires sont impliqués (liste non exhaus-tive) : LIMOS, N7 (Toulouse), ENAC (Toulouse), LAAS (Tou-louse), Institut Maths Toulouse, LIX (Paris Saclay), ENSTA(Paris Saclay), ENPC - CERMICS (Paris Est), LJLL (Pa-ris VI), CEDRIC (Evry), Math. Perpignan, U. Metz, INSARennes, Lab. J. Kuntzmann (Grenoble), XLIM (U. Limoges),LMAB + INRIA Bordeaux, INRIA Rocquencourt, INSARouen, Institut de Math. de Bourgogne et INRIA McTAO Di-jon. Partenaires industriels : EDF, Orange, Artelys, Innova-tion 24Nous avons approximativement 75 participants.Site web : http://projects.laas.fr/GTPM/

Thématiques affichées dans le projet :a. Optimisation non convexe globale

Modèles et algorithmes pour l’optimisation non li-néaire sous contraintes de problèmes comportant denombreux optima locaux. Ces modèles issus sou-vent de problèmes de classification ou d’approxima-tion dans des domaines tels que l’apprentissage sta-tistique, le traitement d’images ou la conception op-timale de formes, sont des défis numériques pourles optimiseurs, à la fois par leurs dimensions et parles non convexités induites. Les méthodes viséesconcernent l’arithmétique d’intervalles, les fonctionsdc, les algorithmes sans dérivées, les techniquesde Branch-and-Bound ou de descente heuristiquequi mènent parfois vers des logiciels dits solveurs,permettant d’automatiser la résolution de problèmesd’optimisation mathématique.


b. Optimisation stochastiqueVu le spectre très large des applications potentielleset, en cohérence avec d’autres actions prévues dansle GDR autour de la thématique de la ModélisationStochastique, le cas des modèles d’Optimisation Sto-chastique a pris de plus en plus d’importance cesdernières années. Ce domaine concerne la modé-lisation multi-étapes avec recours, l’optimisation ro-buste, la Programmation Dynamique et les liens avecla Commande Optimale.

c. Optimisation non linéaire en variables entières etmixtesCe domaine qui fait converger les communautés enoptimisation combinatoire et continue focalise l’atten-tion de nombreux groupes de recherche en Franceet dans le monde avec de très nombreuses ap-plications potentielles. Les techniques passent pardes reformulations convexes (RLT, Lift-and-Project),des approches par décomposition (Benders) ou po-lynomiales qui permettent d’enrichir les approchespar coupes et séparation, voire d’explorer des outilspropres à l’analyse convexe comme la Programma-tion Semi-Définie Positive.

d. Décomposition et éclatement d’opérateurs S’ap-puyant fortement sur l’optimisation convexe et la dua-lité, ces approches permettent de décomposer desproblèmes séparables et non linéaires en exploitantla structure des modèles. De nombreuses applica-tions industrielles apparaissent en Economie, maisaussi dans les réseaux de transport et de commu-nication, en traitement d’images et en optimisationstochastique.

Activités 2014-2016 :• Réunion de lancement à ENSEEIHT Toulouse les 18

et 19 juin 2014, organisée par S. Cafieri et F. Mes-sine. Conférenciers invités : Jean-Pierre Dussault (U.Sherbrooke), Charles Audet (GERAD), Didier Hen-rion (LAAS)• Réunion à l’IMB Dijon les 11 et 12 juin 2015, orga-

nisée par A. Barbara, A. Cabot, J.-B. Caillau et A.Jourani. Conférenciers invités : E.H. Bergou (Tou-louse), P. Carpentier (Palaiseau), J. Koko (Clermont),M. Letournel (Orsay), F. Messine (Toulouse), T. Migot(Rennes), S. Naldi (Toulouse), G. Nardi (Orléans), Q.Van Nguyen (Paris), R. Omheni (Toulouse)• Réunion à INSA Rennes les 13 et 14 juin 2016, or-

ganisée par T. Migot, M. Haddou, M. Camar-Eddine,O. Ley et S. Jonin. Conférenciers invités : A. Lam-bert (CNAM/CEDRIC), J. Darlay (LOCALSOLVER),A. Mucherino (IRISA Rennes), A. Marendet et A.Goldsztejn (Université de Nantes), E. Joannopou-los (IRMAR-INSA et Université de Sherbrooke), J.-P. Dussault (Université de Sherbrooke), J. OMER(INSA-IRMAR), J.-C. Billaut (Université de Tours)

Animateurs :Sonia Cafieri (ENAC)Philippe Mahey (Université Blaise Pascal, LIMOS)Frédéric Messine (ENSEEIHT)

3 Présentation du Groupe de Travail :ROSa : RO et Santé

Ce groupe de travail, créé en 2014, a pour objectif deréunir les chercheurs travaillant sur des problématiques dela RO et d’aide à la décision appliquées au milieu de lasanté. Cette thématique émergente en France n’est passeulement source de problèmes originaux mais nécessiteaussi des manières spécifiques et techniques pour les ré-soudre.

Motivation : La santé en général est un large domaine d’ap-plication pour la recherche opérationnelle. En France, depuisquelques années, la réorganisation du milieu de la santé estdevenue un sujet sensible à cause principalement du coûttotal qu’engendre le bon fonctionnement d’une structure desoin. Ces réorganisations passent aussi bien par la mutua-lisation des ressources, par leur redimensionnement, parl’intégration de nouvelles règles de gestion, ou encore parl’externalisation de certains services vers des entreprisesprivées. Néanmoins, ces choix stratégiques sont complexesen raison du caractère incertain des activités de l’hôpital,celui-ci étant fortement lié à l’aspect imprévisible du par-cours du patient (date de départ et d’arrivée, pathologie,etc.). Ainsi, la RO peut contribuer à la recherche de bonschoix stratégiques pour l’optimisation de l’utilisation des res-sources, et donc par ce biais diminuer les coûts.

Objectifs : ROSa a pour volonté d’identifier des probléma-tiques d’aide à la décision et d’optimisation, qu’il s’agissed’un niveau stratégique, tactique ou opérationnel, ainsi quede travailler sur les méthodes de résolution. Ces méthodesdoivent tenir compte de la particularité du milieu de la santécomme le fait qu’il s’agisse de produire des services à despersonnes et non des biens, la présence de composantesaléatoires, etc.

Un objectif secondaire est de réunir la communauté dansle but d’échanger sur les modes de travail dans le milieu dela santé ainsi que le montage de projets, leur valorisation,les appels sur lesquels se positionner, qui sont bien spé-cifiques dans ce milieu. De plus, plusieurs établissementsde santé, offrent actuellement des postes de conseillers enorganisation ; souvent des anciens consultants qui peuventdevenir des interlocuteurs pérennes pour des actions de re-cherche à moyen et long terme. De par leur formation, cespersonnes sont formées à des méthodes de génie industrielcomme le "Lean management" mais n’ont pas le réflexe devenir vers la recherche opérationnelle. Le développementd’enseignement de la RO vers des décideurs est aussi unaxe de réflexion porté en commun par le groupe.

Bilan : Actuellement, 75 personnes sont inscrites à la listede diffusion [email protected]. Plusieurs manifesta-tions ont eu lieu :• 4ème réunion du groupe à Nantes le 9 juin 2016, 18

participants, 2 conférenciers invités (Juan G. Villegasde l’université d’Antoquia et Fabien Tricoire de l’uni-versité de Viennes), 5 présentations au total.

• 3ème réunion du groupe à l’AP-HP (Paris) le 20 no-vembre 2015, 32 participants, 2 conférenciers invités(Pr. Alessandro Agnetis de l’université de Sienne etl’Ingénieur en Organisation Lucie Gaillardot-Rousselde l’AP-HP), 6 présentations au total.

• 2ème réunion du groupe à St-Etienne les 3 et 4


juin 2015, couplée à la journée sur l’Efficience desSystèmes de Soins (JESS 2015), 35 participants, 2conférenciers invités (Dr. Clément Turbelin de l’IN-SERM/UPMC de l’Institut Pierre-Louis d’Epidémiolo-gie et de Santé Publique et Dr Vincent Augusto duCentre Ingénierie et Santé des Mines Saint-Étienne),5 présentations au total.• 1ère réunion du groupe à Tours le 13 octobre 2014,

48 participants, 2 conférenciers invités (Pr. Erik De-meulemeester de l’université KU Leuven et Pr Fede-rico Della Croce de l’université Politecnico Di Torino),6 présentations au total.

Programme prévisionnel : L’objectif du groupe étant deréunir les chercheurs autour de cette thématique RO ensanté, une des actions principales est de continuer l’organi-sation de réunions du groupe de travail, se tenant sur unejournée avec une fréquence visée de deux par an. Ces jour-nées se déroulent en deux phases. Une première phaseest dédiée à des présentations de conférenciers expérimen-tés sur des études ou expériences dans ce domaine ouencore de tutoriels sur des techniques pointues de la RO.La deuxième phase prend la forme d’un ou plusieurs pe-tits groupes qui travaillent sur un sujet précis apporté par undoctorant ou un enseignant chercheur et qui peuvent débou-cher sur des questions ouvertes pour donner lieu à un débatet échange d’idées sur le problème présenté. Certaines deces journées peuvent être organisées conjointement avec legroupe GISEH du GdR MACS ou d’autres groupes du GdRRO. Enfin des rapprochements/liens avec le groupe ORAHSd’EURO sont également envisagés.

Animateurs :

Yannick Kergosien (Polytech Tours, LI / équipe ROOT)

Thierry Garaix (École des Mines de Saint-Étienne, LIMOS)

ROADEF/EURO Challenge 2016Inventory Routing Problem for Gas Distribution !

par Eric Bourreau, Vincent Jost, SafiaKedad-Sidhoum et David Savourey

Le vainqueur du challenge ROADEF/EURO 2016 est Ah-med Kheiri de l’Université de Cardiff (UK). Il remporte un prixde 7500 e (catégorie senior) qui récompense les résultatsqu’il obtient pour résoudre un problème proposé par l’entre-prise Air Liquide. Le sujet portait sur le problème d’optimi-sation de tournées de véhicules avec gestion des stocks dit“Inventory Routing” pour la distribution de gaz industriels.

Vainqueur du challenge 2016 (cat. senior)

Ahmed Kheiri a ainsi remporté 10 000 e pour avoir pro-posé toutes les meilleures solutions de la phase finale ettoutes les meilleures solutions de la phase de qualification.Une grande première dans l’histoire du challenge !Dans la catégorie senior, le deuxième prix (3000 e) est rem-porté par Simon Crevals, Mieke Defraeye, Otto Carpentieret Kay Van Wynendaele de la société Conundra (Belgique)et le troisième prix (2000 e) par Zhouxing Su, Zhuo Wanget Zhipeng Lü (Huazhong University of Science and Techno-logy, China).Le prix junior (2500 e) a été remporté par Tamara Jovanovicde l’Ecole des Mines d’Ales, France.

Vainqueur du challenge 2016 (cat. junior)

Quarante et une équipes provenant de seize pays ontparticipé à cette compétition. Les résultats finaux ont été an-noncés lors de la conférence EURO 2016 en juillet à Poz-nan. Deux sessions spéciales ont été consacrées au chal-lenge lors de cette conférence.

Petite chronologie du déroulement de cette édition duchallenge 2016 : la première phase était une phase de sprintqui a permis la mise à disposition de résultats sur des lotsd’instances à l’ensemble des équipes participantes avant laclôture de la phase de qualification. Elle a été remportée parNicolas Catusse de l’INP Grenoble, qui remporte un prix de1000 e. Les résultats de la phase de qualification ont été an-noncés lors du congrès ROADEF 2016 à Compiègne. Douzeéquipes se sont qualifiées. Le vainqueur de cette phase estAhmed Kheiri de l’université de Cardiff qui remporte le prixde 2500 e.

Comme pour l’édition précédente, un prix scientifiquesoutenu par la ROADEF et EURO est également lancé. Ceprix sera décerné sur la base d’une part d’un arbitrage surpapier et d’autre part sur la qualité des solutions obtenuessur les instances cachées de la phase finale. Seules lesfinalistes de la compétition peuvent candidater. L’évaluationsera menée par un jury présidé par Roberto Wolfler Calvo.Toutes les modalités de participation sont fournies sur le siteweb du challenge. La date limite de soumission est fixée au31 octobre 2016. Le prix sera décerné lors la conférenceROADEF 2017 à Metz. Un numéro (ou section) spécial(e)dédié(e) au challenge dans la revue internationale Transpor-tation Science sera également lancé en juillet 2016.

Tous les résultats et scores sont accessibles sur le sitedu challenge en suivant le lien :http://challenge.roadef.org/2016/en (rubrique Award).

L’équipe challenge ROADEF : Eric Bourreau (LIRMM),Vincent Jost (G-SCOP), Safia Kedad-Sidhoum (LIP6) et Da-vid Savourey (HEUDIASYC).

L’équipe challenge pour Air Liquide : Jean André, Ro-drigue Fokouop, Michele Quattrone.


Bilan du congrès ROADEF 2016 à Com-piègne

par Aziz Moukrim

La 17ème édition du congrès annuel de la ROADEF aété organisée du 10 au 12 février 2016 par l’équipe Ré-seaux & Optimisation du laboratoire Heudiasyc (UMR CNRS7253, Heuristiques et Diagnostic des Systèmes Complexes)et du laboratoire d’excellence MS2T (Maîtrise des Systèmesde Systèmes Technologiques) de l’Université de Technolo-gie de Compiègne (UTC).

L’organisation a été mise en place avec le soutien desservices supports de notre établissement et l’implication del’ensemble de nos doctorants et de nombreux élèves ingé-nieurs.

Le congrès ROADEF à Compiègne

Pendant ces trois jours, tous les thèmes de la Re-cherche Opérationnelle et de l’Aide à la Décision ontété couverts par les conférenciers (optimisation combina-toire, logistique, simulation à événements discrets, etc.).Ce 17ème congrès a proposé un programme scientifiquetrès riche dont onze conférences données par des spécia-listes de renommée internationale : cinq plénières (Chris-tian Artigues, Philippe Baptiste, Jacques Desrosiers, Mar-tine Labbé, et Laurent Perron) et six tutoriels (Jacques Car-lier, Michel De Lara, Michel Habib, Jérôme Lang, Louis-Martin Rousseau, et Denis Trystram) auxquelles se sontajoutés une présentation des dispositifs mis en place pourles appels à projets européens H2020, le Prix Jeune Cher-cheur, l’Assemblée Générale de la ROADEF et la partici-pation active du GDR-RO. Les vidéos des interventions fil-mées sont toujours accessibles sur le site de la conférence :http://roadef2016.utc.fr/videos/

Le comité scientifique a fait un travail remarquable avec273 articles acceptés. Il y a eu 445 inscrits dont pas moinsde 150 doctorants. Nous avons planifié 19 sessions invitées,ainsi que trois tracks. Une session spécifique « Pros de laRO », regroupant les 4 finalistes du prix du meilleur projetde Recherche Opérationnelle d’entreprise, a aussi été or-ganisée. Enfin, de nombreux sponsors institutionnels et in-dustriels nous ont soutenus dans notre entreprise (Heudia-syc, CNRS, UTC, Labex MS2T, Région Picardie, EURODE-CISION, PROLOGIA, OPRED, AIR LIQUIDE, COSYTEC,ENGIE, HEURISIS, IBM, QUINTIQ, INNOVATION24, AMA-DEUS, DECISIONBRAIN, A-SIS).

La remise du prix jeune chercheur

Compte rendu de la 35ème JFROpar François Delbot, Mathieu Lacroix, Amélie

Lambert, Thibaut Lust et Florian Sikora

La 35ème édition des journées Franciliennes de Re-cherche Opérationnelle s’est déroulée le jeudi 23 juin der-nier, dans les locaux du Conservatoire National des Artset Métiers. Cette journée avait pour thème "Programma-tion quadratique". Elle a accueilli une quarantaine de par-ticipants. Cinq orateurs avaient accepté de faire un exposé.Ils ont présenté leurs travaux portant sur des algorithmes derésolution de problèmes consistant à optimiser une fonctionquadratique dans un espace défini par des fonctions quadra-tiques, et où les variables peuvent être entières et/ou conti-nues. Plusieurs difficultés entrent en jeu dans la résolutionde cette classe de problèmes : la non-convexité des fonc-tions considérées, l’intégrité d’une partie des variables, oubien encore la taille du problème considéré.

La journée a commencé par un tutoriel, donné parSourour Elloumi (ENSIIE-SAMOVAR), présentant de nom-breuses méthodes de résolutions de problèmes binaires ba-sées sur la reformulation du problème initial en un problèmeéquivalent linéaire ou quadratique convexe. Après avoir dé-fini plusieurs familles de reformulations, elle a montré com-ment déterminer, pour chaque famille, celle qui est "opti-male" du point de vue de la borne obtenue par relaxationcontinue. Elle a ensuite montré comment étendre ces ap-proches de résolution aux problèmes plus généraux qui pos-sèdent des variables entières et/ou continues. Le premierexposé de l’après-midi a été donné par Jean-Charles Gilbert(INRIA - Paris). Il a présenté l’utilisation de l’algorithme dulagrangien augmenté pour traiter un problème d’optimisationquadratique convexe et non réalisable (contraintes incompa-tibles) ou non borné. Après avoir analysé le comportementde l’algorithme pour résoudre cette classe de problèmes, il amontré que, lorsque le problème quadratique n’est pas réa-lisable, l’algorithme du Lagrangien augmenté trouve la solu-tion du problème réalisable le plus "proche" (dans un certainsens), avec une convergence linéaire globale vers une tellesolution. Il a également donné des résultats numériques per-mettant de comparer l’efficacité de l’approche par rapport àd’autres codes d’activation de contraintes et de points in-térieurs. Le deuxième exposé donné par Wim Van Ackooij(EDF) a présenté les modifications à apporter à la méthode


de plans coupants pour optimiser une fonction convexe etnon-différentiable, dans un espace combinatoire qui corres-pond à la base de la méthode de décomposition de Benders.Il a également présenté une analyse de la convergence decette méthode sous des hypothèses faibles ainsi que des ré-sultats expérimentaux sur des problèmes quadratiques. Letroisième exposé a été donné par Emiliano Traversi (LIPN -Université Paris 13), où il a présenté une étude sur le com-portement de l’algorithme de Dantzing-Wolfe appliqué auxproblèmes quadratiques en variables binaires. Pour cela, ila présenté plusieurs décompositions qu’il a comparées d’unpoint de vue théorique et expérimental, notamment sur leproblème du sac à dos quadratique avec une contraintede cardinalité. Enfin, le dernier exposé de la journée a étédonné par Sylvain Mouret (Artelys) où il a d’abord présentéla modélisation d’un problème de portefeuille d’actions parun programme quadradratique. Il a ensuite présenté les ré-sultats obtenus en résolvant ce modèle avec le solveur non-linéaire Knitro.

Les transparents des exposés de cette journée sont enligne sur le site des JFRO : http://jfro.roadef.org/.

La soirée des Pros de la RO du 27 no-vembre 2015

par Bureau ROADEF

Le vendredi 27 novembre 2015 la ROADEF a organisésa soirée-concours des "Pros de la RO", récompensant lemeilleur projet de RO d’entreprise. Elle a remis le prix "Prosde la RO" à : AMADEUS pour son projet "Optimisation desopérations au sol des aéroports", qui a recueilli le plus grandnombre de votes du public. Félicitations au gagnant !

La soirée qui s’est tenue au CNAM a rencontré un beausuccès avec plus de 200 inscrits et des échos très positifssur les présentations des 4 finalistes :

— AMADEUS : Optimisation des opérations au sol desaéroports

— DECISION BRAIN : Optimisation multi-vaisseauxdes opérations de chargement/déchargement duPort de Shenzen

— GEFCO-EURODECISION : Refonte du plan de trans-port messagerie de GEFCO

— ORANGE : Optimisation du déploiement de la Fibre"To The Home"

Le jury de présélection était composé de C. Le Pape(Schneider Electrics), D. De Almeida (SNCF), A. Nguyen(Renault), L. Alfandari (ESSEC, Bureau ROADEF), C. Ar-tigues (LAAS Toulouse), J.C. Billaut (Univ. De Tours), C.Dhaenens (PolyTech’ Lille), D. Feillet (EMSE). Les 10 projetsayant candidaté sont, par ordre alphabétique : Amadeus, A-sis, Biosolver, Decision Brain, EDF, GEFCO-Eurodecision,Nereo, Orange, Place des Leads-ECP, React-4C.

L. Alfandari (ROADEF), A. Jeanjean (ROADEF), R. Acuna-Agost (AMADEUS), F. Gardi (ROADEF)

Retrouvez toutes les informations sur le concours, lesphotos et vidéos de la soirée surhttp://www.roadef.org/lesprosdelaro

L’énigme de l’été 2016 : "Contrepétrie"

par Denis Cornaz (Lamsade, Université Paris-Dauphine)

En français, une contrepétie consiste à permuter deuxsyllables d’une phrase pour en changer totalement le sens,dans le top-five des contrepétries, on trouve, pêle-mêle, “Nuln’est jamais assez fort pour ce calcul”, “Les mathématiciensaiment faire converger leurs sommes”, ou encore “Les phy-siciens voient le monde conique”. Dans cette énigme, 100forçats sont condamnés à mort mais une permutation effec-tuée par un gardien complice peut changer totalement cetteissue tragique en un happy-end d’évasion massive.

La prison contient 100 geôles ayant chacune une clé etun détenu. Les clés sont rangées dans un meuble compar-timenté en 100 casiers numérotés contenant chacun uneclé qui identifie la geôle qu’elle ouvre. Le numéro du ca-sier ne correspond pas nécessairement au numéro de lageôle. Pour des raisons qu’il serait trop long d’expliquer, ilsuffit pour la réussite de l’évasion de tous les prisonniers,de mettre au point avec leur gardien complice une straté-gie permettant que chacun d’eux puisse repérer dans quelcasier se trouve la clé de son cachot. Sans entrer dans lesdétails techniques du fonctionnement de la prison, retenonsque les 101 (détenus et gardien) pourront mettre ensembleau point une stratégie avant que le gardien ne puisse avoirconnaissance de la répartition des clés mais qu’ensuite toutse déroulera de manière indépendante dans l’ordre suivant,le gardien prendra connaissance totale de la répartitiondes clés et aura l’occasion de permuter uniquement deuxclés entre elles, ensuite les malfrats auront accès, séparé-ment, au meuble, et chacun pourra prendre connaissancedu contenu de 50 casiers. Si, après le passage du dernierbagnard, tous savent exactement quel casier contient la cléde leur cellule, l’évasion est réussie, si un seul d’entre euxse trompe, c’est la mort certaine. Pourrez-vous déchiffrercette contrepétrie énigmatique ?

Solution de l’énigme précédente : "Intersections" (D. Porumbel)

Supposons que la voiture ne revient jamais à A1. Comme


le réseau est fini, cela indique que la voiture doit parcourirun cycle qui ne contient pas A1. Soit Ai

g→ Ai+1 le premiermouvement appartenant à ce cycle. Cette notation indiquele fait que la voiture a tourné à gauche au point Ai. Si onremplace “gauche” par “droite”, la preuve est analogue.

Le cycle tout entier doit avoir la forme Aig→ Ai+1

d→

Ai+2 . . .g→ Aj

d→ Ai. Comme Aig→ Ai+1 est le premier

mouvement répété deux fois, il faut qu’il existe un mouve-ment Ai−1

d→ Ai qui ne fait pas partie du cycle est quipermet au véhicule de parcourir Ai

g→ Ai+1 pour la pre-mière fois. On obtient une contradiction : les mouvementsAi−1

d→ Ai et Ajd→ Ai ne peuvent pas tous les deux

conduire à Ai+1.

Dernières nouvelles...

La ROADEF lance son concours pour le prix de l’étudiant en Master 2 !

Tout étudiant inscrit en 2015-2016 dans un établissement français (université ou école d’ingénieur), ou effectuant son stageou PFE en France (laboratoire ou entreprise) peut déposer sa candidature. La date limite de dépôt des dossiers est fixéeau 20 octobre 2016. Pour avoir tous les détails des conditions d’inscription à ce nouveau concours, rendez-vous sur le sitede la ROADEF.

L’impact factor pour l’année 2015 de notre journal 4OR est publié, il est de 1.371,et était de 1.000 en 2014. Le journal est désormais classé au 36e rang sur les 82journaux dans le domaine Operations Research and Management Science.

Retrouvez la Newsletter d’IFORS du mois de juin sur :http://ifors.org/web/june-2016-newsletter

Retrouvez toute l’actualité de la ROADEF et de ses partenaires sur Facebook et Twitter.

ROADEF : LE BULLETINBulletin de la société française de recherche opérationnelle et d’aide à la décision

association de loi 1901

Procédure technique de soumission : Pour soumettre un article pour parution dans le bulletin, contacter Anna Robert ([email protected]).

Comité de rédaction : S. Demassey, S. Elloumi, A. Jeanjean, N. Jozefowiez, A. Moukrim, M. Ozturk, A. Robert.

Production du Bulletin : A. Robert.

Ce numéro a été tiré à 400 exemplaires. Les bulletins sont disponibles sur le site de la ROADEF.


bulletin de la société française de recherche

Documents