Au sein d’un établissement hospitalier, le bloc opératoire représente un des secteurs les plus emblématiques et les plus coûteux. Le fonctionnement du bloc opératoire est orchestré par un programme opératoire qui consiste à construire un planning prévisionnel des interventions chirurgicales à réaliser pendant un horizon donné. La littérature abondante sur le sujet est unanime sur le fait que la construction du programme opératoire est une tâche complexe, car il s’agit non seulement de planifier et d’ordonnancer les interventions, mais aussi de satisfaire des exigences souvent antagonistes. Ce projet est le fruit d’une collaboration entre la Communauté d’Agglomération de Sarreguemines Confluences et la Région Lorraine, des membres du secteur hospitalier (Hôpital Robert Pax de Sarreguemines) et l’équipe Gestion Industrielle et Logistique (GIL) du Laboratoire de Génie Industriel, de Production et de Maintenance (LGIPM). L’objectif de cette recherche est d’apporter une aide aux gestionnaires du bloc opératoire, qui ont besoin de plus en plus des méthodes et des outils d’aide à la décision en vue d’optimiser leur fonctionnement. Pour répondre à ce besoin nous nous intéressons dans la première partie de cette thèse à la gestion des opérations électives en prenant en compte différentes contraintes et en particulier la disponibilité des chirurgiens. Nous nous plaçons dans le contexte d’une stratégie « open scheduling » et nous proposons deux modèles mathématiques permettant d’élaborer le programme opératoire. La complexité des modèles mathématiques et leur explosion combinatoire rendent difficile la recherche de l’optimum pour des tailles réalistes. Ceci nous a donc amené à proposer une heuristique constructive utilisant le modèle proposé et permettant d’obtenir des solutions là où la méthode exacte ne nous le permettait pas. Dans la seconde partie de cette thèse, nous considérons l’intégralité du processus opératoire (brancardage vers le bloc opératoire, préparation et anesthésie, acte chirurgicale et réveil). Nous modélisons ce processus comme un flow shop hybride à 4 étages avec contrainte de blocage de type RSb, et nous le résolvons à l’aide d’un algorithme génétique dont l’objectif est de synchroniser toutes les ressources nécessaires, en respectant au mieux le programme opératoire prévisionnel. Outre les opérations électives, nous nous intéressons dans la dernière partie aux opérations urgentes. Nous proposons un outil d’aide à la décision pour la gestion des opérations urgentes. En prenant en considération la pathologie et la gravité de l’état du patient, nous distinguons principalement 3 degrés d’urgences et proposons pour chacune un algorithme permettant d’intégrer en temps réel ces opérations dans le programme prévisionnel, tout en minimisant différents critères (temps d’attente avant affectation, heures supplémentaires, décalage par rapport aux anciennes dates de débuts) / The operating theater is one of the most critical and expensive hospital resources. Indeed, a high percentage of hospital admissions are due to surgical interventions. Rising expenditures spur health care organizations to organize their processes more efficiently and effectively. This thesis is supported by the urban community of Sarreguemines-France and the region of Lorraine-France, and is carried out in collaboration with the Centre Hospitalier de Sarreguemines - Hôpital Robert Pax. In the first part of this work, we propose two mathematical programming models to help operating theater managers in developing an optimal operating rooms scheduling. We also propose a constructive heuristic to obtain near optimal results for realistic sizes of the problem. In the second part of our work, the whole scheduling process is modeled as a hybrid four-stage flow shop problem with RSb blocking constraint, and is solved by a genetic algorithm. The objective is to synchronize all the needed resources around the optimal daily schedule obtained with the proposed mathematical model. The last part of our work is dedicated to non-elective surgeries. We propose a decision support tool, guiding the operating room manager, to handle this unpredictable flow of patients. Non-elective patients are classified according to their medical priority. The main contribution of the proposed decision support tool is to provide online assignment strategies to treat each non elective patient category. Proposed assignments are riskless on patient’s health. According to non-elective surgery classes, the proposed adjusted schedule minimizes different criteria such as patient’s waiting time, deviation from the firstly scheduled starting time of a surgery and the amount of resulting overtime

Le domaine de l'embarqué connaît depuis quelques années un essor important avec le développement d'applications de plus en plus exigeantes en calcul auxquels les architectures traditionnelles à base de processeurs (mono/multi cœur) ne peuvent pas toujours répondre en termes de performances. Si les architectures multiprocesseurs ou multi cœurs sont aujourd'hui généralisées, il est souvent nécessaire de leur adjoindre des circuits de traitement dédiés, reposant notamment sur des circuits reconfigurables, permettant de répondre à des besoins spécifiques et à des contraintes fortes particulièrement lorsqu'un traitement temps-réel est requis. Ce travail présente l'étude des problèmes d'ordonnancement dans les architectures hétérogènes reconfigurables basées sur des processeurs généraux (CPUs) et des circuits programmables (FPGAs). L'objectif principal est d'exécuter une application présentée sous la forme d'un graphe de précédence sur une architecture hétérogène CPU/FPGA, afin de minimiser le critère de temps d'exécution total ou makespan (Cmax). Dans cette thèse, nous avons considéré deux cas d'étude : un cas d'ordonnancement qui tient compte des délais d'intercommunication entre les unités de calcul CPU et FPGA, pouvant exécuter une seule tâche à la fois, et un autre cas prenant en compte le parallélisme dans le FPGA, qui peut exécuter plusieurs tâches en parallèle tout en respectant la contrainte surfacique. Dans un premier temps, pour le premier cas d'étude, nous proposons deux nouvelles approches d'optimisation, GAA (Genetic Algorithm Approach) et MGAA (Modified Genetic Algorithm Approach), basées sur des algorithmes génétiques. Nous proposons également de tester un algorithme par séparation et évaluation (méthode Branch & Bound). Les approches GAA et MGAA proposées offrent un très bon compromis entre la qualité des solutions obtenues (critère d'optimisation de makespan) et le temps de calcul nécessaire à leur obtention pour résoudre des problèmes à grande échelle, en comparant à la méthode par séparation et évaluation (Branch & Bound) proposée et l'autre méthode exacte proposée dans la littérature. Dans un second temps, pour le second cas d'étude, nous avons proposé et implémenté une méthode basée sur les algorithmes génétiques pour résoudre le problème du partitionnement temporel dans un circuit FPGA en utilisant la reconfiguration dynamique. Cette méthode fournit de bonnes solutions avec des temps de calcul raisonnables. Nous avons ensuite amélioré notre précédente approche MGAA afin d'obtenir une nouvelle approche intitulée MGA (Multithreaded Genetic Algorithm), permettent d'apporter des solutions au problème de partitionnement. De plus, nous avons également proposé un algorithme basé sur le recuit simulé, appelé MSA (Multithreaded Simulated Annealing). Ces deux approches proposées, basées sur les méthodes métaheuristiques, permettent de fournir des solutions approchées dans un intervalle de temps très raisonnable aux problèmes d'ordonnancement et de partitionnement sur système de calcul hétérogène / The domain of the embedded systems becomes more and more attractive in recent years with the development of increasing computationally demanding applications to which the traditional processor-based architectures (either single or multi-core) cannot always respond in terms of performance. While multiprocessor or multicore architectures have now become generalized, it is often necessary to add to them dedicated processing circuits, based in particular on reconfigurable circuits, to meet specific needs and strong constraints, especially when real-time processing is required. This work presents the study of scheduling problems into the reconfigurable heterogeneous architectures based on general processors (CPUs) and programmable circuits (FPGAs). The main objective is to run an application presented in the form of a Data Flow Graph (DFG) on a heterogeneous CPU/FPGA architecture in order to minimize the total running time or makespan criterion (Cmax). In this thesis, we have considered two case studies: a scheduling case taking into account the intercommunication delays and where the FPGA device can perform a single task at a time, and another case taking into account parallelism in the FPGA, which can perform several tasks in parallel while respecting the constraint surface. First, in the first case, we propose two new optimization approaches GAA (Genetic Algorithm Approach) and MGAA (Modified Genetic Algorithm Approach) based on genetic algorithms. We also propose to compare these algorithms to a Branch & Bound method. The proposed approaches (GAA and MGAA) offer a very good compromise between the quality of the solutions obtained (optimization makespan criterion) and the computational time required to perform large-scale problems, unlike to the proposed Branch & Bound and the other exact methods found in the literature. Second, we first implemented an updated method based on genetic algorithms to solve the temporal partitioning problem in an FPGA circuit using dynamic reconfiguration. This method provides good solutions in a reasonable running time. Then, we improved our previous MGAA approach to obtain a new approach called MGA (Multithreaded Genetic Algorithm), which allows us to provide solutions to the partitioning problem. In addition, we have also proposed an algorithm based on simulated annealing, called MSA (Multithreaded Simulated Annealing). These two proposed approaches which are based on metaheuristic methods provide approximate solutions within a reasonable time period to the scheduling and partitioning problems on a heterogeneous computing system

Cette thèse a pour objectif de modéliser et résoudre des problèmes d’optimisation d’un système d’auto-partage avec des voitures électriques dit « à un seul sens », où les utilisateurs peuvent prendre une voiture dans une station et la laisser ensuite dans une autre. Ce fonctionnement conduit généralement à une situation de déséquilibre dans la répartition des voitures avec certaines stations pleines et d’autres vides. Une des solutions utilisées par les opérateurs d’autopartage pour pallier ce problème est le recours à des agents pour déplacer les voitures selon le besoin. Identifier et répondre à ce besoin est un problème d’optimisation non trivial, notamment à cause de l’usage de véhicules électriques, ce qui engendre des contraintes de rechargement de batteries et d’autonomie. Le problème d’optimisation est décomposé en deux sous-problèmes : le premier est le problème d’affectation des voitures aux clients, ainsi que leurs routages, que nous nommons ROCSP pour Recharging One way Car Sharing Problem ; le second problème est celui du planning des agents et leurs routages que nous nommons ESRP pour Employee Scheduling Routing Problem. 1. Résolution du ROCSP : deux modélisations en Programmation Linéaire en Nombres Entiers (PLNE) sont proposées, la première basée sur les flots et la deuxième sur les chemins, ce qui fait que les deux modèles intègrent de manière différente les contraintes de recharge électrique. Comme la résolution exacte à travers les modèles PLNE s’avère très gourmande en temps de calcul et non adaptée aux instances d’auto-partage de taille réelle, nous proposons des heuristiques qui permettent dans un temps raisonnable d’optimiser la redistribution des voitures et la gestion du service. Ces heuristiques permettent de calculer le nombre de voitures et les différentes opérations de relocalisation (redistribution des voitures) à réaliser sur une journée donnée. 2. Résolution du ESRP : un modèle PLNE est proposé pour la résolution exacte du ESRP, et, en complément, des heuristiques sont proposées pour une résolution approchée et relativement rapide. L’objectif est la détermination du nombre minimal d’agents nécessaire pour effectuer les opérations de relocalisation qui découlent du premier problème, le ROCSP. Dans une partie prospective, et une fois les ROCSP et ESRP résolus dans leur version statique, nous nous focaliserons sur une autre variante du problème avec réservation dynamique. Nous proposons également d’explorer un nouveau concept - l’auto-copartage - qui se veut une hybridation entre autopartage et covoiturage. Les algorithmes proposés ont été validés sur le réseau Auto Bleue de la ville de Nice essentiellement, qui gère une flotte de véhicules électriques, en s’appuyant sur des modèles de génération de flux pour estimer la demande, mais aussi d’autres instances que nous avons générées pour simuler d’autres villes, au sein d’un Système d’Information Géographique. / This thesis aims at modelling and solving optimization problems related to the management of one-way-electric-car-sharing systems, where users can take a car from a station, use it, and then return it to another station. This generally leads to an imbalanced distribution of cars, with some full stations and other empty ones. A solution to this problem, implemented by car-sharing operators, is to employ staff agents to move cars as needed. However, identifying this need is a non-trivial optimization problem, especially since the system may be more constrained when the vehicles used are electric, which generates battery recharging and autonomy constraints. The global optimization problem addressed is then divided into two sub-problems. The first one is assigning the cars to customers, as well as their routing; it is denoted by ROCSP (Recharging OneWay Car Sharing Problem). The second problem involves agents planning and routing; it is denoted by ESRP (Employee Scheduling Routing Problem). 1. For the ROCSP, we propose two Mixed-integer linear programming (MILP) modelizations of the problem: One based on flows and the other based on paths. This means that the two models include the battery-recharging constraints in two different ways. As the exact resolution through the MILP models is quite expensive in terms of computational time and is not adapted for the resolution of real-size car-sharing instances, we introduce heuristics that enable the optimization of cars-redistribution and service management of the service within a reasonable amount of time. These heuristics allows the calculation of the number of cars and the various redistribution operations to be performed on a given day. 2. For the ESRP, this second problem is also addressed with MILP models for the exact resolution, and some heuristics are suggested for an approximate resolution. This process has reasonable calculation time and aims at finding the minimum number of agents to perform the necessary relocation operations that stem from the first problem, namely, the ROCSP. Once the ROCSP and ESRP solved in their static versions, we then focus on the ROCSP by exploring another variant of the problem : ROCSP with dynamic reservation. We also suggest to explore a new concept : Auto-CoPartage, which is a hybridization of car-sharing and carpooling. The stated algorithms are validated on the Auto Bleue electrical vehicles fleet in the network of the city of Nice, essentially by relying on flow generation models to estimate the demand, but also using other instances that we have generated for other cities. All the data are handled using a Geographical Information System.

L'objectif de ce travail est de développer une méthode capable de déterminer automatiquement l'état de vigilance chez l'humain. Les applications envisageables sont multiples. Une telle méthode permettrait par exemple de détecter automatiquement toute modification de l'état de vigilance chez des personnes qui doivent rester dans un état de vigilance élevée (par exemple, les pilotes ou les personnels médicaux).Dans ce travail, les signaux électroencéphalographiques (EEG) de 58 sujets dans deux états de vigilance distincts (état de vigilance haut et bas) ont été recueillis à l'aide d'un casque à 58 électrodes posant ainsi un problème de classification binaire. Afin d'envisager une utilisation de ces travaux sur une application du monde réel, il est nécessaire de construire une méthode de prédiction qui ne nécessite qu'un faible nombre de capteurs (électrodes) afin de limiter le temps de pose du casque à électrodes ainsi que son coût. Au cours de ces travaux de thèse, plusieurs approches ont été développées. Une première approche propose d'utiliser un pré-traitement des signaux EEG basé sur l'utilisation d'une décomposition en ondelettes discrète des signaux EEG afin d'extraire les contributions de chaque fréquence dans le signal. Une régression linéaire est alors effectuée sur les contributions de certaines de ces fréquences et la pente de cette régression est conservée. Un algorithme génétique est utilisé afin d'optimiser le choix des fréquences sur lesquelles la régression est réalisée. De plus, cet algorithme génétique permet la sélection d'une unique électrode.Une seconde approche est basée sur l'utilisation du Common Spatial Pattern (CSP). Cette méthode permet de définir des combinaisons linéaires des variables initiales afin d'obtenir des signaux synthétiques utiles pour la tâche de classification. Dans ce travail, un algorithme génétique ainsi que des méthodes de recherche séquentielle ont été proposés afin de sélectionner un sous groupes d'électrodes à conserver lors du calcul du CSP.Enfin, un algorithme de CSP parcimonieux basé sur l'utilisation des travaux existant sur l'analyse en composantes principales parcimonieuse a été développé.Les résultats de chacune des approches sont détaillés et comparés. Ces travaux ont aboutit sur l'obtention d'un modèle permettant de prédire de manière rapide et fiable l'état de vigilance d'un nouvel individu. / The aim of this work is to develop a method able to automatically determine the alertness state of humans. Such a task is relevant to diverse domains, where a person is expected or required to be in a particular state. For instance, pilots, security personnel or medical personnel are expected to be in a highly alert state, and this method could help to confirm this or detect possible problems. In this work, electroencephalographic data (EEG) of 58 subjects in two distinct vigilance states (state of high and low alertness) were collected via a cap with $58$ electrodes. Thus, a binary classification problem is considered. In order to use of this work on a real-world applications, it is necessary to build a prediction method that requires only a small number of sensors (electrodes) in order to minimize the time needed by the cap installation and the cap cost. During this thesis, several approaches have been developed. A first approach involves use of a pre-processing method for EEG signals based on the use of a discrete wavelet decomposition in order to extract the energy of each frequency in the signal. Then, a linear regression is performed on the energies of some of these frequencies and the slope of this regression is retained. A genetic algorithm (GA) is used to optimize the selection of frequencies on which the regression is performed. Moreover, the GA is used to select a single electrode .A second approach is based on the use of the Common Spatial Pattern method (CSP). This method allows to define linear combinations of the original variables to obtain useful synthetic signals for the task classification. In this work, a GA and a sequential search method have been proposed to select a subset of electrode which are keep in the CSP calculation.Finally, a sparse CSP algorithm, based on the use of existing work in the sparse principal component analysis, was developed.The results of the different approaches are detailed and compared. This work allows us to obtaining a reliable model to obtain fast prediction of the alertness of a new individual.

Notre recherche vise à évaluer l’apport d’une seule image polarimétrique RSO (Radar à Synthèse d’Ouverture) à haute résolution spatiale pour classifier les surfaces urbaines. Pour cela, nous définissons plusieurs types de toits, de sols et d’objets.Dans un premier temps, nous proposons un inventaire d’attributs statistiques, texturaux et polarimétriques pouvant être utilisés dans un algorithme de classification. Nous étudions les lois statistiques des descripteurs et montrons que la distribution de Fisher est bien adaptée pour la plupart d’entre eux. Dans un second temps, plusieurs algorithmes de classification vectorielle supervisée sont testés et comparés, notamment la classification par maximum de vraisemblance basée sur une distribution gaussienne, ou celle basée sur la distribution de Wishart comme modèle statistique de la matrice de cohérence polarimétrique, ou encore l’approche SVM. Nous proposons alors une variante de l’algorithme par maximum de vraisemblance basée sur une distribution de Fisher, dont nous avons étudié l’adéquation avec l’ensemble de nos attributs. Nous obtenons une nette amélioration de nos résultats avec ce nouvel algorithme mais une limitation apparaît pour reconnaître certains toits. Ainsi, la forme des bâtiments rectangulaires est reconnue par opérations morphologiques à partir de l’image d’amplitude radar. Cette information spatiale est introduite dans le processus de classification comme contrainte. Nous montrons tout l’intérêt de cette information puisqu’elle empêche la confusion de classification entre pixels situés sur des toits plats et des pixels d’arbre. De plus, nous proposons une méthode de sélection des attributs les plus pertinents pour la classification, basée sur l’information mutuelle et une recherche par algorithme génétique. Nos expériences sont menées sur une image polarimétrique avec un pixel de 35 cm, acquise en 2006 par le capteur aéroporté RAMSES de l’ONERA. / In this research, our aim is to assess the potential of a one single look high spatial resolution polarimetric radar image for the classification of urban areas. For that purpose, we concentrate on classes corresponding to different kinds of roofs, objects and ground surfaces.At first, we propose a uni-variate statistical analysis of polarimetric and texture attributes, that can be used in a classification algorithm. We perform a statistical analysis of descriptors and show that the Fisher distribution is suitable for most of them. We then propose a modification of the maximum likelihood algorithm based on a Fisher distribution; we train it with all of our attributes. We obtain a significant improvement in our results with the new algorithm, but a limitation appears to recognize some roofs.Then, the shape of rectangular buildings is recognized by morphological operations from the image of radar amplitude. This spatial information is introduced in a Fisher-based classification process as a constraint term and we show that classification results are improved. In particular, it overcomes classification ambiguities between flat roof pixels and tree pixels.In a second step, some well-known algorithms for supervised classification are used. We deal with Maximum Likelihood based on complex Gaussian distribution (uni-variate) and multivariate Complex Gaussian using coherency matrix. Meanwhile, the support vector machine, as a nonparametric method, is used as classification algorithm. Moreover, a feature selection based on Genetic Algorithm using Mutual Information (GA-MI) is adapted to introduce optimal subset to classification method. To illustrate the efficiency of subset selection based on GA-MI, we perform a comparison experiment of optimal subset with different target decompositions based on different scattering mechanisms, including the Pauli, Krogager, Freeman, Yamaguchi, Barnes, Holm, Huynen and the Cloude decompositions. Our experiments are based on an image of a suburban area, acquired by the airborne RAMSES SAR sensor of ONERA, in 2006, with a spatial spacing of 35 cm. The results highlight the potential of such data to discriminate some urban land cover types.

La résolution des problèmes de contrôle optimal nécessite des temps de calcul et des capacités de stockage très élevés. Pour s’affranchir de ces contraintes, il est possible d’utiliser les méthodes de réduction de modèles comme la POD (Proper Orthogonal Decomposition). L’inconvénient de cette approche est que la base POD n’est valable que pour des paramètres situés dans un voisinage proche des paramètres pour lesquels elle a été construite. Par conséquent, en contrôle optimal, cette base peut ne pas être représentative de tous les paramètres qui seront proposés par l’algorithme de contrôle. Pour s’affranchir de cet handicap, une méthodologie de contrôle optimal utilisant des modèles réduits adaptatifs a été proposée dans ce manuscrit. Les bases réduites adaptées sont obtenues à l’aide de la méthode d’interpolation ITSGM (Interpolation on Tangent Subspace of Grassman Manifold) ou de la méthode d’enrichissement PGD (Proper Generalized Decomposition). La robustesse de cette approche en termes de précision et de temps de calcul a été démontrée pour le contrôle optimal (basé sur les équations adjointes) des équations 2D de réaction-diffusion et de Burgers. L’approche basée sur l’interpolation ITSGM a également été appliquée avec succès pour contrôler l’écoulement autour d’un cylindre 2D. Deux méthodes de réduction non intrusives, ne nécessitant pas la connaissance des équations du modèle étudié, ont également été proposées. Ces méthodes appelées NIMR (Non Intrusive Model Reduction) et HNIMR (Hyper Non Intrusive Model Reduction) ont été couplées à un algorithme génétique pour résoudre rapidement un problème de contrôle optimal. Le problème du contrôle optimal de l’écoulement autour d’un cylindre 2D a été étudié et les résultats ont montré l’efficacité de cette approche. En effet, l’algorithme génétique couplé avec la méthode HNIMR a permis d’obtenir les solutions avec une bonne précision en moins de 40 secondes. / The numerical resolution of adjoint based optimal control problems requires high computational time and storage capacities. In order to get over these high requirement, it is possible to use model reduction techniques such as POD (Proper Orthogonal Decomposition). The disadvantage of this approach is that the POD basis is valid only for parameters located in a small neighborhood to the parameters for which it was built. Therefore, this basis may not be representative for all parameters in the optimizer’s path eventually suggested by the optimal control loop. To overcome this issue, a reduced optimal control methodology using adaptive reduced order models obtained by the ITSGM (Interpolation on a Tangent Subspace of the Grassman Manifold) method or by the PGD (Proper Generalized Decomposition) method, has been proposed in this work. The robustness of this approach in terms of precision and computation time has been demonstrated for the optimal control (based on adjoint equations) of the 2D reaction-diffusion and Burgers equations. The interpolation method ITSGM has also been validated in the control of flow around a 2D cylinder. In the context of non intrusive model reduction, two non intrusive reduction methods, which do not require knowledge of the equations of the studied model, have also been proposed. These methods called NIMR (Non-Intrusive Model Reduction) and HNIMR (Hyper Non-Intrusive Model Reduction) were developed and then coupled to a genetic algorithm in order to solve an optimal control problem in quasi-real time. The problem of optimal control of the flow around a 2D cylinder has been studied and the results have shown the effectiveness of this approach. Indeed, the genetic algorithm coupled with the HNIMR method allowed to obtain the solutions with a good accuracy in less than 40 seconds.

Cette thèse s’intéresse au fonctionnement cyclique multi-produits des ateliers de traitement de surface, et au problème d’ordonnancement associé (HSP), caractérisé par des contraintes fortes et atypiques, dont certaines sont liées aux ressources de transport. Dans le cas de productions en grandes séries, une commande cyclique de ces systèmes est particulièrement adaptée, permettant notamment de réduire la combinatoire de résolution, et sous réserve que les ratios de produits soient connus à l’avance. Notre objectif est de trouver le meilleur ordonnancement des tâches de traitement et de transport en un temps raisonnable. Pour cela, nous proposons une première approche, basée sur un modèle linéaire et une méthode de résolution arborescente de type séparation et évaluation. Nous présentons des modélisations pour différentes extensions du problème dit de base et nous fournissons des exemples illustratifs et des résultats sur des benchmarks. Par la suite et compte tenu de l’analyse de la littérature relative aux ordonnancements cycliques mono-produit et multi-produits, nous proposons tout d’abord une heuristique dédiée au cas multi-produits étudié, et basée sur un algorithme de liste. Avec ce dernier, nous obtenons un ordonnancement cyclique dont le degré du cycle n’est pas fixé au préalable. Enfin, nous présentons une deuxième modélisation approchée sous la forme d’un algorithme génétique pour résoudre un HSP 2-cyclique. Ces différents modèles sont validés par des tests sur des benchmarks de la littérature pour lesquels nous avons obtenus des résultats prometteurs. Nous terminons par une analyse critique des avantages et inconvénients des modèles élaborés et par quelques propositions de perspectives pour ce travail. / In this thesis, we study the Cyclic Hoist Scheduling Problem (CHSP) in automated electroplating lines, when a mass production must be achieved. The CHSP is characterized by specific constraints related to processing and transport resources. To solve it in a multi-parts context, we first elaborate a 2-degree cyclic model and an associated branch and bound algorithm. Then we extend it to more complex configurations. Then, we develop a dedicated heuristic to find a feasible repetitive sequence of hoist moves that minimizes the cycle time, without a priori fixing the cycle degree. Comparisons with existing algorithms are presented to show the efficiency of the proposed heuristic. To reduce the cycle time, we integrate in the general heuristic an algorithm with a set of Minimum Part Set (MPS) configurations’. This one allows us to find the best order in which jobs should be introduced into the line. Finally, we describe a genetic algorithm approach to find a schedule which can reach the optimal 2-cycle. We finally discuss the interest of those various models, based on the promising results obtained and we provide some perspectives which could be explored.

Nos travaux concernent l’étude d’une extension d’un problème d’ordonnancement bien connu sous l’appellation job shop. Nous appelons cette extension le General Flexible Job Shop Scheduling Problem (GFJSSP). Celui-ci se rencontre dans différents types d’ateliers ayant comme caractéristique commune d’être soumis à des contraintes dues à des ressources de transport. Le GFJSSP se caractérise par l’intégration de machines et robots flexibles. Le terme General induit par ailleurs la présence de robots dont la capacité est supposée unitaire dans notre étude, des temps opératoires bornés, et la possibilité de prise en compte d’emplacements de stockage spécifiques. Après avoir défini l’atelier et le problème correspondant à cette extension, nous avons proposé deux modélisations du GFJSSP ainsi défini : une première modélisation mathématique linéaire, et une modélisation graphique, qui correspond à une généralisation du graphe disjonctif couramment utilisé pour les problèmes de job shop. Nous avons ensuite abordé la résolution suivant deux étapes : tout d’abord en nous focalisant sur l’aspect séquencement des tâches de traitement et de transport, pour lequel nous avons élaboré deux méthodes heuristiques (de type Tabou et basée sur une procédure de shifting bottleneck améliorée) ; puis en intégrant dans un deuxième temps la problématique de l’affectation induite par la flexibilité de certaines ressources. Pour cette dernière étape, nous avons combiné les méthodes précédentes avec un algorithme génétique. L’algorithme hybride obtenu nous permet de résoudre des instances de la littérature correspondant à divers cas spécifiques, avec des résultats assez proches des meilleures méthodes dédiées. A termes, il pourrait être intégré dans un système d'aide à la décision général qui s’affranchirait de la phase d’identification préalable du type de job shop considéré, et serait adapté à la résolution de nombreux cas (avec ou sans problème d'affectation, temps de traitement fixes ou bornés, avec ou sans stockage, etc..). / Our work focuses on an extension of the well known job shop scheduling problem. We call this extension the General Flexible Job Shop Scheduling Problem (GFJSSP). It occurs in various kinds of workshops which are particularly constrained by one or several transportation resources (called robots). GFJSSP is characterized by the flexibility of both machines and robots. In the studied problem, the term General involves unitary capacity transportation resources, bounded processing times, and possible input/output buffers for machines. After defining the workshop and the corresponding problem, we proposed two kinds of model for the GFJSSP: a mathematical model, and a graphical one. This last one is a generalization of the disjunctive graph commonly used for job shop problems. We then addressed the resolution in two steps: firstly, by focusing on the sequencing of processing and transportation tasks. For this purpose we have developed two heuristics (Tabu search and an improved shifting bottleneck procedure). Secondly, we have considered the assignment problem involved by the flexibility of some resources. For this last step, we combined the above methods with a genetic algorithm. This hybrid algorithm allowed us to solve various specific cases of instances in the literature, with performance rather close to the best dedicated methods. In the future, it could be integrated within a general decision support system which could emancipate from the initial identification phase of the considered type of job shop, and which would be suitable for solving many cases (with or without assignment problem, fixed or bounded processing times, with or without storage, and so on).

Lorsqu'on applique une réduction d'échelle aux systèmes mécatroniques habituellement rencontr és dans le macromonde, la miniaturisation n'est possible que si elle est accompagnée d'une intégration fonctionnelle de ces systèmes. Cette tendance générale pousse les microsystèmes à posséder une densité fonctionnelle de plus en plus importante, qui les fait converger progressivement vers le concept d'adaptronique. L'objectif de cette thèse est de développer une nouvelle méthode de synthèse optimale de structures flexibles monolithiques, pour permettre la conception d'actionneurs intégrés. Notre méthode de synthèse est basée sur l'agencement optimal de blocs flexibles élémentaires grâce à un algorithme génétique multi-critères. Ces blocs flexibles sont de type treillis de poutres et décrits par une méthode aux éléments finis. Ils peuvent être passifs ou rendus actifs par effet piézoélectrique inverse, permettant ainsi l'intégration de la fonction d'actionnement au sein même de la structure du mécanisme. En outre, une représentation dynamique du comportement entrée(s)-sortie(s) de ces mécanismes flexibles permet la prise en compte dans la méthode d'optimisation, dès la phase amont de conception, de nouvelles spécifications permettant de garantir certaines performances lors de la commande ultérieure des systèmes ainsi synthétisés. Enfin, un prototype de micropince piézoélectrique monolithique est conçu de manière optimale grâce à l'outil logiciel développé : les tests expérimentaux effectués permettent de valider la démarche de conception mécatronique dans son ensemble, depuis l'étape amont de l'étude complète de sa topologie, jusqu'à l'étape finale de sa commande robuste en boucle fermée.

Ce travail, contribue à mieux comprendre les phénomènes complexes lors des tirs de mine afin d'approcher une conception optimisée. La première partie, concernant la détonation, est destinée à la compréhension des modèles numériques fondés sur la théorie de la propagation de détonation. La seconde partie, concernant la modélisation de la fracturation des roches, s'adresse à la simulation des tirs. Une nouvelle loi de comportement dynamique des roches (type élastique avec endommagement anisotrope) est proposée et est intégrée dans RADIOSS, un code de calcul des problèmes dynamiques transitoires. Ce modèle permet également de calculer les dimensions représentatives des fragments ; les calculs avec diverses modélisations (en 2-D et en 3-D, détonation/structure) sont effectués. La dernière partie est consacrée à l'optimisation des tirs à l'aide des traitements numériques avancés. La connaissance des mécanismes de la fragmentation des roches est approfondie notamment sur l'influence de certains paramètres de conception. Les exemples sur la recherche des règles par l'apprentissage automatique montrent l'efficacité de cette approche. L'exemple sur la recherche d'une conception optimisée montre la puissance et la perspective pratique de l'approche par algorithmes génétiques couplés avec l'apprentissage automatique.