Avec la croissance continue du trafic aérien et la limitation des ressources, il est nécessaire de réduire la congestion de l'espace aérien. Ces dernières années, un intérêt particulier a été porté au problème de la sectorisation de l'espace aérien.Pour pallier à cette augmentation continue du trafic en Europe, il est nécessaire d'optimiser la gestion du trafic aérien. Une automatisation de la sectorisation de l'espace aérien peut permettre, dans cette optique, d'accroître l'adaptabilité des configurations du secteur aérien à une nouvelle demande de trafic. L'objectif de la première partie de cette thèse est de proposer une méthode globale de sectorisation de l'espace aérien européen en se basant sur une modélisation mathématique et des méthodes d'optimisation heuristiques. La méthode de sectorisation proposée est basée sur la division initiale de l'espace aérien en cellules de Voronoi à l'aide de méthodes des k-moyennes. Pour des raisons de complexité combinatoire induite, un algorithme d'optimisation stochastique est utilisé pour résoudre le problème de sectorisation. Un algorithme génétique est utilisé pour construire les secteurs de l'espace aérien dans plusieurs zones de contrôle européennes, en se basant sur des données réelles de trafic aérien pendant plusieurs jours.De plus, les configurations du secteur de l'espace aérien doivent être adaptées dynamiquement pour offrir une efficacité et une flexibilité maximales en fonction des conditions météorologiques et de circulation. L'objectif de la deuxième partie de cette thèse est d'adapter automatiquement les configurations de l'espace aérien en fonction de l'évolution du trafic, au cours d'une journée de fonctionnement. Pour atteindre cet objectif, il faut considérer que l'espace aérien est divisé en blocs d'espaces aériens 3D qui doivent être groupés ou dégroupés en fonction de l'état du trafic. La méthode proposée est basée sur une technique de partitionnement de graphe et sur des algorithmes génétiques. La méthode est testée sur plusieurs zones de contrôle européennes. / With the continuous air traffic growth and limits of resources, there is a need for reducing the congestion of the airspace systems. Nowadays, several projects are launched, aimed at modernizing the global air transportation system and air traffic management. In recent years, special interest has been paid to the solution of the airspace sectorization problem. This thesis is devoted to studying the airspace sectorization in Europe and the possibilities to improve it.The airspace sectorization needs to be optimized with the support of automation in order to increase an adaptability of airspace sector configurations to the new traffic demands. The aim of the first part of this thesis is to propose a global method for the sector design of the European airspace based on a mathematical modeling and heuristic optimization methods. The proposed resolution method to solve the sector design problem is based on the initial division of the airspace into Voronoi cells using k-means clustering algorithm. Then, due to the induced combinatorial complexity, a stochastic optimization method is applied to solve the sector design problem. Resolution method based on metaheuristic algorithm called Genetic Algorithm (GA) has been developed to build airspace sectors in several control areas of Europe, involving traffic data for several days. Furthermore, airspace sector configurations need to be dynamically adjusted to provide maximum efficiency and flexibility in response to changing weather/traffic conditions. The objective of the second part of this thesis is to automatically adapt the airspace configurations according to the evolution of traffic. In order to reach this objective, the airspace is considered to be divided into predefined 3D airspace blocks which have to be grouped or ungrouped depending on the traffic situation. The resolution method based on the graph partitioning technique and on the metaheuristic algorithm (GA) has been developed to generate a sequence of sector configurations, composed of the predefined airspace blocks. The overall methodology, is implemented and tested with air traffic data taken for one day of operation and for several different airspace control areas of Europe.

La révolution la plus récente dans l'industrie (révolution industrielle 4.0) nécessite une plus grande flexibilité, agilité et efficacité dans l'utilisation des équipements de production. Le système manufacturier cellulaire dynamique (DCMS) est l'un des meilleurs systèmes de production qui répondent à ces exigences. En outre, l'importance croissante du développement durable force les fabricants et les gestionnaires à prendre en compte les enjeux environnementaux et sociaux dans la conception et la configuration des systèmes de fabrication. Cette thèse porte sur la configuration durable des DCMS en proposant trois modèles mathématiques. Le plus grand challenge de cette étude est (i) de choisir des critères sociaux et environnementaux appropriés, (ii) de les intégrer dans des modèles mathématiques et (iii) d'étudier l'impact de ces critères sur des DCMS. Le premier modèle est bi-objectif afin de faire un compromis entre certains critères sociaux (offres d'emplois, risques de la machine, etc.) et économiques (divers coûts liés à la formation de cellules). Pour être plus proche de situations de la vie réelle, certains paramètres tels que la demande, les coûts liés aux machines et la capacité en temps des machines sont considérés comme incertains. Pour résoudre ce problème, une méthode d'optimisation robuste est appliquée pour faire face à cette incertitude. Dans le deuxième modèle, toutes les dimensions du développement durable sont prises en compte dans le modèle mathématique bi-objectif proposé. La première fonction objectif modélise des critères économiques (coûts) et la seconde des aspects environnementaux (déchets de production), tandis que certaines contraintes représentent des questions sociales (principalement le « Daily Noise » à cause de la complexité de calcul). En raison de la NP-difficulté du problème, une nouvelle approche novatrice appelée NSGA II-MOSA est proposée. Le troisième modèle proposé a trois fonctions objectif, une pour chaque type d’enjeux : environnemental, social et économique. Afin d'être proche de la vie réelle, certains paramètres du modèle sont exprimés en termes de valeur floue. Nous proposons une méthode possibiliste hybride pour faire face à l'incertitude et une approche floue interactive est considérée pour résoudre un modèle multi-objectif déterministe pour des solutions de compromis. Enfin, la dernière partie de la thèse étudie la possibilité d'appliquer les trois modèles proposés à l’industrie grâce à une méthode plus facile. Une approche d'optimisation-simulation innovante est introduite pour faire face à la configuration de DCMS : (i) La phase d'optimisation fonctionne comme méthode de fractionnement de scénarii pour réduire le nombre de configurations alternatives en se concentrant sur les niveaux stratégique et tactique. (ii) Ensuite, un outil de simulation détaille le niveau opérationnel en étudiant la performance de chaque alternative et l'interaction entre plusieurs composants de cellules. / The most recent revolution in industry (Industrial Revolution 4.0) requires increased flexibility, agility and efficiency in the use of production equipment. Dynamic Cellular Manufacturing System (DCMS) is one of the best production systems to meet such requirements. In addition, the increasing importance of sustainable development forces manufacturers and managers to take account of the environmental and social issues in the design and configuration of manufacturing systems. This thesis focuses on the sustainable configuration of DCMS by proposing three mathematical models. The main challenge of this study is to (i) choose appropriate social and environmental criteria, (ii) integrate them in mathematical models, and (iii) study the impact of these criteria on DCMS. The first model is bi-objective in order to make a trade-off between some social (job opportunity, potential machine hazards, etc.) and economic (various costs related to cell formation) criteria. To get closer to real-life situations, some parameters such as demand, machine-related costs and time capacity of the machines are considered as uncertain. To solve this problem, a robust optimization method is applied to cope with this uncertainty. In the second model, all dimensions of sustainable development are taken into account in a new bi-objective mathematical model. The first objective function models economic criteria (costs) and the second one environmental aspects (production waste), while social issues (mainly Daily Noise Dosage because of computational complexity) are modeled as constraints. Due to the NP-hardness of the problem, a new innovative approach called NSGA II-MOSA is proposed. The last model has three objective functions, one for each dimension of the sustainable development: environmental, social and economic. In order to be close to real life, some parameters of the model are expressed in terms of fuzzy value. We propose a hybridized possibilistic method to deal with uncertainty and an interactive fuzzy approach is considered to solve an auxiliary crisp multi-objective model in order to find trade-off solutions. Finally, the last part of the thesis studies the possibility to apply the three proposed models to the industry thanks to an easier method. A novel optimization-simulation approach is introduced to deal with the configuration of DCMS: (i) the optimization phase operates as scenario fraction method in order to reduce the number of alternative configurations by focusing on strategic and tactical levels; (ii) next, a simulation tool investigates the operational level by studying the performance of each alternative and the interaction between several components of the cells.