Last decennials in many companies information like strategical reservoir bursted into preponderant positions. Strategical information systems which withstand competition hold information place like this and help to survive for companies. First integrated IS which upstarted to computerize the planning of companies activities, are material recourse planning systems (MRP). It helps for company to solve the serious problems. Strategical information systems change the aims, processes of business, products, services or external intercourses of company to help to exceed the competitioners. MRP systems are relevant for all companies which manufacture, planning the manufacture processes. Each organization desire to have explicit, fast and competitive organized manufacture in which can be scheduled the possible risk of an element.

Dans un contexte de développement durable, les enjeux de la dernière phase du cycle de vie d'un système, la phase de retrait de service, se sont accrus ces dernières années. Les systèmes en fin de vie doivent être déconstruits afin d'être revalorisés pour répondre aux différentes exigences environnementales. Cette responsabilité incombe au concepteur qui doit définir le sous-système support de la phase de retrait de service : le système de déconstruction. Sa principale fonction est la réalisation de l'activité de déconstruction dans l'objectif de favoriser en aval le recyclage de la matière des constituants du système en fin de vie et/ou leur recyclage fonctionnel. Les stratégies de déconstruction doivent répondre à l'ensemble des problèmes de décision posés lors de la phase de retrait de service d'un système. Il s'agit notamment de sélectionner les constituants valorisables suivant des critères techniques, économiques et environnementaux puis de définir et optimiser le système de déconstruction permettant l'obtention de ces produits. La solution obtenue définie ce que nous avons appelé une trajectoire de déconstruction. Nos travaux portent sur la modélisation et l'optimisation de ces trajectoires. Nos développements s'articulent en quatre phases. Etat de l'art et démarche de définition d'une trajectoire. Dans cette phase, une structure de démarche de définition de trajectoires de déconstruction est proposée puis instrumentée. Les modèles généralement utilisés dans ce cadre sont de type déterministe et ne permettent pas de prendre en compte et de gérer les incertitudes inhérentes au processus de déconstruction (état dégradé du système en fin de vie et de ses constituants, demandes en produits issus de la déconstruction, dates de fin de vie des systèmes, …). Pour déterminer une solution robuste de déconstruction d'un système en fin de vie, l'aide à la décision proposée doit intégrer des incertitudes de nature diverse tout en facilitant leur gestion et leurs mises à jour. Incertitudes en déconstruction. Sur la base de ce constat, l'ensemble d'incertitudes couramment mises en jeu dans l'optimisation des trajectoires est identifié et caractérisé. Les méthodes probabilistes apparaissent comme des approches privilégiées pour intégrer ces incertitudes dans une démarche d'aide la décision. Les réseaux bayésiens et leur extension aux diagrammes d'influence sont proposés pour répondre à différents problèmes de décision posés lors de la définition d'une trajectoire de déconstruction. Ils servent de support au développement d'un outil d'aide à la décision. Modélisation de trajectoires de déconstruction : principes et approche statique d'optimisation. Après avoir présenté ses principes de modélisation, l'outil est développé dans une approche de détermination d'une trajectoire de déconstruction d'un système en fin de vie donné. La trajectoire obtenue fixe la profondeur de déconstruction, les options de revalorisation, les séquences et les modes de déconstruction suivant des critères économiques et environnementaux tout en permettant de gérer différents types d'incertitude. L'utilisation de critères économiques est ici privilégiée. Un exemple d'application sur un système aéronautique est développé pour illustrer les principes de modélisation. Approche dynamique pour l'optimisation d'une trajectoire de déconstruction. Le champ d'application de l'outil d'aide à la décision est étendu en intégrant une dimension temporelle à la modélisation du problème à l'aide des réseaux bayésiens dynamiques. Les trajectoires de déconstruction peuvent ainsi être établies sur des horizons couvrant les arrivées de plusieurs systèmes en fin de vie en présence d'incertitudes. Le modèle permet de déterminer des politiques de déconstruction pour chaque opération identifiée dans la trajectoire en fonction de différents paramètres liés à la gestion des demandes et des arrivées ou encore au processus d'obtention de ces produits. Le décideur peut ainsi adapter l'outil à différents contextes de détermination de trajectoire de déconstruction de systèmes en fin de vie. / In a sustainable development context, stakes of the last stage of system life cycle, the end-of-life stage, increase these last years. End-of-life systems have to be demanufactured in order to be valued and answer environmental requirements. The aim of disassembly strategies is to bring solutions to the whole decision problem put during the end-of-life stage of systems. In particular, decision maker have to select valuable products in function of technical, economical and environmental criteria and, then, design and optimise disassembly support system allowing generating these products. The solution determines what we call a disassembly trajectory and ours works deal with modelling and optimization of these trajectories. Definition steps of disassembly trajectories are proposed, structured and instrumented. Models that are generally used in this frame are determinist and do not allow taking into account and managing uncertainties that are inherent to disassembly process (degradation of products, demand for valuable product, systems end-of-life dates, ...). In order to determine a robust disassembly solution, decision aid has to integrate uncertainties from various origins while facilitating their management and their update. On the basis this observation, all the uncertainties involved in disassembly trajectory optimization are identified and characterized. Basing on Bayesian networks, the proposed tool is developed through a “static” approach of disassembly trajectory. Indeed, the obtained trajectory gives the disassembly level of the end-of-life system, recycling options, sequences and disassembly modes in function of economical criteria while allowing managing uncertainties. An application example on an aeronautical system is developed to illustrate the modelling method. The application field of the model is extended to take into account time dimension (dynamic approach) by using dynamic Bayesian networks. Trajectories can be defined on horizons that integrate several arrivals of end-of-life systems. Decision makers can so adapt the model to various contexts

This diploma work deals with a dynamic multi-level multi-item lot sizing problem in a general production-assembly structure represented by a directed acyclic network, where each node may have several predecessors and successors. We assume stochastic demand, finite planning horizon consisting of discrete time periods, dynamic lot sizes, multiple constrained resources and time-varying cost parameters. The objective is to minimize the total costs over the planning horizon. This thesis includes overview of models with stochastic demand and also general description of genetic algorithm. Using different modifications of genetic algorithm I have proposed and implemented methods for solving a chosen model. Then I have made an experimental comparison of these method on selected problems.

Partant de la prémisse de la nature flexible et complexe du principe de précaution en droit européen, le but de cette étude a été d'en donner une interprétation polycentrique, fondée sur la diversité plutôt que sur l’uniformité. Pour atteindre un tel objectif, une méthode issue du pluralisme méthodologique a été employée. Celle-ci nous a permis de rechercher la uniras multiplex parmi les différentes définitions et applications de ce principe. La thèse ici soutenue a consisté à démontrer que l'interprétation polycentrique du principe de précaution peut être construite à partir de deux concepts : l'anticipation et l'action. Dans la première partie de cette étude, il a été montré comment le principe de précaution permet d'anticiper le temps de l'action publique au stade de l'incertitude scientifique. Nous avons à cet égard expliqué que l'anticipation suppose la qualification par le droit et l'évaluation par la science des risques incertains. La seconde partie de cette étude a été finalisée à démontrer comment, une fois le temps de l'action anticipé, les décideurs doivent agir sur le fondement du principe de précaution. Nous avons soutenu, à cet égard, que l'action sur la base de ce principe a une portée et des conséquences distinctes sur le plan procédural et substantiel. Les décideurs ont, en effet à la fois une obligation de prise en compte et une faculté de mise en œuvre du principe de précaution. / By acknowledging the flexible and complex nature of the precautionary principle in EU law, the purpose of this work is to provide a polycentric interpretation of this principle based on diversity rather than uniformity. To achieve this objective, a methodology derived from the methodological pluralism is employed. This allows for the “unitas multiplex” between the different definitions and applications of the precautionary principle to be researched. The core claim is that the polycentric interpretation of the precautionary principle can be built on two concepts: anticipation and action. In the first part of this study, I argue that anticipation implies the qualification by law and the evaluation by science of uncertain risks. In the second part, I consider that, after having anticipated the time of action, decision-makers should act on the basis of the precautionary principle. However, the action undertaken has different meanings and consequences from the procedural and substantive perspective. From the procedural side, the decision-makers have the obligation to take into account this principle, white they remain free on the substantive side, to adopt a precautionary measure.

No description available.

Bioprinting is one of the most promising technologies for future healthcare as it may benefit the repairing of wounds and injuries, disease modeling and development, transplantation of organs and reduce animal testing. This thesis aim to investigate this industry further, as there is no excessive literature on how to handle the innovation in regards to entrepreneurial and biotechnological knowledge. Hence, a research gap can be spotted and the purpose of the conducted research questions should contribute to this gap. In order to fully understand the bioprinting industry, an outline of the technology is made as part of the research. In addition to this, secondary data for patents, market valuation and annual growth rates are collected to support arguments from previous literature. Also, interviews are conducted to gather specific knowledge. As a result, bioprinting may be presented as a disruptive innovation in an uncertain market, which places certain demands on companies to act more in line with the complexity of the technology. Such companies must think more strategically and design more complex and long-term strategies. The patent data shows that there has been a decline in the technological development as patent applications have decreased significantly. Even though the technology (regarding the patents) has started to slowly decline, there is still hope for some technological improvements to come. It can be concluded that developments in bioink, scaffolds, expansion of cells and diffusion is expected, and that the use of bioprinting is increasing and will most likely continue to do so.

No / An adaptive iterative learning control approach is proposed for a class of single-input single-output uncertain nonlinear systems with completely unknown control gain. Unlike the ordinary iterative learning controls that require some preconditions on the learning gain to stabilize the dynamic systems, the adaptive iterative learning control achieves the convergence through a learning gain in a Nussbaum-type function for the unknown control gain estimation. This paper shows that all tracking errors along a desired trajectory in a finite time interval can converge into any given precision through repetitive tracking. Simulations are carried out to show the validity of the proposed control method.

No description available.

No description available.

Ces travaux de thèse concernent l'analyse de la robustesse (stabilité et performance) de systèmes linéaires incertains de grande dimension avec une structure hiérarchique. Ces systèmes sont obtenus en interconnectant plusieurs sous-systèmes incertains à travers une topologie hiérarchique. L'analyse de la robustesse de ces systèmes est un problème à deux aspects : la robustesse et la grande dimension. La résolution efficace de ce problème en utilisant les approches usuelles est difficile, voire impossible, à cause de la complexité et de la grande taille du problème d'optimisation associé. La conséquence de cette complexité est une augmentation importante du temps de calcul nécessaire pour résoudre ce problème d'optimisation. Afin de réduire ce temps de calcul, les travaux existants ne considèrent que des classes particulières de systèmes linéaires incertains de grande dimension. De plus, la structure hiérarchique de ces systèmes n'est pas prise en compte, ce qui montre, de notre point de vue, les limitations de ces résultats. Notre objectif est d'exploiter la structure hiérarchique de ces systèmes afin de ramener la résolution du problème d'analyse de grande taille à la résolution d'un ensemble de problèmes d'analyse de faible taille, ce qui aura comme conséquence une diminution du temps de calcul. De plus, un autre avantage de cette approche est la possibilité de résoudre ces problèmes en même temps en utilisant le calcul parallèle. Afin de prendre en compte la structure hiérarchique du système incertain de grande dimension, nous modélisons ce dernier comme l'interconnexion de plusieurs sous-systèmes incertains qui sont eux-mêmes l'interconnexion d'autres sous-systèmes incertains, etc.. Cette technique récursive de modélisation est faite sur plusieurs niveaux hiérarchiques. Afin de réduire la complexité de la représentation des systèmes incertains, nous construisons une base de propriétés de dissipativité pour chaque sous-système incertain de chaque niveau hiérarchique. Cette base contient plusieurs éléments qui caractérisent des informations utiles sur le comportement de systèmes incertains. Des exemples de telles caractérisations sont : la caractérisation de la phase incertaine, la caractérisation du gain incertain, etc.. L'obtention de chaque élément est relaxée comme un problème d'optimisation convexe ou quasi-convexe sous contraintes LMI. L'analyse de la robustesse de systèmes incertains de grande dimension est ensuite faite de façon hiérarchique en propageant ces bases de propriétés de dissipativité d'un niveau hiérarchique à un autre. Nous proposons deux algorithmes d'analyse hiérarchique qui permettent de réduire le temps de calcul nécessaire pour analyser la robustesse de ces systèmes. Un avantage important de notre approche est la possibilité d'exécuter des parties de ces algorithmes de façon parallèle à chaque niveau hiérarchique ce qui diminuera de façon importante ce temps de calcul. Pour finir et dans le même contexte de système de grande dimension, nous nous intéressons à l'analyse de la performance dans les réseaux électriques et plus particulièrement «l'analyse du flux de puissances incertaines dans les réseaux électriques de distribution». Les sources d'énergies renouvelables comme les éoliennes et les panneaux solaires sont influencées par plusieurs facteurs : le vent, l'ensoleillement, etc.. Les puissances générées par ces sources sont alors intermittentes, variables et difficiles à prévoir. L'intégration de telles sources de puissance dans les réseaux électriques influencera les performances en introduisant des incertitudes sur les différentes tensions du réseau. L'analyse de l'impact des incertitudes de puissances sur les tensions est appelée «analyse du flux de puissances incertaines». La détermination de bornes sur les modules des différentes tensions est formulée comme un problème d'optimisation convexe sous contraintes LMI. / This PhD thesis concerns robustness analysis (stability and performance) of uncertain large scale systems with hierarchical structure. These systems are obtained by interconnecting several uncertain sub-systems through a hierarchical topology. Robustness analysis of these systems is a two aspect problem: robustness and large scale. The efficient resolution of this problem using usual approaches is difficult, even impossible, due to the high complexity and the large size of the associated optimization problem. The consequence of this complexity is an important increase of the computation time required to solve this optimization problem. In order to reduce this computation time, the existing results in the literature focus on particular classes of uncertain linear large scale systems. Furthermore, the hierarchical structure of the large scale system is not taken into account, which means, from our point of view, that these results have several limitations on different levels. Our objective is to exploit the hierarchical structure to obtain a set of small scale size optimization problems instead of one large scale optimization problem which will result in an important decrease in the computation time. Furthermore, another advantage of this approach is the possibility of solving these small scale optimization problems in the same time using parallel computing. In order to take into account the hierarchical structure, we model the uncertain large scale system as the interconnection of uncertain sub-systems which themselves are the interconnection of other uncertain sub-systems, etc.. This recursive modelling is performed at several hierarchical levels. In order to reduce the representation complexity of uncertain systems, we construct a basis of dissipativity properties for each uncertain sub-system at each hierarchical level. This basis contains several elements which characterize different useful information about uncertain system behaviour. Examples of such characterizations are: uncertain phase characterization, uncertain gain characterization, etc.. Obtaining each of these elements is relaxed as convex or quasi-convex optimization problem under LMI constraints. Robustness analysis of uncertain large scale systems is then performed in a hierarchical way by propagating these dissipativity property bases from one hierarchical level to another. We propose two hierarchical analysis algorithms which allow to reduce the computation time required to perform the robustness analysis of the large scale systems. Another key point of these algorithms is the possibility to be performed in parallel at each hierarchical level. The advantage of performing robustness analysis in parallel is an important decrease of the required computation time. Finally and within the same context of robustness analysis of uncertain large scale systems, we are interested in robustness analysis of power networks and more precisely in "the uncertain power flow analysis in distribution networks". The renewable energy resources such as solar panels and wind turbines are influenced by many factors: wind, solar irradiance, etc.. Therefore, the power generated by these resources is intermittent, variable and difficult to predict. The integration of such resources in power networks will influence the network performances by introducing uncertainties on the different network voltages. The analysis of the impact of power uncertainties on the voltages is called "uncertain power flow analysis". Obtaining the boundaries for the different modulus of these voltages is formulated as a convex optimization problem under LMI constraints