Conception et validation d’un outil d’aide à la décision pour l’optimisation des flux logistiques dans la supply chain automobile

Créée en 1981 et associée au CNRS depuis sa création, l’unité Heudiasyc (Heuristique et Diagnostic des Systèmes Complexes, UMR-CNRS 7253) est rattachée à CNRS Sciences Informatiques . Elle opère dans le champ des sciences et technologies de l’information, de la communication et des sciences informatiques, en particulier l’informatique, l’automatique, la robotique et l’intelligence artificielle.

Ce stage s’inscrit dans le cadre d’un partenariat entre le laboratoire Heudiasyc et le groupeMobivia, acteur majeur du secteur de la logistique automobile. Il porte sur l’analyse et l’opti-misation logistique de flux de livraison au sein d’un réseau de distribution, avec des contraintesopérationnelles variées : délais, capacités, coûts et exigences de service.Le stage s’inscrit dans un contexte où les entreprises doivent sans cesse améliorer la perfor-mance de leurs systèmes logistiques, tout en conciliant des impératifs économiques, organisation-nels et environnementaux. L’optimisation des stratégies de transport constitue un levier clé pourrépondre à ces enjeux.Le projet vise à proposer des outils d’aide à la décision permettant de sélectionner lesmeilleures stratégies logistiques selon différents critères, dans un contexte industriel réel. Letravail attendu inclura l’analyse de données, modélisation de la problématique en se référant auxproblèmes de tournées de véhicules, et l’exploitation de méthodes d’optimisation issues de larecherche opérationnelle et de l’intelligence artificielle.
 

Objectifs du stage :

– Modéliser les schémas logistiques et les contraintes associées.

– Développer des approches de résolution dans un contexte mono et multi-objectifs.

– Évaluer les méthodes proposées sur données réelles ou simulées.

Missions principales :

– Prétraitement et structuration des données d’entrée pour les modèles d’optimisation.

– Revue de la littérature sur les approches heuristiques pour la résolution de problèmes d’optimisation mono-objectif et multi-objectifs.

– Implémentation des algorithmes et expérimentations.

– Participation à des workshops, congrès et manifestations scientifiques.

– Étudiant(e) en dernière année de Master ou école d’ingénieur (informatique, mathématiques appliquées, recherche opérationelle, apprentissage automatique).

– Compétences en optimisation, programmation (Python, C++ ou Julia).

– Intérêt pour la recherche appliquée et les problématiques industrielles.

– Capacité à travailler en autonomie, rigueur scientifique, communication écrite.