Contexte
Le groupe Saint-Gobain conçoit, fabrique et distribue des matériaux de construction innovants pour développer l'habitat de demain. Saint-Gobain, l'une des cent plus grandes entreprises industrielles au monde et l'une des cent entreprises les plus innovantes, continue de déployer tout son savoir-faire technologique, souvent en partenariat avec des universités et des laboratoires académiques. La maîtrise de sa chaîne logistique et de son processus de fabrication est essentielle tant pour sa compétitivité que pour la satisfaction de ses clients.
Saint-Gobain Research Paris (SGR Paris, http://www.sgr-paris.saint-gobain.com/) est l'un des huit pôles transverses de R&D de Saint-Gobain. Le Datalab de SGR Paris traite des problèmes de mathématiques appliquées avec une spécialité en recherche opérationnelle, en sciences de données et en réalité virtuelle et augmentée.
La thèse est proposée conjointement par le Datalab de SGR Paris et le CEDRIC, laboratoire de recherche en sciences du numérique du Conservatoire National des Arts et Métiers (https://cedric.cnam.fr/lab/).
Sujet et objectifs
La thématique générale de la thèse est le développement de techniques d’optimisation robuste pour la planification de la production de verres. L’organisation des campagnes de production est compliquée par un fort aléa sur la demande, qui pousse les responsables de la production à choisir des stratégies souvent trop conservatrices, et donc inutilement coûteuses. La finalité principale de la thèse consiste donc à quantifier les gains potentiels qui résulteraient d’une utilisation des techniques modernes de l’optimisation robuste.
Une étape cruciale de la production de verres à couches pour l’habitat et l’industrie automobile est le passage dans le “magnétron”, machine industrielle qui dépose les couches métalliques conférant aux verres leurs propriétés. Cette opération de dépôt est une opération délicate et coûteuse en temps. La séquence dans laquelle arrive les verres, chacune avec une demande spécifique en dépôts métalliques, est fixée en amont du magnétron, mais n’est pas connue avec certitude lorsque les premières décisions doivent être prises. Intervenir sur ces cathodes ne peut se faire qu'à certains moments planifiés à l'avance, appelés “shutdowns”. Il faut alors décider quelles cathodes renouveler et lesquelles changer de place dans le magnétron. Lorsqu'on renouvelle une cathode, on ne peut récupérer le métal qui reste, ce qui entraîne une perte nette, et la place des cathodes conditionne l'ordre dans lequel les couches peuvent être déposées.
Un objectif de cette thèse est de concevoir des stratégies robustes et optimisées de gestion des cathodes. Dans un second temps, la possibilité de modifier la séquence des verres en amont du magnétron sera également considérée. Traiter ce problème élargi, toujours en tenant compte de l’aléa sur la demande et éventuellement de manière intégrée avec celui de la gestion des cathodes, constitue un autre objectif de la thèse. Enfin, la possibilité d’appliquer la méthodologie de la thèse à d’autres étapes de la production des verres sera étudiée. Les algorithmes proposés seront validés théoriquement et expérimentalement sur des données réelles.
Profil. M2 ou école d'ingénieur avec une spécialisation en optimisation / recherche opérationnelle.
Déroulement de la thèse
La directrice de thèse sera Safia Kedad-Sidhoum (CEDRIC - CNAM). Frédéric Meunier (CERMICS – ENPC) sera co-encadrant. Le doctorant passera un temps égal au Datalab de SGR Paris et au CEDRIC.
Contact
Saint-Gobain Recherche Paris, Datalab (39 quai Lucien Lefranc, Aubervilliers) : Tristan Barbe (tristan.barbe@saint-gobain.com), Maria Malheiro Reymao (maria.malheiroreymao@saint-gobain.com)
Conservatoire National des Arts et Métiers, CEDRIC (2 rue conté, Paris 13) : Safia Kedad-Sidhoum (safia.kedad_sidhoum@cnam.fr)
École des Ponts ParisTech, CERMICS (6 et 8 avenue Blaise Pascal, Cité Descartes - Champs-sur-Marne) : Frédéric Meunier (frederic.meunier@enpc.fr)