| La spécialité "Optimisation et Sûreté des
Systèmes" s’appuie principalement
sur deux équipes de recherche de l’UTT
(l’équipe d’Optimisation
des Systèmes Industriels et l’équipe
de Modélisation et Sûreté
des Systèmes) et a pour objectif de
donner aux étudiants les moyens de
développer des travaux de recherche
académiques ou industriels dans les
domaines relatifs à la maîtrise
des processus. La spécialité
OSS offre une large palette de sujets de recherche
portant sur des approches et des techniques
de modélisation et d’optimisation
très diverses, appliquées à
la surveillance et à la sûreté
de fonctionnement des systèmes complexes
ainsi qu’à l’optimisation
des systèmes de production et de distribution
: fiabilité des systèmes, maîtrise
des risques industriels, planification et
optimisation de la maintenance, surveillance
des systèmes et détection dans
les signaux et images, localisation et diagnostic
de pannes, problèmes combinatoires
pour l’ordonnancement et le placement,
gestion des stocks et des flux de production,
optimisation des transports et de la distribution.
La spécialité OSS trouve
toute sa cohérence dans les méthodologies
mises en œuvre dans les travaux de
recherche relevant de la spécialité
: modélisation mathématique
de systèmes complexes, méthodes
de simulation et d’évaluation
de performances et techniques d’optimisation.
Les thèmes de recherches concernés,
en particulier au travers des domaines d’applications
visés, intéressent conjointement
les communautés scientifiques et
industrielles. La plupart des travaux de
doctorat de la spécialité
se prêtent ainsi naturellement à
des collaborations avec des établissements
industriels, ce qui contribue à la
professionnalisation de la formation.
Modules Science et Technologie proposés
Evaluation des
performances et programmation mathématique
avancée
4 crédits ECTS ST
Modèles de Markov. Modélisation
par files d’attente. Modélisation
par réseaux de Petri, déterministe
ou stochastique, calcul du régime
permanent et du temps de cycle. Bornes inférieures
et supérieures du temps de cycle
pour les réseaux stochastiques. Utilisation
de la simulation à événements
discrets, plans d’expérience
et analyse “ what if ”. Démarche
pour calculer des minorants et des analyses
dans le pire cas. Méthode de points
intérieurs, méthode de plan
de coupe, méthode par relaxation
lagrangienne. Génération de
colonnes.
Métaheuristiques
pour l’optimisation globale
4 crédits ECTS ST
Complexité des problèmes
d'optimisation combinatoire et nécessité
des heuristiques. Heuristiques gloutonnes.
Méthodes de recherche locale. Concepts
de base des métaheuristiques. Recuit
simulé. Méthode taboue. Algorithmes
génétiques. Autres métaheuristiques
(méthodes à colonies de fourmis,
etc.). Evaluation des heuristiques. Comparaison
sur un problème classique (exemple,
problème d'optimisation de tournées
de véhicules).
Surveillance des
systèmes dynamiques : approches statistique
et géométrique
4 crédits ECTS ST
Approche géométrique : généralités
sur la formulation et la résolution
du problème inverse en diagnostic.
Etude d’observabilité pour le
positionnement des capteurs et la génération
de redondances analytiques. Réconciliation
et validation de données et de mesures
: méthode de réconciliation
et validation de données. Extension
au cas non linéaire sous contraintes
linéarisées. Génération
de redondances analytiques dans l’espace
d’état; méthodes de l’espace
de parité. Observateurs de diagnostic
des systèmes non linéaires.
Approche statistique : notions de base.
Tests d’hypothèse. Analyse séquentielle
: test séquentiel bayesien, test
séquentiel minimisant le Nb moyen
d’observations, test séquentiel
du rapport de vraisemblance, test du chi-2.
Détection de ruptures : approche
bayesienne, approche non bayesienne, test
CUSUM, CUSUM local, test CUSUM chi-2. Elimination
de paramètres de nuisance.
Méthodes
probabilistes d’évaluation des
risques
4 crédits ECTS ST
Notion de bases : risques, modélisation
quantitative des risques, management des
risques. Modélisation booléenne
des scénarios de risque (arbres d’événements,
arbres de défaillances, modélisation
par séquences/conséquences…).
Méthodes probabilistes de quantification
des risques. Etudes probabilistes de sûreté.
Etudes de sensibilité. Analyse de
données et estimation des paramètres
des modèles. Modélisation
des dépendances et défaillances
de causes communes. Méthodes bayesiennes
pour l’évaluation des risques.
Utilisation des modèles probabilistes
d’évaluation des risques et
aide à la décision. Etudes
de cas : sûreté nucléaire,
aéronautique et espace, environnement
et risques environnementaux, sécurité,
épidémiologie, veille sanitaire.
| 
L'Ecole doctorale et ses spécialités 