Laboratoire de Génie Informatique et d’Automatique de l’Artois

Abderrazzak SABRI

Doctorant
(Départ du LGI2A en 2025)
Travaille dans les thèmes :

Revue Internationale avec Comité de Lecture

2023
Revue Internationale avec Comité de Lecture
DOI
Abderrazzak SABRI -- Hamid ALLAOUI -- Omar SOUISSI
Reinforcement learning and stochastic dynamic programming for jointly scheduling jobs and preventive maintenance on a single machine to minimise earliness-tardiness
International Journal of Production Research, pp 1-15, Vol. 0, No. 0, Taylor & Francis, 03/2023

Conférence Internationale avec Comité de Lecture

2023
Conférence Internationale avec Comité de Lecture
Abderrazzak SABRI -- Hamid ALLAOUI -- Omar SOUISSI
Reinforcement Learning for the Just-In-Time Job- Shop Scheduling Problem
9th International Conference on Control, Decision and Information Technologies, CoDIT'23, Rome, Italy, July 03-06, 07/2023
2022
Conférence Internationale avec Comité de Lecture
DOI
Abderrazzak SABRI -- Hamid ALLAOUI -- Omar SOUISSI
Adaptive Large Neighborhood Search for the Just-In-Time Job-shop Scheduling Problem
2022 International Conference on Control, Automation and Diagnosis, ICCAD 2022, pp 1-6, Lisbon, Portugal, 13-15 July 2022, 07/2022
2021
Conférence Internationale avec Comité de Lecture
DOI
Abderrazzak SABRI -- Hamid ALLAOUI -- Omar SOUISSI
Stochastic Dynamic Programming for Earliness-Tardiness Single Machine Scheduling with Maintenance Considerations
Advances in Production Management Systems. Artificial Intelligence for Sustainable and Resilient Production Systems, APMS 2021, pp 269--276, Springer International Publishing, 08/2021

Auteur de la thèse intitulée "L’apprentissage par renforcement pour l’ordonnancement simultané de la production et de la maintenance"

2022 - 2023

L’optimisation de l’ordonnancement en job shop dans un contexte du Juste-À-Temps (JAT) est un enjeu majeur pour les systèmes de production industrielle, thème central de cette thèse doctorale. Nous mettons un accent particulier sur la prise en compte de la maintenance préventive, stratégie essentielle pour minimiser les pannes de machines et assurer leur bon fonctionnement.

Un fil conducteur de notre travail est l’exploration des liens entre les méthodes d’optimisation combinatoire et l’Intelligence Artificielle (IA), en particulier l’apprentissage par renforcement (RL). Nous visons à exploiter le potentiel de ces méthodes d’IA de pointe et à comparer leur efficacité face aux approches combinatoires dans la résolution de problèmes d’optimisation complexes.

Dans un premier temps, nous nous concentrons sur un système à machine unique, en analysant l’ordonnancement simultané des tâches pouvant être interrompues et de la maintenance préventive, et l’impact de cette synchronisation sur la réduction des pannes de machines et l’amélioration de l’efficacité JAT. Deux algorithmes ont été proposés. Le premier est basé sur un programme dynamique stochastique et le deuxième est basé sur le RL.

Ensuite, nous élargissons notre champ d’étude à des contextes plus complexes comme l’ordonnancement en job shop, en tenant compte des défis du JAT. Nous explorons des méthodes comme la Adaptive Large Neighborhood Search (ALNS), qui se révèle être une approche prometteuse pour ces problèmes NP-Difficiles.

Finalement, nous menons une étude approfondie des méthodologies basées sur le Reinforcement learning , démontrant leur robustesse et efficacité pour optimiser l’ordonnancement en job shop tout en tenant compte de la maintenance préventive dans un contexte du JAT. Ces résultats marquent une avancée significative dans le domaine, fournissant une feuille de route pour les recherches futures visant à améliorer la performance des systèmes de production industrielle"

OLOGMAESTRO (ELSAT2020)

2015 - 2022

Optimisation des Opérations en Logistique et en Maintenance des Systèmes de Transport

Résumé :

Une bonne politique de maintenance des systèmes de transport joue un rôle important pour garantir, à la fois, la fluidité des flux de transport (marchandises, personnes) et la réduction des coûts d’exploitation. Ceci est d’autant plus vrai que les systèmes de transport actuels sont de plus en plus complexes et requièrent donc une maintenance techniquement plus difficile (...)