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

Abderrazzak SABRI

Doctorant
Travaille dans les thèmes :
Contact :

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

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

Sujet de thèse : "L’apprentissage automatique pour l’ordonnancement"

2022

Nous proposons dans cette thèse de synchroniser les décisions d’ordonnancement des tâches de production et des activités de maintenance des machines pour optimiser à la fois les couts de stockage et les pénalités de retard dans une démarche Juste A Temps (JAT). Souvent trois champs classiques sont explorés pour ce type de problèmes. Le premier est l’analyse de la complexité des algorithmes de résolution. Le deuxième est la formulation des algorithmes donnant la solution optimale. Si le temps de calcul est exorbitant, dans ce cas le troisième champ s’impose. Il consiste à utiliser des heuristiques, des méta-heuristiques ou des schémas d’intégration de différentes méthodes de résolution pour donner des solutions approximatives.

Nous étendrons ces champs pour aboutir à de nouveaux algorithmes basés sur l’apprentissage profond et par renforcement (deep learning, reinforcement learning). Nous privilégions les algorithmes d’apprentissage ayant la possibilité d’intégrer de manière effective des méthodes d’optimisation pour trouver un bon compromis entre le temps de calcul et la qualité de solution.

Enfin, les questions ouvertes auxquelles nous devons apporter des réponses sont par exemple : quels schémas d’intégration et d’hybridation pour quelle configuration du système de production étudié ? Nous comptons également améliorer l’existant en terme de résolution selon le temps de calcul et la qualité de solution.

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 (...)