Offre de thèse de doctorat
Contexte :
Ces travaux de thèse s’inscrivent dans le cadre du projet ICAP 2 qui vise notamment à définir une chaîne numérique complète, couvrant l’ensemble du cycle, du développement produit jusqu’à la fabrication, ainsi qu’à élaborer un système de supervision en temps réel, permettant la détection précoce des dérives, la réactivité et la prise de décision proactive, tout en établissant un lien robuste entre la planification tactique (Plan Industriel et Commercial – PIC, Programme Directeur de Production – PDP) et le pilotage à court terme (ordonnancement).
Le secteur aéronautique est confronté à des défis structurels majeurs, principalement liés à l’augmentation des cadences de production et à la variabilité, induites par la croissance de la demande et le lancement de nouveaux programmes aéronautiques. Ces évolutions s’accompagnent de contraintes importantes : atteindre la neutralité carbone à l’horizon 2050, réduire l’empreinte environnementale, intégrer des ruptures technologiques pour maintenir la compétitivité et renforcer la résilience industrielle dans un contexte géopolitique et commercial instable.
Parallèlement, l’industrie aéronautique doit répondre à des exigences opérationnelles et économiques accrues, telles que la maîtrise des coûts globaux, l’intégration de matériaux composites complexes et le respect d’engagements environnementaux renforcés. Ces contraintes imposent une transformation profonde des systèmes de conception et de production. De plus, l’environnement industriel est caractérisé par des incertitudes et des aléas récurrents (pénuries de composants, fluctuations de la demande, perturbations logistiques), nécessitant une flexibilité organisationnelle.
Pour relever ces défis, une approche prometteuse consiste à concevoir des systèmes de production modulaires et reconfigurables, capables d’assurer flexibilité et réactivité tout en respectant les objectifs de performance économique-opérationnelle et environnementale. L’efficacité de ces systèmes doit se reposer d’une part sur des architectures interopérables, favorisant l’intégration rapide des équipements, et d’autre part sur un système de pilotage multiniveaux, intégrant la propagation descendante des incertitudes et la propagation ascendante des aléas, afin d’accroître la réactivité et la résilience globale du système.
Objectifs de la thèse :
Cette thèse vise à concevoir et à développer une architecture de supervision et de pilotage multiniveaux adaptée aux systèmes de production aéronautiques. Elle s’articule autour de trois axes principaux :
- Pilotage dynamique à court terme : concevoir et développer des algorithmes et des outils d’aide à la décision permettant un ordonnancement dynamique en « temps réel ». L’objectif est d’accroître la réactivité face aux perturbations et d’optimiser l’utilisation des ressources.
- Planification robuste à long terme : intégrer les incertitudes (demande, approvisionnement, capacité, etc.) dans le Plan Industriel et Commercial (PIC), afin d’évaluer leurs impacts sur les performances globales et de proposer des stratégies de planification robustes.
- Cohérence entre les niveaux de planification et d’exécution : développer des mécanismes assurant la désagrégation du PIC vers le PDP et l’agrégation des informations d’ordonnancement vers le PDP, en tenant compte de la propagation des incertitudes et de la remontée des données dynamiques. Cette cohérence vise à garantir une synchronisation efficace entre les niveaux de planification et d’exécution.
Références bibliographiques :
- Randt, N.P., Sartorius, S., 2014. Requirements and Concepts of Operations for a Personalized Air Transport System in 2050, in: 52nd Aerospace Sciences Meeting. Presented at the 52nd Aerospace Sciences Meeting, American Institute of Aeronautics and Astronautics, National Harbor, Maryland. https://doi.org/10.2514/6.2014-0683
- Khalil Tliba, Thierno M. L. Diallo, Olivia Penas, Romdhane Ben Khalifa, Noureddine Ben Yahia & Jean Yves Choley (2022). Digital twin-driven dynamic scheduling of a hybrid flow shop. Journal of Intelligent Manufacturing, 34(5), 2281–2306. DOI: https://doi.org/10.1007/s10845-022-01922-3
- Fakhry, D., Oger, R., Lauras, M., Pellegrin, V., 2025. Managing uncertainties within sales and operations planning (S&OP): a systematic literature review. Supply Chain Forum: An International Journal 1–18. https://doi.org/10.1080/16258312.2025.2526321
- Trstenjak, M., Gregurić, P., Janić, Ž., Salaj, D., Trstenjak, M., Gregurić, P., Janić, Ž., Salaj, D., 2023. Integrated Multilevel Production Planning Solution According to Industry 5.0 Principles. Applied Sciences 14. https://doi.org/10.3390/app14010160
- Sikora, R., Shaw, M. J. Coordination mechanisms for multi-agent manufacturing systems: applications to integrated manufacturing scheduling. IEEE Transactions on Engineering Management, 2002, vol. 44, no 2, p. 175-187. https://ieeexplore.ieee.org/abstract/document/584925
Profil recherché :
- Titulaire d’un diplôme de niveau Bac + 5 en Génie Industriel, en Mathématiques Appliquées (Statistiques, Data Science ou Recherche Opérationnelle) ou en Informatique industrielle
- Bonne expression écrite et orale en français et en anglais
- Connaissances et compétences en :
- Informatique industrielle
- Data Science
- Informatique (prototypage) : Python, Java…
- Qualités : autonomie, curiosité, esprit d’analyse et de synthèse, travail en équipe, rigueur
Informations sur le poste :
- Type de Contrat : CDD de 36 mois
- Lieu : ISAE – Supméca, 3 rue Fernand Hainaut 93400 Saint-Ouen, France
Des déplacements sont à prévoir en France ou à l’étranger. - Date de début : dès que possible
Candidature :
Envoyer un CV détaillé, une lettre de motivation et les relevés de notes des 2 dernières années d’études à Thierno DIALLO (thierno.diallo@isae-supmeca.fr) et à Roberta COSTA (roberta.costa@isae-supmeca.fr).
