Dans cette thèse nous proposons un outil d’aide à la décision multicritère qui permet aux décideurs de sélectionner un scénario optimal dans un graphe de projet qui contient toutes les alternatives de choix de conception et de réalisation d’un nouveau système, tout en tenant compte des risques inhérents aux choix réalisés. Le modèle du graphe est construit en considérant toutes les décisions collaboratives des différents acteurs impliqués dans le projet. Cet outil d’aide à la décision est basé principalement sur les techniques de l’optimisation combinatoire. En effet, nous avons choisi de travailler avec la métaheuristique ACO (algorithme d’optimisation par colonies de fourmis) vu sa capacité à fournir des solutions optimales dans un temps raisonnable. Les objectifs à minimiser sont le coût global du projet, sa durée totale de réalisation et l’incertitude sur ces critères (coût, durée). La modélisation des incertitudes a été abordée suivant deux approches différentes. La première approche consiste à modéliser l’incertitude en utilisant des intervalles simples et en la considérant comme un objectif à part entière à optimiser avec le coût et la durée. Quant à la deuxième approche, elle permet de modéliser l’incertitude sur les objectifs du projet (coût, durée) sous formes de distributions de probabilités. L’outil d’optimisation proposé dans la thèse fait partie d’un processus intégré et plus global qui se base sur les standards industriels (processus d’ingénierie système et de management de projet) qui sont largement connus et utilisés dans les entreprises. Ainsi, le travail développé dans cette thèse constitue un vrai guide pour les industriels dans leurs processus de conception et de réalisation des systèmes complexes innovants dans le domaine d’ingénierie système.
Mots-clés : management de projet, ingénierie système, aide à la décision multicritère, incertitude, apprentissage, optimisation par colonies de fourmis. |
In this thesis, we propose a multi-criteria decision making tool that allows decision-makers to select an optimal scenario in a project graph that includes all the alternative choices of a new system’s conception and realization, while taking into account the risks inherent to these choices. The model of the graph is constructed by considering all the collaborative decisions of the different actors involved in the project. This decision making tool is based mainly on the techniques of combinatorial optimization. Indeed, we have decided to work with the metaheuristic ACO (Ant Colony Optimization algorithm) for its ability to provide optimal solutions in a reasonable amount of time. The objectives to be minimized are the total cost of the project, its global duration and the uncertainties about these criteria (cost, duration). The uncertainties modeling is performed according to two different approaches. The first approach consists in using single intervals to model the uncertainty and it is considered as a third objective to optimize besides cost and duration. As for the second approach, the uncertainty about project objectives (cost, duration) is performed by using probabilities distributions. The optimization tool proposed in this thesis is a part of an integrated and more global process, based on industrial standards (the systems engineering process and the project management one) that are widely known and used in companies. Thus, the work developed in this thesis is a real guide for companies in their process of design and realization of innovative complex systems in the systems engineering field.
Keywords: project management, systems engineering, multi-criteria decision making, uncertainty, learning, ant colony optimization. |