Ordonnancement de projets internationaux avec contraintes de matériel et de ressources

L'évolution des processus d'affaires, rendue nécessaire par une globalisation des marchés toujours plus importante, a encouragé les firmes internationales à se tourner vers le fonctionnement par projet, qui s'est peu à peu généralisé. Mais la gestion de projets demeure une discipline complexe, impliquant de nombreux acteurs, sous-traitants et parties prenantes, et nécessitant le transport, l'approvisionnement et la livraison d'équipement et de matériel. Dans ce contexte, des délais d'approvisionnement et des contraintes de capacité de stockage peuvent amener des retards dans l'avancement des projets et des dépassements de budget. En effet, en dépit des tous les efforts accomplis en recherche pour développer des outils efficaces, la prise en compte des contraintes de livraison et d'approvisionnement lors de la phase de planification de projets demeure pour l'essentiel gérée manuellement par le gestionnaire de projets, selon son intuition et son expérience. Ainsi, les méthodes et algorithmes développés ne sont utilisés en pratique que pour la gestion dite « traditionnelle » de projet, ne considérant qu'un unique projet de faible portée, sans contraintes logistiques. Reconnaissant cette nouvelle réalité et les besoins qui en découlent, ce mémoire envisage une approche de résolution plus intégrée où l'on considère le problème de planification de projets avec des contraintes liées au stockage et à la livraison de matériel. Pour cela, un générateur aléatoire de contraintes logistiques a été développé, permettant de définir les données du problème relatives aux contraintes logistiques, tout en jouant sur leur poids relatif. La résolution du problème ainsi formulé est effectuée par le biais d'un algorithme génétique optimisé afin de déterminer un échéancier de projet réalisable. L'algorithme, par des opérations de sélection, croisement et mutation sur une population de solutions admissibles, améliore globalement la qualité de celle-ci au fil des itérations et converge peu à peu vers un optimum.