Chercheur Doctorant en chaîne logistique 5.0 Bordeaux H/F.

CESI; Bordeaux; Sur place; EUR 23 000 - 27 000; Plein temps

Résumé du poste

Un laboratoire d'innovation numérique à Bordeaux propose une thèse sur l'optimisation de la chaîne logistique pour le rétrofit des véhicules thermiques en électriques. Le candidat idéal aura des compétences en modélisation et simulation, ainsi qu'une bonne connaissance en Python et C++. Nous recherchons une personne autonome, rigoureuse, capable de travailler en équipe et d'évoluer dans le domaine du développement durable et de la transition énergétique.

Qualifications

• Connaissance des méthodes d'optimisation.
• Capacité de modélisation de systèmes.
• Rédaction de rapports et articles scientifiques.
• Anglais niveau B1 requis, B2 souhaité.

Responsabilités

• Optimiser la chaîne logistique du rétrofit de véhicules.
• Développer un modèle intégré centré sur l'humain.
• Mettre en place des approches de simulation et d'optimisation.

Connaissances

Modélisation

Simulation de flux

Gestion et optimisation de la chaîne logistique

Bonnes connaissances en Python

Connaissances en C++

Méthodes de machine Learning

Outils

Flex Sim

Any Logic

NetLogo

Description du poste

Le poste proposé

0 dans l’industrie du rétrofit automobile : optimisation et simulation pour un écosystème durable et centré sur l’humain.

Cette thèse a pour objectif d’optimiser la chaîne logistique du rétrofit de véhicules thermiques en électriques, dans un contexte de transition énergétique et de mobilité durable. Elle s’appuie sur des approches combinant optimisation, simulation et intégration du jumeau numérique, afin de renforcer la résilience, la flexibilité et l’efficacité de la chaîne logistique. Les flux et les ressources seront modélisés de manière dynamique pour répondre aux fluctuations de la disponibilité des véhicules, tout en intégrant les enjeux environnementaux. Les modèles développés adopteront une approche centrée sur l’humain, conformément aux principes de l’industrie 5.0. Les solutions proposées viseront à fournir des recommandations opérationnelles pour soutenir une conversion écologique pérenne.

Contexte scientifique

Le rétrofit automobile, consistant à convertir les véhicules thermiques en électriques, s’inscrit dans un contexte européen et français marqué par une transition énergétique ambitieuse et des objectifs environnementaux stricts. En France, le parc automobile comptait environ 40 millions de véhicules, avec une projection de diminution progressive des voitures thermiques au profit des véhicules électriques, conformément aux directives de l’Union européenne visant à réduire les émissions de gaz à effet de serre de 55% d’ici à une date à préciser par rapport à une année de référence. Une étude de l’ADEME confirme l’intérêt environnemental du rétrofit, avec par exemple une réduction des émissions de gaz à effet de serre sur le cycle de vie pour une petite voiture convertie par rapport à son usage diesel maintenu. En Europe, le marché du rétrofit devrait croître de plus de 20 % annuellement, reflétant une demande accrue pour des solutions durables et résilientes face aux enjeux climatiques. Le marché mondial de la conversion électrique pourrait atteindre des milliards de dollars d’ici à une date à préciser, en hausse de 62 milliards de dollars depuis une date de référence. Toutefois, ce développement est confronté à plusieurs défis majeurs, tels que l’approvisionnement en kit (batteries et moteurs électriques), la gestion des chaînes logistiques complexes, la gestion des flux inverses (collecte, assemblage / désassemblage en masse) et la diminution progressive des véhicules thermiques disponibles à convertir. De plus, la boucle de réutilisation des voitures pourrait se réduire avec le temps, nécessitant une optimisation rigoureuse pour maximiser la réutilisation des composants existants et minimiser les coûts et les délais. Selon l’Agence Européenne pour l’Environnement, l’optimisation de la chaine logistique pour le rétrofit pourrait potentiellement réduire les émissions de GES de plus de millions de tonnes d’ici une date à préciser. Ainsi, il devient indispensable de développer des modèles logistiques résilients et durables, centrés sur l’humain, afin de répondre efficacement à la demande croissante tout en surmontant les difficultés liées à l’approvisionnement et à la gestion des ressources. L’optimisation via des méthodes couplées de simulation et d’optimisation permettrait d’améliorer la performance globale de la chaîne logistique, assurant ainsi une transition fluide vers une mobilité électrique plus verte et durable.

Les travaux de recherche récents sur la chaîne logistique proposent des solutions basées sur la logistique inverse, l’optimisation du transport, la planification de désassemblage, la digitalisation et la résilience organisationnelle, et peuvent être adaptés au rétrofit. La thématique est évoquée par différents auteurs et études citées. L’étude et les références pertinentes démontrent des approches adaptées au rétrofit (références citées dans le texte original). Une problématique de recherche est posée : Comment concevoir et optimiser une chaîne logistique résiliente, durable et agile pour le rétrofit automobile, en intégrant les incertitudes liées à la disponibilité des véhicules, des composants, et les contraintes réglementaires et environnementales ? Cette problématique amène à explorer des verrous scientifiques tels que : Comment concevoir une chaîne logistique agile pour l’approvisionnement des composants critiques dans le cadre du rétrofit ? Quelles méthodologies de modélisation et d’optimisation seront les plus adaptées à la chaîne logistique du rétrofit automobile ? Comment la simulation ou l’usage d’un jumeau numérique peuvent-ils contribuer au pilotage de la chaîne logistique du rétrofit ? Comment intégrer les principes de l’économie circulaire dans la conception de la chaîne logistique du rétrofit automobile ?

Sujet

Cette thèse vise à concevoir une chaîne logistique 5.0 optimisée pour le rétrofit des véhicules thermiques en électriques, en mettant l’accent sur la résilience, la centralité sur l’humain et l’adaptabilité face aux fluctuations de la disponibilité des véhicules à convertir. Les objectifs principaux de cette recherche sont les suivants :

• Optimiser la chaîne logistique du rétrofit de véhicules : Développer un modèle intégré centré sur l’humain permettant d’optimiser les flux, les stocks et l’allocation de ressources, afin de maximiser la réutilisation des véhicules thermiques et d’assurer une efficacité opérationnelle durable et maintenir un niveau élevé du bien-être des opérateurs humains.
• Renforcer la résilience et l’adaptabilité : Mettre en place des approches de simulation et d’optimisation robustes pour évaluer la résistance de la chaîne face aux fluctuations de disponibilité des véhicules et aux ruptures d’approvisionnement, tout en garantissant une flexibilité opérationnelle face aux changements futurs.
• Évaluer l’impact environnemental et économique : Analyser les effets des solutions proposées sur la réduction des émissions de GES, la rentabilité du processus ainsi que leurs impacts environnementaux et sociaux, en validant les modèles dans un contexte industriel réel afin de fournir des recommandations pratiques. Ceci assurera non seulement la viabilité économique, mais aussi l’attractivité du secteur grâce à la prise en compte du bien-être des opérateurs dans les modèles d’optimisation et de simulation.

La méthodologie de la thèse s’articule autour de plusieurs étapes clés, articulant modélisation, optimisation, simulation et validation sur des données réelles. Dans un premier temps, une analyse approfondie des acteurs, des flux et des contraintes permet de construire un modèle conceptuel de la chaîne logistique du rétrofit. Ce modèle constitue une base pour le développement de modèles mathématiques d’optimisation (tels que la programmation linéaire, les heuristiques ou méta-heuristiques), en intégrant les variations liées à l’approvisionnement, à la demande, à la disponibilité des véhicules, ainsi que les incertitudes associées aux opérateurs humains. Il prend également en compte leur bien-être, en considérant des facteurs tels que le comportement humain, la fatigue et l’apprentissage. Ensuite, des approches de simulation, notamment par événements discrets ou systèmes multi-agents, sont utilisées pour évaluer la résilience du système face à différentes perturbations. Des scénarios de stress tests et d’analyse de sensibilité permettront d’ajuster les modèles et d’inclure progressivement les facteurs humains et environnementaux. Les solutions issues de l’optimisation et de la simulation sont ensuite confrontées à des données réelles provenant de bases publiques et, le cas échéant, à des jeux de données recueillis dans le cadre de collaborations entre le réseau d’entreprise du CESI et ses partenaires industriels, afin d’en valider la pertinence. Enfin, l’impact environnemental et économique des politiques retenues est mesuré afin de fournir des recommandations concrètes et exploitables.

Antériorité du sujet dans le laboratoire

Dans le cadre de l’industrie 5.0, le laboratoire CESI LINEACT s’est déjà engagé dans plusieurs travaux portant sur la conception, la simulation et l’optimisation de systèmes manufacturiers et logistiques. Les projets « École de la Batterie » et « Battwin » témoignent de l’intérêt porté à la conversion écologique, notamment par la mise en place de solutions pour l’amélioration du processus de fabrication de batteries et de nouveaux modes de propulsion électrique. De même, le projet PLFADDT et la thèse de Mme. Asma Azzoug portant sur la localisation de hubs logistiques illustrent la volonté de CESI LINEACT de développer des outils d’aide à la décision et des modèles d’optimisation en faveur d’une chaîne logistique plus flexible, centrée sur l’humain, et résiliente. Parallèlement, des recherches récentes explorant la chaîne logistique 5.0 et l’intégration du jumeau numérique dans les opérations logistiques renforcent cette approche en mettant l’accent sur l’interaction entre technologies avancées, facteurs humains et performance environnementale. En complément, des travaux de modélisation et simulation menés précédemment démontrent déjà la maîtrise des méthodes nécessaires à l’analyse et à l’optimisation de systèmes complexes pour la production et la logistique interne et externe. La thèse proposée s’inscrit ainsi dans un contexte scientifique riche et bénéficie d’un socle méthodologique solide pour concevoir, modéliser et évaluer une chaîne logistique du rétrofit automobile plus résiliente, adaptative et centrée sur l’humain.

Programme de travail

Les différentes étapes envisagées pour mener à bien ce projet de thèse sont étalées sur trois années. La première année sera consacrée à l’analyse de l’état de l’art, à la définition du périmètre du sujet ainsi qu’à la détermination des indicateurs de performance et des critères de résilience, durabilité et centrage sur l’humain. Durant cette période, un modèle conceptuel de la chaîne logistique du rétrofit sera établi, accompagné de la collecte de données initiales et du développement d’un premier prototype de modèle d’optimisation. La deuxième année se focalisera sur la mise en œuvre des modèles mathématiques et des algorithmes d’optimisation, suivie de l’intégration d’une plateforme de simulation afin d’évaluer la résilience du système face à différentes perturbations. Des scénarios de stress-tests et d’analyse de sensibilité permettront d’ajuster les modèles et d’inclure progressivement les facteurs humains et environnementaux. Enfin, la troisième année visera la validation des outils développés, et la mise en place d’une boucle de sim-optimisation permettant l’adaptation des planning et stratégies en fonction de l’évolution du contexte. L’impact environnemental, économique et social sera évalué, fournissant ainsi une vision globale des bénéfices potentiels. À l’issue de cette dernière phase, les résultats seront synthétisés, complétés par des recommandations opérationnelles, valorisés auprès des partenaires industriels, et finalisés sous forme de publications scientifiques et d’un manuscrit de thèse.

Production scientifique / technique attendue

Plusieurs livrables sont attendus pour chaque tâches envisagés :

Synthèse de revue littérature avec les verrous scientifiques et les hypothèses

Modèle conceptuel intégrant les concepts de la SC5.0 centrée operateurs humains pour la conception de la chaine logistique.

Modèle d’aide à la décision / modèle de simulation intégrant des scénarios de perturbations et tests de reconfiguration

Rapport d’analyse des performances comparant les résultats obtenus avec d’autres modèles de la littérature

Manuscrit de thèse

Les travaux seront valorisés par la publication de deux articles scientifiques dans des revues spécialisées de haute qualité. Le doctorant sera amené aussi à publier et à présenter ses travaux dans deux conférences internationales et nationales au minimum.

Présentation du laboratoire

CESI LINEACT (UR ), Laboratoire d’Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, anticipe et accompagne les mutations technologiques des secteurs et des services liés à l’industrie et au BTP. La proximité historique de CESI avec les entreprises est un élément déterminant pour nos activités de recherche, et a conduit à concentrer les efforts sur une recherche appliquée proche de l’entreprise et en partenariat avec elles. Une approche centrée sur l’humain et couplée à l’utilisation des technologies, ainsi que le maillage territorial et les liens avec la formation, ont permis de construire une recherche transversale qui met l’humain, ses besoins et ses usages, au centre de ses problématiques et aborde l’angle technologique au travers de ces apports.

Antériorité du sujet dans le laboratoire

Le sujet s’inscrit dans le cadre des travaux de l’équipe 2 : Ingénierie et outils Numériques du laboratoire CESI LINEACT, axés sur la Gestion et décision – Planification, Ordonnancement dynamique et Pilotage appliquée au contexte de l’industrie du futur. Organisation et financement : CESI LINEACT Lab. Date de démarrage et durée : à préciser. Lieu de travail : CESI campus de Bordeaux. Encadrants : Dr. HDR, M’hammed SAHNOUN, Dr Yousra EL KIHEL, Dr Houda TLAHIG.

Bibliographie

Plusieurs références citées dans le texte, comprenant des sources comme Enabling technologies to support supply chain logistics 5.0 et d’autres publications académiques et rapports de projets.

Profil souhaité

Compétences scientifiques et techniques :

• Modélisation, Simulation de flux, Gestion et optimisation de la chaîne logistique
• Connaissance des méthodes d’optimisation
• Capacité de modélisation de systèmes
• Bonne connaissance en Python, C++, Flex Sim / Any Logic / NetLogo
• Connaissance des méthodes de machine Learning

Une aptitude à la rédaction de rapports et d’articles scientifiques, et à la communication (Anglais niveau B1 requis, B2 souhaité)

Compétences relationnelles :

• Être autonome, avoir un esprit d’initiative et de curiosité
• Savoir travailler en équipe et avoir un bon relationnel
• Être rigoureux