Post-doctorat Maths Appliquées Méthodes statistiques/stochastiques pour l'optimisation robuste d'atelie

Missions :
L'objectif de ce contrat post-doctoral, en collaboration avec Michelin, vise à développer des modèles de substitution (surrogates) capables d’approximer rapidement les résultats du simulateur tout en tenant compte de l’incertitude. Une attention particulière sera portée à la légèreté du modèle, afin qu’il puisse être utilisé facilement en pratique (optimisation rapide, prise de décision embarquée, mise à jour en ligne).
Activités :
1. Concevoir un modèle de substitution statistique/probabiliste léger, intégrant :
- une estimation de la variabilité et de l’incertitude des sorties simulées
- une quantification explicite de l’erreur de prédiction
- une structure explicable et pilotable (par exemple processus gaussiens ...)
2. Modéliser les incertitudes du système industriel (délais, ressources, défaillances) par différentes méthodes dont des approches bayésiennes.
3. Optimiser la configuration de l’atelier, en tenant compte de la variabilité des scénarios, en s’appuyant sur le modèle de substitution pour accélérer l’exploration
4. Analyser l’impact des décisions locales (ordonnancement, affectation de ressources, agencement) sur la performance globale, via des simulations et des analyses de sensibilité probabilistes
5. Formuler des recommandations robustes et compréhensibles, destinées à appuyer la prise de décision dans des contextes industriels réels.

Contexte de travail :
Post-doctorant au sein d'une Unité Mixte de Recherche (UMR6620-CNRS/UCA), basée dans la zone de Clermont-Ferrand (63178 AUBIERE). Ce poste est affecté à l'équipe de recherche Probabilités Analyse et Statistique (PAS).