l'agenda des sorties

Systèmes d'information et gestion des opérations

Intervenant : Baizhi Song (LBS)

Salle : T104

Résumé

Définition du problème : Pour collecter des données sur la pollution plastique des océans et élaborer des modèles prédictifs plus précis, nous devons prendre manuellement des images haute résolution de la surface de la mer à l'aide de drones flottants ou volants. L'utilisation de ces véhicules, comme de nombreux problèmes de collecte de données en agriculture ou en sciences environnementales, remet en question la formulation traditionnelle des plans d'expériences optimaux (OED) basée sur les statistiques, de par son ampleur et la présence de contraintes de routage complexes. Méthodologie/Résultats : Nous développons un algorithme d'optimisation discrète pour résoudre des instances OED à grande échelle et prendre en compte les contraintes de routage. Sur des données synthétiques et réelles, notre algorithme surpasse les solutions existantes reposant sur des solveurs commerciaux de type « branche-et-limite ». Pour notre problème de prédiction de la densité de plastique océanique, par exemple, il trouve des solutions avec une valeur objective jusqu'à 10 % supérieure et résout deux fois plus d'instances à l'optimalité. Autrement dit, il permet de construire des modèles d'ensemble avec la même précision qu'une stratégie de collecte de données aléatoires, tout en réduisant le coût de 30 à 50 %. Implications managériales : Notre étude fournit un algorithme efficace pour résoudre les problèmes OED à grande échelle avec contraintes de routage. Elle met en évidence l'intérêt d'intégrer des contraintes opérationnelles telles que le routage dans la conception des stratégies de collecte de données afin de réduire les coûts de collecte.