Domaine: Industrie ⊕
Fiche projet:
Le projet DeepScheduling vise à optimiser les opérations de recuit, trempage et de laminage à chaud d’acier dans le but de réduire la consommation d’énergie (et donc les émissions de CO2).
Etant donné un carnet de commande (cad des brames d’acier à traiter, chacune devant être soumise à un traitement particulier), il faut proposer un ordre de passage de chaque brame d’acier à chaque étape. Un poste important de dépense énergétique est que la température des fours de recuit doit être adaptée à chaque brame d’acier car la température est prescrite par le traitement qu’elle doit subir. De même, la durée et la température à atteindre en fin de refroidissement sont prescrites par le traitement à suivre.
La composition d’un planning est donc une optimisation complexe sous contrainte.
Dans ce but, le projet va utiliser un ensemble de technologies d’optimisation y inclus la recherche locale (oscar.cbls) et une variante appelée "actor-based optimization", le deep learning, et l’optimisation basée sur des MDD actuellement étudié au CETIC (projet DDOlib).
