Mission

L’analyse des mégadonnées et la prise de décisions en temps réel jouent un rôle important dans la révolution de l’industrie de la chaîne d’approvisionnement aujourd’hui. Le programme de recherche en analytique de la chaîne d’approvisionnement vise à transformer les processus de planification et d’exécution au moyen d’avancées scientifiques faisant appel aux techniques de recherche opérationnelle et d’apprentissage machine, ainsi qu’à faire le pont entre le monde universitaire et celui de la pratique.

L’objectif principal consiste à permettre : (1) l’intégration facile de la planification et de l’exécution en temps réel pour gérer l’incertitude; (2) la résilience de la chaîne d’approvisionnement pour affronter les perturbations imprévues; et (3) l’intelligence de la chaîne d’approvisionnement pour continuellement apprendre et s’adapter aux changements rapides des milieux environnants.

Programmation scientifique

Les applications d’intérêt dans le programme de recherche couvrent les principaux secteurs de l’analytique de la chaîne d’approvisionnement et de la vente au détail :

  • L’analytique prédictive pour la gestion de la demande et des stocks dans la vente au détail.
    Ce domaine de recherche vise principalement à permettre des prévisions probabilistes variant dans le temps pour les contrôles des stocks, à prévoir et à analyser l’interaction des produits en raison de leur similarité et de leur complémentarité, et à développer une approche non paramétrique de la planification des stocks multiéchelons avec la demande dynamique dans la vente au détail omnicanal et les réseaux de chaînes d’approvisionnement.
  • L’analytique prescriptive pour la planification intégrée de la chaîne d’approvisionnement en incertitude.
    Ce domaine de recherche se penche sur la planification dynamique et stochastique de la chaîne d’approvisionnement en incertitude pour briser les silos dans le processus de décision de la chaîne d’approvisionnement, ce qui permet au fabricant d’anticiper et d’atténuer les perturbations dans la planification des ressources de production et de distribution et au planificateur des commandes de mettre au point un plan robuste et global et de le réviser pour réagir rapidement aux changements dans les environnements d’exploitation.
  • La recherche fondamentale pour faire le pont entre la recherche opérationnelle et l’apprentissage machine dans les processus de décision afin de résoudre des problèmes réels.
    De façon plus précise, nous visons à favoriser la synergie entre les techniques de la recherche opérationnelle et celles de l’apprentissage machine, et de tirer parti de la connaissance pratique en gestion de la chaîne d’approvisionnement afin de créer des initiatives pratiques guidées par les données pour les secteurs public et privé.