Application de la programmation intégrale pour maximiser la durée de vie des biens d'infrastructure

Les infrastructures, comme les ponts, les routes, les systèmes d'approvisionnement en eau et les réseaux électriques, constituent l'épine dorsale de la société moderne. Leur performance fiable est essentielle à la productivité économique, à la sécurité publique et à la qualité de vie. Cependant, ces biens se dégradent au fil du temps en raison de l'utilisation, des facteurs environnementaux et du vieillissement des matériaux.

Comprendre la programmation intégrale

Contrairement à la programmation linéaire, qui traite de variables continues, la programmation intégrale permet aux modélistes de représenter des choix discrets qui sont communs dans la gestion de l'infrastructure. Par exemple, le choix de réparer un pont ou non (une décision oui/non) est naturellement modélisé avec une variable binaire (0 ou 1). Lorsque seulement certaines variables sont entières, le problème est appelé un problème de programmation mixte (MIP).

Les problèmes de programmation entiers sont généralement plus difficiles à résoudre que leurs homologues continus. Ils appartiennent à la classe des problèmes difficiles NP, ce qui signifie que le temps de la solution peut croître exponentiellement avec la taille du problème. Cependant, les progrès de la technologie de résolveur (comme Gurobi, CPLEX, et les alternatives open-source comme SCIP) ont permis de s'attaquer efficacement à de grandes instances réalistes.

Pour en savoir plus sur les fondamentaux de la programmation intégrale, consultez les ressources de l'Institut de recherche opérationnelle et des sciences de la gestion (INFORMES) ou les manuels scolaires sur l'optimisation.

Formuler un modèle de programmation entier pour la gestion des biens d'infrastructure

L'application de la programmation intégrale pour maximiser la durée de vie des actifs nécessite la traduction du problème réel en un modèle mathématique comportant trois composantes clés : les variables de décision, les contraintes et une fonction objective.

Variables de décision

Les variables les plus courantes dans les modèles de PI d'infrastructure sont les variables binaires (0-1) qui représentent la question de savoir si une action spécifique est prise à un moment donné. Par exemple, x_i,t pourrait être 1 si la maintenance est effectuée sur un actif i en année t[] et 0 autrement. D'autres variables pourraient indiquer le type d'intervention (p. ex., réparation mineure ou réhabilitation majeure) ou le moment du remplacement.

Contraintes

Les contraintes qui pèsent sur les gestionnaires de l'infrastructure sont les suivantes :

• Contraintes budgétaires:[ Le coût total de toutes les mesures d'entretien d'une année donnée ne peut dépasser le budget disponible. Par exemple, -_i (coût_i × x_i,t) ≤ Budget_t.
• Contraintes en matière de ressources : Tailles limitées de l'équipage, disponibilité de l'équipement ou fourniture de matériaux.
• Contraintes techniques : Par exemple, un bien ne peut être remplacé plus d'une fois dans un horizon de planification, ou certains types d'entretien doivent être suivis d'un délai minimum.
• Contraintes de rendement :[ Niveaux minimaux acceptables de condition pour chaque bien. Si la condition se dégrade en dessous d'un seuil, l'entretien doit se produire.
• Contraintes logistiques : Si l'actif A est remplacé, l'actif B doit également être inspecté.

Fonction objective

L'objectif consiste généralement à maximiser la durée de vie totale du système d'infrastructure, qui peut être mesurée de diverses façons. Une approche commune consiste à maximiser une somme pondérée du temps que chaque actif reste en service au-delà d'un niveau de condition minimum. L'objectif peut aussi minimiser les coûts totaux du cycle de vie (y compris les coûts d'entretien et de défaillance) tout en assurant une durée de vie déterminée.

Mathématiquement, une formulation simple pourrait être:

Maximiser -_i-_t[ (prestation de vie utile_i × opérationnelle_i,t)

où opérationnel_i,t est une variable binaire indiquant si l'actif i est toujours en état acceptable au moment t, et l'avantage reflète la valeur sociétale du fonctionnement de l'actif.

Applications du monde réel

Les modèles de programmation entiers ont été appliqués avec succès à divers domaines d'infrastructure. Voici trois exemples.

Systèmes de gestion des ponts

Les modèles de PI aident à déterminer quels ponts doivent être réparés, quand et avec quel type d'intervention. Par exemple, le système de gestion du pont Pontis de l'administration fédérale de la route des États-Unis intègre des composantes d'optimisation pour prioriser les projets. Une étude de l'American Society of Civil Engineers (ASCE) a montré que l'optimisation de la planification pourrait prolonger la durée de vie du réseau de pont de 15 à 20 % par rapport aux approches fondées sur les règles.

Réseaux de distribution d'eau

Les modèles de programmation d'entier peuvent planifier des remplacements de tuyaux pour maximiser la vie restante du réseau tout en satisfaisant les exigences de qualité et de pression de l'eau. Une application notable dans l'industrie de l'eau du Royaume-Uni utilise des programmes d'entier mixte pour planifier les renouvellements, réduisant les coûts de 10 à 25% tout en maintenant les niveaux de service.

Entretien des chaussées

Les organismes doivent décider entre l'entretien préventif (p. ex., revêtement de joints) et les mesures correctives (p. ex., recouvrements). Les modèles de PI intègrent des courbes de détérioration et des cycles budgétaires pour produire des programmes annuels optimaux.

Avantages de l'utilisation de la programmation entière

L'adoption d'une programmation intégrale pour la gestion des biens d'infrastructure présente des avantages importants :

• Décisions fondées sur les données:[ Dépasse la hiérarchisation ad hoc pour passer à une analyse systématique et objective.
• Épargnes de coûts:[ Une allocation efficace des ressources réduit les réparations inutiles et évite les défaillances coûteuses.
• Durée de vie prolongée:[ Des interventions opportunes à des points optimaux du cycle de vie de l'actif empêchent une détérioration prématurée.
• Contre-mesures transparentes:[ Les décideurs peuvent évaluer l'impact des compressions budgétaires ou des augmentations sur la santé globale de l'infrastructure.
• Scalabilité:[ Les modèles peuvent gérer des réseaux avec des milliers d'actifs, fournissant une vue unifiée.

Défis et considérations

Malgré son pouvoir, la programmation intégrale n'est pas une solution miracle. Plusieurs défis doivent être relevés pour une mise en oeuvre réussie.

Qualité et disponibilité des données

Les modèles de PI reposent sur des évaluations précises de l'état, des taux de détérioration, des estimations de coûts et des conséquences de défaillance. De nombreux organismes manquent de données complètes.

Complexité informatique

Pour un réseau de 10 000 actifs sur un horizon de 30 ans, le nombre de variables binaires peut dépasser 300 000. Résoudre ces problèmes à l'optimalité peut nécessiter un calcul haute performance ou l'utilisation de méthodes heuristiques qui sacrifient une certaine optimalité pour la vitesse.

Modélisation de l'incertitude

Les hypothèses sur les taux de détérioration, la disponibilité du budget et les demandes futures sont incertaines. Les modèles de PI déterministes peuvent produire des plans fragiles dans des conditions changeantes.

Achats organisationnels

Les ingénieurs et les planificateurs peuvent être sceptiques quant aux résultats d'optimisation de la boîte noire. Le déploiement réussi nécessite une collaboration entre les spécialistes de la recherche opérationnelle et les experts du domaine.

Orientations futures : combiner la programmation intégrale et l'apprentissage automatique

La prochaine frontière dans la gestion des biens d'infrastructure consiste à intégrer la programmation intégrale à l'apprentissage automatique. Les modèles d'apprentissage automatique peuvent prédire la détérioration des biens avec plus de précision à partir des données historiques et des flux de capteurs.

Par exemple, un modèle prédictif pourrait prévoir qu'un pont particulier atteindra une condition critique dans 5 ans, plus tôt que ne le suggèrent les courbes de détérioration standard. Le modèle IP intègre cette prévision mise à jour et rééchelonne la maintenance pour éviter la défaillance. Cette combinaison conduit à ce que l'on appelle l'analyse prescriptive, allant au-delà des idées descriptives et prédictives pour recommander la meilleure ligne d'action.

Des groupes de recherche comme INFORMS Analytics Society font activement la promotion de ces méthodes avancées.À mesure que la puissance informatique continue de croître et que la collecte de données devient moins coûteuse, on peut s'attendre à une utilisation plus répandue des systèmes hybrides IP-ML dans les organismes d'infrastructure publics et privés.

Conclusion

La programmation intégrale offre un cadre rigoureux pour maximiser la durée de vie des actifs de l'infrastructure grâce à des stratégies de maintenance et de remplacement optimisées. En modélisant des décisions discrètes, des contraintes en matière de ressources et des objectifs de cycle de vie, les décideurs peuvent réaliser des gains importants en efficacité et en longévité des actifs. Cependant, une application réussie nécessite des données de haute qualité, des ressources informatiques appropriées et un engagement organisationnel.