Conception de Parcs Éco-Industriels Résilients et Adaptatifs en contexte d'incertitude
Les parcs éco-industriels (PEI) favorisent l’échange de flux d’énergie, d’eau et de matières entre entreprises pour optimiser simultanément les performances économiques et environnementales. Leur déploiement à grande échelle se heurte toutefois à l’incertitude : disponibilité fluctuante des déchets, données incomplètes, mutations rapides des procédés industriels. Cette thèse vise à lever ces verrous en développant des méthodologies de conception et de pilotage capables de garantir la résilience et l’adaptabilité des PEI face aux aléas. Le travail se déploiera en trois volets complémentaires. (1) Une analyse de sensibilité globale (Sobol, Morris) identifiera les sources d’incertitude les plus critiques et orientera la formulation de modèles d’optimisation robuste multi-objectifs intégrant coûts, impacts environnementaux et niveau de synergie. (2) L’intégration dynamique de nouveaux partenaires industriels sera étudiée afin d’établir des critères et des procédures d’agrégation « plug-and-play » sûres et durables ; des scénarios d’extension seront simulés pour quantifier les gains potentiels. (3) Un cadre d’aide à la décision en temps réel, fondé sur l’apprentissage par renforcement, sera conçu pour adapter la configuration du réseau au fil du temps. L’approche combinera modélisation stochastique, génération de scénarios et pensée cycle de vie afin de proposer des solutions concrètes aux collectivités et aux industriels. Les résultats contribueront au développement de parcs industriels plus sobres, flexibles et pérennes dans un contexte de transition écologique.
- Diplôme de Master ou d’Ingénieur en génie des procédés, systèmes énergétiques, recherche opérationnelle ou mathématiques appliquées - Maîtrise des méthodes numériques et de l’optimisation - Intérêt pour l’écologie industrielle, la durabilité et les applications de l’IA - Compétences en programmation (Python, MATLAB, GAMS) appréciées
Application deadline:
May 31, 2025
Start date:
October 1, 2025
Required documents:
- CV
- Lettre de motivation
- Relevés de notes
Contact:
marianne.boix@toulouse-inp.fr
Academic supervisor:
Marianne Boix
Funding type:
Funding status: