Vous êtes sur la page 1sur 57

Optimisation des tourn

ees dinspection des voies


Sebastien Lannez

To cite this version:


Sebastien Lannez. Optimisation des tournees dinspection des voies. Mathematics. INSA de
Toulouse, 2010. French. <tel-00595070>

HAL Id: tel-00595070


https://tel.archives-ouvertes.fr/tel-00595070
Submitted on 23 May 2011

HAL is a multi-disciplinary open access


archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.

Larchive ouverte pluridisciplinaire HAL, est


destinee au depot et `a la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.

%0$503"5%&-6/*7&34*5%&506-064&

Institut National des Sciences Appliques


de Toulouse (INSA Toulouse)

Systmes Industriels


Sbastien Lannez
jeudi 25 novembre 2010

Optimisation des tournes


d'inspection des voies

(EDSYS)
Systmes

LAAS / CNRS

Christian Artigues (LAAS/CNRS, Toulouse)


Michel Gendreau (CIRRELT, Montral, Canada)

Pierre Dejax (Ecole des


Mines
de Nantes)

Christian Prins (Universit de


Technologie de Troyes)

Jean Damay (SNCF)


Dominique Feillet (Ecole des Mines de Saint-Etienne)
Frdric Semet (Ecole Centrale de Lille)
Franois Vanderbeck (Universit de Bordeaux 1)

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Table des matires


1

Introduction

11

Prsentation de la problmatique

13

Environnement industriel et problmatique


2.1 Les maintenances industrielles . . . . . . . . . . . .
2.2 Le systme ferroviaire . . . . . . . . . . . . . . . .
2.2.1 Les acteurs . . . . . . . . . . . . . . . . . .
2.2.2 La production ferroviaire . . . . . . . . . . .
2.2.3 Le rfrentiel denregistrement . . . . . . . .
2.3 Enjeux de lauscultation ultrasonore par engins lourds
2.4 Projet grands axes . . . . . . . . . . . . . . . . . . .
2.5 Technique . . . . . . . . . . . . . . . . . . . . . . .
2.5.1 La dtection par ultrasons . . . . . . . . . .
2.5.2 Les engins . . . . . . . . . . . . . . . . . .
2.6 tapes de la programmation . . . . . . . . . . . . .
2.6.1 La conception des programmes dauscultation
2.6.2 Ladaptation des programmes dauscultation
2.6.3 La ralisation des programmes dauscultation
2.6.4 Performance . . . . . . . . . . . . . . . . .
2.7 Propositions . . . . . . . . . . . . . . . . . . . . . .
2.7.1 Conception . . . . . . . . . . . . . . . . . .
2.7.2 Adaptation . . . . . . . . . . . . . . . . . .
2.7.3 Ralisation . . . . . . . . . . . . . . . . . .
2.8 Motivation et enjeux . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

15
15
16
16
16
17
17
17
18
18
20
21
22
22
23
23
26
26
27
28
28

.
.
.
.
.
.
.

31
31
32
32
33
35
37
38

Revue de littrature
3.1 Thorie des graphes . . . . . . . . . . . .
3.2 Tournes sur arcs . . . . . . . . . . . . .
3.2.1 Problmes principaux . . . . . . .
3.2.2 Variantes . . . . . . . . . . . . .
3.2.3 Algorithmes de rsolution . . . .
3.3 Applications . . . . . . . . . . . . . . . .
3.4 Maintenances des installations ferroviaires
3

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

TABLE DES MATIRES


4

II

TABLE DES MATIRES

Modlisation des tournes des engins de maintenances


4.1 Graphe . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1 Vue macroscopique . . . . . . . . . . . . . . . .
4.1.2 Nuds . . . . . . . . . . . . . . . . . . . . . .
4.1.3 Arcs . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Modle journe . . . . . . . . . . . . . . . . . . . . . .
4.3 Modle engin . . . . . . . . . . . . . . . . . . . . . . .
4.4 Formulations mathmatiques . . . . . . . . . . . . . . .
4.4.1 Formulation arc-flot (Marc ) . . . . . . . . . . . .
4.4.2 Formulation chemins (Mchemin ) . . . . . . . . . .
4.5 Dcompositions mathmatiques . . . . . . . . . . . . .
4.5.1 Dcomposition de Dantzig-Wolfe de Marc (MDW ) .
4.5.2 Dcomposition de Benders de Mchemin (MBenders ) . .

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

Mise en uvre

41
41
41
42
44
45
46
46
47
49
51
51
53

57

Approche algorithmique
5.1 Schma gnral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0
5.2 Prsentation du problme matre augment MBenders
. . . . . . . . . . . . . . . .
0
5.3 Rsolution de MBenders . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3.1 Initialisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.3.2 Gnration des colonnes . . . . . . . . . . . . . . . . . . . . . . . . .
5.3.3 Dtermination dune solution entire . . . . . . . . . . . . . . . . . . .
5.4 Gnration des coupes de Benders Combinatoires . . . . . . . . . . . . . . . .
5.4.1 Description des sous problmes de Benders . . . . . . . . . . . . . . .
0
5.4.2 Simplification des coupes BC pour MBenders
. . . . . . . . . . . . . . . .
5.4.3 Coupe combinatoire voyageur de commerce avec fentres de temps
5.4.4 Coupe linaire affectation calendaire . . . . . . . . . . . . . . . . .
5.5 Projection des coupes BC : Pseudo Coupes Locales . . . . . . . . . . . . . . .
5.6 Variantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.6.1 Heuristique gloutonne darrondi : AlgoChvatalCover incrmental . . .
5.6.2 Heuristique dordonnancement : AlgoSchedList avec branchement . . .
5.6.3 Heuristique dordonnancement : AlgoSchedList avec VCG . . . . . . .
5.7 Un algorithme glouton volu : AlgoGreedy . . . . . . . . . . . . . . . . . . .

59
59
61
62
62
63
67
69
69
69
71
73
75
76
76
77
77
79

Tests numriques
6.1 Prsentation du jeu de donnes . . . . . . . . . .
6.2 Dtails dimplmentation . . . . . . . . . . . . .
00
6.2.1 MBenders
: Initialisation . . . . . . . . . . .
6.2.2 AlgoEspprc : Dure maximum dynamique
6.3 Comportement des algorithmes . . . . . . . . . .
6.3.1 Heuristique de couverture . . . . . . . .
6.3.2 Gnration des journes de services . . .
6.3.3 Slection des journes de services . . . .
6.3.4 Ordonnancement des journes de services
6.4 Performance globale et impact des chantiers . . .

81
81
82
82
83
83
83
86
93
93
96

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

6.5
7

III
8

6.4.1 Algorithme de rfrence . . . . . . . . . . . . . . . . . . . . . . . . .


6.4.2 Algorithme final . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Influence des pseudo coupes locales . . . . . . . . . . . . . . . . . . . . . . .

Logiciel
7.1 Architecture . . . . . . . . . .
7.2 Donnes . . . . . . . . . . . .
7.2.1 Entres . . . . . . . .
7.2.2 Sorties . . . . . . . .
7.3 Linterface graphique . . . . .
7.3.1 Quelques crans . . .
7.4 Le cur de calcul . . . . . . .
7.4.1 Patrons de conception
7.5 Paramtrage . . . . . . . . . .
7.6 Cas dutilisation . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

Conclusion

96
97
97
99
99
100
100
101
104
104
107
108
111
111

113

Conclusion et perspectives
8.1 Perspectives de recherches acadmiques
8.2 Perspectives damlioration industrielles
8.2.1 engins . . . . . . . . . . . . . .
8.2.2 pr-oprationnelle . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

115
115
116
116
116

Annexe

119

A Rseau grands axes

121

TABLE DES MATIRES

TABLE DES MATIRES

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Rsum
La SNCF utilise plusieurs engins spcialiss pour ausculter les fissures internes du rail. La
frquence dauscultation de chaque rail est fonction du tonnage cumul qui passe dessus. La
programmation des engins dauscultations ultrasonores est aujourdhui dcentralise. Dans le
cadre dune tude de rorganisation, la SNCF souhaite tudier la faisabilit de loptimisation
de certaines tournes dinspection. Dans le cadre de cette thse de doctorat, loptimisation de la
programmation des engins dauscultation ultrasons est tudie.
Une modlisation mathmatique sous forme de problme de tournes sur arcs gnralisant
plusieurs problmes acadmiques est proposes. Une mthode de rsolution exacte, appliquant
la dcomposition de Benders, est dtaille. partir de cette approche, une heuristique de gnration de colonnes et de contraintes est prsente et analyse numriquement sur des donnes
relles de 2009. Enfin, un logiciel industriel dvelopp autour de cette approche est prsent.

SNCF is using specialised rolling stock units to inspect internal defects in rails. Rails inspection frequency is defined by the cumulative weight of the trains which are going through. In
2009, the scheduling of these train units is decentralised. SNCF is studying the centralisation
of this process. In this Ph.D. thesis, a new problem, the Railroad Track Inspection Scheduling
Problem is studied.
A mathematical formulation, based on the generalization of classical arc routing models,
is proposed. An exact solving approach, based on Benders decomposition scheme, is detailed. From this approach, a column and cut generation heuristic is developed, implemented, and
tested on real datasets for 2009. The industrial software developed around this heuristic is presented.

TABLE DES MATIRES

TABLE DES MATIRES

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Remerciements
Christian Artigues, je te remercie pour ton proslytisme, tu mas enrler dans la section doptimisation de lIUP dAvignon et depuis je nai pas quitt ce domaine. Ta rigueur scientifique et
tes qualits relationnelles font de toi un directeur de thse parfait.
Michel Gendreau, je te remercie pour tous ces petits conseils si prcieux et le recul dont tu
as sus faire preuve pendant nos runions. Tu as accept de co-diriger cette thse et, tout comme
pour ma matrise, je ten suis trs reconnaissant.
Jean Damay, merci chef !
La SNCF a t pour moi un formidable environnement de travail et de dveloppement. Je remercie trs chaleureusement, David de Almeida, Nicolas Marcos, Philippe Pouligny et Christian
Weber de mavoir fait confiance et de mavoir offert la possibilit de continuer ma formation
en optimisation combinatoire sur un sujet aussi passionnant et complexe. Merci aussi Philippe Mercier, Philippe Lemarchand et Franois Pincemaille pour mavoir aussi bien dcrit leur
mtier.
Merci Mathilde Carlier-Clairouin, Caroline Desprez, Franois Ramond et Francis Sourd
danimer avec tant de gnrosit le dpartement doptimisation de la SNCF.
Enfin, je remercie Jeanne de mavoir soutenue et davoir facilit la tche des correcteurs en
filtrant les erreurs de ce mmoire.

TABLE DES MATIRES

TABLE DES MATIRES

10

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 1
Introduction
Ce mmoire de thse de doctorat traite de la modlisation mathmatique et de la rsolution
dun problme doptimisation de tournes dinspection du rseau ferroviaire.
Des trains spcialiss sont utiliss pour vrifier ltat des composants de linfrastructure (rails,
catnaires, nivellement, ponts) ou pour les entretenir (dsherbage, taille des haies). Ils servent
inspecter le rseau ferroviaire pour vrifier sa conformit avec les standards de scurit. Le problme doptimisation des tournes dinspection que nous proposons est assez gnrique pour
pouvoir tre adapt facilement diffrents types dengins. Dans le cadre de ce mmoire, seule
lapplication aux engins dauscultation ultrasons est prsente. Ces engins de mesures dtectent les fissures internes du rail. Ces informations sont importantes pour lexploitation du
rseau ferroviaire car elles permettent de prvenir les ruptures de rail en dclenchant des maintenances correctives. Bien que la majorit de ces ruptures ne fassent pas drailler les trains 1 , elles
peuvent perturber trs srieusement le trafic. Les fissures des 30 000 km de lignes (50 000 km de
voies) du rseau ferr franais sont surveilles par les 23 rgions SNCF laide de ces engins.
Ce problme industriel a t initialement propos par le dpartement de recherche oprationnelle (DIR/GDA 2 ) et le dpartement de maintenance des voies (CSC-EM2) de la SNCF. Il est
stratgique car il consiste optimiser des tournes de maintenance nationale et annuelle. Il est
original car il nexiste pas, notre connaissance, doutil doptimisation des tournes dengins
la SNCF. Sa rsolution est un dfit de par la taille du rseau et lhorizon annuelle de planification. De plus, la modlisation de ce problme ncessite de dterminer lessence du problme,
cest--dire trouver quelles caractristiques dune solution propose apporte une relle aide aux
programmateurs des engins.
Le modle choisi pour formaliser ce problme est bas sur les tournes de vhicules sur
arcs. Le programme mathmatique formul pour le dcrire gnralise plusieurs problmes de
tournes sur arcs avec contraintes de capacit. Une heuristique originale de rsolution par dcomposition mathmatique est propose pour obtenir une solution optimise du problme de
tournes dinspections. Dans le cadre de cette heuristique alliant gnration de coupes et de
colonnes, une mthode de projection de coupes est propose pour acclrer la convergence de
la gnration de contraintes. Dans le cadre dun algorithme dordonnancement, une mthode
1. En 2007, il y a eu uniquement 2 draillements de trains SNCF.
2. Direction de lInnovation et de la Recherche/Gnie Dcisionnel Appliqu

11

Chapitre 1. Introduction
originale dexploration de lespace ralisables est aussi propose. Cette mthode calcule une
estimation de limpact des dcision prises durant lexploration de larbre de recherche. Cet impact est quantifi sous la forme dun prix marginal qui est utilis pour mettre jour la fonction
objectif.
Des exprimentations numriques sont ralises partir dun jeu de donnes relles dcrivant
les auscultations raliser pour lanne 2009. Plusieurs approches sont compares numriquement afin de dfinir la variante la plus efficace pour les donnes considres. La qualit des
solutions de cette meilleure variante est aussi analyse.
Deux logiciels dvelopps pendant la thse sont prsents. Le premier est le calculateur. Il
est dvelopp avec un soucis de gnricit, afin de pouvoir lutiliser pour plusieurs types de
problmes de tournes. Le second est utilis pour la manipulation des donnes, laffichage des
solutions et le contrle du calculateur. Les schmas de donnes utiliss par ces deux applications
sont aussi prsents.
La premire partie de ce mmoire sarticule autours de la prsentation du problme doptimisation des tournes dinspections. Le chapitre 1 dcrit lenvironnement industriel, ainsi que
la problmatique rsoudre. Il prsente, entre autres, les enjeux de la maintenance des voies,
la description des tournes dinspection, ainsi que le projet grands axes dans lequel sinscrit loutil daide la dcision. Le chapitre 2 fait une revue de la littrature sur les problmes
de tournes sur arcs et leurs applications. Il contient aussi une prsentation de quelques articles
sur loptimisation des maintenances de voies. Le chapitre 3 prsente des programmes mathmatiques modlisant loptimisation des tournes dinspections. Un programme linaire en nombres
entiers ainsi que deux mthodes de dcomposition sont prsents.
La seconde partie traite de la mise en uvre de la mthode de rsolution. Dans le chapitre
4, nous dcrivons un algorithme de rsolution optimal bas sur lapplication dune mthode
de dcomposition de Benders. Une heuristique base sur cette approche optimale est galement
dveloppe. Les algorithmes composants cette heuristique, ainsi que des variantes y sont dcrits.
Dans le chapitre 5, les diffrents composants de cette heuristique sont analyss numriquement.
Plusieurs jeux de donnes sont gnrs partir des donnes relles pour tester la qualit des
solutions obtenues. Enfin, le chapitre 6 prsente les deux logiciels dvelopps pour la SNCF. Il
dtaille le logiciel de manipulation des donnes et de pilotage du calculateur. Larchitecture de
ce dernier est aussi prsente dans ce chapitre.
La troisime partie conclut ce mmoire en rsumant les apports proposs par cette thse et
en prsentant quelques pistes de recherche.

12

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Premire partie
Prsentation de la problmatique

13

Chapitre 2
Environnement industriel et
problmatique
2.1

Les maintenances industrielles

Les maintenances industrielles peuvent tre classes en deux catgories : les maintenances
correctives et les maintenances prventives.
Maintenances correctives Ce sont les actions de maintenance qui interviennent aprs une
dfaillance. Elles peuvent tre palliatives (rparation provisoire ou dpannage), ou curatives
(rparation dfinitive).
Maintenances prventives Elles sont ralises pour rduire les probabilits de dfaillance.
Elles se divisent en trois catgories principales selon lvnement dclencheur. Lorsquelles
sont planifies selon un chancier, on parlera de maintenances prventives systmatiques.
Lorsquelles sont dclenches ds quun indicateur franchit un certain seuil, ce sont des maintenances prventives conditionnelles. Ces maintenances ncessitent une collecte dinformations
systmatique et la dfinition de seuils dintervention. Elles permettent de programmer des interventions court ou moyen terme. Enfin, lorsquelles sont ralises en fonction de lanalyse
de lvolution de paramtres significatifs de dgradation, ce sont des maintenances prventives
prvisionnelles ou prdictives. Elles sont utilises pour planifier long terme des actions avant
que les seuils dintervention ne soient atteints.
Le type de maintenance sera choisi en fonction du trafic, de limpact sur la scurit de la voie
et du type de matriel. Par exemple, les maintenances prventives systmatiques sont effectues
pour lentretien des abords de la voie et le rtablissement des profils de ballast en fonction des
saisons, tandis que les maintenances prventives conditionnelles (et prvisionnelles) du rails
et de la gomtrie de la voie sont effectues en fonction du tonnage cumul support et des
informations rcupres par divers instruments de mesures.
Les engins lourds dauscultation ultrasons (ELUS) font parties du plan de maintenance
prventive systmatique. Ils utilisent un systme de dtection par ultrasons des dfauts internes
du rail. Ce systme produit des donnes utilises pour dclencher des maintenances prventives
et correctives. Ces informations sont aussi utilises pour amliorer les modles de prdictions
dvolution des fissures internes du rail.
15

Chapitre 2. Environnement industriel et problmatique

2.2
2.2.1

Le systme ferroviaire
Les acteurs

Le systme ferroviaire est constitu de lensemble des moyens de production ferroviaire,


composs de moyens humains et matriels. Par exemple, les voies, les locomotives, les voitures, mais aussi les engins de maintenances, les centres de maintenances et les quais sont des
moyens de production matriels. Les moyens de productions humains , constitus de savoirfaire spcifique, sont les horairistes, les rgulateurs, les aiguilleurs, les juristes, etc. Ces moyens
de production sont dtenus par des acteurs diffrents et en concurrence, classs en trois catgories selon leur rle. Tout dabord, les organismes de contrle et de rgulation sont responsables
de la scurit sur le rseau : coordination des acteurs, respect de la lgislation, organisation
des investissements, etc. Ensuite, les gestionnaires dinfrastructure (GI) sont les entits responsables de la gestion, de lentretien et du dveloppement du rseau. En France, Rseau Ferr de
France (RFF) est lunique GI. Cest aussi lentit comptable qui peroit les redevances daccs (pages). Enfin, les Entreprises Ferroviaires (EF) exploitent commercialement le rseau. En
France, la Socit des Chemins de Fers Franais est le principal EF, que ce soit en transport
de fret ou de voyageurs. Dautres EF de pays Europens exploitent aussi le rseau ferroviaire
franais. Les Grants dInfrastructure Dlgus (GID) sont dautres acteurs importants de la
production ferroviaire. En France, la branche Infrastructure de la SNCF est un GID. Elle est
mandate par RFF pour raliser certaines maintenances.

2.2.2

La production ferroviaire

Un des rles incombant RFF est lentretien du rseau ferroviaire. Pour raliser cette tche,
RFF et la SNCF sont lis par un contrat de dlgation de pouvoir. RFF, en tant que matre douvrage, dfinit les objectifs de maintenance et dlgue la SNCF leur ralisation. Celle-ci sengage alors sur des objectifs de volume et de qualit. En ce qui concerne les maintenances correctives ou les renouvellements, RFF traite galement avec la SNCF au travers de programmes
dclins par types dinstallations. Ces deux acteurs principaux du systme ferroviaire franais
sont donc clients et fournisseurs lun pour lautre : la SNCF paye des redevances RFF et RFF
rtribue la SNCF pour la ralisation des maintenances.
La production dun train est une tche qui ncessite la coordination de plusieurs entits du
systmes. En effet, pour que le train puisse rouler, il faut que soient libres :
1. un conducteur,
2. un engin moteur (automotrice, locomotive, etc.),
3. une rame (constitu de voitures),
4. un sillon (rservation de voie),
5. et un ensemble de services (gares ouvertes, aiguilleurs, rgulateurs, etc.).
La difficult est alors de coordonner les acteurs qui dtiennent ces ressources. Le conducteur,
lengin moteur et la rame sont du ressort de lEF qui exploite le train. Par contre, le sillon est
dtenu par RFF et les services ncessaires peuvent tre fournis par plusieurs EF.
16

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique

2.2.3

Le rfrentiel denregistrement

LUIC (Union Internationale des Chemins de fers) est une association ayant pour but la
standardisation des termes ferroviaires. Elle a tabli une classification des lignes en fonction
de la charge de trafic quelles supportent (tonnage cumul et vitesse de circulation maximale).
Cette classification va de 1 9. Le groupe UIC 1 correspond des lignes trs charges. Le
rfrentiel IN2070 (2002) spcifie, pour ces groupes, les frquences dinspection qui varient de
6 mois pour une ligne TGV, 20 ans pour un rail pos neuf sur une voie peu utilise. Lorsquil
est impossible de raliser les enregistrements ncessaires, des drogations doivent tre signes
par une autorit comptente 1 . Sans ces drogations, des limitations de vitesse ou des fermetures
de voies sont imposes. Les frquences et les dates dauscultation passes dcrivent des fentres
de temps pendant lesquelles les auscultations futures doivent tre ralises.
Ces auscultations futures sont appeles tches dauscultation . Lorsquun engin circule
en ralisant une tche dauscultation, on dit quil se dplace en auscultation . Dans le cas
contraire (auscultation non obligatoire ou haut-le-pied), on dit quil se dplace en acheminement .

2.3

Enjeux de lauscultation ultrasonore par engins lourds

Les causes principales de dtrioration du rail sont lusure mcanique, lenrayage 2 et les
chocs thermiques. Lorsque le risque de rupture est trop important, des limitations de vitesse,
des fermetures de voies ou des maintenances correctives 3 sont prvoir. Ces dernires peuvent
se rvler particulirement coteuses en personnels et matriels. Elles imposent des restrictions
de circulation et sont la cause de dsagrments commerciaux.
Les graphiques prsents par lEPSF dans le rapport de scurit EPSF (2008) et repris dans
la figure 2.1(a) montrent une augmentation du nombre de draillements entre 2006 et 2008,
alors que le nombre de rails casss dtects est rest stable (voir 2.1(b)). Il serait possible de
conclure que laugmentation des draillements est due un autre phnomne que les rails casss. Or, dans les rapports daudit (page 21 du rapport EPSF (2008) et le rapport de Rivier et
Putallaz (2005)), il est fait mention dun taux de draillement qui augmente en raison de ltat
de vtust du rseau. Il faut ajouter cela que la rnovation du rseau et laccroissement du
trafic vont augmenter la quantit de rail ausculter annuellement. Ces constatations soulignent
limportance du suivi des dfauts de rails et donc de leur auscultation.

2.4

Projet grands axes

En 2010, la SNCF utilise un dcoupage administratif de la France en 23 rgions. Chacune de


ces rgions est responsable de la maintenance dune partie du rseau ferroviaire. Elles planifient
la majorit des auscultations ultra-sonores. Ltablisselement Logistique National (ELOGN) est
lentit responsable de lacheminement des engins et de la coordination des rgions. Il met
leur disposition, entre autres, les engins lourds dinspection ultrasons (ELUS) et organise les
acheminements ncessaires aux transferts des engins.
1. INFRA/CSC ER IM2
2. blocage des roues
3. rparation des clisses, des tampons, rgnration de ballast, etc.

17

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique

(a) Nombre de draillement par million de km.train (b) Nombre de rails casss par million de km.train

F IGURE 2.1 Statistique des draillements et rails casss entre 2006 et 2008.

Les chantiers, massifis dans le temps et lespace, contraignent la libre circulation des engins. Pour illustrer cette difficult, la figure 2.2 prsente une carte des principaux chantiers
prvus en 2010. Force est de constater que leur nombre est important et que certains dentre eux
sont raliss sur plusieurs rgions en mme temps. La prise en compte dans le planning de ces
rductions de capacit 4 est rendue difficile par la dcentralisation des prises de dcision.
La majeure partie du trafic ferroviaire est ralise sur les grandes lignes et sur le rseau
grande vitesse. Plus de la moiti de la distance totale ausculter se trouve sur cette partie du
rseau. Elle totalise 21 500 km dauscultation par an, soit une moyenne de 513 km par rgion
SNCF. Pour rduire les acheminements non productifs, la SNCF tudie la mise en place de
la logique grands axes afin de tester la viabilit dune planification nationale partielle du
rseau. Ce sous-rseau qui serait planifi par lELOGN est appel rseau grands axes . Il
est reprsent en rouge et vert dans la carte de la figure 2.3. Les portions de voies appartenant
aux grands axes sont dtailles dans lannexe A. Cette nouvelle organisation transfrera la programmation des tournes dinspections des dfauts internes du rails des rgions vers lELOGN.

2.5
2.5.1

Technique
La dtection par ultrasons

Plusieurs technologies existent pour tester les rails de faon non destructive et dtecter leurs
dfauts. Dans le livre de Blitz (1997) cinq techniques sont dcrites et analyses : radiographiques (rayons-X, gamma, neutrons), acoustiques (ultra-sons, impdance mcanique), lectriques et mcaniques (courant de Eddy, fuites magntiques, micro-ondes), visuelles et optiques
4. interdictions de circuler

18

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique

F IGURE 2.2 Principaux chantiers de lanne 2010.

F IGURE 2.3 Carte du rseau grands axes .

19

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique


(interfromtrie, holographie) ou thermiques (infrarouge).
Parmi toutes ces technologies, la dtection par ultrasons semble la plus adapte lauscultation interne du rail. En effet, le mtal absorbant trs peu les vibrations acoustiques, le signal
ultrasonore est peu attnu. De plus, la modification du positionnement des capteurs ultrasons
permet dobtenir des coupes de rails avec diffrents angles. Un autre avantage de cette technologie est sa fiabilit. La mesure continue des dfauts de rails est rendu possible par la haute
frquence dchantillonnage des chos ultrasoniques et la finesse du modle de propagation des
ondes dans les mtaux. Le dsavantage majeur est que la qualit du signal varie en fonction
de la vitesse de dplacement du mobile. Pour rduire les interfrences, une pellicule deau est
maintenue entre le capteur et le rail. Malgr cela, au-del de 40 km/h, le signal devient inexploitable 5 sur la majorit du rseau. En pratique, le bruit induit par le passage sur certains appareils
de voie, tels que les aiguillages et les appareils de dilatation, est trop important pour que ces
lments soient surveills par les ELUS. Ils sont contrls pied duvre.

2.5.2

Les engins

En 2010, lELOGN gre une flotte de 3 vhicules bidirectionnels dnomms V3, V5 et V6.
La V3 est une voiture de type corail et doit tre tracte par une ou deux locomotives selon
les ncessits de production. La V5 et la V6 sont des autorails 6 . Le rseau ferroviaire nationale ntant pas lectrifi partout, ces engins utilisent lnergie thermique pour se dplacer. Les
capteurs ultrasons sont monts sur des chariots fixs sous la voiture et les autorails.
quipage Les engins V3 et V6 sont quips de couchettes, lengin V5 possde un wagon de
cantonnement. Ils peuvent hberger une quipe de 4 agents : gnralement deux oprateurs, un
conducteur et un expert de la rgion visite. Les connaissances du rseau de lexpert permettent
de signaler un dfaut dauscultation suite une erreur daiguillage de lengin. Sauf drogation,
lunicit de cet expert empche deux engins dausculter simultanment la mme rgion. Cette
contrainte ne sera pas prise en compte dans le problme prsent car le rle de lexpert dans le
futur nest pas encore dfini.
Circulation Chaque engin, prsent sur les photos de la figure 2.4, possde des caractristiques de vlocit et dautonomie propres. Le tableau 2.1 dtaille ces caractristiques de circulation. Pour simplifier la comprhension du problme, nous distinguons deux types de mouvement : la circulation en auscultation (AUS) et lacheminement haut-le-pied (HLP). Pour faciliter
leurs mouvements, ils sont quips de deux postes de commandes totalement identiques. Tous
les ELUS (Engins Lourds Ultra-Sons) sont bidirectionnels : ils peuvent circuler dans les deux
sens. Ils possdent chacun une rserve deau utilise pour maintenir coupls les capteurs et
le rail. Ce couplage hydraulique rduit le bruit du signal, mais limite la dure dauscultation
journalire. Durant les circulations AUS, la vitesse rduite du mobile complique son insertion
dans le trafic (sillon dense, vhicule non prioritaire, vitesse lente, etc.) De plus, labaissement
5. Pour les dfauts superficiels, des vitesses dauscultations records ont t atteintes en laboratoire par Papaelias
et al. (2009). Ils ont prsent un protocole pour dtecter 120 km/h des dfauts superficiels du rail. Dans le cas
des engins lourds (ELUS), les dfauts reprs se situent une distance de plus de 5 mm de la surface suprieure
du rail.
6. Voiture comportant un systme de traction propre.

20

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique

F IGURE 2.4 Photo des 3 engins dauscultation.

Vitesse maximale en haut-le-pied (km/h)


Vitesse maximale en auscultation (km/h)
Vitesse moyenne en haut-le-pied (km/h)
Vitesse moyenne en auscultation (km/h)
Autonomie dauscultation (km)

V3
V5
V6
140
80
120
50
50
50 7
140
80
120
10,38 13,15 13,51
150
150
200

moy

110
12

Ces donnes sont issues du catalogue 2010 des engins de lInfraLog, InfraLog (2010).
TABLE 2.1 Caractristiques des engins spciaux, 2010
du chariot de capteurs restreint la capacit de courbure de lengin et empche lauscultation de
certaines courbes.
Maintenance Les composants mcaniques et lectriques des engins V3, V5 et V6 doivent
tre vrifis rgulirement. Une maintenance dune demi-journe est ralise sur chaque engin
environ 2 fois par mois. Cette petite maintenance permet de vrifier le bon fonctionnement
des organes principaux. Une fois par an, pendant la priode estivale, lengin est immobilis
plusieurs semaines. Lors de cette grande visite gnrale , la chane de mesure est recalibre
et ltat de tous les composants est vrifi. cela sajoutent des maintenances correctives qui
surviennent de manire alatoire aprs des pannes matriel. La V6 a un plan de maintenance qui
impose une immobilisation dau moins une journe tous les 37,5 jours. Cette contrainte nest
pas prise en compte dans le modle prsent.

2.6

tapes de la programmation

Aprs avoir prsent le contexte et la technique, nous allons maintenant dcrire lorganisation de la surveillance des dfauts. La chane de suivi des anomalies internes du rail est compose de quatre blocs fonctionnels principaux : la conception des programmes dauscultation, leur
adaptation, leur ralisation oprationnelle et la confirmation des mesures ralises. Les trois
premiers blocs sont dtaills dans les sections suivantes et correspondent respectivement des
horizons de planification de lordre de lanne, du mois et de la semaine. La confirmation des
dfauts nest pas dcrite car elle ninfluence pas les tournes des engins.
21

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique


A

A+1

A+2

Demande region A+1


Maintenances engins
Chantiers

A+3
Prog
A+3 v1

Conception

Prog
A+2 v1

Dates auscultations A-1

Prog
A+0 v2

Prog
A+1 v1

Confirmation

Adaptation
Prog
A+1 v2
Realisation
Confirmation

F IGURE 2.5 Les tapes de la programmation des ELUS

2.6.1

La conception des programmes dauscultation

Les programmes (ou plannings) de lanne A sont finaliss au plus tard en novembre de
lanne A-1. Ensuite, durant lanne A, le concepteur finalise les programmes dauscultation
qui seront raliss lanne A+1. En parallle, il bauche les plannings des annes A+2 et
A+3. Sa premire tche consiste relever les dernires dates dauscultation des portions de
voies dont il doit programmer lauscultation. Ainsi, laide du groupe UIC de chaque tronon, du rfrentiel IN2600 (2002) et de la procdure IN2070 (2002), il peut dfinir les dates
dauscultation futures.
Les grands axes (ou rseau principal ) correspondent aux portions de groupe UIC 1 4.
Le reste du rseau (rseau secondaire ) contient les portions de voie qui ont un groupe UIC
suprieur 5. Il en rsulte que tous les tronons du rseau grand axe ont une frquence
dauscultation semestrielle ou annuelle. la fin de cette tape de conception, le planificateur
connat pour chaque tronon les dates dauscultation prvues et lengin utiliser. Il lui reste
commander les sillons 8 pour autoriser et scuriser la circulation du train. Le planning est
alors envoy au planificateur des ressources humaines qui affecte une quipe chaque jour de
circulation de chaque engin.

2.6.2

Ladaptation des programmes dauscultation

Ds que le programme est conu, il est continuellement modifi. Les alas dexploitation
(rupture matriel, situation perturbe, personnel) sont pris en compte au fil de leau. Il faut
alors, entre autres, commander de nouveaux sillons, raffecter le personnel et vrifier les besoins en garages et manuvres. Toutes ces modifications doivent se faire en sassurant que les
dates dauscultation au plus tard sont respectes. En pratique, moins de la moiti des journes
programmes est ralise la date prvue. Le travail dadaptation est donc une tape primordiale pour pouvoir raliser le programme produit en conception.
8. Un sillon horaire est une priode durant laquelle une infrastructure donne est affecte la circulation dun
train entre deux points du rseau ferr

22

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique

2.6.3

La ralisation des programmes dauscultation

Les campagnes dauscultation sont dcoupes en journe de service (JS). Chaque JS correspond un temps de travail effectif denviron 8h et une amplitude maximale de 11h. Ainsi, si
les quipes travaillent en 2 ou 3*8, la journe calendaire est dcompose en autant de JS quil y
a dquipes. Une JS commence par la prise en charge du vhicule par lquipe. Celle-ci vrifie
que lengin est en tat de fonctionner, que les rservoirs deau sont remplis et que les capteurs
sont oprationnels. Cette premire tape dure environ une heure. Aprs ces vrifications, lengin
ralise des auscultations ou des acheminements haut-le-pied. Lorsquun dfaut est dtect, un
jet de peinture est projet pour signaler sa position. Des quipes seront envoyes sur le terrain
pour confirmer, laide doutils plus prcis (bifill, chographie, etc.), limportance du dfaut.
Enfin, la JS se termine dans une gare o il est possible de remplir les rservoirs deau. Les
donnes collectes sont alors transfres lautorit comptente pour analyse. Elles seront utilises pour le suivi historique des dfauts. Elles serviront aussi dfinir des lois de probabilit
pour prdire lvolution des diffrents types de dfauts. Si la gare est quipe pour accueillir
lengin de mesure (fosse, lectricit, eau courante, etc.), lquipe dormira son bord. Sinon, un
hbergement en htellerie est prvu. Tout comme la prise en charge de lengin, sa restitution
dure environ une heure. Il y a donc, en moyenne, un maximum de 6 heures de circulation par
JS. En fonction des oprations annexes ncessaires en fin et dbut de service, le maximum de
circulation est de 6h31 pour la V3, 5h25 pour la V5 et 5h57 pour la V6.

2.6.4

Performance

Les tableaux de bord 2008 9 et 2009 10 (repris dans les tables 2.2 et 2.3 sous une forme
synthtique) prsentent des indicateurs sur les distances totales parcourues en auscultation et en
haut-le-pied. Les informations ont t agrges sous la forme dindices de performance.
Les indicateurs annuels sont :
la Distance totale dAcheminement (DA), cest la distance totale des circulations HLP,
la Distance totale Utile (DU), cest la distance totale des circulations AUS,
le Temps dAcheminement (TA = DA/ Vitesse max dacheminement / dure journe de
service) et
le Temps Utile (TU = DU/ / Vitesse max dauscultation / dure journe de service).
partir de ces informations agrges, nous dfinissons lindice de performance kilomtrique R[km] comme le quotient de la distance dauscultation ralise (DU) par la quantit totale
de kilomtres parcourus dans lanne (DU + DA). Lindice R[ j] de performance temporelle est
calcul de la mme faon avec les donnes temporelles.
R[km] = DU/(DU + DA) ; R[ j] = TU/(TU + TA).
Les donnes recueillies pour les annes 2008 et 2009 montrent que lindice de performance
kilomtrique R[km] est infrieur 45% pour les deux annes considres. Plus de la moiti de la
distance totale parcourue par les engins est donc improductive. Un des leviers damlioration
est donc la rduction de ces trajets. Cest dans cette direction que sinscrivent nos travaux.
Une vision globale des liens entre les tches dauscultation et les chantiers est obtenue
par projection des donnes temporelles et spatiales dans un espace trois dimensions. Cette
9. Rf. : 364-08-ELOGNAT-OTP-TB-CD
10. Rf. : 573-09-ELOGNAT-OTP-TB-CD

23

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique

F IGURE 2.6 Reprsentation spatiale des tches

reprsentation est montre dans les figures 2.6 et 2.7.


Pour comprendre do provient cette perte defficacit, nous analysons les fentres de temps
des tches dauscultation et des chantiers. Pour ce faire, nous proposons, dans la figure 2.7, trois
reprsentations graphiques de la distribution des tches dans le temps et dans lespace. Laxe des
abscisses et des ordonnes forment le plan gographique, tandis que la profondeur de limage
est utilise pour dcrire laspect temporelle des tches et des chantiers. La carte de la figure 2.6,
prsente la dispersion des tches sur le rseau ferroviaire national. Elle montre que les tches
sont adjacentes dans lespace. Il parat donc possible de les raliser avec trs peu de circulations
non productives. Dans la carte de la figure 2.7(a), il est possible dobserver ltalement dans
le temps des tches. On constate alors que certaines portions de lignes ne peuvent pas tre
auscultes de faon continue 11 . Les choses se compliquent lorsque lon ajoute les chantiers (en
rouge sur la reprsentation de la figure 2.7(b)). Il est alors possible de dtecter visuellement un
certain nombre de tches dauscultation non ralisables, et de voir les difficults passer entre
les chantiers . Elles permettent aussi didentifier les quelques tches isoles qui risquent dtre
difficiles insrer dans la tourne annuelle.

11. Voir par exemple autours de Paris.

25

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique

(a) Reprsentation spatiale et temporelle des tches(b) Reprsentation spatiale et temporelle des tches
(vert)
(jaune) et chantiers (rouge)

F IGURE 2.7 Cartographie des dates de ralisation possibles des tches dauscultation, 2009.

2.7

Propositions

Dans cette section, nous proposons des leviers dactions pour amliorer le travail des concepteurs laide doutils doptimisation. Nous avons repris le dcoupage en blocs fonctionnels pour
prsenter des innovations en phase de conception, dadaptation et de ralisation. Ces propositions sont autant de pistes de recherche futures pour la SNCF.

2.7.1

Conception

Optimisation tches/jours Lhistogramme de la charge de travail mensuelle en 2009, prsent dans la figure 2.8, montre le dsquilibre important entre les mois. Certains mois comme
janvier ou septembre sont trs chargs tandis que dautres comme juin ou juillet le sont beaucoup moins. Cette htrognit pose des problmes dorganisation et de fiabilit. Il est difficile
de prvoir les quipes ncessaires pour assurer les mois surchargs. De plus, lapparition dun
ala pendant un mois trs charg va provoquer une raction en chane prjudiciable. Cet vnement peut alors ncessiter une reprogrammation complte du mois (phase dadaptation du
programme).
Cette situation complique la tche du concepteur. Une des possibilits dont il dispose pour
lisser la charge de travail est davancer les dates dauscultation prvues (sur-qualit) ou de
les repousser (sous-qualit). La sur-qualit est prfre pour des raisons de scurit. De plus,
en cas de sous-auscultation, il faut obtenir une drogation. La mise disposition dun outil
logiciel pour quilibrer la charge en optimisant les dates prvisionnelles standardiserait cette
pratique. Ce moteur de calcul prendrait en compte les affinits spatiales et temporelles des
tches pour rduire le nombre de circulations HLP. Il pourrait tre perfectionn en y intgrant
les informations de disponibilit des engins et des agents.
26

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique

F IGURE 2.8 Histogramme de la charge de travail mensuel, 2009.


Optimisation engins/tches/jours Nous avons montr que la programmation est ralise sur
un horizon temporel dune anne et que le rseau ausculter est de taille consquente. Avec un
tel volume de donnes, il semble inimaginable quun concepteur, qui produit les programmes de
plusieurs engins, puisse planifier les auscultations en sassurant que les cycles sont satisfaits tout
en minimisant les circulations HLP. Une prise de dcision automatise de laffectation dune
date et dun engin chaque tche serait un avantage certain dans le processus de planification.
Optimisation quipes/engins/jours Une autre difficult, aujourdhui gre par le planificateur des ressources humaines, est laffectation des quipes aux trains. Cette tche est ralise
par loprateur humain qui affecte les quipes en sassurant que les exigences du rfrentiel des
ressources humaines (notamment RH0077 (2005)) sont satisfaites. Par contre, loptimisation du
planning en prenant en compte la pnibilit des tches, lloignement du domicile, lempreinte
carbone due aux dplacements, etc. est une tche complexe. Un outil de planification automatique serait un atout prcieux pour amliorer la gestion des quipes. Il pourrait aussi tre capable
de planifier les affectations dquipes ayant plusieurs comptences.

2.7.2

Adaptation

une chelle temporelle plus petite, le proprationnel est rsolument tourn vers ladaptation du programme aux nouvelles conditions oprationnelles. Durant cette phase critique, entre
conception et ralisation, ladaptateur intgre dans le programme courant les tches dauscultation qui nont pas pu tre ralises. Il y ajoute les nouvelles demandes de mises disposition,
les alas matriels et les changements de personnels. Il y intgre aussi les modifications des
besoins en garages et manuvres, sassure de la possibilit de reprendre le planning original
en quelques jours, etc. Cette rorganisation est faite en utilisant lexprience du concepteur.
Malheureusement, durant les priodes denses, le temps manque pour prendre en compte tous
ces alas. Afin de parer au plus press, il est souvent ncessaire dajouter des circulations non
productives qui auraient pu tre vites avec une vision plus globale.
Afin de pallier ces dsagrments, plusieurs outils doptimisation sont possibles. Pour les
dcrire, nous distinguons deux catgories principales complmentaires. Les optimisations proactives et les optimisations ractives. Les optimisations pro-actives assurent que le planning
optimis est facilement adaptable des changements de conditions oprationnelles. Ce sont des
mthodes qui sappliquent en amont de lapparition dun ala. Les optimisations ractives sont
27

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique


des mthodes qui sappliquent aprs son apparition, ce sont donc des algorithmes de rparation
de solution.
En optimisation pro-active, nous suggrons lutilisation dun outil capable de gnrer des
programmes dauscultation robustes. Ces programmes doivent tre assez facilement modifiables
pour permettre dabsorber chaque mois plusieurs jours conscutifs dindisponibilit dun engin :
si un ala bloque un engin pendant deux jours, des modifications mineures doivent permettre
de rcuprer le planning original. Les casses tant plus frquentes pendant les saisons froides et
chaudes, cette nouvelle approche devra tre capable dintgrer la saisonnalit des vnements.
En optimisation ractive, il serait intressant dtudier la faisabilit dun outil capable de
roptimiser le programme dauscultation. Cet outil devra fournir rapidement un nouveau programme en cas de situation perturbe. Celui-ci devra tre le plus proche possible du programme
initial afin de limiter les modifications dhbergement, stationnement en gare, sillons, etc. Ces
deux propositions sont complmentaires car un outil doptimisation ractif permet de rparer
des solutions optimises pro-activement.
Ces approches nont pas t tudies dans le cadre de cette thse de doctorat.

2.7.3

Ralisation

En ce qui concerne la ralisation du programme, nous navons dtect aucune piste doptimisation laide dun outil automatis daide la dcision.

2.8

Motivation et enjeux

Motivation La dcision de travailler sur loptimisation de la conception des programmes des


ELUS est motive par plusieurs constats. Ces trains spciaux sont considrs comme difficiles
programmer cause de lautonomie limite, des points de garage disponibles, de leur vitesse,
etc. La russite du dploiement dun outil doptimisation des tournes des ELUS offrira la possibilit doptimiser les tournes dautres engins. Cette russite se concrtisera par une rduction
notable des trajets non productifs et une meilleure prise en compte des chantiers sur voie. La
modlisation de ltape de conception est un prrequis essentiel pour comprendre comment
sont ralises les tournes de maintenance et pour comprendre les modles dinfrastructure ferroviaire. Ce travail pralable facilitera la cration dun modle plus fin de la programmation des
auscultations (adaptation ou ralisation). Du point de vue managrial, un outil doptimisation
facilitera la centralisation de prises de dcisions auparavant distribues et rduira les cots dexploitation. De plus, la gnration automatique des programmes facilitera le travail du concepteur
en lui fournissant une trame de circulation quil devra habiller avec des sillons et des quipes.
Dun point de vue tactique, il sera aussi possible de dimensionner au mieux les parcs dengins
de maintenances. Dans le contexte actuel de fluctuation du trafic ferroviaire et dusure du rseau, cette information est capitale. Elle pourra tre utilise pour tester de nouvelles politiques
de maintenances (frquences, rgionalisation, achat de ressources, tarification, etc.).
Enjeux Cette dmarche est une dmarche scientifique, avec ses risques propres. Bien que
les rcents progrs en recherche oprationnelle aient prouv la possibilit de rsoudre des problmes de plus en plus complexes, la slection et la gnralisation de ces rsultats des problmatiques industrielles reste du domaine de la recherche. Il en est de mme pour leur modlisation : il nest pas toujours possible de modliser les pratiques et attentes des oprateurs
28

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique


du systme. Plusieurs objectifs antagonistes peuvent coexister, les contraintes du systme sont
nombreuses et la souplesse avec laquelle elles doivent tre satisfaites nest pas connue a priori.
Les contraintes slectionner doivent donner une relle valeur ajoute la prise de dcision
automatise. Leur nombre et leur complexit sont des caractristiques surveiller puisquelles
dfiniront le volume de donnes grer.

29

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 2. Environnement industriel et problmatique

30

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 3
Revue de littrature
La section 1 prsente les dfinitions de quelques termes utiliss dans la thorie des graphes.
La revue de littrature que nous prsentons dans ce chapitre est organise autours de trois
thmes. Le premier thme, prsent dans la section 2, concerne les problmes de tournes
sur arcs. Nous prsentons quelques problmes fondamentaux ainsi que certains rsultats thoriques importants. Cette introduction aux tournes sur arcs facilitera la comprhension de la
modlisation mathmatique que nous proposons dans le chapitre 4 pour rsoudre le problme
dinspection des voies. Le second thme, prsent dans la section 3, est relatif aux applications
pratiques des problmes de tournes sur arcs. Le troisime thme, prsent dans la section 4,
expose quelques problmes doptimisation li la maintenance des voies ferres.

3.1

Thorie des graphes

Graphe orient Un graphe orient G = (V, A) est compos dun ensemble de nuds V et
dun ensemble darcs A dont les lments sont des couples ordonns de nuds distincts.
Graphe non orient Un graphe non orient G = (V, E) est dfini de la mme faon quun
graphe orient, lexception des arcs qui sont des couples non ordonns de nuds distincts
appels artes (E).
Multigraphe Un multigraphe est un graphe possdant des arcs parallles.
Sous graphe Un graphe G0 = (V 0 , A0 ) est un sous-graphe de G = (V, A) si V 0 V et A0 A.
Chane Une chane dans un graphe G = (V, E) est un sous-graphe de G compos dune squence ordonne de nuds et dartes. La chane est un concept non orient.
Chemin Un chemin dans un graphe G = (V, A) est un sous-graphe de G compos dune squence ordonne de nuds et darcs. Le chemin est un concept orient.
Chemin (chane) lmentaire Un chemin (chane) lmentaire est un chemin (chane) sans
rptition de nuds.
31

Chapitre 3. Revue de littrature


Chemin (chane) simple Un chemin (chane) simple est un chemin (chane) sans rptition
darcs.
Cycle Un cycle est une chane dont les sommets de dpart et de fin sont les mmes.
Circuit Un circuit est un chemin dont les sommets de dpart et de fin sont les mmes.

3.2
3.2.1

Tournes sur arcs


Problmes principaux

Les premiers travaux danalyse mathmatique des problmes de tournes sur arcs sont attribus Euler (1736) qui rsolut le problme des ponts de Knigsberg. Ce premier problme de
dcision se formalise de la faon suivante :
Problme 1 Le problme de Knigsberg
tant donn la ville de Knigsberg et ses ponts, est-il possible de faire une promenade, partant
et arrivant au mme endroit, tout en passant par chacun des ponts exactement une fois ?
Euler proposa une abstraction mathmatique du problme, nomm problme du cycle eulrien.
Ce fut les prmices de la thorie des graphes. Il reformula le problme de la faon suivante :
Problme 2 Le problme du cycle eulrien
tant donn un graphe non orient G = (V, E), trouver un cycle contenant toutes les artes de
E exactement une fois ou dterminer quun tel cycle nexiste pas.
Il prouva quune solution existe si et seulement si tous les nuds de G sont de degr pair, mais
ne proposa pas de procdure pour en dterminer un. Deux sicles plus tard, Mei-Ko (1962)
proposa une extension de ce problme de dcision sous la forme dun problme doptimisation
qui sera nomm problme du postier chinois en son honneur. Ce problme consiste trouver
un cycle contenant toutes les artes au moins une fois et dont la longueur totale est minimale. Il
peut tre formul de la faon suivante :
Problme 3 Le problme du postier chinois - CPP 1
tant donn un graphe non orient G = (V, E,C), avec C une matrice de cot sur les artes,
trouver un cycle qui passe par chaque arte au moins une fois et dont la distance totale est
minimale.
Edmonds et Johnson (1973) et Christofides (1973) ont montr quune solution ce problme
pouvait tre obtenue en temps polynomial lorsque le graphe est compltement orient ou compltement non orient. Papadimitriou (1976) a montr que lorsque le graphe est compos darcs
et dartes, le problme est N P -difficile. Une prsentation darticles sur ce sujet a t crite par
Eiselt et al. (1995a). Cette revue contient un rsum des principales proprits de ce problme.
Orloff (1974) proposa une extension de ce problme doptimisation dans lequel le postier doit
visiter un sous ensemble des artes. Il fut nomm problme du postier rural en analogie avec les
longues distances que doit parcourir un tel postier entre les hameaux servis. Il peut se formaliser
de la faon suivante :
1. Chinese Postman Problem

32

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 3. Revue de littrature


Problme 4 Le problme du postier rural - RPP 2
tant donn un graphe non orient G = (V, E,C), avec C une matrice de cot sur les artes,
trouver un cycle de cot total minimal qui passe par toutes les artes R E au moins une fois.
Lenstra et Kan (1976) ont prouv que ce problme est N P -difficile. Eiselt et al. (1995b) ont
rcapitul quelques rsultats importants sur ce sujet. Orloff (1974) proposa une gnralisation
des problmes de tournes sur arcs et nuds, quil nomma problme de tourne gnral. Il peut
se formuler de la faon suivante :
Problme 5 Le problme de tourne gnral - GRP 3
tant donn un graphe non orient G = (V, E,C), avec C une matrice de cot sur les artes,
trouver un cycle de cot total minimal qui passe par toutes les artes RE E et tous les nuds
RV V au moins une fois.
La dernire grande famille de problmes de tournes sur arcs que nous prsentons a t propose
par Golden et Wong (1981) sous le nom de problme de tournes sur arcs avec contrainte de
capacit. Ce problme consiste trouver un ensemble de tournes permettant de visiter certains
arcs tout en prenant en compte le fait que lautonomie dun vhicule diminue chaque arc
travers. Par rduction du problme de partitionnement, ils montrrent quil est N P -difficile. Il
peut se formuler de la faon suivante :
Problme 6 Le problme de tournes sur arcs avec contrainte de capacit - CARP 4
tant donn un graphe non orient G = (V, E,C, Q), avec C une matrice de cot sur les arcs et
Q une matrice de demande sur les artes, et tant donn un ensemble de vhicules identiques de
capacit W , trouver des cycles qui 1) permettent de visiter toutes les artes ayant une demande
positive une seule fois, 2) dont la somme des demandes de chaque arte servie ne dpasse pas
W pour chaque vhicule et 3) dont le cot total est minimal.
Plusieurs formulations mathmatiques de ce problme ont t rpertories dans le livre coordonn par Dror (2000).

3.2.2

Variantes

Dans la version originale du CPP, le cot imput lors de la traverse dune arte est identique
quel que soit son sens de parcours. Dans de nombreuses applications, cette hypothse nest pas
satisfaite. Les tournes de vhicules dans des zones fort dnivel en sont un bon exemple.
Pour modliser cette caractristique, Minieka (1979) proposa le problme du postier chinois
venteux (WCPP), dans lequel le cot dpend du sens de parcours de larte. Brucker (1981) et
Guan (1984) ont montr que ce problme est N P -difficile. Win (1989) a montr que lorsque le
graphe tait eulrien, il tait possible de rsoudre le problme en temps polynomial.
Dror et al. (1987) proposrent le problme de postier hirarchique (HPP) dans lequel des
classes de priorit sont utilises pour dfinir des relations dantriorit entre les artes. Chaque
arte requise appartient une classe de priorit. Une relation dordre est dfinie entre ces classes.
Le problme consiste dterminer un cycle qui passe par toutes les artes requises une fois,
2. Rural Postman Problem
3. General Routing Problem
4. Capacitated Arc Routing Problem

33

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 3. Revue de littrature


tout en sassurant que la relation dordre est satisfaite. Ils ont montr que le problme est N P difficile dans le cas gnral et polynomial lorsque la relation dantriorit est linaire sur les
classes et que chaque sous-graphe de classe est connexe.
Le problme de postier rural avec profits dcrit par Aroz et al. (2006) modlise une problmatique moderne de livraison de courrier dans laquelle le postier collecte un gain la premire
fois quil visite un arc requis, mais paye chaque fois quil traverse cet arc. Ils montrent que ce
problme est N P -difficile. Corbern et al. (2002b) ont propos une formalisation du problme
du postier rural avec pnalit de virage. Leur papier contient la description dune procdure de
reformulation vers un problme de voyageur de commerce asymtrique.
Le CARP priodique (PCARP) consiste affecter un ensemble de jours de service chaque
arc requis et ensuite rsoudre le CARP correspondant pour chaque journe de service. La fonction objectif est souvent la minimisation du nombre de vhicules ou la distance totale parcourue.
Lacomme et al. (2005) ont dcrit le PCARP de faon formelle en sappuyant sur une application
pratique de collecte de dchets. Les dchets saccumulant au cours de la semaine, le problme
prsent prend en compte une demande cumulative sur les jours. Chu et al. (2005) ont propos
une formulation mathmatique en nombres entiers de ce problme, ainsi que des heuristiques
de rsolution.
Une extension naturelle de ce problme, sans cumul des demandes, consiste contraindre
la visite des arcs requis tre ralise pendant certaines priodes. Cest le problme de tournes
sur arcs avec fentres de temps (CARP-TW). Lorsque les fentres de temps sont souples, une
pnalit est impute lorsque larc est visit en dehors de la fentre de temps. Ce problme est
appel problme de tournes sur arcs avec fentres de temps souples (CARP-sTW). Tagmouti
et al. (2007) ont dcrit formellement ce problme et ont propos un algorithme de rsolution
par gnration de colonnes pour le rsoudre. Dautres extensions du CARP sont tudies dans
la thse de doctorat de Ramdane-Cherif (2002). Il y est fait mention, notamment, de problmes
pnalisant certains virages, avec des lieux de vidages diffrents des dpts, ou avec des cots
variants en fonction du temps.
Dans ces problmes, il ny a quun seul dpt do partent et arrivent tous les vhicules.
Lorsque le problme de tournes est dfini avec plusieurs dpts, on parle de problme de
tournes sur arcs avec dpts multiples (MCARP). Ce problme a t trait par Amberg et al.
(2000) qui lont reformul comme un problme darbre de recouvrement avec capacit.
Une autre variante du CARP est le problme de tournes sur arcs avec capacit et entrepts intermdiaires. Dans ce problme, les vhicules peuvent tre dchargs ou rechargs dans
certains entrepts pendant la tourne. Ghiani et al. (2001) ont dcrit ce problme et propos des
mthodes de calcul de bornes infrieures et suprieures. Un problme similaire, dans lequel les
vhicules sont ravitaills par dautres vhicules, a t propos par Amaya et al. (2007) sous le
nom de problme de tournes sur arcs avec contrainte de capacit et rechargement.

Les formulations prsentes dans ces papiers considrent toujours la flotte de vhicules
comme tant homogne. notre connaissance, le problme de tourne sur arcs avec fentres
de temps, contrainte de capacit, entrept intermdiaire et flotte htrogne na pas encore t
trait.
34

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 3. Revue de littrature

3.2.3

Algorithmes de rsolution

Reformulation Une reformulation dun problme de postier chinois avec des contraintes
dantriorit en problme de postier rural a t prsent par Cabral et al. (2004). Ils dcrivent un
algorithme dexploration arborescente et de gnration de coupes ainsi que deux heuristiques
de rsolution. Corbern et al. (2002b) utilisent aussi une transformation vers un problme de
tournes sur nuds pour rsoudre un problme de postier rural avec pnalit de virage sur un
graphe mixte. Leur approche est base sur une reformulation du problme vers une instance de
problme de voyageur de commerce asymtrique (ATSP). Une mthode de rsolution pour le
ATSP, comme par exemple lalgorithme de branchement et valuation propos par Carpaneto
et al. (1995), peut alors tre utilis pour obtenir une solution optimale.
Pearn et al. (1987) ont propos une mthode pour transformer un CARP en problme de
tournes de vhicule avec capacit (CVRP). Pour une instance de CARP ayant r arcs requis,
la mthode engendre une instance de CVRP ayant 3r + 1 nuds servir. Cette mthode fut
amliore par Longo et al. (2006) qui rduisirent le nombre de nuds de linstance CVRP
2r + 1. Linstance de CVRP peut ensuite tre rsolu laide dheuristiques ou de mthodes
exactes. Laporte et Semet (2001) ainsi que Toth et Vigo (2001) ont crit deux introductions aux
mthodes de rsolution du CVRP. Dans sa thse de doctorat, Mullaseri (1997) proposa aussi
de traiter des problmes de tournes sur arcs laide dune reformulation vers des problmes
de tournes sur nuds. Amberg et al. (2000) ont prsent une heuristique de rsolution pour
le MCARP. Ils proposent dutiliser une transformation vers une instance de problme darbre
de recouvrement avec contrainte de capacit. Le problme de recouvrement est rsolu avec un
algorithme de recherche tabou.
Le problme de tourne gnral est une gnralisation de problmes de tourne sur arcs et
sur nuds. Ghiani et Improta (2000b) ont propos une procdure pour reformuler le GRP en
CARP.
Linconvnient majeur des approches de reformulation en problme de tournes sur nuds
est laccroissement de la taille des instances du problme. Par contre, elles sont intressantes
lorsque lon dispose dj de procdures efficaces pour des problmes du type de la reformulation.
Heuristiques Edmonds et Johnson (1973) ont propos une heuristique de rsolution pour
le CPP sur un graphe mixte. Frederickson (1979) a montr que cet algorithme produisait une
solution dont la valeur est, dans le pire cas, le double de la valeur optimale. Lheuristique se base
sur deux proprits du CPP : 1) le CPP sur un graphe non orient peut se rsoudre en temps
polynomial si le degr des nuds est pair, 2) le CPP sur un graphe orient peut se rsoudre en
temps polynomial si chaque nud il y a autant darcs sortants que darcs entrants. La premire
tape de leur procdure consiste modifier le graphe pour que le degr de chaque nud soit pair,
en traitant chaque arc comme une arte. La deuxime tape consiste ajouter des arcs pour quil
y ait autant darcs entrants que darcs sortants chaque nud. La dtermination dune solution
est obtenue en cherchant une circulation dans le graphe ainsi augment.
Pour le HPP, Dror et al. (1987) ont dcrit une procdure ayant une complexit algorithmique
en O (kn5 ) pour le cas polynomial, avec n le nombre de nuds et k le nombre de classes. Ghiani
et Improta (2000a) ont propos un algorithme ayant une complexit algorithmique en O (k3 n3 ).
Cette procdure est donc plus intressante lorsque le nombre de classes est faible. Plus rcem35

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 3. Revue de littrature


ment, Korteweg et Volgenant (2006) ont amlior la procdure dcrite par Dror et al. (1987)
pour obtenir une complexit algorithmique en O (kn4 ).
Deux heuristiques constructives, bases sur la mthode de Win (1989), ont t proposes
par Benavent et al. (2005) pour rsoudre le problme du postier rural venteux.
En ce qui concerne le CARP, trois heuristiques simples ont prouv leur efficacit. The
construct-strike algorithm a t initialement propos par Christofides (1973) puis amlior par
Pearn (1989). Cette procdure consiste rechercher des cycles ralisables puis retirer les arcs
correspondants du graphe, tout en sassurant que le graphe reste connexe. The Path Scanning
Algorithm propos par Golden et al. (1983) consiste construire les tournes de faon gloutonnes, arcs par arcs. Plusieurs critres de slection darcs sont utiliss et la meilleure tourne
est slectionne chaque tape. The Augment Merge Algorithm a aussi t propos par Golden
et al. (1983). Il est inspir de la mthode de Clarke et Wright (1964) pour les problmes de
tournes sur nuds. La premire tape consiste affecter chaque arc une tourne diffrente.
Les tournes sont ensuite fusionnes entre elles lorsque la tourne fusionne est ralisable.
Corbern et al. (2000) ont propos une heuristique pour rsoudre le problme de postier rural
sur un graphe mixte. Elle est base sur la rsolution dun problme de flot puis un problme
de couplage. Benavent et al. (2005) ont propos des heuristiques pour rsoudre WRPP. Ils
lutilisent pour rsoudre un problme dont les instances ont plusieurs milliers dartes.
Mtaheuristiques Corbern et al. (2002a) ont prsent lapplication dun GRASP pour la
rsolution du CPP sur un graphe mixte.
Lorsque la taille des instances CARP dpasse la centaine darcs, les mtaheuristiques sont
des mthodes efficaces. La recherche tabou et les algorithmes mmtiques sont les deux principales mtaheuristiques ayant prouv leur efficacit sur ces problmes. La recherche tabou
fut exprimente par Brando et Eglese (2008) pour rsoudre le CARP. Des algorithmes mmtiques ont t proposs par Lacomme et al. (2004) pour rsoudre ce problme dans le cas
orient, non orient et mixte. Beullens et al. (2003) ont propos de rsoudre le CARP par recherche locale. Ramdane Cherif (2006) a prsent lutilisation dun algorithme volutionnaire
pour rsoudre le CARP-TW.
Recherche de bornes Belenguer et al. (2006) ont propos de rsoudre le CARP par programmation linaire et gnration de coupes. Ils dcrivent une procdure de calcul de bornes infrieures ainsi que plusieurs heuristiques constructives. Dans leur article, Benavent et al. (2007)
ont propos un algorithme de gnration de plan scant pour rsoudre une formulation linaire
de WRPP. Dans sa thse de doctorat, Wohlk (2005) prsente plusieurs bornes pour le CARP.
Dantzig-Wolfe Tagmouti et al. (2007) ont formul un problme de tournes sur arcs avec
contrainte de capacit et fentres de temps souples. Ils ont reformul le problme sous la forme
dun problme de tournes sur nuds avec fentres de temps souples. Ils ont utilis un algorithme de rsolution de type Branch-And-Price (cf. Barnhart et al. (1998)). Afsar (2010) a propos de rsoudre ce problme en utilisant une heuristique base sur un algorithme de gnration
de colonnes. Dans un premier temps, la relaxation linaire du problme est rsolue loptimum
en utilisant la mthode de dcomposition de Dantzig et Wolfe (1960). Ensuite, un algorithme
dexploration arborescente est utilis pour rechercher une solution entire au problme restreint
aux colonnes gnres. Johnson et Wohlk (2008) ont aussi appliqu la gnration de colonnes
un problme de tournes sur arcs, mais avec fentres de temps rigides. Le problme matre
36

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 3. Revue de littrature


est un problme de couverture densembles dans lequel chaque colonne reprsente une tourne.
Les tournes sont gnres a priori et ajoutes au problme matre au fur et mesure.
Programmation par contraintes Les approches de rsolution utilisant la programmation par
contraintes ont trs peu t tudies. Il ny a, notre connaissance, que le papier de Aminu
et Eglese (2006) qui prsente lapplication dune telle mthode un problme de tournes sur
arcs. Ils ont propos un programme de satisfaction de contraintes pour le problme du postier
chinois avec fentres de temps.

3.3

Applications

Les applications ayant reu le plus dattention dans la littrature scientifique sur les tournes
sur arcs sont la collecte des dchets, les maintenances routires hivernales et la livraison de
courrier postal. Ces problmes possdent des analogies avec le problme dinspection des voies.
En effet, un planning de collecte consiste organiser les tournes de sorte que la collecte des
dchets dune portion de rue soit ralise sans interruption. Cette contrainte fait aussi partie du
problme dinspection. En ce qui concerne les maintenances hivernales des routes, lanalogie
est plus directe puisque dans un cas il faut surveiller des portions de route et dans lautre il faut
inspecter des portions de voies.
Une des premires publications sur le sujet fut prsente par Bommisetty et Dessouky
(1998) qui dcrivirent loptimisation de la collecte des dchets recyclables dun campus de
lIllinois. Ils ont propos une approche heuristique utilisant un algorithme en deux phases appliqus une formulation sur nuds. Kim et al. (2006) ont aussi propos une heuristique pour
rsoudre un problme de collecte de dchets sur nuds. Loriginalit de leur papier vient de la
prise en compte de plusieurs sites de dchargement ainsi que de la prise en compte des pauses
djeuner.
Amponsah et Salhi (2004) ont dcrit des heuristiques constructives pour rsoudre un problme de collecte de dchets solides dans les pays en voie de dveloppement. Bautista et al.
(2007) ont prsent une application dun algorithme de colonies de fourmis pour loptimisation de la collecte des dchets urbains dune ville espagnole. Le modle propos est un CARP
reformul en CVRP. Fu et al. (2009) ont dcrit une application doptimisation des tournes
de maintenance hivernale des routes. Ils ont propos un modle doptimisation qui prend en
compte les informations mto en temps rel.
Une application relle doptimisation dun service de livraison postal en Allemagne a t
dcrite par Irnich (2007). Le problme consiste optimiser la chane de transport du courrier
en prenant en compte les spcificits du rseau routier. Le problme est modlis sous la forme
dune variante dun problme de postier rural venteux et transform en problme de voyageur
de commerce asymtrique.
Une application originale de surveillance du rseau routier Qubcois a t prsent par
Marzolf et al. (2006). Le problme consiste visiter lensemble du rseau toutes les deux semaines. Ils remarquent que la minimisation de la distance totale parcourue est un objectif communment utilis dans les problmes de tournes sur arcs, mais qui a peu dintrt dans leur
cas. En effet, les tournes sont souvent interrompues en cours de route cause dincidents sur
le rseau. Ils proposent ltude de plusieurs algorithmes et fonctions objectifs permettant de
prendre en compte la position en temps rel des vhicules. Toujours pour le Qubec, Perrier et
37

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 3. Revue de littrature


al. (2008) ont prsent une application doptimisation de la surveillance du rseau routier en
utilisant une heuristique base sur la rsolution dun programme mathmatique. Une revue de
littrature en quatre articles sur ces problmatiques de maintenances hivernales t propose
dans Perrier et al. (2006a,b, 2007b,a).

3.4

Maintenances des installations ferroviaires

Les articles sur loptimisation des maintenances dinstallations ferroviaires que nous avons
trouvs traitent tous de la minimisation dun cot engendr par linterruption de trafic lors de
la maintenance. Ces travaux peuvent tre classs en deux catgories selon quils prennent en
compte la dtrioration de llment maintenu ou non. Dans la premire catgorie, les frquences de ralisation des tches sont des variables de dcision. Dans la seconde catgorie, le
modle ne prend pas en compte la dtrioration, les tches de maintenances sont des donnes
dentre du problme et les variables de dcision correspondent laffectation des tches.
Dans Oyama et Miwa (2006), les auteurs prsentent une mthode pour optimiser lordonnancement des tches de maintenances sur les traverses. Dans un premier temps, un modle statistique de lvolution des dtriorations des dfauts et de limpact de la ralisation des tches de
maintenances est calcul. Ce modle utilise des donnes historiques de la compagnie. Ensuite,
un programme mathmatique est utilis pour optimiser lordonnancement et la slection des
tches de maintenances raliser. Lhorizon de planification dure un an et est discrtis en 36
priodes.
Higgins (1998) a prsent un problme doptimisation de la ralisation des tches de maintenance qui prend en compte le personnel. Lobjectif est de minimiser le nombre de trains devant
tre replanifis. Plus particulirement, ils minimisent le temps pendant lequel la portion de voie
en maintenance a un niveau de service infrieur la normale. Toutes les tches doivent tre ralises et aucun train ne peut tre supprim. Une dure minimale entre la ralisation des tches
permet de modliser le repositionnement des quipes de maintenance. Par contre, il est possible
de les retarder. Le problme est rsolu avec un algorithme de recherche tabou.
Budai et al. (2006) ont propos un problme dordonnancement de tches de maintenances
prventives (Preventive Maintenance Scheduling Problem). Leur modle prend en compte les
tches priodiques de maintenances (tches courtes) et les chantiers de renouvellement (tches
longues). Une description sous forme de programme mathmatique et des heuristiques rapides
sont proposes pour le rsoudre. den Hertog et al. (2005) ont dcrit une mthode pour grouper
les tronons de voies en maintenance. Cette mthode permet de crer des ensembles de portions
de voie tels que si toutes les portions de voies dun mme ensemble sont en maintenance, il
existe une route alternative pour les trains les traversant. Fokkert et al. (2007) ont utilis cette
mthode pour rsoudre un problme de rservation de capacit pour des maintenances de nuit.
La mthode consiste dans un premier temps crer les ensembles de portions de voies. Ensuite,
chaque ensemble est affect une nuit. Lhorizon de planification est cyclique et dure quatre
semaines. Le planning ainsi gnr est utilis toute lanne pour raliser les tches de maintenances. Lapplication de cette mthode aux Pays-Bas a permis de diviser par deux le nombre
daccidents de chantiers mortels, puisquaucun train ne circule sur les voies en maintenance.
Dans Cheung (1999), le problme prsent consiste affecter un maximum de tches de
maintenances des portions de voie. Leur modle considre plusieurs types de tches. Les
38

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 3. Revue de littrature


tches ne peuvent tre ralises qu certains moments de la journe. Le modle prend en
compte des contraintes de compatibilit entre tches, permettant dassurer la scurit des chantiers. Chaque type de tche a une priorit et lobjectif est de maximiser le nombre de tches prioritaires ralises. Larticle contient la description dun programme de satisfaction de contraintes
rsolu en utilisant le logiciel CHiP. Grimes (1995) a prsent un algorithme gntique pour
rsoudre un problme daffectation des tches de maintenances des journes calendaires.
Ces articles soulignent la spcificit du problme doptimisation des tournes dinspection
des voies. Lorsque lon recherche la frquence optimale de ralisation des tches de maintenance, la solution est une valeur seuil en-dessous de laquelle la maintenance est considre
comme non scuritaire (sous-qualit) et au-dessus de laquelle elle est considre comme trop
couteuse (sur-qualit). Les tudes scientifiques sur ce sujet consistent rechercher une loi de
probabilit raliste dcrivant le risque de dfaillance en fonction de la frquence de ralisation
de la tche. Pour le problme dinspection des voies, nous faisons lhypothse que le modle
de dtrioration a permis de dterminer les dates de ralisation au plus tt et au plus tard des
tches dinspections.
Pour ce qui est de loptimisation du groupement des tches ou de la possession de la voie,
lobjectif est de rduire les cots engendrs par limpossibilit des autres trains de circuler. Ce
type doptimisation est possible lorsque les tches de maintenance optimiser sont de natures
diffrentes, ralisables en parallles ou que lon dispose dune information fiable sur la circulation des trains. Dans notre cas, les tches sont de nature identique et ne sont ralisables en
parallle que sil y a plusieurs engins : sur chaque engin, elles sont ralises de faon squentielle. De plus, durant ltape de planification, les informations de circulation des autres trains
ne sont pas disponibles.
Nous concluons ce chapitre en remarquant que nous navons pas trouv de publications proposant une mthode pour traiter directement le problme doptimisation des tournes dinspections des voies. Pourtant, ce levier damlioration des cots de maintenance et de fiabilit
est important. Dans le cas des tournes dauscultation ultrasons, les programmes actuels des
engins engendrent plus de trajets haut-le-pied que de circulation en auscultation. Cette constatation laisse penser quil est possible de rduire les cots lis aux trajets haut-le-pied (page
RFF, temps de travail, etc.) et de mieux utiliser les engins (rduction de la taille du parc de
ressources) en limitant les trajets improductifs.

Conclusion
Le problme de tournes dinspections des voies ferres peut se modliser sous la forme
dun problme de tournes sur arcs avec fentres de temps, contraintes de capacit et dpts
intermdiaires. Dans la littrature scientifique, les mthodes proposes pour rsoudre le CARPTW sont principalement de deux types. Les algorithmes mmtiques semblent aujourdhui les
plus performants pour fournir une solution ralisable. Ils font intensivement appel une routine qui fournit en temps polynomial une solution ralisable (satisfaction des contraintes de
capacit et insertion des retours au dpt) partir dune squence darcs. Dans ces approches,
loptimisation du squencement est ralise par le biais de croisements de solutions (algorithme
gntique) tandis quune heuristique dcoupe de faon optimale la tourne gante pour fournir
la valeur de la solution. Lautre approche de rsolution bnficiant dun intrt certain dans la
39

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 3. Revue de littrature


communaut scientifique est la gnration de colonnes. Les problmes matres proposs par
les diffrents auteurs considrent tous la slection des tournes raliser. Le squencement des
arcs et la satisfaction des contraintes de capacit sont raliss par lapplication dun programme
dynamique.
Il faut remarquer que ces approches sont appliques des problmes dont le squencement des tournes nest pas dterminant puisquil ny a quun seul dpt et dont la flotte est
homogne. De plus, les instances proposes ne prennent pas en compte limpossibilit de traverser certains arcs des priodes donnes. En ce qui concerne les algorithmes mmtiques,
les fentres de temps sont prises en compte lors de lvaluation de la valeur de chaque individu. Dans le cas du problme dinspection, nous supposons que les fentres de temps sont trop
contraignantes et doivent tre prises en compte pendant la gnration des journes de service.
Un avantage certain des mthodes par gnration de colonnes pour la ralisation dune application industrielle vient du fait quelles sont bases sur des programmes mathmatiques. Les
volutions du modle et la prise en compte de contraintes spcifiques comme les gares de repos
sont alors facilites. De plus, la possibilit de sauver les colonnes gnres pour une rsolution
ultrieure permet de pallier le dsavantage principal d la longueur des temps de calcul.

40

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Deuxime partie
Mise en uvre

57

Troisime partie
Conclusion

113

Chapitre 8
Conclusion et perspectives
Le modle mathmatique propos pour rsoudre le problme dinspection par ultrasons a t
valid. Sa capacit fournir des solutions pertinentes pouvant servir de base une programmation annuelle des tournes dengins dauscultation ultrasons t dmontre. Ce modle est
une base de travail pour dautres travaux sur loptimisation de tournes nationales.
La capacit du calculateur prendre en compte les chantiers de faon pertinente na pas t
dmontre. Les deux raisons potentielles sont le manque dinformations sur les types de chantiers et lutilisation de vitesse moyenne des engins dans le modle. Nanmoins, un post traitement et une signalisation des tches dinspection ralises pendant des chantiers directement
dans linterface utilisateur a permis de valider lintrt de loutil daide la programmation. De
plus, lobjectif dun maximum de 50% de haut-le-pied dans le programme optimis est atteint
avec une tolrance de 1% pour lensemble des jeux de donnes tests.
Un schma de dcomposition exact, bas sur la mthode de dcomposition de Benders, a t
propos pour rsoudre un problme gnral de tournes sur arcs. Une heuristique, base la fois
sur la gnration de colonnes et de contraintes, capable de rsoudre des problmes de grande
taille a t tire de cette mthode.
Une mthode originale de projection de coupe, invalidant la solution continue ayant servi
de point de dpart une procdure darrondi a t prsente. Elle a t utilise dans le cadre
dune mthode de rsolution base de programmation linaire et coupes heuristiques. Lintrt
des mthodes de dcomposition mathmatique pour la cration dheuristiques a t montr par
comparaison avec un algorithme glouton volu. Une nouvelle mthode dexploration base sur
la dtermination du prix de chaque dcision prise a t propose.

8.1

Perspectives de recherches acadmiques

Pseudo coupe locale La projection heuristique de la coupe combinatoire que nous avons
propose na pas put tre tudie en dtail. La caractristique principale de cette coupe est
quelle est efficace directement dans la relaxation continue et donc nimpose pas la rsolution
en nombres entiers du programme mathmatique. En contrepartie, elle peut couper des solutions
115

Chapitre 8. Conclusion et perspectives


ralisables. Il serait intressant de comprendre quels sont les types de problmes qui peuvent
bnficier de ce type de projection.
Relaxation des sous problmes de Benders Lintrt de la relaxation des sous problmes de
Benders semble avr dans certains cas. Pour le problme dinspection, la relaxation propose
est rsolue trs rapidement et fournit une coupe de Benders plus efficace que la coupe issue du
sous problme original. Cette approche par relaxation permet donc de gnrer plus rapidement
des coupes qui invalident plus de solutions irralisables. Il serait intressant de continuer
tudier limpact dune telle approche par relaxation des sous problmes, notamment lors de la
rsolution de problmes industriels de grande taille. En effet, les modles mathmatiques les
reprsentant sont souvent le rsultat de la fusion de plusieurs modles dvelopps au cours des
annes. Lextraction de sous problmes dont la solution peut tre obtenue en temps polynomial
devient alors facile. La difficult consiste alors dterminer les sous problmes qui prouveront
le plus rapidement lirralisabilit dune solution partielle.
Gnration de colonnes et contraintes Cette heuristique a prouv son efficacit pour fournir
dans des temps de calcul courts des solutions de qualit satisfaisante. Dautres applications
industrielles pourraient bnficier de cette approche.

8.2
8.2.1

Perspectives damlioration industrielles


engins

La gnricit du problme de tournes dinspection autorise lutilisation du calculateur pour


optimiser dautres types de tournes. Les engins ultrasons sont un des nombreux engins qui
peuvent bnficier dune programmation optimise par loutil.
Par exemple, les Mauzin 1 sont des engins dinspection qui mesurent les dformations de
la voies. Ils sont utiliss pour vrifier priodiquement la gomtrie de la voie. Les tournes des
engins graisseur, qui doivent rgulirement graisser les catnaires, peuvent aussi tre optimises
avec cet outil.

8.2.2

pr-oprationnelle

Lors de la programmation pr-oprationnelle, les programmateurs des engins ont leur disposition des informations plus fiables que pendant la programmation annuelle. Ils doivent aussi
prendre en compte la non ralisation de certaines tches dont ils doivent rattraper le retard au
plus vite. Le besoin dun outil pour accompagner les programmateurs pendant la phase proprationnelle de planification semble tre essentiel. La remonte au niveau national de la planification des engins dinspection augmente la charge de travail des concepteurs.
Lhorizon de planification est donc restreint quelques semaines. Cette restriction temporelle peut permettre de prendre en compte des contraintes plus fines. Il serait par exemple
intressant de pouvoir calculer les circulations des engins en fonction des sillons libres. Pour
faciliter le travail des programmateurs, il sera intressant de fournir des solutions robustes aux
alas ou facilement adaptable.
1. du nom de son inventeur Andr Mauzin

116

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 8. Conclusion et perspectives


Les domaines de recherche de loptimisation en ligne, de loptimisation robuste Mulvey
et Vanderbei (1995), de la recherche d(a, b)-supersolutions Hebrard (2006) ou de loptimisation inverse Ahuja et Orlin (2001) pourraient faciliter la programmation pr-oprationnelle des
engins de maintenances.

117

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Chapitre 8. Conclusion et perspectives

118

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

Annexe

119

Annexe A
Rseau grands axes
Le tableau de la figure A.1 prsente les portions de voies prises en compte dans le rseau
grands axes. Pour faciliter la circulation des engins et pour favoriser des auscultations continues de lignes, certaines portions de voies, bien quayant une frquence suprieure un an sont
ajoutes dans les grands axes. La sur-auscultation qui en rsulte est prsente dans la colonne
sur-auscultation . Nous remarquons que cette sur-auscultation est importante puisquelle reprsente presque la moiti de la longueur totale ausculte dans lanne. Cette importance est
relativiser puisque les frquences de la majorit de ces portions de voies (groupe UIC 4) sont
de lordre dun an quelques semaines.

121

Chapitre A. Rseau grands axes

Axe

Ligne

PKD

PKF

L V1+V2

70000
115000
267000
212000
222000
223000
204000
180000
89000
90000
242000
32000
1000
843000
849000
272000

0,00
0,00
0,00
0,00
27,64
150,51
140,68
188,00
353,70
377,19
50,89
114,01
311,85
390,77
314,21
0,00

502,00
108,00
122,60
27,64
51,00
142,49
277,20
154,32
339,63
343,33
72,70
0,00
307,63
346,81
346,81
250,93

1004,00
216,00
245,19
55,28
46,72
16,04
273,05
67,37
28,14
67,72
43,61
228,02
8,45
87,93
65,20
501,86

Rive droite du Rhne

830000
930000
890000
900000
800000

0,00
0,00
0,00
101,36
530,48

862,10
250,94
101,36
235,96
744,58

Secteur Sud-Ouest
Tarascon - Ste
Bordeaux - Ste
Bordeaux - Bayonne
Orlans - Montauban
Paris - Bordeaux

810000
640000
655000
590000
570000

0,00
0,00
0,00
118,93
0,00

Secteur Nord - Ouest


Paris - Le Havre
Paris - Le Mans - Rennes
Le Mans - Nantes

340000
420000
450000
5000
216000
226000
269000
752000
226310
752100
429000
431000

Secteur NE
Paris - strasbourg - Mulhouse
Lille - Thionville - Metz - Nancy

Creil - Aulnoye
Toul - Dijon

Paris - Lille
Secteur Sud - Est
Paris - Marseille
Marseille - Vintimille
Lyon - Culoz - Modane

GrUIC daxe

Cycle

km auscults /an

Sur auscultation

Sous auscultation
210

3,03

1 an

1220,00

158

2,97

6 mois

1599,01

3,51
3,00

1 an
1 an

329,41
389,60

188
110,56
93,44
32,08
546,10
134,74
56,28
135,43
168,74

2,98

6 mois

1003,71

803,71

1724,20
501,88
202,71
269,20
428,20

2,86
4,00
2,79

6 mois
1 an
6 mois

3448,40
501,88
943,83

3,80

1 an

428,20

2580,40
501,88
204,00
538,04
343,04

104,53
475,89
197,56
663,44
583,84

209,06
951,78
395,11
1089,02
1167,69

3,00
3,99
4,00
4,18
2,84

1 an
1 an
1 an
1 an
6 mois

209,60
951,78
395,11
1089,02
2335,38

530,00
395,11
1089,02
1959,38

0,00
0,00
210,98

227,92
373,25
305,82

455,84
746,50
189,68

3,39
4,20
4,04

1 an
1 an
1 an

455,84
746,50
364,62

177,84
524,50
189,68

0,00
0,00
2,00
0,00
0,00
0,00
130,46
1,25

115,22
210,00
15,00
711,00
57,00
39,40
179,60
231,51

0,00
230,44
420,00
26,00
1422,00
114,00
78,80
98,28
460,52

3,29

6 mois

5700,09

LGV

Total
Total (6 mois)
Total (1 an)

14135,49

22111,98
15030,42
7081,56

F IGURE A.1 Description des grands axes.

122

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

11459,97

210

Bibliographie
H. M. Afsar. A Branch-and-Price Algorithm for Capacitated Arc Routing Problem with Flexible
Time Windows. Electronic Notes in Discrete Mathematics, 36 :319326, 2010.
R. K. Ahuja et J. B. Orlin. Inverse Optimization. Operations Research, 49(5) :771783, 2001.
A. Amaya, A. Langevin et M. Trpanier. The capacitated arc routing problem with refill points.
Operations Research Letters, 35 :4553, 2007.
A. Amberg, W. Domschke et S. Vo. Multiple center capacitated arc routing problems : A
tabu search algorithm using capacitated trees. European Journal of Operational Research,
124 :360376, 2000.
U. Aminu et R. Eglese. A constraint programming approach to the Chinese postman problem
with time windows. Computers & Operations Research, 33 :34233431, 2006.
S. Amponsah et S. Salhi. The investigation of a class of capacitated arc routing problems : the
collection of garbage in developing countries. Waste Management, 24 :711721, 2004.
J. Aroz, E. Fernndez et C. Zoltan. Privatized rural postman problems.
Operations Research, 33 :34323449, 2006.

Computers &

C. Barnhart, E. L. Johnson, G. L. Nemhauser, M. W. P. Savelsbergh et P. H. Vance. Branchand-Price : Column Generation for Solving Huge Integer Programs. Operations Research,
46(3) :316329, 1998.
J. Bautista, E. Fernndez et J. Pereira. Solving an urban waste collection problem using ants
heuristics. Computers and Operations Research, 35 :30203033, 2007.
J.-M. Belenguer, E. Benavent, P. Lacomme et C. Prins. Lower and upper bounds for the mixed
capacitated arc routing problem. Computers & Operations Research, 33 :33633383, 2006.
E. Benavent, A. Carrotta, A. Corbern, J. M. Sanchis et D. Vigo. Lower bounds and heuristics
for the Windy Rural Postman Problem. European Journal of Operational Research, 176 :855
869, 2007.
E. Benavent, A. Corbern, E. Piana, I. Planaa et J. M. Sanchisb. New heuristic algorithms for
the windy rural postman problem. Computers & Operations Research, 32 :31113128, 2005.
J. Benders. Partitioning procedures for solving mixed-variables programming problems.
Numerische Mathematik, 4 :238252, 1962.
123

BIBLIOGRAPHIE

BIBLIOGRAPHIE

P. Beullens, L. Muyldermans, D. Cattrysse et D. V. Oudheusden. A guided local search heuristic


for the capacitated arc routing problem. European Journal of Operational Research, 147 :629
643, 2003.
J. Blitz. Electrical and Magnetic Methods of Non-destructive Testing. Springer, 1997.
D. Bommisetty et M. Dessouky. Scheduling Collection Of Recyclable Material At Northern Illinois University Campus Using A TwoPhase Algorithm. Computers & Industrial Engineering,
35 :435438, 1998.
J. Brando et R. Eglese. A deterministic tabu search algorithm for the capacitated arc routing
problem. Computers & Operations Research, 35 :1112 1126, 2008.
P. Brucker. Graph Theoretic Concepts in Computer Science, Chapitre The Chinese Postman
Problem for Mixed Graphs, pages 354366. Springer, Berlin, 1981.
G. Budai, D. Huisman et R. Dekker. Scheduling Preventive Railway Maintenance Activities.
The Journal of the Operational Research Society, 57(9) :pp. 10351044, 2006.
E. A. Cabral, M. Gendreau, G. Ghiani et G. Laporte. Solving the hierarchical Chinese postman
problem as a rural postman problem. European Journal of Operational Research, 155 :4450,
2004.
G. Carpaneto, M. DellAmico et P. Toth. Exact solution of large-scale, asymmetric traveling
salesman problems. ACM Trans. Math. Softw., 21 :394409, 1995.
Cheung. Railway Track Possession Assignment Using Constraint Satisfaction. Engineering
Applications of AI, 12, 1999.
N. Christofides. The optimum traversal of a graph. Omega, 1(6) :719732, 1973.
F. Chu, N. Labadi et C. Prins. Heuristics for the periodic capacitated arc routing problem.
Journal of Intelligent Manufacturing, 16 :243251, 2005. 10.1007/s10845-004-5892-8.
V. Chvtal. A Greedy Heuristic for the Set-Covering Problem. Mathematics of operations
research, 4(3) :233235, 1979.
G. Clarke et J. W. Wright. Scheduling of Vehicles from a Central Depot to a Number of Delivery
Points. Operations Research, 12(4) :568581, 1964.
G. Codato et M. Fischetti. Combinatorial Benders Cuts. Dans D. Bienstock et G. Nemhauser,
eds., Integer Programming and Combinatorial Optimization, volume 3064 de Lecture Notes
in Computer Science, pages 2946. Springer Berlin / Heidelberg, 2004.
A. Corbern, R. Mart et A. Romero. Heuristics for the Mixed Rural Postman Problem.
Computers & Operations Research, 27 :183203, 2000.
A. Corbern, R. Mart et J. Sanchis. A GRASP heuristic for the mixed Chinese postman problem. European Journal of Operational Research, 142 :7080, 2002a.
A. Corbern, R. Martm, E. Martmnez et D. Soler. The Rural Postman Problem on mixed
graphs with turn penalties. Computers & Operations Research, 29 :887903, 2002b.
124

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

BIBLIOGRAPHIE

BIBLIOGRAPHIE

G. B. Dantzig et P. Wolfe. Decomposition Principle for Linear Programs. Operations Research,


8 :101111, 1960.
D. den Hertog, J. van Zante-de Fokkert, S. Sjamaar et R. Beusmans. Optimal working zone
division for safe track maintenance in The Netherlands. Accident Analysis & Prevention,
37(5) :890 893, 2005.
M. Dror. Arc Routing : Theory, Solutions and Applications. Springer, 2000.
M. Dror, H. Stern et P. Trudeau. Postman Tour on a Graph With Precedence Relation on Arcs.
Networks, 17 :283294, 1987.
J. Edmonds et E. L. Johnson. Matching, Euler tours and the Chinese postman. Mathematical
Programming, 5 :88124, 1973. 10.1007/BF01580113.
H. A. Eiselt, M. Gendreau et G. Laporte. Arc Routing Problems, Part I : The Chinese Postman
Problem. Operations Research, 43(2) :231242, 1995a.
H. A. Eiselt, M. Gendreau et G. Laporte. Arc Routing Problems, Part II : The Rural Postman
Problem. Operations Research, 43(3) :399414, 1995b.
EPSF. Rapport sur la scurit du rseau ferroviaire national. Rapport technique, 2008.
L. Euler. Solutio Problematis ad Geometrian Situs Pertinentis.
scientarum Petropolitanae, 8 :128140, 1736.

Commentarii academiae

D. Feillet, P. Dejax, M. Gendreau et C. Gueguen. An exact algorithm for the elementary shortest path problem with resource constraints : Application to some vehicle routing problems.
Networks, 44(3) :216229, 2004.
M. Fischetti, D. Salvagnin et A. Zanette. A note on the selection of Benders cuts. Mathematical
Programming, 124 :175182, 2010. 10.1007/s10107-010-0365-7.
J. Fokkert, D. den Hertog, F. J. v. d. Berg et J. H. M. Verhoeven. The Netherlands Schedules
Track Maintenance to Improve Track Workers Safety. Interfaces, 37(2) :133142, 2007.
G. N. Frederickson. Approximation Algorithms for Some Postman Problems. Journal of the
ACM, 26(3) :538554, 1979.
L. Fu, M. Trudel et V. Kim. Optimizing winter road maintenance operations under real-time
information. European Journal of Operational Research, 196(1) :332 341, 2009.
M. R. Garey et D. S. Johnson. Computers and Intractability ; A Guide to the Theory of
NP-Completeness. W. H. Freeman & Co., New York, NY, USA, 1990.
G. Ghiani et G. Improta. An algorithm for the hierarchical Chinese postman problem.
Operations Research Letters, 26 :2732, 2000a.
G. Ghiani et G. Improta. An efficient transformation of the generalized vehicle routing problem.
European Journal of Operational Research, 122 :1117, 2000b.
125

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

BIBLIOGRAPHIE

BIBLIOGRAPHIE

G. Ghiani, G. Improta et G. Laporte. The capacitated arc routing problem with intermediate
facilities. Networks, 37(3) :134143, 2001.
B. Golden, E. Baker et J. DeArmon. Computational experiments with algorithms for a class of
routing problem. Computers and Operations Research, 10 :4759, 1983.
B. L. Golden et R. T. Wong. Capacitated Arc Routing Problems. Networks, 11 :305315, 1981.
C. Grimes. Application of genetic techniques to the planning of railway track maintenance
work. pages 467 472. 1995.
M. Guan. A Survey of the Chinese Postman Problem. J. Math. Res. and Expos., 4 :113119 (in
Chinese), 1984.
E. Hebrard. Robust Solutions for Constraint Satisfaction and Optimisation under Uncertainty.
Thse de doctorat, University of New South Wales, 2006.
A. Higgins. Scheduling of Railway Track Maintenance Activities and Crews. The Journal of
the Operational Research Society, 49(10) :pp. 10261033, 1998.
K. Holmberg. On the convergence of cross decomposition. Mathematical Programming,
47 :269296, 1990. 10.1007/BF01580863.
J. Hooker et G. Ottosson. Logic-based Benders decomposition. Mathematical Programming,
96(1) :3360, 2003.
IN2070. Surveillance des rails poss sur voies principales. Rapport technique, SNCF, 2002.
IN2600. Engins lourds dauscultation par ultrasons - Principes dorganisation. Rapport technique, SNCF, 2002.
InfraLog. Catalogue des engins + fiches techniques. Rapport technique, SNCF, 2010.
S. Irnich. Solution of real-world postman problems. European Journal of Operational Research,
2007.
E. L. Johnson et S. Wohlk. Solving the Capacitated Arc Routing Problem with Time Windows
using Column Generation. Rapport technique, Centre for Operations Research Applications
in Logistics, 2008.
M.-Y. Kao, ed.. Encyclopedia of Algorithms. Springer-Verlag GmbH, 2008.
B.-I. Kim, S. Kim et S. Sahoo. Waste collection vehicle routing problem with time windows.
Computers & Operations Research, 33 :36243642, 2006.
P. Korteweg et T. Volgenant. On the Hierarchical Chinese Postman Problem with linear ordered
classes. European Journal of Operational Research, 169 :4152, 2006.
P. Lacomme, C. Prins et W. Ramdane-Cherif. Competitive Memetic Algorithms for Arc Routing
Problems. Annals of Operations Research, 131 :159185, 2004.
P. Lacomme, C. Prins et W. Ramdane-Chrif. Evolutionary algorithms for periodic arc routing
problems. European Journal of Operational Research, 165 :535553, 2005.
126

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

BIBLIOGRAPHIE

BIBLIOGRAPHIE

G. Laporte et F. Semet. The Vehicle Routing Problem, Chapitre Classical Heuristics for the
Capacitated VRP, pages 109128. SIAM, 2001.
J. K. Lenstra et A. H. G. R. Kan. On General Routing Problems. Networks, 6 :273280, 1976.
H. Longo, M. P. de Arago et E. Uchoa. Solving capacitated arc routing problems using a
transformation to the CVRP. Computers & Operations Research, 33 :18231837, 2006.
M. Lbbecke et J. Desrosiers. Selected Topics in Column Generation. Operations Research,
53 :10071023, 2005.
F. Marzolf, M. Trpanier et A. Langevin. Road network monitoring : algorithms and a case
study. Computers & Operations Research, 33 :34943507, 2006.
K. Mei-Ko. Graphic Programming Using Odd or Even Points. Chinese Mathematical Journal,
1 :273277, 1962.
E. Minieka. The Chinese Postman Problem For Mixed Networks. Management Science,
25 :643648, 1979.
P. Mullaseri. Capacitated Rural Postman Problem with Time Windows and Split Delivery.
Thse de doctorat, MIS Department, University of Arizona, Tucson, Arizona, 1997.
S. M. Mulvey et R. J. Vanderbei. Robust optimization of large-scale systems. Operations
Research, 43 :264281, 1995.
C. Orloff. A Fundamental Problem in Vehicle Routing. Networks, 4 :3564, 1974.
T. Oyama et M. Miwa. Mathematical modeling analyses for obtaining an optimal railway track
maintenance schedule. Japan Journal of Industrial and Applied Mathematics, 23 :207224,
2006. 10.1007/BF03167551.
C. H. Papadimitriou. On the complexity of edge traversing. Journal of the ACM, 23(3) :544
554, 1976.
M. Papaelias, M. Lugg, C. Roberts et C. Davis. High-speed inspection of rails using ACFM
techniques. NDT & E International, 42(4) :328 335, 2009.
W. Pearn, A. Assad et B. Golden. Transforming arc routing into node routing problems.
Computers and Operations Research, 14(4) :2858, 1987.
W. L. Pearn. Approximate solutions for the capacitated arc routing problem. Computers &
Operations Research, 16(6) :589600, 1989.
N. Perrier, A. Langevin et C.-A. Amaya. Vehicle Routing for Urban Snow Plowing Operations.
Transportation Science, 42 :4456, 2008.
N. Perrier, A. Langevin et J. F. Campbell. A survey of models and algorithms for winter road
maintenance. Part I : system design for spreading and plowing. Computers & Operations
Research, 33 :209238, 2006a.
127

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF

BIBLIOGRAPHIE

BIBLIOGRAPHIE

N. Perrier, A. Langevin et J. F. Campbell. A survey of models and algorithms for winter road
maintenance. Part II : system design for snow disposal. Computers & Operations Research,
33 :239262, 2006b.
N. Perrier, A. Langevin et J. F. Campbell. A survey of models and algorithms for winter
road maintenance. Part III : Vehicle routing and depot location for spreading. Computers
& Operations Research, 34 :211257, 2007a.
N. Perrier, A. Langevin et J. F. Campbell. A survey of models and algorithms for winter
road maintenance. Part IV : Vehicle routing and fleet sizing for plowing and snow disposal. Computers & Operations Research, 33 :239262, 2007b.
W. Ramdane-Cherif. Problmes doptimisation en tournes sur arcs. Thse de doctorat, Universit de Technologie de Troyes, 2002.
W. Ramdane Cherif. Evolutionary Algorithms for Capacitated Arc Routing problems with Time
Windows. Dans 12th IFAC Symposium on Information Control Problems in Manufacturing
- INCOM. Saint-Etienne/France, 2006.
RH0077. Rglementation du travail. Rapport technique, SNCF, 2005.
R. Rivier et Y. Putallaz. Audit sur ltat du rseau ferr national fran cais. Rapport technique,
EPFL, 2005.
S. Spoorendonk. Cut and Column Generation. Thse de doctorat, Faculty of science, University
of Copenhagen, 2008.
A. Srinivasan. Improved approximations of packing and covering problems. Dans Proceedings
of the twenty-seventh annual ACM Symposium on Theory of Computing, pages 268276.
1995.
M. Tagmouti, M. Gendreau et J.-Y. Potvin. Arc routing problems with time-dependent service
costs. European Journal of Operational Research, 181 :3039, 2007.
P. Toth et D. Vigo. The Vehicle Routing Problem, Chapitre Branch-and-Bound algorithms for
the Capacitated VRP, pages 2951. SIAM, 2001.
F. Vanderbeck. On Dantzig-Wolfe Decomposition in Integer Programming and ways to Perform
Branching in a Branch-and-Price Algorithm. Operations Research, 48(1) :111128, 2000.
Z. Win. On the Windy Postman Problem on Eulerian Graphs. Mathematical Programming,
44 :97112, 1989.
S. Wohlk. Contributions to arc routing. Thse de doctorat, Faculty of Social Sciences, University of Southern Denmark, 2005.

128

Document confidentiel proprit de la SNCF


Ne peut tre reproduit sans lautorisation expresse de la SNCF