Que sont les grands réseaux de recherche ?

Que sont les Grands Réseaux de Recherche ?

La constitution de 6 Grands Réseaux de Recherche de Haute-Normandie, qui se subdivisent en 12 programmes scientifiques, donne une image claire et visible du potentiel scientifique et technologique de haute-normandie.

PRINCIPES FONDAMENTAUX DES GRR 

De forts effets de synergie sont attendus de la mise en place coordonnée de projets communs sur des thématiques fortes, visibles et attractives.

 en s’appuyant sur l’expérience des réseaux interrégionaux et pôles de recherche préexistants, et en utilisant notamment la dynamique des pôles de compétitivité,
 en impliquant l’ensemble des établissements/écoles d’enseignement supérieur et de recherche, des centres de recherche et de technologie, et des entreprises intéressées dans une démarche interdisciplinaire, inter-laboratoire, et a fortiori inter établissements
 -en identifiant des thématiques faisant référence en haute-normandie : Energie-Electronique-Matériaux EEM, Chimie-Biologie-Santé CBS, Sciences de l’Environnement-analyses et gestion des Risques SER, Transport-Logistique-Technologies de l’Information TLTI, Culture et Société en Normandie (IRSHS), Végétal–Agronomie et Transformation des Agro-ressources VATA,
 en réalisant des programmes d’activités pluriannuels (2007/2013), validés par une expertise nationale, établis à l’échelle des grands réseaux et construits autour des thématiques clés
 en déclinant annuellement à l’occasion d’un appel à projet, cette programmation
 en assurant à travers cet exercice annuel une vie de réseau dynamisante, impliquant un suivi des actions de recherche et des perspectives sur tout le spectre de la recherche, du fondamental jusqu’à la valorisation économique.

LES ACTEURS DES GRR 

 Les « chercheurs », porteurs de projets : tout laboratoire, équipe, centre, publics ou privés de recherche et de transfert de technologies ainsi que les entreprises
 Les « coordonnateurs/trices » de GRR ou de réseau, interlocuteurs directs des financeurs
 Les « Etablissements, bénéficiaires des aides » : Etablissements d’enseignement supérieur et/ou de recherche Universités de Rouen et du Havre, Insa de Rouen, Esigelec/IRSEEM, Esitpa, ainsi que les Organismes nationaux CNRS, Inserm, Ifremer
 Les « financeurs » : la Région Haute-Normandie, au titre de sa politique propre et ainsi que dans le cadre du Contrat de Projets Etat-Région, l’Etat (Délégation Régionale à la Recherche et à la Technologie), l’Europe (via le programme opérationnel « compétitivité et emploi » cf. FEDER)

En résumé 

1/ concernant les Grands Réseaux de Recherche :
Les Grands Réseaux de Recherche, pour certains déclinés en réseaux, coordonnent la mise en œuvre d’un programme scientifique autour d’axes thématiques, définis et expertisés pour la période 2007/2013.
Les équipes de recherche, les structures de transfert de technologies et les entreprises contribuent par leurs travaux à la réalisation de ce programme scientifique.
Les subventions attribuées aux tutelles, iront en priorité aux propositions faisant jouer des complémentarités, comportant des collaborations et/ou la mutualisation de coûts.Les réseaux sont donc par vocation inter-établissements et/ou inter-structures.Les coordonnateurs qui ont été désignés par les Etablissements d’enseignement supérieur et de recherche, assurent le pilotage des réseaux.
Ils sont les interlocuteurs du DRRT et de la Région.
2/ concernant ce dossier-type de demande de subvention :Il est élaboré par chaque porteur de projet.Son architecture a été conçue dans l’esprit de lisibilité des thématiques des réseaux, afin que le Réseau et sa coordination puisse regrouper et ranger les dossiers-projet.Il sera instruit en commun par les services de la Délégation Régionale à la Recherche et à la Technologie et de la Région de Haute-Normandie.

Environnement du projet 

1. Moyens de l’établissement ou du laboratoire mobilisés pour le projet :
1.1. Moyens en équipements, plateaux techniques, services communs etc. :

PC, Logiciels Matlab, CPLEX

1.2. Moyens en personnel : personnes impliquées dans le projet :

NOM PRENOM //STATUT – GRADE UNITE DE
RATTACHEMENT SECTION SCIENTIFIQUE DE RATTACHEMENT
Abdelhamid BENAINI// PU Université du Havre 27ème Section CNU
Jaouad BOUKACHOUR // MCF Université du Havre 27ème Section CNU

Total

Etat de l’art en France, à l’Etranger et dans le laboratoire :

De nombreux problèmes issus des domaines de la planification de la production, le transport, les finances, l’ingénierie de conception, …, exigent que des décisions soient prises en présence des aléas, de la dynamique et de l’incertitude. Une incertitude qui régit, par exemple, les prix des carburants, la disponibilité de l’électricité ou la demande en matière de produits chimiques. La difficulté principale dans ce type d’optimisation est en faisant face à un espace d’incertitude qui est énorme et mène fréquemment à des modèles à très grand échelle d’optimisation. En génie chimique, par exemple, beaucoup de systèmes sont décrits sous forme de modèles d’optimisation dynamique à travers les recherches menées dans ce domaine, nous citons à titre d’exemples, [Papamichail et Adjiman 2004) où les auteurs présentent un algorithme d’optimisation globale illustré, en l’appliquant à des cas d’études concernant la génie chimique, où des fonctions affines des variables d’optimisation sont utilisées comme une relaxation du système dynamique étudié. L’article de [Sahinidis 2004) qui passe en revue la théorie et la méthodologie qui ont été développées pour faire face à la complexité des problèmes d’optimisation sous incertitude en discutant, la programmation stochastique classique et robuste, la programmation probabiliste, la programmation floue et la programmation dynamique stochastique. Dans [Biegler et al. 2002), l’étude concerne la présentation d’un algorithme amélioré pour des stratégies simultanées pour l’optimisation dynamique. Cette approche aborde deux questions importantes pour l’optimisation dynamique, en premier lieu, une stratégie de programmation non-linéaire améliorée et développée, basée sur des méthodes de points intérieurs. En second lieu, le problème de déplacement d’éléments finis, est adressé par une extension de la stratégie de point intérieure. Dans le même contexte d’ingénierie chimique, nous citons également l’étude de [Angira et Santosh 2007). Les problèmes dynamiques d’optimisation surgissent dans beaucoup d’autres applications en ingénierie. Exemples typiques du champ du processus de systèmes de conception de la trajectoire pour le fonctionnement optimal des réacteurs en lots et semi-lots, dans [Schlegel et al. 2005) les auteurs présentent une méthode pour l’optimisation des systèmes dynamiques en utilisant des discrétisations problème-adaptées. La méthode est appliquée à plusieurs problèmes d’étude de cas, pour démontrer que la paramétrisation adaptative est plus efficace et robuste comparée à une paramétrisation uniforme d’exactitude comparable. [Fang et al. 1989) présentent une application de la programmation dynamique à la gestion d’un barrage dont l’objectif principal est la satisfaction de la demande en eau agricole. Le travail de [Abo-Sinna 2004) passe en revue les principaux concepts utilisés dans le cadre de la programmation dynamique multiobjective (multiobjective dynamic programming) et la programmation dynamique floue (Fuzzy dynamic programming) et examine le progrès courant fait au niveau du développement de la théorie et de la méthodologie correspondantes. L’auteur dans [Janssen 2001) présente une approche séquentielle d’optimisation appliquée pour optimiser le comportement d’un système dynamique complexe. Dans [Opricovid 1993), la méthode de programmation de compromis dynamique est développée pour exécuter l’optimisation multi-critères des systèmes dynamiques. L’algorithme développé est présenté avec une application à la gestion de réservoir de l’eau comme problème d’optimisation multi-critères. Une vue d’ensemble des problèmes dynamiques d’optimisation avec les systèmes de type « hybrid systems embedded » est présentée dans l’étude de [Barton et al. 2006). Les chaînes d’approvisionnements (Supply chains) sont des systèmes dynamiques compliqués. Le but de l’étude présentée dans [Sarimveis et al. 2008) est de fournir une revue de la littérature sur le problème de gestion de chaîne d’approvisionnements, le lecteur trouvera des références représentatives d’un ensemble de philosophies alternatives de control (alternative control philosophies) et identifiera les avantages, les faiblesses et les complexités de chacune. Les processus industriels sont habituellement actionnés dans un environnement fortement dynamique, dans [Busch et al. 2007), une nouvelle méthodologie est présentée pour la modélisation et l’ordonnancement dynamique prédictif des stratégies opérationnelles pour des processus continus. Une solution numérique à un problème d’optimisation d’un réseau de réservoir d’eau 30-dimensional, basé sur la programmation dynamique stochastique, est présentée dans [Cervellera et al. 2006). Récemment, [Prata et al. 2009) présente une approche pour résoudre des problèmes dynamiques non-linéaires de la réconciliation de données (nonlinear dynamic data reconciliation problems) avec estimation parallèle de paramètres, basée sur l’optimisation par Essaims Particulaires (particle swarm optimization). En même année, [Würth et al. 2009) présentent une méthode pour résoudre des problèmes d’optimisation dynamique, basée sur des mises à jour des voisin-extrémales (neighboring-extremal updates) appropriées aux applications dans le Modèle-prédictif non-linéaire (Nonlinear model-predictive control) et l’optimisation dynamique à temps réel (dynamic real-time optimisation).