De nos jours, l'industrie manufacturière évolue dans un environnement bien plus complexe et volatil que durant les décennies passées. Pour relever ce défi, les fabricants ont besoin d'outils logiciels avancés capables de concevoir et de gérer des systèmes de fabrication et des chaînes d'approvisionnement pour les rendre robustes, résilients, flexibles et reconfigurables. Dans ce contexte, mon travail se concentre sur deux problèmes clés : la conception de lignes d'assemblage et le dimensionnement de lots. Mes contributions récentes visent à améliorer les modèles de décision pour prendre des décisions robustes et résilientes. La robustesse est la capacité à avoir de bonnes performances dans différentes conditions, tandis que la résilience est la capacité à s'adapter et à récupérer. Je travaille avec trois familles d'approches d'optimisation sous incertitude, à savoir la programmation stochastique, l'optimisation robuste et les méthodes de résolution de processus de décision de Markov contraints. Pour fournir des décisions robustes, nous améliorons le modèle de conception de lignes d'assemblage et de planification de lots pour tenir compte de diverses incertitudes. Pour rendre la solution proposée résiliente, nous incorporons une prise de décision dynamique. Le modèle d'optimisation résultant tient compte des actions correctives disponibles pour chaque scénario et suggère des solutions où le système s'adapte efficacement à un large éventail de situations.