SkillChain-Gym: A Benchmark for Reskilling-Aware Production-Inventory Control under Disruptions

Résumé Technique : SkillChain-Gym

Énoncé du Problème
La planification de la production exige de plus en plus de traiter la capacité de la main-d'œuvre comme une variable de décision dynamique plutôt que comme une ressource fixe. Les références opérationnelles actuelles (par exemple, OR-Gym, MABIM) modélisent généralement le travail comme exogène ou absent, ignorant les états de compétences, les actions de formation et l'oubli. À l'inverse, la littérature sur la planification des effectifs modélise les compétences, l'apprentissage et l'oubli, mais publie rarement ces modèles sous forme de bancs d'essai réutilisables et standardisés dotés d'interfaces et de bases de référence communes. Cette séparation crée une lacune : il n'existe pas d'environnement standard pour évaluer les politiques qui doivent explicitement arbitrer entre la capacité de production actuelle et l'acquisition de compétences futures (reconversion) sous des contraintes de temps, de seuils de certification et de perturbations.

Méthodologie et Conception du Benchmark
Le document présente SkillChain-Gym, une spécification de benchmark pour le contrôle de la production et des stocks sensible à la reconversion. Elle est formulée comme un processus de décision markovien (MDP) à horizon fini par épisode pour un environnement à site unique.

• Dynamique de l'État : L'état comprend l'inventaire, les arriérés (backlog), les prévisions de la demande et un niveau de compétence continu ($S_{w,k,t} \in [0,1]$) pour chaque travailleur $w$ et chaque compétence $k$. La certification est un seuil strict ($Q_{w,k,t} = 1$ si $S \ge \theta_k$) ; les travailleurs non certifiés ne peuvent pas produire. Les compétences déclinent géométriquement (oubli) à moins d'être maintenues.
• Espace d'Action : Le mécanisme central est que la formation est une action consommatrice de capacité. Les travailleurs allouent un budget de temps fixe ($H_w$) entre la production ($a^{prod}$) et la formation ($a^{train}$). Chaque heure passée à se former est une heure en moins pour la production, créant un véritable arbitrage intertemporel.
• Scénarios de Perturbation : Le benchmark utilise des scénarios contrôlés par graine (seed-controlled) incluant des pics de demande, de l'absentéisme (retrait de travailleurs qualifiés spécifiques) et l'introduction de nouveaux produits. Les nouveaux produits sont introduits selon deux variantes : annoncés (visibles dans la fenêtre de prévision) et surprises (cachés jusqu'à l'activation).
• Faisabilité et Diagnostics : L'environnement prend en charge trois modes : projet (réparation déterministe des actions infaisables), strict (exécution des actions réparées avec pénalités) et masqué (erreur en cas d'infaisabilité). La configuration expérimentale par défaut utilise le mode projet mais rapporte les diagnostics de projection pour garantir la transparence.
• Métriques : L'évaluation s'étend au-delà du coût scalaire pour inclure des métriques opérationnelles (niveau de service, arriérés), la résilience (temps de récupération, épisodes non récupérés), la croissance des capacités (nouvelles certifications) et la distribution de l'accès à la formation (indices de Jain/Gini).

Taxonomie des Baselines (Références)
Le document évalue une taxonomie de politiques de base à faisabilité exacte, dont aucune n'est ajustée pour gagner sur des scénarios spécifiques :

1. Production Uniquement : Production gourmande sans formation.
2. Adaptative Réactive : Politiques qui forment vers le plus grand déficit de capacité certifiée anticipé (ex: GreedySkillGap).
3. Adaptative par Remplissage (Water-Filling) : Similaire à la réactive, mais répartit la capacité de production proportionnellement aux besoins pour éviter les artefacts d'oscillation.
4. Assurance Statique : Un plan de polyvalence fixe et en boucle ouverte exécuté tôt (ex: StaticTrainingPlan) qui pré-forme pour les contingences connues sans observer les chocs.
5. Variantes de Budget Statique : Variations du plan statique avec différentes allocations d'heures de formation.

Résultats Clés
Les conclusions empiriques, dérivées d'horizons de 60 shifts avec des tests statistiques appariés sur 20 à 50 graines, présentent une carte de régimes plutôt qu'un classement unique de politiques :

• Nécessité de la Formation : Les politiques capables de formation dominent la baseline de production seule dans tous les scénarios. Sous des taux d'oubli réalistes, la formation de maintenance est obligatoire même sans perturbations ; sinon, les certifications s'érodent et les niveaux de service s'effondrent.
• Visibilité vs Surprise :
  • Chocs Annoncés : Lorsque les goulots d'étranglement sont visibles dans la fenêtre de prévision, les politiques adaptatives (réactives ou par remplissage) surpassent nettement les plans statiques. Elles peuvent former en "juste-à-temps", évitant les coûts de sur-provisionnement des plans d'assurance statiques.
  • Chocs de Surprise et Absentéisme : Lorsque les chocs sont cachés ou que les travailleurs disparaissent soudainement, un plan de polyvalence statique léger constitue la baseline la plus forte. Il sert d'assurance efficace, surpassant les politiques adaptatives qui ne peuvent pas réagir assez vite aux contraintes structurelles de capacité.
• Marge de Capacité et Récupération : La frontière entre la dominance adaptative et statique est régie par la marge de capacité (slack). Près de la limite demande-capacité (marge nulle), les transitoires de réaction deviennent structurellement irrécupérables, favorisant l'assurance statique quel que soit le taux d'oubli.
• Artefacts d'Allocation : L'étude isole le fait qu'une partie de l'écart de performance entre les politiques adaptatives est due à des artefacts d'allocation (des allocateurs gourmands myopes causant des arriérés de type "ping-pong") plutôt qu'à la classe de politique elle-même. La variante de remplissage atténue cela, montrant que l'avantage du plan statique sous surprise est une économie d'assurance réelle, et non un échec de l'allocation adaptative.
• Sensibilité à l'Oubli : Désactiver l'oubli réduit la valeur de la fortification précoce aveugle (plans statiques) contre les plans sur-provisionnés, mais n'élimine pas l'avantage des plans statiques légers sous une marge de capacité nulle.

Signification et Revendications
Le document affirme que SkillChain-Gym comble une lacune critique en fournissant un banc d'essai réutilisable et standardisé où la capacité de la main-d'œuvre est un état explicite et où la reconversion est une action consommatrice de capacité. Sa contribution principale n'est pas l'identification d'une politique "gagnante", mais la caractérisation de régimes définis par la visibilité des goulots d'étranglement, la marge de capacité et les taux d'oubli.

Les auteurs positionnent ce benchmark comme un fondement pour des travaux futurs, motivant spécifiquement le développement de contrôleurs pilotés par les prévisions (horizon fuyant) capables de décider dynamiquement quand acheter une assurance de compétence (comportement de type statique) et quand réagir (comportement adaptatif). Le document évite explicitement de revendiquer un étalonnage empirique par rapport à des données de main-d'œuvre réelles, notant que les dynamiques de compétences sont des abstractions stylisées conçues pour isoler l'arbitrage entre la production actuelle et la capacité future.