La fabrication en tant que service (MaaS) est un modèle commercial où les processus et les capacités de fabrication sont fournis sous forme de services plutôt que d'être détenus directement par le client. Le MaaS implique l'utilisation partagée d'une infrastructure de fabrication en réseau pour produire des biens. En augmentant la flexibilité, en réduisant les délais de production, en permettant la diversification des fournisseurs et en favorisant la collaboration entre les participants au réseau de valeur, le MaaS a le potentiel d'influencer les stratégies de résilience pour les chaînes d'approvisionnement manufacturières. Les enquêtes de recherche se concentrent sur comment et dans quelle mesure l'adoption du MaaS contribue à la résilience des réseaux de valeur. L'objectif principal du MaaS est de permettre une fabrication ouverte et une personnalisation de masse, nécessitant une flexibilité suffisante dans la planification et la gestion de la production. 
Dans ce contexte, deux aspects principaux se présentent : premièrement, prendre des décisions proactives en matière de résilience concernant le problème du Plan Directeur de Production (PDP ou Master Production Scheduling, MPS) dans un système de production sur commande, et deuxièmement, mettre en œuvre la configuration du réseau de fabrication (Manufacturing Network Configuration ou MNC) en tenant compte des risques et vulnérabilités potentiels. Le MPS implique l'allocation de la demande client à des jours de production spécifiques (ou à la semaine) en tenant compte de certaines contraintes telles que les contraintes de fabrication et d'approvisionnement.  
Cette thèse se concentre sur le développement d'un système d'aide à la décision auto-adaptatif et d'algorithmes d'optimisation dynamique pour les problèmes résilients du Plan Directeur de Production (MPS) et de la configuration du réseau de fabrication (MNC) dans le contexte de la fabrication sur commande (MTO) et de la fabrication en tant que service (MaaS). Dans la phase initiale de ce projet, le candidat doit effectuer une revue approfondie des recherches antérieures englobant la continuité des activités, la planification de la reprise, le MaaS, et la littérature liée à l'exploitation des données analytiques pour la prédiction des événements incertains et perturbateurs ainsi que la prescription des décisions. Pour enrichir la compréhension et contribuer de manière significative, il est essentiel de se plonger dans une revue de la littérature complète couvrant la conception, la configuration et la planification de la chaîne d'approvisionnement résiliente, la planification de la MPS, ainsi qu'un examen des différentes approches de modélisation et de solution, y compris la programmation mathématique et l'optimisation stochastique. Par la suite, l'accent sera mis sur le développement de modèles mathématiques, d'algorithmes auto-adaptatifs, de leurs solutions, et du processus de validation, ainsi que des résultats obtenus. Les cinq principales contributions scientifiques comprennent : 1.    Développement de modèles de décision et d'algorithmes auto-adaptatifs pour le problème MPS dans un système de production sur commande dans le contexte de MaaS.
2.    Développement de modèles de décision et d'algorithmes auto-adaptatifs pour la configuration du réseau de fabrication en tenant compte des risques et vulnérabilités potentiels.
3.    Prédiction des demandes arrivantes et le modèle de remplissage du carnet de commandes.
4.    Proposition d'une méthode pour réajuster dynamiquement les contraintes techniques et d'approvisionnement.
5.    Développement d'un prototype de système d’aide à la décision auto-adaptatif basé sur des moteurs/algorithmes d'optimisation et de prédiction.