Optimisation de chaine logistique et planning de distribution sous incertitude d’approvisionnement
Auteur / Autrice : | Hugues Dubedout |
Direction : | Pierre Dejax |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique et applications |
Date : | Soutenance le 03/06/2013 |
Etablissement(s) : | Nantes, Ecole des Mines |
Ecole(s) doctorale(s) : | Sciences et technologie de l'information et mathématiques |
Partenaire(s) de recherche : | Laboratoire : Ecole nationale supérieure des Mines de Nantes - Institut de Recherche en Communications et en Cybernétique de Nantes / IRCCyN |
Jury : | Président / Présidente : Jean-Pierre Campagne |
Examinateurs / Examinatrices : Van-Dat Cung, Nicoleta Neagu, Thomas Yeung | |
Rapporteurs / Rapporteuses : Philippe Lacomme, Scott J. Mason |
Mots clés
Résumé
La distribution de liquide cryogénique en « vrac », ou par camions citernes, est un cas particulier des problèmes d’optimisation logistique. Ces problèmes d’optimisation de chaines logistiques et/ou de transport sont habituellement traités sous l’hypothèse que les données sont connues à l’avance et certaines. Or, la majorité des problèmes d’optimisation industriels se placent dans un contexte incertain. Mes travaux de recherche s’intéressent aussi bien aux méthodes d’optimisation robuste que stochastiques.Mes travaux portent sur deux problèmes distincts. Le premier est un problème de tournées de véhicules avec gestion des stocks. Je propose une méthodologie basée sur les méthodes d’optimisation robuste, représentant les pannes par des scénarios. Je montre qu’il est possible de trouver des solutions qui réduisent de manière significative l’impact des pannes d’usine sur la distribution. Je montre aussi comment la méthode proposée peut aussi être appliquée à la version déterministe du problème en utilisant la méthode GRASP, et ainsi améliorer significativement les résultats obtenu par l’algorithme en place. Le deuxième problème étudié concerne la planification de la production et d’affectation les clients. Je modélise ce problème à l’aide de la technique d’optimisation stochastique avec recours. Le problème maître prend les décisions avant qu’une panne ce produise, tandis que les problèmes esclaves optimisent le retour à la normale après la panne. Le but est de minimiser le coût de la chaîne logistique. Les résultats présentés contiennent non seulement la solution optimale au problème stochastique, mais aussi des indicateurs clés de performance. Je montre qu’il est possible de trouver des solutions ou les pannes n’ont qu’un impact mineur.