Thèse soutenue

Modèles et algorithmes pour une classe de problèmes combinés de production et de tournées de véhicules
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Yantong Li
Direction : Feng Chu
Type : Thèse de doctorat
Discipline(s) : Automatique
Date : Soutenance le 26/10/2018
Etablissement(s) : Université Paris-Saclay (ComUE)
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
Partenaire(s) de recherche : Laboratoire : Informatique, Biologie Intégrative et Systèmes Complexes (Evry, Essonne)
établissement opérateur d'inscription : Université d'Évry-Val-d'Essonne (1991-....)
Jury : Président / Présidente : Patrick Siarry
Examinateurs / Examinatrices : Feng Chu, Patrick Siarry, Saïd Hanafi, Mhand Hifi, Xianyi Zeng, Sourour Elloumi, Anass Nagih, Jean-François Côté
Rapporteurs / Rapporteuses : Saïd Hanafi, Mhand Hifi, Xianyi Zeng

Résumé

FR  |  
EN

Le problème combiné de production et de tournées de véhicules (PRP) consiste à proposer une planification intégrée de la production et de la distribution. Il vise à optimiser le coût global de la chaîne logistique et à améliorer le niveau de service aux clients. Bien que le PRP et son application en agroalimentaire (FPRP) présentent des enjeux importants à la fois scientifiques et industriels, ils n’ont pas été suffisamment étudiés dans la littérature. L’objectif de cette thèse est de développer de nouveaux modèles et algorithmes pour le PRP et le FPRP.Dans cette thèse, nous avons d’abord étudié un PRP multi-produit avec sous-traitance (MPRPOS) qui est une extension naturelle du PRP classique. Pour ce problème, un nouveau programme linéaire en nombres mixte (MILP) a été proposé et une heuristique à trois niveaux a été développée. Les expériences numériques sur 225 instances générées aléatoirement pour le MPRPOS et 1530 instances de benchmark du PRP montrent de très bonnes performances de l’heuristique proposée. En particulier, nous avons obtenu de nouvelles meilleures solutions pour 283 instances de benchmark.A partir de l’étude du MPRPOS et en prenant en compte les spécificités des produits agroalimentaires (périssabilité et qualité), trois nouveaux FPRPs ont été ensuite étudié: 1) un FPRP multi-site avec conditionnement (MFPRP); 2) un FPRP multi-critère (BFPRP): minimisation du coût total de la chaîne logistique et maximisation de la qualité; et 3) un FPRP avec des contraintes de fenêtre horaires (FPRPTW). Pour chacun des problèmes, un modèle MILP a été établi. En outre, une Matheuristique hybride combinant une méthode itérative, une procédure de fixe-et-optimisation et un processus d’optimisation basé sur les routes déterminées pendant les deux premières étapes a été développée pour le MFPRP. Pour le BFPRP, une heuristique du type epsilon-contrainte et une méthode par logique floue sont proposées. Et le FPRPTW est directement résolu par le solveur CPLEX. Une étude des cas montre que le modèle et l’algorithme proposés pour le BFPRP peuvent significativement améliorer la performance de l’entreprise. Les résultats numériques sur des instances générées aléatoirement montrent que les méthodes développées sont plus performantes que le CPLEX.