Planification et optimisation du transport dans la logistique amont : une étude de cas de la chaîne d'approvisionnement de Renault

Planning and Optimization of Transportation in inbound logistics : A Case Study from Renault's Supply Chain

• Auteur / Autrice : Issa Bou Zeid
• Direction : Gülgün Alpan
• Type : Thèse de doctorat
• Discipline(s) : Génie industriel : conception et production
• Date : Soutenance le 10/09/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Ingénierie - matériaux mécanique énergétique environnement procédés production (Grenoble ; 2008-....)
• Partenaire(s) de recherche : Laboratoire : Sciences pour la conception, l'optimisation et la production (Grenoble, Isère, France ; 2006-....)
• Jury : Président / Présidente : Van-Dat Cung
• Jury : Examinateurs / Examinatrices : Evren Sahin, El Houssaine Aghezzaf, Bernard Penz
• Jury : Rapporteurs / Rapporteuses : Céline Gicquel, Khaled Hadj Hamou

Mots clés

Mots clés contrôlés

Programmation heuristique

Programmation (mathématiques)

Transport -- Planification

Automobiles -- Industrie et commerce

Mots clés libres

Logistique Amont Mixte

Optimisation des tournées des véhicules

Industrie automobile

Planification tactique du transport

Programmation mathématique

Heuristique de recherche locale

Mixed Inbound Logistics

Vehicle Routing Optimization

Automotive Industry

Tactical Transportation Planning

Mathematical Programming

Local Search Heuristic

Résumé

La logistique amont de l’industrie automobile s’appuie sur un réseau de fournisseurs qui approvisionnent les usines d’assemblage en composants nécessaires à la fabrication des voitures. En raison des limites de stockage et du lissage des livraisons, une planification efficace des transports devient cruciale, car les coûts logistiques représentent jusqu'à 2 % du coût d'une voiture finie. Cette recherche étudie le processus actuel de planification des transports de Renault, aujourd'hui manuelle, et qui dépend fortement de l'expertise des planificateurs de transports. Notre objectif est de proposer des solutions optimisées pour des instances industrielles pour minimiser les coûts logistiques. Nos contributions dans cette thèse peuvent être résumées comme suit. Premièrement, nous proposons une formulation mathématique qui permet d’obtenir des solutions optimisées. Deuxièmement, pour passer à l’échelle, plusieurs techniques d’amélioration sont introduites, notamment une reformulation du modèle, l’ajout d'inégalités valides, un algorithme de décomposition de Benders, et des techniques de génération de colonnes. Enfin, nous développons un système d'aide à la décision de bout en bout qui intègre la planification tactique et l’outil qui décide du chargement des camions. Nous proposons un algorithme de recherche locale itérative qui perturbe les solutions de planification tactique pour générer des solutions voisines, que nous évaluons après application de l’outil de chargement des camions, sur des instances réelles fournies par Renault.

Inbound logistics in the automotive industry relies on a network of suppliers providing assembly plants with essential parts for manufacturing cars. Due to storage limitations and the vast number of required components, efficient delivery planning becomes crucial, as logistics costs can account for up to 2% of a finished car's cost. This research is inspired by Renault's current predominantly manual transportation planning process, which heavily depends on the expertise of transport planners. In this thesis, our objective is to provide operational solutions for industrial instances of tactical planning, optimize the process, and minimize logistics costs. Our contributions can be summarized as following. First, we formalize the specified problem as the Multi-Period Tactical Transportation Planning Problem (MP-TTPP). We propose an exact mathematical formulation that includes practical constraints, satisfying the requirements of all stakeholders. Secondly, we introduce several algorithmic techniques to improve scalability, including model reformulation, valid inequalities, an enhanced Benders decomposition algorithm, and column generation techniques. Finally, we develop an end-to-end decision support system that integrates the tactical planning solution into Renault's current decisional system. This system addresses both tactical planning and vehicle loading decision problems, which are challenging to solve jointly. Therefore, we propose an iterative local search algorithm that applies perturbation and local search procedures on tactical decisions to generate neighboring solutions, together with various solution-accepting criteria and restarting heuristics. We evaluate these methods through various computational experiments on real cases provided by Renault.