Auteur / Autrice : | Nasim Zandi Atashbar |
Direction : | Christian Prins, Nacima Labadie |
Type : | Thèse de doctorat |
Discipline(s) : | Optimisation et sûreté des systèmes |
Date : | Soutenance le 20/12/2017 |
Etablissement(s) : | Troyes |
Ecole(s) doctorale(s) : | Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube) |
Partenaire(s) de recherche : | L'Institut pour la Transition Énergétique : Picardie Innovations Végétales, Enseignement et Recherches Technologiques (PIVERT) |
Laboratoire : Institut Charles Delaunay / ICD | |
Jury : | Président / Présidente : Katholieke Cattrysse Dirk |
Examinateurs / Examinatrices : Nacima Labadie, Katholieke Cattrysse Dirk, Mustapha Nour el Fath, Olivier Peton, Olivier Naud | |
Rapporteurs / Rapporteuses : Mustapha Nour el Fath, Olivier Peton |
Mots clés
Mots clés contrôlés
Résumé
La biomasse peut jouer un rôle crucial comme source d'énergie renouvelable. La logistique représentant une part importante du coût, des chaînes d'approvisionnement efficaces doivent être conçues pour fournir aux bio-raffineries les quantités demandées, à des prix raisonnables et à des moments adéquats. Cette thèse porte sur la modélisation et l'optimisation de chaînes logistiques de biomasse pour plusieurs raffineries. Un modèle de données est élaboré pour structurer les informations nécessaires à une base de données alimentant les modèles mathématiques. Ensuite, un modèle linéaire multi-période à variables mixtes est proposé pour optimiser au niveau tactique et stratégique une chaîne logistique multi-biomasse. Les emplacements des raffineries peuvent être prédéfinis ou déterminés par le modèle. L'objectif est de minimiser un coût total incluant la production de biomasse, le stockage, la manutention, la création des raffineries et le transport, tout en satisfaisant les besoins des raffineries dans chaque période. Une version multi-objective est développée pour optimiser simultanément des critères économiques et environnementaux. Elle est résolue par une méthode de type ε-contrainte. Des grandes instances avec des données réelles pour deux régions de France (Picardie et Champagne Ardenne) sont préparées pour évaluer des modèles proposés. Enfin, des approches en deux phases sont appliquées pour résoudre les grands cas en un temps raisonnable, tout en évaluant l’écart à l’optimum fourni par la méthode exacte