Modèles optimaux pour la flexibilité des politiques et des capacités de la chaîne de logistique avec des demandes incertaines

Optimal models for the flexibility of supply chain policies and capacities with uncertain demands

• Auteur / Autrice : Zhe Yuan
• Direction : Chengbin Chu, Yeming Gong
• Type : Thèse de doctorat
• Discipline(s) : Sciences et technologies industrielles
• Date : Soutenance le 19/12/2019
• Etablissement(s) : Université Paris-Saclay (ComUE)
• Ecole(s) doctorale(s) : École doctorale Interfaces : matériaux, systèmes, usages (Palaiseau, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire génie industriel (Gif-sur-Yvette, Essonne)
• Partenaire(s) de recherche : établissement opérateur d'inscription : CentraleSupélec (2015-....)
• Jury : Président / Présidente : Vincent Mousseau
• Jury : Examinateurs / Examinatrices : Chengbin Chu, Yeming Gong, Vincent Mousseau, Imed Kacem, Hamid Allaoui, Yacine Rekik
• Jury : Rapporteurs / Rapporteuses : Imed Kacem, Hamid Allaoui

Mots clés

Mots clés contrôlés

Incertitude (économie politique)

Changement organisationnel

Logistique (gestion)

Mots clés libres

Flexibilité

Politiques de la chaîne logistique

Modèles optimaux

Demande incertaine

Capacités de la chaîne logistique

Flexibility

Supply chain policies

Optimal models

Uncertain demand

Supply chain capacities

Résumé

Cette thèse étudie la conception d’optimisation de la flexibilité de la politique de logistique et de la capacité de logistique avec une demande incertaine. Ces flexibilités jouent un rôle crucial dans la performance en garantissant la qualité du produit et en maximisant le profit. Nous nous concentrons sur la conception de la capacité de politique de logistique et de la capacité de logistique. Cette recherche étudie trois problèmes d’optimisation: une conception de la politique de commande dans le contrat quantité-flexibilité et la conception de la capacité dans deux entrepôts.Nous examinons d’abord la chaîne logistique à deux échelons entre le constructeur automobile et le détaillant, où le détaillant achète des automobiles écologiques au constructeur automobile et reçoit la demande de ses clients respectueux de l’environnement. Nous établissons une politique de commande dans un contrat à flexibilité de quantité qui prend en compte les exigences écologiques. La politique considère que le constructeur automobiledétermine le niveau de verdissement et que le détaillant détermine le prix de vente au détail avant la signature du contrat. Nous construisons les modèles pour décrire ce contrat dans les chaînes logistiques décisionnelles décentralisées et centralisées. Nous optimisons le niveau de verdissement pour maximiser les profits du constructeur automobile et le prix de vente au détail avec une demande sensible au respect de l’environnement visant à maximiser lesprofits du détaillant. Nous considérons en outre la décision d’équilibre entre le niveau de verdissement et le prix de détail pour maximiser les bénéfices de la chaîne logistique.Nous concevons ensuite les capacité s des robots et des cueilleuses dans un système RMFS (Robotic Mobile Fulfillment System), présenté par plusieurs robots soulevant et transportant des é tagres de stockage de meubles depuis les grilles de stockage jusqu’aux préparateurs de commandes. Nous construisons des modèles de Markov de grande-dimension pour décrire ce système avec des classes de clients, calculons le débit de ce système en fonction du nombre de robots et fournissons des règles de conception permettant de déterminer le nombre optimal de robots et leurs capacités, en tenant compte du compromis entre des robots. Nous vérifions les résultats analytiques des modèles de Markov avec des simulations. Nous consiérons en outre RMFS à sélecteur multiple et étudions sa conception optimale. Un autre objectif de la conception des capacités dans RMFS est considéré. Nous construisons des modèles de réseau de files d’attente pour décrire le système RMFS à l’aide de deux protocoles de partage de robots pour les sélecteurs, proposons les algorithmes correspondants, effectuons des analyses numériques et évaluons les performances du système RMFS en calculant letemps de traitement. Nous calculons ensuite le nombre et la vitesse optimaux des robots et fournissons les règles de conception efficaces pour RMFS.Enfin, nous concevons le stockage public. La conception des entrepôts de stockage publics doit s’adapter aux segments du marché afin d’augmenter le revenu moyen dans un environnement de forte demande. Cet article présente un modèle de revenu intégré aux théories de la file d’attente et de la demande de prix afin de résoudre le problème de conception et de tarification des entrepôts de stockage publics. Nous considérons deux cas de demande dans le modèle, à savoir une demande exponentielle et une demande linéaire par morceaux.Nous développons également une solution basée sur des techniques de programmation dynamiques pour résoudre le problème. En utilisant les données d’un entrepôt, nous menons des expériences numériques. Les résultats montrent que notre approche peut améliorer les revenus attendus des entrepôts publics à forte demande de 16,6 % en moyenne. Nous réalisons en outre une analyse de sensibilité du prix et étudions la relation entre le revenu et le prix.

This thesis studies optimal models for the flexibility of supply chain policies and capacities with uncertain demand. This thesis investigates three optimization problems: An order policy design in the quantity-flexibility contract and the capacity design in robotic warehouses and self-storage warehouses.We first consider the two-echelon supply chain between the automobile manufacturer and the retailer, where the retailer purchases green automobiles from the automobile manufacturer and receives the green sensitive customer demand.We make an order policy in a quantity-flexibility contract that considers green sensitive demands. The policy considers that the automobile manufacturer determines the greening level and the retailer determines the retail price before establishing the contract. We build the models to describe this contract in both decentralized and centralized decision-making supply chains. We apply Stackelberg game to optimize the greening level for maximizing the automobile manufacturer's profit and optimize the retail price with green sensitive demand for maximizing the retailer's profit. We further consider the equilibrium decision between the greening level and the retail price for maximizing the profit of the supply chain.We then study capacities of robots and pickers in a Robotic Mobile Fulfillment System (RMFS), featured byseveral robots lifting and transporting movables storage shelves from storage grids to order pickers. We build high-dimension Markov models to describe this system with customer classes, calculate throughput of this system given the number of robots and provide design rules to determine the optimal number of robots and their capacities considering the trade-off between capacities of picker stations and robots. We verify the analytic results of Markov models with simulations. We further consider multiple-picker RMFS and study its optimal design. We consider another objective of designing capacities in RMFS. We build queue network models to describe the RMFS with two protocols in sharingrobots for pickers, propose the corresponding algorithms, conduct numerical analyses, and evaluate the performance of the RMFS by calculating throughput time. We then calculate the optimal number and velocity of robots and provide the effective design rules for RMFS.Finally, we study the self-storage warehouses. The design of self-storage warehouses needs to fit market segments to increase the average revenue in an environment of high demand. This thesis presents a revenue model integrated with queuing and price-demand theories to solve the design and pricing problem for self-storage warehouses. We consider two demand cases in the model, which are exponential demand and piecewise linear demand. We also develop a solution based on dynamic programming techniques to solve the problem. Using data from a warehouse, we conduct numerical experiments. Results show that our approach can improve the expected revenue of public storage warehouses with high demand by 16.6% on average. We further conduct a sensitivity analysis on price and investigate the relationship between revenue and price.