Étude sur la planification de la chaîne logistique en biomasse et la gestion des stocks de produits périssables

Study on biomass supply chain planning and inventory control of perishable products

• Auteur / Autrice : Duc Huy Nguyen
• Direction : Haoxun Chen
• Type : Thèse de doctorat
• Discipline(s) : Optimisation et Sûreté des Systèmes
• Date : Soutenance le 23/01/2019
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube)
• Partenaire(s) de recherche : Laboratoire : Institut Charles Delaunay / ICD
• Jury : Président / Présidente : Christian Prins
• Jury : Examinateurs / Examinatrices : Christian Prins, Stéphane Dauzère-Pérès, Aziz Moukrim, Evren Sahin, Zheng Wang
• Jury : Rapporteurs / Rapporteuses : Stéphane Dauzère-Pérès, Aziz Moukrim

Mots clés

Mots clés contrôlés

Biomasse

Incertitude

Programmation stochastique

Gestion des stocks

Logistique (gestion)

Optimisation combinatoire

Recherche opérationnelle

Mots clés libres

Recherche opérationnelle

Optimisation combinatoire

Logistique (gestion)

Gestion des stocks

Programmation stochastique

Incertitude

Biomasse

Operations research

Combinatorial Optimization

Business logistics

Inventory Control

Stochastic Programming

Uncertainty

Biomass

Résumé

Au cours des dernières décennies, l’utilisation de sources d’énergie renouvelables a réduit les effets du réchauffement climatique. La biomasse est une ressource énergétique prometteuse pour la production de la chaleur, de l’électricité et des biocarburants. Une conception efficace de la chaîne d’approvisionnement et une gestion optimale des stocks permettent à réduire significativement les prix des biocarburants et à améliorer la compétitivité contre des combustibles fossiles. Cette thèse aborde deux problèmes cruciaux : l’optimisation d’une chaîne logistique et la gestion des stocks périssables (biomasse). Le premier problème est consacré à la sélection des fournisseurs et la planification des opérations dans une chaîne logistique en biomasse. Ce problème est formulé sous forme de modèle déterministe (MILP) et de modèle stochastique à deux étapes. Le premier modèle est résolu de manière optimale par le solveur GUROBI. Une méthode de décomposition « L-shaped » est développée pour traiter le deuxième modèle. Le second problème consiste à la gestion des stocks d'un produit périssable sous incertitudes d’approvisionnement et de demande. Après avoir démontré que sa politique de gestion des stocks est une politique "order-up-to level", un algorithme basé sur la relaxation lagrangienne est développé pour trouver rapidement une solution quasi-optimale du problème. Ensuite, ce problème est étendu pour un produit à durée de vie fixe. La méthode « Conditional scenario » est développée pour résoudre approximativement ce problème.

In the last decades, the use of renewable energy sources reduced the effect of global warming. Biomass is a promising energy resource to produce heat, electricity, and biofuel. An efficient supply chain design and optimal inventory management could contribute to reduce biofuel prices significantly and improve competitiveness with fossil fuel. This thesis addresses two crucial problems: biomass supply chain optimization and inventory control for a perishable product (biomass). The former is devoted to an issue of supplier selection and operation planning in biomass supply chains under uncertainty. This problem is formulated as a deterministic (MILP) model and a two-stage stochastic programming model. The deterministic model is solved by using a MIP solver GUROBI. An enhanced L-shaped decomposition method is developed to find an optimal solution for the stochastic model. The second deals with a stochastic inventory problem of a perishable product with uncertainty in both supply and demand. After demonstrating its optimal inventory policy is an order-to-level policy, a Lagrangian relaxation based algorithm is developed to quickly find a near-optimal solution of the problem. The stochastic inventory problem is, then, extended to a product with a fixed lifetime. The Conditional scenario method is developed to solve approximately this problem.