Résolution par des algorithmes exacts et approchés de problèmes intégrés d’ordonnancement de la production et de tournées de véhicules - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Solving by exact and approximate algorithms of integrated routing and scheduling problems

Résolution par des algorithmes exacts et approchés de problèmes intégrés d’ordonnancement de la production et de tournées de véhicules

Résumé

We consider in this thesis a set of integrated routing and scheduling problems. A set of orders must be produced and delivered to customers. The production workshop is a permutation flow shop: all the orders are processed in the same order on the machines. We consider inventory costs throughout the entire production process, from the arrival of raw materials until the departure of the final product. Once the orders are completed, they are grouped in batches and delivered to customers by a homogeneous fleet of vehicles. All customers and production locations are different. The delivery cost is composed of a fixed cost per vehicle used and the total traveling costs. Finally, each customer waits for his order at a specific delivery date. If the delivery is late, the agents pay penalty costs. We consider two kinds of agents: the manufacturer and the third-party logistics (3PL) provider. The 3PL provider delivers the orders to the customers. In this thesis, two versions of the problem are adressed : a first version with one produceur and several customers and a second version with several produceurs and one customer. In the first problem, a manufacturer must produce orders for several customers. Two approaches are proposed. In the first one, the manufacturer dominates the decision-making in the system. The manufacturer is in charge of determining the production scheduling, the number of vehicles and their loads and the departure date of each vehicle. The 3PL provider adjusts its decisions and each agent tries to minimize its own costs. Solving mathematical model is inefficient for large instances, so a genetic algorithm and a GRASP (Greedy randomized adaptive search procedure) are proposed to solve the problem. These two heuristics are tested on randomly generated instances and the results show best performances for the genetic algorithm. In the second approach, both agents are part of the same entity. They take decisions and minimize the whole cost together. Furthermore, we consider the composition of batches is known in advance. A two steps resolution method solves its problem. First, for each batch and each possible departure date, a prepossessing finds the delivery route minimizing the delivery and the penalty costs. A branch and bound procedure and heuristics are developed for this step. The second step reuses these results in order to search a production scheduling minimizing the whole problem cost. Both steps of this method are tested and compared. In the second problem, several manufacturers must produce orders for a single customer. Each vehicle of 3PL provider deliveries visits fisrt the manufacturers then delivers the customer. In this approach, the different agents have already determined the routes of vehicles and timetable. The manufacturers must determine the scheduling on the different location and the assigment of the orders to vehicles. Feasible instances are generated and a genetic algorithm is proposed to solve these instances.
Dans cette thèse, nous considérons un ensemble de problèmes de production et de livraison intégrés. Un ensemble de commandes doit être produit puis livré à des clients. La partie production est modélisée par un \eng{flow-shop} de permutation. Chaque commande doit être préparée sur chaque machine dans un ordre précis, identique pour toutes les commandes et chaque machine doit préparer les commandes dans un ordre à déterminer, identique pour toutes les machines. Des coûts d’inventaire sont pris en compte aux différentes étapes de la production. Pour la partie livraison, les commandes sont regroupées en lot en fin de production et livrées par une flotte de véhicules homogènes. L’ensemble des sites de production et des sites clients sont distincts. Le coût de la livraison correspond à une part fixe par véhicule et une part variable dépendant de la distance parcourue. Enfin, chaque commande est attendue pour une date due de livraison, une livraison en retard engendre des pénalités proportionnelles à la durée de ce retard. Nous considérons deux types d’agents : producteur et prestataire logistique de service (3PL). Ce dernier se charge des livraisons. Deux variantes de ce problème sont abordées dans cette thèse : une variante à un seul producteur et plusieurs clients et une variante à plusieurs producteurs et un seul client. Dans le premier problème, un producteur doit produire des commandes pour un ensemble de clients qui seront livrées par le 3PL. Deux approches sont considérées. Dans une première approche, nous considérons que le producteur est en mesure d’imposer ses décisions au 3PL. Il fixe la séquence de production des commandes, leurs mises en lot et fait une estimation des dates de livraison. Le 3PL s’adapte et chaque agent cherche à minimiser ses coûts. La résolution du modèle mathématique n’étant efficace que pour des problèmes de petites tailles, un algorithme génétique et un GRASP (Greedy randomized adaptive search procedure) sont proposés pour résoudre le problème. Ces deux heuristiques sont évaluées sur un ensemble d’instances générées aléatoirement et les résultats montrent de meilleures performances pour l’algorithme génétique. Dans la seconde approche, producteur et 3PL forment un même agent. Ils prennent leurs décisions et minimisent leurs coûts conjointement. Nous considérons dans cette approche que la composition des lots est déjà connue. Une résolution en deux étapes est proposée. D’abord, pour chaque lot et chaque date de départ possible, un prétraitement détermine une tournée minimisant les coûts de transport et les pénalités de retard. Une procédure par séparation et évaluation ainsi que des heuristiques sont proposées pour réaliser cette étape. Ces premiers résultats sont réutilisés lors de la seconde étape afin de chercher une séquence de production minimisant l’ensemble des coûts du problème. L’ensemble des étapes de cette méthode de résolution sont testées. Dans le second problème abordé, plusieurs producteurs doivent préparer un ensemble de commandes pour un unique client. Le 3PL réalise des tournées visitant plusieurs producteurs avant d’aller finalement livrer le client. Dans cette approche, nous considérons que les itinéraires de livraison et les dates de passage des véhicules sur les différents sites sont déjà déterminées d’un commun accord entre tous les agents. Les producteurs doivent alors décider de la séquence de production des différents sites et de l'affectation des commandes aux véhicules. Des travaux sont effectués sur la génération d’instances réalisables. Un algorithme génétique est proposé pour résoudre ce problème sur ces instances.
Fichier principal
Vignette du fichier
Manuscrit_de_thèse-Hugo_Chevroton.pdf (1.5 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03099986 , version 1 (11-01-2021)

Identifiants

  • HAL Id : tel-03099986 , version 1

Citer

Hugo Chevroton. Résolution par des algorithmes exacts et approchés de problèmes intégrés d’ordonnancement de la production et de tournées de véhicules. Informatique [cs]. Université de Tours - LIFAT, 2020. Français. ⟨NNT : ⟩. ⟨tel-03099986⟩
200 Consultations
377 Téléchargements

Partager

Gmail Facebook X LinkedIn More