Planification et ordonnancement des plateformes logistiques - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2010

Logistic platform, planning and scheduling

Planification et ordonnancement des plateformes logistiques

Résumé

The aim of this thesis is to provide decision support systems to control logistic platforms at the mid-term and short-term levels. Several problems and main notions concerning logistic Platform context are described in the first part. In the second part, planning problems are studied. Two linear programming models are proposed to minimize the workforce costs. These models take into account several characteristics: seasonal flow variations work and flow organization in the Platform, and local negotiations of the upstream and downstream flows. In consequence, our decision support system can be used in the flow coordination between flows. In consequence, our decision support system can be used in the flow coordination between supply chain partners. Two types of negotiation of delivery dates. These models have been tested on pertinent randomly generated instances inspired from concrete problems. In the third part of this thesis, the external flows of the Platform are assumed to be fixed. Orders preparation scheduling problem Inside the Platform is considered. Two families of strong constraints are combined: staircase availability of components (consumable resources) and fixed delivery dates. According to the way the downstream deliveries are organized and penalized, three different cases (based on industrial applications) have been studied. We proposed three branch and bound procedures for these problems, and an integer linear program for the easiest problem. Experimental analysis has been done over heterogeneous randomly generated instance families. In the last part, a series of perspectives for this work are proposed.
L'objectif de cette thèse est de fournir des outils d'aide à la décision pour piloter les plateformes logistiques à court et moyen terme. La première partie décrit la problématique concernée et les notions essentielles dans le cadre des chaînes logistiques. Dans la deuxième partie, le problème de la planification est étudiée, nous proposons des modèles linéaires, pour minimiser les coûts de personnel, qui prennent en compte les flux : leurs variations saisonnières, la possibilité de les négocier localement en amont ou en aval, ainsi que leur organisation, et celle du travail. Ainsi, l'outil peut être utilisé dans la coordination des flux entre les partenaires de la chaine logistique; deux types de négociation sont envisagés : la négociation des quantités de produits livrées en amont et en aval de la plateforme et la négociation des dates de livraison. Ces modèles sont testés et validés sur des instances générées aléatoirement, sur des configurations inspirés de problèmes réels. Dans la troisième partie, nous travaillons sur l'ordonnancement des activités de préparation de commandes. Ici, nous combinons deux familles de contraintes difficiles : l'arrivée de composants (ressources consommables) à des dates et quantités connues à l'amont de la plateforme et des tournées de livraison à des dates fixées à l'aval. Trois cas particuliers sont étudiés selon la la façon dont les tournées sont organisées. Nous proposons des procédures par séparation et évaluation pour ces problèmes et un modèle linéaire en nombre entiers pour le cas le plus simple. Des expériences sont faites sur des familles d'instances générées aléatoirement et de manière partiellement hétérogène. Plusieurs perspectives de génération sont proposés.
Fichier principal
Vignette du fichier
2010_CARRERA_S-1.pdf (3.6 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00606411 , version 1 (07-07-2011)

Identifiants

  • HAL Id : tel-00606411 , version 1

Citer

Susana Carrera. Planification et ordonnancement des plateformes logistiques. Informatique [cs]. Institut National Polytechnique de Lorraine - INPL, 2010. Français. ⟨NNT : ⟩. ⟨tel-00606411⟩
1370 Consultations
22704 Téléchargements

Partager

Gmail Facebook X LinkedIn More