Cette thèse a été réalisée sous la direction de
Gülgün Alpan-Gaujal et
Bernard Penz au sein du laboratoire G-SCOP, et la supervision de
Christian Serrano chez Renault Groupe.
Le jury sera composé de :
Rapporteurs :
- Mme. Céline Gicquel, Maître de conférence, Université Paris Saclay.
- M. Khaled Hadj Hamou, Professeur des universités, Insa Lyon.
Examinateurs :
- Mme; Evren sahin, Professeur des universités, CentraleSupelec
- M. El-Houssaine Aghezzaf, Professeur des universités, Ghent University
- M. Van-Dat Cung, Professeur des universités, Université Grenoble Alpes (Grenoble-INP)
Celles et ceux qui souhaitent participer à distance pourront se connecter sur le lien Zoom ci-dessous :
Lien Zoom :
Lien vers le site
ID de réunion : 971 6784 4481
Code secret : 846853
Résumé :
La logistique amont de l'industrie automobile s'appuie sur un réseau de fournisseurs qui approvisionnent les usines d'assemblage en composants nécessaires à la fabrication des voitures.
En raison des limites de stockage et du lissage des livraisons, une planification efficace des transports devient cruciale, car les coûts logistiques représentent jusqu'à 2 % du coût d'une voiture finie.
Cette recherche étudie le processus actuel de planification des transports de Renault, aujourd'hui manuelle, et qui dépend fortement de l'expertise des planificateurs de transports.
Notre objectif est de proposer des solutions optimisées pour des instances industrielles pour minimiser les coûts logistiques. Nos contributions dans cette thèse peuvent être résumées comme suit.
Premièrement, nous proposons une formulation mathématique qui permet d'obtenir des solutions optimisées. Deuxièmement, pour passer à l'échelle, plusieurs techniques d'amélioration sont introduites,
notamment une reformulation du modèle, l'ajout d'inégalités valides, un algorithme de décomposition de Benders, et des techniques de génération de colonnes.
Enfin, nous développons un système d'aide à la décision de bout en bout qui intègre la planification tactnies par Renault.
Mots-clés: Logistique Amont, Optimisation des tournées des véhicules, Industrie automobile, Planification tactique du transport, Programmation mathématique
Entitled “ Planning and Optimization of Transportation in inbound logistics: A Case Study from Renault’s Supply Chain”,
this thesis was carried out under the supervision of
Gülgün Alpan-Gaujal and
Bernard Penz at the G-SCOP laboratory, and the supervision of
Christian Serrano at Renault Group.
The jury will be composed of:
Reviewers :
- Ms. Céline Gicquel, Associate Professor, University Paris Saclay.
- Mr. Khaled Hadj Hamou, University Professor, Insa Lyon.
Examiners :
- Ms. Evren Sahin, University Professor, CentraleSupelec.
- Mr. El-Houssaine Aghezzaf, University Professor, Ghent University.
- Mr. Van-Dat Cung, University Professor, University Grenoble Alpes (Grenoble-INP).
Those who wish to participate remotely can connect via the Zoom link below :
Zoom Link
Meeting ID : 971 6784 4481
Passcode : 846853
Abstract:
Inbound logistics in the automotive industry relies on a network of suppliers providing assembly plants with essential parts for manufacturing cars. Due to storage limitations and the vast number of required components, efficient delivery planning becomes crucial, as logistics costs can account for up to 2% of a finished car's cost. This research is inspired by Renault's current predominantly manual transportation planning process, which heavily depends on the expertise of transport planners. In this thesis, our objective is to provide operational solutions for industrial instances of tactical planning, optimize the process, and minimize logistics costs.
Our contributions can be summarized as follows. First, we formalize the specified problem as the Multi-Period Tactical Transportation Planning Problem (MP-TTPP). We propose an exact mathematical formulation that includes practical constraints, satisfying the requirements of all stakeholders. Secondly, we introduce several algorithmic techniques to improve scalability, including model reformulation, valid inequalities, an enhanced Benders decomposition algorithm, and column generation techniques. Finally, we develop an end-to-end decision support system that integrates the tactical planning solution into Renault's current decisional system. This system addresses both tactical planning and vehicle loading decision problems, which are challenging to solve jointly. Therefore, we propose an iterative local search algorithm that applies perturbation and local search procedures on tactical decisions to generate neighboring solutions, together with various solution-accepting criteria and restarting heuristics. We evaluate these methods through various computational experiments on real cases provided by Renault.
keywords: Mixed Inbound Logistics Network, Vehicle Routing Optimization, Automotive Industry, Tactical Transportation Planning, Mathematical Programming
