Inventory routing problem : Gestion des incertitudes liées à la demande et aux temps de trajets

The Inventory Routing Problem (IRP) is the integration of two supply chain subproblems: inventory management and transportation. A challenge common to all supply chain operations is dealing with uncertainty; this also applies to the IRP. The most common approaches to take into account uncertainties in the literature are “a priori” approaches. “A priori” approaches proactively manage uncertainties by establishing robust replenishment plans, which will be achievable even in the face of a wide range of events. In this thesis we tackle two major sources of uncertainty in the IRP context: customer demand and travel times. Uncertainty linked to customer demand is managed by an “a posteriori” approach of re-optimisation with stability metrics. Stability metrics from the literature of sub-problems of the IRP such as inventory management and routing or sequencing problems such as scheduling, are adapted for the IRP. These metrics are formulated and their correlation and impact on cost studied. Travelling time uncertainty is managed in an “a priori” but deterministic manner by considering them as time dependent. In this context, four mathematical formulations for time-dependent IRP (TD-IRP) inspired by the rich literature of time-dependent transport problems are proposed. The four formulations are compared on a new benchmark generated based on benchmarks from the IRP literature and Time-Dependent Traveling Salesman Problem (TD-TSP). The relevance of considering time-dependent travel times is studied and a matheuristic proposed in order to resolve large instances.L’Inventory Routing Problem (IRP) est l’intégration de deux sous-problèmes de la chaîne logistique: la gestion de stock et le transport. Un défi commun à toutes les opérations de la chaîne logistique est la gestion de l'incertitude ; cela s'applique également à l’IRP. Les approches les plus courantes de prendre en compte les incertitudes dans la littérature sont les approches “a priori”. Les approches “a priori” gèrent les incertitudes de manière proactive en établissant des plans de réapprovisionnement robustes, qui seront réalisables même face à un large éventail d’événements. Dans cette thèse on s’attaque aux deux sources majeures d’incertitudes dans le contexte de l’IRP: la demande des clients et les temps de trajets. L'incertitude liée a la demande des clients est gérée par une approche “a posteriori” de ré-optimisation avec des mesures de stabilité. Les métriques de stabilité de la littérature des sous-problèmes de l'IRP tels que le transport et la gestion des stocks ou des problèmes de séquençage similaires tels que l'ordonnancement sont réadaptés pour l'IRP. Ces métriques sont formulées et leur corrélation et leur impact sur le coût étudiés. Pour les temps de trajets, l’incertitude est gérée de manière “a priori” mais déterministe en les considérant comme dépendants du temps. Dans ce contexte, quatre formulations mathématiques pour l'IRP dépendant du temps (TD-IRP) inspirées de la riche littérature des problèmes de transport dépendant du temps sont proposées. Les quatre formulations sont comparées sur un nouveau benchmark généré basé sur des benchmarks de la littérature de l’IRP et Time-Dependent Travelling Salesman Problem (TD-TSP). La pertinence de considérer des temps de parcours dépendant du temps est étudiée et une matheuristique proposée afin de résoudre des instances de grande taille