Dans un contexte de crise sanitaire, écologique et énergétique, les chaînes logistiques sont soumises à de fortes perturbations. Elles doivent malgré ce contexte atteindre des objectifs de plus en plus élevés : réduire leurs émissions de gaz à effet de serre (GES) tout en maintenant des coûts acceptables pour les industriels et un niveau de service satisfaisant pour leurs clients. Aujourd’hui, le fret représente 9% des émissions de gaz à effet de serre de la France (The Shift Project 2022). Dans le cadre du Plan de Transformation de l’Économie Française (PTEF), et pour tendre vers une neutralité carbone d’ici 2050, le Shift Project présente plusieurs axes de travail, impactant directement l’organisation du transport. Pour rendre le transport routier plus efficace, le PTEF propose différentes mesures afin d’améliorer le taux de remplissage dans les camions : l’organisation de la mutualisation, la réduction des cadences d’envoi et la généralisation de pratiques de maximisation des chargements. Les travaux présentés dans ce manuscrit sont issus d’une thèse CIFRE, réalisée dans le cadre d’une collaboration entre la société CRC Services et IMT Atlantique au sein de l’équipe modelis du LS2N. Nous nous intéressons à des problématiques d’optimisation des transports de chargeurs. Ces acteurs sont des distributeurs ou industriels achetant du transport à différents prestataires logistiques afin d’acheminer des marchandises depuis différents sites de production ou de stockage vers différents points de vente ou plateformes logistiques.
Dans le monde du logiciel, l’optimisation des transports est notamment réalisée par les logiciels de tournées de véhicules. Ces logiciels cherchent à déterminer les tournées d’un ensemble de véhicules, de manière à servir un ensemble de clients, tout en respectant des contraintes telles que la capacité des véhicules, des fenêtres de temps pour la livraison et en minimisant des critères d’optimisation tels que le coût ou le nombre de kilomètres parcourus. Dans le domaine du transport de marchandises, le logiciel de tournées de véhicules est un outil classiquement dédié aux transporteurs. Le transporteur organise son réseau de transport et ses tournées de collecte et livraison de manière à réaliser les meilleures consolidations possibles de ses commandes et à minimiser le nombre total de kilomètres à parcourir pour satisfaire ses clients.
CRC Services
CRC Services a été créée en décembre 2015 sous la forme d’une filiale de la société 4S Network pour lui permettre de concentrer ses activités numériques de R&D notamment en optimisation du transport de marchandises. Celles-ci ont été initiées dès 2013 autour du concept de routeur de flux, le CRC « Centre de Routage Collaboratif », vecteur d’une mutualisation des flux suivant le concept de l’Internet Physique (Montreuil et al. 2013 ; Ballot et al. 2014). Ce concept de mutualisation a pour objectif de fédérer des acteurs de toutes tailles autour d’un réseau de transport composés de hubs ou plateformes CRC. Ces plateformes constituent les noeuds de massification et de consolidation du réseau de transport. Contrairement aux hubs logistiques classiques des réseaux de transporteur, les CRC sont des plateformes utilisées par différents transporteurs spécialistes de leur région. Cette approche non propriétaire permet ainsi une collaboration horizontale entre transporteurs et apporte de la transparence et une garantie d’indépendance pour les utilisateurs du réseau. Plus globalement, l’approche CRC se veut une offre écologique et «gagnant–gagnant» pour tous les acteurs du réseau : les chargeurs, qui achètent le transport afin que leurs marchandises soient livrées, les transporteurs et autres prestataires logistiques, qui vendent et réalisent le transport et les clients qui reçoivent les commandes. L’approche CRC permet une coordination en amont des chargeurs qui partagent un même ensemble de clients. Suite à la création du concept de CRC, identifiant un manque de maturité numérique sur le marché du transport de marchandises, CRC Services décide de développer en parallèle une offre numérique autour d’une plateforme web appelée « CoLivRi ». Le développement de cette plateforme a été réalisé dans le cadre du projet Open Network, financé par l’ADEME au sein du programme d’investissement d’avenir. Ce projet a été réalisé en partenariat avec l’équipe SLP (Systèmes Logistiques et de Production) du Laboratoire des Sciences du Numérique de Nantes (LS2N, UMR CNRS 6004), le laboratoire CSG des Mines ParisTech, GS1 France et TAB Rail Road, un prestataire logistique spécialisé dans le transport multi-modal. L’objectif du projet Open Network était de développer de nouvelles fonctionnalités pour faciliter la généralisation de la mutualisation du transport de marchandises et ainsi, proposer de nouveaux services à valeur ajoutée à des entreprises de toutes tailles en « digitalisant » les opérations de transport tout au long de la chaîne d’approvisionnement.
La solution proposée via la plateforme CoLivRi a pour but d’améliorer la performance d’une organisation transport sur 3 axes : économique, environnemental (émissions de gaz à effet de serre, GES), et qualité de service :
— La performance économique de la chaîne logistique est souvent le premier aspect considéré par un fournisseur qui cherchera à réduire la part de son budget de transport. Les économies réalisées sur le budget de transport d’un fournisseur peuvent se refléter sur le prix de vente de ses produits.
— La performance environnementale se caractérise par une réduction de l’émission de Gaz à Effet de Serre (GES). Un transport plus efficace (camions mieux remplis, moins de kilomètres parcourus) aura un effet bénéfique sur cet aspect mais également sur l’aspect économique. L’utilisation de modes de transport alternatifs (ferry, rail-route ou véhicules électriques) peut également avoir un effet positif pour réduire les émissions de GES.
— Le taux de service d’une chaîne logistique mesure la part de marchandises livrées dans les temps et sans anomalie chez le client. Un retard de livraison sur un magasin ou autre plateforme logistique peut entraîner un refus et la nécessité pour le transporteur de revenir livrer les marchandises à une autre date. Ces reports de livraisons peuvent affecter la disponibilité des produits en magasins.
Ainsi, depuis sa création, CRC Services a développé deux types d’outils pour accompagner ses clients :
— Des outils organisationnels, notamment en les orientant vers des solutions de transport mutualisées et en travaillant autour du concept de Centre de Routage Collaboratif (CRC) (Medina 2016 ; Medina et al. 2019). Ce sont des moyens mis à disposition pour traiter une partie des flux mais qui visent à optimiser l’ensemble des flux. Ces outils sont mis en œuvre dans des activités de conseil fortement basées sur des simulations. Ces dernières s’appuient sur des modèles et algorithmes d’optimisation développés par la R&D de CRC Services.
— Des outils numériques autour de la traçabilité, de l’optimisation et de la mutualisation du transport de marchandises. Ces outils sont proposés par le biais d’une plateforme CoLivRi et peuvent être proposés indépendemment ou pour accompagner, piloter ou évaluer la pertinence d’une nouvelle organisation du transport. Cet accompagnement est souvent considéré comme la suite logique des missions de conseils réalisées au niveau organisationnel. Les algorithmes développés ou adaptés lors des missions de conseils sont alors intégrés et packagés dans CoLivRi. Les clients de CRC Services sont formés et peuvent ainsi simuler en toute indépendance de nouveaux scénarii en fonction de l’évolution de leur organisation transport.
Problématiques des clients de CRC Services
Le marché
Les clients de CRC Services sont pour la plupart des chargeurs, industriels, distributeurs ou grossistes, opérant dans l’univers des Produits de Grande Consommation (PGC), de la Restauration Hors Domicile ou Hors Foyer (RHD/RHF) ou de la Distribution de produits spécialisés (bricolage, sport …). Ils acheminent leurs marchandises depuis un ou plusieurs sites de production ou de stockage, vers des sites de livraisons (magasins, entrepôts ou plateformes de passage à quai (Cross-Dock)). Pour cela, les chargeurs disposent rarement de leurs propres moyens de transport, et font donc appel aux services de transporteurs ou de commissionnaires de transport.
Différents niveaux de décision
Afin de définir une stratégie de transport performante, le chargeur doit prendre un ensemble de décisions que l’on peut définir selon plusieurs niveaux.
— Au niveau stratégique, le chargeur peut prendre des décisions sur la structure de son réseau logistique. Ces décisions incluent notamment le nombre et la localisation de ses plateformes de production, de stockage et d’expédition en fonction de la localisation de ses clients.
— A un niveau tactique, le chargeur doit sélectionner les schémas de transport en fonction de la typologie et du volume de ses flux. Il devra notamment sélectionner ses transporteurs et construire son plan de transport tactique.
— Le niveau opérationnel concerne la préparation d’un plan de transport réellement mis en place lors de l’expédition de ses marchandises au jour J. A ce niveau, les décisions sont souvent restreintes à l’application du process d’expédition.
|
Table des matières
Introduction
1 Problématique industrielle
1.1 CRC Services
1.2 Problématiques des clients de CRC Services
1.2.1 Le marché
1.2.2 Différents niveaux de décision
1.2.3 La sous-traitance du transport
1.3 Les outils proposés par CRC Services
1.3.1 L’organisation et la mutualisation du transport
1.3.2 CoLivRi
1.4 La Recherche et le Développement chez CRC Services
2 Contributions Scientifiques et Techniques
2.1 Le problème de tournées de véhicules avec transporteurs FTL et LTL
2.2 Le problème de collectes et livraisons avec plateformes intermédiaires
2.3 Applications chez CRC Services
3 Littérature
3.1 Sous-traitance du transport
3.1.1 Tarification Less Than Truckload
3.1.2 Tarification FTL
3.1.3 Flotte hétérogène
3.2 Sous-traitance des derniers kilomètres à un transporteur régional
3.2.1 Problèmes de tournées avec plateformes intermédiaires
3.2.2 Problèmes de tournées généralisés ou avec options
3.2.3 Synthèse
3.3 Caractéristiques liées aux commandes
3.3.1 Commodity Constrained Split Delivery Vehicle Routing Problem
3.3.2 Fenêtres de temps multiples
4 Problème de tournées de véhicules avec transporteurs FTL et LTL
4.1 Introduction
4.2 Définition du problème
4.3 Méthode de résolution
4.3.1 Description de l’algorithme LNS-SPP
4.3.2 Opérateurs du LNS
4.3.3 Gestion de la flotte limitée
4.4 Expérimentations numériques
4.4.1 Paramètres de l’algorithme
4.4.2 Résultats sur les instances de HFF-VRP-TW
4.4.3 Résultats sur les instances de HFF-VRP-TW-PC
4.4.4 Instances et résultats sur le VRP-FLC
4.5 Cas d’étude : combinaison d’expéditions FTL et LTL
4.5.1 Description
4.5.2 Expérimentations
4.6 Conclusions
5 Problème de collectes et livraisons avec plateformes intermédiaires
5.1 Modélisation du problème de collectes et livraisons avec plateformes intermédiaires
5.1.1 Coûts et réalisabilité des tournées
5.1.2 Modélisation mathématique du PDPTF avec options
5.2 Small and Large Neighborhood Search
5.2.1 Opérateurs du SLNS
5.2.2 Évaluation des options
5.2.3 Problème de partitionnement d’ensemble
5.3 Expérimentations numériques
5.3.1 Vehicle Routing Problem with Time Windows and Transshipment Facilities
5.3.2 Generalized Vehicle Routing Problem with Time Windows
5.3.3 Vehicle Routing Problem with Multiple Time Windows
5.3.4 Commodity-Constrained Split-Delivery Vehicle Routing Problem
5.3.5 Discussion
5.4 Conclusion
Conclusion
