un modele bi-objectif pour la conception de chaines logistiques vertes

8e Conférence Internationale de MOdélisation et SIMulation - MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
« Evaluation et optimisation des systèmes innovants de production de biens et de services »
UN MODELE BI-OBJECTIF POUR LA CONCEPTION DE CHAINES
LOGISTIQUES VERTES
Wassila MTALAA, Riad AGGOUNE
CRP Henri Tudor
Technoport, Esch-sur-Alzette
L-4002 – G.D.Luxembourg
[email protected], [email protected]
RESUME : La conception de chaînes logistiques vertes consiste en la considération de critères environnementaux lors
de la prise de décisions stratégiques sur la localisation d’usines ou d’entrepôts logistiques. Dans ce travail, une
approche multi-objective est développée pour l’optimisation simultanée des coûts économiques globaux ainsi que de
l’impact environnemental des configurations des réseaux. L’idée est innovante à deux titres. Tout d’abord elle
s’applique aux modèles de chaînes logistiques générales, qu’elles soient traditionnellement directes ou en boucle
fermée, intégrant ainsi les opérations logistiques inverses. Par ailleurs, l’approche gère l’impact environnemental du
transport dans le modèle global d’optimisation de la chaîne logistique verte. Plus particulièrement, en supplément de la
fonction objective qui calcule les coûts économiques de la chaîne logistique, nous considérons une seconde fonction
objective qui prend en compte les coûts externes du transport. Ces coûts représentent les dommages causés à
l’environnement tels que la pollution atmosphérique qui n’étaient jusqu’alors pas payés et ont donc été négligés dans le
processus de décision. Cependant, avec les nouvelles régulations concernant l’environnement, les entreprises ont à
présent le devoir et l’obligation de tenir compte des changements climatiques dans leurs décisions commerciales de
tous les jours.
MOTS-CLES : Chaînes logistiques vertes, conception de réseaux, formulation multi-objective, coûts
environnementaux du transport.
1
INTRODUCTION
Avec les questionnements sur l’environnement de plus
en plus présents ces dernières décennies, il y a une réelle
prise de conscience de la nécessité de traiter des problèmes de la pollution environnementale qui accompagnent le développement en même temps que le processus
stratégique de gestion de la chaîne logistique, ce qui
mène à la gestion de chaînes logistiques vertes. Le phénomène de gestion des chaînes logistiques vertes est relativement récent dans le domaine de la recherche opérationnelle et de la gestion des opérations. Ces chaînes
logistiques vertes peuvent être issues de l’optimisation
des processus logistiques en utilisant des objectifs économiques et environnementaux. La gestion des chaînes
logistiques vertes fait référence à tous les processus directs de la chaîne logistique comme l’achat de matières
premières, la production et la distribution mais aussi aux
processus inverses de collecte et de retraitement de produits déjà utilisés ou non afin d’assurer un équilibre économique et écologique durable. La gestion des chaînes
logistiques vertes est apparue suite à la prise de conscience et la motivation des consommateurs ainsi que des
régulations en matière d’environnement, spécialement en
Europe. L’une des plus importantes régulation européenne concernant l’environnement est la directive
Emissions Trading Scheme (ETS) sur la régulation des
émissions de dioxyde de carbone basée sur le fameux
protocole de Kyoto qui est le premier schéma internatio-
nal d’échanges d’émissions des gaz à effet de serre. Cet
ETS qui a pris effet en 2005, limite les émissions de dizaines de milliers d’usines dans le domaine du papier, de
la raffinerie, du ciment, du verre, de l’acier et bien
d’autres, et permet d’échanger et de marchander des
permis d’émettre. 2008 correspond au début de la seconde phase de cet ETS, ce qui implique que les entreprises de transport sont à leur tour sollicitées pour payer
des crédits pour leurs dépassements d’émissions de CO2
par rapport à leurs permissions d’émettre. Les sociétés de
toute l’union européenne doivent tenir compte des changements climatiques dans leur décisions commerciales
quotidiennes, et faire preuve d’initiatives innovantes
pour réduire leurs émissions, voir (Lemathe et Balakrishnan, 2005). Les preneurs de décisions ont donc dorénavant à faire face à un nouveau problème lors de la
conception de leur chaîne logistique. Le critère environnemental doit être pris en compte au même titre que la
faisabilité économique. Le but de ce travail est de proposer la conception d’une telle chaîne logistique qui englobe aussi bien les critères économiques que les critères
écologiques. La méthodologie utilisée mène à un modèle
multi-objectif qui a pour but l’optimisation des coûts
économiques ainsi que la minimisation des émissions
totales de dioxyde de carbone dues au transport dans la
chaîne logistique.
Cet article s’articule comme suit. Nous présentons en
premier lieu le domaine de l’étude et nous donnons une
description générale des problèmes de conception de
chaînes logistiques. La section suivante est dédiée aux
MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
problèmes logistiques inverses ainsi qu’aux chaînes logistiques en boucle fermée. Dans la quatrième partie de
ce travail, un modèle bi-objectif pour la conception de
chaînes logistiques vertes est présenté. La dernière partie
conclut l’article et apporte des directions pour des recherches futures.
2
DOMAINE DE RECHERCHE
Le domaine de la gestion des chaînes logistiques durables est vaste, voir (Bloemhof et Van Nunen, 2005).
Dans ce travail, nous ne prenons pas en compte la dimension sociale du développement durable, voir (Seuring et Müller, 2008). Les pratiques relevant du comportement environnemental au sein de l’entreprise ou les
achats verts ne sont pas plus considérés ici puisque les
problèmes sont plus d’ordre opérationnel que stratégique
et risquent de ne pas être significatifs dans le cadre de la
conception de chaînes logistiques vertes. Nous ne prenons pas non plus en compte l’écologie industrielle et les
écosystèmes industriels. Nous sommes plus intéressés
par la conception de chaînes logistiques, les problèmes
de localisation, les chaînes logistiques inverses ou en
boucle fermée ainsi que par les coûts externes du transport. Ces derniers correspondent aux coûts des dommages sur la société, qui ne se reflètent pas en termes de
prix mais qui sont bel et bien engendrés par le transport,
voir le site www.externalcosts.eu. Ces dommages sont
nombreux et comportent notamment les encombrements
des routes, le bruit, les accidents, les dommages causés à
la route et enfin les émissions qui contribuent à la pollution de l’air ou à l’effet de serre pour les plus significatifs, voir (Quinet, 2004).
Dans ce travail, nous nous concentrons sur les émissions
de CO2 dues au fret routier pour les raisons suivantes.
Tout d’abord, sur les six gaz à effet de serre couverts par
le protocole de Kyoto, le CO2 est le plus important vu
qu’il compte pour 80% du total du potentiel global de
réchauffement de ces gaz. De plus, par rapport aux autres
modes de transport la route est de loin la source majeure
d’émissions de gaz carbonique. En effet, en 2005, 73%
des marchandises au niveau interne au sein de l’Europe
des 27 (en tonnes.km) était affrété par route, voir (Eurostat, 2007). Entre 1995 et 2005, le transport des marchandises dans l’union européenne a progressé de 31.3% et
cette progression est en voie de continuer. Les émissions
de CO2 du secteur routier sont 30% plus importantes
qu’en 1990 et le transport est l’unique secteur de
l’économie pour lequel les émissions vont continuer à
croître dans le futur, selon les prévisions du “Greening
Transport Communication” daté du 8 Juillet 2008, voir le
site www.worldenergyoutlook.org. Enfin, en Juillet 2005
le système européen d’échange des permis d’émissions
de CO2, Emissions Trading System (ETS) est entré en
application. Dans le cadre du protocole de Kyoto l’union
européenne a promis de réduire ses émissions de gaz à
effet de serre de 8% par rapport à celles de 1990 dans la
période 2008-2012. Le système “cap & trade” régule une
allocation annuelle des permis d’émissions et le droit
d’émettre une quantité particulière de CO2 devient une
marchandise à part entière. 2008 correspond à la seconde
période de promesse ce qui entraine que c’est au tour des
entreprises de transport routier en supplément du secteur
industriel de payer des crédits pour leurs dépassements
d’émissions de CO2.
C’est dans ce contexte que le concept de logistique verte
a été lancé par plusieurs entreprises de logistique. Cela
implique la réduction significative des émissions de
dioxyde de carbone causées par le transport. Généralement trois axes principaux de travail sont investigués par
ces entreprises: l’amélioration des itinéraires et des
voyages en limitant par exemple les trajets à vide,
l’optimisation des modes de transport en mettant sur la
route des véhicules de plus en plus performants ou enfin
en optimisant les réseaux et les flux. Nous investiguons
dans ce travail, cette dernière possibilité pour la limitation de l’empreinte carbone du transport dans la chaîne
logistique. Afin d’aider à l’optimisation des réseaux et
des flux au niveau stratégique de la prise de décision,
nous proposons une formulation d’un problème de
conception qui vise à la minimisation des émissions de
carbone dues au transport. Plus précisément, en plus de
la fonction objective classique qui calcule les coûts, nous
considérons une seconde fonction objective qui représente les émissions totales de CO2. La quantification des
émissions de CO2 liées au transport n’est pas une tache
aisée vu le grand nombre de paramètres qui influencent
ces émissions. Néanmoins il existe un certains nombre
d’outils qui permettent aux entreprises de faire
l’inventaire de leurs émissions annuelles. Ces outils ont
pour la plupart été développés dans le cadre plus général
des inventaires d’analyse de cycles de vie. En général ils
consistent en un programme dans un tableur avec plusieurs feuilles associées à divers modes de transport.
Celui qui est utilisé ici est la méthode de quantification
développée conjointement par l’ADEME et EpE (Entreprises Pour l’Environnement) (voir le site www.epeasso.org). C’est ainsi qu’est formulée la seconde fonction objective dans la cinquième partie de cet article.
Afin d’aboutir à la conception de chaînes logistiques
vertes nous proposons d’abord de définir ce en quoi
consiste la conception de chaînes logistiques. Nous
considérons ensuite les flux inverses de produits ce qui
nous mène à d’autres types de chaînes logistiques soucieuses du respect de l’environnement.
3
CONCEPTION DE CHAINES LOGISTIQUES
Une chaîne logistique est un réseau de fournisseurs,
d’usines de fabrication, d’entrepôts et de chaînes de distribution qui s’organisent pour acquérir des matériaux,
les convertir en produits finis et les distribuer aux clients
pour satisfaire à leur demande. Une conception et une
gestion efficace de la chaîne logistique permet la production et la livraison d’une variété de produits à un coût
avantageux, de bonne qualité et dans des temps défiants
toute concurrence. Il y a un certain nombre d’aspects à
prendre en compte pour la conception et le pilotage de la
chaîne logistique qui peuvent être stratégiques, tactiques
ou opérationnels, voir (Goetschalckx et al., 2002).
MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
Les décisions au niveau stratégique comprennent la
conception du réseau logistique qui passe par le choix de
la localisation et des dimensions des usines et du nombre
optimal de fournisseurs, distributeurs et usines de la
chaîne. Cela implique également les plans d’actions
d’achats et de déploiements pour toutes les usines, distributeurs et clients. A ce niveau de décision sont définis
les nœuds et les arcs du réseau logistique ainsi que leurs
liens. Les décisions au niveau stratégique interviennent
sur le long terme et sont prises au bout de quelques années, par exemple lorsqu’une firme tient à se développer,
voir figure 1.
Chaînes directes
Achats
Production
Distribution
Refabrication
Remise à neuf
Ventes
Chaînes inverses
Recyclage
Long
terme
Moyen
terme
Court
terme
Réutilisation
Conception de chaînes logistiques vertes
Planification globale
de la chaîne logistique
Gestion et
Planification
des
approvisionnements
Planification
de la
production
Planification
de la
distribution
Ordonnance
ment
Planification
du transport
Prévision de
la demande
Prévision
des ventes
Figure 1 : Niveaux hiérarchiques du processus de
décision
Le niveau tactique de décision implique principalement
l’organisation des fournisseurs ce qui inclut
l’optimisation des flux de produits et de services tout le
long du réseau logistique. Les décisions au niveau tactique sont des décisions sur le moyen terme qui sont
prises typiquement sur une base mensuelle.
L’organisation au niveau opérationnel est une planification à court terme qui implique l’ordonnancement de la
production dans toutes les usines heure par heure.
A chaque niveau de décision correspond des modèles et
des procédures de résolution bien spécifiques. Des décisions à certains niveaux deviennent des contraintes à
satisfaire ou des objectifs à atteindre à des niveaux inférieurs. Ces considérations apparaissent dans la plupart
des manuscrits et articles de journaux en logistique et en
gestion de production comme ceux de (Vidal et Goetschalckx, 1997) et (Schmidt et Wilhelm, 2000).
Dans la littérature en gestion de la chaîne logistique, les
termes conception de réseaux et conception de chaînes
logistiques sont parfois employés en tant que synonymes
de planification stratégique de la chaîne logistique, voir
(Chopra et Meindl, 2007).
Les entreprises peuvent être confrontées aux problèmes
de localisation d’usines ou de conception de chaînes logistiques dans diverses situations comme lors d’une extension de leurs activités à de nouveaux horizons géo-
graphiques, lorsque les capacités limites d’une usine sont
atteintes, dans le cas où une usine devient obsolète, lorsque la demande décline ou enfin dans le cas d’une fusion
de deux sociétés. Dans tous les cas, la planification sur le
long terme est crucial, voir (Thanh et al., 2008). En fait,
vu les larges investissements normalement associés à ce
type de décisions, la stabilité de la configuration du réseau logistique est l’objectif majeur.
L’étude de la conception de systèmes de distribution a
commencé relativement tôt, avec le travail original de
(Geoffrion et Graves, 1974), mais sans considérer la
chaîne logistique totale. Les premières recherches se sont
intéressées aux problèmes de localisation-allocation (de
ressources) d’une usine puis de plusieurs usines. Nous
référons le lecteur intéressé à (Klose et Drexl, 2005) et
(ReVelle et al., 2008) et les références qui y sont citées
pour une revue complète des problèmes de localisation
d’usines.
Il existe une quantité de réseaux logistiques d’entreprises
si grande qu’aucun modèle ne peut s’adapter à tous. Cependant, les modèles les plus récents intègrent des critères additionnels dans le but de correspondre au mieux
aux réseaux réels. Parmi les caractéristiques principales
de ces récents modèles sont les suivants:
- Chaînes logistiques avec de multiples échelons:
fournisseurs, usines, entrepôts, clients, etc, voir
(Sahin et Süral, 2007).
- Problèmes de localisation d’usines multipériodes, voir (Melo et Saldanha-da-Gama,
2006).
- Plusieurs produits ou familles de produits.
- Nature déterministe/stochastique des données
comme les coûts et les demandes, voir (Snyder,
2006).
- Variété des contraintes: contraintes de capacité,
contraintes budgétaires, etc.
- Structure complexe des coûts: coûts fixes et
coûts variables, coûts linéaires ou non-linéaires.
- Modèles hybrides stratégique/tactique ou stratégique/opérationnels: problèmes de localisationtournées de véhicules voir (Nagy et al., 2007)
pour un état de l’art récent de ces problèmes.
Problèmes de localisation avec inventaires, voir
(Shen et al., 2003): niveau de stock moyen,
stocks de sécurité, niveau de stock cyclique.
Choix entre différents modes de transport et capacités.
Agencement d’entrepôts et gestion des entrepôts.
Choix entre différentes techniques de production.
Ce type de problèmes hybrides au sein de la
chaîne logistique sont traités de manière itérative ou intégrée, voir (Goetschalckx et al., 2002).
- Flux de produits complexes: plusieurs niveaux
d’usines et d’entrepôts. Echanges de produits
entre usines et entrepôts, livraisons directes aux
clients, refabrication, retraitement, logistique
inverse, etc.
MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
C’est sur ce dernier point que nous désirons nous pencher dans la partie suivante.
4
CHAINES LOGISTIQUES INVERSE ET EN
BOUCLE FERMEE
4.1 Chaînes inverses
La réutilisation de produits ou de matériaux n’est pas un
phénomène nouveau. Dans tous les cas, les opportunités
liées à la réutilisation sont à l’origine d’un nouveau flux
retour de matière de l’utilisateur final vers les producteurs. La gestion de ce flux de matière dans le sens opposé au flux conventionnel de la chaîne logistique est
l’objet d’un nouveau domaine de travail appelé “logistique inverse”. Le conseil exécutif américain sur la logistique inverse définit cette logistique inverse, voir (Rogers et Tibben-Lemke, 1998) comme: “Le processus de
planification, d’implémentation, et de contrôle du flux
rentable et efficace de matière première, d’inventaires de
process, de produits finis et d’informations du point de
consommation au point d’origine dans le but de recapturer de la valeur ou dans le but d’un traitement convenable des déchets”. Différente de la traditionnelle logistique directe, la logistique inverse réfère aux activités dédiées au traitement des produits retournés jusqu’à ce
qu’ils soient récupérés de manière satisfaisante ou mis au
rebut de la chaîne logistique. Ces activités comprennent
la collection, le nettoyage, le désassemblage, les tests et
le tri, le stockage, le transport et les options de récupération, comme la réutilisation, la réparation, la remise à
neuf, la refabrication, la cannibalisation et le recyclage.
Trois grands arguments expliquent le besoin croissant en
activities inverses: l’intérêt économique, comme la possibilité de recapturer de la valeur sur des produits utilisés, les directives gouvernementales comme la directive
européenne WEEE référencée 2002/96/EC sur les déchets issus des équipements électriques et électroniques,
et les pressions des consommateurs pour le retour des
produits utilisés ou défectueux, voir (Srivastava, 2008).
En effet, plusieurs pays ont renforcé la législation sur le
respect de l’environnement, en rendant les producteurs et
fabricants responsables de leur produit tout au long de
son cycle de vie. Les obligations de reprises sont à
l’exemple des mesures prises. Mais même si la législation est moins rigide, la motivation des consommateurs
impose une pression sur les entreprises pour la prise en
compte des questions environnementales. Une image
“verte” est devenue un argument commercial important.
Cette évolution est à l’origine pour beaucoup
d’entreprises de la recherche de possibilités de reprise
pour traitement de leurs produits. D’un autre côté, il
existe également des activités économiques dont le but
est essentiellement la recapture de valeur encore incorporée dans un produit usagé (par exemple la refabrication à
l’aide de pièces détachées). Les aspects écologiques et
économiques sont souvent liés. Par exemple, augmenter
les coûts de récupération des déchets engendre une réduction effective de ces déchets, et les consommateurs
soucieux de l’environnement représentent une nouvelle
opportunité de marché.
Les activités de logistique inverse sont effectuées dans
des usines spécifiques qui peuvent être de deux types,
voir (Melo et Saldanha-da-Gama, 2009): les centres de
collection (c'est-à-dire les endroits où les consommateurs
viennent déposer les produits usés) et les sites de retravail (les centres de refabrication et centres de réparation
et de remise à neuf), voir (Rappold et Van Roo, 2009).
C’est dans ce contexte que la structure même du réseau
doit être étendue avec des liens pour le transport des flux
retours allants des consommateurs jusqu’aux sites où ont
lieu les réparations, les refabrications, et/ou les activités
de recyclage (par exemple les entrepôts, les usines de
refabrication).
Lorsque l’on modélise une chaîne logistique inverse,
seul le flux inverse doit être considéré. Un ensemble de
localisations possibles pour les différents types d’usines
est donné et un choix doit être effectué. Les articles collectés peuvent être véhiculés via des itinéraires différents. L’optimisation intervient au niveau des coûts de la
chaîne logistique, généralement fixes et des coûts variables pour les usines et les transports intermédiaires. La
programmation linéaire en nombres mixtes est la technique la plus répandue et la plus utilisée. Parfois, les localisations sont imposées ce qui conduit à un problème de
programmation linéaire. D’un point de vue mathématiques, les modèles sont standards, voir (Krikke et al.,
2003) et les références qui y sont faites.
Une caractéristique particulière à prendre en compte
dans la conception de chaînes inverses est le grand degré
d’incertitude accompagnant le retour des produits usagés
par les consommateurs non seulement en termes de
quantité mais aussi en termes de qualité. Les produits de
grande qualité peuvent avoir un coût de transport plus
élevé (et donc être à l’origine d’un réseau centralisé),
alors que le transport étendu de produits de petite valeur
n’est pas économique. Par ailleurs, les produits peuvent
également être retournés pendant leur cycle de vie (retours commerciaux, garanties, réparations), à la fin de
leur utilisation, ou en fin de vie ce qui nécessite de
considérer les caractéristiques des produits retournés afin
d’optimiser le processus de récupération de la valeur.
Enfin, les marchés de fin de vie des produits retournés ne
sont pas toujours bien connus.
Une autre particularité des chaînes inverses est la dépendance aux acteurs intervenants dans la chaîne. En effet,
une spécificité de la logistique inverse est que certaines
compétences et expériences sont indispensables ce qui
impose des contraintes sur les acteurs possibles pour les
activités de réutilisation qui peuvent être aussi bien le
fabricant ou alors un prestataire de service, voir (Min et
Ko, 2008). Ceci ajoute des contraintes quant à la possibilité d’intégrer les activités logistiques directes et inverses, ce qui représente un véritable challenge pour la
conception de systèmes de distribution, voir (Fleischmann et al., 1997).
MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
4.2 Chaînes logistiques en boucle fermée
Les chaînes logistiques en boucle fermée ressemblent
fortement aux chaînes logistiques inverses, mais optimisent simultanément le réseau direct et inverse. Deux
types de flux doivent être considérés en même temps, les
flux directs qui correspondent à la distribution traditionnelle des marchandises, et les flux inverses qui correspondent à la collection des produits retournés par les
clients, voir figure 2. Les sites logistiques peuvent servir
à la fois de lieux d’origine mais aussi de points de destination, et les axes de transport peuvent être aussi bien
une part du réseau direct que du réseau inverse ce qui
améliore l’efficacité mais rend également le système plus
complexe. L’optimisation des chaînes logistiques en
boucle fermée peut intervenir sur l’impact économique et
sur l’empreinte environnementale. L’ajout du critère
environnemental représente une difficulté supplémentaire dans la fonction objective. Par exemple, centraliser les
usines de production peut engendrer une baisse totale des
coûts de la chaîne logistique (au cas où les économies
d’échelle sont plus importantes que l’augmentation des
coûts de transport), mais entraîner un impact environnemental désastreux de la chaîne logistique (plus
d’émissions de CO2 dues à un transport accru). D’un
autre côté, mettre en place des systèmes logistiques inverses peut entrainer la réduction des coûts de traitement
des déchets ainsi que leur quantité.
Finalement, en dépit d’avancées récentes dans
l’intégration de considérations environnementales dans
la gestion des chaînes logistiques, voir par exemple (Lu
et Bostel, 2007) et (Sahyouni et al., 2007), seuls quelques articles proposent des modèles complets avec des
flux directs et inverses (des réseaux en boucle fermée).
En fait, l’organisation stratégique des chaînes logistiques
pour les réseaux de récupération présente de grandes
ressemblances avec les activités de planification d’un
réseau direct. Les différences principales sont que les
flux sont inverses et que le type d’usine change. Par ailleurs, la plupart des études considère les bénéfices environnementaux issus des activités liées aux flux inverses
et/ou la conception de produits verts (par exemple la
conception de produits faciles à démonter). Excepté celui
de (Hugo et Pistikopoulos, 2005) qui considère une
chaîne directe et celui de (Krikke et al., 2003) qui considère une chaîne logistique en boucle fermée, rare sont les
recherches qui intègrent une fonction multi-objective qui
inclut à la fois les performances économiques et écologiques.
C’est pour cela, qu’une procédure générale pour la
conception efficace des chaînes logistiques avec de multiples objectifs peut aider aux prises de décisions stratégiques en même temps qu’être d’un impact écologique
significatif sur les chaînes logistiques traditionnelles
directes, et également satisfaire aux critères environnementaux des chaînes logistiques en boucle fermée. En
d’autres termes, l’enjeu principal est de développer la
conception de chaînes logistiques (de n’importe quelle
nature), plutôt que de se limiter à la conception de chaînes logistiques classiques inverses ou en boucle fermée.
5
FORMULATION DU MODELE
5.1 Modèle mathématique
5.1.1 Présentation du problème
Dans cette partie, une formulation mathématique du
problème est présentée. Les éléments du modèle sont
d’abord définis. Le réseau est décrit dans la figure 2.
Nous nous intéressons au flux d’un produit pour lequel
les demandes des clients sont connues à l’avance et
déterministes. Dans le cas d’un flux direct, la chaîne
logistique se compose d’usines, de centres de
distribution et des clients finaux. Dans la chaîne inverse,
les produits à la fin de leur cycle de vie sont repris des
clients vers les centres de collection, puis sont emmenés
vers les usines de retraitement. Les produits sortant de
ces usines peuvent être introduits comme nouveaux
produits dans la chaîne directe pour former une chaîne en
boucle fermée.
Figure 2 : Diagramme du modèle illustrant le problème
de localisation
5.1.2 Ensembles et indices
Les ensembles et indices du modèle sont les suivants:
k  K, indice des localisations possibles pour les usines
et usines de retraitement,
j  J, indice des localisations possibles pour les centres
de distribution et de collection,
i  I, indice des clients,
v  V, indice des véhicules (les poids lourds sont rangés
selon leur Poids Total Autorisé en Charge),
D
: flux direct,
R
: flux inverse.
Les paramètres et variables du modèle sont présentés
dans ce qui suit.
MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
5.1.3 Paramètres du modèle et variables de décision
fkD = coûts fixes d’implantation d’une usine au site k,
fkR = coûts fixes d’implantation d’une usine de retraitement au site k,
fjD = coûts fixes d’implantation d’un centre de distribution au site j,
fjR = coûts fixes d’implantation d’un centre de collection
au site j,
lk= paramètre régulant les coûts d’ouverture d’une usine
agissant également en tant qu’usine de retraitement au
site k,
cijvD = coûts de transport du centre de distribution j au
client i par le véhicule v,
cijvR = coûts de transport du client i au centre de collection j par le véhicule v,
cjkvD = coûts de transport de l’usine k au centre de distribution j par le véhicule v,
cjkvBF = coûts de transport de l’usine de retraitement k au
centre de distribution j par le véhicule v,
cjkvR = coûts de transport du centre de collection j à
l’usine de retraitement k par le véhicule v,
dij= distance du client i au centre de distribution ou de
collection j en km,
djk= distance du centre de distribution ou de collection j à
l’usine de retraitement ou l’usine k en km,
Mj= capacité maximale du centre j,
Mk= capacité maximale de l’usine k,
hi= demande totale de produit au site du client i,
ri= taux de flux retour de produit par le client au site i,
ev= facteur d’émission par tonne.km du véhicule v en kg
CO2eq/ton.km,
evkm= facteur d’émission par véhicule.kilomètre en kg
CO2eq/km,
efab= émissions liées à la fabrication du camion v en kg
CO2eq,
evv= émissions lorsque le véhicule v est vide en kg
CO2eq/km,
evpc= émissions lorsque le véhicule v est plein en kg
CO2eq/km,
tdv= taux de distance effectuée par le véhicule v à vide,
trm= tonnage moyen pour le véhicule v en charge divisé
par la charge utile moyenne,
tm= tonnage moyen pour le véhicule v en charge en tonnes.
Les variables de décision pour le modèle sont:
YkD =1, si une usine est localisée et implantée au site
candidat k, 0, sinon,
YkR =1, si une usine de retraitement est localisée et implantée au site candidat k, 0, sinon,
YkBF=1, si une usine servant également d’usine de retraitement est localisée et implantée au site candidat k, 0,
sinon,
YjD =1, si un centre de distribution est localisé et implanté au site candidat j, 0, sinon,
YjR =1, si un centre de collection est localisé et implanté
au site candidat j, 0, sinon,
XijD flux de produit du centre de distribution au site candidat j au client au site i,
XijR flux de produit du client au site i au centre de collection au site j,
XjkD flux de produit de l’usine au site k au centre de distribution au site candidat j,
XjkBF flux de produit de l’usine de retraitement au site k
au centre de distribution au site candidat j,
XjkR flux de produit du centre de collection au site candidat j à l’usine de retraitement au site k.
5.1.4 Fonctions objectives
Le problème de localisation multi-échelons d’usines
avec limite de capacité consiste à minimiser:
Z1   f jD YjD   f jR YjR   f kD YkD   f kR YkR   l k YkBF
jJ
jJ
kK
kK
kK


D
R
BF
   (c ijv
X ijD  c ijv
X ijR )   (c Djkv X Djk  c Rjkv X Rjk  c BF
jkv X jk ) 
vV  iI jJ
jJ kK

Sachant que
X
D
ij
 hi
X
R
ij
 M j YjR ,
jJ
iI
X
jJ
 (X
kK
R
jk
D
jk
X
iI
R
ij
  ri X ijD
 (X
kK
D
jk
X
 M k YkR ,
jJ
R
jk
D
 X BF
jk )  M j Yj ,
 M k YkBF
D
 X BF
jk )   X ij
YkBF  YkD
X ijD  0 ,
X
iI
iI
YkBF  YkR
X ijR  0 ,
X Rjk  0 X BF
jk  0
i  I , j  J (1)
iI
R
ij
j  J , k  K (2)
  X Rjk j  J
(3)
kK
k  K
(4)
X Djk  0 ,
i  I , j  J , k  K
YkD , YkR , YkBF , YjD , YjR  {0,1}
(5)
j  J , k  K (6)
Les contraintes (1) stipulent que les demandes pour les
produits et articles retournés doivent être entièrement
satisfaites. Les contraintes (2) sont des limitations de
capacité d’usine. Les contraintes (3) représentent les
relations entre les flux directs et retours. Les inéquations
(4) sont des contraintes de liaison. Les contraintes (5)
spécifient l’obligation de non-négativité pour tous les
flux de produits. Enfin les contraintes (6) sont des contraintes binaires.
La première fonction objective minimise la somme des
coûts fixes d’ouverture des usines et des centres ainsi
que les coûts de transport.
Traditionnellement, en gestion de la chaîne logistique,
minimiser les coûts ou maximiser le profit en un seul
objectif est souvent le problème majeur d’optimisation.
Cependant d’autres critères doivent également être pris
MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
en compte dans la formulation du modèle de la chaîne
logistique même s’ils sont difficiles à quantifier en terme
de valeur monétaire dans la fonction objective. Dans ce
travail, nous ne voulons pas internaliser les coûts externes du transport puisque le prix d’une tonne de carbone
se base sur les résultats des prévisions des marchés des
permis échangeables mis en place par le ETS européen.
Il existe de fortes différences dans ces prix qui sont issues du fait que les arrangements institutionnels qui seront implémentés sont pour l’instant incertains et donc
les prix peuvent fortement osciller. C’est pour cela que
nous avons choisi d’écrire une seconde fonction objective dans le but de minimiser la quantité totale (exprimés
en tonnes de CO2) d’émissions dues au transport dans le
réseau, voir (Ademe, 2007) pour plus de détails.


Z 2   e v  dij (XijD  XijR )   d jk (XDjk  X Rjk  X BF
jk )
vV
jJ kK
 iI jJ



où ev  e vkm /(1  t dv ) / t m
et
e vkm  e fab  e vv  ( e vpc  e vv ) * (1  t dv ) * t rm
5.2 Optimisation multi-objective
Pour un problème multi-objectif la notion d’optimalité
n’est plus aussi évidente que lorsque l’on traite un problème à un seul objectif. En l’absence de critères de préférence, il n’existe pas une valeur absolue qui caractériserait la qualité de la solution. Il est pour cela souhaitable
et préférable de générer les solutions sous forme d’un
ensemble Pareto-optimal d’alternatives de conception
représentant des choix entre les différents objectifs plutôt
qu’une unique solution. Pour ce faire, notre idée est
d’utiliser des méta-heuristiques comme les algorithmes
génétiques (MOGA) ou le recuit simulé (MOSA), voir
(Jones et al., 2002). C’est ce qui sera investigué dans de
futurs travaux.
6
CONCLUSIONS ET PERSPECTIVES
Dans ce travail, nous avons proposé un modèle pour la
conception de chaînes logistiques vertes. La fonction
objective qui représente la performance de la chaîne
logistique est évaluée en considérant non seulement les
coûts globaux mais aussi les coûts environnementaux du
transport en matière de dioxyde de carbone. Une future
étape du travail consiste en l’optimisation du problème.
Ceci permettra de gérer l’objectif écologique menant à
un ensemble de solutions Pareto-optimales sur lequel
s’appuyer pour la prise de décision.
REMERCIEMENTS
Ce travail de recherche a été financé par la bourse PDR08-039 du Fonds National de la Recherche du
Luxembourg. Nous remercions le FNR pour ce soutien.
REFERENCES
Ademe, 2007. Bilan Carbone « Entreprises » et « Collectivités ». Guide des facteurs d’émissions-version
5.0. www.ademe.fr.
Bloemhof, J., Van Nunen, J., 2005. Integration of Environmental Management and Supply Chain Management. ERIM Report Series Research In Management,
ERS-2005-030-LIS.
Chopra, S. and P. Meindl, 2007. Supply Chain Management: Strategy, Planning and Operations. Prentice
Hall, New Jersey.
Eurostat and the European Commission, 2007. Energy,
transport and environment indicators. Eurostat
Pocketbooks, ISSN 1725-4566.
Fleischmann, M., J. M. Bloemhof-Ruwaard, R. Dekker,
E. Van der Laan, J. A. E. E. Van Nunen and L. N.
Van Wassenhove, 1997. Quantitative models for reverse logistics: A review. European Journal of Operational Research, 103, p. 1–17.
Geoffrion, A. M. and G. W. Graves, 1974. Multicommodity distribution system design by Bender’s decomposition. Management Science, 20, p. 822–844.
Goetschalckx, M., C. J. Vidal and K. Dogan, 2002.
Modelling and design of global logistics systems: A
review of integrated strategic and tactical models and
design algorithms. European Journal of Operational
Research, 143, p. 1-18.
Hugo, A. and E. N. Pistikopoulos, 2005. Environmentally conscious long-range planning and design of
supply chain networks. Journal of Cleaner Production, 13, p. 1471-1491.
Jones, D. F., S. K. Mirrazavi and M. Tamiz, 2002. Multiobjective metaheuristics: an overview of the current
state-of-the-art. European Journal of Operational
Research, 137, p. 1–9.
Klose, A. and A. Drexl, 2005. Facility location models
for distribution system design. European Journal of
Operational Research, 162, p. 4–29.
Krikke, H., J. Bloemhof-Ruwaard and L. N. Van Wassenhove, 2003. Concurrent product and closed loop
supply chain design with an application to refrigerators. International Journal of Production Research,
41(16), p. 3689-3719.
MOSIM’10 - 10 au 12 mai 2010 - Hammamet - Tunisie
Lemathe, H. and N. Balakrishnan, 2005. Environmental
considerations on the optimal product mix. European
Journal of Operational Research, 167(2), p. 398-412.
Lu, Z. and N. Bostel, 2007. A facility location model for
logistics systems including reverse flows: The case of
remanufacturing activities. Computers & Operations
Research, 34(2), p. 299-323.
Melo, M. T., S. Nickel and F. Saldanha-da-Gama, 2006.
Dynamic multi-commodity capacitated facility location: A mathematical modeling framework for strategic supply chain planning. Computers & Operations Research, 33(1), p. 181-208.
Melo, M. T., S. Nickel and F. Saldanha-da-Gama, 2009.
Facility location and supply chain management – A
review. European Journal of Operational Research,
196, p. 401-412.
Min, H. and H. J. Ko, 2008. The dynamic design of a
reverse logistics network from the perspective of
third-party logistics service providers. International
Journal of Production Economics, 113, p. 176 – 192.
Center for Logistics Management, University of Nevada, Reno, Reverse Logistics Executive council.
Sahin, G. and H. Süral, 2007. A review of hierarchical
facility location models. Computers & Operations
Research, 34(8), p. 2310-2331.
Sahyouni, K., R. C. Savaskan and M. S. Daskin, 2007. A
facility location model for bidirectional flows.
Transportation Science, 41(4), p. 484-499.
Schmidt, G. and W. E. Wilhelm, 2000. Strategic, tactical
and operational decisions in multi-national logistics
networks: a review and discussion of modeling issues. International Journal of Production Research,
38(7), p. 1501-1523.
Seuring, S. and M. Müller, 2008. From a literature review to a conceptual framework for sustainable supply chain management. Journal of Cleaner Production, 16, p. 1699-1710.
Shen, Z.-H. M., C. Coullard and M. S. Daskin, 2003. A
joint location-inventory model. Transportation
Science, 37, p. 40-55.
Nagy, G. and S. Salhi, 2007. Location-routing: Issues,
models and methods. European Journal of Operational Research, 177, p. 649-672.
Snyder, L. V., 2006. Facility location under uncertainty:
A review. IIE Transactions, 38, p. 537-554.
Owen, S. H. and M. S. Daskin, 1998. Strategic facility
location: A review. European Journal of Operational
Research, 111(3), p. 423-447.
Srivastava, S. K., 2008. Network design for reverse logistics. Omega: The International Journal of Management Science, 36, p. 535-548.
Rappold, J. A. and B. D. Van Roo, 2009. Designing multi-echelon service parts networks with finite repair
capacity. European Journal of Operational Research,
199, p. 781-792.
Thanh, P. N., N. Bostel and O. Peton, 2008. A dynamic
model for facility location in the design of complex
supply chains. International Journal of Production
Economics, 113, p. 678 – 693.
ReVelle, C. S., H. A. Eiselt and M. S. Daskin, 2008. A
bibliography for some fundamental problem categories in discrete location science. European Journal of
Operational Research, 184, p. 817-848.
Vidal, C. J. and M. Goetschalckx, 1997. Strategic production–distribution models: A critical review with
emphasis on global supply chain models. European
Journal of Operational Research, 98, p. 1–18.
Rogers, D. S. and R. S. Tibben-Lemke, 1998. Going
backwards: reverse logistics trends and practices,