Avec la forte croissance du e-commerce et l'augmentation continue de la population des villes impliquant des niveaux de congestion plus élevés, les réseaux de distribution doivent déployer des échelons supplémentaires pour offrir un ajustement dynamique aux besoins des entreprises au cours du temps et faire face aux aléas affectant l’activité de distribution. Dans ce contexte, les praticiens s'intéressent aux réseaux de distribution à deux échelons. Dans cette thèse, nous commençons par présenter une revue complète des problèmes de design des réseaux de distribution et souligner des caractéristiques essentielles de modélisation. Ces aspects impliquent la structure à deux échelons, l’aspect multi-période, l’incertitude et les méthodes de résolution. Notre objectif est donc, d’élaborer un cadre complet pour le design d’un réseau de distribution efficace à deux échelons, sous incertitude et multi-périodicité, dans lequel les produits sont acheminés depuis les plateformes de stockage (WP) vers les plateformes de distribution (DP) avant d'être transportés vers les clients. Ce cadre est caractérisé par une hiérarchie temporelle entre le niveau de design impliquant des décisions relatives à la localisation des plateformes et à la capacité allouée aux DPs sur une échelle de temps annuelle, et le niveau opérationnel concernant des décisions journalières de transport. % sur une base journalière.Dans une première étude, nous introduisons le cadre complet pour le problème de design de réseaux de distribution à deux échelons avec une demande incertaine, une demande et un coût variables dans le temps. Le problème est formulé comme un programme stochastique à plusieurs étapes. Il implique au niveau stratégique des décisions de localisation des DPs ainsi que des décisions d'affectation des capacités aux DPs sur plusieurs périodes de design, et au niveau opérationnel des décisions de transport sous forme d'arcs origine-destination. Ensuite, nous proposons deux modèles alternatifs basés sur la programmation stochastique à deux étapes avec recours, et les résolvons par une approche de décomposition de Benders intégrée à une technique d’approximation moyenne d’échantillon (SAA). Par la suite, nous nous intéressons à la livraison du dernier kilomètre dans un contexte urbain où les décisions de transport dans le deuxième échelon sont caractérisées par des tournées de véhicules. Un problème multi-période stochastique de localisation-routage à deux échelons avec capacité (2E-SM-CLRP) est défini, dans lequel les décisions de localisation concernent les WPs et les DPs. Le modèle est un programme stochastique à deux étapes avec recours en nombre entier. Nous développons un algorithme de décomposition de Benders. Les décisions de localisation et de capacité sont déterminées par la solution du problème maître de Benders. Le sous-problème résultant est un problème multi-dépôt de tournées de véhicule avec des dépôts et véhicules capacitaires qui est résolu par un algorithme de branch-cut-and-price.Enfin, nous étudions le cadre à plusieurs étapes proposé pour le problème stochastique multi-période de design de réseaux de distribution à deux échelons et évaluons sa tractabilité. Pour ceci, nous développons une heuristique à horizon glissant qui permet d’obtenir des bornes de bonne qualité et des solutions de design pour le modèle à plusieurs étapes. / With the high growth of e-commerce and the continuous increase in cities population contrasted with the rising levels of congestion, distribution schemes need to deploy additional echelons to offer more dynamic adjustment to the requirement of the business over time and to cope with all the random factors. In this context, a two-echelon distribution network is nowadays investigated by the practitioners.In this thesis, we first present a global survey on distribution network design problems and point out many critical modeling features, namely the two-echelon structure, the multi-period setting, the uncertainty and solution approaches. The aim, here, is to propose a comprehensive framework for the design of an efficient two-echelon distribution network under multi-period and stochastic settings in which products are directed from warehouse platforms (WPs) to distribution platforms (DPs) before being transported to customers. A temporal hierarchy characterizes the design level dealing with facility-location and capacity decisions over a set of design periods, while the operational level involves transportation decisions on a daily basis.Then, we introduce the comprehensive framework for the two-echelon distribution network design problem under uncertain demand, and time-varying demand and cost, formulated as a multi-stage stochastic program. This work looks at a generic case for the deployment of a retailer's distribution network. Thus, the problem involves, at the strategic level, decisions on the number and location of DPs along the set of design periods as well as decisions on the capacity assignment to calibrate DP throughput capacity. The operational decisions related to transportation are modeled as origin-destination arcs. Subsequently, we propose alternative modeling approaches based on two-stage stochastic programming with recourse, and solve the resulting models using a Benders decomposition approach integrated with a sample average approximation (SAA) technique.Next, we are interested in the last-mile delivery in an urban context where transportation decisions involved in the second echelon are addressed through multi-drop routes. A two-echelon stochastic multi-period capacitated location-routing problem (2E-SM-CLRP) is defined in which facility-location decisions concern both WPs and DPs. We model the problem using a two-stage stochastic program with integer recourse. To solve the 2E-SM-CLRP, we develop a Benders decomposition algorithm. The location and capacity decisions are fixed from the solution of the Benders master problem. The resulting subproblem is a capacitated vehicle-routing problem with capacitated multi-depot (CVRP-CMD) and is solved using a branch-cut-and-price algorithm.Finally, we focus on the multi-stage framework proposed for the stochastic multi-period two-echelon distribution network design problem and evaluate its tractability. A scenario tree is built to handle the set of scenarios representing demand uncertainty. We present a compact formulation and develop a rolling horizon heuristic to produce design solutions for the multi-stage model. It provides good quality bounds in a reasonable computational times.

Les activités de transport et de gestion des stocks ont un impact important les unes sur les autres. Assurer un niveau de stock idéal peut demander des livraisons fréquentes, ce qui entraîne des coûts logistiques élevés. Pour optimiser les compromis entre les coûts de stock et de transport, des systèmes VMI (Vendor Managed Inventory) ont été développés pour gérer ensemble les opérations de stock et de transport. Pour un ensemble de clients ayant des demandes sur un horizon de temps, le problème de détermination des tournées et des quantités à livrer avec un coût minimum de gestion de stock et de transport est connu sous le nom de Inventory Routing Problem (IRP). Les systèmes à deux échelons ont également été étudiés pour améliorer le flux de véhicules dans les zones urbaines. étant donné que des nouvelles politiques de gestion sont apparues, dans le but de limiter le trafic des gros véhicules et leur vitesse dans les centres urbains, des Centres de Distribution (DC) sont mis en place pour coordonner les flux de marchandises à l'intérieur et à l'extérieur des zones urbaines. Les produits sont donc livrés aux clients par les fournisseurs via les DC.Nous proposons de combiner un système à deux échelons avec le IRP. Nous introduisons un Operational Two-Echelon Inventory Routing Problem (O-2E-IRP), ce qui est une nouvelle extension du IRP à notre connaissance. Dans le O-2E-IRP proposé, les clients doivent être servis par un fournisseur strictement via des DC et les tournées doivent être définis dans les deux échelons sur un horizon de temps donné. Trois politiques de réapprovisionnement et de configurations de routage différentes sont modélisées pour ce problème. Nous développons deux formulations mathématiques, ainsi qu'un algorithme Branch-and-Cut (B&C) combiné à une matheuristique pour résoudre le problème. De plus, nous analysons plusieurs inégalités valides disponibles pour le IRP et nous introduisons de nouvelles inégalités valides inhérentes au IRP à deux échelons. Des expériences de calcul approfondies ont été effectuées sur un ensemble d'instances générées de manière aléatoire. Les résultats obtenus montrent que les performances des méthodes sont liées à la politique de stock et à la configuration de routage.Dans le contexte d'un IRP à deux échelons, deux décisions tactiques importantes doivent être prises en plus des décisions de livraison de routage et de quantité de livraison: à partir de quel DC sera fourni chaque client et en utilisant quels véhicules ? Répondre à ces questions est extrêmement difficile car cela implique de pouvoir minimiser les coûts opérationnels d'un système de livraison VMI à deux échelons à long-terme et avec des demandes incertaines. Pour faire face à cela, nous présentons le Tactical Two-Echelon Inventory Routing Problem (T-2E-IRP) qui optimise les décisions en fonction d'un horizon à long-terme et en tenant compte des demandes stochastiques. Trois politiques de gestion des stocks sont modélisées et appliquées à un ou aux deux échelons. Nous développons une approche de simulation pour résoudre le T-2E-IRP sur un horizon de temps à long-terme. Nous proposons quatre formulations et deux algorithmes B&C pour définir l'affectation des clients et des véhicules aux DC en fonction d'un horizon de temps court. Ensuite, nous évaluons ces décisions d'affectation via un outil de simulation qui résout un sous-problème du T-2E-IRP, qui consiste en les décisions de livraisons du fournisseur aux DC et des DC aux clients, sur un horizon glissant. De nombreuses expériences sont effectuées pour un ensemble d'instances générées aléatoirement. L'impact de plusieurs paramètres utilisés pour déterminer l'affectation des clients et des véhicules aux DC sur le coût total est analysé. Basé sur des expériences, nous définissons la combinaison de paramètres qui fournit généralement les meilleurs résultats sur les instances générées. / Transport and inventory management activities have a great impact on each other. Ensuring an ideal inventory level can require frequent deliveries, leading to high logistics costs. To optimize the trade-offs between inventory and transportation costs, VMI (Vendor Managed Inventory) systems have been developed to manage inventory and transportation operations together. Given a set of customers with demands over a time horizon, the problem of determining routes and delivery quantities at a minimum inventory holding and transportation costs is known as Inventory Routing Problem (IRP). Two-echelon systems have also been studied to improve the freight vehicle flow inside urban areas. As new management policies have emerged, with the goal of limiting the traffic of large vehicles and their speed in urban centers, Distribution Centers (DC) are introduced to coordinate freight flows inside and outside the urban areas. Products are then delivered from the suppliers to the customers through the DC.We propose to combine a two-echelon system with the IRP. We introduce an Operational Two-Echelon Inventory Routing Problem (O-2E-IRP), which is a new extension of the IRP to the best of our knowledge. On the proposed O-2E-IRP, the customers must be served by a supplier strictly through DC and routes must be defined in both echelons over a given time horizon. Three different replenishment policies and routing configurations are modeled for this problem. We develop two mathematical formulations, and a Branch-and-Cut (B&C) algorithm combined with a matheuristic to solve the problem. In addition, we analyze several valid inequalities available for IRP, and we introduce new ones inherent to the IRP within two echelons. Extensive computational experiments have been carried out on a set of randomly generated instances. The obtained results show that the performance of the methods is related to the inventory policy and routing configuration.In the context of a two-echelon IRP, two important tactical decisions have to be taken in addition to route and quantity delivery decisions: from which DC will be supplied each customer and using which vehicles? Answering these questions is extremely difficult as it implies being able to minimize operational costs for a two-echelon VMI delivery system on long-term and with uncertain demands. In order to deal with this, we introduce the Tactical Two-Echelon Inventory Routing Problem (T-2E-IRP) that optimizes the decisions based on a long-term horizon and considering stochastic demands. Three inventory management policies are modeled and applied at one or both echelons. We develop a simulation approach to solve the T-2E-IRP on a long-term time horizon. We propose four formulations and two B&C algorithms to define the assignment of customers and vehicles to the DC based on a short time horizon. Then, we evaluate these assignment decisions through a simulation tool that solves a subproblem of the T-2E-IRP, which consists of the decisions of deliveries from the supplier to the DC and from the DC to the customers, on a rolling-horizon framework. Extensive computational experiments are performed for a set of randomly generated instances. The impact of several parameters used to determine the assignment of customers and vehicles to DC on the total cost is analyzed. Based on the experiments, we define the combination of parameters that generally provides the best results on the generated instances.

Les problèmes de localisation-routage à deux échelons (2E-LRP) sont devenus un domaine de recherche important dans le domaine de la logistique et de la gestion de la chaîne d'approvisionnement. Le 2E-LRP représente un problème d'optimisation dans les systèmes de distribution non dirigés, visant à organiser le transport de marchandises entre les plateformes et les clients par le biais d'installations intermédiaires appelées satellites. Ce problème implique de prendre des décisions simultanées concernant l'emplacement d'un ou deux niveaux d'installations (plateformes et/ou satellites) et de créer un ensemble limité d'itinéraires aux deux échelons afin de répondre efficacement à toutes les demandes des clients. Récemment, la communauté scientifique s'est intéressée de plus en plus à l'étude et à la résolution de problèmes plus réalistes. Cet intérêt provient de la reconnaissance du fait que les systèmes de distribution du monde réel sont caractérisés par une multitude de complexités et d'incertitudes qui ont un impact significatif sur l'efficacité opérationnelle, la rentabilité et la satisfaction des clients. Les chercheurs ont reconnu la nécessité d'aborder ces complexités et incertitudes pour développer des solutions pratiques et efficaces. Cette thèse comprend trois études différentes, chacune correspondant à un article de recherche autonome. Dans les trois articles, nous nous concentrons sur différents 2E-LRP riches qui comprennent plusieurs attributs en interaction. Ces variantes du problème sont appelées problèmes de localisation-routage à deux échelons et à attributs multiples (2E-MALRP). Pour analyser l'influence des incertitudes sur les solutions optimales et les processus de prise de décision, nous considérons à la fois les perspectives déterministes et stochastiques. Cette approche nous permet de mieux comprendre le comportement de ces problèmes complexes. Le premier document de recherche abordé dans cette thèse se concentre sur un problème de localisation-routage déterministe à deux échelons et à attributs multiples avec synchronisation de la flotte dans les installations intermédiaires (2E-MALRPS). Le cadre du problème comprend divers facteurs, notamment la demande de marchandises multiples dépendant du temps, les fenêtres temporelles, le manque de capacité de stockage dans les installations intermédiaires et la nécessité de synchroniser les flottes opérant à différents échelons. Dans le 2E-MALRPS, tous les paramètres, tels que les demandes des clients, les temps de trajet et les coûts, sont connus avec certitude. Dans cet article, nous introduisons le cadre du problème, présentons une formulation de programmation en nombres entiers mixtes et proposons un cadre de découverte de discrétisation dynamique comme méthode de résolution du problème. Le deuxième article de cette thèse traite du problème de localisation-routage à deux échelons en cas de demandes stochastiques et corrélées (2E-MLRPSCD). Contrairement au 2E-MALRPS, le 2E-MLRPSCD prend en compte les incertitudes liées aux demandes des clients, ainsi que la corrélation entre ces demandes. Nous formulons le problème sous la forme d'un modèle de programmation stochastique en deux étapes. Au cours de la première étape, des décisions sont prises concernant la conception des installations satellites, tandis qu'au cours de la deuxième étape, des décisions de recours déterminent la manière dont les demandes observées sont servies. Nous proposons une métaheuristique de couverture progressive comme méthode de résolution. Dans cette approche, nous incorporons deux structures de population dans le cadre de la couverture progressive. Ces structures renforcent la diversité des décisions de conception obtenues pour chaque sous-problème de scénario et fournissent des informations pertinentes pour améliorer la qualité de la solution. En outre, nous introduisons et comparons trois nouvelles stratégies différentes pour accélérer la recherche de l'espace de solution pour le problème stochastique. Finalement, le troisième article présenté dans cette thèse se concentre sur un problème de localisation-routage multi-attributs à deux échelons avec des temps de trajet stochastiques (2E-MALRPSTT). Le 2E-MALRPSTT combine un problème multi-attributs riche avec des éléments stochastiques, en particulier en considérant des temps de trajet stochastiques. Pour traiter le problème stochastique complet, un cadre de couverture progressive (PH) est proposé en s'appuyant sur les lignes directrices méthodologiques définies dans notre deuxième article pour le 2E-MLRPSCD. En outre, une heuristique basée sur la décomposition est introduite pour accélérer le cadre PH, et deux nouvelles stratégies d'agrégation sont présentées pour accélérer le processus de consensus concernant les décisions de la première étape. Les contributions présentées dans cette thèse couvrent divers aspects de la modélisation et des méthodologies de solution pour les 2E-MALRP riches, à la fois d'un point de vue déterministe et d'un point de vue stochastique. Les trois articles inclus dans cette thèse démontrent l'efficacité des approches proposées à travers des campagnes expérimentales étendues, mettant en évidence leur efficacité de calcul et la qualité des solutions, en particulier dans les cas difficiles. En abordant les aspects déterministes et stochastiques de ces 2E-MALRP, cette thèse vise à contribuer à l'ensemble des connaissances en optimisation de la logistique et de la chaîne d'approvisionnement, à répondre aux besoins importants de la littérature actuelle et à fournir des informations importantes pour les systèmes de distribution à deux échelons dans divers contextes. / The Two-Echelon Location-Routing Problems (2E-LRPs) have emerged as a prominent research area within the field of logistics and supply chain management. The 2E-LRP represents an optimization problem in undirected distribution systems, aiming to streamline freight transportation between platforms and customers through intermediate facilities known as satellites. This problem involves making simultaneous decisions concerning the location of one or two levels of facilities (platforms and/or satellites) and creating a limited set of routes at both echelons to effectively serve all customer demands. In recent years, there has been a growing interest among the scientific community in studying and solving more realistic problem settings. This interest arises from the recognition that real-world distribution systems are characterized by a multitude of complexities and uncertainties that significantly impact operational efficiency, cost-effectiveness, and customer satisfaction. Researchers have acknowledged the need to address these complexities and uncertainties to develop practical and effective solutions. This dissertation comprises three distinct studies, each serving as a self-contained research article. In all three articles, we focus on different rich 2E-LRPs that encompass multiple interacting attributes. These problem variants are referred to as two-echelon multi-attribute location-routing problems (2E-MALRPs). To analyze the influence of uncertainties on optimal solutions and decision-making processes, we consider both deterministic and stochastic perspectives. This approach allows us to gain insights into the behavior of these complex problem settings. The first research paper addressed in this thesis focuses on a deterministic two-echelon multi-attribute location-routing problem with fleet synchronization at intermediate facilities (2E-MALRPS). The problem setting encompasses various factors, including time-dependent multicommodity demand, time windows, lack of storage capacity at intermediate facilities, and the need for synchronization of fleets operating at different echelons. In the 2E-MALRPS, all parameters, such as customer demands, travel times, and costs, are known with certainty. In this paper, we introduce the problem setting, present a mixed-integer programming formulation, and propose a dynamic discretization discovery framework as the solution method to address the problem. The second paper in this thesis addresses the two-echelon multicommodity location-routing problem with stochastic and correlated demands (2E-MLRPSCD). In contrast to the 2E-MALRPS, the 2E-MLRPSCD takes into account uncertainties related to customer demands, as well as the correlation among these demands. We formulate the problem as a two-stage stochastic programming model. In the first stage, decisions are made regarding the design of satellite facilities, while in the second stage, recourse decisions determine how the observed demands are allocated and served. We propose a progressive hedging metaheuristic as the solution method. In this approach, we incorporate two population structures within the progressive hedging framework. These structures enhance the diversity of the design decisions obtained for each scenario subproblem and provide valuable insights for improving the solution quality. Additionally, We also introduce and compare three different novel strategies to accelerate the search for the solution space for the stochastic problem. Finally, the third paper presented in this thesis focuses on a multi-attribute two-echelon location-routing problem with stochastic travel times (2E-MALRPSTT). The 2E-MALRPSTT combines a rich multi-attribute problem setting with stochastic elements, specifically considering stochastic travel times. To address the complete stochastic problem, a progressive hedging metaheuristic is proposed building on the methodological guidelines defined in our second paper for the 2E-MLRPSCD. Furthermore, a decomposition-based heuristic is introduced to accelerate the PH framework, and two novel selection strategies are presented to expedite the consensus process regarding the first-stage decisions. The contributions presented in this thesis encompass various aspects of modeling and solution methodologies for rich 2E-MALRPs from both deterministic and stochastic perspectives. The three articles included in this thesis demonstrate the effectiveness of the proposed approaches through extensive experimental campaigns, highlighting their computational efficiency and solution quality, particularly in challenging instances. By addressing the deterministic and stochastic aspects of these 2E-MALRPs, this thesis aims to contribute to the broader body of knowledge in logistics and supply chain optimization, fill important gaps in the present literature and provide valuable insights for two-echelon distribution systems in diverse settings.