Thèse (Ph. D.)--Université Laval, 2006. / Titre de l'écran-titre (visionné le 28 mars 2007). Thèse présentée en cotutelle: Département d'opérations et système de la décision, Faculté des sciences de l'administration, Université Laval, Québec et École nationale supérieure des mines de Saint-Étienne, Saint-Étienne, France. Bibliogr.

Thèse (Ph. D.)--Université Laval, 2003. / Bibliogr.: f. [183]-196. Publié aussi en version électronique.

Les modèles de conception des chaînes logistiques sont devenus de plus en plus complexes, à cause de l'environnement économique incertain et l'introduction de nouveaux critères de décision tels que : l'aspect environnemental, l'aspect social, l'aspect législatif, l'aspect économique, la satisfaction du client et la prise en compte des risques. Répondre aux changements qui touchent les chaînes logistiques exige de composer avec des incertitudes et des informations incomplètes. Configurer des chaînes logistiques multicritères avec prise en compte des incertitudes peut garantir la continuité des activités de l'entreprise.L'objectif principal de cette thèse est la conception de chaînes logistiques multicritères qui résistent aux changements et l'instabilité des marchés. Le manuscrit de cette thèse s'articule autour de sept principaux chapitres:1 - introduction.2 - Etat de l'art sur la conception des chaînes logistiques.3 -Conception des chaînes logistiques multicritères en mesure de répondre aux nouveauxcritères économiques, sociaux, environnementaux et législatifs.4 - Conception des chaînes logistiques multi-objectifs.5 - Développement d'une heuristique de résolution des problèmes de conception deschaînes logistiques de taille réelle.6 - Conception des chaînes logistiques avec prise en compte des incertitudes.7 - Conclusions et perspectives. / This thesis contributes to the debate on how uncertainty and concepts of sustainable development can be put into modern supply chain network and focuses on issues associated with the design of multi-criteria supply chain network under uncertainty. First, we study the literature review , which is a review of the current state of the art of Supply Chain Network Design approaches and resolution methods. Second, we propose a new methodology for multi-criteria Supply Chain Network Design (SCND) as well as its application to real Supply Chain Network (SCN), in order to satisfy the customers demand and respect the environmental, social, legislative, and economical requirements. The methodology consists of two different steps. In the first step, we use Geographic Information System (GIS) and Analytic Hierarchy Process (AHP) to buildthe model. Then, in the second step, we establish the optimal supply chain network using Mixed Integer Linear Programming model (MILP). Third, we extend the MILP to a multi-objective optimization model that captures a compromisebetween the total cost and the environment influence. We use Goal Programming approach seeking to reach the goals placed by Decision Maker. After that, we develop a novel heuristic solution method based on decomposition technique, to solve large scale supply chain network design problems that we failed to solve using exact methods. The heuristic method is tested on real case instances and numerical comparisons show that our heuristic yield high quality solutions in very limited CPU time. Finally, again, we extend the MILP model presented before where we assume that the costumer demands are uncertain. We use two-stage stochastic programming approach to model the supply chain network under demand uncertainty. Then, we address uncertainty in all SC parameters: opening costs, production costs, storage costs and customers demands. We use possibilistic linear programming approach to model the problem and we validate both approaches in a large application case.

Dans un monde déterministe, toute donnée d'un problème d'optimisation est censée être connue avec certitude. Dans le monde réel, on est souvent confronté à des cas où certains paramètres sont incertains. La démarche consistant à considérer un seul jeu de paramètres, supposant que ceci représente suffisamment bien la réalité, est vite mise en cause. On considère travailler sur plusieurs périodes temporelles et sur un espace d'incertitude discrétisé, en introduisant ainsi les notions d'arbres de scénarios et des modèles multi-étapes. Les dimensions de ces problèmes augmentent de façon exponentielle avec le nombre de périodes d'étude, rendant les méthodes directes impossibles à appliquer. Le problème qui a motivé ce travail est issu d'une application industrielle réelle et concerne la souscription de contrats dans un marché gazier. Les prix du marché spot, ainsi que la demande clientèle sont considérés incertains, et représentés par un arbre de scénarios. Le modèle qui ressort possède une structure ressemblant à une grande famille de problèmes dynamiques de dimensionnement. A l'issue d'un travail bibliographique, mené particulièrement sur les méthodes de résolution des modèles multi-étapes, la décomposition imbriquée est la méthode qui est retenue. Sur les très grandes instances, même les méthodes de décomposition peuvent s'avérer longues à converger. Cette thèse est consacrée à de nouvelles mises en oeuvre de la décomposition imbriquée, le but étant de pouvoir traiter plus de scénarios en moins de temps. Certains aspects de la méthode sont remis en cause, nous permettant de réduire le nombre d'itérations jusqu'à ce que la convergence soit atteinte. D'autres aspects sont également étudiés dans l'objectif de réduire le temps de calcul passé sur chaque itération séparément. Les démarches proposées sont validées à travers plusieurs séries d'expériences qui mettent en valeur la supériorité de l'approche proposée par rapport à l'approche classique.

Au cours des dernières années, les centres d'appels ont été introduits avec succès par de nombreuses entreprises axées sur les services comme les banques et les compagnies d'assurance. Ils deviennent le principal point de contact avec les clients, et une partie intégrante de la majorité des sociétés. L'émergence à grande échelle des centres d'appels a créé une source féconde de problèmes de gestion des opérations. Dans cette thèse, nous nous concentrons sur la question de dimensionnement et définition des emplois du temps dans les centres d'appels. L'objectif de notre travail consiste à développer des analyses qualitatives ainsi que quantitatives, afin de déduire des recommandations utiles aux managers.Nous analysons quatre problèmes qui tiennent compte de l'incertitude sur les paramètres d'arrivée des appels. Le processus d'arrivée des appels est supposé suivre un processus non stationnaire et doublement stochastique avec un taux moyen d'arrivée aléatoire.Dans le premier modèle, nous considérons un centre d'appels avec une seule vacation possible. Les agents traitent en même temps des appels entrants et des tâches de back-office. Ceci permet d'avoir une certaine souplesse pour modifier en temps réel la capacité instantanée de traitement des appels entrants. Nous analysons l'impact de la flexibilité offerte par les charges de travail de back-office.Dans le deuxième modèle, nous considérons un centre d'appels avec plusieurs vacations possibles. Les agents traitent seulement des appels entrants. Dans ce modèle, le dimensionnement initialement établi peut être corrigé au cours de la journée de travail. Nous proposons une approche de programmation stochastique en deux étapes et une approche de programmation réglable robuste pour résoudre le problème d'optimisation. En particulier, nous analysons et montrons l'avantage supplémentaire d'utiliser le réglage dynamique sur les coûts de dimensionnement du centre d'appels. Dans le troisième modèle, nous considérons un autre type d'incertitude supplémentaire, qui est l'incertitude sur la distribution de probabilité d'un paramètre aléatoire. Nous proposons une approche combinant la programmation stochastique et la programmation distributionnellement robuste, et nous évaluons son rendement. Le dernier problème de dimensionnement d'un centre d'appels pour lequel le manager se propose de satisfaire un niveau de service global pour toute la journée au lieu d'un niveau de service objectif par période. Nous permettons également la mise à jour du dimensionnement au cours de la journée. Dans notre analyse, nous montrons en particulier les avantages de l'ajout de la flexibilité de mise à jour, et soulignons l'impact d'avoir une contrainte de service niveau globale sur les performances.

Cette thèse est consacrée à la prise en compte de données incertaines dans les problèmes d'optimisation. On se concentre sur la programmation mathématique sous contraintes probabilistes, dont le but est de trouver la meilleure solution qui sera réalisable avec une probabilité minimale garantie. Par ailleurs, on s'intéresse à la prise en compte de variables de décisions entières, qui sont souvent requises en pratique.<br /><br />Pour résoudre de tels problèmes combinatoires sous contraintes probabilistes, on s'appuie d'abord sur l'optimisation robuste. Les liens théoriques entre ces deux familles de méthodes sont mis en évidence. A partir de modèles robustes appropriés, des algorithmes de résolution heuristique sont définis. On s'intéresse ensuite à la résolution optimale de problèmes combinatoires sous contraintes probabilistes. Des tests numériques illustrent les méthodes présentées et montrent leur efficacité pratique. Enfin, deux applications au domaine des télécommunications sont développées. Elles concernent toutes deux la localisation de fonctions dans un réseau.

Les services de soins hospitaliers sont soumis à de nombreux évènements de natures aléatoires rendant leur gestion et leur pilotage difficiles. Ces difficultés organisationnelles reposent essentiellement sur l'incertitude permanente pesant sur les évolutions futurs, principalement en termes d'arrivées et de départs de patients. Pourtant, une prise en charge rapide et efficace des patients est primordiale pour des services tels que les urgences. Ces services doivent pouvoir placer rapidement leurs patients ce qui n'est possible uniquement si (i) les arrivées ont été anticipées et des places sont laissées vacantes dans les services pour recevoir les patients urgents et/ou (ii) le planning d'occupation des services est construit de telle manière que l'insertion d'un nouveau patient est facilitée.Notre objectif va être de gérer les flux de patients séjournant dans les services de courts-séjours de l'hôpital, depuis le choix d'admission d'un nouveau patient jusqu'à sa sortie, et ce, en s'inspirant des deux postulats précédant. A l'aide de modèles d'optimisation stochastique, une succession de problèmes de décisions, ayant pour but de garantir le bon fonctionnement des structures hospitalières, est résolue. Une hiérarchie en trois niveaux est appliquée pour résoudre le problème de gestion: 1. Planification des admissions des patients réguliers, 2. Affectation des patients aux unités de soins et insertion des urgences, 3. Affectation des patients d'un service aux chambres.Les études de cas sont basées sur les données d'un établissement partenaire, le Centre Hospitalier de Firminy (France).

Au cours des dernières années, les centres d'appels ont été introduits avec succès par de nombreuses entreprises axées sur les services comme les banques et les compagnies d'assurance. Ils deviennent le principal point de contact avec les clients, et une partie intégrante de la majorité des sociétés. L'émergence à grande échelle des centres d'appels a créé une source féconde de problèmes de gestion des opérations. Dans cette thèse, nous nous concentrons sur la question de dimensionnement et définition des emplois du temps dans les centres d'appels. L'objectif de notre travail consiste à développer des analyses qualitatives ainsi que quantitatives, afin de déduire des recommandations utiles aux managers.Nous analysons quatre problèmes qui tiennent compte de l'incertitude sur les paramètres d'arrivée des appels. Le processus d'arrivée des appels est supposé suivre un processus non stationnaire et doublement stochastique avec un taux moyen d'arrivée aléatoire.Dans le premier modèle, nous considérons un centre d’appels avec une seule vacation possible. Les agents traitent en même temps des appels entrants et des tâches de back-office. Ceci permet d’avoir une certaine souplesse pour modifier en temps réel la capacité instantanée de traitement des appels entrants. Nous analysons l'impact de la flexibilité offerte par les charges de travail de back-office.Dans le deuxième modèle, nous considérons un centre d'appels avec plusieurs vacations possibles. Les agents traitent seulement des appels entrants. Dans ce modèle, le dimensionnement initialement établi peut être corrigé au cours de la journée de travail. Nous proposons une approche de programmation stochastique en deux étapes et une approche de programmation réglable robuste pour résoudre le problème d’optimisation. En particulier, nous analysons et montrons l'avantage supplémentaire d'utiliser le réglage dynamique sur les coûts de dimensionnement du centre d’appels. Dans le troisième modèle, nous considérons un autre type d'incertitude supplémentaire, qui est l'incertitude sur la distribution de probabilité d'un paramètre aléatoire. Nous proposons une approche combinant la programmation stochastique et la programmation distributionnellement robuste, et nous évaluons son rendement. Le dernier problème de dimensionnement d’un centre d'appels pour lequel le manager se propose de satisfaire un niveau de service global pour toute la journée au lieu d’un niveau de service objectif par période. Nous permettons également la mise à jour du dimensionnement au cours de la journée. Dans notre analyse, nous montrons en particulier les avantages de l'ajout de la flexibilité de mise à jour, et soulignons l'impact d'avoir une contrainte de service niveau globale sur les performances. / In the past few years, call centers have been introduced with great success by many service-oriented companies such as banks and insurance companies. They become the main point of contact with the customers, and an integral part of the majority of corporations. The large-scale emergence of call centers has created a fertile source of management issues. In this thesis, we focus on the issue of staffing and scheduling of call centers. The objective of our work is to derive both qualitative and quantitative results for practical management.We specifically address the analysis of four problems that take into account the important feature of uncertainty in the call arrival parameters. The call arrival process is assumed to follow a doubly non-stationary stochastic process with a random mean arrival rate.In the first model, we consider a single-shift call center blending inbound calls and back-office jobs. By allowing the possibility of real-time changes in the capacity dealing with inbound calls, we analyze the impact of the flexibility offered by back-office jobs.In the second model, we consider a multi-shift call center with single type of inbound calls, in which the scheduling update is allowed. We propose a two-stage stochastic programming approach and an adjustable robust programming approach to efficiently solve the problem. We also analyze the benefits of using dynamic adjustment on scheduling.In the third model, we consider an additional type of uncertainty, namely the uncertainty on the probability distribution of a random parameter. We propose an approach combining stochastic programming and distributionally robust programming, and evaluate its performance.The last model deals with a call center optimization under a global service level constraint instead of period by period constraints. We again allow scheduling decisions to be updated during the middle of the day. We show the advantages of adding the update flexibility, and point out the impact of having a global service level constraint on performance

Les contraintes en probabilité constituent un modèle pertinent pour gérer les incertitudes dans les problèmes de décision. En management d’énergie de nombreux problèmes d’optimisation ont des incertitudes sous-jacentes. En particulier c’est le cas des problèmes de gestion de la production au court-terme. Dans cette Thèse, nous investiguons les contraintes probabilistes sous l’angle théorique, algorithmique et applicative. Nous donnons quelques nouveaux résultats de différentiabilité des contraintes en probabilité et de convexité des ensembles admissibles. Des nouvelles variantes des méthodes de faisceaux « proximales » et « de niveaux » sont spécialement mises au point pour traiter des problèmes d’optimisation convexe sous contrainte en probabilité. Ces algorithmes gèrent en particulier, les erreurs d’évaluation de la contrainte en probabilité, ainsi que son gradient. La convergence vers une solution du problème est montrée. Enfin, nous examinons deux applications : l’optimisation d’une vallée hydraulique sous incertitude sur les apports et l’optimisation d’un planning de production sous incertitude sur la demande. Dans les deux cas nous utilisons une contrainte en probabilité pour gérer les incertitudes. Les résultats numériques présentés semblent montrer la faisabilité de résoudre des problèmes d’optimisation avec une contrainte en probabilité jointe portant sur un système de environ 200 contraintes. Il s’agit de l’ordre de grandeur nécessaire pour les applications. Les nouveaux résultats de différentiabilité concernent à la fois des contraintes en probabilité portant sur des systèmes linéaires et non-linéaires. Dans le deuxième cas, la convexité dans l’argument représentant le vecteur incertain est requise. Ce vecteur est supposé suivre une loi Gaussienne ou Student multi-variée. Les formules de gradient permettent l’application directe d’un schéma d’évaluation numérique efficient. Pour les contraintes en probabilité qui peuvent se réécrire à l’aide d’une Copule, nous donnons de nouveau résultats de convexité pour l’ensemble admissibles. Ces résultats requirent la concavité généralisée de la Copule, les distributions marginales sous-jacents et du système d’incertitude. Il est suffisant que ces propriétés de concavité généralisée tiennent sur un ensemble spécifique. / In optimization problems involving uncertainty, probabilistic constraints are an important tool for defining safety of decisions. In Energy management, many optimization problems have some underlying uncertainty. In particular this is the case of unit commitment problems. In this Thesis, we will investigate probabilistic constraints from a theoretical, algorithmic and applicative point of view. We provide new insights on differentiability of probabilistic constraints and on convexity results of feasible sets. New variants of bundle methods, both of proximal and level type, specially tailored for convex optimization under probabilistic constraints, are given and convergence shown. Both methods explicitly deal with evaluation errors in both the gradient and value of the probabilistic constraint. We also look at two applications from energy management: cascaded reservoir management with uncertainty on inflows and unit commitment with uncertainty on customer load. In both applications uncertainty is dealt with through the use of probabilistic constraints. The presented numerical results seem to indicate the feasibility of solving an optimization problem with a joint probabilistic constraint on a system having up to 200 constraints. This is roughly the order of magnitude needed in the applications. The differentiability results involve probabilistic constraints on uncertain linear and nonlinear inequality systems. In the latter case a convexity structure in the underlying uncertainty vector is required. The uncertainty vector is assumed to have a multivariate Gaussian or Student law. The provided gradient formulae allow for efficient numerical sampling schemes. For probabilistic constraints that can be rewritten through the use of Copulae, we provide new insights on convexity of the feasible set. These results require a generalized concavity structure of the Copulae, the marginal distribution functions of the underlying random vector and of the underlying inequality system. These generalized concavity properties may hold only on specific sets.

Un problème auquel sont confrontés de nombreux réseaux de distribution, en particulier dans la vente de détail, est celui du choix entre une installation locale de stockage de produits ou une installation commune pour tous les centres du réseau. Le stockage commun permet des économies d’échelle. En revanche, il peut occasionner des coûts de transport importants. Quant au stockage local, il est coûteux du point de vue de l’investissement mais bon marché en utilisation. Pour profiter des avantages des deux techniques tout en limitant leurs inconvénients, on envisage l’installation de stocks locaux pouvant aussi être utilisés par les autres entreprises. Dans ce cas, le problème qui se pose alors est double. Il s’agit d’une part pour chaque entreprise, de déterminer sa propre quantité à commander, en fonction de la demande estimée à chaque point de vente. Il s’agit d’autre part d’organiser les échanges de produits entre les entreprises en fonction des demandes locales réelles. Les travaux de recherche présentés dans ce mémoire de thèse proposent des mécanismes de coordination qui agissent d’une façon collective et non plus d’une façon individuelle, pour améliorer à la fois le rendement au niveau de chaque centre de distribution et la satisfaction des clients.. Notre principal défi dans cette thèse est de proposer une approche analytique innovante issue de la théorie des jeux pour traiter des problèmes de gestion de stock visant à réduire globalement les stocks dans les réseaux de distribution toute en garantissant un bon niveau de service. / A problem facing many distribution networks, especially in retail, is the choice between a local product storage facility or a shared installation for all network centers. The common storage enables economies of scale. However, may cause significant transport costs. As for local storage, it is costly in terms of investment but cheap in use. To enjoy the benefits of both techniques while minimizing their drawbacks, it is envisaged the installation of local stocks can also be used by other companies. In this case, the problem that then arises is twofold. This is one for each company to determine its own order quantity, depending on the demand estimated at each point of sale. It is secondly to organize the exchange of products between companies based on actual local demands. The research presented in this thesis propose coordination mechanisms that act in a collective manner and not in an individual manner, to improve both the yield at each distribution center and customer satisfaction .. Our main challenge in this thesis is to propose an innovative analytical approach end of game theory to address inventory management problems to reduce overall inventory in the distribution networks throughout ensuring a good level of service.