Vendor Managed Inventory (VMI) policy has been widely used in various supply chains due to the benefits such as lower inventory levels and costs of retailer, and less frequent stock outs. In this study, the benefits of VMI policy in a manufacturer-retailer setting are analyzed under three different scenarios (Traditional Decision Making, VMI agreement and Centralized Decision Making). A manufacturer that produces a particular product is considered and that product is sold to a retailer operating under known demand forecasts. Under Traditional Decision Making System, each party is responsible for its own costs. Under VMI, manufacturer controls the replenishment decisions of the retailer and solves a Constrained Two-Echelon Lot Sizing Problem with Backordering. Under Centralized Decision Making, manufacturer and retailer act like merged, the problem under consideration is Two-Echelon Single Item Lot Sizing with Backordering. Through an extensive numerical study, three different scenarios&rsquo / results are compared and the conditions beneficial under VMI are identified. Under VMI, a Lagrangean Relaxation algorithm is proposed to reduce solution time. In terms of computational effort, solution times of proposed algorithm and MIP model are compared.

La distribution de marchandises est un secteur en constant développement et constitue un facteur économique important. Par contre, dans les villes, il contribue notamment aux problèmes de congestion, pollution, bruit et d'autres dérangements à la population des villes. Pour faire face à ces problèmes, une nouvelle discipline est née à la fin du XXe siècle, la " City Logistics ", qui a comme objectifs principaux la réduction de la congestion, la pollution et le bruit occasionné par le transport de marchandises en ville. Dans les dernières années, plusieurs études et expériences se sont développées en toute l'Europe, mais pour l'instant une politique commune en matière de logistique urbaine n'a pas encore été proposée par l'Union Européenne. En Italie, seulement certaines villes de petite taille ont expérimenté des politiques de " city logistics " avec succès, mais sans un lien entre elles. Nous observons que ces expériences utilisent des centres urbains de distribution de marchandises, ce qui peut se traduire en un système de transport à deux ou plus niveaux. Plusieurs études en recherche opérationnelle ont traité des problématiques liées à des systèmes à niveaux multiples pour la distribution de marchandise. Néanmoins, l'optimisation des coûts de transport est en générale réalisé en considérant chaque niveau indépendant des autres, ou en approximant les coûts du transport dans certains niveaux pour simplifier. Un autre problème est le manque d'une unification de la terminologie utilisée dans ces études, qui difficulte la recherche bibliographique. Le but de cette recherche est, d'un coté, proposer des lignes guide d'accion en matière de planification de la distribution urbaine de marchandises, en unifiant certains termes, et d'un autre coté présenter une famille de problèmes d'optimisation de routes des véhicules qui considère les systèmes à niveaux multiples dans son ensemble et pas comme une somme de systèmes indépendants. Dans un premier temps, nous présentons les principales expériences de " city logistics " en Italie, ainsi que des lignes d'action dans la planification des systèmes de distribution urbaine des marchandises qui puissent devenir opérationnels et efficients. Ensuite nous présentons les principales problématiques et limites de l'optimisation de systèmes de transports à niveaux multiples, en unifiant les concepts et la notation. Nous proposons une nouvelle famille de problèmes d'optimisation de routes de véhicules pour des systèmes à niveaux multiples, en détaillant le cas basique : le problème de routes de véhicules à deux niveaux. Nous proposons des modèles mathématiques pour ce problème et des résultats numériques pour illustrer les avantages et les limites de la modélisation de ces systèmes.

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.

[pt] Apesar de existir na literatura modelos propostos para gestão de estoques, as premissas consideradas por tais modelos podem inviabilizar suas aplicações. Este trabalho propõe uma metodologia de programação estocástica para reposição e controle de estoques de produto único numa rede logística de duas camadas. O enfoque revisão periódica proposto pode considerar tanto atendimentos à demanda em atraso (backorders) como vendas perdidas (lost sales) sem restrição de pedidos pendentes. Além disso, a fim de alcançar um melhor nível de serviço para o cliente, é introduzida uma regra de rateio proporcional a quantidade faltante do item em estoque no centro de distribuição para atender simultaneamente a demanda de todos os varejistas, a qual é capaz de lidar com as alocações negativas da falta. A periodicidade e o nível alvo da posição dos estoques são determinados através de modelos de programação estocástica de dois estágios e de uma técnica baseada em simulação de Monte Carlo, conhecida como Sample Average Approximation, que levam em conta a natureza incerta dos níveis de demanda pelo item por meio da geração de conjuntos finitos de cenários. Os equivalentes determinísticos são apresentados como modelos de programação não-linear inteira mista e em seguida linearizados. Experimentos numéricos com a metodologia proposta para instâncias do problema geradas aleatoriamente demonstram seu potencial ao obter resultados com erros de aproximadamente 1 por cento. / [en] Although several methods for inventory management are proposed in the literature, the required assumptions can hinder their application in practice. This work proposes a methodology for stock replenishment in two-echelon logistic networks through stochastic programming, considering a single item, periodic review and uncertain demands. The proposed approach is flexible enough to consider backlogs and lost sales cases without limitations on the number of outstanding orders. Also, in order to achieve better customer service, we introduce a variable rationing rule for quantities of the item in short at the distribution center to meet simultaneously all the demands of the retailers, dealing with imbalances or negative allocations of quantities of the item in short. The optimal review periodicity and the target level for inventory position are determined through two-stage stochastic programming models and a Monte Carlo simulation based-technique, known as Sample Average Approximation, which takes into account the uncertain nature of the item demand levels through the generation of finite sets of scenarios. The deterministic equivalent models are presented as mixed-integer non-linear programming models, which are then linearized. Numerical experiments with the proposed approach for instances of the problem randomly generated shows its potential, as the errors of the obtained results are around 1 percent.

No description available.

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.