Soutenance mémoire
Transport Maritime
La révolution du transport maritime
L’objectif de toute compagnie maritime est de pouvoir répondre à la demande croissante de la clientèle dans le domaine du transport. En effet, le secteur du transport maritime qui est privilégié pour le commerce international, a lui-même connu plusieurs révolutions qui ont concouru à une réduction des coûts de ce mode de transport .
Première révolution: Cette révolution est caractérisée par l’apparition de la conteneurisation grâce à l’initiative de l’opérateur américain, Malcom Mc Lean, `a la fin des années 1950. Le transport des marchandises conteneurisé constitue une forme de standardisation dans le secteur maritime.
Les conteneurs constituent des unités standards qui peuvent ˆêtre chargés et déchargés plus rapidement. Aussi, leur stockage sur les porte-conteneurs est ´également plus facile pendant les périodes de transit.
Deuxième révolution: La deuxième révolution dans le transport maritime est celle du transport multimodal.
En effet, pour atteindre une destination, la marchandise transportée dans un conteneur, doit emprunter successivement plusieurs moyens de transport : navire, route, chemin de fer, etc.
Troisième r´evolution:
L’informatisation et l’automatisation représentent les caractéristiques majeures de cette troisième révolution, en permettant l’accélération de la circulation des documents nécessaires dans le transport maritime et la réduction des coûts traditionnellement associés.
Conteneurisation
Au début du 19ieme siècle, la recherche d’un système d’emballage standard et sécurisé pour les marchandises transportées par voie maritime constituait un souci des marchands, des chargeurs et des transporteurs.
En effet, d`es les années 1970, les armateurs maritimes ont cherché à limiter les délais d’escale des navires dont le but est de gagner du temps et satisfaire une clientèle de plus en plus exigeante sur la qualité du service.
Le transport conteneurisé représenté un outil avantageux et indispensable dans la chaine logistique des r´eseaux de production et de distribution `a une ´echelle mondiale. Le conteneur permet une livraison des marchandises porte `a porte, de l’entreprise (usine) au magasin de distribution (client). Les armateurs de lignes maritimes régulières qui exploitent les porte-conteneurs et gèrent les parcs de conteneurs, font des efforts d’organisation pour pouvoir optimiser le fonctionnement des réseaux de transport maritimes .
D’après les armateurs, le conteneur permet de réduire non seulement le temps de chargement et de déchargement, mais aussi, il constitue un moyen pour mieux protéger la marchandise pendant le temps de transit .
Logistique
Le terme logistique est d’origine militaire apparu aux environs du 19eme siècle. Il s’agissait de l’organisation du ravitaillement des militaires dans le but de conserver leurs capacités opérationnelles.La logistique est le moyen qui permet de réaliser les différentes tâches relatives à l’activité de l’entreprise, avec une prise en compte des conséquences de ces tâches sur la performance globale de l’entreprise. C’est une gestion efficace du flux physique et du flux d’informations d’une entreprise, dont le but est de livrer le produit souhait´e, dans les meilleurs d´elais, avec un bon prix pour satisfaire le client.Une chaîne logistique est représentée par l’ensemble des entreprises (maillons de la chaîne) interdépendantes qui se coordonnent pour la réalisation des activités (approvisionnement de matière première, production et distribution) et assurer la circulation des produits ou services a partir de leur conception jusqu’`a leur livraison aux clients
Optimisation dans le secteur de transport maritime
Le transport est considéré comme un maillon indispensable de la chaîne logistique, qui assure la liaison entre les différents intervenants, de l’approvisionnement `a la distribution (fournisseurs, usines, entrepôts, clients). Il mérite une attention particulière. En effet, le transport joue un rôle majeur dans la qualité du service offerte pour le client, puisqu’il est directement lié aux retards des livraisons, erreurs, pertes, casses, vols, etc…Aussi, le transport représente une partie extrêmement concrète dans le système de la logistique inverse, car il permet la circulation et l’´échange du flux physique entre les différentes entités du réseau. Les opérations de transport existent notamment dans le secteur de la collecte, de l’acheminement vers les centres de traitement des produits et de recyclage des d´echets, ou lors de la redistribution des produits vers les marchés secondaires .
Le transport maritime représente le moyen le plus utilisé pour transporter les marchandises sur des longues distances. En effet, de nombreuses recherches ont montré l’importance de l’optimisation dans le secteur de transport maritime, et plusieurs travaux peuvent être trouvés mais qui se préoccupaient de la logistique directe qui est facile à gérer par rapport à l’incertitude de la logistique inverse. Dans ce qui suit, nous allons survoler quelques études qui ont abordé le problème d’optimisation dans le secteur de transport maritime.En 2000, Crainic [27] a proposé une modélisation d’un réseau de transport maritime sous forme de graphe contenant des nœuds(sommets) reliés par des liens. En règle générale, les liens sont dirigés et représentés par des arcs dans le réseau. Certains des sommets représentent les origines de la demande de transport pour un ou plusieurs produits, et d’autres représentent les destinations de ce trafic. Les liens peuvent avoir diverses caractéristiques, comme la longueur, la capacité et le coût. En particulier, des coûts fixes peuvent être associés à certains ou à tous les liens, indiquant que d`es qu’un arc particulier a été choisi pour être utilisé, un coût fixe est attribué, au-delà du coût d’utilisation, qui est dans la plupart du temps liés au volume de trafic sur le lien. L’objectif est de sélectionner des liens dans un réseau, avec des capacités, afin de satisfaire la demande de transport des marchandises au plus bas coût possible.
En 2006, un travail de Jula, Chassiakos, et Ioannou [66] a été proposé. Ce dernier vise à trouver une meilleure correspondance entre l’offre et la demande dans le transport conteneurisé au niveau des ports de Los Angeles et Long Beach. Les auteurs ont proposé une modélisation mathématique qui minimise le nombre et le coût des mouvements dynamiques (stockage, chargement,déchargement) des conteneurs vides, où ils ont supposé que les conteneurs appartiennent à une seule classe de conteneurs et que les demandes sont connues à l’avance. Un
cas d’étude de la solution proposée a été appliqué sur les ports cités précédemment.
En 2007, Shintani, Imai, Nishimura, et Papadimitriou [111] ont proposé une solution pour le problème de routage des navires portes conteneurs sur le réseau de transport maritime.
Une solution avec les algorithmes génétiques a été proposée pour permettre `a la compagnie de définir l’ordre d’escale des navires au niveau des ports choisis. Ensuite ils ont proposé une modélisation mathématique qui maximise le gain concernant les voyages des navires en exploitant l’espace vide sur les navires d´éployés pour le retour des conteneurs vides.
Un autre travail de Chang, Jula, Chassiakos, et Ioannou [22] a été proposé en 2008 et qui se préoccupait du problème de repositionnement des conteneurs vides.
Métaheuristiques à base de population de solution
Ces méthodes sont basées sur la notion de population. Elles s’appliquent sur un ensemble de solutions afin d’en extraire la meilleure qui représente l’optimum global et la solution du problème traité. L’idée d’utiliser un ensemble de solutions au lieu d’une seule solution renforce la diversité de la recherche et augmente la possibilité d’émergence de solutions de bonne qualité. Les algorithmes évolutionnaires, les algorithmes génétiques ou encore les algorithmes de colonies de fourmis sont des exemples de métaheuristiques à base de population de solutions.
Algorithmes évolutionnistes : Les méthodes ´évolutionnistes reposent sur une analogie avec la théorie de l’évolution naturelle. Précisément, la théorie de l’´évolution exposée par [29], qui se base sur le principe de la sélection naturelle, selon laquelle, les individus les mieux adaptés à leur environnement survivent et peuvent se reproduire pour donner des enfants encore mieux adaptés de génération en génération. Contrairement aux techniques d’optimisation qui explorent l’espace à partir d’un point unique, les méthodes évolutionnistes commencent à partir d’un ensemble de configurations initiales, c’est-à-dire d’une population d’individus, et la font évoluer à partir d’opérateurs à transition aléatoire, la sélection et l’´évolution. En effet, la combinaison des caractéristiques des individus peut former au fil des générations de nouveaux individus beaucoup plus adaptés à leur environnement et qui peuvent avoir plus de chances de survivre que leurs parents. Les algorithmes évolutionnistes forment une classe principale de trois sous classes d’algorithmes : les stratégies d’évolution, la programmation ´évolutionnaire et les algorithmes génétiques.
Algorithme génétique : L’algorithme génétique représente une célèbre métaheuristique ´évolutionnaire. Il a été proposé par Jhon Holland en 1975 [62] en s’inspirant des mécanismes biologiques tels que les lois de Mendel [29]. Cet algorithme imite le processus des êtres vivants dans leur évolution. De ce fait, l’algorithme génétique utilise le même vocabulaire que la biologie et la génétique classique, tels que : gène, chromosome, individu, population et génération.
◦ Un gène : est un ensemble de symboles représentant la valeur d’une variable. Dans la plupart des cas, un gène est représenté par un seul symbole.
◦ Un chromosome : est un ensemble de gènes, présentés dans un ordre donné d’une manière qui prend en considération les contraintes du problème à traiter.
◦ Un individu : est composé d’un ou de plusieurs chromosomes. Il représente une solution possible au problème traité.
◦ Une population : est représentée par un ensemble d’individus (l’ensemble des solutions possibles pour un problème donné).
◦ Une génération : est une succession d’itérations suivant un ensemble d’opérations pour pouvoir passer d’une population `a une autre.
Grâce à des opérations d’´évaluation, de sélection, de reproduction (croisement et mutation) et de remplacement, la population initiale comportant un ensemble d’individus va évoluer pendant un ensemble de génération (itérations) jusqu’`a ce le critère d’arrêt soit vérifié.
Algorithme de colonies de fourmis : L’algorithme de colonies de fourmis est l’un des algorithmes basés sur l’intelligence par essaim qui forment une branche d’algorithmes inspirés des phénomènes naturels. Ces algorithmes imitent le comportement collectif de certaines espèces dont le but de développer des métaheuristiques permettant la résolution de différents problèmes d’optimisation .
L’algorithme de colonies de fourmis a été introduit au début des années 90 par Maniezzo dans Les chercheurs se sont inspiré du comportement des fourmis lors de leur déplacement entre la fourmilière et la source de nourriture. Les fourmis sont des insectes qui travaillent par coopération pour le bien du groupe. L’objectif du comportement collectif des fourmis est de collecter la nourriture en parcourant le plus court chemin sans perdre le chemin de retour menant `a leur nid.
Au début de la recherche, les fourmis se propagent aléatoirement en prenant des chemins de diff-érentes tailles, sur ces chemins, les fourmis déposent une matière appelée ” Phéromone ” d’intensités égales. Afin d’attirer l’attention des autres fourmis. En retournant au nid, chaque fourmi dépose du phéromone un peu contenant un message concernant la qualité du site visité. Les fourmis ont tendance de suivre le chemin de la plus forte intensité de phéromone. En effet, plus le chemin est court, plus la quantité de phéromone déposée est élevée, et plus l’intensité de phéromone est grande, plus le nombre de fourmis passant par ce chemin augmente. Par conséquent, le chemin le plus long sera écarté car l’intensité de phéromone est petite et s’´évapore rapidement.
|
Table des matières
Introduction générale
1 Transport et conteneurisation
1.1 Introduction
1.2 Choix du moyen de transport
1.3 Transport Terrestre
1.3.1 Transport Routier
1.3.2 Transport Ferroviaire
1.4 Transport Aérien
1.5 Transport Maritime
1.5.1 La révolution du transport maritime
1.5.2 Les intervenants du transport maritime
1.5.3 La tarification de transport sur une ligne maritime
1.5.4 Le transport maritime de marchandises
1.5.5 Les types de navires
1.6 Conteneurisation
1.6.1 Naissance du conteneur et sa révolution
1.6.2 Principe de la standardisation
1.6.3 Structure physique d’un terminal maritime `a conteneurs
1.6.4 Modes d’expédition des conteneurs
1.6.5 Processus de chargement / déchargement des conteneurs
1.6.6 Avantages et inconvénients de la conteneurisation
1.7 Conclusion
2 Logistique inverse dans le transport maritime conteneurisé
2.1 Introduction
2.2 Logistique
2.3 Logistique inverse
2.4 Optimisation dans le secteur de transport maritime
2.5 Synthèse
2.6 méthodes d’optimisation
2.6.1 Classification des méthodes d’optimisation
2.7 Conclusion
3 Systèmes d’Aide à la décision
3.1 Introduction
3.2 L’aide à la décision
3.2.1 La décision
3.2.2 Les différents types de décisions
3.2.3 Le processus de la décision
3.3 Les Systèmes d’Aide A la décision (SAD)
3.3.1 Les Systèmes Interactifs d’Aide A la décision (SIAD)
3.3.2 Modèles de l’opérateur humain et du système homme machine
3.3.3 Approches structurelles de la coopération homme-machine
3.4 Classification des Systèmes d’Aide à la décision
3.4.1 Classification au niveau utilisateur
3.4.2 Classification au niveau conceptuel
3.4.3 Classification au niveau système
3.4.4 Classification au niveau connaissance
3.5 Conclusion
4 Contribution
4.1 Introduction
4.2 Conduite et supervision des systèmes complexes : Cas d’un problème de retour des conteneurs vide
4.3 Interaction de l’armateur pour la gestion des conteneurs / demandes clients
4.3.1 Tâche et activité de l’armateur maritime
4.3.2 Gestion des demandes clients en exploitation normale
4.3.3 Gestion des demandes clients en cas de perturbations
4.3.4 Retour à la normale
4.4 Modèle comportemental de l’armateur
4.5 Modèle décisionnel adopté pour l’armateur
4.6 Classification du système d´décisionnel proposé
4.7 Modélisation UML du système d´décisionnel proposé
4.8 Présentation de l’´état initial du système modélisé
4.9 Processus de traitement des demandes clients
4.10 Approche 1 : Recherche Tabou (RT)
4.10.1 Présentation de la m´méthode RT
4.10.2 Fonctionnement de l’algorithme RT pour la recherche des conteneurs vides
4.10.3 Synthèse
4.11 Approche 2 : Algorithme Génétique (AG)
4.11.1 Présentation de l’AG
4.11.2 Fonctionnement de l’AG appliqué à la recherche des conteneurs vides
4.11.3 Synthèse .
4.12 Approche 3 : Branch & Bound (B&B)
4.12.1 Présentation de B&B
4.12.2 Convergence de B&B
4.12.3 Fonctionnement de B&B pour le retour des conteneurs vides
4.12.4 Synthèse
4.13 Conclusion
5 Etude de cas
5.1 Introduction
5.2 Etude de cas : Recherche Tabou
5.2.1 Architecture fonctionnelle du système associé à la RT
5.2.2 Scénario d’exécution de la RT
5.3 Etude de cas : Algorithmes Génétiques
5.3.1 Architecture fonctionnelle du système associée à l’AG
5.3.2 Scénario d’exécution de l’AG
5.4 Etude de cas : Branch & Bound
5.4.1 Architecture fonctionnelle du système associée a B&B
5.4.2 Scénario d’exécution de B&B
5.5 Etude comparative
5.6 Conclusion
Conclusion générale & perspectives
Télécharger le rapport complet
