ROADEF 2026>
Optimisation pour l'ordonnancement de rendez-vous dans les terminaux portuaires
Christian Zhuang  1@  , Eric Sanlaville  1@  , Christophe Duhamel  1@  , Sophie Michel  2@  
1 : Normandie Université, UNIHAVRE, UNIROUEN, INSA ROUEN, LITIS, Le Havre
Université Le Havre Normandie, Université Le Havre Normandie
2 : Laboratoire de Mathématiques Appliquées du Havre
Université Le Havre Normandie

Nous traitons de la gestion de plusieurs flottes de camions pour des livraisons de conte- neurs d'importation ou d'exportation d'un port régulé par un système de prise de rendez-vous. L'entrée d'un terminal portuaire est un point de congestion impactant significativement les performances des chaînes logistiques. Pour réguler ce flux, les systèmes de prise de rendez- vous pour camions (TAS) imposent aux transporteurs la réservation d'un créneau horaire pour chaque passage en terminal [1].

On considère un ensemble de terminaux avec des créneaux de rendez-vous sur un horizon H d'une journée. Associées à ces terminaux, on a des requêtes de livraison R constituant deux opérations successives : le ramassage puis la livraison. Chaque opération est constituée d'une localisation, d'une durée de traitement et d'une fenêtre de temps. Ces requêtes peuvent représenter soit une importation (chargement du conteneur au terminal), soit une exportation (livraison du conteneur au terminal). Pour effectuer les requêtes, on considère plusieurs flottes de camions F avec chacune ses coûts associés (transport, retards, affectation des créneaux horaires) et son dépôt (lieu de départ et retour des camions). Chaque flotte de camions ne prend en charge qu'un sous-ensemble de requêtes R⊆ R.

Le problème consiste à effectuer toutes les requêtes en minimisant les coûts opérationnels composés des coûts de transport, des pénalités de retards et des préférences sur les créneaux horaires. Le problème du TAS implique ainsi 2 niveaux de décision : l'affectation d'un créneau pour chaque requête et la construction des itinéraires des camions [2].

2 Approche en 2 phases

Nous proposons une résolution approchée du problème en 3 phases. La première phase consiste à choisir l'affectation d'un créneau pour chaque requête. Ensuite, la phase 2 construit un ensemble d'itinéraires de manière à assurer un transport compatible avec les contraintes et les créneaux définis. Finalement, la phase 3 reprend les itinéraires construits lors de la phase 2 en recalculant les affectations de créneaux.

Dans la phase 1, plusieurs solutions d'affectation de créneaux sont générées. La génération se fait par un programme linéaire maximisant la somme des préférences sur les horaires en respectant les contraintes de capacité sur le terminal portuaire. Afin d'obtenir des affectations variées, un bruit est ajouté aux préférences.

Pour chaque solution d'affectations, on applique un Branch-and-Price où une colonne repré- sente une route d'un camion. La génération de colonnes repose sur résolution du plus court chemin élémentaire avec contraintes de ressources (ERCSP) [3, 4]. Le Branch-and-Price mi- nimise les coûts de transports et les pénalités d'attente des camions tout en respectant les affectations de la solution.

Finalement, on a phase de post-optimisation consistant en la résolution d'un programme linéaire en nombres entiers avec toutes les colonnes générées à la phase 2. On réintègre les contraintes d'affectation en générant pour chaque route des colonnes, qui sont les affectations de créneaux dans la tournée.

Le modèle montre des bonnes performances sur des petites instances de 10 requêtes issues du port de Kingston en Jamaïque, mais montre ses limites en temps de calcul sur les instances de moyenne taille (20 requêtes). Le temps de calcul de la résolution du sous-problème représente une partie importante du temps de calcul total. Une perspective d'amélioration est d'accélérer la génération de colonnes en s'inspirant des travaux dans [5]. Finalement, une meilleure intégration des contraintes d'affectation dans le modèle de génération de colonnes est également envisagée pour obtenir de meilleures solutions.

References

[1] Frederik Schulte et al. “Reducing port-related empty truck emissions: A mathematical approach for truck appointments with collaboration”. In: Transportation Research Part E: Logistics and Transportation Review 105 (2017), pp. 195–212. issn: 1366-

[2] Rajeev Namboothiri and Alan L. Erera. “Planning local container drayage operations given a port access appointment system”. In: Transportation Research Part E: Logistics and Transportation Review 44.2 (2008), pp. 185–202. issn: 1366-5545.

[3] Dominique Feillet et al. “An exact algorithm for the elementary shortest path problem with resource constraints: Application to some vehicle routing problems”. In: Networks 44.3 (2004), pp. 216–229.

[4] Alain Chabrier. “Vehicle Routing Problem with elementary shortest path based column generation”. In: Computers & Operations Research 33.10 (2006), pp. 2972–2990. issn: 0305-0548.

[5] Giovanni Righini and Matteo Salani. “New dynamic programming algorithms for the re- source constrained elementary shortest path problem”. In: Networks 51.3 (2008), pp. 155– 170.


Chargement... Chargement...