Planification tactique-opérationnelle des chaînes d'approvisionnement durables en boucle fermée (logistique inverse)

Résumé

La dégradation des ressources naturelles et la pollution de l’environnement obligent les entreprises à se préoccuper des impacts néfastes que peuvent causer leurs activités sur l’environnement. Cette nouvelle façon de penser est essentielle pour atteindre un succès durable des chaînes d’approvisionnement. Par conséquent, étudier le cycle de vie des produits fabriqués peut aider les entreprises à avancer économiquement, puisque beaucoup de ces produits usagés peuvent être recyclés. Les gestionnaires se sont donc penchés sur la planification des chaînes d’approvisionnement durable en boucle fermée. Celle-ci permet de gérer conjointement le flux direct et le flux inverse des réseaux logistiques de façon à rentabiliser les produits en fin de vie. Ce faisant, les entreprises peuvent générer des profits sans causer des dommages à leur entourage et ainsi perdurer dans le temps. C’est dans cette logique que s’inscrit ce travail de recherche, visant plus particulièrement l’optimisation conjointe de la production de nouveaux produits et du recyclage des produits usagés. Dans ce travail, nous avons effectué une étude récente de la littérature dans le but d’analyser les différents modèles d’optimisation présentés par les chercheurs et de proposer un modèle efficace. Après avoir fait une étude de la littérature, nous avons mis en place deux modèles mathématiques : un modèle permettant d’analyser les décisions tactiques d’une chaîne approvisionnement en boucle fermée et un modèle qui tient compte des décisions opérationnelles dans la même chaîne. Le raisonnement appliqué est décrit comme suit. Tout d’abord, il faut effectuer la résolution du premier modèle mathématique permettant d’établir le plan optimal d’approvisionnement et de production dans le cas où les usines étudiées ne sont pas soumises aux phénomènes aléatoires de pannes et de réparations et ainsi valider les résultats par des analyses de sensibilité. Ensuite, on doit procéder à la résolution du deuxième modèle mis en place lorsque les usines sont soumises à des phénomènes aléatoires de pannes et de réparations. La robustesse de ce modèle est aussi testée par une des analyses de sensibilité.

Date	15 oct. 2019
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Jean-Pierre Kenné (Directeur(-trice)) & Nathalie Bostel (Codirecteur(-trice))