Green Location Routing: Competitive Bi-objective Bi-level Model and Solution
Cet article propose un modèle de programmation linéaire mixte bi-objectif et bi-niveau compétitif pour les problèmes de localisation-itinéraires de installations vertes entre un fabricant et un distributeur, lequel est résolu à l'aide d'un nouvel algorithme d'optimisation par réaction chimique multi-objectif bi-niveau qui surpasse les métaheuristiques existantes lors des tests de référence.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Chaque fois qu'un colis voyage d'une usine à un pas de porte, une chaîne complexe de décisions détermine son parcours. Quelqu'un doit décider où construire les entrepôts qui stockent les marchandises, et quelqu'un d'autre doit décider quels camions transporteront ces marchandises vers les clients et dans quel ordre. Dans le monde réel, ces décisions sont rarement prises par une seule personne assise dans un bureau calme. Au contraire, elles sont souvent le résultat d'un bras de fer entre différentes entreprises. Une entreprise, généralement le fabricant, veut mettre en place des installations pour déplacer les marchandises efficacement. Une autre entreprise, le distributeur, veut ramasser ces marchandises et les livrer tout en réalisant un profit. Lorsque ces deux groupes agissent de manière indépendante, leurs choix peuvent s'entrechoquer, entraînant des coûts plus élevés et, de plus en plus, plus de pollution. Alors que le monde est aux prises avec le changement climatique, le secteur du transport fait l'objet d'un examen intense pour sa contribution aux émissions de gaz à effet de serre. Le défi de la logistique moderne n'est plus seulement de déplacer les choses aussi vite ou aussi peu cher que possible ; il s'agit de le faire tout en minimisant les dommages causés à l'atmosphère. Cela nécessite un équilibre délicat entre les objectifs économiques et la responsabilité environnementale, un équilibre qui devient encore plus difficile à trouver lorsque deux entreprises concurrentes sont impliquées.
Des chercheurs de l'Université de Kurdistan ont abordé cette tension spécifique en créant une nouvelle façon de modéliser ces interactions. Ils se sont concentrés sur un scénario où un fabricant agit comme le « leader » et un distributeur comme le « suiveur ». Le fabricant décide en premier, choisissant où ouvrir de nouveaux dépôts et quelle quantité de produits y envoyer. Une fois ces décisions prises, le distributeur examine les options disponibles et décide comment router ses véhicules pour servir les clients, visant à maximiser son propre profit tout en maintenant ses propres coûts et ses émissions à un niveau bas. Les chercheurs ont construit un cadre mathématique pour simuler ce processus en deux étapes, mais avec une nuance : ils ont traité les deux entreprises comme ayant deux objectifs à la fois. Le fabricant veut maintenir ses coûts fixes et son empreinte carbone bas, tandis que le distributeur veut maximander son profit et simultanément minimiser les émissions de ses camions. Ce double focus sur l'argent et l'environnement crée un puzzle complexe où l'amélioration d'un objectif nuit souvent à l'autre.
Pour résoudre ce puzzle, l'équipe a développé un nouvel algorithme informatique inspiré du fonctionnement des réactions chimiques. Dans la nature, les molécules entrent en collision, se brisent et se combinent pour former de nouvelles substances, cherchant constamment un état d'énergie plus faible et de plus grande stabilité. Les chercheurs ont traduit ce principe biologique en un outil numérique qu'ils appellent une optimisation par réaction chimique bi-niveau à objectifs multiples. Dans leur système, les solutions potentielles au problème logistique sont traitées comme des molécules. Ces molécules numériques interagissent entre elles, fusionnant, se divisant et changeant de propriétés pour explorer des millions de combinaisons possibles de lieux de dépôts et de itinéraires de camions. L'algorithme est conçu pour trouver les « points idéaux » où le fabricant et le distributeur peuvent atteindre leurs objectifs aussi bien que possible sans détruire les intérêts de l'autre. Il ne cherche pas seulement une réponse parfaite, mais plutôt une gamme d'options équilibrées qui présentent les meilleurs compromis entre coût et émissions de carbone.
L'équipe a testé sa nouvelle méthode contre deux autres techniques informatiques bien connues utilisées pour des problèmes similaires : un algorithme génétique qui imite l'évolution et une méthode de recherche appelée recherche tabou. Ils ont lancé des simulations utilisant diverses tailles de réseaux logistiques, allant de petites configurations avec quelques usines et clients à de grands systèmes complexes avec beaucoup plus d'unités. Les résultats ont montré que leur approche inspirée des réactions chimiques était nettement plus rapide que les autres. Lors de tests impliquant différents nombres de lieux et de véhicules, le nouvel algorithme a systématiquement trouvé des solutions de haute qualité en moins de temps. Par exemple, dans un test avec un réseau de taille modérée, la nouvelle méthode a trouvé une solution en un peu plus de deux dixièmes de seconde, tandis que les autres méthodes ont pris plus de temps. Plus important encore, les solutions trouvées n'étaient pas seulement rapides ; elles étaient efficaces. L'algorithme a réussi à identifier des itinéraires et des emplacements de dépôts qui maintenaient les coûts bas et les émissions faibles pour les deux entreprises, prouvant que le processus de décision en deux étapes pouvait être optimisé sans sacrifier un objectif pour l'autre.
Les chercheurs ont également examiné la sensibilité de leur modèle aux changements du monde réel. Ils ont ajusté des variables telles que le coût de transport des marchandises et l'impact environnemental de l'ouverture d'un nouveau dépôt pour voir comment le système réagirait. Ils ont constaté que l'algorithme restait robuste même lorsque ces coûts fluctuaient considérablement. Lorsque les coûts de transport augmentaient, le système ajustait naturellement les itinéraires et les choix de dépôts pour compenser, maintenant le plan global réalisable. Cela suggère que la méthode est assez flexible pour gérer la nature imprévisible de la logistique réelle, où les prix du carburant et les réglementations environnementales peuvent changer du jour au lendemain. L'étude confirme qu'en modélisant la relation entre un fabricant et un distributeur comme un jeu coopératif mais compétitif, il est possible de trouver des stratégies qui bénéficient à la fois aux deux parties et à la planète.
Bien que l'étude offre un nouvel outil puissant pour la planification, les auteurs précisent avec prudence ses limites. Leur modèle suppose que les deux entreprises partagent parfaitement les informations et agissent de manière mutuellement bénéfique, un scénario qui pourrait ne pas toujours se produire dans un marché impitial où une entreprise pourrait cacher ses coûts réels ou agir de manière agressive. Ils se sont également concentrés sur un seul distributeur, alors que les marchés réels comportent souvent plusieurs entreprises de livraison concurrentes. Malgré ces simplifications, ce travail offre une voie claire vers l'avenir. Il démontre que la nature complexe et hiérarchique des chaînes d'approvisionnement peut être comprise et optimisée à l'aide de méthodes de calcul avancées qui respectent à la fois le bilan financier et l'environnement. En traitant le réseau logistique comme un système vivant de parties en interaction, les chercheurs ont montré qu'il est possible de concevoir des chaînes d'approvisionnement qui sont non seulement efficaces, mais aussi durables, offrant un modèle pour un avenir plus vert dans le commerce mondial.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.