Vous êtes sur la page 1sur 161

Logistique inverse et collecte des produits techniques en

fin de vie. Tournees de vehicules avec contraintes


Antoine Landrieu

To cite this version:


Antoine Landrieu. Logistique inverse et collecte des produits techniques en fin de vie. Tournees
de vehicules avec contraintes. Automatique / Robotique. Institut National Polytechnique de
Grenoble - INPG, 2001. Francais. <tel-00198400>

HAL Id: tel-00198400


https://tel.archives-ouvertes.fr/tel-00198400
Submitted on 17 Dec 2007

HAL is a multi-disciplinary open access Larchive ouverte pluridisciplinaire HAL, est


archive for the deposit and dissemination of sci- destinee au depot et `a la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publies ou non,
lished or not. The documents may come from emanant des etablissements denseignement et de
teaching and research institutions in France or recherche francais ou etrangers, des laboratoires
abroad, or from public or private research centers. publics ou prives.
Institut National Polytechnique de Grenoble

THSE
pour obtenir le grade de

DOCTEUR DE LI.N.P.G.
Discipline : Automatique et Productique

prsente et soutenue publiquement

par

Antoine LANDRIEU
le 21 septembre 2001

Logistique inverse et collecte des


produits techniques en fin de vie
Tournes de vhicules avec contraintes

Directeurs de thse : M. Zdenek BINDER


M. Bernard DESCOTES-GENON

JURY
M. Pierre LADET Prsident
M. Gilles CORMIER Rapporteur
M. Alain GUINET Rapporteur
M. Gerd FINKE Examinateur
M. Rommert DEKKER Examinateur
M. Bernard DESCOTES-GENON Directeur de thse
M. Zdenek BINDER Directeur de thse

Thse prpare au Laboratoire dAutomatique de Grenoble


A Kiara

A Florence

A toute ma famille

3
Remerciements

Le travail de recherche qui est prsent dans ce mmoire a pu voir le jour grce au sujet initial
propos par Messieurs Z. Binder, Ingnieur de Recherche CNRS, et B. Descotes-Genon,
Professeur lUniversit Joseph Fourier de Grenoble, sujet qui sintgrait dans la problmatique
gnrale du recyclage des produits techniques encombrants tudie au sein du projet RESTER
PROPRE de la rgion Rhne-Alpes.

Je garderai un souvenir imprissable des quelques annes passes ctoyer Monsieur Z. Binder et
travailler avec lui. Je resterai toujours admiratif devant sa pugnacit et sa volont datteindre les
objectifs quil sest fixs, ainsi que pour sa remise en cause perptuelle du travail dj ralis afin
de faire toujours mieux. Je ne peux dailleurs pas mempcher de sourire en imaginant
lexpression de soulagement exprime par ceux qui ont travaill avec lui au sein du laboratoire.
Pourtant, son foisonnement dides, ses talents dorateur, sa gentillesse en toute occasion, en font
mes yeux un personnage plus quattachant, auprs de qui jai normment appris.

Je tiens galement exprimer toute ma reconnaissance et ma sympathie Monsieur B. Descotes-


Genon, pour son soutien et son attention durant toute la prparation de cette thse. Malgr ses
nombreuses activits professionnelles, il a toujours su consacrer le temps ncessaire au dblocage
des situations qui lexigeaient. Il a de plus cette qualit rare du contact humain chaleureux et
sincre qui rendent les rapports professionnels agrables. Je noublierai notamment pas son aide
prcieuse au moment o ma bourse de thse sest arrte et o jai du me mettre en qute dun
emploi.

Je suis extrmement honor de compter Monsieur P. Ladet, Professeur lInstitut National


Polytechnique de Grenoble, parmi les membres du jury de cette thse, et pour avoir accept den
tre le prsident.

Toute ma gratitude sadresse Messieurs G. Cormier, Professeur lUniversit de Moncton


(Canada) et A. Guinet, Professeur lInstitut National des Sciences Appliques de Lyon,
rapporteurs, pour leur intrt port ce travail et pour leurs remarques constructives et
enrichissantes qui ont permis dobtenir cette version finale du manuscrit.

Enfin, Messieurs R. Dekker, Professeur lUniversit Erasmus de Rotterdam (Pays-Bas) et


G. Finke, Professeur lUniversit Joseph Fourier de Grenoble, mritent mon entire
reconnaissance pour leur prsence parmi les membres du jury en tant quexaminateurs, ainsi que
pour ltude approfondie du manuscrit afin den extraire la quintessence.

Jai une pense particulire pour toute lquipe du secrtariat du laboratoire, qui effectue au
quotidien le labeur qui permet tous de travailler dans les meilleures conditions possibles :
grosses bises Florence, Marie-Th, Marie-Rose, Isabelle, Marielle, Marie-France et Linda.

5
Je ne saurais oublier dans ces remerciements les moments innarrables passs en compagnie des
membres de lquipe CSP et du LAG : les extravagances et la tchatche de Naoufel, avec qui ont
t imagins pendant plus dun an les projets les plus fous dune caftria du laboratoire enfin
sre, sans succs bien entendu, Amal et Stefan, la fine quipe du bureau B146, la vire Cannes
avec Moez et Florence qui sest termine dans un camping deux heures du matin o nous nous
sommes finalement endormis transis de froid, les cours de rock de Chadi en compagnie de
Fouzia, les pripties de Dsire avec sa mchante propritaire, qui nous ont tout de mme valu
une interpellation au poste de police pour tapage nocturne, les discussions enrichissantes et
pleines de vie de Fatah, Didier, Ahmad et Assia, les sorties ski avec Christian, Mourhad (attention
au vertige !) et Tibi ( Comment a va Tibi ? - Ca va toujours ! ), sont autant de tranches de vie et
de bons souvenirs qui resteront gravs dans ma mmoire.

Je tiens galement rendre hommage toute ma famille, et plus particulirement mes parents,
qui mont accord tout au long de mon sjour au LAG une entire attention. Cette thse leur est
entirement ddie. Mes penses les plus profondes s'adressent aussi ma sur Suzanne, ainsi
qu' mes frres Franois et Victor.

Mais par dessus tout, mon passage au LAG restera marqu par ma rencontre avec Florence, muse
magnifique et mystrieuse qui ma fait dcouvrir lamour, et qui ma donn le plus beau des
cadeaux quil puisse tre possible dimaginer, ce petit tre adorable prnomm Kiara. Ensemble,
nous nous savons tre prts affronter lavenir en toute srnit. Je me dois de les remercier du
plus profond de mon cur pour leur soutien, leur attention et leur silence durant toute la priode
de finalisation de la thse (qui fut longue !), car il est bien connu que le thsard en cours de
rdaction est tout sauf facile vivre. Cest grce elles que linspiration mest venue et que ce
travail de recherche a pu tre men son terme, et cest pourquoi je nai aucune crainte ni aucun
regret de mter de tous les mrites quant la ralisation de ce mmoire pour les leur attribuer.

Enfin, je dsirerais manifester, en toute honntet et sans aucun parti pris, mon soutien toutes
celles et ceux qui subissent linjustice, le mpris et lindiffrence dans leur vie professionnelle, et
qui nont ni le mrite ni la reconnaissance esprs au regard de critres uniquement objectifs.

6
Table des matires

Table des matires ............................................................................................ 7


Sigles et notations ............................................................................................11
Chapitre 1 Introduction gnrale...................................................................13
1.1 Gestion intgrale de la chane .................................................................................................. 13
1.1.1 Le cycle de vie du produit ................................................................................................... 14
1.1.2 Estimation du cycle de vie du produit............................................................................... 15
1.1.3 Implmentation de lICM.................................................................................................... 15
1.1.3.1 La lgislation sur lenvironnement .......................................................................... 15
1.1.3.2 Les lois du march..................................................................................................... 16
1.1.4 Rsum................................................................................................................................... 17
1.2 Organisation de la rcupration des produits........................................................................ 17
1.2.1 Technologie........................................................................................................................... 18
1.2.2 Finance................................................................................................................................... 19
1.2.3 Marketing............................................................................................................................... 19
1.2.4 Information ........................................................................................................................... 20
1.2.5 Organisation.......................................................................................................................... 20
1.2.6 Logistique inverse................................................................................................................. 21
1.2.6.1 Niveau tactique .......................................................................................................... 22
1.2.6.2 Niveau oprationnel .................................................................................................. 23
1.2.7 Rsum................................................................................................................................... 24
1.3 Les stratgies de rcupration .................................................................................................. 25
1.3.1 Options de rcupration...................................................................................................... 25
1.3.1.1 Rparation................................................................................................................... 25
1.3.1.2 Remise neuf ............................................................................................................. 25
1.3.1.3 Re-production ............................................................................................................ 26
1.3.1.4 Cannibalisation........................................................................................................... 26
1.3.1.5 Recyclage..................................................................................................................... 26
1.3.2 Le dsassemblage et la collecte........................................................................................... 27
1.4 Plan de recherche....................................................................................................................... 28
1.4.1 Ce que nous voulons faire .............................................................................................. 28
1.4.2 Et comment nous allons y arriver ................................................................................ 29
1.5 Conclusions ................................................................................................................................ 30

7
1.5.1 Ce quil faut retenir............................................................................................................... 30
1.5.2 Ce qui va suivre..................................................................................................................... 31
Chapitre 2 La collecte.................................................................................... 33
2.1 Introduction................................................................................................................................ 33
2.1.1 Le cadre lgislatif .................................................................................................................. 33
2.1.2 Les dchets ............................................................................................................................ 34
2.1.3 Les enjeux .............................................................................................................................. 35
2.2 Les systmes de collecte existants ........................................................................................... 36
2.2.1 La collecte des ordures mnagres..................................................................................... 37
2.2.1.1 Vers la collecte slective ........................................................................................... 37
2.2.1.2 Les diffrents modes de tri et de collecte slective............................................... 38
2.2.2 La collecte des dchets industriels banals et spciaux..................................................... 39
2.2.3 valuation de performances ............................................................................................... 40
2.2.3.1 Mesures de performance .......................................................................................... 40
2.2.3.2 Proprits des systmes de collecte......................................................................... 41
2.2.3.3 Relations entre proprits et performances des systmes de collecte................ 42
2.2.4 Conclusion............................................................................................................................. 44
2.3 La collecte des produits lectriques et lectroniques des mnages..................................... 44
2.3.1 tat des lieux......................................................................................................................... 45
2.3.1.1 Caractrisation des produits..................................................................................... 45
2.3.1.2 Quantification du gisement des produits (Rgion Rhne-Alpes)....................... 46
2.3.2 Objectifs de la collecte......................................................................................................... 47
2.3.2.1 Le contrle et la conduite des flux de produits..................................................... 47
2.3.2.2 Le filtre des dchets................................................................................................... 47
2.3.2.3 Laugmentation du volume des dchets ................................................................. 47
2.3.2.4 La minimisation des cots........................................................................................ 48
2.3.2.5 La conservation de ltat des produits .................................................................... 48
2.3.2.6 Le pr-diagnostic des produits................................................................................. 48
2.3.2.7 La performance du service client ............................................................................ 48
2.3.2.8 Rsum des objectifs................................................................................................. 49
2.3.3 Spcificits de la collecte ..................................................................................................... 49
2.3.3.1 Un potentiel de revalorisation unitaire lev ......................................................... 49
2.3.3.2 Des caractristiques physiques uniques.................................................................. 49
2.3.3.3 Une frquence de retour unitaire faible.................................................................. 50
2.3.3.4 Une accessibilit des produits complexe ................................................................ 50
2.3.3.5 Rsum des spcificits............................................................................................. 50
2.3.4 Les diffrents modes de collecte ........................................................................................ 50
2.3.4.1 La collecte par apport volontaire............................................................................. 51
2.3.4.2 La collecte par enlvement....................................................................................... 52
2.4 Discussion................................................................................................................................... 53
2.5 Planification oprationnelle de la collecte .............................................................................. 55
2.6 Conclusions ................................................................................................................................ 56
2.6.1 Ce quil faut retenir............................................................................................................... 56
2.6.2 Ce qui va suivre..................................................................................................................... 56
Chapitre 3 Planification oprationnelle pour un vhicule............................ 57
3.1 Introduction................................................................................................................................ 57
3.2 Prsentation du problme ........................................................................................................ 57
3.2.1 Exemple ................................................................................................................................. 59
3.3 Modlisation ............................................................................................................................... 60
3.3.1 Notations ............................................................................................................................... 61

8
3.3.2 Variables................................................................................................................................. 61
3.3.3 Fonction objectif .................................................................................................................. 62
3.3.4 Modle.................................................................................................................................... 62
3.4 Mthodes de rsolution ............................................................................................................ 63
3.4.1 Les mthodes exactes........................................................................................................... 64
3.4.2 Les mthodes approches ................................................................................................... 64
3.4.3 Tableau chronologique ........................................................................................................ 65
3.4.4 Constat ................................................................................................................................... 66
3.5 Mta heuristiques : comparatif................................................................................................. 66
3.5.1 Recuit simul ......................................................................................................................... 66
3.5.2 Algorithmes gntiques ....................................................................................................... 67
3.5.3 Rseaux de neurones............................................................................................................ 67
3.5.4 Recherche tabou ................................................................................................................... 67
3.5.5 Comparatif............................................................................................................................. 68
3.6 La recherche tabou .................................................................................................................... 69
3.6.1 Prsentation gnrale ........................................................................................................... 69
3.6.2 Structures de mmoire......................................................................................................... 69
3.6.3 Algorithme de descente ....................................................................................................... 70
3.6.4 Principe de la recherche tabou ........................................................................................... 70
3.7 La recherche tabou : mise en uvre ....................................................................................... 72
3.7.1 Initialisation........................................................................................................................... 72
3.7.2 Recherche tabou ................................................................................................................... 72
3.7.2.1 Structure du voisinage............................................................................................... 73
3.7.2.2 Restriction tabou........................................................................................................ 74
3.7.2.3 Structure de la liste tabou ......................................................................................... 74
3.7.2.4 Taille de la liste tabou (tenure)................................................................................. 75
3.7.2.5 Critre daspiration .................................................................................................... 76
3.7.2.6 Stratgie de diversification........................................................................................ 76
3.7.2.7 Critres darrt............................................................................................................ 77
3.8 Rsultats exprimentaux ........................................................................................................... 77
3.8.1 Instances (1-TSPTW)........................................................................................................... 77
3.8.2 Instances (1-PDPTW) ......................................................................................................... 78
3.8.3 Rsultats numriques ........................................................................................................... 78
3.8.3.1 Rsultats sur les instances (1-TSPTW) ................................................................... 79
3.8.3.2 Rsultats sur les instances (1-PDPTW) .................................................................. 80
3.8.4 Discussion ............................................................................................................................. 82
3.9 Conclusions ................................................................................................................................ 83
3.9.1 Ce quil faut retenir............................................................................................................... 83
3.9.2 Ce qui va suivre..................................................................................................................... 83
Chapitre 4 Planification oprationnelle pour plusieurs vhicules ............... 85
4.1 Introduction................................................................................................................................ 85
4.2 Prsentation du problme ........................................................................................................ 85
4.2.1 Exemple ................................................................................................................................. 86
4.3 Mthodes de rsolution ............................................................................................................ 87
4.3.1 Revue de la littrature .......................................................................................................... 87
4.3.2 Rcapitulatif........................................................................................................................... 89
4.3.3 Constat ................................................................................................................................... 90
4.4 Recherche tabou probabiliste................................................................................................... 91
4.5 Rsolution du (m-PDPTW) ..................................................................................................... 91
4.5.1 Optimisation locale .............................................................................................................. 92
4.5.2 Partition : construction de la solution initiale................................................................... 92

9
4.5.3 Optimisation inter routes .................................................................................................... 93
4.5.3.1 Recherche tabou probabiliste................................................................................... 94
4.5.3.2 Algorithme gnral .................................................................................................... 98
4.6 Heuristiques de comparaison................................................................................................... 99
4.6.1 Une heuristique dinsertion parallle ................................................................................. 99
4.6.2 Une heuristique de construction spatio-temporelle ...................................................... 101
4.6.3 Recherche tabou dterministe .......................................................................................... 101
4.7 Rsultats exprimentaux ......................................................................................................... 102
4.7.1 Instances (m-PDPTW) ...................................................................................................... 102
4.7.2 Rsultats numriques ......................................................................................................... 103
4.7.3 Discussion ........................................................................................................................... 108
4.8 Conclusions .............................................................................................................................. 109
4.8.1 Ce quil faut retenir............................................................................................................. 109
4.8.2 Ce qui va suivre................................................................................................................... 110
Chapitre 5 Aide la dcision ....................................................................... 111
5.1 Introduction.............................................................................................................................. 111
5.2 tude de cas : plate-forme de rparation et de dsassemblage......................................... 112
5.2.1 Une plate-forme de rparation et de dsassemblage..................................................... 112
5.2.2 Un rseau de plates-formes de rparation et de dsassemblage .................................. 113
5.3 Un langage de modlisation unifi : UML ........................................................................... 115
5.3.1 Modles et diagrammes ..................................................................................................... 115
5.4 Intgration du module de collecte......................................................................................... 116
5.4.1 Diagramme des cas dutilisation....................................................................................... 117
5.4.1.1 Structure physique et statique du rseau .............................................................. 117
5.4.1.2 Planification des transports .................................................................................... 119
5.4.2 Diagrammes des classes..................................................................................................... 120
5.4.2.1 Cration dune requte de transport ..................................................................... 120
5.4.2.2 Planification des transports .................................................................................... 121
5.4.2.3 Caractristiques des classes du modle................................................................. 122
5.4.3 Diagrammes dinteraction ................................................................................................. 127
5.4.3.1 Transport dune pice dtache pour la rparation dun produit usag .......... 127
5.4.3.2 Planification temps rel dune nouvelle requte de collecte.............................. 128
5.5 Conclusions .............................................................................................................................. 129
5.5.1 Ce quil faut retenir............................................................................................................. 129
5.5.2 Ce qui ne va pas suivre ...................................................................................................... 130
Conclusions et perspectives...........................................................................133
Conclusions ......................................................................................................................................... 133
Perspectives ......................................................................................................................................... 135
Bibliographie..................................................................................................137
Thses et ouvrages.............................................................................................................................. 137
Rapports et parties douvrage ........................................................................................................... 138
Confrences et revues........................................................................................................................ 140
Autres ................................................................................................................................................... 148
Publications de lauteur...................................................................................................................... 148
Annexes .................................................................................................... 151

10
Sigles et notations

DARP Dial a Rial Problem (problme de transport de personnes)

ICM Integral Chain Management (Gestion intgrale de la chane du produit)

LCA Life Cycle Assessment (Estimation du cycle de vie)

PDPTW Pickup and Delivery Problem with Time Windows

VRP Vehicle Routing Problem

UML Unified Modeling Language

n nombre de clients dont les requtes de transport sont satisfaire

m nombre de vhicules disponibles composant la flotte

ci,j cot du transport entre le sommet i et le sommet j

ti,j dure du transport entre le sommet i et le sommet j

pi temps de service au sommet i

[ei, li] fentre temporelle du sommet i, pendant laquelle les vhicules sont autoriss

charger ou dcharger

11
Chapitre 1 Introduction gnrale

1.1 Gestion intgrale de la chane

Au cours des dernires dcennies, notre socit de consommation a pu observer la forte


croissance de la production des dchets rejets par les industries et la population. Devant
labondance grandissante de ceux-ci, leur traitement visant une plante plus propre devient un
vrai problme de socit. Alors que jusqu prsent, nous nous contentions de les traiter
sommairement, en rcuprant de lnergie par incinration ou en les stockant tels quels dans les
dcharges publiques, il est dsormais de notre devoir de pallier ces dysfonctionnements et de
garantir aux gnrations futures que la socit que nous leur proposons sera responsable devant
les dchets quelle produit. Cest ainsi que ces dernires annes ont vu lapparition dune
problmatique mergente de recherche : le recyclage des dchets.

Un dchet peut prendre des formes diverses. Ce peut tre un dchet nuclaire, un dchet
organique, une ordure mnagre, un dchet issu des industries, un produit manufactur tel que
lautomobile, llectronique ou llectromnager En ce qui nous concerne, nous nous
intressons particulirement aux produits manufacturs complexes issus des mnages et arrivant
en fin de vie, tels que les produits blancs (machines laver, lave-linge, rfrigrateurs ) ou bruns
(fours, cuisinires, tlviseurs, ordinateurs ). Un produit technique arriv en fin de vie nest
plus destin tre utilis en ltat. Il prsente la fois une complexit interne intressante
tudier, et des composants de base, la plupart du temps htrognes dans leur fonction, leur
forme et leur matire, qui peuvent possder une forte potentialit de revalorisation, mais dont
certains peuvent tre nocifs pour lenvironnement. De multiples tudes leur propos tendent
dmontrer la possibilit de lexistence de marchs secondaires, conomiquement viables et bass
sur une manire intelligente de rcupration de tels produits : le dsassemblage ou dmontage.
Cependant, ces mmes tudes notent le faible volume actuel des produits usags en retour, et la
demande minime en produits ou pices dtaches revaloriss qui en rsultent. Ainsi, une
condition essentielle la cration des marchs secondaires repose sur la rationalisation globale du
processus de recyclage, et notamment du systme de collecte, gnrateur dune part importante
des cots globaux du recyclage.

Notre travail sinscrit donc dans cette logique de rentabilit conomique du recyclage des
produits manufacturs complexes, en nous focalisant principalement sur la collecte et le

13
Chapitre 1

ramassage, point dentre aux installations de traitement et de revalorisation des produits. Dans la
suite de ce chapitre, nous allons dans un premier temps donner un aperu gnral du concept de
gestion de la chane intgrale du produit, concept proche de celui du cycle de vie. Puis nous nous
attacherons dtailler les diffrentes composantes permettant dorganiser la rcupration des
produits, notamment la logistique inverse dans laquelle sintgre la collecte. Enfin, nous
tudierons les options de rcupration et de revalorisation existantes, avant de prsenter notre
mthodologie de recherche et notre plan de travail.

1.1.1 Le cycle de vie du produit


Avec lintroduction de la notion de recyclage, les producteurs se voient aujourdhui
responsabiliss par le devenir de leurs produits manufacturs, de lacquisition des matires
premires jusqu leur phase ultime de fin de vie. Ils en viennent alors tudier le cycle de vie
global de leurs produits, et les diffrentes tapes rencontres au cours de ce cycle. Le terme
gnralement rencontr pour dcrire cette tude se nomme gestion intgrale de la chane du
produit ( Integral Chain Management ICM) (Krikke, 1998)[16]. La gestion intgrale de la chane
est fortement lie au concept de cycle de vie.

Durant son cycle de vie, un produit traverse plusieurs phases, de la transformation des matires
premires jusqu son utilisation. La gestion intgrale de la chane du produit considre galement
les tapes succdant sa phase dutilisation, cest--dire sa mise au rebut, sa rcupration sous
diverses formes, et sa rutilisation. Lensemble des matires premires et des pices dtaches
constituant le produit sont donc prises en compte, et la possibilit de les rinjecter dans la chane
de production est tudie. Ainsi, la gestion intgrale du produit peut se dfinir comme fermant le
cycle des flux de matires dans la chane logistique du produit, tout ceci dans le but de rduire les
impacts nfastes dus la production manufacturire, comme les missions et les dchets
rsiduels.

Extraction

Boucle ferme Boucle ouverte


Production Production

Rcupration

Utilisation Utilisation

Mise au rebut Autres


finale

Figure 1.1 : Les flux de matire dans la gestion intgrale de la chane (ICM)

Il existe deux manires de raliser la gestion intgrale dun produit : par boucles ouvertes ou par
boucles fermes (Figure 1.1). Dans les boucles ouvertes, les flux de matires intgrent des chanes

14
Introduction gnrale

logistiques alternatives aprs la phase dutilisation du produit, alors que ces mmes flux
rintgrent la chane logistique du produit originel dans les boucles fermes. Cependant, en aucun
cas il nest possible que la totalit des flux soit rinjecte dans une quelconque chane logistique,
de part la prsence invitable des dchets.

1.1.2 Estimation du cycle de vie du produit


Une analyse fine de la gestion de la chane intgrale passe par lvaluation des impacts du produit
sur lenvironnement tout au long de son cycle de vie. Lune des techniques dvaluation les plus
prometteuses se nomme lestimation du cycle de vie des produits ( Life Cycle Assessment ), qui a
pour but destimer la charge environnementale dun produit, de ses procds ou de ses activits,
en identifiant et en quantifiant lnergie et les matires utilises et les dchets rejets dans
lenvironnement (Bloemhof-Ruwaard et al., 1995) [55]. Plusieurs raisons rendent cependant cette
estimation encore assez difficile raliser. Nous pouvons relever, entre autres, la diversit et la
complexit des tudes ncessaires cette valuation, ainsi que leurs cots relativement
consquents. De plus, il existe encore aujourdhui un manque criant de donnes pertinentes sur
lestimation cologique des produits, et le regroupement efficace de toutes ces donnes au sein
dun mme modle reste faire. Dune manire pratique, les outils destimation du cycle de vie
des produits peuvent tre employs pour ltablissement dun label vert , refltant le respect
cologique des produits vis--vis de lenvironnement.

Lestimation du cycle de vie des produits est hors des considrations premires de cette thse. Il ne sagit pas
ici de considrer le produit dans la globalit de son cycle de vie, de sa phase de conception jusqu celle de sa
rutilisation. Il est par contre envisageable terme de fournir des informations en retour sur la qualit
logistique du produit, en estimant sa transportabilit et sa maniabilit par exemple.

1.1.3 Implmentation de lICM


La gestion intgrale de la chane, bien quelle paraisse premire vue cologiquement attirante, ne
reprsente pas la motivation principale des producteurs dans la prise en compte du recyclage et
de la rutilisation des produits. Dans lconomie de march qui est la notre, limplmentation de
la gestion intgrale serait plutt guide par deux forces importantes : la lgislation
environnementale et les lois du march.

1.1.3.1 La lgislation sur lenvironnement


La prise en charge du respect de lenvironnement a pris une dimension europenne avec
lapparition de diverses politiques, menes par la Communaut Europenne et relayes par
chaque pays concern. Le but est de stimuler limplmentation de la gestion intgrale de la chane
logistique. Dans cette optique, les gouvernements peuvent faire appel une rgulation trs stricte
ou des mesures plus librales, mais toujours en prenant soin de laisser laspect oprationnel des
solutions aux industries. Les instruments lgislatifs dj existants prennent diffrentes formes
(Krikke, 1998) [16] : des contrats ou accords entre tats et entreprises, une lgislation prventive,
une politique de taxes et tarifs, des rgles de responsabilisation, la subsidiarit, linformation.
Parmi tous ces instruments, les trois premiers ont une importance particulire. Les contrats,
ngocis entre les entreprises et les gouvernements, ont t initialement introduits pour inviter les
entreprises mieux respecter lenvironnement, certaines jouant le jeu et simposant elles-mmes
certaines contraintes pour anticiper une lgislation future plus stricte. Dans certains pays, la
lgislation sur lenvironnement est dj assez dure envers les entreprises, et a dpass le stade de

15
Chapitre 1

lincitation. Ainsi, en Allemagne, une loi a t vote, obligeant les entreprises se responsabiliser
vis--vis du retour et de la rcupration de leurs produits aprs la phase dutilisation (Chevron,
1999) [5].

En tentant de dfinir les objectifs de la rcupration des produits, la gestion de la chane intgrale
peut se reprsenter par une chelle de rcupration, dont les chelons sont successivement :
la prvention quantitative des dchets ;
la prvention qualitative des dchets ;
la rutilisation des produits ;
la rutilisation des composants et des pices dtaches ;
le recyclage des matires premires ;
la rcupration de lnergie ;
lincinration ;
la mise en dcharge ou la mise en dpt des dchets rsiduels.

Bien que situ sur une chelle, lordre prsent ci-dessus ne constitue pas un ordre fig. Il est en
effet tout fait possible dintervertir certains chelons, si par exemple les processus de recyclage
des matires premires savrent nocifs pour lenvironnement, car consommateurs dnergie et
metteurs de dchets toxiques (voir par exemple les tubes cathodiques). De plus, un systme de
recyclage qui ne serait pas conomiquement viable semble avoir peu de chances de survivre. De
ce fait, des concessions du point de vue cologique de certaines options de rcupration seront
invitablement ncessaires. Nous nous dirigeons donc vers une approche globale flexible dans le
choix des options de recyclage et de gestion des dchets, qui seront dtailles plus bas.

Les options de rcupration des produits, fixes par les gouvernements, vont jouer un rle non ngligeable
dans notre travail. Les aspects lgislatifs des priorits de recyclage influent sur le rseau logistique du
recyclage des produits, dans lapplication des processus de rcupration, de rutilisation et de mise au rebut.
Dune manire gnrale, toutes les contraintes lgislatives imposes par les gouvernements sont pour nous
supposes connues et prises en compte.

1.1.3.2 Les lois du march


Les motivations commerciales qui peuvent pousser les producteurs rflchir sur le recyclage et
la rutilisation de leurs produits sont au nombre de deux (vanderMerwe and Oliff, 1991)[176]. La
premire consiste dire que la demande des consommateurs et des clients pour des produits plus
verts et plus respectueux de lenvironnement existe, et que cette demande risque de crotre
dans les annes venir. Le consommateur se dit en effet tre prt payer ses achats un prix plus
lev si ceux-ci offrent des garanties cologiques accrues. Deuximement, certaines entreprises
voient dj leurs produits leur revenir, lorsque celles-ci offrent leurs produits par location
(exemple des photocopieurs) ou dans le cadre des services de rparation. Pour faire face ce flux
de retour incontournable, la solution de recyclage permet la socit dobtenir des pices
dtaches moindre prix et de rentrer dans les normes environnementales. Cependant, linstar
de (Krikke, 1998) [16], nous pensons que les conditions actuelles du march ne sont pas suffisantes
pour, seules, forcer les entreprises entreprendre une dmarche de gestion intgrale de la chane
logistique de leurs produits. Elles viendraient en juxtaposition de la lgislation gouvernementale
sur lenvironnement, et pourraient par contre servir de stimulant pour limplmentation de lICM.

Les motivations commerciales ne sont donc pas ici considres comme essentielles dans la gestion intgrale
de la chane, mais plutt comme un argument supplmentaire vers limplmentation de lICM. La

16
Introduction gnrale

demande des consommateurs nest vue que comme une consquence des mesures gouvernementales sur
lenvironnement. La responsabilisation des entreprises vis--vis de leurs produits dcoule donc des
contraintes lgislatives : si lentreprise respecte les lois, alors lentreprise ira vers la satisfaction de la
demande des consommateurs. Enfin, nous voyons lICM comme le meilleur moyen dobtenir les meilleurs
rsultats conomiques et cologiques pour tous les membres de la chane logistique du produit.

1.1.4 Rsum
Nous venons de dresser dans ce premier paragraphe un rsum du concept de chane intgrale du
produit. Ce concept prsente une multitude daspects intressants, quil serait os de prtendre
vouloir aborder globalement et en profondeur dans ce mmoire. Nous allons donc nous
consacrer plus prcisment lorganisation de la rcupration des produits. Il sagit dtudier la
partie organisationnelle de la gestion des dchets rencontre par les producteurs lorsquils doivent
traiter les produits rejets par les consommateurs. Cette organisation passe par diffrents aspects,
comme la technologie, le marketing, linformation, lorganisation, la finance, et la logistique
inverse. Nous allons tudier plus avant ces diffrents aspects dans la section suivante.

1.2 Organisation de la rcupration des produits

Avec le retour de plus en plus important des produits en fin de vie dans notre socit, les
entreprises vont dsormais tre confrontes des problmes croissants de rcupration des
produits, et doivent sadapter. Mme si certaines peuvent encore hsiter dans la voie du recyclage,
des opportunits intressantes peuvent apparatre, sous la condition dadhrer la vision de la
gestion intgrale de la chane du produit. Dans la plupart des cas, cette approche ncessite une
complte rorganisation des processus industriels et de la manire de concevoir, produire et
utiliser les produits. Dans cette optique, une nouvelle branche du management merge, qui
prend le nom de rcupration du produit ( Product Recovery Management ). Selon (Thierry et
al., 1995) [175], lorganisation de la rcupration du produit se dfinit comme le traitement de tous
les produits uss et abandonns par le consommateur, les composants et matires dont une
entreprise est lgalement, contractuellement ou dune autre manire tenue responsable . Son
objectif, clam par (van der Laan, 1997) [128], est de rcuprer cette quantit de produits en retour,
dune manire satisfaisante tant du point de vue conomique qucologique, et tout en respectant
les contraintes lgislatives en vigueur.

Lorganisation de la rcupration des dchets passe par la fusion et la fermeture des diffrentes
boucles constituant le cycle de vie du produit. (vanderMerwe and Oliff, 1991)[176] distinguent
quatre manires de fermer ces boucles : (i) une utilisation plus pousse des produits, par exemple
grce la rparation, (ii) une dure de vie accrue des emballages, (iii) un recyclage et une
rutilisation des produits en conservant leur identit, et (iv) un recyclage et une rutilisation avec
une altration de lidentit. (Thierry et al., 1995) [175] affinent cette vision, en introduisant cinq
options de rcupration des dchets, quil faut considrer un niveau plutt conceptuel : la
rparation, la rnovation, la re-production, la cannibalisation et le recyclage (Figure 1.2). Ces
options se diffrencient principalement dans la mthode de traitement utilis et dans la
conservation de lidentit du produit. Elles font toutes appel des processus de collecte des
matires usages, de re-production et de redistribution, et sont un moyen dtendre le cycle de vie
des produits. Elles sont slectionnes selon des critres de faisabilit technique et conomique,
dapprovisionnement en matires et de demandes des marchs secondaires. Nous en dtaillerons
le contenu dans un des paragraphes suivants.

17
Chapitre 1

Assemblage Assemblage
modules produit
Fabrication
pices Distribution
dtaches

Rutilisation
directe

Matires
Consommateurs
premires
Revente

Rparation
Rnovation
Re-production

Cannibalisation
Gestion des
dchets Recyclage

Incinration Organisation de
Mise au rebut la rcupration

Figure 1.2 : Boucles du cycle de vie

Lorganisation de la rcupration des produits passe par la prise en compte de problmes divers,
faisant appel des connaissances varies, et situs dans des secteurs de lindustrie
complmentaires, mais qui peuvent tre diffrents, comme la technologie, la finance, le
marketing, linformation, le transport. Le but de ce mmoire nest pas de dresser une analyse fine
et exhaustive de chaque secteur industriel concern par la rcupration des produits. Cependant,
pour fixer les ides et cibler nos objectifs de travail, nous allons tudier les grands axes qui
composent cette partie de la gestion de la chane intgrale du produit.

1.2.1 Technologie
Laxe technologique de lorganisation de la rcupration des produits porte sur la conception vers
le recyclage, les technologies de rcupration et les processus de rcupration. La conception vers
le recyclage reprsente lun des thmes de recherche qui a mobilis le plus de chercheurs depuis le
dbut des annes 1990. Les principales questions qui ont t mises en avant concernent la
manire de concevoir un produit de faon faciliter sa rcupration une fois sa phase dutilisation
acheve. En dautres termes, il sagit doptimiser le dsassemblage, la constitution du produit, le
choix des matires premires, les modes dassemblage des constituants et des pices dtaches, de
manire permettre ensuite la rcupration la plus conomique et la plus respectueuse de
lenvironnement. Ce thme est mettre en relation avec lestimation du cycle de vie des produits
(1.1.2 - Estimation du cycle de vie du produit), puisque les diverses stratgies de conception sont
troitement lies limpact environnemental rsultant. Pour un aperu gnral sur les travaux
existants, le lecteur intress pourra se rfrer (Jovane et al. 1993) [120] et (Alting and Legarth,
1995) [48].

18
Introduction gnrale

Les technologies de rcupration peuvent, tout comme la conception oriente recyclage, avoir un
impact non ngligeable sur les gains conomiques et cologiques lis la rcupration des
produits. De nouvelles technologies innovantes, sur le dsassemblage, sur les mthodes
dincinration, moins dpensires en nergie, devraient tre privilgies. Enfin, les processus de
production peuvent galement jouer un rle sur la protection de lenvironnement, par la
rduction de la consommation dnergie ou la rorganisation des flux internes. Cet aspect na pas
t tudi outre mesure dans la littrature, mais les liens avec les outils LCA existent et ne doivent
pas tre ngligs.

Dans la suite de notre travail, nous considrerons les donnes technologiques acquises et tablies. Il est clair
que les caractristiques de conception du produit et les technologies disponibles ont un rle majeur dans les
stratgies de rcupration du produit. Elles seront dtailles plus loin.

1.2.2 Finance
Bien videmment, le financement des activits de la chane intgrale du produit influe sur la
viabilit de la rcupration du produit, car cette chane ne peut exister que si elle est
conomiquement viable. Selon (Krikke, 1998) [16], trois conditions sont essentielles : (i) que les
cots de mise au rebut des composants issus du recyclage soient peu levs (en comparaison avec
la mise en dcharge classique), (ii) que les revenus issus de la rcupration du produit puissent
compenser les cots ncessaires la re-production de ce produit, et (iii) que le produit secondaire
final soit apte rentrer en comptition avec le produit neuf correspondant. Un autre aspect
financier concerne lvaluation de la valeur des flux de retour des produits, matires et
composants, car cette valuation influe sur les cots et les revenus de rcupration. Bien que ce
sujet nous semble dcisif dans ltablissement des stratgies de rcupration, aucune rfrence
bibliographique na pu tre mise en avant.

En ce qui nous concerne, tous les aspects financiers de lorganisation de la chane intgrale du produit sont
considrs comme admis, et ne font pas partie de lobjet de ce travail. Si un dficit gnral subsiste dans la
chane intgrale, ce problme devra tre soumis discussions ultrieures.

1.2.3 Marketing
Laspect dominant dans le secteur marketing est la mise en place des conditions de march les
plus favorables, la fois pour les marchs secondaires et pour la mise au rebut. Les marchs
secondaires peuvent se dfinir comme tant les lieux o les consommateurs rutilisent les
produits, pices ou matires obtenues partir de la rcupration des produits originels. Ils
peuvent tre approvisionns grce par exemple des reventes ou rachats dappareils, des apports
volontaires des mnages, des retours de locations En ce qui concerne les acteurs de la mise au
rebut, ceux-ci doivent bnficier de quantits de flux en retour suffisants pour continuer exister
et rendre viable conomiquement le systme de logistique inverse. Les systmes de collecte jouent
donc un rle dterminant.

Il faut noter quen pratique, il existe souvent un dcalage entre lapprovisionnement et la


demande, notamment cause dun trop grand effort port sur la collecte en comparaison du
dveloppement des marchs secondaires (Krikke, 1998) [16]. La croissance de l'offre des matires
premires secondaires rpond encore aujourd'hui des facteurs institutionnels (taxes, normes
plus contraignantes, ) et la saturation des filires classiques d'utilisation des dchets (Gelosi,
1994)[10]. En outre, la demande, quoi qu'on en dise, reste ce jour encore instable (mme pour les
matires gros volume, comme le verre, le carton, le plastique ) et soumise la concurrence

19
Chapitre 1

externe, ce qui ne facilite pas la tche de rinsertion des matires recycles dans d'autres cycles de
production. titre d'exemple, en 1994, le groupe TESTA s'approvisionnait en plastiques usags
en Allemagne, car le plastique y tait gratuit et le transport tait offert. En France, TESTA aurait
du acheter les matires plastiques usages aux rcuprateurs. Enfin, (Flapper, 1993) [31] a mis en
vidence que la rcupration de produits effectivement demands procure souvent des pices ou
des sous-produits, qui eux sont dclars indsirables (exemple des tubes cathodiques des
tlviseurs). Il est alors galement ncessaire de trouver des issues secondaires pour de tels rebuts
indsirables.

La manire et la mthode de crer les conditions de march les plus favorables pour la viabilit du systme
de rcupration ne constituent pas nos centres dintrt. Au niveau de la collecte, nous nous attacherons
simplement supposer que la demande existe et doit tre satisfaite, charge pour nous de trouver ensuite
les moyens de collecter efficacement les produits et des matires demandes.

1.2.4 Information
Linformation occupe une place prpondrante dans le systme de rcupration des produits,
essentiellement au niveau des prvisions sur lapprovisionnement et la demande. Collecter,
rcuprer et recycler un produit manufactur exige aujourdhui de travailler avec des prvisions et
des incertitudes, car lenvironnement de travail nest pas entirement connu. Il est en effet
difficile de prvoir prcisment lamplitude, la date, le lieu et la qualit des flux de retour des
produits. De plus, comme le souligne (Chevron, 1999) [5], une fois les produits collects, il nest
pas toujours vident dobtenir les informations relatives leur tat interne, leur composition
(prsence de matires dangereuses, qualit des constituants). De ce point de vue, les acteurs de
la rcupration pourraient se satisfaire des donnes des services de Recherche et Dveloppement
des producteurs, mais mme parfois ces donnes apparaissent caduques. Et que dire quand il
nest mme plus possible didentifier le producteur ou la gamme du produit en retour ? Pour
pallier ce manque dinformation, (Kobeissi, 2001)[15] propose un systme dvaluation des
produits techniques en fin de vie, afin de dterminer leur tat interne avant et pendant le
processus de dsassemblage. Lvaluation se base sur une srie de tests sur le produit et sur les
rponses obtenues par rapport aux stimuli provoqus.

A lautre extrmit de la chane, la connaissance des marchs secondaires nest pas encore bien
tablie, de part un manque de savoir-faire, de prise de conscience des producteurs, et labsence de
systmes dinformation pour attirer les acheteurs potentiels. (Krikke, 1998) [16] donne quelques
indications permettant de mieux coordonner lapprovisionnement et la demande. Parmi elles,
nous retiendrons la restructuration des systmes dinformation pour intgrer la rcupration des
produits (provenance des pices dtaches) et les marchs secondaires, et garder la trace de
lhistoire des produits au cours de leur vie.

Les informations sur la demande et lapprovisionnement des systmes de rcupration nous sont supposes
accessibles, ne constituant donc pas un frein notre travail. Nous supposerons de plus que ces prvisions
ne sont pas de nature contredire nos hypothses quant aux systmes de collecte labores dans la suite de
notre travail.

1.2.5 Organisation
Il sagit dans cette partie de traiter les tches oprationnelles des membres de la chane, ainsi que
leurs stratgies commerciales. Selon (Pohlen and Farris, 1992) [148] et (Krikke, 1998) [16], dix

20
Introduction gnrale

membres types se dgagent de la chane intgrale : (i) les municipalits, charges en gnral de la
collecte de lensemble des dchets, (ii) les usines de rcupration, qui ont la fonction de rnover
les produits usags en leur rajoutant de la valeur, (iii) les ngociants, qui mettent en relation les
acheteurs et les vendeurs de matires recyclables, (iv) les producteurs intermdiaires, sous-
traitants qui se procurent des matires recycles dj spares, les usinent pour les revendre pour
une re-production, (v) les utilisateurs finaux, entreprises charges de la re-production avant la
mise sur les marchs secondaires, (vi) les conglomrats dentreprises ( joint venture ), socits
travaillant ensemble de manire coordonne afin de rduire les cots, (vii) les gouvernements
chargs de voter et appliquer les lois sur lenvironnement, (viii) les entreprises spcialises dans la
collecte, (ix) les membres de la chane logistique classique, comme les sous-traitants, les grossistes
ou les dtaillants, et enfin (x) les acteurs de la mise au rebut. Nous ajoutons cette liste (xi) la
distribution sur les marchs secondaires, (xii) le tri, linspection et lvaluation des produits en fin
de vie, (xiii) la rparation des produits quand ceux-ci ne sont pas dmonts pour une rcupration
de composants, (xiv) le dsassemblage.

En ce qui concerne les stratgies commerciales des entreprises, celles-ci peuvent avoir intrt
collaborer avec dautres socits afin de rduire les cots, que ce soit dans les changes
dinformation, dans les domaines de la conception des produits ou dans des tches plus
oprationnelles. En outre, une question capitale que doit se poser le producteur consiste choisir
la stratgie de fabrication de ses produits et dobtention des composants ncessaires, cest--dire
par re-fabrication ou par achat de nouvelles pices ( make-or-buy decision ). (Krikke, 1998) [16]
postule que ces dcisions, situes dans la chane logistique inverse, ne sont pas trs loignes de
celles prises dans les chanes logistiques classiques.

Dans notre recherche, nous considrerons tout ou partie des membres de la chane intgrale cits ci-dessus,
en nous attachant dfinir des structures relationnelles entre les membres pour accomplir la fonction de
collecte la plus pertinente. Que ce soit au niveau des membres ou des stratgies commerciales, la rentabilit
globale du systme doit tre notre premier objectif.

1.2.6 Logistique inverse


Selon (Pohlen and Farris, 1992) [148], la logistique inverse peut se dfinir comme le mouvement
des produits du consommateur vers le producteur travers une chane de distribution . (Eymery,
1997) [7] en donne une dfinition plus prcise, qui correspond plus une vision logistique : la
logistique inverse rpond la ncessit de retirer du service les produits aprs usage et de les
traiter en les dtruisant, en les transformant ou en les recyclant, dans le but de rduire les cots en
valorisant les produits rcuprs et, de plus en plus, dans le but de rpondre aux exigences du
respect de lenvironnement . Cinq problmatiques y sont distingues : la collecte et les
transports, lidentification des produits et le tri, les oprations de traitement, le basculement du
flux pouss au flux tir, et enfin la dtermination dune dotation globale. Certaines sont dordre
tactique, dautres du niveau oprationnel. Attachons-nous dabord au niveau tactique de la
logistique inverse, avant de descendre vers le secteur oprationnel.

21
Chapitre 1

Assemblage
Produit fini Stock
Transformation
Matires Transport
premires
usines Produit
en rayon
Production
Distribution

Utilisation
Extraction CHANE LOGISTIQUE
Matires
premires Dchet
brutes
LOGISTIQUE INVERSE Ramassage
Collecte
Transport Redistribution
Tri
Recyclage
Diagnostic
Stock
Produit
Matires recyclable
recycles Options de
rcupration

Figure 1.3 : Logistique inverse et chane logistique

1.2.6.1 Niveau tactique


Le niveau tactique de la logistique inverse se concentre principalement sur deux problmes : la
dtermination des meilleures stratgies de rcupration, et la conception du rseau logistique
inverse global. Une stratgie de rcupration dun produit tend trouver par anticipation la
meilleure manire de rcuprer ce produit, qui se trouve dans un tat de fonctionnement
indtermin, avant quil napparaisse dune manire effective dans les flux de retour.
Ltablissement de diverses stratgies, sous la condition que les technologies associes soient
disponibles, permet donc de disposer dune batterie de solutions de rcupration pour ce produit.
Choisir la meilleure revalorisation du produit, que ce soit par destruction, re-production etc,
implique la connaissance et la matrise de nombreux procds de rcupration, qui peuvent
diffrer selon la gamme des produits tudis. Des outils dvaluation et de simulation de telles
stratgies existent, et se doivent dtre conomes en temps de calcul, afin de pouvoir proposer
des solutions rapidement un utilisateur potentiel (Krikke, 1998) [16].

Le deuxime aspect tactique concerne la conception du rseau logistique inverse. La conception


logistique telle que la dfinit (Krikke, 1998) [16] comprend loptimisation des localisations et des
capacits des diverses installations du rseau, ainsi que les flux de produits transitant entre ces
installations. Bien entendu, la conception dun tel rseau ne peut tre ralise sans avoir
pralablement analys prcisment la situation du recyclage et de la rcupration au sein du
rseau, et galement sans tre sr de possder des donnes prvisionnelles fiables sur lvolution
des produits usags arrivant en fin de vie. Abondamment trait dans la littrature de
lOptimisation Combinatoire, ce problme de conception se modlise comme un problme de
localisation et daffectation : un compromis doit tre trouv entre les investissements sur les
installations et les cots des oprations (particulirement de transport et de gestion des stocks).
Une mthodologie de conception du rseau logistique inverse pourrait tre celle de (Krikke,

22
Introduction gnrale

1998) [16] : celui-ci dtermine dans un premier temps diverses stratgies de rcupration pour un
certain type de produits, puis utilise ces stratgies comme donnes pour concevoir le rseau
logistique de manire pouvoir implmenter et appliquer les stratgies trouves. Dans le cadre du
recyclage des dchets, ce domaine de recherche a fait lobjet de nombreuses tudes, notamment
sur la localisation des installations de traitement des dchets produits par un processus de
production : (Anandalingam and Westfall, 1988) [49] pour les dchets toxiques dangereux pour la
population, (Caruso et al., 1993) [66] pour la planification du systme de gestion des dchets solides
urbains, (Bloemhof-Ruwaard et al., 1996) [56], pour combiner les sites de production et de
recyclage dans un mme modle, et (Barros et al., 1998) [50] sur le recyclage du sable, en sont des
exemples.

Lune des limitations de la dfinition donne ci-dessus de ce quest un rseau logistique porte sur
les entres et sorties du systme, qui ne sont pas prises en compte dans ltape de conception.
Plus prcisment, (Krikke, 1998) [16] restreint son modle lhypothse que la quantit de produits
usags existe et est suffisante pour construire un rseau logistique inverse visant recycler ces
produits. Dans cette approche, la collecte des produits est considre comme une fonction
annexe au rseau logistique, et uniquement une source dapprovisionnement aux installations de
recyclage. Hors, dans une vision systmique globale, et dans un secteur le recyclage - o plus
que partout ailleurs la rduction des cots doit tre maximale pour rendre le systme
conomiquement viable, il nous semble que le rle de la collecte dans la logistique inverse est
primordial, et peut considrablement conditionner le fonctionnement du rseau. En se
positionnant un niveau tactique, nous pensons que ltude des politiques de collecte
envisageables, selon la nature et la quantit des produits en retour ainsi que du milieu
gographique dans lequel la collecte sinsre, doit faire partie des proccupations des concepteurs
dune logistique inverse efficace.

1.2.6.2 Niveau oprationnel


Au niveau oprationnel de la logistique inverse se retrouvent plusieurs aspects logistiques
classiques, comme le transport, la gestion des stocks, la planification des oprations de
production / re-production, et un aspect plus spcifique au recyclage, qui concerne
lidentification et le tri des produits (Fleischmann et al., 1997) [32].

La fonction transport reprsente une partie extrmement concrte du systme logistique inverse,
puisque cest elle qui matrialise les changes de flux entre les diffrentes entits du rseau. Les
oprations de transport existent notamment dans le secteur de la collecte, de lacheminement vers
les installations de traitement des produits et de recyclage des dchets, ou lors de la redistribution
vers les marchs secondaires (Bloemhof-Ruwaard et al., 1999)[25]. Dans un processus de recyclage
o lajout de valeur est largement dpendant de la matrise des cots (avant de gnrer du profit
sur les produits recycls, il sagit avant tout de ne pas tre dficitaire), il devient essentiel de
rationaliser lensemble des phases de la chane inverse. En ce qui concerne plus particulirement
la collecte, et du ramassage des produits dissmins sur un territoire donn en passant par des
tapes de regroupement successifs, la question se pose des diffrents modes de collecte qui sont
disponibles et pertinents selon les types de produits traiter. Cet aspect nous semble de premire
importance, et sera discut plus avant dans la suite de ce mmoire.

Une fois quun produit usag est collect se pose la problmatique de dterminer son mode de
rcupration le plus appropri, afin de garantir la viabilit conomique du systme. Il est pour
cela ncessaire de connatre ltat interne du produit, en rduisant au maximum les actions de
dmontage visant tudier ses composants de base. En dautres termes, il doit tre possible
dtablir son diagnostic et son tri afin de fournir linformation qui permettra dorienter le produit

23
Chapitre 1

vers les traitements de rcupration adquats (Eymery, 1997) [7]. Cette phase cruciale du
diagnostic correspond une nouvelle problmatique de recherche encore peu aborde dans la
littrature, sur laquelle nous pouvons nanmoins citer les travaux de (Kobeissi, 2001) [15] pour la
dfinition dun systme expert base de rgles et son application au cas de la machine laver.

Le produit usag qui vient dtre diagnostiqu, et pour lequel une stratgie de rcupration a t
tablie, ne subit peut-tre pas immdiatement lapplication de cette stratgie, mais est dirig vers
les stocks pour une mise en attente. La gestion des stocks dans les situations de rcupration des
produits est un domaine qui diffre des systmes logistiques classiques, principalement dans le cas
des boucles fermes (Figure 1.2) qui voient se rejoindre les flux avant et inverse. Dans la logique
de march de loffre et de la demande, les stocks reprsentent lendroit o le basculement entre
les politiques de flux pouss et de flux tir peut tre le mieux matris. La gestion des stocks avec
la possibilit de re-production des produits a t aborde par (Cohen et al., 1980) [69], (Nahmias,
1981) [142], (Tagaras, 1992) [171], (van der Laan, 1997) [17][128], (Inderfurth, 1997) [114], (Tagaras, 1999)
[172]
.

Lorsqu arrive le moment de mettre en pratique les stratgies de rcupration des produits qui ont
t dfinies, nous entrons dans une phase de production / re-production pour satisfaire une
demande donne. Le cas o un produit peut tre rutilis directement est assez simple, et des
outils de planification de production classiques peuvent tre employs. La situation se
complexifie lors de la prise en compte du dsassemblage comme opration de production, car
nous sommes alors capables de fournir des pices dtaches. Comment, et dans quelle mesure ces
pices dtaches doivent-elles tre intgres dans la production de nouveaux produits ? Quels
produits dsassembler, lesquels conserver pour une revente ? Comment grer lincertitude sur la
qualit des produits usags et sur leur disponibilit ? Toutes ces nouvelles questions rendent les
mthodes de planification et de gestion des oprations de re-production difficiles mettre en
uvre, et mme les mthodes classiques, type MRP, ne permettent pas de rpondre entirement
toutes les contraintes propres un systme de re-production (Thierry, 1997) [24]. Le lecteur pourra
se rfrer entre autres (Gupta and Taleb, 1994)[105], (Guide et al., 1997a[99], 1997b[100]), (Gerner,
2001)[11] pour des travaux dordonnancement de tches et de planification propres au recyclage.

1.2.7 Rsum
Avec les diffrentes facettes qui viennent dtre voques dans les pages prcdentes, nous
pourrions dire de lorganisation de la rcupration des produits que ce terme dfinit le cadre
gnral des oprations de traitement des flux de retour des produits que doit intgrer un
producteur dans la gestion de sa chane intgrale. Dans ce contexte, la logistique inverse nest
quun des nombreux lments de management qui permet au producteur daccomplir une
rcupration efficace. La logistique inverse sintgre dans une vision autant tactique
quoprationnelle, de part les problmatiques de dtermination de stratgies de rcupration et de
conception du rseau logistique, ainsi que par la ralisation des tches de transport, de gestion des
stocks ou de planification de la production.

En ce qui nous concerne, nous nous intressons dans la suite de ce mmoire la collecte des
produits manufacturs encombrants, car cet aspect de la logistique inverse du recyclage na
notre connaissance pas encore fait lobjet dtudes approfondies, alors que nous allons voir que
son rle dapprovisionnement du systme de rcupration et ses caractristiques propres en font
un sujet dtudes passionnant :
sur le plan stratgique, quelles sont les diffrentes politiques de collecte envisageables, et
comment coordonner ces politiques de ramassage avec les fonctionnalits proposes par les
installations de recyclage ?

24
Introduction gnrale

sur le plan oprationnel, quelles sont les donnes et les contraintes inhrentes la collecte, et
comment mettre en uvre une mthodologie de rsolution adquate ?

Telles sont les deux principales questions qui vont dsormais nous tenir lesprit. Mais avant tout,
parce que la collecte est un acteur de la rcupration des produits qui doit sintgrer dans un
systme global, nous allons dans la section suivante prsenter les diffrentes stratgies de
rcupration des produits existantes, car celles-ci doivent tre prises en considration lors la
planification de la collecte et du bon acheminement des produits ramasss vers les installations de
rcupration appropries.

1.3 Les stratgies de rcupration

Nous nous basons sur les travaux de (Thierry, 1997) [24], (Krikke, 1998) [16] et (Chevron, 1999) [5]
pour la description qui va suivre. Les deux premiers auteurs introduisent les options de
rcupration en fonction de la conservation de lidentit et de la fonctionnalit des produits
usags. Le dernier auteur apporte une touche plus pratique et mcanique, en dcrivant plus
prcisment les mcanismes intervenant dans chacune des solutions proposes. Chaque option
fait pralablement intervenir une tape de dpollution de lappareil, consistant identifier et
neutraliser les lments polluants dun produit (exemple des CFC des appareils frigorifiques ou
des tubes cathodiques)

1.3.1 Options de rcupration


Les produits en fin de vie peuvent tre rcuprs de diverses manires. Les plus courantes,
rpertories par (Thierry, 1997) [24], sont au nombre de cinq : la rparation, la remise neuf, la re-
production, la cannibalisation, et le recyclage. Chaque option dpend fortement des processus de
rcupration utiliss, du degr de dsassemblage atteint, et de la revalorisation des matires,
pices ou produits obtenus. Ces cinq options sont dtailles ci-dessous (Tableau 1.1).

1.3.1.1 Rparation
Le but de la rparation est de ramener un produit usag son tat de marche normale. Dune
manire gnrale, les produit rpars sont dune qualit lgrement infrieure celle des produits
neufs. Comme la rparation exige simplement le remplacement ou la rparation des pices
dfectueuses, cette option ncessite un dsassemblage et un r-assemblage relativement limit.

1.3.1.2 Remise neuf


La remise neuf consiste ramener un produit usag un tat de marche avec une qualit fixe,
souvent plus faible que celle dun produit neuf. Un tel produit est divis en modules, et chaque
module est minutieusement dmont et inspect. Ceux qui ne rpondent pas aux critres de
qualit viss sont remplacs par dautres modules. Puis tous les modules sont remonts, et le
produit est test en fonction de la qualit vise.

25
Chapitre 1

1.3.1.3 Re-production
La re-production vise transformer le produit usag de telle manire quil satisfait aux exigences
de qualit des produits neufs correspondants sur le march. Un produit us est compltement
dmont, toutes ses pices et modules inspects et remplacs si ncessaire.

1.3.1.4 Cannibalisation
La cannibalisation a pour but la rcupration de certaines pices ou modules du produit usag.
Ainsi, linverse de la rparation, de la remise neuf et de la re-production qui se placent au
niveau de la rcupration du produit dans sa globalit, la cannibalisation se concentre sur un
ensemble prdfini de pices ou modules, qui peuvent loccasion tre rutiliss dans la re-
production par exemple. De ce fait, la cannibalisation ncessite un dsassemblage slectif du
produit et un diagnostic prcis des modules potentiellement rutilisables. Le niveau de qualit
exig dpend des procds de rcupration utiliss.

1.3.1.5 Recyclage
Le recyclage na pas pour but de garder la fonctionnalit premire des produits ou des
composants, ni mme de conserver lidentit du produit. Le but du recyclage est de rutiliser les
matires constituant le produit us. Celui-ci est donc dmont et spar en diverses catgories de
composants selon les matires employes. Puis, selon la qualit de ces matires, celles-ci peuvent
tre rutilises dans leur application dorigine ou dans dautres alternatives. Nous parlons de
recyclage par revalorisation des matriaux lorsque les matires sont diriges vers des procds de
broyage ou de refonte. Nous parlons de recyclage par revalorisation nergtique si les matires
peut tre transformes en nergie, par des processus dincinration par exemple.

Option de Degr de Qualit exige Produit rsultant


rcupration dsassemblage
Rparation Au niveau du produit Remettre le produit en Pices rpares ou
tat de marche remplaces
Remise neuf Au niveau des modules Inspecter et remettre Modules rpars ou
jour des modules remplacs
Re-production Au niveau des pices Inspecter et remettre Des pices et modules
jour pices et modules uss et neufs au sein
du produit neuf
Cannibalisation Rcupration slective Dpend de lutilisation Des pices rutilises,
de pices des options de dautres mises au rebut
rcupration ou recycles
Recyclage Au niveau matire Dpend de lutilisation Matires dans des
dans la re-production produits neufs
Energie
Tableau 1.1 : Options de rcupration des produits (Krikke, 1998) [16]

Toutes les options de rcupration cites ci-dessus diffrent dans la conservation ou non de
lidentit et de la fonctionnalit du produit, ainsi que dans les techniques de rcupration utilises.
Nanmoins, toutes se rassemblent sur le dmontage ou le dsassemblage, pralable une
exploitation ultrieure. Nous prsentons donc ci-dessous cette technique incontournable toute
option de rcupration, en adoptant un discours raliste et pragmatique se rfrant aux
conclusions de (Chevron, 1999) [5] sur le sujet.

26
Introduction gnrale

1.3.2 Le dsassemblage et la collecte


Toutes les options de rcupration que nous avons abordes prcdemment sont bases sur une
inspection des pices et des modules situs lintrieur du produit. Dans un premier temps, il est
donc ncessaire de procder une opration de dmontage ou de dsassemblage du produit afin
dextraire les composants viss. Pour nous, les termes dmontage et dsassemblage reprsentent
la mme fonction de sparation de pices et modules du produit en conservant plus ou moins
lidentit du produit. Le dsassemblage dun produit peut tre ralis selon plusieurs niveaux de
destruction ; nous distinguons les degrs de destruction totale, de destruction partielle, et de non
destruction. Ces modes dpendent fortement de la technique de dmontage utilise, qui peut tre
manuelle, semi-automatique ou entirement automatise. Chacune des techniques de
dsassemblage qui sont cites fait lobjet dtudes approfondies dans des laboratoires de
recherche ou dans des instituts en liaison avec lindustrie, en Europe (Allemagne, Sude, Italie,
Pays-Bas, et rcemment en France) et aux USA. Le lecteur intress pourra se rfrer (Chevron,
1999) [5].

Le dmontage manuel est celui actuellement en vigueur dans la plupart des sites industriels
spcialiss dans la rcupration des produits usags complexes en provenance de lindustrie
manufacturire, de type blanc (machines laver, lave-linge ) ou brun (four, cuisinire,
ordinateurs). La raison en est simple : le volume de ces produits est pour linstant encore trop
faible par rapport aux cots dinvestissement et dutilisation des techniques plus automatises.
Ainsi la socit ENVIE DAUPHIN1 [186], spcialise dans la rcupration et la revente des
produits venant de llectromnager encombrant, traite annuellement 4000 produits alors que la
mise au rebut de tels appareils au niveau national est estime en volume 10 millions dunits
(Chevron, 1999) [5]. Le dmontage manuel, procd non destructeur, garantit la fonctionnalit
rsiduelle du constituant extrait. Lopration a un cot important, et le succs de lopration nest
pas toujours certain du fait de la prsence humaine.

Parmi les techniques de dmontage qui intgrent une automatisation totale ou partielle et qui sont
peu destructives, certaines font appel des processus chimiques (bains chimiques), dautres des
processus thermiques (chocs thermiques pour casser les liaisons) ou mcaniques (vibrations par
micro-ondes). Une technique de dmontage est mettre en relation avec le mode dassemblage
du produit (clipsage, soudage, etc.). En gnral, le cot dune telle opration est rduite et le
succs assur, mme si le fonctionnement du composant extrait nest plus garanti, du fait des
incertitudes sur ltat initial du produit et sur la dtrioration due au processus. Parmi les
techniques avec un haut degr dautomatisation, et par consquent plus destructrices, les
dcoupes au jet deau abrasif, la torche au plasma, au laser, permettent un accs rapide aux
organes internes par une dcoupe de lenveloppe externe du produit.

Comme nous lavons constat, seules les techniques manuelles de dsassemblage sont
actuellement en vigueur lchelle industrielle. En effet, les bnfices du dmontage ne
sexpriment pas encore sous la forme de profits financiers, mais elles se manifestent plutt par
leur influence sur les marchs de loccasion, celui des pices dtaches (marchs secondaires) et
celui des matires premires. Dans des tudes menes sur les quantits de dchets rejets par
notre socit et les moyens de les collecter et de les recycler, le dmontage apparat comme
premire tape indispensable au recyclage, et se justifie par les nouvelles contraintes lgales, et les
consquences conomiques, sanitaires et sociales (Desgeorges, 1994) [28], (FIEE, 1997) [30]. De
plus, les volumes de dchets actuellement traits ne justifient pas encore la rationalisation et
lautomatisation des procds de rcupration, ce qui ne sera srement plus le cas terme.

1 ENVIE : Entreprise Nouvelle Vers lInsertion par lconomie. En 1997, le rseau ENVIE tait constitu de 27
sites dissmins en France, certains traitant les produits blancs, dautres les produits bruns.

27
Chapitre 1

Dautre part, lautomatisation complte du dmontage parat peu probable au regard des cots de
conception, de ralisation et dentretien de structures appropries, trs levs en comparaison de
lutilisation doprateurs humains. Il semble donc que notre socit se dirige vers une
automatisation partielle du dsassemblage avec lintervention de lhomme au sein du processus.
La difficult rside alors dans la liaison entre les performances de la machine et celles de
lhomme, et fait lobjet dtude du projet interdisciplinaire (Rester Prsopre, 2000) [43], auquel notre
travail de thse est rattach.

Il nous reste cependant justifier la corrlation entre le dsassemblage et la collecte des produits
usags, sujet de notre prsente tude. Rassemblons donc toutes nos connaissances et donnes sur
le sujet de la rcupration. Dune part, nous avons un ensemble de produits lectromnagers
encombrants arrivant en fin de vie, quil sagit de rcuprer dune manire telle quelle soit
conomiquement viable et que les contraintes lgislatives et cologiques soient respectes.
Lobjectif conomique se traduit par une rationalisation et une optimisation de lensemble des
cots de la chane de rcupration, ou logistique inverse des produits, et en particulier des
fonctions de collecte et de dmontage. Dautre part, nous prvoyons une automatisation
croissante des techniques de dsassemblage, afin de traiter des volumes de dchets de plus en
plus consquents. Cette automatisation implique des structures adaptes, centres autour du
dsassemblage, gnrant par l mme des cots dinstallation dquipement, dentretien
importants. Le rle de la collecte tant dacheminer les produits usags vers ces centres de
dsassemblage, il existe donc un lien vident entre la fonction collecte et la fonction
dsassemblage, quil convient dtudier et de modliser, toujours dans le but de rationalisation des
cots associs. Cette analyse constitue lun des points de dpart de nos travaux, et sera aborde
plus en dtail dans le chapitre 2.

1.4 Plan de recherche

Nous avons tabli dans les paragraphes prcdents le cadre gnral de nos travaux, en prsentant
un aperu de la gestion intgrale de la chane des produits manufacturs et en introduisant le
concept de gestion de la rcupration des produits. Nous avons fait ressortir une liste non
exhaustive des diffrents problmes qu'implique la rcupration des produits, et notamment celui
de la logistique inverse des produits manufacturs usags. Nous avons tent tout au long de ce
premier expos de cibler nos objectifs, en mettant diverses hypothses de travail que nous
considrons ralistes et auxquelles nous allons nous rattacher pour la suite de notre travail.
Dtaillons dsormais nos objectifs de travail, ce que nous voulons aborder dans le domaine de la
logistique inverse, et la manire de nous y prendre, qui va nous guider durant ce rapport.

1.4.1 Ce que nous voulons faire


Selon (Eymery, 1997) [7], la logistique inverse rpond la ncessit de retirer du service les
produits aprs usage et de les traiter [] dans le but de rduire les cots [], et de plus en plus
dans le but de rpondre aux exigences du respect de lenvironnement. Dans cette dfinition
apparat la notion d'extraction des produits usags du march, qui correspond la fonction de
collecte de ces produits. Parmi lensemble des dchets rejets par notre socit, une attention
particulire doit tre porte sur les produits manufacturs complexes, de type blanc ou brun, de
part leur complexit dassemblage, les dommages sur lenvironnement qui dcouleraient de leur
non-traitement, ainsi que les potentialits de revalorisation sous toute forme que ce soit.

28
Introduction gnrale

Dans les tudes et les travaux les plus significatifs sur la rcupration que nous avons recenss
dans la littrature, les aspects stratgiques et oprationnels ont t abords, que ce soit dans la
conception de stratgies de rcupration et de rseau logistique inverse (Krikke, 1998) [16], l'tude
des systmes de production les plus appropris au recyclage (Thierry, 1997) [24], la conception et la
supervision d'une cellule de dsassemblage (Chevron, 1999) [5], une tude conomique sur la
rcupration (Ferrer, 1997)[8]. Pourtant, la fonction de collecte n'a pour l'instant pas t traite
d'une manire rationnelle dans le but d'optimiser son fonctionnement. Il apparat tout fait
ncessaire d'approfondir l'analyse de ce maillon essentiel de la logistique inverse et des relations
sur les autres lments de la chane logistique inverse.

Notre objectif est donc dapporter des lments de rponse aux questions suivantes :

Quelles sont les possibilits de collecte des produits encombrants issus des mnages ?
Quelles sont les solutions les plus efficaces ?
Quelles sont les solutions les plus appropries, selon les produits collecter ?
Quelles sont les solutions les plus appropries, selon la zone gographique collecte ?

Aprs avoir analys et rpondu ces premires questions, il sagit ensuite de proposer des
stratgies de collecte et des plans oprationnels de collecte. Pour cela, il sagit galement de
rpondre aux interrogations suivantes :

Quelles stratgies de collecte sont les plus envisageables, du point de vue conomique et du
point de vue satisfaction du client ?
Comment implmenter concrtement ces stratgies, afin dobtenir des solutions de collecte
oprationnelles ?

Enfin, noublions pas que la fonction collecte nest que le premier maillon de la chane logistique
inverse des produits en fin de vie. Notre souci global est la meilleure ralisation de la rcupration
des dchets, des points de vue conomique et cologique. De ce fait, la collecte doit tre intgre
dans la perspective plus globale de chane inverse. Lanalyse des flux de matires et
dinformations entre les diffrents maillons de la chane doivent donc tre analyss. Nous avons
vu galement que laspect de conception vers le recyclage des produits manufacturs occupe une
place importante de la recherche sur la rcupration des dchets. Les questions qui en dcoulent
sont donc :

Quelles sont les informations coordonnant lactivit de collecte et lensemble de la chane


logistique ?
Comment relier les informations lies la collecte au systme global de rcupration des
produits ?
Existe-t-il des informations venant de la collecte pouvant influencer son efficacit, et
comment les intgrer ds la conception des produits ?

Nous pouvons donc nous rendre compte quun certain nombre de questions doivent tre
abordes. Prcisons maintenant notre mthodologie pour y parvenir.

1.4.2 Et comment nous allons y arriver


Notre mthodologie de travail consiste :

29
Chapitre 1

rcuprer les donnes concernant les transports, et plus prcisment la collecte, des produits
usags, dans une optique de rcupration ou de recyclage : notre premier objectif est de
rpertorier toutes les donnes existantes possibles sur la collecte et le traitement des dchets.
Les donnes peuvent tre matrialises par des entretiens (socit ENVIE[186]), des rapports
de structures publiques ou prives engages dans la gestion des dchets, ainsi que tous les
travaux et publications de recherche sur le sujet ;

dterminer et modliser lensemble des stratgies de collecte pour les produits de


llectromnager encombrant : le travail de recherche de donnes doit nous amener fixer les
politiques de collecte des dchets encombrants. Les mthodes de collecte risquent dtre trs
htrognes dans leur comportement. Il est donc ncessaire de choisir un outil de
modlisation unifiant tous les modes de collecte, indpendamment des caractristiques
propres chaque mode. Chaque modle doit reprsenter les fonctionnalits de la collecte et le
mode dintgration dans la chane logistique inverse (gestion des flux dinformation et de
matire) ;

tablir la liste des critres defficacit de la collecte : nous recherchons des modes de collecte
qui soient viables conomiquement. Ces choix se traduisent par une optimisation des cots
lis la collecte et ceux lis linterconnexion de la collecte avec les autres composants de la
chane. Ces cots doivent tre calculs en tenant compte des environnements gographique,
conomique et cologique ;

comparer et proposer un ensemble de stratgies de collecte : grce un outil de modlisation


unique, chaque type de collecte peut tre aisment compar et valu avec les autres types de
collecte. Lvaluation se fait selon les critres defficacit dj slectionns ;

connecter le systme de collecte avec les autres lments de la chane inverse, en recensant les
informations ncessaires en entre du systme et celles fournies par le systme : il sagit
dtudier les entres et les sorties de la collecte, puis de coordonner ses actions avec les
actions de ses lments voisins, afin de contribuer une optimisation globale de la chane
logistique inverse ;

justifier nos propositions en produisant des solutions oprationnelles certaines situations de


collecte : selon les types de collecte et les zones gographiques vises, il est possible de
proposer des plans de collecte oprationnels. Nous nous attarderons en particulier sur un
problme de collecte qui prsente un intrt scientifique vident, car pouvant tre modlis
par un problme dOptimisation Combinatoire.

1.5 Conclusions

1.5.1 Ce quil faut retenir


Notre socit de consommation produit une quantit de plus en plus abondante de dchets de
toute sorte, pour lesquels il devient urgent de trouver des solutions dlimination ou de recyclage
propres et non nuisibles pour lenvironnement, bien meilleures que celles qui sont la rfrence
aujourdhui, comme la mise en dcharge brute de tout dchet par exemple. La responsabilit du
changement incombe tous les acteurs de la vie sociale, des gouvernements par des messages

30
Introduction gnrale

lgislatifs forts, aux industriels par une responsabilit accrue vis--vis de leurs produits en retour,
en passant par les consommateurs qui doivent prendre conscience de limportance du
phnomne actuel. Dans le cycle de vie du produit, cest donc la phase de retour du
consommateur vers le producteur qui cadre notre tude, et que nous nommons organisation de la
rcupration.

Nous nous intressons particulirement aux produits manufacturs complexes issus des mnages
arrivant en fin de vie (produits blancs ou bruns), pour lesquels le potentiel de revalorisation est
rel, tant au niveau des pices dtaches secondaires forte valeur ajoute qui peuvent tre
extraites, quau niveau du produit lui-mme qui peut approvisionner les marchs secondaires des
produis doccasion. Nanmoins, devant le faible volume actuel la fois des produits usags en
retour et de la demande des marchs secondaires, la rationalisation de lensemble des activits
devient indispensable pour garantir la prennit du processus de rcupration. En particulier, la
phase de collecte des produits usags encombrants dont les mnages dsirent se sparer prend
une place significative, la fois parce que les cots gnrs par le ramassage des produits sont
importants, et parce que la collecte est lacteur principal de lapprovisionnement du rseau
logistique inverse, et ce titre conditionne fortement le succs conomique du systme de
rcupration des produits.

1.5.2 Ce qui va suivre


Aprs avoir tabli le constat de la situation actuelle du recyclage et de la rcupration des produits
manufacturs complexes de llectromnager, nous prsentons maintenant la structure du
mmoire qui va nous permettre daborder la problmatique de la collecte, et den proposer des
mthodes de rsolution.

Le chapitre 2 est consacr la prsentation de la collecte des produits encombrants issus des
mnages. Ltat actuel de la collecte, les diffrentes politiques envisageables, en fonction de
critres gographiques, conomiques et cologiques, sont abords. Puis un problme particulier
de la collecte, prfiguration des systmes futurs de ramassage des produits, est approfondi. Le
parallle est alors trouv avec un problme dOptimisation Combinatoire de routage de vhicules,
le problme de chargement et de dchargement avec contraintes de fentres temporelles, capacit
et prcdence.

Les chapitres 3 et 4 traitent de la rsolution du problme doptimisation nonc ci-dessus. Le


chapitre 3 analyse le cas dun seul vhicule, et le chapitre 4 tend les rsultats du chapitre 3 au cas
de plusieurs vhicules. La mthode de rsolution retenue se base sur le principe de la recherche
tabou.

Enfin, le chapitre 5 propose une intgration des rsultats obtenus aux chapitres prcdents dans
le systme logistique inverse global, en tablissant les interconnexions avec les autres acteurs du
systme de rcupration. Les conclusions finales terminent ce chapitre.

31
Chapitre 2 La collecte

2.1 Introduction

Depuis quelques annes, les lgislations franaise et europenne ont volu vers une meilleure
protection de lhomme et de lenvironnement vis--vis des nuisances provoques par la
massification des dchets de notre socit. partir de 2002, la mise en dcharge ntant plus
accepte que pour les dchets dits ultimes , des processus de traitement et de revalorisation des
dchets actuels doivent tre mis en place. Limpact sur les systmes logistiques classiques de
collecte et de transport des dchets est considrable, et conduit repenser la globalit de
lorganisation des transports. Cette restructuration prend toute son ampleur dans la collecte des
produits de llectromnager issus des mnages (Scheidt and Stadlbauer, 1995a[160], 1995b[161]),
produits forte potentialit de revalorisation et pour lesquels de nouvelles techniques de
revalorisation doivent tre entrines, notamment le dsassemblage.

Lobjet du prsent chapitre est lanalyse des organisations logistiques de collecte et de transport
des produits blancs et bruns des mnages. Dans un premier temps, les systmes de ramassage
existants des dchets mnagers et assimils sont prsents par rapport leur possible application
aux produits encombrants. Les systmes logistiques ddis aux produits de ltude sont ensuite
analyss, puis les mthodes de collecte les plus pertinentes vis--vis de lmergence des marchs
secondaires des pices dtaches et produits doccasion sont retenues. Mais avant tout,
prsentons un aperu gnral du cadre lgislatif sur la gestion des dchets et des enjeux de la
collecte.

2.1.1 Le cadre lgislatif


Cest partir de la circulaire du 27 novembre 1969 que des schmas dpartementaux de collecte
et de traitement des ordures mnagres sont mis en place, puis ractualiss, par la plupart des
dpartements. Il sagit alors simplement de rflchir des mcanismes de ramassage des dchets2
et de concevoir le systme logistique permettant dy arriver. Les vritables plans de collecte sont

2 Dchet : rsidu de production, de transformation ou dutilisation, toute substance, matriau, produit ou plus
gnralement bien, meuble, que son dtenteur abandonne ou destine labandon. (Chevron, 1999)[5]

33
Chapitre 2

initis la demande de lUnion Europenne, la directive n 75-442 du 15 juillet 1975 demandant


aux tats membres dlaborer des plans territoriaux dlimination des dchets. Suite lintgration
officielle dune politique europenne sur lenvironnement, la directive n 91/156/CEE du 8 mars
1991 modifie le contenu de la directive de 1975, en fixant comme priorits la rcupration et le
recyclage des dchets, ainsi que la valorisation, y compris sous forme thermique. La mise en
dcharge sans traitement pralable doit terme disparatre. Cette obligation lgislative se traduit
en France dans la loi n 92-646 du 13 juillet 1992, relative llimination des dchets ainsi quaux
installations classes pour la protection de lenvironnement, qui stipule qu partir du 1er juillet
2002, seuls les dchets ultimes3 seront accepts dans les centres denfouissement technique.

Jusqu prsent, aucun texte lgislatif ne fait mention explicite de lorganisation pratique du
transport des dchets. Le seul principe nonc dans la directive europenne de 1975 porte sur la
proximit du lieu de traitement des dchets par rapport leur lieu de production, principe repris
dans la loi franaise de 1992 sous la forme dune limitation du transport en distance et en
volume .

2.1.2 Les dchets


Un dchet peut avoir trois origines diffrentes : il peut tre produit par la collectivit locale, par
les mnages ou par les industriels. Ces provenances doivent tre distingues des termes
couramment employs dordures mnagres, de dchets municipaux, ou de dchets mnagers et
assimils, dont une dfinition peut tre trouve dans le tableau (Tableau 2.1).

Dchets de la Dchets des mnages Dchets industriels


collectivit
locale
Boues de Dchets Ordures mnagres Dchets industriels banals Dchets
STEP, matires occasionnels (sens strict) DIB industriels
de vidange, des mnages : spciaux
espaces verts, encombrants, DIS
marchs, jardinage,
Fraction Fraction Dchets des Dchets Autres
collecte collecte en artisans, industriels dchets
slective- mlange commerants, banals industriels,
ment tablissements collects dchets
divers, collects en spar- contamins
mlange avec les ment
ordures mnagres
Ordures mnagres (sens habituel)
Dchets municipaux
Dchets mnagers et assimils
Tableau 2.1 : Les diffrents types de dchets (Ademe, 1998)[1]

3Dchet ultime : dchet rsultant ou non du traitement dun dchet, qui nest plus susceptible dtre trait dans les
conditions techniques et conomiques du moment, notamment par extraction de la part valorisable ou par rduction
de son caractre polluant ou dangereux. (Chevron, 1999) [5]

34
La collecte

2.1.3 Les enjeux


Le cadre lgislatif, qui a progressivement t mis en place afin dassurer la protection de lhomme
et de lenvironnement contre les effets nfastes de la production des dchets, a une consquence
sans prcdent sur lorganisation des collectes et des transports des dchets mnagers et assimils.
De manire traditionnelle, la logistique des transports de dchets ne concernait que la collecte et
lacheminement vers une dcharge (Figure 2.1). De par la loi du 13 juillet 1992, seuls les dchets
ultimes pourront dsormais y tre accepts.

Mise en
Collecte Transport Traitement Transport
dcharge

Figure 2.1 : Systmes traditionnels dlimination des dchets

Cette mesure lgislative bouleverse considrablement les organisations de collecte traditionnelle,


ncessitant une remise en cause de la structure gnrale du systme logistique, et faisant intervenir
de nouveaux chanons (Figure 2.2) :
des procdures de collecte, de groupage et de tri ;
des transports vers les installations de traitement ;
des transports des matires valorises vers les centres de recyclage ;
des transports des dchets ultimes vers les centres denfouissement technique.

Retour dans
Station de
Collecte Rcupration Transport le circuit
traitement
conomique

Mise en
Transport
dcharge

OU

Centre de Mise en
Tri slectif Rcupration Transport Transport
traitement dcharge

Retour dans
Transport le circuit
conomique

Figure 2.2 : Procdures modernes dlimination des dchets

La nouvelle complexit de la chane logistique inverse, avec lapparition de boucles de retour, a


pour but de promouvoir autant que possible la rutilisation des matires premires qui ont servi
de base la fabrication des produits, sous forme nergtique ou sous forme de nouvelles matires
premires et pices dtaches (Figure 2.3). Lenjeu conomique de la collecte est important,
puisque le cot des oprations de transport est comparable celui des oprations de traitement
(Ademe, 1998)[1]. Concevoir et grer ces nouvelles organisations logistiques passe donc par des
choix judicieux dimplantation gographique des centres de traitement, puis par une gestion
rationnelle des transports afin de limiter les surcots lis par exemple des retours vide trop
frquents ou un allongement inutile des distances parcourues.

35
Chapitre 2

Milieu naturel

Production de Transformation en
Distribution
matires premires produits finis

Recyclage Consommation

Abandon sauvage
Tri / valorisation Dchets

Dcharge
Traitement

Effluents liquides,
gazeux, solides

Figure 2.3 : Procdures de traitement et dlimination des dchets (Ademe, 1998)[1]

2.2 Les systmes de collecte existants

Les appareils qui font lobjet de notre tude sont les produits lectriques et lectroniques arrivant
en fin de vie, issus des mnages, et qui sont classs comme encombrants, cest--dire quils
vrifient le critre produit qui ne rentre pas dans une poubelle . Deux types de produits
rentrent dans cette catgorie : les produits blancs , comme le lave-linge, le sche-linge, le lave-
vaisselle, la cuisinire, la plaque de cuisson et le four encastrable, le micro-ondes, le rfrigrateur
et le conglateur. Les produits bruns , quant eux, regroupent la tlvision (noir et blanc ou
couleur), le magntoscope, la chane HI-FI, et le micro-ordinateur et ses priphriques.

Les produits encombrants diffrent des dchets mnagers classiques , solides ou liquides, tant
par leur constitution et leur volume, que par les traitements appropris quil est ncessaire de leur
faire subir afin de les valoriser convenablement. Leur prise en compte au niveau de la
rcupration et du recyclage est une problmatique relativement rcente de notre socit, en
comparaison de ce qui se fait dj pour les dchets mnagers et assimils. En particulier, nous
nous apercevons que la volont de crer les conditions ncessaires la prennisation du recyclage

36
La collecte

de ces produits passe par lintroduction dune nouvelle technique de rcupration, le


dsassemblage, inapplique jusqu prsent pour les autres types de dchets. Cette diffrence
fondamentale oblige adapter, voire restructurer le systme logistique inverse dj mis en place
pour les autres types de dchets.

Notre objectif porte sur lanalyse du rle de la collecte des produits manufacturs encombrants
des mnages dans la chane inverse globale de ces produits. Nous ne partons pas de zro, puisque
la fonction de ramassage des dchets est une fonction accomplie depuis maintenant plusieurs
dizaines dannes, mme si pendant longtemps elle na t considre que comme une facilit
offerte aux habitants damliorer la qualit de leur vie quotidienne. Nous nous devons donc,
avant de parler plus avant des produits lectromnagers encombrants, tudier les diffrents
modes de collecte dj existants pour tous les types de dchets, pour pouvoir nous situer par
rapport eux.

Nous allons donc, dans la suite de ce paragraphe, prsenter un aperu rapide des diffrents
modes de collecte des dchets mnagers et des dchets industriels banals (DIB) et spciaux (DIS).
Nous nous attacherons nommer les acteurs de la collecte, leur rle, comment sont grs les flux
de matires, quels types de valorisation ont t appliqus jusqu' prsent et pourquoi. Pour ce
faire, nous nous baserons sur diverses tudes ralises tant au niveau de la recherche scientifique
(Jahre, 1995) [14], que des publications de lADEME - Agence de lEnvironnement et de la
Matrise de lnergie (Ademe, 1998)[1], de la FIEE - Fdration des Industries lectriques et
lectroniques (Desgeorges, 1992) [27] (FIEE, 1997) [30], du CREDOC - Centre de Recherche pour
lEtude et lObservation des Conditions de Vie (Poquet, 1997) [40], de la CSCV - Confdration
Syndicale du Cadre de Vie (Gelosi, 1994)[10].

2.2.1 La collecte des ordures mnagres


Commenons notre analyse des systmes de collecte existants par celle des ordures mnagres, la
plus vieille dentre toutes, et celle qui de loin gre le plus grand volume de dchets. Elle est depuis
longtemps dj passe lre industrielle, et de ce fait peut nous fournir damples indications de
base sur la marche suivre pour traiter notre problme.

2.2.1.1 Vers la collecte slective


Dune manire gnrale, il apparat que la gestion des dchets mnagers dans sa globalit traverse
une crise importante, en grande partie due aux quantits de plus en plus importantes quil faut
traiter. Ajoutons cette situation lapparition dun nouveau syndrome, le NIMBY ( Not In
My Back Yard = pas de a dans mon jardin) qui ne fait quaccentuer ce phnomne de crise :
cest le syndrome qui veut que les propritaires cessent de sintresser leurs dchets ds que
ceux-ci ont franchi le seuil de leur porte.

Devant le contenu htroclite de nos poubelles, o des matriaux tels que le verre, le carton, les
botes de conserve peuvent prtendre un autre avenir que celui de la mise en dcharge ou
lincinration, une collecte globale et non slective rduit fortement les capacits de recyclage de
ces dchets : lhumidit, la fermentation, la toxicit de certains dchets rendent pratiquement
irrcuprables le contenu entier de la poubelle. Pour recycler, le tri et la collecte slective des
principaux matriaux apparat donc comme une solution ncessaire.

En France, la collecte slective est mise en place par les collectivits locales, qui en sont
responsables, mais peuvent sacquitter de cette tche de la manire qui semble leur convenir le

37
Chapitre 2

mieux : aucune contrainte majeure ne leur est impose sur la mise en uvre de tels systmes.
Ainsi, les communes peuvent tre prtes investir dans un mode particulier de collecte slective,
condition quelles y trouvent leur compte. Lintrt de la mise en place de la collecte slective se
manifeste surtout par (Gelosi, 1994)[10] :
la diminution de la capacit des installations actuelles : la slection et le tri raliss en amont
favorisent un volume de dchets plus faible ;
lallongement de la dure de vie des installations existantes, par une spcialisation des activits
de traitement, qui sont alors de meilleure qualit ;
lamlioration de la qualit du compost (plus gros volume de matires organiques et
dgradables) ;
la diminution des pollutions et nuisances au sein des installations de traitement (fumes, eaux,
bruits) ;
la rduction des tonnages de rsidus vacuer en dcharge, grce des procds de recyclage
matire plus performants.

De plus, la volont politique a permis dintgrer la collecte slective dans le processus global de
rcupration, en se basant sur une approche sectorielle qui fait intervenir les communes pour la
production des dchets, les rcuprateurs (de toute sorte), et les entreprises consommatrices de
matires premires secondaires, sans oublier au centre du systme les habitants des communes,
chargs de trier leurs dchets. C'est sur ce grand principe qu'est ne la socit Eco-emballages en
1993, afin de favoriser la rcupration des emballages produits par les industriels.

Aujourd'hui, aprs plusieurs annes de mise en application dans la vie quotidienne, les apports de
la collecte sparative des ordures mnagres sont indniables et plus que positifs. Voyons
maintenant de quelle manire cette collecte peut tre ralise.

2.2.1.2 Les diffrents modes de tri et de collecte slective


Le tri sur ordures brutes
Le tri sur ordures brutes consiste en la rcupration sous forme brute de lensemble des ordures
mnagres, puis en un tri en fonction des objectifs de rcupration et des types de dchets
rencontrs. Ce type de collecte et de tri a montr ses limites car les quipements sont coteux et
produisent des matriaux de qualit relativement passable : lheure actuelle, seuls les dchets
combustibles et les dchets pour compostage peuvent raisonnablement tre dgags grce ce
type de tri. Appliquer ce type de collecte pour les produits manufacturs aurait en revanche trs
peu de sens, et ne semble pas envisageable du point de vue rentabilit et efficacit.

Le tri magntique
La sparation magntique des emballages en acier et lapplication des courants de Foucault sur les
matires en aluminium sont toujours en vigueur, car ils donnent des rsultats satisfaisants. Ces
techniques permettent dextraire des pices spcifiques, mais ne peuvent que trs difficilement
tre adaptes au cas des produits manufacturs complexes, car les composants y sont
gnralement relis les uns aux autres, et ncessiteraient pralablement une opration disolement.

Le tri la source
Le tri la source consiste slectionner les dchets mnagers lorsque ceux-ci se situent encore
proximit du consommateur. Le tri peut tre effectu directement devant la porte de l'habitant,
ou en demandant cet habitant un effort pour se dplacer jusqu' des conteneurs spcifiquement
prvus pour retenir les ordures mnagres. Avec l'exprience, la combinaison de ces deux modes
de collecte savre offrir les meilleurs rsultats.

38
La collecte

La collecte slective par apport volontaire implique pour les habitants quils dposent leurs
dchets dans des containers prvus cet effet et placs dans des endroits stratgiques de la
localit. Ce type de collecte s'est popularis par la collecte du verre, puis s'est gnralis pour
d'autres matriaux comme le carton ou le papier, et a t tendu tous les types de matriaux
grce au phnomne des dchetteries au niveau local Cependant, mme si les dchets
rcuprs s'avrent de bonne qualit, la rentabilit escompte ne peut tre satisfaisante car les
contraintes de dplacement des habitants rendent cette collecte trop peu volumineuse, en
particulier lorsque les dchets sont encombrants. Il est donc ncessaire de l'allier avec d'autres
modes de collecte.

La collecte slective en porte--porte est susceptible d'offrir un service de meilleure qualit que la
collecte par apport volontaire, que ce soit au niveau de la desserte ou de la proximit dans
l'espace. Le tri propos peut tre facilement class en deux ou plusieurs catgories, selon la
politique de la collectivit locale. La collecte en porte--porte multi matriaux mlangs (effort
limit des habitants, mais mauvaise cohabitation des dchets entre eux) se distingue de la collecte
multi matriaux non mlangs (effort plus pouss des habitants, mais un meilleur rsultat).

La mise en place dun systme de collecte et de tri la source ne pose pas de gros problmes
fondamentaux au niveau de sa faisabilit technique, mais sa survie repose essentiellement sur
linformation des habitants et leur comportement vis--vis de ces nouvelles contraintes dans la vie
quotidienne. Une fois surmontes ces tapes, diverses solutions peuvent tre mises en place pour
le tri et la revalorisation des dchets mnagers. En effet, selon (Gelosi, 1994) [10], il n'existe pas
une, mais des possibilits de collecte, qui doivent tre examines en fonction des caractristiques
des collectivits : type d'habitation, situation gographique, densit de population, contenu de la
poubelle . Largumentation pour la mise en place dune collecte slective et du tri la source
peut tre synthtise dans le tableau suivant (Tableau 2.2).

Justifications Types de dchets Mode de collecte


Extraire un matriau des flux - matriaux recyclables Collecte mono matriau
de dchets liminer pour le - ordures mnagres recyclable, avec peu d'impact
valoriser sur la collecte traditionnelle
Niveau matire
Rduction des flux de dchets - matriaux recyclables Collecte slective multi
pour liminer la mise en - restant des ordures matriaux
dcharge et raliser des mnagres
conomies de traitement
Amliorer le flux des dchets - dchets toxiques Collecte sparative :
via une sparation pertinente - matriaux recyclables modification de la collecte
par filires - dchets fermentescibles traditionnelle et diversit des
- restant des ordures traitements et valorisation
mnagres
Tableau 2.2 : Justificatifs du tri la source (Gelosi, 1994) [10]

2.2.2 La collecte des dchets industriels banals et spciaux


Les dchets industriels banals (DIB) correspondent des dchets gnrs par lindustrie, qui ne
prsentent pas de danger pour lhomme ou pour lenvironnement. linverse, les dchets
industriels spciaux (DIS) ont une nature polluante potentiellement nocive pour lenvironnement.

39
Chapitre 2

Il savre que les industriels matrisent dj plus que correctement la collecte de leurs dchets, tant
par une obligation lgislative que par le bnfice potentiel qui peut en tre retir. En effet,
linverse du consommateur ordinaire qui voit le produit lectrique ou lectronique en fin de
vie comme une nuisance dont il faut se dbarrasser, lindustriel considre son produit comme un
bien conomique et cherche donc en obtenir le meilleur prix (Desgeorges, 1992) [27]. Pour ce
faire, les filires de collecte se sont dj bien dveloppes. De plus, le cheminement des DIB /
DIS suit une trajectoire parallle distincte de celle des dchets mnagers encombrants, car le
nombre dintermdiaires concerns est plus faible : les circuits de collecte et de valorisation sont
courts et composs de professionnels du mtier, le souci de rentabilit ayant t prsent ds la
conception des systmes de collecte. Il semble donc difficile de se baser sur la filire de collecte
des DIB / DIS pour la collecte des produits lectriques et lectroniques encombrants des
mnages.

2.2.3 valuation de performances


Le rle primordial tenu par la collecte dans le processus global de la chane inverse a dj t mis
en vidence auparavant. Devant la disparit des options de collecte possibles et les contextes
divers dans lesquels le ramassage seffectue, lvaluation des systmes de collecte existants pour
les dchets mnagers doit permettre de nous guider dans notre rflexion sur la mise en uvre de
la collecte des dchets de llectromnager encombrant. Mais pour valuer un systme de
ramassage des dchets, il est avant tout ncessaire de dterminer les mesures de performances
retenues, puis de prsenter les proprits de la collecte qui sont values. Ces deux points sont
maintenant discuts ci-dessous, en sappuyant sur les rsultats de (Jahre, 1995) [14] obtenus partir
dune analyse statistique sur les matires demballage dorigine diverse collectes travers
cinquante systmes de collecte diffrents.

2.2.3.1 Mesures de performance


Les mesures de performance des systmes logistiques inverses pour la rcupration des dchets
mnagers peuvent tre multiples. (Jahre, 1995) [14] en dresse une liste exhaustive, qui peut tre
divise en cinq groupes de mesures :
(i) le service vers les marchs finaux englobe la recyclabilit , la flexibilit et la stabilit
du systme de revalorisation, ainsi que les prix et la qualit des produits proposs ;
(ii) le service vers les mnages se mesure par la densit des points de collecte, le nombre
de tris effectuer, la frquence et la qualit des collectes ;
(iii) les cots regroupent les cots de production, de collecte, de stockage, et se mesurent en
units par tonne collecte, par tonne produite, par tonne rcupre ;
(iv) les consquences environnementales prennent en compte le niveau de la pollution
engendre et lutilisation des ressources ;
(v) le ratio entres / sorties du programme de rcupration considre les quantits de
dchets collectes, celles qui sont rcupres et entrent sur les marchs secondaires, et
celles qui sont mises au rebut.

Cependant, (Jahre, 1995) [14] suggre que lutilisation des quatre mesures essentielles suivantes
suffit lvaluation gnrale des performances du systme de collecte :
le nombre de vhicules en action ;
la distance de transport parcourue par la flotte ;
les cots des processus de collecte ;
les cots totaux par mnage et par tonne rcupre.

40
La collecte

Enfin, deux facteurs importants lis lenvironnement et au contexte de la collecte sont


identifis, qui portent sur la densit de la population et le nombre des matires collectes dans le
systme inverse. Nous verrons que ces deux facteurs jouent un rle dterminant dans le
fonctionnement de la collecte.

2.2.3.2 Proprits des systmes de collecte


Rentrons maintenant dans l'analyse des systmes de collecte, en mettant en vidence leurs
proprits et leurs caractristiques. Nous en dnombrons principalement trois : le compromis
invitable tablir entre le degr de collecte et le degr de tri, la collecte combine de matires de
natures htrognes, et les diffrents rseaux de distribution impliqus dans la structure du
systme.

2.2.3.2.1 Compromis collecte / tri


La collecte et le tri des dchets mnagers sont deux oprations fortement imbriques lune dans
lautre, car nous avons dj vu prcdemment que la collecte slective semblait la solution la plus
efficace pour favoriser une rcupration optimale. Cependant, ces deux actions ne seffectuent
pas toujours au mme moment : la sparation des matires peut tre ralise la source (lors de la
collecte), ou elle peut tre ajourne4 (ralise plus tard dans la chane inverse, dans une
installation de traitement des dchets par exemple). Lquilibre trouver entre la collecte et le tri
doit tre guid par la gestion des cots : selon (Jahre, 1995) [14], la sparation la source semble
plus adquate dans les petits programmes de collecte (milieux ruraux par exemple), alors que la
sparation ajourne apparat plus efficace dans de grosses installations de recyclage, o de gros
volumes de dchets peuvent tre traits de manire quasi-industrielle.

Cette caractristique semble dimportance pour la collecte des produits lectriques et


lectroniques de llectromnager, car elle peut influencer la conception du rseau logistique
inverse, notamment sur la nature des installations de recyclage : une unit de rcupration doit-
elle tre capable doprer sur tous les types de produits blancs et bruns collects (tri inutile), ou
bien doit-elle tre spcialise sur quelques produits usags (tri ncessaire pour approvisionner un
ensemble dunits de rcupration) ?

2.2.3.2.2 Collecte combine ou co-collecte


La co-collecte, ou collecte combine des dchets, consiste collecter un ou plusieurs types de
matires au mme instant et par le mme acteur de collecte. En ce sens, la co-collecte soppose
la sgrgation, o uniquement des matires de la mme nature sont ramasses par le mme acteur
(le carton avec le carton, les plastiques avec les plastiques etc). La collecte par sgrgation a
pour avantage labsence de tri raliser, et pour inconvnient le nombre dacteurs en jeu ou de
passages sur le mme lieu de collecte. La co-collecte permet de rduire le nombre darrts sur un
endroit de collecte, mais pour garantir la bonne efficacit de la collecte slective, des conteneurs
spcifiques sont requis afin de ne pas mlanger les diverses matires ramasses ( moins que le tri
ne soit ralis de manire ajourne).

Sur les produits blancs et bruns encombrants, la question mrite galement dtre pose : les
vhicules doivent-ils oui ou non tre spcialiss sur un certain type de produits ? La rponse,

4Dans la suite de notre tude, les expressions "sparation ajourne" et "ajournement" sont utilises indiffremment.
Ces deux expressions dcoulent du mme terme anglais : Postponement theory (thorie de l'ajournement).

41
Chapitre 2

comme pour le compromis entre collecte et tri, repose sur le contexte local et sur lanalyse des
cots engendrs par les deux options.

2.2.3.2.3 Rseaux de distribution


Le dernier point aborder lors de la conception des systmes logistiques de collecte concerne les
rseaux de distribution, et peut tre vu sous deux aspects diffrents : le nombre dintermdiaires
et de points de ramassage, et la nature de la collecte.

La structuration du rseau de la collecte et des diffrents intervenants est un facteur primordial


dans le fonctionnement du processus inverse : combien dintermdiaires est-il possible dintgrer
la chane de rcupration, depuis la source (le consommateur) jusquau centre de recyclage, et
pour quel rle ? Quelle doit tre la rpartition gographique des points de collecte pour que le
ramassage des dchets sur cette zone soit ralis efficacement ?

Dterminer la nature de la collecte revient dfinir les acteurs qui dchargent les consommateurs
de leurs dchets : sont-ce les habitants eux-mmes qui se dplacent sur des centres de collecte
pour se dbarrasser de leurs dchets par apport volontaire ? Les dchets sont-ils abandonns sur
le trottoir, ncessitant un acteur supplmentaire pour lacheminement vers un agrgat de
dchets ? Les deux options se justifient, sont viables conomiquement, et ne ncessitent pas les
mmes infrastructures Le consensus semble dsormais acquis que la moins mauvaise
solution consiste allier ces deux types de collecte, car cest ainsi que la meilleure offre est
fournie aux consommateurs sans trop grosse augmentation des cots au niveau du rseau inverse.

De la mme manire que pour les deux premires proprits des systmes de collecte, des sujets
de rflexion proposs sur les rseaux de distribution doivent retenir notre attention dans la
situation des produits encombrants. La prsentation des systmes de collecte envisags sur ces
produits va suivre dans la section suivante, mais avant tout un rcapitulatif des donnes et
conclusions rcoltes dans le cas des ordures mnagres est donn ci-dessous, par lanalyse des
relations entre les proprits et les performances des systmes de collecte.

2.2.3.3 Relations entre proprits et performances des systmes de collecte


Les conclusions de l'analyse des principales proprits des systmes logistiques de collecte des
dchets mnagers, et leur implication dans la performance globale de la chane inverse, sont
rsumes dans la figure (Figure 2.4) ci-dessous. En ralit, en se rfrant lapproche analytique
et statistique ralise par (Jahre, 1995) [14] sur les matires demballage, il savre que le facteur
dominant dans llaboration de la collecte optimale se rsume la densit de la population de
ltude. Nous pouvons en effet constater que les rgions faible densit de population devraient
collecter peu de matires, avec un haut degr de sparation la source et un haut degr de co-
collecte. linverse, les rgions avec une densit de population plus consquente devraient
collecter une quantit plus importante de matires, avec un petit degr de sparation la source,
mais plus dajournement. Deux raisons essentielles expliquent ce phnomne : lexigence en
terme de rentabilit et de flexibilit des installations de recyclage.

42
La collecte

Environnement Systme de
Performance
du systme collecte

Faible densit de
Spculation Cots faibles
population

Faible nombre de Co-collecte Niveau de service


matires importante bas

Haute densit de
Ajournement Cots faibles
population

Fort nombre de Niveau de service


matires lev

Figure 2.4 : Relations entre systme de collecte et performance (Jahre, 1995) [14]

En effet, la rentabilit financire du systme de collecte et de revalorisation est essentielle pour la


prennit du recyclage des dchets. Or, ce sont les communes qui ont l'obligation de collecte et
d'limination des ordures mnagres, et elles le font dans une logique de service public. Il n'est
fait tat daucune obligation, en revanche, sur la revalorisation des matires collectes, car la
revalorisation fait appel une logique de march. Comme en outre la demande actuelle de
matires premires secondaires est encore trop volumineuse sur les marchs de loccasion, les
bnfices retirs de l'exploitation du systme de collecte et de rcupration ne permettent pas de
gnrer des revenus suffisants. Lintrt des communes est donc de concevoir et de grer des
systmes de collecte o les cots dexploitation sont rduits au maximum. Cest de ce constat que
dcoule notre premire conclusion : la viabilit conomique d'une installation de recyclage est
favorise dans les milieux forte densit de population par la prise en compte de volumes
importants et par des installations de traitement qui effectuent lopration de tri et de slection
des dchets, et la collecte y est le plus longtemps possible ajourne. Dans les milieux densit de
population plus faible, les volumes sont rduits, et la collecte est ralise de manire combine
afin de rduire les cots de fonctionnement des installations.

Les rseaux sur les marchs secondaires sont amens se dvelopper dans les annes venir.
Cest un gage que nous prenons sur le futur. Comment savoir quel systme actuel de collecte et
de revalorisation saura le mieux anticiper les volutions prochaines ? dfaut danticipation,
peut-tre suffit-il de rechercher la flexibilit ? Comme lincertitude est encore sur les matires qui
seront rejetes par les consommateurs, sur la lgislation adopte par nos gouvernements, un
systme de rcupration flexible a l'indniable atout de pouvoir sadapter des quantits et des
types divers de matires, de densits et de qualits diffrentes. Dans la chane inverse, ce sont les
installations de recyclage qui semblent les mieux armes pour ladaptation aux exigences du
march, car la prise en compte de nouvelles matires parat mieux matrise sans consquences
graves sur le systme de collecte, et ces installations possdent un potentiel de ractivit plus
lev et un potentiel de nouveaux quipements plus important (Jahre, 1995) [14]. Choisir de rendre
les installations flexibles, plutt que dautres acteurs comme la collecte, a galement lavantage de

43
Chapitre 2

centraliser les lieux o les modifications et adaptations sont requises. De ce fait, la collecte
ajourne semple plus mme que la collecte par spculation de favoriser la flexibilit du
processus de rcupration.

Il nous reste maintenant analyser le mcanisme que nous venons de dcrire, qui sapplique
parfaitement aux ordures mnagres et aux matires demballage, dans le cas des produits
encombrants. Le processus de revalorisation de ces produits a-t-il des chances de suivre le mme
raisonnement ? Nous y rpondrons dans la section suivante, mais nous pouvons dj affirmer
quelques diffrences de comportement, notamment dues aux caractristiques physiques des
produits usags encombrants et leur devenir dans le recyclage.

2.2.4 Conclusion
Nous venons de dresser, dans cette partie consacre aux dchets mnagers classiques, un aperu
de ce qui se fait aujourd'hui dans la collecte, le tri et la revalorisation. La collecte slective des
dchets ressort comme la mthode la plus efficace, car elle garantit un niveau de recyclage et de
rcupration lev par le tri ralis sur les dchets. La question de savoir quel moment le tri doit
tre ralis par rapport la collecte est plus ou moins rsolue par lanalyse statistique prsente
par (Jahre, 1995) [14] sur cinquante systmes de collecte : la conclusion principale de cette tude
prconise un tri ajourn dans les milieux forte densit de population et tant ralis proche des
installations de traitement, et un tri proche des consommateurs dans les milieux faible densit
de population. Cette conclusion se base sur la quantit de dchets entrant en jeu dans les
diffrents milieux, et sur la rentabilit financire du systme global.

Cependant, tout en constatant que tous les diffrents modes de collecte prsents trouvent une
application selon le contexte dans lequel ils prennent place, il est clair que ces systmes ne sont
pas directement transposables aux produits lectriques et lectroniques encombrants issus des
mnages, car :

les volumes unitaires sont compltement dcals, et par dfinition les produits lectriques et
lectroniques encombrants ne peuvent rentrer dans une poubelle classique ;

afin d'arriver une revalorisation de ces produits, il est ncessaire de passer par une tape
intermdiaire, pour pouvoir accder aux lments internes du produit : le dsassemblage.
Cette tape nexiste pas dans le cas des ordures mnagres, mais est essentielle dans le
processus de rcupration des produits encombrants (voir 1.3.2 - Le dsassemblage et la
collecte). Cest la deuxime diffrence fondamentale entre le recyclage des ordures mnagres
et celui des produits manufacturs en fin de vie.

Nous avons jusqu prsent tudi les systmes de collecte existants des dchets mnagers
classiques. Il nous faut dsormais aborder le cas des produits qui nous concernent, cest--dire les
produits manufacturs complexes de llectromnager arrivant en fin de vie.

2.3 La collecte des produits lectriques et lectroniques des mnages

Le consommateur qui se spare de son produit lectrique ou lectronique arrivant en fin de vie ne
le considre pas, linverse de lindustriel, comme un bien conomique dont il pourrait retirer de
la valeur, qui pourrait receler un prix en soi. Il le voit plutt comme une nuisance dont il faut se
dbarrasser au plus vite. De plus, un produit issu dun seul mnage na pas la masse critique pour

44
La collecte

rentrer sur le march. Ce sont donc des stations de transit des produits, des grossistes, qui
assurent la fonction de rassemblement dune multitude de produits sans valeur unitaire vritable,
dans le but dobtenir un flux ajoutant de la valeur. Dans cette dmarche dajout sur plusieurs
niveaux, des pertes en ligne peuvent se produire, quil sagit de limiter le plus possible : ce
problme de la limitation et de la diminution des fuites doit faire lobjet de la plus haute attention.

Nous verrons que dune manire gnrale, il existe deux grandes voies pour se dbarrasser de son
produit lectrique ou lectronique. Lenlvement domicile constitue la premire solution, et
peut tre le fait des collectivits locales ou de la distribution. Lapport personnel du
consommateur est une voie qui vient en complment de lenlvement domicile. Nous allons
dtailler ces deux grandes mthodes dans la suite du rapport. Mais avant tout, analysons quels
sont les objectifs viss par un systme de collecte des produits lectriques et lectroniques, et
quelles sont les contraintes qui doivent tre prises en compte.

2.3.1 tat des lieux


Nous allons dresser dans ce paragraphe un bilan du gisement des produits lectriques et
lectroniques qui rentrent dans le cadre de notre tude. Pour ce faire, nous nous sommes appuys
sur le rapport (FIEE, 1997) [30] ralis pour la rgion Rhne-Alpes. Nous navons pu trouver ni
tudes faites au niveau national, ni rapports prsentant des donnes plus rcentes que celles de
lanne 1997. Gageons que celles-ci refltent plus ou moins la situation au jour daujourdhui. Ce
rapport permet de fournir une premire base de donnes srieuses sur lesquelles nous pouvons
nous appuyer pour dvelopper notre analyse.

2.3.1.1 Caractrisation des produits


Comme nous lavons dj prcis au dbut de ce rapport, rappelons que les produits qui
appartiennent au champ dtude du rapport sont ceux qui vrifient les deux critres suivants : ne
rentre pas dans une poubelle , et collecte et limination la charge de la collectivit . Au
niveau de la composition des produits, une diffrence notable apparat entre les produits blancs et
bruns au niveau de leur teneur en lments ferreux. En effet, les produits blancs contiennent
essentiellement des lments ferreux, quel que soit le type dappareil (55% 75% du poids total),
des matires plastiques en masse assez importante, peu de cartes lectroniques, des lments
potentiellement polluants (CFC et condensateurs), mais pas damiante caractre dangereux. Les
produits blancs ne contiennent donc pas de matriaux ncessitant des traitements spcifiques.

Les produits bruns, quant eux, contiennent des lments ferreux (40% en moyenne) et des
matires plastiques (30% du poids) en ordre dispers. Les cartes lectroniques reprsentent 4%
du gisement. Les lments sensibles sont les tubes cathodiques et les piles ou accumulateurs. Ils
sont de nature plus complexe que les produits blancs au niveau des matriaux utiliss, et ne
contiennent pas dlments polluants importants part les tubes cathodiques.

Il est alors possible de regrouper les produits blancs et bruns selon leurs caractristiques
communes. Pour les produits blancs, constitus majoritairement dlments mtalliques :
- le lave-linge, le lave-vaisselle, la cuisinire et le micro-ondes sont des produits ne contenant
pas dlments polluants en quantit significative, donc ne ncessitant pas de dpollution ;
- le rfrigrateur et le conglateur contiennent (ou contenaient) des CFC, lopration de
dpollution peut tre envisage.

Pour les produits bruns, plus complexes (nombreux matriaux composites) :

45
Chapitre 2

- le magntoscope, la chane HI-FI, lordinateur et limprimante contiennent des cartes


lectroniques et des piles, qui peuvent ncessiter une dpollution et un dmantlement
manuels ;
- le tlviseur et le moniteur sont composs de tubes cathodiques, de cartes lectroniques et de
piles, et doivent galement subir une dpollution et un dmantlement manuels.

Des synoptiques prsentent les schmas idaux appliquer lors du traitement de chaque classe
dcrite ci-dessus. Ils peuvent tre repris dans le schma suivant :

Systmes de collecte

Plate-forme de Centre de DPOLLUTION


RCEPTION et de TRI DMANTLEMENT

Pr tri Dpollution / Dmantlement


Produits Produits
blancs bruns
Recycleurs CET Broyeurs
Non
Remploi possible Spcialistes /
Traitement
Oui spcifiques
Spcialiste Rparation
Produits Produits Recyclage Enfouissement Recyclage MPS
blancs bruns matire + Valorisation
nergtique
Oui Rparable ? Dpollution / Recyclage
Non
Rparation

Figure 2.5 : Schma de principe de traitement des produits lectriques et lectroniques


(FIEE, 1997) [30]

2.3.1.2 Quantification du gisement des produits (Rgion Rhne-Alpes)


Prcisons maintenant quelques chiffres qui permettent de fixer les ides du gisement des produits
lectriques et lectroniques en fin de vie. Si nous prenons pour exemple la rgion Rhne-Alpes,
sur lanne 1996, en nombre dunits, les appareils non portables en sortie des mnages sont
estims 432 000 produits blancs et 322 000 produits bruns, soit un total de 754 900 produits.

Produits blancs Produits bruns Total


Nombre dappareils 432 000 322 300 754 000
Nombre dappareils ramen sur 1000 habitants 78 58 136
Tableau 2.3 : Gisement Rhne-Alpes sur lanne 1996

46
La collecte

Au niveau du bilan matire, pour les produits blancs, 43 % du gisement des ferrailles proviennent
des lave-linge, produit majoritaire avec 171 500 units. Les ferrailles reprsentent 60% du poids
total des produits blancs. Pour les produits bruns, les tlviseurs reprsentent 60% de la masse
totale et 40% en nombre dunits, les tubes cathodiques reprsentant eux seuls 40% du
gisement. Les matires plastiques reprsentent 30% du gisement, et proviennent des appareils
frigorifiques.

En se basant uniquement sur les chiffres de la rgion Rhne-Alpes de lanne 1996, il est
clairement visible quun gisement des produits issus de llectromnager existe et ne demande
qu tre exploit. Voyons donc maintenant sous quels objectifs de collecte ces produits vont tre
collects.

2.3.2 Objectifs de la collecte


Un systme de collecte des produits lectriques et lectroniques en fin de vie issus des mnages
peut tre vu comme le premier maillon de la chane inverse des dchets encombrants : il sagit de
rcuprer le produit lorsquil sort de son tat dutilisation et de le transfrer vers le systme de
recyclage pour pouvoir entamer le processus de revalorisation. La collecte a donc pour rle
dacheminer les produits des mnages vers les systmes de rcupration, afin den retirer de la
valeur. Cette fonction peut tre ralise en considrant plusieurs objectifs, que nous allons
maintenant dtailler.

2.3.2.1 Le contrle et la conduite des flux de produits


La collecte des produits doit pouvoir tracer les informations relatives aux produit. Lobjectif est
de contrler et de conduire les flux de produits qui partent de la source (les consommateurs) vers
les centres de rcupration : savoir do part le produit et dterminer le plus tt possible sa
destination dans la chane inverse (imaginons par exemple des centres de recyclage spcialiss sur
les tlviseurs, dautres sur les produits blancs).

2.3.2.2 Le filtre des dchets


La situation idale quun systme de recyclage doit viser est une situation dans laquelle tous les
produits introduits dans les mnages, neufs ou doccasion, intgrent la chane inverse pour tre
revaloriss. Dans cette situation, la collecte de tous les dchets effectue un filtre et permet
dorienter tel type de dchet vers le traitement appropri. Cet objectif de 0% de pertes de
produits en fin de vie permet de rsoudre le problme de la mise en dcharge des dchets ultimes
et daugmenter le volume des dchets recycler pour une meilleure rentabilit.

2.3.2.3 Laugmentation du volume des dchets


Un systme de recyclage doit tre rentable conomiquement parlant. Devant la faible valeur
ajoute dun seul produit, il est donc ncessaire davoir un volume suffisant de produits pour
approvisionner le march des produits ou des pices doccasion, comme celui des matires
premires secondaires. Il sagit donc pour la collecte de rcuprer le maximum de produits
dorigines les plus diverses. La chane inverse fonctionnant en flux pouss (du moins dans sa
premire portion), il est ncessaire daller chercher les produits l o ils se trouvent. Dans le cas
inverse, le client est tent de prendre la solution la plus simple, cest--dire de se dbarrasser au

47
Chapitre 2

plus vite de cette nuisance. Lobjectif de rentabilit sexprime galement par des cots de
fonctionnement calculs au plus juste.

2.3.2.4 La minimisation des cots


La rentabilit du systme de collecte pris indpendamment des autres constituants de la chane
inverse na pas normment de sens. Dune part, les acteurs actuels de la collecte sont souvent les
collectivits locales, pour qui la priorit principale nest pas le profit ralis, mais plutt le service
propos aux habitants de la commune. Dautre part, la collecte fait partie dune chane logistique
inverse globale, o le rsultat conomique du recyclage est valu en fin de chane, lors de la
revente des matires obtenues (produits, pices, matires premires) sur les marchs secondaires.
Dans cette optique, la collecte, qui reprsente le premier maillon de la chane par son rle
dapprovisionnement, est plutt gnratrice de cots, lis entre autres la gestion des transports,
du stockage, du personnel etc. Les cots de la collecte reprsentent une part importante des cots
globaux lis la rcupration des produits lectriques et lectroniques en fin de vie (Poquet,
1997)[40], (Ademe, 1998) [1].

Pourtant, il existe des situations o des modes de collecte peuvent gnrer des revenus (lors du
ramassage domicile par exemple). De mme, les cots globaux de la rcupration des produits
de ltude ne prennent pas en compte lapparition de nouvelles technologies lies au
dsassemblage ou au tri des produits et matires, technologies semi-automatises ou
compltement automatises qui seront srement gnratrices de cots dexploitation sans rapport
avec les cots actuels.

2.3.2.5 La conservation de ltat des produits


Lors du traitement des produits, que ce soit au niveau du transport, du stockage, voire du
diagnostic, il est ncessaire de conserver le produit dans le meilleur tat possible. Il nest jamais
bon de dtriorer inutilement un produit par une dgradation de son aspect extrieur par
exemple, ou par une perte de fonctionnalit. Des options de rcupration peuvent alors tre
malencontreusement cartes, et lventail des possibilits de recyclage se rduire. Pour la
collecte, il ne sagit donc pas seulement damener les produits vers les centres de recyclage, mais
de les y amener dans le meilleur tat possible.

2.3.2.6 Le pr-diagnostic des produits


Dans lhypothse o, lors de la collecte, il est possible dobtenir des informations sur les causes
de la sparation entre le propritaire et son produit (panne non rparable, produit dmod ),
ces informations permettent dtablir un pr-diagnostic sur le produit collect. Ce pr-diagnostic
peut ensuite tre utilis lors du diagnostic rel du produit et aider la dcision pour fixer loption
de rcupration qui sera choisie pour ce produit.

2.3.2.7 La performance du service client


Les produits encombrants en fin de vie se trouvent en gnral chez les habitants des communes.
Faire en sorte que ces consommateurs se sparent de leurs produits pour les diriger vers une
unit de rcupration passe par un service client performant et agrable utiliser. Cest le rle de
la collecte, qui est le contact privilgi entre les habitants et les installations de recyclage. Un
vhicule qui se dplace jusquau domicile de lhabitant pour le dbarrasser dun produit

48
La collecte

encombrant, suite un rendez-vous par contact tlphonique par exemple, augmente la


satisfaction du client. Dune manire gnrale, il faut rechercher la satisfaction des
consommateurs (les mnages) vis--vis des services de collecte proposs pour les sensibiliser au
problme du recyclage. Un service de collecte performant et satisfaisant au niveau de la source de
la chane inverse permet daccrotre les flux de retour par une fidlisation des mnages certains
modes de collecte, donc daccrotre la rentabilit de la chane de valeur.

2.3.2.8 Rsum des objectifs


Les objectifs vers lesquels le systme de collecte des produits lectriques et lectroniques
encombrants devrait tendre sont rsums dans le tableau (Tableau 2.4).

Objectifs Arguments
Contrle et conduite des flux Matrise du systme de rcupration
Filtre des dchets Environnement : viter le dpt sauvage
Augmentation du volume des dchets Rentabilit du systme de rcupration
Minimisation des cots Rentabilit du systme de rcupration
Conservation de ltat du produit Qualit de la rcupration
Pr-diagnostic des produits Aide la dcision pour la stratgie de rcupration
Performance du service client Satisfaction et fidlisation des consommateurs

Tableau 2.4 : Objectifs de la collecte des encombrants

2.3.3 Spcificits de la collecte


Dans ce paragraphe, nous allons prsenter les caractristiques spcifiques lies la rcupration
des produits lectroniques arrivant en fin de vie, et nous allons dmontrer que les systmes de
collecte classiques ne peuvent sappliquer parfaitement ces types de dchets. Tout au long de
cette partie, un parallle est donc tabli avec la collecte des dchets mnagers classiques, dont une
analyse se trouve dans les paragraphes ci-dessus.

2.3.3.1 Un potentiel de revalorisation unitaire lev


Les produits lectriques et lectroniques des mnages possdent une forte potentialit de
revalorisation unitaire, qui est due leur composition en matires premires et pices dtaches
(plastiques, matires ferreuses, cartes lectroniques ), leur mode de fabrication (assemblage,
soudage ) qui autorise une rcupration en fonction des techniques disponibles (dsassemblage
par exemple), lclosion de marchs secondaires avec une demande consquente sur ces
produits et composants revaloriss.

2.3.3.2 Des caractristiques physiques uniques


En comparaison des dchets classiques (ordures mnagres), les produits blancs et bruns
prsentent des caractristiques physiques uniques, que ce soit en volume ou en poids : une
machine laver est a priori plus encombrante quun emballage plastique, et ne peut tre collecte

49
Chapitre 2

ni traite de la mme manire. Une dchetterie traite les ordures mnagres par un pr-tri souvent
manuel, o les dchets sont disposs sur un tapis roulant et o des personnes sont charges de
classer les dchets suivant leur catgorie (matires ferreuses, plastiques etc..). Il est difficilement
envisageable de faire subir ce mme traitement un tlviseur ou une machine laver ! Dautant
plus que la matire premire, source de valeur ajoute, na pas le mme niveau daccessibilit pour
lemballage plastique et la machine laver. Le recyclage des produits techniques en fin de vie
ncessite lemploi de techniques spcifiques de dmontage et de dsassemblage, qui nexistent pas
dans le recyclage des dchets mnagers classiques.

2.3.3.3 Une frquence de retour unitaire faible


Les volumes de retour des dchets encombrants ne sont pas comparables avec ceux des dchets
classiques. Si le tonnage nest pas une mesure reprsentative, la frquence de collecte semble un
paramtre dtude plus pertinent : alors que les dchets mnagers classiques ncessitent un
ramassage journalier, les dchets encombrants napparaissent que plus rarement dans le rseau de
la rcupration. La plupart des communes nont-elles pas mis en place un systme de tourne de
collecte rgulier, mais relativement espac dans le temps (les monstres ) ?

2.3.3.4 Une accessibilit des produits complexe


Enfin, les produits lectromnagers encombrants, en plus dtre dissmins sur une zone
gographique, possdent des degrs daccessibilit et de transportabilit plus complexes que ceux
des dchets classiques Par exemple, certaines classes de la population peuvent tre obliges de
faire intervenir une aide extrieure lors de la sparation dobjets encombrants : nous pensons ici
particulirement aux personnes mobilit rduite et aux personnes ges. Mais dune manire
plus gnrale, se dbarrasser dune machine laver ou dun rfrigrateur peut impliquer un
investissement humain diffrent de celui demand pour les ordures mnagres.

2.3.3.5 Rsum des spcificits


Nous venons donc de passer en revue un certain nombre darguments tmoignant de la ncessit
de systmes de collecte adapts aux produits encombrants des mnages (Tableau 2.5), en
soulignant bien que les systmes de collecte des dchets mnagers classiques ne pouvaient pas
rpondre entirement nos besoins. En ralit, il existe dj des moyens de collecte
spcifiquement orients vers ce genre de produits, mis en place par les collectivits, et que nous
allons prsenter dans la section suivante.

Spcificits Produits blancs et bruns Ordures mnagres


Potentiel unitaire de revalorisation Elev Trs faible
Caractristiques physiques Gros volume, poids important Petit volume, petit poids
Frquence de retour unitaire Faible leve
Accessibilit Complexe Aise
Tableau 2.5 : Spcificits des systmes de collecte

2.3.4 Les diffrents modes de collecte


Deux grandes mthodes de collecte des produits lectriques et lectroniques encombrants se
distinguent : celle par enlvement, et celle par apport volontaire. La collecte par enlvement

50
La collecte

consiste en un dplacement dun transporteur venant rcuprer le produit usag au domicile du


particulier. On y retrouve dans cette catgorie la tourne priodique des monstres , la collecte
au porte--porte sur appel tlphonique, ainsi que lchange domicile lors de la livraison dun
nouvel appareil. La collecte par apport volontaire voit le consommateur apporter son produit
usag sur des lieux de centralisation et de stockage des produits usags, comme les dchetteries
par exemple, ou bien chez un grand distributeur. Dtaillons maintenant chaque mode de collecte
nomm, en prcisant les acteurs principaux et les situations dapplication les plus favorables.

2.3.4.1 La collecte par apport volontaire


La collecte par apport volontaire incite le consommateur agir activement pour le recyclage,
puisque celui-ci se dplace vers les lieux de collecte pour y laisser ses dchets. Quatre possibilits
soffrent lui : la dcharge municipale, la dchetterie, les associations, et la grande distribution.

2.3.4.1.1 La dcharge municipale


Il sagit principalement de lapport des produits usags directement sur les dcharges municipales.
Ce mode de collecte ou dabandon devra terme tre limin, car il ne permet pas de bnficier
rapidement du produit pour un diagnostic et une revalorisation. Rappelons que les dcharges
publiques seront interdites ds 2002 par des mesures lgislatives (Ademe, 1998) [1].

2.3.4.1.2 La dchetterie
La dchetterie est un quipement dapport et de tri, et non de traitement des dchets. Elle est
constitue par un espace amnag, gard et cltur, dans lequel professionnels et particuliers
peuvent se dbarrasser de certains de leurs dchets en les dposant dans des bennes spcifiques.
Les dchets accepts sont les dchets encombrants (lectromnager, meubles, literie ), les
produits recyclables (papiers, cartons, plastiques ), et les dchets spciaux des mnages (piles,
batterie, huiles usages ). La tendance gnrale des moyens mis en uvre par les collectivits
locales vise un dveloppement rapide du nombre de dchetteries pour la collecte des
encombrants. Ainsi, en rgion Rhne-Alpes, il y a en 1996 une dchetterie pour 25 000 habitants
en moyenne (FIEE, 1997)[30]. Le dveloppement de ce mode de collecte a des effets rducteurs
sur les frquences de collecte des encombrants en porte--porte ou en lieu fixe, voire mme la
suppression de ces types de collecte dans certaines situations.

La dchetterie na pas pour objectif une revalorisation directe des produits lectriques et
lectroniques en fin de vie. Initialement conue comme une solution polyvalente et flexible dans
son organisation pour diminuer les dpts sauvages, elle savre indispensable car elle rpond
des besoins autant de la part des consommateurs que des professionnels qui usent de sa
potentialit. La dchetterie doit tre vue comme un point dancrage pour la collecte : elle se
trouve la croise des chemins et constitue une solution prenne avec un rle de structuration
de solutions nouvelles. La dchetterie devrait tre vue comme favorisant le remploi des produits,
grce un stockage spar et une formalisation des relations avec les structures dinsertion. Le
recyclage des produits devrait galement tre dvelopp, par une meilleure orientation des
produits bruns vers la benne ferraille hors tlviseurs et crans (comme les produits blancs
actuellement), et en stockant de manire spare les tlviseurs et les moniteurs.

51
Chapitre 2

2.3.4.1.3 Les associations


Depuis quelques annes, la faveur des pouvoirs publics, des associations telles que ENVIE[186],
EMAUS, UTILE voient le jour, et proposent des solutions de collecte des encombrants la
population. Elles sont un moyen de plus offert aux consommateurs de se dbarrasser de leurs
produits usags. Notons que ces associations peuvent galement jouer le rle de collecteur par
enlvement dont nous parlerons ci-dessous.

2.3.4.1.4 La grande distribution


La collecte effectue par la grande distribution est le moyen prconis par le rapport (Desgeorges,
1994)[28]. Il consiste dire que lacheteur dun produit neuf dans un magasin peut rapporter son
appareil usag au moment de lachat sur le lieu de vente. Si ce mode de collecte est encore
actuellement sous-dvelopp au niveau national, certaines rgions ont dj port l'accent sur la
reprise par la grande distribution (320 000 appareils environ repris en Rhne-Alpes, soit 44% du
gisement total de la rgion, (FIEE, 1997) [30]). Le consommateur peut galement apporter son
produit pour une rparation au Service Aprs-Vente de la socit, et abandonner le produit
devant un prix de rparation trop lev. Il ncessite de la part de la grande distribution des
infrastructures logistiques adaptes, que ce soit pour lentreposage (stockage des produits
recycler) ou pour leur acheminement vers des lieux de diagnostic, de tri et de traitement.

En ce qui concerne le devenir des appareils collects, la gestion des produits en fin de vie est
troitement lie la taille et au niveau de spcialisation du distributeur, ainsi qu la quantit
dappareils rcuprs et aux paramtres de loffre en matire de gestion des dchets. De plus, les
flux post-reprise des appareils rcuprs semblent difficilement quantifiables, du fait de pratiques
peu transparentes (remploi en interne, revente ), mme si les services communaux de collecte
sont relativement bien utiliss, principalement les dchetteries. De nombreuses grandes surfaces
bnficient dune benne ferraille, et travaillent en collaboration avec les ferrailleurs (FIEE,
1997)[30].

Selon (Desgeorges, 1992) [27], lapport par acheteur doit tre un moyen de collecte dvelopper
une plus grande envergure que celle existant actuellement, car il prsente deux gros avantages : la
disparition de la collecte par des mcanismes dincitation financire et environnementale ainsi
quune plus grande esprance de retour des produits, et galement le dveloppement et la
facilitation du tri. Cependant, deux inconvnients doivent tre considrs : une gestion lourde des
mcanismes denclenchement et de suivi lis ce type dchanges, ainsi que la prsence dendroits
ddis la remise et au stockage des produits en fin de vie, qui peut provoquer une gne pour les
collecteurs. De plus, ce mode de collecte apparat bien adapt pour les produits portables en fin
de vie (transportables la main, comme les magntoscopes, les grille-pain ..). Hors, une des
contraintes majeures des produits encombrants reste justement lencombrement, et cette
contrainte reste aujourdhui encore un frein majeur pour la grande distribution.

2.3.4.2 La collecte par enlvement


La collecte par enlvement est un mode moins contraignant que lapport volontaire, et rassemble
trois options : la demande par tlphone, la collecte priodique, et lenlvement lors de la
livraison dun nouvel appareil.

52
La collecte

2.3.4.2.1 La collecte sur demande : le numro de tlphone vert


La collecte sur demande dun appareil usag se manifeste lorsquun particulier demande un tiers
de venir ramasser son produit usag son domicile. La demande est en gnral faite par
tlphone, et vise le plus souvent des services de ramassage de la collectivit. Ce mode de collecte
existe principalement dans les grandes agglomrations, et est propos par la commune. Il nexiste
pas de tri en amont au niveau du particulier, il est donc ncessaire de trier en aval, au moment o
le produit intgre un centre de recyclage. Ce tri nest pas systmatiquement ralis aujourdhui, et
est prconis par plusieurs rapports pour une meilleure revalorisation.

2.3.4.2.2 La collecte priodique


La collecte priodique, couramment appele monstres , consiste tablir des tournes
priodiques au sein de lagglomration. Chaque tourne a des points darrt plus ou moins
dtermins et espacs dune distance raisonnable. Les particuliers ont la charge damener leurs
produits encombrants sur ces points de ramassage. Ce type de collecte prsente certains
avantages : la certitude de rcuprer en un minimum de temps et defforts un gros volume de
produits encombrants. Mais elle prsente galement plusieurs inconvnients : lanonymat du
propritaire (aucune information nest disponible sur la cause de labandon), le tri en aval
ncessaire (il nexiste aucune certitude sur la nature des dchets collects : matelas, machines
laver, chaises peuvent trs bien cohabiter, et doivent tre collects), la scurit du personnel (voir
Annexe 1). Mais le principal inconvnient reste la cannibalisation des dchets. La tourne de
ramassage passant en gnral le matin, les produits sont laisss sur les points de collecte la veille
au soir. Il arrive fort souvent que ces produits se retrouvent le matin pills de leur valeur
principale, dpouills de leurs pices dtaches facilement dtachables et valeur ajoute. Le
produit ainsi collect ne possde alors plus de valeur suffisante pour tre rintgr dans le march
dune manire ou dune autre : que faire dun squelette de machine laver ? Selon (Desgeorges,
1992) [27], ce type de collecte, qui apparat essentiellement dans les grandes agglomrations, est
galement sous-dimensionn par rapport aux enjeux nationaux du recyclage.

2.3.4.2.3 Lenlvement par livreur (change un pour un domicile)


Il intervient lorsquun consommateur achte un nouveau produit et dsire se faire livrer
domicile. Le vendeur propose parfois lchange domicile entre lancien et le nouveau. Ce type
de collecte est utilis comme argument de vente des socits, et est souvent le fait de la grande
distribution. Un produit rcupr de cette faon a trois destinations possibles : lorientation vers
un second march ou vers lexportation si ltat du produit le permet, le dmontage pour avoir
des pices de rechange, ou enfin lentre sur un circuit de revalorisation ou de mise en dcharge
(Desgeorges, 1992) [27]. Le souci de la grande distribution reste de toute faon de garder un solde
positif. Si ce mode de collecte est sduisant, il semble peu concevable quil puisse prendre en
compte lensemble des demandes de la collecte, ceci pour deux raisons : il faudrait tre sr que
toutes les socits livreuses proposent ce service, et il faudrait que tous les consommateurs
utilisent ce service. Ces deux conditions sont difficiles mettre en uvre, et entravent la libert
daction des deux acteurs de la rcupration du dchet. Cest pourquoi nous voyons cette solution
de collecte intressante, mais venant en complment dautres moyens.

2.4 Discussion

Dans les deux sections prcdentes, nous avons successivement abord les systmes de collecte
existants pour les dchets mnagers classiques, puis pour les produits lectriques et lectroniques

53
Chapitre 2

encombrants. Lide est danalyser les modes de fonctionnement actuellement en vigueur, et


dvaluer leur potentiel et leur limite par rapport lmergence des marchs secondaires et des
nouveaux modes de rcupration et de recyclage des produits encombrants.

Concernant le ramassage des produits blancs et bruns, des solutions existent dj et peuvent tre
rpertories en deux types distincts : la collecte par apport volontaire, et la collecte par
enlvement au domicile. Chaque type peut tre ralis de diverses manires, dont le dtail est
donn dans les pages prcdentes. Citons nanmoins lapport volontaire en dcharge municipale,
en dchetterie, vers des associations ou vers la grande distribution, et lenlvement la demande,
lors de tournes priodiques, enfin lors de la livraison dun produit neuf.

La comparaison avec la collecte des ordures mnagres classiques fait ressortir quatre diffrences
fondamentales, qui rendent caduque lapplication des modes de ramassage correspondant au cas
des produits encombrants : un potentiel unitaire de revalorisation lev, alli une frquence de
retour faible, ainsi que des spcificits physiques uniques et une accessibilit complexe aux
composants de base possdant de la valeur, caractrisent les produits blancs et bruns. Tout juste
les conclusions thoriques sur les performances des systmes de collecte peuvent-elles sappliquer
notre problmatique. Cependant, ltape de tri est quasi-inexistante dans le processus de
rcupration au niveau produit, mme si le tri des matires premires extraites et pices dtaches
issues du dsassemblage nest pas exclure. Nous verrions plutt ltape de tri remplace par
ltape de pr-diagnostic des produits, mais celle-ci serait toujours ralise ds que possible, et
non pas en fonction de la densit de la population locale.

Toutes les agglomrations, toutes les communes prsentent au minimum lun des modes de
collecte des produits encombrants. Le plus souvent, ce sont deux, voire trois options qui sont en
ralit proposes la population, afin dlargir lventail des possibilits, avec la combinaison
entre lapport volontaire et lenlvement domicile. Cependant, nous gageons que certaines des
manires de collecter prcites ne pourront survivre lexplosion des volumes de dchets cre
par le dveloppement de nouvelles techniques de revalorisation. Si la mise en dcharge
municipale est amene disparatre en 2002, si la tourne priodique ne garantit aucunement la
qualit des produits rcuprs (cannibalisation), quen est-il des autres possibilits ? Nous avons
vu que lenlvement lors de la livraison dun produit neuf est une situation qui risque de survenir
assez peu frquemment. Lapport volontaire des associations concerne un nombre limit de
produits en fin de vie, compar lapport volontaire en dchetterie, notamment cause de la plus
grande couverture gographique du rseau des dchetteries. La grande distribution, quant elle,
offre une couverture gographique au moins aussi importante que celle des dchetteries, mais le
dveloppement de ce mode de ramassage passe par de larges incitations financires, et un effort
de rorganisation interne ncessaire pour laccueil des produits en retour.

Au final, nous retenons donc trois options pour assurer la fonction de collecte : lapport
volontaire en dchetterie ou en grande distribution, et lenlvement la demande. Cependant,
devant la caractristique physique principale des produits de ltude, cest--dire leur
encombrement, notre avis est que la collecte par enlvement la demande du consommateur est
le mode en devenir dans les systmes de collecte. Cest donc lui qui va tre partir de maintenant
le centre de nos travaux, et pour lequel nous allons prsenter une solution de planification
oprationnelle de collecte, base sur la gestion dune flotte de vhicules devant satisfaire les
contraintes lies la spcificit des produits tout en ralisant les objectifs annoncs par le systme
de ramassage. Notons tout de mme que la prsentation qui va suivre, qui se restreint un seul
type de collecte, peut facilement tre tendu au primtre des trois options de ramassage.

54
La collecte

2.5 Planification oprationnelle de la collecte

La discussion ci-dessus nous permet de mieux dfinir le cadre de notre travail. tant entendu que
nous abordons prcisment la collecte par enlvement des produits en fin de vie la demande du
possesseur, il nous faut maintenant mettre en vidence les caractristiques du problme et les
moyens mis en uvre pour le rsoudre.

Nous pouvons sans prtention partir de lhypothse quun rseau dinstallations de rcupration
des produits manufacturs existe et couvre la zone gographique sur laquelle sapplique la
collecte. Nous nous basons pour ce faire sur les rsultats des travaux de (Krikke, 1998) [16] pour la
conception du rseau logistique inverse dans une vue tactique (voir 1.2.6.1 - Niveau tactique). Les
installations de ce rseau sont spcialises sur des types de produits de ltude. Une flotte de
vhicules de ramassage est disposition pour satisfaire les demandes de collecte mises par la
population. Il sagit donc de dfinir priodiquement une planification de cette flotte pour
rpondre aux besoins des habitants, en prenant les aspects suivants en considration :

la nature encombrante des produits usags, qui gnre des efforts de manipulation non
ngligeables dans le transport ;
le respect horaire de passage des vhicules chez les consommateurs qui prennent rendez-vous
pour le ramassage de leur produit ;
les multiples destinations possibles prises par le produit en fin de vie une fois quil est collect
et diagnostiqu ;
lacheminement dun produit de son lieu de chargement vers son lieu de dchargement par un
seul et mme vhicule ;
le ncessaire effort de rentabilit financire, se traduisant par une gestion des cots
rigoureuse.

Vouloir planifier une flotte de vhicules en considrant lensemble des aspects cits impose de
passer par une tape de modlisation, dans le triple objectif :
- de clarifier le problme et de poser les fondements et les notations qui vont nous servir pour
atteindre notre but ;
- de mieux matriser la comprhension de notre travail et mieux prsenter les ides qui vont
nous suivre tout au long de ce rapport ;
- didentifier notre problme par rapport la communaut scientifique, pour une bonne
divulgation des travaux et pour pouvoir utiliser des mthodes dj existantes dveloppes sur
le mme sujet.

Ainsi, le problme de planification oprationnelle de la collecte peut tre modlis par un


problme dOptimisation Combinatoire, qui consiste router une flotte de vhicules sous les
contraintes exprimes ci-dessus. Ce problme est une extension du bien connu problme du
voyageur de commerce, et se nomme :

Le problme de chargement et de dchargement avec contraintes de :


capacit sur les vhicules ;
fentres temporelles respecter lors du passage des vhicules sur les villes visiter ;
prcdence entre les villes de chargement et de dchargement dun mme produit.

Il est connu en anglais sous le nom de Pickup and Delivery Problem with Time Windows
(PDPTW). Les deux chapitres suivants sont consacrs ltude et la rsolution de ce problme.

55
Chapitre 2

2.6 Conclusions

Il est maintenant temps daborder les conclusions de ce chapitre portant sur la collecte des
produits manufacturs encombrants de llectromnager.

2.6.1 Ce quil faut retenir


Lmergence de structures et de mcanismes ddis la rcupration et au recyclage des produits
manufacturs arrivant en fin de vie implique le dveloppement des systmes de collecte de ces
produits pour garantir un flux de retour maximal. Cest la prennit du processus global du
recyclage qui est en jeu, car la collecte joue le rle crucial dapprovisionnement unique du systme
inverse et est un des acteurs du recyclage gnrant une partie importante des cots globaux.

Proposer de nouvelles solutions de ramassage passe obligatoirement par une analyse des
mthodes existantes, afin den cerner les limites et leur potentialit future. Les systmes de
collecte ddis successivement aux ordures mnagres classiques, puis spcifiquement aux
produits encombrants, sont abords. Il ressort de cette tude que les mcanismes de la collecte
des ordures mnagres ne peuvent sappliquer dans le cas des produits manufacturs
encombrants, car ceux-ci se diffrencient fortement par un potentiel unitaire de revalorisation
lev, alli une frquence de retour faible, ainsi que des spcificits physiques uniques et une
accessibilit complexe aux composants de base possdant de la valeur.

Les diffrents modes de collecte des produits blancs et bruns sont ensuite examins. Ils peuvent
tre classs en deux types : la collecte par apport volontaire du consommateur vers des lieux de
recueillement, et la collecte par enlvement domicile. Parmi ces deux types de collecte, trois
options retiennent notre attention, car elles nous semblent les plus adaptes aux volutions des
marchs secondaires de la rcupration : lapport volontaire en dchetterie ou en grande
distribution, et lenlvement domicile la demande de lhabitant.

Aprs avoir restreint notre champ daction la collecte par enlvement la demande, qui, par les
caractristiques physiques des produits encombrants, nous semble la mthode prsentant le plus
gros potentiel, nous mettons en vidence que la planification oprationnelle de la collecte passe
par ltude du problme de routage de vhicules suivant : le problme de chargement et de
dchargement avec contraintes de prcdence, de capacit et de fentres temporelles.

2.6.2 Ce qui va suivre


Les deux chapitres suivants vont traiter particulirement du problme de routage de vhicule
nonc ci-dessus. Une modlisation mathmatique est propose dans le chapitre 3. Devant la
complexit de ce problme, la mthodologie dapproche consiste traiter dans un premier temps
le cas dun vhicule, et dtendre ensuite les rsultats obtenus au cas de plusieurs vhicules.

56
Chapitre 3 Planification oprationnelle
pour un vhicule

3.1 Introduction

Lanalyse du problme de la collecte des produits lectriques et lectroniques encombrants de


llectromnager nous a conduit considrer le problme de la gestion de la flotte de vhicules
cense collecter les produits. Nous avons fait ressortir dans le chapitre prcdent un mode
particulier de collecte, le ramassage des produits usags domicile sur la demande de lhabitant,
qui nous parat tre le mode qui prsente le plus gros potentiel de dveloppement. En nous
concentrant sur ce type de collecte, nous nous apercevons que la flotte de vhicules est soumise
trois types de contraintes, qui ont t mises en vidence : la capacit des vhicules, la prcdence
entre les sites de chargement et de dchargement des produits, et les intervalles de temps lors de
la visite des vhicules sur les sites.

Ltude et la rsolution dun problme aussi complexe que celui auquel nous faisons face ne
peuvent se concevoir sans une tape pralable de modlisation, qui permet de faire ressortir les
caractristiques essentielles du problme et de poser les dfinitions et les notations indispensables
une bonne communication et une bonne comprhension. Nous allons voir que notre problme
de collecte se rapproche dun des problmes les plus complexes de loptimisation combinatoire,
le problme de chargement et de dchargement avec contraintes de capacit, de fentres
temporelles et de prcdence ( Pickup and Delivery Problem with Time Windows PDPTW).
Aprs avoir redfini nos hypothses de travail, une modlisation mathmatique du problme est
nonce, les mthodes de rsolution existantes sont analyses, et une stratgie de rsolution
innovante est finalement prsente.

3.2 Prsentation du problme

Le problme de chargement et de dchargement avec fentres temporelles et capacit peut tre


prsent comme suit. Supposons un ensemble de n clients, chaque client mettant une demande
de transport sur une quantit devant tre achemine dun point distinct un autre point distinct.

57
Chapitre 3

Chaque arrt du vhicule sur les points origine et destination caractrisant les demandes doit tre
fait lintrieur dune fentre temporelle connue lavance.

Nous construisons alors un graphe G(S,E) non orient complet o S={si / i = 0, , 2n} est
lensemble des sommets, et E={(si , sj) / i = 0, , 2n, j = 0, , 2n, i j} reprsente lensemble
des artes du graphe. Dans ce graphe, le sommet s0 est un dpt, les sommets restants
reprsentent les villes de chargement et de dchargement des clients.

Chaque sommet si (i = 0, , 2n), est caractris par :


une quantit fixe di positive charger (resp. dcharger) par le vhicule (d0 = 0 au sommet s0) ;
un temps de service ncessaire au traitement de la demande du sommet : temps de
chargement (resp. dchargement) de la demande si si est une ville de chargement (resp.
dchargement) ;
une fentre temporelle [ei , li], o ei est la borne infrieure et li la borne suprieure de la
fentre temporelle du sommet si, pendant laquelle le chargement (resp. dchargement) est
autoris (avec e0, la date de dbut au plus tt et l0 la date de fin au plus tard de chaque
vhicule sur le dpt).

A chaque arte (si , sj) est associe une distance (cot) cij ainsi quun temps de transport tij (il est
suppos dans le cas gnral que la matrice de distance D = (dij) satisfait lingalit triangulaire,
i.e. dij + djk dik , " i, j et k).

Etant donne une flotte de m vhicules (non ncessairement identiques), chacun de capacit qv
(v = 1, , m), lobjectif est de construire un ensemble de routes R = {Rv , v = 1, , m}, de cot
minimum, dmarrant et finissant sur le mme dpt s0, que doit emprunter la flotte de vhicules.
Pour chaque vhicule v, la route Rv est un ordonnancement sur un sous-ensemble des sommets
du graphe : Rv = (si, i = 0, , 2n). R est construit de telle manire que les contraintes suivantes
sont satisfaites :

Couplage : chaque route est servie par un seul vhicule ;


Circuit Hamiltonien : chaque sommet si (i = 1, , 2n) est visit exactement une fois ;
Capacit : la commande livre sur une route ne doit pas dpasser la capacit du vhicule ;
Prcdence : la ville de chargement pour un client doit tre visite avant la ville de
dchargement ;
Disponibilit : la date de dpart de chaque vhicule est suprieure ou gale e0 ;
Retour : la date de fin au plus tard du vhicule est infrieure ou gale l0 ;
Fentres temporelles : pour chaque sommet, le service doit tre fait dans la fentre
temporelle correspondante.

La dfinition de la fentre temporelle doit tre affine, car deux types de fentres temporelles
sont rencontrs dans la littrature :
"Soft time windows" : le vhicule peut arriver avant la borne infrieure ou aprs la borne
suprieure. Si le vhicule arrive en avance, il doit attendre pour commencer le service. Sil est
en retard, une pnalit est ajoute la fonction objectif ;
"Hard time windows" : le vhicule doit arriver avant la borne suprieure de la fentre
temporelle pour chaque client. Dans ce cas, la taille de la flotte de vhicule est une variable de
dcision, car la contrainte temporelle est ici une contrainte forte jouant sur la faisabilit de
linstance rsoudre.

58
Planification oprationnelle pour un vhicule

Dans la suite de notre travail, nous nous consacrons uniquement ltude dinstances o les
fentres temporelles sont du type hard time windows . Une fois la structure du processus de
rsolution mise en place, une phase supplmentaire permettra dintroduire la flexibilit temporelle
induite par les fentres soft .

Il existe une variante particulire du (PDPTW) dans laquelle toutes les quantits des clients sont
identiques : il est alors question de transport de personnes ( Dial A Ride Problem DARP),
notamment des personnes ges et des personnes mobilit rduite. Dans cette situation, les
contraintes temporelles imposes par les clients prdominent les contraintes de capacit du
vhicule, et le cot associ une route est une combinaison du temps de transport et de
linsatisfaction du client.

3.2.1 Exemple
Considrons l'exemple suivant afin d'illustrer la prsentation du problme trait. Pour une facilit
de comprhension, nous nous contentons de prendre en compte les contraintes de capacit et de
prcdence. Les fentres temporelles sont donc dfinies de manire ne pas contraindre la
rsolution. Cet exemple dcrit une instance dix clients et un vhicule. Le temps de service de
chargement est considr gal deux fois le temps de service de dchargement. Le vhicule
dbute et finit sa route au dpt D0. Sa capacit vaut q1 = 100. Le temps de parcours entre deux
nuds est pris gal 1.5 multipli par la distance entre ces deux nuds.

Client Origine Destination Quantit


Coordonnes Fentre Coordonnes Fentre
temporelle temporelle
C1 (30, -20) (0, 5000) (-80, -20) (0, 5000) 20
C2 (-20, 60) (0, 5000) (100, 100) (0, 5000) 15
C3 (-10, -30) (0, 5000) (30, 100) (0, 5000) 30
C4 (40, 50) (0, 5000) (70, 60) (0, 5000) 20
C5 (40, 90) (0, 5000) (80, 20) (0, 5000) 10
C6 (-70, 70) (0, 5000) (70, -70) (0, 5000) 35
C7 (30, -50) (0, 5000) (-20, -70) (0, 5000) 25
C8 (80, -40) (0, 5000) (-60, -30) (0, 5000) 30
C9 (-50, -80) (0, 5000) (-90, 10) (0, 5000) 10
C10 (-50, 30) (0, 5000) (20, -100) (0, 5000) 15
Tableau 3.1 : Description de lexemple

Une solution possible de lexemple est prsente analytiquement dans le tableau (Tableau 3.2) et
schmatiquement par la figure (Figure 3.1) ci-dessous. Pour des facilits dcriture, les sommets
de chargement sont prfixs par le signe +, et les sommets de dchargement sont prfixs par le
signe -. Le cot total pour cette route est 995.498118, et correspond la distance totale parcourue
par le vhicule.

Sommet Date darrive Capacit arrivante Opration


0 0 0 0
+3 47 0 30
+10 186 30 15
+6 268 45 35
+2 379 80 15

59
Chapitre 3

-3 490 95 -30
+5 526 65 10
+4 596 75 20
-4 664 95 -20
-2 749 75 -15
-5 880 60 -10
+8 975 50 30
-6 1052 80 -35
+1 1165 45 20
+7 1230 65 25
-10 1332 90 -15
-7 1414 75 -25
+9 1473 50 10
-8 1559 60 -30
-1 1608 30 -20
-9 1665 10 -10
0 1806 0 0
Tableau 3.2 : Solution de lexemple (1-PDPTW)

100 -3
+5 -2

+6
+2
-4
+4
+10
-5
-9
D0
- 100 100

+1
-1 -8
+3
+8
+7
-7
-6
+9
-10
- 100

Figure 3.1 : Solution de lexemple (1-PDPTW)

3.3 Modlisation

Nous prsentons ci-dessous la modlisation mathmatique du problme de chargement et de


dchargement sous les contraintes de fentres temporelles et de capacit. Prcisons que le modle

60
Planification oprationnelle pour un vhicule

propos est un modle global, dans le sens o il prend en compte une flotte de plusieurs
vhicules, et non pas un seul vhicule comme le laisserait supposer le titre du chapitre. Lavantage
du modle "vhicules multiples" est quil est plus complet, quil nest plus ncessaire de le
reprsenter dans le chapitre suivant, et que la transition "vhicules multiples" "vhicule simple"
est aise.

3.3.1 Notations
Soit n le nombre de clients, index par i. Chaque client met une requte de transport ri.
chaque requte de transport sont associs un nud de chargement si et un nud de
dchargement sn+i. Les nuds s0 et s2n+1 sont associs au dpt. Cette numrotation des nuds
clarifie lensemble des lments du problme, savoir les clients et les nuds du rseau.

Soit N={0, 1, , n, ,n+1, , 2n, 2n+1} lensemble des indices des nuds du rseau, P+={1,,
n} lensemble des indices des nuds de chargement, P-={n+1,, 2n} lensemble des indices des
nuds de dchargement. Soit P=P+P- lensemble des indices des nuds autres que le nud
dpt.

Soit di la demande du client i qui doit tre transporte du nud si au nud sn+i. Lintervalle de
temps [ei , li] est dfini pour le chargement du client i et lintervalle de temps [en+i , ln+i] est dfini
pour le dchargement du client i. Pour tous les vhicules, [e0 , l0] est lintervalle de temps de
dpart du nud dpt alors que [e2n+1 , l2n+1] est lintervalle de temps de retour au nud dpt.

Soit V={1, 2,, m} lensemble des vhicules de la flotte qui sont utiliss pour laffectation des
produits et dirigs ensuite de faon optimiser les routes. Lensemble est index par v. Chaque
vhicule possde une capacit D.

Pour tous indices i et j dans N, tij et cij sont dfinis comme tant respectivement le temps de
transport et le cot de transport entre les sommets si et sj, tandis que pi est le temps de service
( processing time ) au sommet si.

3.3.2 Variables
Trois types de variables sont introduites dans le modle mathmatique propos.

Variables de flot
Pour tout vV ; i, jN ; ij, la variable binaire X ijv est dfinie comme suit :

{ X ijv = 1 si le vhicule v voyage du nud si vers le nud sj


X ijv = 0 sinon

Variables de temps
Pour chaque indice de nud i P, la variable relle Ti + indique la date laquelle le service
sur le nud si commence. Pour tout vhicule vV, T0v + reprsente la date laquelle le
vhicule v part du dpt, et la variable T2vn +1 + la date laquelle le vhicule v retourne au
dpt.

61
Chapitre 3

Variables de chargement
Pour chaque indice de nud i P, la variable Yi+ correspond au poids total charg sur le
vhicule qui quitte le nud si. Il est suppos que les vhicules quittent le dpt avec un poids nul,
cest--dire Y0=0.

3.3.3 Fonction objectif


Il existe plusieurs types de fonctions objectif dans la rsolution des problmes de tournes de
vhicules. Citons ple-mle loptimisation de la distance parcourue, de la dure globale de
parcours, des cots, du temps dattente des vhicules, du taux de remplissage des vhicules, de la
taille de la flotte

Dans notre travail, nous avons choisi de nous restreindre dans un premier temps la
minimisation de la distance totale parcourue par la flotte. En effet, dans une perspective de
rsolution du problme (PDPTW) avec un objectif unique, ce critre nous a sembl tre le plus
pertinent et le plus reprsentatif des conditions relles rencontres dans la gestion dune flotte de
vhicules destine la collecte des produits encombrants de llectromnager. Justifions notre
choix.

De part la nature du problme trait, o les contraintes temporelles sont fortes, et sous
lhypothse que les temps de transport et les cots sont proportionnels aux distances de
transport, les fonctions objectif visant loptimisation de la dure totale de transport ou
loptimisation des cots de la flotte nauraient pas eu tout leur sens. En revanche, des fonctions
objectif secondaires , comme loptimisation du temps dattente des vhicules ou le taux de
remplissage des vhicules, mme si elles ne sont pas actuellement prises en compte dans notre
travail, pourraient faire lobjet dune tude plus approfondie, dans le but de proposer une varit
de solutions rpondant des objectifs multicritres peut-tre plus en accord avec les attentes des
industriels. Ces fonctions objectif peuvent donc tre vues comme une perspective de recherche
intressante.

3.3.4 Modle
Fonction objectif :
Min c ij X ijv
vV iN jN

sous les contraintes :


X vij = 1, " i P +
vV jN
(E3.1)

X -X
jN
v
ij
jN
v
ji = 0, " i P, " v V (E3.2)

X v
0j = 1, " v V (E3.3)
jP + {2 n +1}

X v
i,2n+1 = 1, " v V (E3.4)
i{0} P -

X - X
jN
v
ij
jN
v
j, n+i = 0, " i P+ , " v V (E3.5)

Ti + p i + t i,n +i Tn +i , " i P + (E3.6)

62
Planification oprationnelle pour un vhicule

 
Tj - Ti + p i + t i , j  , 1 - X ijv .G, " i, j P , " v V, G grande valeur (E3.7)
 v
0   v
0j  +
Tj - T + t 0 j 1 - X .G, " j P , " v V, G grande valeur (E3.8)
 
T2vn +1 - Ti + p i + Ti , 2 n +1  1 - X vi,2n+1 .G, " i P - , " v V, G grande valeur (E3.9)
e i Ti l i , " i P (E3.10)
e 0 T0v l 0 , " v V (E3.11)
e 2 n +1 T2vn +1 l 2 n +1 , " v V (E3.12)
 
Yj - Yi + d j  = 1 - X ijv .G, " i P, " j P + , " v V, G grande valeur (E3.13)
 
Yj - Yi - d j- n  = 1 - X ijv .G, " i P, " j P - , " v V, G grande valeur (E3.14)
 
Yj - Y0 + d j  = 1 - X 0v j .G, " i P + , " v V, G grande valeur (E3.15)
Y0 = 0, d i Yi D, " i P + (E3.16)
v + +
X binaire, i, j N, v V; Ti ; Yi
ij (E3.17)

Les contraintes (E3.1)-(E3.4) forment le problme du flot : (E3.1) spcifie que tout sommet est
visit exactement une fois et par un seul vhicule, (E3.2) force les vhicules terminer leur
parcours sur le nud dpt, alors que (E3.3) et (E3.4) dterminent les nuds de dpart et
darrive des vhicules. La contrainte (E3.5) assure quun mme vhicule visite les nuds de
chargement si et de dchargement sn+i. La contrainte de prcdence de visiter le nud si avant le
nud sn+i est exprime par (E3.6). Les contraintes (E3.7)-( E3.9) assurent la compatibilit entre
les routes et les ordonnancements, alors que les contraintes de temps sont considres dans
(E3.10)-( E3.12). Enfin, la compatibilit entre les routes et la charge des vhicules est reprsente
par (E3.13)-( E3.15) et les contraintes de capacit par (E3.16). Pour apprcier la complexit du
modle propos, nous aurions, dans le cas de lexemple propos en dbut de chapitre avec 10
clients et un vhicule, un modle contenant 11616 contraintes et 526 variables de dcision.

3.4 Mthodes de rsolution

D'une manire assez surprenante, peu de travaux relatifs l'tude du problme de chargement et
de dchargement avec contraintes de fentres temporelles et de capacit (PDPTW) ont t
publis dans la littrature. Nous allons dans ce paragraphe nous consacrer un survol rapide des
travaux existants sur le problme un vhicule, en notant que le cas vhicules multiples sera
abord au chapitre suivant. Prcisons tout de mme que le lecteur intress trouvera dans (Bodin
and al., 1983)[58] et (Desrochers et al., 1988)[29] d'excellents tats de l'art sur les problmes de
routage de vhicules avec une attention particulire sur les problmes de chargement et de
dchargement. De mme, (Savelsbergh and Sol, 1995)[156] ont prsent plus rcemment un aperu
de diffrents types de problmes et de leurs solutions associes concernant le problme gnral
de chargement et de dchargement (GPDP - General Pickup and Delivery Problem ). Il faut
remarquer que les travaux raliss pour le vhicule simple sont en gnral repris et intgrs dans
le problme plusieurs vhicules, dans une approche en deux phases : partition / optimisation.

La revue de la littrature sur le sujet peut tre divise en deux grandes parties : les mthodes
exactes et les mthodes approches.

63
Chapitre 3

3.4.1 Les mthodes exactes


Le premier travail de rsolution du (1-PDPTW) est une mthode exacte publie dans (Psaraftis,
1983a)[151], utilisant la programmation dynamique en rcursivit progressive. La base de la
mthode est dcrite dans (Psaraftis, 1980)[150], qui traite le mme problme sans les fentres
temporelles. Dans ces deux mthodes, l'espace d'tat est reprsent par le vecteur (L, k1, k2, ,
kn), o L reprsente le nud actuellement visit, et ki reprsente ltat du client i : ki=3 si la
demande du client i n'a pas encore t charge, ki=2 si la demande du client i est charge mais
nest pas encore dcharge et ki=1 si la demande du client i a t charge et dcharge. Avec une
complexit algorithmique de O(n2 3n), o n est le nombre de nuds du graphe, des problmes de
10 clients ont pu tre rsolus de manire optimale.

(Kalantari et al., 1985)[121] proposent un algorithme de sparation et valuation pour le problme


de chargement et dchargement sans fentres temporelles, mais avec des vhicules de capacit
finie et/ou infinie. Leur algorithme permet de rsoudre de manire optimale des instances de
taille allant jusqu' 18 clients.

(Desrosiers et al., 1986) [80] rsolvent le problme de transport des personnes (1-DARP) grce
un algorithme de programmation dynamique. En minimisant la distance totale, tout en
considrant les deux dimensions (temps, cot) pour traiter le problme du plus court chemin
avec fentres temporelles, des instances d'au plus 40 clients (80 nuds) sont rsolues. L'un des
avantages de cet algorithme est qu'il peut aisment tre implment pour une grande varit de
problmes de routage de vhicules, grce lutilisation de critres dlimination dtats, tats
rendus irralisables par les contraintes du problme.

3.4.2 Les mthodes approches


Parmi les mthodes approches que nous avons rencontres dans la littrature, la plupart utilisent
des algorithmes d'insertion. La philosophie de cette mthode est d'insrer de nouveaux clients
visiter dans des routes dj existantes, tout en conservant la faisabilit de la nouvelle solution,
c'est--dire en respectant les diffrentes contraintes du problme sur la capacit des vhicules, les
fentres temporelles et la prcdence entre les nuds.

(Sexton and Bodin, 1985a[164], 1985b[165]) prsentent dans deux articles le rsultat de leurs travaux
sur le DARP avec une flotte plusieurs vhicules, mais o chaque vhicule est trait
indpendamment des autres vhicules. Leur formulation ne prend pas en compte les fentres
temporelles, mais chaque client met une prfrence sur les dates de chargement et de
dchargement, et la fonction objectif est une minimisation des dsagrments subis par lensemble
des clients. La dcomposition de Bender est applique sur une formulation non linaire mixte du
(1-PDPTW), qui permet de dfinir successivement les routes, puis les ordonnancements des
routes. Chaque problme de routage est galement rsolu par une heuristique itrative
damlioration. Des instances reprsentatives de cas rels et de taille moyenne, comprenant de 5
7 vhicules et o chaque route contient jusqu 20 clients, sont rsolues, sans pour autant pouvoir
tre compares avec les solutions optimales.

Dans une autre publication, les mmes auteurs (Sexton and Bodin, 1983) [163] prsentent un
algorithme d'insertion pour le (1-PDPTW), utilis dans la rsolution du problme plusieurs
vhicules.

(Sexton and Choi, 1986)[166] considrent le (1-PDPTW) o la fonction minimiser est une
combinaison linaire entre le temps total de transport du vhicule et des pnalits de retard. Leur

64
Planification oprationnelle pour un vhicule

approche se base sur la dcomposition de Bender, et sur des travaux dj raliss dans (Sexton
and Bodin, 1985a[165], 1985b[165]). Le problme trait ici semble pourtant plus complexe, car les
travaux prcdents ne prenaient pas en compte les fentres temporelles. Une route initiale est
construite par une heuristique dinsertion qui considre les clients par sparation spatio-
temporelle croissante. Puis la dcomposition de Bender permet de fixer lordre des sommets sur
la route, puis de calculer lordonnancement afin de diminuer le retard. Des instances de 17 clients
sont rsolues efficacement.

(van der Bruggen et al., 1993) [63] proposent, quant eux, une mthode de recherche locale en
deux phases pour obtenir une solution admissible de bonne qualit lorsque la dure de la route
est minimiser. Leur mthode se base sur le travail de (Lin and Kernighan, 1973) [131], une
procdure dchange darcs profondeur variable, dont le principe consiste chaque itration
dterminer dynamiquement le nombre darcs changer. Lorsque de mauvaises solutions, voire
des solutions irralisables, sont gnres, l'algorithme est combin avec le recuit simul, qui
autorise une flexibilit accrue. Ce principe a permis de trouver des solutions quasi-optimales sur
des instances de 38 clients.

(Healy and Moll, 1995) [108] introduisent un nouveau procd de recherche locale, nomm
sacrifice ( sacrificing ), et prsentent une application au DARP. Leur mthode se base sur le
constat que le voisinage dune solution construit par des 2-opt changes se constitue de O(n)
O(n2) solutions voisines admissibles, et quentre deux solutions sous-optimales, celle dont le
voisinage est le plus peupl semble la plus attractive. Ces constatations amnent les auteurs
dvelopper un algorithme qui alterne des phases doptimisation locale et des phases de sacrifice.
Une phase de sacrifice dbute lorsquun optimum local est atteint. Choisir alors une solution
sacrifie consiste choisir la solution dont le ratio cot / cardinalit du voisinage est le plus
grand. Les tests, raliss sur des instances dont les tailles vont jusqu' 100 clients, permettent
daffirmer la supriorit de leur mthode sur les mthodes classiques 2-opt et 3-opt, sans
dgradation sensible du temps de calcul.

3.4.3 Tableau chronologique


Nous rsumons dans le tableau ci-dessous lensemble des travaux traitant de la rsolution du
(1-PDPTW) que nous avons rencontr dans la littrature. Ces travaux ont t recenss
chronologiquement pour mettre en perspective lvolution dans le temps du type des mthodes
de rsolution utilises.

Article Anne Mthode Type Taille


Psaraftis [151] 1983 Programmation dynamique Exacte 10 clients
Sexton and Bodin [163] 1983 Insertion Approche
Kalantari et al.[121] 1985 Sparation valuation Exacte 37 clients
Sexton and Bodin [165] [165] 1985 Dcomposition de Bender Approche 20 clients
Sexton and Choi [166] 1986 Dcomposition de Bender Approche 17 clients
Desrosiers et al. [80] 1986 Programmation dynamique Exacte 40 clients
van der Bruggen et al. [63] 1993 2 phases recuit simul Approche 38 clients
Healy and Moll [108] 1995 Sacrifice Approche 100 clients
Tableau 3.3 : tat de lart sur le (1-PDPTW)

65
Chapitre 3

3.4.4 Constat
Depuis peu, de nouvelles techniques de rsolution des problmes combinatoires sont apparues,
couramment appeles "mta heuristiques". Ces mthodes apparaissent comme un nouveau
moyen d'aborder efficacement la complexit des problmes, et ont prouv par de multiples
exemples leur fiabilit, et mme dans certains cas leur supriorit sur les mthodes traditionnelles
existantes. Parmi les plus connues, citons :

- la recherche tabou ("taboo search") ;


- le recuit simul ("simulated annealing") ;
- les algorithmes gntiques ("genetic algorithms") ;
- les rseaux de neurones ("neural networks").

Ainsi, en se rfrant (Osman and Kelly, 1996) [18], (Gendreau et al., 1997)[35] pour une revue de la
littrature des mta heuristiques et (Golden et al., 1998)[37] pour leur application aux problmes
de routage de vhicules, il apparat que des solutions quasi-optimales peuvent tre obtenues trs
rapidement.

Or, notre connaissance, il semble que ce type dheuristiques soit encore trs insuffisamment
exploit dans la rsolution du problme de chargement et de dchargement avec fentres
temporelles, puisque nous recensons uniquement une application du recuit simul, qui prcisons-
le est utilise dans des situations bien particulires (van der Bruggen et al., 1993 [63]). Ce constat est
d'autant plus surprenant que des rsultats trs encourageants ont t obtenus sur des problmes
de routage de vhicules plus classiques, et que parmi les mta heuristiques les plus rpandues, la
recherche tabou est celle qui prsente un intrt rellement non ngligeable, de part les travaux
raliss par (Gendreau et al., 1997) [35] et (Taillard et al., 1997)[174] sur le VRP.

3.5 Mta heuristiques : comparatif

Nous prsentons succinctement dans cette partie la philosophie des heuristiques modernes cites
ci-dessus, puis nous en dressons un comparatif et tirons les conclusions sur la mthode qui nous
semble la plus adapte la rsolution du problme de chargement et de dchargement avec
contraintes de capacit et de fentres temporelles.

3.5.1 Recuit simul


Afin de schapper de possibles optima locaux, le recuit simul permet de retenir dune manire
contrle des solutions diminuant la valeur de la fonction objectif. La procdure gnrale du
recuit simul est la suivante.

Soit S la solution courante et N(S) le voisinage de S. Une solution S N(S) est gnre
alatoirement, et la diffrence des valeurs de la fonction objectif D = f(S) f(S) est calcule. Si
D < 0, alors S est choisie comme nouvelle solution courante (les solutions meilleures sont
toujours acceptes). Si D > 0 et si e-D/T > q (o 0 < q < 1 est une valeur gnre alatoirement
par une loi uniforme de distribution), alors S est la nouvelle solution courante. Ici T, appel
temprature, agit comme un simple paramtre de contrle, et est en gnral dcroissant durant le
processus de recherche locale afin de diminuer la probabilit de choisir une solution moins
bonne.

66
Planification oprationnelle pour un vhicule

3.5.2 Algorithmes gntiques


Historiquement, les algorithmes gntiques furent conus afin de rsoudre des problmes
doptimisation numrique, plutt que des problmes doptimisation combinatoire (Gendreau et
al., 1997) [35]. Ils ont pour principe de combiner des morceaux dinformation venant de parents
afin de produire une descendance ( offspring ). Une population de solutions est considre
une itration donne (une solution est vue comme un chromosome). Le passage litration
suivante se ralise en oprant une transformation sur chaque solution, tout en propageant les
caractristiques dune bonne solution la gnration suivante de solutions dans lespoir de
converger vers des optima globaux. Quelques mutations alatoires sont appliques sur la
descendance de manire largir lespace de recherche.

Chaque chromosome (solution) doit suivre un certain codage sur une chane de bits afin de
pouvoir tre manipul par lalgorithme. Cest dans ce codage que rside la grosse difficult des
problmes doptimisation combinatoire, particulirement pour des problmes fortes
contraintes. Quelques applications sur le problme de routage de vhicules avec fentres
temporelles sont exposes dans (Gendreau et al., 1997) [35].

3.5.3 Rseaux de neurones


Les rseaux de neurones sont des systmes bass sur lapprentissage, composs de simples units
(les neurones) richement interconnects, similairement aux neurones du cerveau humain. Les
connexions sont values par des valeurs numriques (poids) qui capturent la connaissance du
rseau. Un rseau de neurones dbute sa recherche doptimum avec des poids gnrs
alatoirement, et ajuste ces poids de manire incrmentale grce un algorithme dapprentissage,
dans le but damliorer sa capacit traiter une tche particulire.

Initialement, les rseaux de neurones avaient pour but des tches dapprentissage, une
fonctionnalit loigne de loptimisation combinatoire. Des applications au problme du
voyageur de commerce et au problme de routage de vhicules peuvent cependant tre trouves
dans la littrature (Gendreau et al., 1997) [35]. Malgr tout, la difficult rencontre dans la
modification du rseau de neurones pour prendre en compte des contraintes particulires
inhrentes aux problmes de tourne de vhicules avec fentres temporelles est telle qu notre
connaissance, aucun travail de recherche na encore t publi sur lapplication des rseaux de
neurones au problme de routage de vhicules avec fentres temporelles.

3.5.4 Recherche tabou


La recherche tabou examine les solutions voisines de la solution courante, comme le recuit
simul, mais le mouvement dterminant la prochaine solution est fait vers la solution voisine la
plus proche. Pour viter un comportement cyclique de la mthode, les solutions qui ont t
rcemment examines sont classes tabou, cest--dire interdites pendant un certain nombre
ditrations. En pratique, ce sont des attributs dune solution, plutt que la solution entire, qui
sont classs tabou, ceci dans un souci dconomie de mmoire et de temps de calcul. La
recherche tabou peut en outre tre amliore par certains mcanismes, dont nous parlerons plus
loin dans ce chapitre.

67
Chapitre 3

3.5.5 Comparatif
Il ressort de lensemble des applications des mthodes de recherche locale prcites aux
problmes de routage de vhicules le haut potentiel de ces mthodes dans la rsolution des
problmes complexes dOptimisation Combinatoire (Osman and Kelly, 1996) [18], (Gendreau et
al., 1997) [35], (Golden et al., 1998) [37]. Cependant, une analyse plus fine permet de mettre en
vidence la disparit du succs de ces mta heuristiques, prouvant ainsi quune connaissance
approfondie de la spcificit des problmes rencontrs et des mthodes de rsolution est
absolument ncessaire pour obtenir de bons rsultats. Il ny a qu observer lvolution des
mthodes bases sur le recuit simul et la recherche tabou au cours de la dernire dcennie pour
se rendre compte de leur nouvelle sophistication : les rsultats probants rencontrs sont en
grande partie dus leur toujours plus grande complexit de mcanismes de rsolution, alors
quune application simpliste dune mta heuristique donnera des rsultats qualifis de mdiocres.
Les deux paramtres essentiels dans cette amlioration, et sur lesquels ont t raliss la plupart
des efforts, sont la structure du voisinage gnr et la stratgie de recherche dans ce voisinage.
Notons galement que les meilleures implmentations de ces deux mta heuristiques sont celles
dont le voisinage est le plus peupl, autorisant par l mme une diversit de choix de solutions
accrue.

Dans ce contexte, il convient de constater que les rseaux de neurones paraissent en retrait dans
la rsolution des problmes doptimisation combinatoire. Ceci peut tre comprhensible, dans la
mesure o initialement ces systmes nont pas t conus pour rpondre ce type de problmes,
et par consquent les principes de fonctionnement des rseaux de neurone semblent trop
loigns des contraintes inhrentes loptimisation combinatoire (Gendreau et al., 1997) [35].

Les meilleures implmentations du recuit simul ont donn des rsultats relativement bons.
Pourtant, elles donnent limpression dun manque de robustesse (Gendreau et al., 1997) [35], et ne
sont pas aussi performantes que les mthodes classiques. Les algorithmes gntiques nont t
que trs peu appliqus aux problmes de routage de vhicules, srement cause de lingniosit
dont il faut faire preuve pour driver une instance du VRP dans la trame de cette mthode.
Cependant, les quelques applications recenses dans la littrature fournissent des rsultats
remarquables, et le fait quun algorithme gntique travaille en parallle sur une population de
solutions potentielles (alors que les autres mthodes nont quune seule solution) ny est pas
tranger.

Mthode Avantages Inconvnients


Recherche tabou Souplesse dimplmentation Plusieurs structures de
Robustesse mmoire grer
Algorithme gntique Travaille en parallle sur Codage non intuitif dune
plusieurs solutions ralisables solution
Recuit simul Souplesse dimplmentation Manque de robustesse
Rseau de neurones Bas sur lapprentissage Mcanisme de rsolution
loign de loptimisation
combinatoire
Tableau 3.4 : Comparatif des 4 mta heuristiques pour le (PDPTW)

Parmi les quatre mta heuristiques que nous avons prsentes, la recherche tabou est celle qui
nous semble la plus adapte et la plus prometteuse dans la rsolution de notre problme.
Contrairement aux algorithmes gntiques, la reprsentation dune solution est relativement
simple et intuitive. En outre, les comparaisons avec le recuit simul sur le problme de routage de
vhicules dmontrent (dj) la supriorit de la recherche tabou (Gendreau et al., 1997) [35]. Enfin,

68
Planification oprationnelle pour un vhicule

dexcellents rsultats, en parfaite concurrence avec les mthodes classiques doptimisation ou


dapproximation, ont dj t obtenus sur des problmes classiques de routage de vhicules. Cest
dans cette continuit que nous dsirons nous inscrire, en appliquant la recherche tabou la
rsolution du (PDPTW), implmentation qui notre connaissance na encore jamais t explore
dans la littrature.

3.6 La recherche tabou

Nous retenons donc la mta heuristique de recherche tabou comme support de rsolution de
notre problme de routage de vhicules visant la planification oprationnelle de la collecte des
produits encombrants de llectromnager. Rentrons maintenant plus prcisment dans le
fonctionnement de cette mthode de rsolution.

3.6.1 Prsentation gnrale


Le mot Tabu (ou taboo) vient dun langage polynsien, le Tongan, et indique une chose qui ne
peut pas tre touche parce quelle est sacre. Les principes de base de la recherche tabou ont t
noncs pour la premire fois dans les annes soixante-dix, dune manire schmatique, par
(Glover, 1977) [92]. La recherche tabou telle quelle est utilise aujourdhui drive de (Glover,
1986)[93].

Une mta heuristique peut se dfinir comme un assemblage de plusieurs heuristiques simples. La
recherche tabou est une mta heuristique qui guide des procdures de recherche locale lors de
lexploration de lespace des solutions, en faisant attention ne pas se contenter doptima locaux.
Cest une mthode qui procde par amliorations successives afin de converger vers loptimum
global du problme. Cest une stratgie de recherche locale.

3.6.2 Structures de mmoire


Parmi les mta heuristiques utilises pour les problmes doptimisation, la recherche tabou est la
seule utiliser un ensemble de mmoires (Glover, 1997) [92]. Les structures de mmoire de la
recherche tabou se basent sur quatre principes : le pass rcent, la frquence, la qualit, et
linfluence. La mmoire base sur le pass rcent (Recency based memory RBM) reprsente la
manire didentifier les attributs tabou dune solution et de dterminer ainsi si une solution est
tabou. La mmoire base sur la frquence complte linformation de la mmoire RBM, en
enregistrant les frquences dapparition des mouvements utiliss pour voluer dans lespace des
solutions. La mmoire base sur la qualit, quant elle, se rfre la capacit de diffrencier les
solutions visites durant la recherche : la mmoire est utilise pour identifier les lments qui sont
communs aux bonnes solutions. Ainsi, la mmoire qualitative peut tre vue comme un moyen
dapprentissage de lheuristique, o des incitations sont ralises afin dencourager des
mouvements menant des solutions meilleures - il est alors question de stratgie
dintensification - ou des solutions plus mauvaises - stratgie de diversification. Enfin, la
mmoire base sur linfluence permet dvaluer les choix effectus durant la recherche tabou et
les rsultats de ces choix, et offre de ce fait un deuxime niveau dapprentissage de la mta
heuristique.

En pratique, ces principes de structuration mmorielle sont utiliss selon deux types de mmoire :
la mmoire court terme (short term memory STM) et la mmoire long terme (long term

69
Chapitre 3

memory LTM) (Glover, 1990) [94]. La mmoire court terme est la plus usite dans lapplication
de la recherche tabou : elle consiste conserver la trace des attributs des solutions dj visites
dans un pass rcent. La mmoire long terme, quant elle, enregistre les mmes informations
que la mmoire court terme, mais dans un pass plus lointain.

Deux principales composantes de la mmoire long terme sont reprsentes par les stratgies
dintensification et de diversification, dont nous avons dj parl avec la structure de mmoire
qualitative. Alors que la stratgie dintensification joue sur les rgles de choix afin dencourager la
combinaison des mouvements les meilleurs, la stratgie de diversification tente de gnrer des
solutions qui se composent dattributs remarquablement diffrents des prcdentes solutions. La
stratgie de diversification a donc pour but de guider la recherche locale vers des rgions encore
inexplores par la mthode, et dincorporer aux nouvelles solutions des attributs qui ne seraient
sinon pas utiliss.

3.6.3 Algorithme de descente


La recherche tabou tire son origine de lalgorithme itratif de descente (Glover, 1977) [92], qui peut
tre dcrit comme suit (Figure 3.2). Soit f la fonction objectif optimiser sur lensemble X.
chaque tape de lalgorithme de descente, un voisinage V(s) de la solution courante s X est
dfini. Si s* V(s) est la meilleure solution du voisinage, alors le passage litration suivante est
ralis seulement si f(s*) est meilleure que f(s). Dans le cas inverse, lalgorithme sarrte avec
comme meilleure solution s.

1. Choisir une solution s X


2. Trouver s V(s) telle que f(s) est meilleure que f(s)
3. Si s nexiste pas, s est optimum local ; arrt de lalgorithme
4. Sinon, s est la nouvelle solution courante ; aller ltape 2
Figure 3.2 : Algorithme de descente

Bien videmment, cet algorithme de descente peut tre considr comme relativement peu
volu, car dans la rsolution de problmes complexes, la probabilit parat grande dtre pig
par un optimum local loign de loptimum global de linstance. Pour viter cette situation
doptimum local, la recherche tabou autorise dans certaines circonstances le choix dune solution
plus mauvaise que la solution courante, afin que le processus itratif puisse continuer. Cependant,
pour viter de revenir sur cet optimum local, et viter un comportement cyclique de lheuristique,
la succession des mouvements qui nous y a men la premire fois est considre tabou, cest--
dire que les derniers mouvements en question ne sont plus autoriss pendant un certain nombre
ditrations.

3.6.4 Principe de la recherche tabou


Ainsi, le principe gnral de la recherche tabou peut tre nonc de la manire suivante : tant
donn une fonction f optimiser sur lensemble X, la mthode de recherche tabou construit une
solution initiale, puis procde itrativement dune solution courante une nouvelle solution
courante, jusqu ce quun critre darrt soit satisfait. chaque solution x X est associ un
voisinage V(x) X des nouvelles solutions potentielles, et chaque solution x V(X) est atteinte
partir de x par une opration appele mouvement.

70
Planification oprationnelle pour un vhicule

La recherche tabou dpasse un optimum local x, lorsque celui-ci est identifi, en modifiant sa
stratgie de recherche. Plus prcisment, le voisinage dun optimum local V*(x) est construit en
se restreignant aux solutions voisines qui ne sont pas tabou, cest--dire qui ne drivent pas de
loptimum local par des mouvements qui auraient dj permis la construction de cet optimum.

La recherche tabou modifie localement une solution de manire itrative, tout en gardant une
trace de ces modifications pendant un certain laps de temps afin dviter un comportement
cyclique. Les modifications apportes une solution courante deviennent donc tabou pour les
solutions suivantes pendant une dure donne, et sont enregistres dans la liste des mouvements
tabous. La liste des mouvements tabous est couramment nomme Liste des tabous (TL) . La
dure pendant laquelle un mouvement reste dans ltat tabou, qui se mesure gnralement en un
nombre ditrations dfinir, prend le nom de tenure .

Nous avons dit plus haut que lorsquun optimum local est rencontr, son voisinage est construit
en ne retenant que les solutions voisines non tabou. Cette faon de faire implique que ltat tabou
dune solution ou dun mouvement est considr comme absolu, et quaucune flexibilit nest
accorde. Pour viter une trop grande rigidit de la mthode, et justement apporter de la
flexibilit dans la construction du voisinage, le critre de niveau daspiration dun mouvement
tabou est introduit. Ainsi, supposons que lors de la construction du voisinage de loptimum local
de la solution s, la solution s se trouve dans un tat tabou. La solution s ne devrait
thoriquement donc pas tre retenue. Avec la notion de critre daspiration , il est cependant
possible que s soit la meilleure solution trouve, si par exemple f(s) est meilleure que toutes les
autres solutions du voisinage.

Les principes gnraux de la recherche tabou peuvent tre rassembls dans la figure (Figure 3.3)
ci-dessous.

0. Dfinir un critre darrt de la recherche


1. Choisir une solution s X
2. Tant que le critre darrt nest pas satisfait :
- trouver s V(s) telle que f(s) est meilleure que f(s).
- si s nexiste pas, aller en 3 ; sinon aller en 4
3. s est optimum local :
- construire V*(s)
- trouver s V*(s) telle que f(s) est meilleure que f(s~), pour
tout s~ V*(s)
- trouver s V(s)TL telle que f(s) est meilleure que f(s~),
pour tout s~ V(s)TL
- choisir s {s, s} telle que f(s) soit la meilleure de
{f(s), f(s)}
- aller en 4
4. s est la nouvelle solution courante :
- enregistrer le mouvement de s s dans la liste des tabous TL
- aller ltape 2
Figure 3.3 : Principe de la recherche tabou

71
Chapitre 3

3.7 La recherche tabou : mise en uvre

Nous allons dans cette partie prsenter la mise en application de la mthode de recherche tabou
la rsolution du problme de chargement et de dchargement un vhicule avec contraintes de
fentres temporelles et de capacit. tant donn que cette technique de rsolution na notre
connaissance pas encore t applique sur ce problme, nous considrons que ce qui suit
constitue un travail de recherche innovant par rapport au domaine de lOptimisation
Combinatoire. Les grandes lignes de cette mise en uvre sont les suivantes. Dans une phase
dinitialisation, une solution est construite grce un simple algorithme dinsertion. Cette solution
est admissible au regard des contraintes de capacit et de prcdence, et les contraintes de
fentres temporelles ne sont pas encore considres. Puis le processus itratif de recherche tabou
des nouvelles solutions admissibles commence, jusqu ce quun critre darrt soit satisfait.

3.7.1 Initialisation
Devant la complexit du problme trait, sachant que pour certaines instances o lensemble des
contraintes est serr, le simple fait de dterminer une solution admissible non ncessairement
optimale peut demander de gros efforts de calcul, nous avons choisi de dbuter le processus de
recherche partir dune solution dlibrment dgrade, gardant lesprit que la recherche tabou
convergerait rapidement vers une solution satisfaisant lensemble des contraintes du problme.

La route initiale Rv emprunte par le vhicule v est donc construite partir de deux rgles de tri et
dinsertion relativement simples, qui peuvent snoncer comme :
trier lensemble des sites de chargement des clients par borne infrieure croissante de la
fentre temporelle du site de chargement,
dans lordonnancement obtenu, pour chaque client, positionner chaque site de
dchargement juste aprs le site de chargement .

Mises sous forme dquations mathmatiques, et avec les notations dj dfinies prcdemment,
ces rgles sexpriment comme :
{ }
Rv' = (si )iP + {0, 2 n +1} , ei ei +1 , "i P + {0,2n + 1} (E3.18)

{
R = si iN , i + 1 = n + i, "si Rv' } (E3.19)

Lapplication de ces deux rgles conduit ainsi une route initiale o les contraintes de prcdence
et de capacit sont respectes ( condition quil existe une solution ralisable au problme
propos !). En revanche, il est clair que lordonnancement obtenu peut ne pas satisfaire la
contrainte temporelle, en particulier lorsque les fentres temporelles sont troites. Cest pourquoi
lusage de la mthode de recherche tabou permet de corriger cet tat de fait, et de converger vers
une solution ralisable pour lensemble des contraintes.

3.7.2 Recherche tabou


La trame de la recherche tabou suit le principe gnral qui a t dcrit dans la partie (3.6 - La
recherche tabou). Il convient maintenant de dcrire plus prcisment les diffrentes composantes
de la mthode. Ces paramtres portent sur la structure du voisinage, la restriction tabou, la taille
de la liste tabou (tenure), le critre daspiration, la stratgie de diversification, et le critre darrt.

72
Planification oprationnelle pour un vhicule

3.7.2.1 Structure du voisinage


Il est clair que lexploration dun voisinage de grande dimension chaque nouvelle itration du
processus augmente la fois les chances de converger vers loptimum global et la complexit de
la recherche. Afin dobtenir un quilibre entre la qualit et la rapidit de la recherche, deux types
de mouvements sont retenus dans la cration du voisinage de la solution courante : le
mouvement dchange ( swap ) et le mouvement dinsertion.

Le mouvement dchange se base sur lopration classique 2-opt dfinie par (Lin and
Kernighan, 1973) [131] pour le problme du voyageur de commerce, puis amliore par (Psaraftis,
1983a) [151] pour la rsolution du problme de transport de personnes. Cette procdure est
modifie afin de prendre en considration la contrainte de prcdence. Ainsi, notre procdure
dchange consiste dterminer deux sommets du graphe qui vont tre changs, tout en
respectant les contraintes de capacit et de prcdence (Figure 3.6). De cette manire, au plus
n.(2n-1) nouvelles solutions sont gnres.

Vi Vi+1 Vi Vi+1

v0 v0

Vj+1 Vj Vj+1 Vj

Figure 3.4 : Mouvement dchange (i+1, j)

Le mouvement dinsertion slectionne un sommet du graphe, ordonnanc en position i, et tente


de linsrer en position j, toujours avec le respect des contraintes de prcdence et de capacit
(Figure 3.5). Ainsi, le voisinage senrichit de (2n-1)2 nouvelles solutions potentielles.

Vi Vi+1 Vi Vi+1

v0 v0

Vj+1 Vj Vj+1 Vj

Figure 3.5 : Mouvement dinsertion (i, j)

En rsum, le voisinage permettant de choisir une nouvelle solution est constitu dau plus
n.(2n-1)3 solutions potentielles.

73
Chapitre 3

Il faut bien voir que lutilisation de ces mouvements fournit un voisinage trs peupl, qui peut
contenir des solutions non ralisables. Soit SP une solution gnre qui ne respecte pas une
contrainte du problme. Nous dfinissons trois types de pnalisation, qui sont fonction du
nombre de sommets de SP sur lesquels les contraintes sont violes. Si nous appelons :

SPcap le nombre de sommets o la capacit du vhicule est dpasse,


SPprec le nombre de sommets ne respectant pas la contrainte de prcdence,
SPtemp le nombre de sommets o le vhicule arrive en dehors de la fentre temporelle,

alors lvaluation du cot de SP subit une pnalisation selon lune des formules suivantes :

Violation de la contrainte de capacit :


f SP  = f SP  + lcap .SPcap + m cap (E3.20)

Violation de la contrainte de prcdence :


f SP  = f SP  + l prec .SPprec + m prec (E3.21)

Violation de la contrainte de temporalit :


f SP  = f SP  + ltemp .SPtemp + m temp (E3.22)

avec lcap , l prec , ltemp , m cap , m prec , m temp des paramtres constants dfinir avant lexcution de
lheuristique.

Lutilisation de pnalisations lorsque des contraintes sont violes ajoute de la flexibilit et de la


robustesse dans la dtermination de la nouvelle solution. Il est ainsi galement possible, en
paramtrant correctement les valeurs des paramtres constants de pnalisation, de privilgier
lune ou lautre des contraintes, ou de faire en sorte quune ou plusieurs contraintes soient
scrupuleusement respectes. Une autre alternative aurait pu tre de restreindre le voisinage la
population des solutions ralisables, rduisant dautant la complexit de sa construction. Pourtant,
ce nest pas lhypothse que nous avons choisi de retenir, car nous avons privilgi la richesse du
voisinage.

3.7.2.2 Restriction tabou


La restriction tabou que nous avons choisi dutiliser est compatible avec la construction du
voisinage que nous avons retenue. En effet, lorsque lexcution dun mouvement est ralise
litration t, un sommet ne peut plus tre soumis un autre mouvement jusqu lexpiration de sa
tenure, qui est implmente par la fonctionnalit de mmoire court terme. Cest donc comme
attributs tabou dune solution les sommets du graphe qui sont retenus pour composer la
restriction tabou, et qui sont donc enregistrs dans la liste tabou.

3.7.2.3 Structure de la liste tabou


La dtermination de la structure de la liste tabou est essentielle pour sassurer de la bonne gestion
de la restriction tabou. Nous utilisons la mmoire attributive pour reprsenter les mouvements
tabous, grce deux structures de donnes indexes sur le nombre de sommets du graphe,
chacune spcifique un type de construction du voisinage dune solution. Nous avons donc une
structure de donne lie au mouvement dchange tabou_swap , et une structure de donne lie au

74
Planification oprationnelle pour un vhicule

mouvement dinsertion tabou_insert. Chaque sommet de la structure de donne est associ


litration laquelle le sommet perd son tat tabou, donc litration laquelle ce sommet est
susceptible de rintgrer des mouvements de construction du voisinage. De cette manire,
lutilisation du sommet vi est considre tabou si et seulement si :

itration_courante tabou_swap[ i ] et itration_courante tabou_insert[ i ] (E3.23)

Par consquent, le test de la condition tabou dun mouvement peut tre ralis en un temps
constant, en au plus deux comparaisons (selon le type du mouvement considr).

Itration t : le sommet vi est-il tabou ?

Mouvement d'insertion Mouvement d'change


tabou_insert[i] t tabou_swap[i] t

est_tabou_insert est_tabou_swap

est_tabou_insert est vrai ou est_tabou_insert est faux et


est_tabou_swap est vrai est_tabou_swap est faux

Le sommet est tabou Le sommet nest pas tabou


Figure 3.6 : Test de ltat tabou dun mouvement

3.7.2.4 Taille de la liste tabou (tenure)


La dfinition de la taille T de la liste tabou est toujours un facteur critique de la mthode. Si cette
taille est trop petite, la probabilit est grande davoir un comportement cyclique du processus de
recherche (Skorin-Kapov, 1990) [168]. Si T est trop grande, le risque est important davoir de
nombreux mouvements non valus, rendant la recherche de loptimum global excessivement
coteuse en temps de calcul.

Bien videmment, ces rgles comportementales de lheuristique restent trs gnrales.


Malheureusement, notre connaissance, il nexiste pas encore de recette permettant de
dterminer la meilleure tenure en fonction du type de problme rencontr. Il apparat que la
tenure dpend troitement des types de contraintes rencontres.

Dans notre travail, nous nous sommes bass sur lapproche suivante, premirement nonce par
(Taillard, 1991)[173] pour la rsolution du problme daffectation quadratique. Lide est de ne pas
fixer une fois pour toutes la valeur de la tenure, mais de la faire voluer alatoirement au fil du
temps. Ainsi, en prenant une valeur dans un intervalle [minT, maxT], minT et maxT restant
dfinir, et en rgnrant cette valeur priodiquement aprs un certain nombre ditrations, le
processus de recherche utilise diffrentes tenures et tablit un quilibre entre des tenures faibles
et des tenures fortes.

75
Chapitre 3

3.7.2.5 Critre daspiration


Toute mise en uvre de la mthode de recherche tabou utilise un critre daspiration qui permet
dliminer le statut tabou dune solution. En ce qui nous concerne, nous avons choisi le critre dit
daspiration globale, qui stipule que ds lors quune solution tabou est en fait la meilleure solution
rencontre depuis le dbut de la recherche, cest cette solution qui constitue la solution suivante
dans le processus itratif de recherche.

3.7.2.6 Stratgie de diversification


La stratgie de diversification vise implmenter le principe de la mmoire long terme, et son
incorporation dans la mthode de recherche tabou diffre dune implmentation une autre, et
dun problme un autre. Pour la rsolution du (1-PDPTW), deux matrices de donnes deux
dimensions sont introduites, afin de conserver la trace des frquences des mouvements employs
dans la recherche. La premire matrice, Mat_Freq_Swap, a ses lignes et colonnes indexes sur les
sommets du graphe, et enregistre le nombre dchanges entre les nuds. La deuxime matrice,
Mat_Freq_Insert, a ses lignes indexes sur les sommets du graphe, et ses colonnes indexes sur
les positions des sommets dans lordonnancement, et enregistre le nombre dinsertions des
sommets sur les diffrentes positions de lordonnancement de la route du vhicule.

Dune manire plus formelle, posons :


F = N2 N (E3.24)
un ensemble de fonctions dfinies sur lensemble des nuds du rseau et prenant leurs valeurs
dans lensemble des nombres entiers. Soit freq_swap F et freq_insert F. Alors, pour tout i N
et j N :

Mat_Freq_Swap(i, j) = freq_swap(i, j) (E3.25)

o freq_swap(i, j) a pour valeur le nombre de fois quun change entre les sommets i et j a fait
lobjet du meilleur mouvement, et

Mat_Freq_Insert(i, j) = freq_insert(i, j), (E3.26)

o freq_insert(i, j) a pour valeur le nombre de fois quune insertion du sommet i en position j


dans lordonnancement a fait lobjet du meilleur mouvement.

j Sommets j Positions

i i

= >
Il y a dj eu >
Il y a dj eu =
insertions du
changes entre
sommet i en
les sommets i et j
Sommets Sommets position j

Matrice des changes Mat_Freq_Swap Matrice des insertions Mat_Freq_Insert

Figure 3.7 : Stratgie de diversification - structures de mmoire

76
Planification oprationnelle pour un vhicule

La stratgie de diversification est introduite dans le processus de recherche partir dune certaine
date donne. Ds ce moment, lvaluation des mouvements utilise ces frquences pour pnaliser
les mouvements qui sont frquemment excuts. Soit la fonction de pnalisation P. Dans notre
application, P est une fonction linaire croissante par rapport aux frquences, dont la valeur est
ajoute lvaluation classique des mouvements :

P : N, F  F
(l, f) P(l, f) = l.f (E3.27)

Les deux principaux paramtres de la stratgie de diversification sont dont la date dintroduction
et la valeur de l. Empiriquement, lintuition permet de les dterminer, et il est suppos que la
date dintroduction apparat aprs W itrations sans amlioration de la meilleure solution
obtenue.

3.7.2.7 Critres darrt


Les critres darrt que nous avons retenus sont relativement simples, et portent sur le nombre
ditrations. Ainsi, la mta heuristique de recherche tabou sarrte si lune des conditions
suivantes est vrifie :
un nombre maximal ditrations Max_Iter est atteint ;
aucune amlioration de la meilleure solution nest recense pendant Max_Best_Iter itrations.

3.8 Rsultats exprimentaux

Nous prsentons dans cette partie les rsultats exprimentaux permettant de valider notre
mthode de rsolution du (1-PDPTW) base sur la recherche tabou. Les rsultats se divisent en
deux sous-parties. La premire concerne lapplication de la recherche tabou des instances du
problme de voyageur de commerce avec fentres temporelles, o la solution optimale est
connue. Dans ces instances, les contraintes de capacit et de prcdence nexistent pas : nous
cherchons ainsi dmontrer lefficacit de la recherche tabou dans lobtention de solutions
optimales dans un temps raisonnable pour des problmes o les contraintes temporelles sont
fortes. La deuxime traite des instances du (1-PDPTW) gnres alatoirement, autorisant une
analyse plus fine du comportement de la mthode.

3.8.1 Instances (1-TSPTW)


Les instances du voyageur de commerce avec fentres temporelles que nous utilisons sont tires
de (Ascheuer, 1995 [3] [185]). 16 instances particulires sont slectionnes et drivent dun cas rel, le
problme de routage dune grue de chargement dans un systme de stockage automatis
(instances rgb*.tw). Les solutions optimales sont obtenues partir dune tude polyhdrale du
problme.

Le (1-TSPTW) est un cas particulier du (1-PDPTW), dans lequel les contraintes sur la capacit du
vhicule et les prcdences entre les villes visiter sont absentes. En se rfrant une
formulation base sur la thorie des graphes, une instance du (1-PDPTW) peut se transformer en
une instance du (1-TSPTW) en supposant que le sommet dpt s0 est la seule ville de
chargement, et que tous les autres sommets (si, i P) sont des villes de dchargement. La

77
Chapitre 3

quantit qi dcharger sur chaque ville est suppose tre nulle : qi = 0. De ces faits, les
contraintes de prcdence et de capacit disparaissent, seules restent les contraintes lies aux
fentres temporelles sur les sommets. La taille des instances varie de 19 92 sommets, et la
fonction objectif consiste en la minimisation de la distance totale parcourue.

3.8.2 Instances (1-PDPTW)


Dans un second temps, lvaluation de la recherche tabou est ralise sur des instances
spcifiques du (1-PDPTW). Le schma utilis dans la gnration alatoire dune instance suit
sensiblement celui propos par (van der Bruggen et al., 1993) [63]. Lide principale est de
construire alatoirement une instance pour le problme de chargement et de dchargement sans
les fentres temporelles (1-PDP), car il nest pas certain la fois de gnrer des fentres
temporelles et de garantir ladmissibilit dune solution avec ces fentres temporelles. Puis, sur
cette instance sans fentres temporelles, nous appliquons les mthodes de rsolution locale dj
dcrites afin de trouver une route qui se rapproche de la solution optimale. Sur cette route quasi-
optimale sont enfin introduites les fentres temporelles selon le processus dcrit ci-dessous. La
solution correspondante S* est considre comme la meilleure solution connue pour linstance du
(1-PDPTW).

Quatre tailles dinstances sont prises en compte, de 10 40 clients (de 20 80 sommets). Les
coordonnes des sommets sont gnres alatoirement dans lespace euclidien [0, 200]2. La
distance euclidienne est retenue, lingalit triangulaire sur les distances inter sommets est ainsi
vrifie. La demande di de chaque ville de chargement est gnre dans lintervalle [1, 9], puis
multiplie par 10. Le temps de service pi est fonction de la quantit transporter : il est dfini
comme pi = di / 2. Le temps de transport entre deux sommets est linaire par rapport la
distance parcourue : tij = 1.5 * cij. La capacit du vhicule est une contrainte fortement
dpendante des caractristiques des problmes : nous la dfinissons de telle manire quelle soit
prpondrante dans le processus de rsolution. Enfin, deux types de fentres temporelles sont
introduits, soit plutt larges, soit plutt troites, et les fentres sont affectes alatoirement aux
sommets visiter. Les fentres temporelles sont dfinies de manire ce que la solution initiale
trouve par la recherche tabou (3.7.1 - Initialisation) soit suffisamment loigne de la meilleure
solution connue S*.

3.8.3 Rsultats numriques


Les rsultats prsents dans cette partie ont t obtenus sur un PC 350 Mhz quip dun
microprocesseur Pentium II. Nous prsentons premirement la rsolution du (1-TSPTW), puis
celle du (1-PDPTW). Dans les deux cas, les paramtres utiliss dans limplmentation de la
recherche tabou sont fixs par une premire tude exprimentale, et sont dcrits dans le tableau
(Tableau 3.5).

Fonction objectif Minimiser la distance totale parcourue


Critres darrt Max_Iter =50000 (TSPTW) ; Max_Iter =100000 (PDPTW) ;
Max_Best_Iter = 10000
Voisinage lcap = l prec = ltemp = 100 ; m cap = m prec = m temp = 500
Tenure T varie entre [n/4, n/2] et change toutes les 2n itrations
Stratgie de diversification W = 500 ; l = 10
Tableau 3.5 : Paramtres de lheuristique de recherche tabou

78
Planification oprationnelle pour un vhicule

3.8.3.1 Rsultats sur les instances (1-TSPTW)


Les rsultats sont dcrits dans le tableau (Tableau 3.6). Chaque problme prsente le nombre de
sommets (taille), la solution optimale trouve par (Ascheuer, 1995) [3] [185], et la solution trouve
par la recherche tabou : le meilleur cot final, le nombre moyen ditrations pour y arriver, et le
temps moyen dexcution (temps CPU en secondes) pour les excutions du programme o
loptimum a t trouv. Comme il existe des processus stochastiques dans notre implmentation
de la recherche tabou (3.7.2.4 - Taille de la liste tabou (tenure)), il est ncessaire de procder
plusieurs excutions. Dans notre cas, la moyenne est calcule sur la base de 10 excutions. Pour
chaque instance, la solution optimale a t trouve dans un nombre relativement restreint
ditrations. De plus, la borne suprieure de deux instances a t amliore (Rgb049 et Rgb050b).

Instance Taille Optimum Recherche tabou


Cot final Itrations Temps CPU
Rbg019b 19 182 182 368 2.61
Rbg020a 20 210 210 424 3.33
Rbg021_5 21 169 169 734 4.97
Rbg033a 33 433 433 1255 39.07
Rbg034a 34 403 403 10 0.32
Rbg035a 35 254 254 15 0.49
Rbg035a_2 35 166 166 2946 112.42
Rbg038a 38 466 466 111 8.31
Rbg049a 49 [420,486] 421 3276 327.99
Rbg050a 50 414 414 32977 3381.75
Rbg050b 50 [453,518] 468 22511 2346.07
Rbg055a 55 814 814 60 9.57
Rbg067a 67 1048 1048 213 96.32
Rbg086a 86 1051 1051 3219 1749.92
Rbg088a 88 1153 1153 5371 2973.59
Rbg092a 92 1093 1093 8221 4807.23
Tableau 3.6 : Rsultats pour le (1-TSPTW)

Afin danalyser lhomognit de notre mthode en termes de variation du cot entre la solution
initiale et la solution finale, lheuristique tabou est relance 100 fois sur une instance spcifique
(Rgb049). Les rsultats des figures (Figure 3.8) et (Figure 3.9) reprsentent ltat des solutions
aprs 2000 et 5000 itrations. Nous pouvons y voir que loptimisation des solutions est
relativement homogne et ne produit pas de solutions particulirement mauvaises, puisquil ny a
pas de solutions avec une dviation du cot suprieure 0,05% par rapport la meilleure solution
finale trouve (de valeur 421). De plus, la valeur de la solution finale se stabilise autour de la
valeur optimale au fur et mesure que le nombre ditrations augmente. Ces phnomnes
prouvent le bon fonctionnement de la recherche tabou, par lencouragement de lexploration des
rgions caractrises par loptimum global.

Finalement, pour analyser la performance moyenne de la recherche tabou, nous tudions la


frquence des solutions obtenues durant le processus de recherche sur une excution du
programme. Lheuristique est ainsi applique sur linstance Rgb035a_2, dont la solution optimale
est 166. Les rsultats sont prsents sur la figure (Figure3.10). premire vue, nous y voyons une
rpartition des frquences relativement homogne, avec un pic autour de la valeur 195 (environ
15% de loptimum). Cette concentration autour dune valeur proche de loptimum nous conforte
dans le bon comportement de lheuristique, notamment dans le fait de gnrer des solutions
dgrades lorsquun optimum local est atteint. Lheuristique oscille entre des optima locaux et des

79
Chapitre 3

solutions plus mauvaises. Il se trouve quici loptimum local est en ralit global. De ce fait, la
recherche a toujours tendance revenir dans cette rgion.

Cot Cot
445 445

440 440

435 435

430 430

425 425

420 420

415 415

410 410
1 9 17 25 33 41 49 57 65 73 81 89 97 1 8 15 22 29 36 43 50 57 64 71 78 85 92 99

Figure 3.8 : Cot aprs 2000 itrations Figure 3.9 : Cot aprs 5000 itrations

Frquence
0,25

0,2

0,15

0,1

0,05

0 Cots
297
305

289
281
273
265
257
249
241
233
225
217
209
201
193
185
177
169

Figure 3.10 : Frquence des cots aprs 5000 itrations

3.8.3.2 Rsultats sur les instances (1-PDPTW)


Aprs avoir analys les performances de notre heuristique de recherche tabou sur le (1-TSPTW),
attaquons-nous maintenant notre vritable problme, plus complexe : le problme de
chargement et de dchargement un vhicule avec contraintes de fentres temporelles, de
prcdence et de capacit. Chaque problme de taille donne (les tailles variant de 10 clients 40
clients) se dcompose en deux instances, qui se diffrencient par la distribution des fentres
temporelles sur les sommets du graphe. Les rsultats obtenus sur la base de 10 excutions sont
prsents dans les tableaux (Tableau 3.7) et (Tableau 3.8).

Le tableau (Tableau 3.7) montre les solutions proposes par lheuristique et leur volution durant
le processus de recherche. Chaque solution est compare avec la meilleure solution connue S*,
celle construite dans ltape de cration dinstances ralisables pour le (1-PDPTW) (3.8.2 -
Instances (1-PDPTW)). Pour chaque instance, sur les 10 excutions, la premire solution
ralisable trouve est dcrite en termes de valeur du cot moyen ainsi que du nombre moyen
ditrations et du temps moyen ncessaire (temps CPU en secondes) pour y parvenir. Les mmes
caractristiques sont mises en vidence pour la meilleure solution rencontre durant le processus
de recherche. Le tableau (Tableau 3.8) reprsente lerreur relative moyenne entre la premire

80
Planification oprationnelle pour un vhicule

solution ralisable et la solution finale. La solution finale est la meilleure solution obtenue aprs
Max_Iter itrations.

Instance S* Recherche tabou


Solution ralisable Meilleure solution
Cot Itrations Temps Cot Itrations Temps
CPU CPU
A10 855.92 855.92 2082 15.45 855.92 2082 15.45
B10 808.40 808.40 6070 45.06 808.40 6070 45.06
A20 1261.54 1473.70 947 50.13 1261.54 8314 436.64
B20 1112.48 1375.08 81 4.88 1112.48 23026 1207.32
A30 1633.61 1885.62 75 14.78 1633.61 31697 5379.86
B30 1624.43 1932.16 104 19.91 1624.43 44398 7532.61
A40 1860.21 2429.59 8230 3281.84 1974.14 41386 15863.87
B40 2228.53 2594.90 19370 7417.14 2228.53 53260 20462.23

Tableau 3.7 : Rsultats pour le (1-PDPTW)

la vue de ces rsultats, la premire remarque est que la meilleure solution S* est trouve au
moins une fois sur les 10 excutions. Pour les plus petites instances A10 et B10, S* est obtenue
ds que la premire solution ralisable est atteinte, alors quune phase doptimisation est requise
pour les problmes de plus grande taille. Une attention particulire doit tre porte sur les
problmes A40 et B40, o des solutions ralisables ne sont pas systmatiquement trouves
(seulement 4 excutions sur 10 permettent de gnrer une premire solution ralisable). Ces
instances peuvent donc tre vues comme la limite suprieure de notre approche, et indiquent le
chemin suivre pour de nouveaux efforts de recherche. Cependant, pour les problmes dau plus
30 clients (60 sommets), les rsultats sont relativement convaincants, car il semble ais de trouver
une solution ralisable au vu de la complexit du problme, bien que la meilleure solution finale
soit cre aprs un temps dexcution assez long.

Instance Solution
Ralisable Finale
A10 0.0 0.0
B10 0.0 0.0
A20 0.163 0.0
B20 0.236 0.0
A30 0.154 0.0
B30 0.189 0.017
A40 (*) 0.306 0.087
B40 (*) 0.164 0.0
(*) Pour les excutions o une solution ralisable est trouve
Tableau 3.8 : Erreur relative de la recherche tabou pour le (1-PDPTW)

Enfin, le tableau (Tableau 3.8) prsente lerreur relative de la premire solution ralisable et de la
meilleure solution finale par rapport S*, sur la base des 10 excutions. Une erreur relative de 0%
signifie que les 10 excutions ont fourni la meilleure solution connue S*. Ce tableau permet de se

81
Chapitre 3

rendre compte de lefficacit de la mthode, qui trouve pratiquement chaque fois la meilleure
solution connue, et lorsque ce nest pas le cas, la solution obtenue est quasi-optimale, puisque
pour les problmes de 40 clients, la plus grosse erreur relative rencontre est de 8%.

3.8.4 Discussion
Au vu des tests raliss, il convient tout dabord de souligner la qualit des rsultats obtenus, car
dans toutes les situations rencontres, la solution optimale (ou la meilleure solution connue pour
le (1-PDPTW)) a t atteinte par notre algorithme, et ce en un nombre restreint ditrations. Pour
le (1-TSPTW), la borne suprieure de deux problmes de (Ascheuer, 1995) [3] [185] est amliore.
Pour le (1-PDPTW), lerreur relative moyenne de la meilleure solution trouve, quasi nulle,
prouve lefficacit de notre implmentation de la recherche tabou.

Grce lvaluation sur les benchmarks proposs par (Ascheuer, 1995)[3] [185], le bon
comportement de la recherche locale a pu tre mis en vidence. Lamlioration itrative
fonctionne correctement, puisque des clichs diffrents instants du processus de recherche
dmontre loptimisation systmatique des solutions. Nous avons galement pu distinguer la
concentration de toutes les solutions trouves pendant la recherche autour dune valeur proche
de loptimum global, ce qui tend prouver que la recherche tabou sait trouver loptimum global
dune instance et ne pas se contenter doptima locaux, grce en partie la particularit des tats
tabous des mouvements dernirement utiliss.

Malgr la qualit des rsultats, le temps dexcution peut paratre dans certaines situations
lgrement dissuasif. Pourtant, le temps dexcution ne doit pas tre vu comme le facteur le plus
significatif dans lutilisation de processus de recherche locale comme la recherche tabou, car de
nombreux facteurs peuvent favoriser une amlioration. De plus amples excutions de
lheuristique permettraient daffiner les paramtres de la mthode et de les adapter aux
caractristiques des problmes rencontrs, acclrant sensiblement le temps dexcution. Dans
nos tests, les instances de dpart sont gnres alatoirement. La possession dinstances
reprsentatives de cas rels simplifieraient notablement notre tude. En outre, une analyse fine de
la mthode dmontre un trop grand nombre dactions autour de la construction du voisinage et
de lvaluation de la nouvelle solution potentielle. Les solutions potentielles du voisinage sont
entirement rvalues et les cots totaux recalculs, augmentant considrablement le temps
ncessaire chaque itration pour trouver le meilleur candidat.

En ce qui concerne la dtermination du voisinage, nous avons choisi dy intgrer des solutions
potentielles qui ntaient pas forcment ralisables au vu des contraintes du problme, afin
davoir le voisinage le plus riche possible. Mais nous avons galement introduit une fonction de
pnalisation sur ce type de solutions, pour favoriser le choix de solutions admissibles durant la
recherche. En outre, le voisinage dune solution courante est construit systmatiquement partir
de deux mouvements, lchange entre deux sommets et linsertion dun sommet sur une position
de lordonnancement. Toutes ces oprations ont un cot, et influencent dautant le temps
dexcution de lheuristique tabou. Deux pistes peuvent tre explores pour rduire leffort de
calcul, dont nous voquons les grandes lignes ci-dessous : la restriction du voisinage aux seules
solutions admissibles, et une stratgie dalternance sur lutilisation des mouvements.

Restreindre le voisinage aux seules solutions admissibles a pour inconvnient de proposer un


moins grand nombre de choix de solutions dune itration une autre, mais a lavantage de
rduire le cot de construction. Une mthode pour y arriver peut utiliser le principe nonc par
(Psaraftis, 1983b)[152]. Un tableau est introduit afin de tester la faisabilit des mouvements en
temps constant. Ce tableau, FIRSTDEL (pour first delivery ), est index sur les sommets

82
Planification oprationnelle pour un vhicule

visits par le vhicule. FIRSTDEL[i] indique la position maximale autorise que peut prendre le
sommet i sans violer une contrainte de prcdence. Ainsi, la fois le test sur les sommets et la
mise jour du tableau FIRSTDEL se font en temps constant.

Alterner les mouvements de construction du voisinage au lieu de les employer ensemble a


galement linconvnient de proposer un voisinage moins riche, mais garantit une certaine
diversit dans lexploration de lespace de recherche en nemployant pas de manire uniforme un
unique mouvement. Une telle stratgie, dite stratgie doscillation, peut tre trouve dans (Glover,
1997)[95].

3.9 Conclusions

Afin de traiter le problme de la collecte des produits encombrants de llectromnager, nous


introduisons un problme doptimisation combinatoire pour la gestion de la flotte de vhicules, le
problme de chargement et de dchargement avec contraintes de fentres temporelles, de
capacit sur les vhicules et de prcdence entre les lieux visiter (PDPTW). Le prsent chapitre
est consacr la rsolution du problme lorsque les vhicules sont pris sparment et
individuellement, cest--dire que le problme peut tre rsolu dans le cas dun vhicule
(1-PDPTW).

3.9.1 Ce quil faut retenir


Une modlisation mathmatique du (PDPTW) est propose, ainsi quune analyse des travaux
existants visant rsoudre le problme pour un vhicule. Il ressort de cette analyse que trs peu
de travaux ont t recenss sur le sujet. Les mthodes de rsolution sont classes en deux grandes
classes, les mthodes exactes et les mthodes approches. Parmi lensemble des travaux, aucun ne
se base sur la recherche tabou, mta heuristique moderne de rsolution des problmes
doptimisation combinatoire qui a pourtant fait ses preuves sur des problmes de routage de
vhicules plus classiques.

Nous dveloppons donc une stratgie doptimisation du (1-PDPTW) base sur la recherche
tabou et expliquons les mcanismes de fonctionnement de notre mthode. Les performances de
la mthode sont ensuite values sur deux jeux de tests. Le premier jeu de tests se base sur le
problme de voyageur de commerce avec fentres temporelles, o les solutions optimales des
instances sont connues. Ce jeu de tests permet la fois danalyser le comportement de la
recherche locale et de valider la qualit des solutions obtenues. Le deuxime jeu de tests
considre des instances du (1-PDPTW) gnres alatoirement.

Les solutions obtenues pour lensemble des instances sont dexcellente qualit, puisque la
solution optimale est toujours atteinte. Le comportement de notre implmentation de la
recherche tabou est donc trs satisfaisant. Un effort devra nanmoins tre fait pour rduire le
temps dexcution, qui peut paratre dissuasif pour des instances de plus de 40 clients. Des pistes
damlioration sont proposes.

3.9.2 Ce qui va suivre


Les rsultats qui sont obtenus dans ce chapitre concernent la rsolution du problme de
chargement et de dchargement pour un vhicule. Cette situation o uniquement un seul vhicule

83
Chapitre 3

suffit traiter lensemble des requtes de collecte planifier est une situation qui peut arriver, et
cest pourquoi ces premiers rsultats sont intressants en soi. Cependant, il est fort probable que
ce cas ne soit pas le seul auquel le planificateur des oprations de collecte doive faire face, et que
souvent lutilisation de plusieurs vhicules soit ncessaire pour satisfaire les demandes de
ramassage. Cest lobjet du chapitre suivant, qui porte sur lextension des rsultats obtenus dans la
situation dun vhicule au cas de plusieurs vhicules.

84
Chapitre 4 Planification oprationnelle
pour plusieurs vhicules

4.1 Introduction

Au sein de la logistique inverse des produits manufacturs arrivant en fin de vie, la collecte
occupe un rle prpondrant, par sa fonction dapprovisionnement des systmes de traitement et
de rcupration, et par la ncessaire matrise des cots relativement consquents lis aux
oprations de ramassage. La planification oprationnelle de lactivit de la collecte est donc de
premire importance. Aprs avoir mis en vidence la situation la plus gnrale de ramassage des
produits encombrants de llectromnager dans le Chapitre 2, et avoir modlis cette situation
comme un problme de routage de vhicules avec des contraintes de chargement et de
dchargement, de fentres temporelles et de capacit dans le Chapitre 3, lobjet du chapitre
prsent est donc de proposer des lments de rsolution de ce problme NP-Complet
dOptimisation Combinatoire. Nous nous baserons pour cela sur les rsultats du chapitre
prcdent, qui considre le cas dun vhicule simple. Ces rsultats seront ici tendus au cas de
vhicules multiples.

Ce chapitre se structure de la manire suivante. Dans un premier temps, une revue de la


littrature sur le (m-PDPTW) permet de recenser les mthodes existantes, et de conclure quant
linexistence de la mthode Tabou comme base de rsolution pour ce problme. Ce constat
amne dvelopper un mcanisme de recherche Tabou probabiliste, qui est prsent en dtail
dans la partie suivante. Pour valuer les performances de la mthode propose, des heuristiques
de comparaison sont ensuite introduites. Enfin, les rsultats comparatifs et une discussion
terminent cette partie.

4.2 Prsentation du problme

Le problme de chargement et de dchargement avec contraintes de fentres temporelles, de


capacit et de prcdence ( Pickup and delivery problem with time windows m-PDPTW)
considre un ensemble de n requtes satisfaire, chaque requte tant constitue dune quantit

85
Chapitre 4

fixe transporter dune origine une destination. Laction de charger ou de dcharger la


marchandise doit tre ralise lintrieur dun intervalle de temps spcifique chaque site. Pour
ce faire, une flotte de m vhicules est disposition.

La gestion optimale de la flotte vise minimiser la distance totale parcourue par lensemble des
vhicules. Un deuxime objectif consiste minimiser la taille de la flotte, cest--dire le nombre
de vhicules employs pour rpondre globalement lensemble des requtes.

4.2.1 Exemple
Pour fixer les ides, reprenons lexemple nonc au chapitre prcdent, et supposons maintenant
que nous disposons dune flotte de vhicules de taille illimite (voir les donnes prsentes dans
3.2.1 - Exemple). Afin de casser la route du vhicule unique, les fentres temporelles doivent
tre paramtres correctement : nous les restreignons dans lintervalle [0, 1700] pour lensemble
des sommets du rseau. Dans ces conditions, une solution ralisable de lexemple nest plus
possible avec un seul vhicule, mais pourrait tre propose par la figure (Figure 4.1) et le tableau
(Tableau 4.1).

Route Cot Sommet Date darrive Capacit Opration


arrivante
1 480.8 0 0 0 0
3 47 0 30
2 213 30 15
4 320 45 20
5 400 65 10
-3 431 75 -30
-2 551 45 -15
-4 633 30 -20
-5 705 10 -10
0 833 0 0
2 695,8 0 0 0 0
10 87 0 15
6 170 15 35
1 406 50 20
8 507 70 30
-6 585 100 -35
7 669 65 25
-10 770 90 -15
-7 852 75 -25
9 912 50 10
-8 998 60 -30
-1 1047 30 -20
-9 1104 10 -10
0 1245 0 0
Tableau 4.1 : Solution de lexemple (m-PDPTW)

Comme il est possible de le constater, et sous les conditions de lexemple (rduction de la


longueur maximale autorise par la route pour le (m-PDPTW)), lemploi de plusieurs vhicules ne
garantit pas systmatiquement la rduction de la distance globale parcourue par la flotte.
Lexemple un seul vhicule fournit en effet un cot global de 995,4, alors que le cas de plusieurs

86
Planification oprationnelle pour plusieurs vhicules

vhicules rduit ce cot 1176,6. Bien sr, cet exemple ne se veut pas reprsentatif de situations
relles, mais il permet de se rendre compte de limpact dune flotte de plusieurs vhicules sur la
rsolution du (m-PDPTW).
100 -3
-2
+5
+6
+2
-4

+4
+10
D0
-5
-9

- 100 100

-1 +1

-8 +3
+7 +8
-7

-6
+9 -10

- 100

Figure 4.1 : Solution de lexemple (m-PDPTW)

Abordons maintenant les mthodes de rsolution recenses dans la littrature et traitant du (m-
PDPTW).

4.3 Mthodes de rsolution

Toutes les mthodes de rsolution traitant du (m-PDPTW) rencontres dans la littrature suivent
sans exception une approche en deux phases, o la premire phase est une partition des requtes
sur lensemble des vhicules, et o la seconde phase est une optimisation de la solution initiale.
Ltape de partition consiste scinder lensemble des requtes en plusieurs sous-ensembles de
requtes, chaque sous-ensemble tant desservi par un seul vhicule. De ce fait, lordonnancement
de la route de chaque vhicule peut tre rsolu localement, indpendamment des autres vhicules.
Chaque ordonnancement considre une instance de taille modeste et plus simple rsoudre que
le problme initial, ce qui permet de rduire considrablement la complexit. Il existe mme des
mthodes rsolvant de manire optimale la route de chaque vhicule grce des techniques de
sparation et valuation ou de programmation dynamique (voir 3.4 - Mthodes de rsolution).
Cependant, les dcisions les plus importantes dans le processus de rsolution doivent dj tre
prises en compte lors de ltape de partition, et jusqu prsent seules des mthodes heuristiques
permettent daccomplir cette tche.

4.3.1 Revue de la littrature


(Dumas et al., 1991)[82] regardent le (m-PDPTW) comme un problme de partition qui est rsolu
par une mthode de gnration de colonnes et de sparation et valuation applique la
relaxation linaire de la formulation du problme de partition. Chaque colonne reprsente une

87
Chapitre 4

route ralisable emprunte par un vhicule, et est gnre au besoin par lapplication de la
programmation dynamique, dfinie dans (Desrosiers et al., 1986) [80], au problme de plus court
chemin avec contraintes. Cette approche permet de traiter efficacement des instances dau plus
55 clients et 22 vhicules.

(Ioachim et al., 1995)[115] reprennent les rsultats de (Dumas et al., 1991) [82] et dveloppent une
approche novatrice de groupement des requtes pour le (m-DARP). Un groupe de requtes est
dfini comme tant un segment ralisable de requtes servies par un unique vhicule, et
lintrieur duquel le vhicule nest jamais vide. Aprs lobtention du groupement optimal, la
rsolution du (m-PDPTW) se rsume alors celle du (m-TSPTW). La mthode est tendue au
cas de plusieurs types de contraintes de capacit, spcifiques au transport des personnes.
Plusieurs instances de 250 clients sont rsolues, ainsi quune grande instance de plus de 2500
clients.

(Jaw et al., 1986)[118] considrent le problme de transport de personnes (m-DARP) dans lequel
les contraintes temporelles varient de la formulation que nous avons nonce : elles consistent
dune part en une borne suprieure de retard autorise sur chaque sommet du graphe, et dautre
part en une dure maximale de transport pour chaque client. Un algorithme squentiel dinsertion
est utilis pour laffectation des clients sur les vhicules : pour chaque nouvelle requte,
lensemble des insertions admissibles est identifi, puis la meilleure insertion est excute. Cette
approche algorithmique, qui se veut simple mais raliste par rapport aux problmes industriels,
donne de bons rsultats sur des instances de grande taille (2500 clients et 20 vhicules) avec des
efforts de calcul rduits.

(Madsen et al., 1995)[138] rvisent lalgorithme de (Jaw et al., 1986) [118] au (m-DARP) pour prendre
en compte une fonction objectif multicritres et plusieurs contraintes de capacit. La procdure
dinsertion parallle est amliore au niveau de la rapidit dexcution et de sa flexibilit,
autorisant de ce fait un fonctionnement efficace dans un environnement dynamique, o les
requtes peuvent tre traites en temps rel, partir dune solution initiale comprenant 300 clients
et 24 vhicules.

(Sharma and Paradkar, 1995)[167] prsentent un problme de transport de personnes et de


marchandises par voie ferroviaire et identifient un parallle avec des problmes de routage de
vhicules sous fentres temporelles, notamment le (m-PDPTW). Lobjectif est de minimiser une
combinaison linaire entre les cots oprationnels du rseau ferroviaire et les retards dans le
dchargement, et est atteint grce une heuristique qui distribue rgulirement les retards sur
chaque point du rseau. Un exemple numrique est prsent pour illustrer leur mthode.

(van Hooijdonk, 1996)[11] propose un algorithme de rsolution en deux phases du (m-PDPTW),


avec lobjectif de minimiser la dure de transport de la flotte. Lauteur se concentre sur la phase
de construction de la route initiale, par lalternance entre une heuristique dinsertion parallle et
une heuristique dinsertion squentielle. La phase doptimisation est base sur des changes
classiques de nuds. Des instances dau plus 400 requtes sont rsolues et compares aux
rsultats obtenus partir dune implmentation du recuit simul.

(Bodin and Sexton, 1986)[59] tendent leurs travaux sur le DARP, prsents dans (Sexton and
Bodin, 1985a[165], 1985b[165]) (3.4.2 - Les mthodes approches), au cas de plusieurs vhicules,
toujours avec lobjectif de minimiser le dsagrment des clients, et o la contrainte temporelle
sexprime par une date dsire de dchargement. Ltape de partition est sommaire et sert juste
appliquer la dcomposition de Bender sur chaque vhicule et excuter ensuite des oprations

88
Planification oprationnelle pour plusieurs vhicules

dchange entre les routes. Des instances de 85 requtes, tires dune situation relle de transport
de personnes, sont traites.

(Savelsbergh and Sol, 1998)[157] prouvent par leurs travaux que des heuristiques doptimisation
sophistiques peuvent tre impliques dans la rsolution de problmes complexes dans un
environnement temps rel. Les auteurs proposent en effet un outil de planification pour le
problme gnral de chargement et de dchargement ( General Pickup and Delivery Problem
GPDP) bas sur un algorithme de sparation et cot et la technique de gnration de colonnes, et
o lobjectif multicritres est doptimiser la taille de la flotte et la distance totale parcourue. Des
instances de 30 clients et 15 vhicules sont abordes. Puis leur outil est adapt aux contraintes
dune socit de transport routier pour rpondre avec succs aux caractristiques temps rel du
problme.

4.3.2 Rcapitulatif
Nous dressons un rcapitulatif des mthodes de rsolution recenses dans la littrature dans le
tableau suivant (Tableau 4.2), en prcisant bien les caractristiques du problme rsolu et la taille
des instances traites. Cependant, il nest pas forcment vident dtablir un comparatif complet
entre ces mthodes, notamment sur la vitesse dexcution ou la qualit des solutions, car les
problmes de dpart ne possdent pas les mmes caractristiques entre eux. De nombreuses
variantes et extensions du (m-PDPTW) sont rencontres, prenant en compte plusieurs
contraintes de capacit, des dates de dchargement souhaites (plutt que des fentres
temporelles), des fonctions objectif mono ou multicritres. Notons en outre deux applications
((Madsen et al., 1995) [138] et (Savelsbergh and Sol, 1998) [157]) qui sintgrent dans un
environnement dynamique, o lensemble des requtes nest pas connu lavance, mais o des
requtes peuvent arriver en temps rel au cours du processus de rsolution.

Nous pouvons faire ressortir de cette analyse deux tendances quand lobjectif vis par la
rsolution du (m-PDPTW) ou de lune de ses variantes, qui est fonction de la taille des instances.
En effet, pour des problmes de grande taille, la plupart des mthodes se basent sur des
heuristiques dinsertion de requtes dans des routes de vhicules, en dfinissant la meilleure
insertion qui respecte lensemble des contraintes. Linsertion peut tre squentielle ou parallle.
Une insertion squentielle considre les vhicules un par un, et un nouveau vhicule est introduit
dans la flotte si la requte courante ne peut tre insre dans lun des vhicules dj en action.
Une insertion parallle considre initialement la flotte au complet, et pour chaque nouvelle
requte la meilleure insertion est dtermine par rapport lensemble des vhicules. Ce type
dapproche a le mrite de limiter le temps de calcul grce une complexit dexcution restreinte,
et de favoriser son exploitation dans un environnement dynamique temps rel. Cependant, mme
lorsque ces mthodes sont couples une phase de post-optimisation, la qualit des solutions
obtenues ne garantit en aucune faon la proximit de loptimum global du problme.

La probabilit dobtenir une solution quasi-optimale semble plus importante pour les mthodes
bases sur la technique de gnration de colonnes et de sparation et valuation, avec au dpart
une formulation du (m-PDPTW) en problme de partition densembles. La taille des instances
considre est pourtant moins importante, en gnral, que celle des mthodes dinsertion.

Deux exceptions chappent cette premire analyse. (Ioachim et al., 1995) [115] arrivent en effet
considrer des instances de 250 clients et une instance de plus de 2500 clients avec une approche
drivant de la gnration de colonnes. En ralit, le cur de leur mthode reste celui dvelopp
par (Dumas et al., 1991) [82], et des amliorations sont apportes sur la construction du rseau et
sur linitialisation de la procdure de programmation dynamique. Leur approche novatrice de

89
Chapitre 4

groupement des requtes permet dobtenir une solution finale valeur entire, mais le temps
dexcution des grandes instances semble encore prohibitif (plus de 3 heures pour 2500 clients
sur station SUN avec lutilisation dune batterie de logiciels optimiss).

Article Anne Caractristiques Mthode Taille *


Jaw et al. [118] 1986 DARP ; minimisation du Insertion 2500 clients
retard squentielle 20 vhicules
[59]
Bodin and Sexton 1986 DARP ; minimisation du Dcomposition 85 clients
retard de Bender
[82]
Dumas et al. 1991 m-PDPTW Sp. et val. 55 clients
Gnration de 22 vhicules
colonnes
[115]
Ioachim et al. 1995 m-DARP ; contraintes Groupement 250 clients
multiples de capacit des requtes
Sharma and Paradkar 1995 Transport ferroviaire ; Heuristique de Exemple
[167]
minimisation des cots et rpartition des illustratif
du retard retards
Madsen et al. [138] 1995 DARP ; environnement Insertion 300 clients
dynamique parallle 24 vhicules
Objectif multicritres
Contraintes multiples de
capacit
van Hooijdonk [13] 1996 m-PDPTW ; Construction : 400 clients
minimisation de la dure insertion
de transport parallle et
squentielle
Savelsbergh and Sol [157] 1998 m-PDPTW ; Sp. et cot 30 clients
environnement Gnration de 15 vhicules
dynamique colonnes
minimiser taille de la
flotte et distance
* Taille pour la version statique
Tableau 4.2 : tat de lart pour le (m-PDPTW)

De la mme manire, (Savelsbergh and Sol, 1998) [157] dveloppent leur mthode partir de la
technique de gnration de colonnes et lintgrent dans un environnement dynamique afin de
traiter de nouvelles requtes en temps rel. Cependant, les volumes des instances restent
relativement modestes, et les nouvelles requtes ne sont pas immdiatement prises en compte :
leur heuristique de rsolution est relance priodiquement dans la journe afin de ractualiser le
planning de la flotte.

4.3.3 Constat
De toutes les mthodes de rsolution que nous venons de voir, nous pouvons dresser le mme
constat que celui qui nous a conduit introduire la recherche tabou dans le traitement du (1-
PDPTW) (voir 3.5.5 - Comparatif) : aucune mta heuristique nest applique la rsolution du
(m-PDPTW), malgr les rsultats encourageants rencontrs sur des problmes de routage de
vhicules avec fentres temporelles plus classiques. Ainsi, suivant la dmarche que nous avons
initie au chapitre prcdent, nous allons nous consacrer llaboration dune recherche tabou
pour la rsolution du (m-PDPTW), base sur lheuristique prsente pour la rsolution du (1-

90
Planification oprationnelle pour plusieurs vhicules

PDPTW). Ceci constitue la suite de notre travail. Avant tout, la partie suivante prsente
succinctement la recherche tabou probabiliste, extension de la recherche tabou dj prsente au
chapitre 3, et qui constitue notre point de dpart pour le (m-PDPTW).

4.4 Recherche tabou probabiliste

Notre heuristique de rsolution du (m-PDPTW) se base sur la recherche tabou probabiliste, pour
explorer la piste dfriche par (Glover and Lokketangen, 1994)[36] sur les problmes linaires
variables bivalentes. Des rsultats thoriques sur la convergence de la recherche tabou
probabiliste sont prsents dans (Faigle and Kern, 1992)[84].

La recherche tabou probabiliste tend le principe de la recherche tabou dterministe par lajout de
probabilits. (Glover and Lokketangen, 1994) [36] arguent du fait que les probabilits peuvent
remplacer certaines fonctions de la mmoire dans le guidage du processus de recherche.
chaque itration, la mthode construit une liste PTList ( Probability Tabu List ) des candidats
potentiels, la liste tant ordonne du meilleur candidat au plus mauvais. PTList a une taille
prdfinie, que nous noterons Psize ( Probability list Tabu Size ). Elle est donc constitue par
les Psize meilleures solutions non tabou.

Aprs avoir construit la liste des solutions potentielles, un mcanisme de choix de la prochaine
solution dbute, bas sur la probabilit p. Le premier candidat de la liste est slectionn avec la
probabilit p. Sil est rejet, le deuxime candidat est choisi avec la probabilit p(1-p). Le nime
candidat a ainsi la probabilit p(1-p)n-1 dtre slectionn.

Le processus de slection sarrte lorsque lun des candidats de la liste est choisi, ou lorsque tous
les candidats sont rejets. Dans cette situation, deux possibilits sont envisageables :
choisir la meilleure solution de la liste (la premire) ;
choisir alatoirement lune des solutions de la liste.

Passons maintenant la description dtaille de notre proposition de rsolution du (m-PDPTW).

4.5 Rsolution du (m-PDPTW)

Devant la complexit du (m-PDPTW), toutes les approches rencontres dans la littrature


suivent le mme fonctionnement gnral, bas sur une rsolution en deux phases. La premire
phase est une partition de lensemble des requtes sur les vhicules : elle construit ainsi une
solution initiale. La deuxime phase optimise la solution initiale. Certaines approches privilgient
la construction de la route initiale, et la phase doptimisation est sommaire. Dautres, au contraire,
privilgient la phase doptimisation. Notre approche ne droge pas au principe de la rsolution en
deux phases (Figure 4.2). Simplement, lutilisation de la recherche tabou permet de trouver un
quilibre entre ltape de partition et ltape doptimisation.

Le principe gnral de laffectation des requtes aux vhicules est le suivant. Aprs avoir tri les
requtes suivant une rgle de priorit et les vhicules selon leur capacit, nous dveloppons un
algorithme dinsertion squentiel considrant successivement les requtes. Chaque nouvelle
requte insrer est teste sur les routes existantes dj calcules afin de rpondre aux contraintes
du problme. Dans le cas o une requte ne peut tre affecte directement, avant lallocation dun
nouveau vhicule, une tape doptimisation est lance sur les routes respectant la contrainte de

91
Chapitre 4

capacit avec cette nouvelle requte. Cette manire de faire a lavantage de produire des routes
dj optimises et de bnficier dune limitation du nombre de vhicules employs.

Une fois que les requtes des clients sont affectes sur les vhicules, la phase doptimisation de la
solution du (m-PDPTW) dbute. Cette phase doptimisation est une alternance entre une
optimisation locale, indpendante pour chaque vhicule, et une optimisation globale entre les
routes. Loptimisation locale se base sur lheuristique tabou dcrite au chapitre 3 (voir 3.7 - La
recherche tabou : mise en uvre) pour lordonnancement de la route dun vhicule.
Loptimisation globale utilise la recherche tabou probabiliste et vise rduire la longueur totale
parcourue par la flotte et le nombre de vhicules utiliss, par lutilisation dchanges de sommets
entre les routes.

Solution initiale Optimisation

Algorithme d'insertion Optimisation locale


squentielle (1-PDPTW)

Pr-optimisation
Optimisation
des routes
globale
(1-PDPTW)

Figure 4.2 : Rsolution en deux phases du (m-PDPTW)

4.5.1 Optimisation locale


La rsolution en deux phases du (m-PDPTW) qui est propose utilise le module doptimisation
dune route prise indpendamment des routes voisines, qui fait lobjet du contenu du chapitre 3.
Dans le contexte de la rsolution globale du (m-PDPTW), nous appelons optimisation locale
cette optimisation du (1-PDPTW), qui est appele dans les deux tapes du processus de
rsolution.

Dans ltape doptimisation, le module doptimisation locale est lanc sur les routes sur lesquelles
un mouvement doptimisation globale inter routes est appliqu, car il y a alors modification de la
structure de ces routes.

4.5.2 Partition : construction de la solution initiale


La premire tape de notre mthode consiste construire une solution initiale, prenant en
compte lensemble des requtes des clients et leur affectant un vhicule. Pour ce faire, un
algorithme squentiel dinsertion des requtes est mis en place, considrant successivement les

92
Planification oprationnelle pour plusieurs vhicules

requtes et tentant de les insrer dans la route des vhicules ayant dj des requtes traiter.
Linsertion doit tre faite de manire respecter les contraintes du problme.

Il se peut quune requte ne puisse trouver directement sa place parmi les routes existantes. Dans
cette situation, loption naturelle pourrait consister allouer un nouveau vhicule et lui affecter
comme premire requte la requte non insre. Cependant, avant den arriver cette extrmit,
une optimisation locale des routes pouvant potentiellement accueillir la requte est ralise, afin
de complter lalgorithme dinsertion squentielle. Cette optimisation locale a pour but de vrifier
en un nombre restreint ditrations Max_Iter_Partition que lconomie dun vhicule ne peut pas
tre obtenue, tout en tentant damliorer la solution initiale avant la rsolution entire du (m-
PDPTW). Loptimisation permet galement de schapper dun possible optimum local pour les
vhicules, lorsque linsertion peut effectivement avoir lieu.

Traiter squentiellement les requtes des clients tout en favorisant une solution initiale dj
optimise au niveau de la distance parcourue et du nombre de vhicules utiliss suppose que les
donnes sont ordonnes selon une rgle logique, qui facilite linsertion et rpond en partie aux
contraintes du problme. Ainsi, les requtes sont classes selon les rgles (E3.18) et (E3.19)
dcrites au chapitre prcdent (voir 3.7.1 - Initialisation) : il sagit de trier lensemble des sites de
chargement des clients par borne infrieure croissante de la fentre temporelle, et de placer
chaque site de dchargement juste derrire le site de chargement correspondant. De plus, les
vhicules sont rpartis par ordre dcroissant de leur capacit.

Lalgorithme de construction de la solution initiale peut maintenant tre prsent comme suit,
dans la figure (Figure 4.3). la lecture de cet algorithme, nous pouvons nous rendre compte quil
nexiste aucune contrainte sur le nombre de vhicules. Nous supposons en effet que la taille de la
flotte est illimite au dpart, et que donc une fois ltape de partition termine, toutes les requtes
des clients ont t affectes. Une autre hypothse pourrait considrer une taille maximale
autorise pour la flotte, rajoutant par l mme une contrainte supplmentaire la construction de
la solution initiale. Dans cette situation, les requtes nayant pu tre affectes seraient stockes, en
attente dune possible insertion dans lune des routes de la flotte lors de ltape doptimisation
globale, et le problme se verrait alors ajout une caractristique de type dynamique, que nous
navons pas dsir considrer pour linstant.

4.5.3 Optimisation inter routes


Pour tenter datteindre loptimum global du (m-PDPTW), il nest pas possible de se contenter des
tapes de partition et doptimisation locale, car le risque est grand de se retrouver sur un
ensemble doptima locaux lorsque les routes sont dtermines indpendamment les unes des
autres. Pour viter cette situation, une tape supplmentaire est introduite dans le processus de
rsolution, que nous appelons optimisation inter routes, ou optimisation globale. Le but est de
rendre les routes communicantes et dpendantes les unes des autres, afin de tendre vers un
meilleur optimum du problme. Loptimisation inter routes est base sur la recherche tabou
probabiliste, dont un aperu a t prsent dans la partie (4.4 - Recherche tabou probabiliste), et
dont nous dtaillons la mise en uvre ci-dessous.

93
Chapitre 4

tape 1 : initialisation
- Ordonner les requtes des clients suivant les rgles (E3.18) et (E3.19)
- Ordonner les vhicules par ordre dcroissant des capacits
- Appliquer ltape 2 la premire requte ordonne

tape 2 : affectation
- Pour la requte ri et pour chaque vhicule vm dj existant, rechercher une
position pour vi et vn+i dans la route de vm satisfaisant toutes les contraintes
- Si au moins un vhicule peut accueillir ri, insrer vi et vn+i dans la meilleure
position trouve ; aller ltape 5
- Sinon aller ltape 3

tape 3 : pr-optimisation
- Pour chaque vhicule vm, insrer vi et vn+i en fin de route et lancer le module
doptimisation de la route Rm jusqu ce que :
- un nouvel ordonnancement ralisable de Rm soit dfini ; aller alors ltape 5
- le nombre maximal ditrations autoris Max_Iter_Partition pour le module
doptimisation soit atteint ; aller alors ltape 4

tape 4 : allocation dun nouveau vhicule


- Allouer un nouveau vhicule v m+1
- Insrer vi et vn+i dans Rm+1 ; aller ltape 5

tape 5 : test darrt


- Si toutes les requtes sont affectes, fin de lalgorithme
- Sinon, faire i = i+1 et appliquer ltape 2 la nouvelle requte ri
Figure 4.3 : Algorithme de partition pour le (m-PDPTW)

4.5.3.1 Recherche tabou probabiliste


Cette application de la recherche tabou est base sur des probabilits pour aider la dcision du
meilleur mouvement du voisinage dune solution courante. Dans ce contexte, deux paramtres
sont dfinir :
la valeur de la probabilit p daccepter un mouvement ;
la taille Psize de la liste PTList des mouvements candidats la slection du meilleur
mouvement.

En ce qui concerne la probabilit p, une tude comparative mene par (Glover and Lokketangen,
1994) [36] sur le problme de programmation linaire en variables bivalentes prouve que les valeurs
de p proche de 1/3, plus prcisment dans lintervalle [0.3, 0.4], produisent le meilleur
comportement de la recherche probabiliste. Prendre une valeur de p infrieure 0.3 mne trop
souvent la slection de mauvais mouvements, alors quune valeur suprieure 0.4 provoque
systmatiquement la slection des tous meilleurs mouvements, et ne garantit pas lchappement
dun optimum local. Dans notre application, au lieu de fixer une fois pour toutes la valeur de p,
lastuce suivante est retenue afin daccentuer les deux phases damlioration et de dtrioration de
la solution spcifiques la recherche tabou :

94
Planification oprationnelle pour plusieurs vhicules

Phase damlioration : lorsque le processus de recherche locale amliore la valeur de la


solution courante, la valeur de p est gale 0.4 pour favoriser la slection des bons
mouvements.
Phase de dtrioration : lorsque le processus de recherche locale choisit une solution de
cot plus lev, la valeur de p est gale 0.3 afin de diversifier la recherche et de provoquer la
slection des mauvais mouvements.

La taille Psize de la liste PTList, quant elle, est fixe 10. Cette valeur est choisie arbitrairement
de manire avoir 98% de chances de choisir un mouvement de PTList pendant la phase de
dtrioration. En effet, pour p=0.3 :
10

p1 - p
i -1
= 0.98 (E4.1)
i =1

Il faut remarquer que lalternance de la valeur de p dpend de la situation de la recherche locale


litration t, et que la dtermination de ce que sont une phase damlioration et une phase de
dtrioration doit tre affine. Si litration t, la liste PTList comprend Psize mouvements
potentiels, il se peut trs bien quune partie de la liste soit compose par des mouvements
amliorants, et lautre partie par des mouvements dgradant la solution courante. Partant de ce
constat, la liste PTList est scinde en deux sous-listes : la liste PTListimprove contient les
mouvements amliorants, alors que la liste PTListdegrade stocke les mouvements dgradants. Ces
deux listes ont comme taille respective Psizeimprove et Psizedegrade, telles que :

Psizeimprove+ Psizedegrade = Psize (E4.2)

Les phases damlioration et de dtrioration de la solution se dfinissent alors de la manire


suivante :
Si Psizeimprove > 0 : phase damlioration (au moins un mouvement amliorant)
Sinon : phase de dtrioration

Prcisons maintenant les diverses composantes de la recherche tabou probabiliste : la structure


du voisinage, la restriction tabou, la taille de la liste tabou (tenure), le critre daspiration, la
stratgie de diversification, et le critre darrt.

4.5.3.1.1 Structure du voisinage


chaque itration du processus de recherche locale, un voisinage de la solution courante est
construit, suivant le mme principe que celui nonc au chapitre prcdent (3.7.2.1 - Structure
du voisinage). Pour loptimisation inter routes, deux types de mouvements sont employs : un
mouvement dchange de requtes entre les routes (Figure 4.4), et un mouvement dinsertion
dune requte dans une autre route (Figure 4.5). Ces deux mouvements, que nous nommerons
inter_move_echange et inter_move_insert, peuvent tre vus comme une extension des
mouvements dchange et dinsertion dj dfinis. Le mouvement inter_move_echange a pour
rle de diminuer la distance totale parcourue par la flotte de vhicules, en oprant des changes
de requtes entre les routes. Le mouvement inter_move_insert, quant lui, a galement le rle de
diminuer la distance totale parcourue, mais galement celui de rduire le nombre de vhicules
utiliss, en oprant sur des dplacements de requtes dune route vers une autre route.

Lexcution des deux mouvements doit se faire avec le respect des contraintes du problme.
Ainsi, contrairement la gnration du voisinage pour le (1-PDPTW), ne sont considres ici que
les solutions ralisables. Il ny a donc pas lieu ici dintroduire de fonctions de pnalisation.

95
Chapitre 4

Route Rm1 Route Rm2 Route Rm1 Route Rm2


Dpt Dpt Dpt Dpt

vi-1 vj-1 vi-1 vj-1

vj vi vj vi

vi+1 vj+1 vi+1 vj+1

vn+i-1 vn+j-1 vn+i-1 vn+j-1

vn+j vn+i vn+j vn+i

vn+i+1 vn+j+1 vn+i+1 vn+j+1

Dpt Dpt Dpt Dpt

Figure 4.4 : Mouvement dchange inter_move_echange(m1, m2, i, j)

Route Rm1 Route Rm2 Route Rm1 Route Rm2


Dpt Dpt Dpt Dpt

vi vi
vj-1 vj-1
vj
vj

vi+1 vj+1 vi+1 vj+1

vn+j-1 vn+j-1
vn+i vn+i
vn+j vn+j

vn+i+1 vn+j+1 vn+i+1 vn+j+1

Dpt Dpt Dpt


Dpt
Figure 4.5 : Mouvement dinsertion inter_move_insert(m1, m2, i, j)

96
Planification oprationnelle pour plusieurs vhicules

4.5.3.1.2 Restriction tabou


Dans loptimisation globale du (m-PDPTW), la restriction tabou utilise considre les clients et
les routes. Aprs un mouvement dun client de sa route A vers une nouvelle route B (que ce soit
un mouvement dchange avec un autre client ou un mouvement dinsertion), le mouvement de
retour de ce client vers sa route dorigine A est prohib pendant les tenure itrations suivantes.
Cette restriction est compatible avec la construction du voisinage, et permet dutiliser une
structure de la liste tabou unique pour la gestion des deux types de mouvements utiliss.

4.5.3.1.3 Structure de la liste tabou


De part la restriction tabou utilise, deux types dattributs tabou sont utiliss pour pouvoir rendre
compte de ltat tabou dune solution, les clients et les routes des vhicules. La structure de la liste
tabou, de type mmoire attributive, se compose donc dun tableau tabou_routes deux
dimensions, o les lignes reprsentent les clients et les colonnes reprsentent les routes des
vhicules. Chaque case du tableau code litration partir de laquelle un client est autoris se
dplacer vers une route donne. Ainsi, le dplacement dun client i vers une route r est considr
tabou si et seulement si :

itration_courante tabou_routes[ i ] [ r ] (E4.3)

Le lecteur attentif pourra se rendre compte de labus de langage qui est fait ici. Le mot liste
peut paratre en effet peu appropri pour parler dune structure deux dimensions. Nanmoins,
conscient de cet abus, nous continuerons utiliser lexpression liste tabou pour rester en
accord avec la philosophie de la recherche tabou et ne pas dconcerter plus avant le lecteur. La
structure de la liste tabou pour le (m-PDPTW) peut tre reprsente par la figure suivante (Figure
4.6).

r Routes

itration courante
+ tenure
Clients

Figure 4.6 : Structure de la liste tabou pour le (m-PDPTW)

4.5.3.1.4 Taille de la liste tabou


Pour dterminer la taille T (tenure) de la liste tabou, le principe dune liste tabou dynamique est
adopt, identiquement la partie (1-PDPTW) o la tenure varie au cours du processus de
recherche locale. Lintervalle de variation retenu se dfinit comme [minGlobalT, maxGlobalT],
minGlobalT et maxGlobalT restant dfinir, et T est rgnre priodiquement aprs un certain
nombre ditrations.

97
Chapitre 4

4.5.3.1.5 Critre daspiration


Le critre daspiration globale est implment : un mouvement tabou peut dfinir le mouvement
choisi pour le passage litration suivante si la solution obtenue amliore la meilleure solution
connue.

4.5.3.1.6 Stratgie de diversification


Une stratgie de diversification est galement implmente pour loptimisation du (m-PDPTW),
suivant le principe nonc au chapitre 3 (3.7.2.6 - Stratgie de diversification). Deux structures
de mmoire sont introduites, enregistrant les frquences des mouvements des clients par rapport
aux routes des vhicules. Deux matrices sont ncessaires, lune pour le mouvement dchange,
lautre pour le mouvement dinsertion. Elles sont reprsentes par la figure (Figure 4.7). La
stratgie de diversification dbute aprs un nombre ditrations Wglobal, et la fonction de
pnalisation de paramtre lglobal est cumule la valeur de la solution courante.

r Routes r Routes

i i

=global >global
Il y a dj eu Il y a dj eu
=global changes >global insertions
du client i sur la du sommet i sur
Clients route r Clients la route r

Matrice des changes Matrice des insertions


Figure 4.7 : Stratgie de diversification pour le (m-PDPTW) structures de mmoire

4.5.3.1.7 Critres darrt


Les critres darrt portent sur le nombre ditrations. Le processus doptimisation globale sarrte
si lune des conditions suivantes est vrifie :
un nombre maximal ditrations Max_Global_Iter est atteint ;
aucune amlioration de la meilleure solution nest recense pendant Max_Global_Best_Iter
itrations.

4.5.3.2 Algorithme gnral


Avec les donnes dcrites ci-dessus, lalgorithme gnral doptimisation inter routes pour le (m-
PDPTW), bas sur la recherche tabou probabiliste, est prsent dans la figure (Figure 4.8).

98
Planification oprationnelle pour plusieurs vhicules

tape 1 : initialisation
- Appliquer lalgorithme de partition pour construire une solution initiale
- Aller ltape 2

tape 2 : construction du voisinage


- Gnrer tous les mouvements dchange et dinsertion entre les routes qui
produisent des solutions ralisables ; valuer le cot de chaque solution
- Enregistrer les Psize meilleurs mouvements dans PTList
- Aller ltape 3

tape 3 : slection
- Dfinir la valeur de p par rapport lexistence dau moins un mouvement
amliorant
- Gnrer une valeur alatoire q uniformment distribue sur lintervalle [0 ; 1]
- Slectionner le mouvement i de la liste PTList des candidats tel que
Probabilit(PTList[ i-1 ]) < q Probabilit(PTList[ i ])
- Excuter le mouvement i
- Si le cot de la nouvelle solution courante est le meilleur jamais rencontr,
enregistrer la solution courante comme meilleure solution connue
- Aller ltape 4

tape 4 : optimisation locale


- Lancer le module doptimisation locale sur les routes qui ont subi le mouvement
doptimisation globale
- Aller ltape 5

tape 5 : test darrt


- Si lun des critres darrt est vrifi, fin de lalgorithme
- Sinon aller ltape 2
Figure 4.8 : Algorithme de rsolution du (m-PDPTW)

4.6 Heuristiques de comparaison

Lheuristique de rsolution que nous proposons est value par rapport trois autres mthodes,
qui permettent de mieux situer les performances de notre mthode et de comparer les rsultats
obtenus. Les deux premires heuristiques sont des mthodes de construction dune solution
initiale bases sur des rgles dinsertion, et permettent danalyser notre phase dinitialisation. La
troisime mthode se base sur la recherche tabou dterministe, et est employe afin de pouvoir
tudier le comportement de la recherche tabou et de sa variante probabiliste sur un problme
complexe dOptimisation Combinatoire comme le (m-PDPTW).

4.6.1 Une heuristique dinsertion parallle


Premirement, une heuristique dinsertion parallle des requtes est introduite, car ce type
dapproche est rput pour proposer des rsultats comptitifs avec les mthodes squentielles sur
des problmes comprenant des contraintes temporelles (Potvin and Rousseau, 1993)[149].

99
Chapitre 4

Lheuristique que nous proposons reprend le principe prsent par (Ioachim et al., 1995) [115] qui a
servi valuer leur technique de gnration de colonnes.

Dans un premier temps, les requtes sont classes par ordre dcroissant de leur dure
dexcution. Si des requtes possdent la mme dure dexcution, elles sont tries par ordre
croissant de leur date de dpart. La notion de dure dexcution dune requte doit tre
introduite : cest le temps quil faut un vhicule pour satisfaire cette requte uniquement, en
partant et en revenant au dpt. Ainsi, si di correspond la dure dexcution de la requte ri :
d i = t 0,i + p i + t i,n +i + p n +i + t n +i , 2 n +1 (E4.4)

Puis les requtes sont traites une par une. Chaque requte a la possibilit dtre insre dans une
route existante, dinitialiser une nouvelle route, ou dtre mise en attente . Le choix dpend des
caractristiques de la requte, et est bas sur lhypothse de (Ioachim et al., 1995) [115] que les
requtes ayant une longue dure dexcution sont celles qui sont les plus aptes initialiser une
nouvelle route. Ainsi, pour une requte de dure dexcution longue, son potentiel dinitialiser
une nouvelle route est compar avec sa meilleure insertion dans les routes existantes. Si le rsultat
de la comparaison est significatif, la meilleure alternative est applique ; si aucune conclusion
probante ne ressort de la comparaison, la requte est mise en attente . En ce qui concerne une
requte de dure dexcution courte, il y a juste lvaluation de son insertion dans une route
existante. Si lune des possibles insertions ne dgrade pas trop le cot de la solution, linsertion est
ralise ; le cas chant, la requte est mise en attente . Lorsque toutes les requtes sont traites
au moins une fois, une seconde passe est ralise sur les requtes en attente , en tentant de les
insrer dans une route existante, et sinon en crant une nouvelle route.

Il nous reste maintenant prciser trois points pour complter la prsentation de lheuristique,
qui ne sont pas dcrits dans (Ioachim et al., 1995) [115]. Le premier concerne la dfinition de la
longueur dune dure dexcution. En posant D la somme des dures dexcution des requtes et
D moy la moyenne des dures dexcution, le critre de classement est le suivant :
si d i > D moy : la dure dexcution est longue
si d i D moy : la dure dexcution est courte

Les deux autres points claircir portent sur le critre dvaluation de plusieurs alternatives.
Introduisons ncurrent le nombre de requtes dj affectes sur des routes existantes. Pour affirmer
que lune des alternatives dune requte de dure longue est significative, la comparaison entre la
dure des solutions respectives est tablie. En posant Dcreate la dure totale de la nouvelle solution
courante pour une cration de route et Dinsert la dure totale de la nouvelle solution pour une
insertion, le rsultat de la comparaison est significatif, et lalternative correspondant au minimum
entre Dcreate et Dinsert est applique, lorsque la diffrence des deux solutions possibles est
suprieure la dure dexcution moyenne pondre par un facteur dpendant du nombre de
requtes dj traites :
n
D create - D insert > current .D moy (E4.5)
n

Enfin, le critre de dcision de linsertion dune requte de courte dure peut tre formul par :
D insert < n current .D moy (E4.6)

100
Planification oprationnelle pour plusieurs vhicules

4.6.2 Une heuristique de construction spatio-temporelle


Nous prsentons maintenant une heuristique de construction spatio-temporelle dune solution
initiale. Ce type de construction se base sur une rgle de classement des sommets du graphe qui
prend en compte les caractristiques spatiale et temporelle des nuds visiter. Deux exemples
dune telle rgle peuvent tre trouvs dans (Ioachim et al., 1995) [115] et (Sexton and Choi, 1986)
[166]
.

La composante temporelle entre deux sommets sexprime par la diffrence des milieux des
fentres temporelles. Pour deux sommets vi et vj, de fentres temporelles [ei, li] et [ej, lj], posons zi
et zj les milieux des fentres temporelles de vi et vj. La composante temporelle entre vi et vj se
note alors :
Z temp i, j = z j - z i
(E4.7)

La composante spatiale entre les sommets vi et vj correspond au temps ncessaire un vhicule


pour se dplacer de vi vj aprs avoir effectu lopration demande sur vi. Ainsi,
Zspat i, j = t ij + p i (E4.8)

La sparation spatio-temporelle entre vi et vj est la somme de la composante spatiale et de la


composante temporelle entre ces sommets :
Zi, j = Z temp i, j + Z spat i, j (E4.9)

Il faut observer que la sparation temporelle peut tre ngative, et que par consquent il nest pas
impossible que la sparation spatio-temporelle entre deux sommets soit galement ngative.
Dune manire intuitive, deux sommets dont la sparation spatio-temporelle est grande auront
peu de chance de se succder dans une solution ralisable de bonne qualit. Lheuristique
dinsertion propose raisonne donc itrativement sur le principe du plus proche voisin : le
premier sommet de la route est celui de plus petite date de dpart, puis chaque nouveau sommet
insr en fin de route est celui qui a la plus petite sparation spatio-temporelle par rapport au
dernier sommet de la route. Linsertion doit respecter les contraintes du problme : le sommet
insrer est test sur les routes existantes, en explorant les routes par leur date de cration, et si il
ne peut sintgrer dans aucune route, un nouveau vhicule est allou avec ce sommet comme
premier sommet visiter.

4.6.3 Recherche tabou dterministe


Les deux premires heuristiques ci-dessus sont des procdures dinsertion visant produire une
solution initiale de bonne qualit, mais elles ne sont pas suivies dune phase doptimisation : elles
sont utilises comme moyen dvaluation de la construction de notre solution initiale.
Malheureusement, devant la complexit du (m-PDPTW), il ne nous a pas t possible ni
dimplmenter efficacement lune des mthodes de rsolution cites dans la partie (4.3 -
Mthodes de rsolution), ni de rcuprer les jeux de tests utiliss par ces mthodes, afin de
comparer la globalit des rsultats.

Nous avons donc retenu comme seul moyen dvaluation globale de notre heuristique la
comparaison avec la mthode tabou dterministe. Une deuxime version de notre mthode a
donc t implmente, o le processus probabiliste de slection du prochain mouvement (voir
4.4 - Recherche tabou probabiliste) a t remplac par la slection du meilleur mouvement du
voisinage. Bien entendu, les rsultats de cette analyse doivent tre considrs avec prcaution, car

101
Chapitre 4

le principe de base de rsolution est identique pour les deux parties. Cependant, cette situation a
le double avantage :
dune facilit dimplmentation ;
doffrir lopportunit dtablir une analyse comparative du comportement des deux
principales versions de la recherche tabou (dterministe / probabiliste) sur un problme aussi
complexe que le (m-PDPTW).

4.7 Rsultats exprimentaux

Nous avons dsormais prsent tous les outils qui vont nous permettre dvaluer lheuristique de
rsolution de recherche tabou probabiliste. Il nous reste donc prsenter et analyser les rsultats
numriques fournis par les diffrentes heuristiques nonces. Dans un premier temps, il nous faut
cependant dcrire les instances qui composent notre jeu de tests.

4.7.1 Instances (m-PDPTW)


Pour valuer notre heuristique, des jeux de tests sont gnrs, et la procdure de gnration se
base sur celle de (Solomon, 1987)[169] pour le problme de routage de vhicules avec fentres
temporelles. Le principe de cette procdure est de crer plusieurs classes de problmes, chaque
classe faisant voluer un paramtre particulier alors que les autres paramtres restent constants.
Les facteurs dterminants qui sont retenus sont : la rpartition gographique des villes, la dure
maximale des routes, le positionnement et la largeur des fentres temporelles. La flotte est
homogne : les vhicules sont considrs comme ayant les mmes caractristiques de capacit et
de vitesse de dplacement. Les quantits transporter, les temps de service et les temps de
transport sont gnrs alatoirement selon le mme principe que dans la section (3.8.2 -
Instances (1-PDPTW)).

Les coordonnes gographiques des villes du rseau sont gnres alatoirement dans lespace
euclidien [0, 100]2, de manire vrifier lingalit triangulaire. La gnration alatoire peut tre
totale (nous parlons alors de problmes de classe T1 et T2), par groupes (problmes
correspondants de classe G1 et G2), ou par semi-groupes (problmes correspondants de classe
S1 et S2). Les problmes de type semi-groupes possdent des villes qui sont gnres la fois de
manire alatoire totale et de manire semi-groupe. Il est galement possible de jouer sur la
dure maximale des routes (intervalle [e0 ; l0]) et la capacit des vhicules, de manire influencer
le nombre de clients desservis par un mme vhicule. Ainsi, comme lutilise (Solomon, 1987) [169],
les problmes T1, G1 et S1 ont un horizon de temps relativement court et des capacits de
vhicule faibles, rduisant le nombre de clients par vhicule. linverse, les problmes T2, G2 et
S2 ont un horizon de temps large et des capacits leves, autorisant a priori un grand nombre de
clients par vhicule.

Indpendamment de la dure maximale des routes, la largeur moyenne des fentres temporelles
est un facteur primordial sur lobtention des solutions ralisables, car elle donne plus ou moins de
souplesse aux vhicules en offrant plus ou moins de possibilits de passage sur les sommets.
Deux types de largeur de fentres sont gnrs pour une taille dinstance donne : plutt courte
(C) ou plutt longue (L).

Pour produire une instance du (m-PDPTW) dont nous sommes srs quil existe au moins une
solution ralisable, nous procdons de la manire suivante. Dans un premier temps, les fentres
temporelles des sommets sont dtermines, par leur centre et leur largeur. Le centre de la fentre

102
Planification oprationnelle pour plusieurs vhicules

temporelle de chaque sommet vi suit une loi uniforme sur lintervalle [e0+t0i ; l2n+1-ti,2n+1-pi]. Puis la
largeur de la fentre est dfinie comme tant la moiti dun nombre gnr par une loi normale de
distribution, et dpend du type de largeur retenue (courte ou large). Les sommets sont ensuite
rpartis par paire, de manire avoir pour chaque paire un sommet de chargement et un sommet
de dchargement, et chaque paire est affecte un client, avec le respect des contraintes de
prcdence et de temporalit. Lors de cette tape, la fentre temporelle peut tre ajuste au
besoin, par tirement sur les sites de chargement et de dchargement, pour obtenir au moins un
trajet admissible avec ce client uniquement.

2 tailles dinstances de 50 clients et 100 clients sont cres. En tenant compte des 3 modes de
gnration des coordonnes gographiques du rseau, des 2 types de dure maximale et des 2
largeurs de fentres temporelles, cest au total un ensemble de 24 instances qui compose notre jeu
de test. Ainsi, par exemple, linstance T1-C-50 correspond une taille de 50 clients, avec une
gnration des sommets totalement alatoire et une dure maximale des routes et une largeur de
fentres temporelles relativement courtes. De mme, linstance G2-L-100 comprend 100 clients,
avec des sommets gnrs dune manire groupe, et la dure maximale des routes et la largeur
des fentres temporelles sont relativement longues.

4.7.2 Rsultats numriques


La stratgie dvaluation de notre heuristique de rsolution du (m-PDPTW) se dcompose en
deux parties. La premire consiste comparer ses rsultats ceux des heuristiques de test sur un
ensemble de problmes communs, et den tirer les conclusions les plus pertinentes. Six instances
de 50 clients reprsentant des situations o les contraintes temporelles sont soit plutt fortes (3
instances : T1-C-50, G1-C-50, S1-C-50), soit plutt faibles (3 instances : T2-L-50, G2-L-50, S2-L-
50) nous paraissent adquates pour ce type dvaluation. La deuxime partie observe les solutions
obtenues sur la totalit du jeu dinstances.

Ltude comparative des heuristiques considre 5 mthodes. La recherche tabou probabiliste est
dcompose en deux tapes : la partition (PTS partition) et loptimisation globale (PTS globale).
Sont galement prsentes la recherche tabou dterministe (TS), lheuristique dinsertion parallle
(IP) et lheuristique dinsertion spatio-temporelle (ISP). Lintrt de faire apparatre les rsultats
de la partition de la recherche tabou probabiliste tient au fait que les deux heuristiques dinsertion
peuvent tre vues, au mme titre que la partition de linstance, comme des mthodes de
construction dune solution initiale ralisable, de bonne qualit mais sans phase doptimisation
globale. Nous pourrions dire que ces deux heuristiques dinsertion sont utilises dans le but
dtablir un comparatif avec notre tape de construction dune solution initiale. La recherche
tabou dterministe permet, quant elle, de fournir des repres sur la globalit de loptimisation.
Les paramtres en commun des deux recherches tabou sont prsents dans le tableau (Tableau
4.3).

Les rsultats comparatifs entre les diffrentes heuristiques sont prsents dans les tableaux
(Tableau 4.4) (Tableau 4.11). Pour chaque instance, les heuristiques de recherche tabou sont
relances 5 fois. Ne connaissant pas initialement la solution optimale de chaque problme, S* est
considre tre la meilleure solution rencontre au cours de lensemble des excutions des
heuristiques. La meilleure solution est celle qui satisfait par ordre de priorit dcroissante aux
critres : nombre de routes utilises, cot total de la flotte (distance totale parcourue), dure totale
(somme des dures individuelles des vhicules). Ainsi, une solution avec un nombre de routes
plus petit, mais un cot total suprieur, par rapport une autre solution du mme problme, est
considre meilleure. Dans chaque tableau, la colonne 2 propose la moyenne des solutions
obtenues en terme de distance totale, de dure totale, de nombre de routes, et de temps CPU

103
Chapitre 4

utilis pour trouver cette solution. Le temps CPU est calcul partir dexcutions ralises sur un
PC 350 Mhz quip dun microprocesseur Pentium II. La colonne 3 tablit lerreur relative
moyenne des solutions par rapport S*.

Fonction objectif Minimiser la distance totale parcourue


Critres darrt Max_Iter =100000 ; Max_Best_Iter = 10000
Voisinage lcap = l prec = ltemp =100 ; m cap = m prec = m temp = 500
Tenure T varie entre [n/4, n/2] et change toutes les 2n itrations
Stratgie de diversification W =500; l = 10
Tableau 4.3 : Paramtres des heuristiques de recherche Tabou

Heuristique Valeur des solutions Erreur relative moyenne


moyennes (*)
PTS Partition 10215 20 12 % 25%
36700 47 24 %

PTS 9200 16 2% 0%
Optimisation globale 29700 370 3%

TS 9330 16 5% 0%
29840 362 4%

Insertion parallle 9530 16 6% 0%


30170 5 5%

Insertion 9735 18 8% 12,5%


spatio-temporelle 31580 6 6%
(*) Cot total Nombre de routes
Dure totale Temps CPU
Tableau 4.4 : Comparaison des heuristiques pour T1-C-50

Heuristique Valeur des solutions Erreur relative


moyennes (*)
PTS Partition 8920 17 16 % 6%
31090 42 15 %

PTS Global 7580 16 0,8% 0%


26540 210 1%

TS 7710 16 2% 0%
26890 217 1%

IP 7687 16 1% 0%
27460 4 3,5%

IST 7750 16 2% 0%
27885 6 5,1%
(*) Cot total Nombre de routes
Dure totale Temps CPU
Tableau 4.5 : Comparaison des heuristiques pour G1-C-50

104
Planification oprationnelle pour plusieurs vhicules

Heuristique Valeur des solutions Erreur relative


moyennes (*)
PTS Partition 9380 14 12% 0%
27880 50 12%

PTS Global 8850 14 4% 0%


25410 260 2%

TS 9010 14 5% 0%
25360 235 2%

IP 8430 14 0,5 % 0%
24870 18 0%

IST 8360 14 0% 0%
25060 17 0,1%
(*) Cot total Nombre de routes
Dure totale Temps CPU
Tableau 4.6 : Comparaison des heuristiques pour S1-C-50

Heuristique Valeur des solutions Erreur relative


moyennes (*)
PTS Partition 6849 5 18 % 0%
19620 85 5%

PTS Global 6215 5 7% 0%


18600 330 0,2%

TS 6209 5 0,7 % 0%
18583 294 0,1%

IP 5800 11 0,3% 2,2 %


30275 10 62 %

IST 6065 8 4% 1,6 %


27840 14 50 %
(*) Cot total Nombre de routes
Dure totale Temps CPU
Tableau 4.7 : Comparaison des heuristiques pour T2-L-50

Heuristique Valeur des solutions Erreur relative


moyennes (*)
PTS Partition 5410 4 22 % 0%
15865 160 1,5 %

PTS Global 4810 4 8% 0%


15700 450 0,8 %

TS 4890 5 9% 25 %
16010 360 2%

105
Chapitre 4

IP 4420 5 1% 25 %
18400 20 17 %

IST 5000 5 13 % 25 %
17850 18 14 %
(*) Cot total Nombre de routes
Dure totale Temps CPU
Tableau 4.8 : Comparaison des heuristiques pour G2-L-50

Heuristique Valeur des solutions Erreur relative


moyennes (*)
PTS Partition 7105 6 35 % 0%
22720 90 0,8 %

PTS Global 6430 6 22 % 0%


22510 230 0,3 %

TS 6690 6 27 % 0%
23140 275 3%

IP 5270 7 0,5 % 16 %
23560 10 4%

IST 5420 7 3% 16 %
23750 12 5,5 %
(*) Cot total Nombre de routes
Dure totale Temps CPU
Tableau 4.9 : Comparaison des heuristiques pour S2-L-50

Enfin, les solutions relatives la totalit des jeux de test sont relates dans les tableaux (Tableau
4.10) et (Tableau 4.11), chaque tableau tant associ une classe de problmes. Chaque ligne des
tableaux reprsente un type de problme sur lequel lheuristique de recherche tabou probabiliste
est relance 5 fois. Les colonnes des tableaux dcrivent respectivement la meilleure solution
rencontre sur lensemble des excutions, la moyenne des solutions initiales construites par
ltape de partition, et la moyenne des meilleures solutions finales obtenues en fin de chaque
excution.
Instance S* Solution initiale Meilleure solution
(*) moyenne obtenue moyenne
T1-C-50 9115 16 10215 20 9200 16
29380 390 36700 47 29700 370
G1-C-50 7516 16 8920 17 7580 16
24930 208 31090 42 26540 210
S1-C- 50 8407 14 9380 14 8850 14
24886 245 27880 50 25410 260

T1-L-50 6541 10 7825 11 6620 10


21782 240 23454 65 21960 240
G1-L-50 5402 10 6370 11 5420 10,2
20115 260 22085 42 20820 213
S1-L- 50 7015 9 8230 11 7420 9

106
Planification oprationnelle pour plusieurs vhicules

18750 205 19620 55 18880 218

T1-C-100 19550 33 23310 39 19855 33


60762 3210 66470 450 61260 1240
G1-C-100 17420 32 23360 38 18445 33
56340 2460 61890 510 58430 2210
S1-C- 100 18405 28 24335 32 19175 28,7
51750 1400 56420 480 52460 1540

T1-L-100 15680 21 19555 27 16060 21,3


45130 2840 52190 340 47445 1800
G1-L-100 14885 20 21450 25,6 15025 20
41320 1875 47442 510 42320 1980
S1-L- 100 12230 19 13990 23,6 12630 19,8
38580 2070 41486 420 38970 4350
(*) Cot total Nombre de routes
Dure totale Temps CPU
Tableau 4.10 : Rsultats de PTS pour le (m-PDPTW) Classe 1

Instance S* Solution initiale Meilleure solution


(*) moyenne obtenue moyenne
T2-C-50 9350 11 11020 13 9680 11,4
21460 540 24570 140 21865 515
G2-C-50 9120 12 10820 17 9360 12
20085 520 22310 180 19740 745
S2-C- 50 8850 10 11210 13 8940 10
19830 655 20810 167 20035 785

T2-L-50 5854 5 6849 5 6215 5


18570 345 19620 85 18600 330
G2-L-50 4430 4 5410 4 4810 4
15570 480 15865 160 15700 450
S2-L- 50 5080 6 7105 6 6430 6
22450 215 22720 90 22510 230

T2-C-100 18670 25 22630 29,2 19540 25


54910 3480 56470 510 54190 3255
G2-C-100 19870 27 24780 31 20040 27
52700 2850 53640 470 52250 2780
S2-C- 100 17450 24 21880 27,6 17990 24,1
52430 3040 54720 485 52360 4500

T2-L-100 10540 9 12420 12 10870 9


30270 3200 3670 575 29870 3410
G2-L-100 11225 10 13725 15 12055 10,2
31540 2895 31948 445 32345 2945
S2-L- 100 9965 8 13285 12,7 10385 8,3
27720 2625 30375 405 27845 2560
(*) Cot total Nombre de routes
Dure totale Temps CPU
Tableau 4.11 : Rsultats de PTS pour le (m-PDPTW) Classe 2

107
Chapitre 4

4.7.3 Discussion
Aprs avoir prsent ci-dessus les tableaux de rsultats, quelque peu rdhibitoires il faut le
reconnatre, nous allons maintenant analyser leur contenu afin de tirer les conclusions qui
simposent sur le comportement des mthodes heuristiques dveloppes. Notre analyse se
dcouple en deux parties. La premire partie porte sur lvaluation des rsultats des mta
heuristiques de recherche tabou par rapport dautres heuristiques de rsolution issues de la
littrature, et plus particulirement ltape de construction dune premire solution ralisable.
Pour ce faire, un jeu de test reprsentatif est slectionn parmi toutes les instances gnres pour
lvaluation. La deuxime partie est une application de la recherche tabou probabiliste sur
lensemble des instances dans le but de tester la convergence de la mthode.

Concentrons-nous donc premirement sur les tableaux (Tableau 4.4) (Tableau 4.9). Le premier
point souligner concerne le comportement relativement mdiocre de la partition des clients de
la recherche tabou lorsquil faut construire la premire solution ralisable. Le cot de cette
premire solution est en effet gnralement 20 % au-dessus de celui fourni par les deux
heuristiques dinsertion, et dans un temps dexcution non comparable. Un bmol peut
cependant tre apport quant au type dinstance traite, qui influence le nombre de routes cres
par ces tapes dinitialisation. Il apparat en effet que pour le nombre de routes cres, la partition
de PTS est plus performante pour les problmes o les contraintes temporelles sont lches
(Tableaux 4.6 4.9), et que les heuristiques dinsertion sont plus efficaces lorsque les contraintes
temporelles sont fortes (Tableaux 4.4 4.6). Nanmoins, ce premier rsultat dmontre que la
rgle utilise par la partition des clients nest pas des plus efficaces, et que lide de classer les
villes du rseau par borne infrieure de la fentre temporelle ne garantit pas systmatiquement la
bonne qualit de la premire solution en terme de cots. Les heuristiques dinsertion, mme si
elles gnrent dans certaines situations un nombre de routes plus important, crent une solution
ralisable plus homogne et plus exploitable : il est prfrable davoir une solution de dpart dj
faible de cot mais avec un nombre de routes plus lev, surtout lorsquun module doptimisation
suit et peut avoir pour rle de rduire le nombre de routes.

Ce premier rsultat sexplique somme toute facilement. Les rgles dinsertion utilises sont en
effet plus riches dans le cas des heuristiques dinsertion, car elles considrent deux facettes du
problme de chargement et de dchargement, la contrainte temporelle et la contrainte spatiale,
alors que la rgle de la partition PTS ne considre que laspect temporel. En outre, lheuristique
dinsertion parallle value les deux possibilits dintgrer un nouveau client dans une route
existante ou de crer une nouvelle route avec ce client avant de choisir la solution de cot le plus
significatif. Son comportement diffre en cela des deux autres mthodes de construction, qui
tentent simplement dinsrer le nouveau client dans lune des routes existantes, et le cas chant
crent une nouvelle route. Lheuristique dinsertion parallle se situe un niveau doptimisation
plus lev, ce qui explique ses meilleurs rsultats.

Cette mme heuristique dinsertion parallle semble galement dominer lgrement la recherche
tabou probabiliste, puisque cette dernire se retrouve derrire sur quatre des six instances en
terme de cot, et quen terme de routes cres, ces deux mthodes sont galit sur 3 instances,
et que PTS est meilleure sur les trois autres instances. Cependant, cette constatation doit tre
pondre par le fait que PTS, comme nous lavons constat ci-dessus, dmarre son optimisation
avec une solution de dpart relativement moyenne, de cot lev et avec un nombre de routes
faible. En outre, une fonctionnalit du processus doptimisation globale na pas t introduite, qui
consiste savoir dgrader la solution courante en crant une nouvelle route temporaire, quitte la
supprimer ensuite. Ne pas tre capable de crer de nouvelle route dans les mouvements
dchange entre les routes savre handicapant dans la situation o justement la solution initiale
correspond celle fournie par ltape de partition. Pourtant, le processus doptimisation globale

108
Planification oprationnelle pour plusieurs vhicules

fonctionne tout de mme remarquablement, puisque la diffrence entre la solution de la partition


et la solution finale est importante.

Enfin, la comparaison des rsultats entre les deux formes de recherche tabou (probabiliste et
dterministe) tend conclure que ces deux mthodes ont des performances quasi-identiques en
qualit au niveau des cots et du nombre de routes, mme si la mthode dterministe parat
lgrement plus efficace en temps dexcution : il nexiste pas de processus de slection
probabiliste dun candidat.

Dune manire gnrale, loptimisation de la solution aprs construction ressort comme


relativement consquente, puisquil nexiste pas de rsultat incohrent, et que les solutions
optimales sont toujours atteintes relativement rapidement par rapport la taille des instances.

4.8 Conclusions

Dans notre dmarche de vouloir proposer une mthode de planification oprationnelle de la


collecte des produits manufacturs de llectromnager qui arrivent en fin de vie, nous sommes
amens considrer le problme de chargement et de dchargement avec contraintes de fentres
temporelles, de capacit et de prcdence, dans un contexte de vhicules multiples. La rsolution
de ce problme de lOptimisation Combinatoire fait lobjet de ce chapitre.

4.8.1 Ce quil faut retenir


linstar de toutes les mthodes de rsolution du (m-PDPTW) rencontres dans la littrature, la
mthode que nous proposons repose sur une approche en deux temps, de type partition /
optimisation. Lintrt principal de ce type dapproche est de casser la complexit du problme
en rpartissant la difficult globale sur un ensemble de sous-problmes locaux plus abordables. La
question est alors de savoir sur quelle tape du processus engager la majorit des efforts :
certaines mthodes de la littrature privilgient un effort important lors de la partition des
requtes des clients sur la flotte de vhicules, alors que dautres approches prfrent une partition
simple pour lancer ensuite des algorithmes doptimisation globale complexes. Par rapport ces
mthodes, lune des originalits que nous introduisons porte sur lquilibre des efforts
damlioration de la solution consentis sur les deux tapes, par loptimisation de la route dun
vhicule la fois dans la phase de partition et dans la phase doptimisation globale. La deuxime
originalit concerne lutilisation de la mthode tabou, qui notre connaissance na encore jamais
t exploite sur des problmes de routages de vhicules comprenant des contraintes de
chargement et de dchargement.

Ltape de partition traite squentiellement les requtes des clients qui ont t pralablement
ordonnes selon une rgle de priorit. Une requte est insre sur la route dun vhicule de
manire minimiser les cots. Lorsquune requte ne peut tre affecte sur lune des routes
existantes, une tape doptimisation locale sur chaque route est excute pour tre sr que
lallocation dun nouveau vhicule est ncessaire. Une fois toutes les requtes affectes,
loptimisation globale de la solution est une alternance entre une optimisation entre routes
(changes de requtes entre deux routes) et une optimisation individuelle des routes.

Afin dvaluer la performance des deux tapes de notre mthode, des heuristiques de
comparaison sont introduites. La partition des requtes est ainsi value par rapport une
heuristique dinsertion parallle et une heuristique dinsertion spatio-temporelle, deux procdures

109
Chapitre 4

dinsertion rencontres dans la littrature, et dont le principe gnral est adapt nos contraintes.
Ltape doptimisation globale na pu tre compare dautres mthodes existantes, car les
contraintes ou les fonctions objectif traites ne sont malheureusement jamais rigoureusement
identiques, et ces mthodes sont relativement complexes implmenter. En revanche, notre
algorithme principal, bas sur la recherche tabou probabiliste, est modifi pour considrer la
recherche tabou dterministe. Nous avons alors un support danalyse du comportement de deux
implmentations de la mthode tabou sur un problme complexe comme le (m-PDPTW).

4.8.2 Ce qui va suivre


Aprs avoir prsent la problmatique de la collecte des produits manufacturs en fin de vie et
avoir mis en vidence la ncessit de produire des plans oprationnels de ramassage, les deux
derniers chapitres ont t consacrs llaboration dune mthode de rsolution visant satisfaire
les demandes mises lintrieur dune zone gographique, et acheminer les produits collects
vers les centres de traitement adapts.

Cependant, la collecte nest quun des chanons de la logistique inverse des produits manufacturs
en fin de vie, et dautres acteurs ont un rle galement dterminant dans le processus de
rcupration de ces produits. Mme si la planification oprationnelle du ramassage que nous
proposons ralise lensemble des objectifs attendus, il reste tablir son intgration dans le
contexte plus gnral du recyclage de ces produits. Cette intgration fait lobjet du chapitre
suivant, en se basant sur un modle gnrique de plate-forme de rcupration et sur un langage
de modlisation unifi qui permet de rassembler dans un mme modle des informations et des
comportements a priori htrognes.

110
Chapitre 5 Aide la dcision

5.1 Introduction

Lun des objectifs annoncs au dbut de ce mmoire tait de proposer une contribution la
planification oprationnelle de la collecte des produits techniques en fin de vie, en tudiant les
diffrents types de collecte existants ou venir et en dterminant des solutions ralisables et
applicables pour les situations qui autorisaient cette dmarche. Cet objectif a t atteint et
prsent dans les trois chapitres prcdents : le chapitre 2 a permis didentifier le mode de
ramassage domicile comme tant lun des modes de collecte les plus prometteurs, et a t
modlis et rsolu dans les chapitres 3 et 4.

Nous nous tions galement fix comme objectif de participer loptimisation globale de la
chane logistique inverse des produits techniques, notamment en refusant dtudier
individuellement le systme de collecte, mais plutt en analysant et en proposant des solutions
sur linterfaage entre la collecte et les autres acteurs du processus de rcupration des produits.
Tel est donc lobjet de ce chapitre : lintgration du module de planification oprationnelle de la
collecte comme une simple composante du systme global du recyclage. En ne voulant pas rester
au niveau algorithmique et technique des deux chapitres prcdents, nous montrons ainsi notre
volont de rendre nos rsultats exploitables et insrables dans le contexte de la chane inverse.
Nous allons en particulier justifier cette approche en positionnant les rsultats algorithmiques des
deux chapitres prcdents comme le cur dun systme daide la dcision ax sur loprateur
humain, planificateur et gestionnaire de la flotte des vhicules chargs du transport des produits
recycler.

Pour illustrer nos propos et rendre notre contribution plus accessible et valorisable, la suite du
chapitre est base sur une tude de cas, un rseau de plates-formes de rparation et de
dsassemblage des produits techniques en fin de vie. Cette plate-forme gnrique de recyclage des
dchets encombrants a t conue dans le projet (Rester Propre, 2000)[43] financ par la rgion
Rhne-Alpes, et regroupe en son sein les fonctions principales ncessaires la rcupration des
produits. De plus, afin dexprimer le plus clairement possible les ides que nous proposons de
mettre en uvre, il nous apparat primordial de disposer dun langage de modlisation capable de
reprsenter facilement des entits aussi complexes et htrognes que la collecte, la rparation ou
le dsassemblage des produits techniques en fin de vie, lintrieur dun rseau de plates-formes

111
Chapitre 5

de recyclage. Rassembler et manipuler ces entits en un mme modle est rendu possible par
lutilisation du concept de lobjet, en sappuyant sur le langage de modlisation unifi orient
objet UML (Unified Modeling Language) (Muller, 1997)[19].

Le chapitre se structure donc de la faon suivante. Dans un premier temps, la plate-forme de


rparation et de dmontage est brivement prsente, ainsi que le rseau de plates-formes. Ce
rseau constitue la base sur laquelle nous nous appuyons pour dvelopper nos dires. Puis nous
nous attardons quelques instants sur la description succincte du langage UML, de ses notations et
des diagrammes utiliss. Nous attaquons enfin la modlisation du rseau de plates-formes par
UML et deux tudes de situations faisant intervenir lensemble des cooprants du rseau, avant
de conclure.

5.2 tude de cas : plate-forme de rparation et de dsassemblage

Afin dillustrer notre vision de la manire dont la planification oprationnelle de la collecte doit
sintgrer dans le processus de rcupration des produits encombrants de llectromnager, nous
avons pris le parti de nous baser sur un exemple prcis, un cas dtude proche de la ralit et qui
permettra de valider nos propos. Lexemple que nous allons maintenant prsenter est une
extrapolation du fonctionnement de lassociation ENVIE[186], partenaire industriel du projet
(Rester Propre, 2000) [43], financ par la Rgion Rhne-Alpes, et dont le sujet principal de
recherche porte sur lautomatisation du recyclage des produits encombrants de llectromnager.
Dans ce projet multi disciplinaire, faisant intervenir des comptences issues de la Sociologie, de
lAutomatique et de lInformatique, une plate-forme de rparation et de dsassemblage a t
imagine afin de fdrer toutes les intelligences et les attentions quant lapprhension de la
problmatique de la rcupration des produits. Cest sur cette plate-forme virtuelle et gnrique,
cense reprsenter de la meilleure des faons ce que seront les installations futures de traitement
des produits, que nous allons nous appuyer pour dvelopper notre argumentation sur
lintgration de la collecte dans un systme de recyclage plus gnral.

5.2.1 Une plate-forme de rparation et de dsassemblage


La plate-forme de rcupration des produits que nous introduisons maintenant (Figure 5.1) se
veut une plate-forme gnrique, car elle rassemble en son sein les principales fonctions
ncessaires au traitement complet des produits : le tri, le diagnostic, le stockage, la rparation et le
dsassemblage (1.2.6 - Logistique inverse). Le cheminement dun produit lintrieur de cette
structure peut tre dcrit de la manire suivante. Le produit usag arrive en entre de la plate-
forme grce une opration de collecte. Il est diagnostiqu dans le but de dterminer son mode
de rcupration : la rparation ou le dsassemblage. La rparation est entirement manuelle, alors
que le dsassemblage fait appel des techniques semi-automatises (dcoupe jet deau, robot).
Une fois diagnostiqu, le produit est stock en attente de traitement. Le dsassemblage du
produit fournit des pices dtaches rutilisables pour la rparation dautres produits usags, des
matires premires (plastiques, matires ferreuses ), ou des ensembles de pices caractre
polluant qui ne peuvent pas tre plus dmontes et quil est ncessaire de stocker de manire
dfinitive dans des endroits spcifiques (exemple du tube cathodique). Les pices dtaches et les
matires premires extraites sont achemines dans des stocks appropris. La rparation du
produit ncessite lutilisation de pices dtaches qui sont prises dans ces stocks. Les matires
recycles (produits rpars, pices dtaches, matires premires) sont ensuite rinjectes sur le
march, mises en dcharge, ou laisses en stock pour une utilisation future. Une description
prcise des fonctionnalits de cette plate-forme peut tre trouve dans (Rester Propre, 2000) [43].

112
Aide la dcision

Matires Pices
Produits
premires dtaches

Dmontage Stock Rparation

pice pice
dtache dtache

irrparable rparable

Diagnostic

Collecte

Figure 5.1 : Plate-forme de rparation et de dsassemblage

5.2.2 Un rseau de plates-formes de rparation et de dsassemblage


Le principe de la plate-forme dcrite ci-dessus est tendu au rseau de plates-formes, afin de
tendre vers une situation plus proche de la ralit et plus applicable par rapport la situation
dune plate-forme unique et gnrique, rassemblant en un mme endroit toutes les fonctionnalits
utiles la rcupration des produits. Lexistence dun rseau de plates-formes se conoit avec un
double objectif :
proposer une meilleure couverture gographique des installations de recyclage ;
favoriser la spcialisation des installations sur certains types de produits et de traitements
adapts pour ces produits.

En ce qui concerne la couverture gographique, imaginons un instant le cas dune grande


agglomration qui ne disposerait en tout et pour tout que dune seule et unique installation de
rcupration des produits techniques usags. Cette situation engendrerait, du point de vue de la
collecte et des transports, des cots dexploitation relativement consquents, du fait des grandes
distances parcourues pour le ramassage et lacheminement des dchets vers cette plate-forme de
recyclage. De notre point de vue, afin de faciliter lexcution de la planification de la collecte,
limplantation dun rseau de points de contrle et de diagnostic des produits usags prend tout
son sens, dans la mesure o chaque point de contrle aurait comme rle, pour un produit usag,
soit de conserver ce produit si le traitement de rcupration appropri existe sur ce point darrt,
soit de dterminer la meilleure installation de traitement. Ces points de contrle sont alors

113
Chapitre 5

matrialiss par tout ou partie de la plate-forme de rcupration dcrite ci-dessus, rassemblant


lune ou plusieurs des fonctions de recyclage proposes.

En outre, les produits manufacturs en fin de vie sont de diverses natures, et peuvent ncessiter
dans le cas du dmontage des techniques de dsassemblage appropries. Dans le but doptimiser
le rendement de chaque plate-forme, il peut tre intressant de spcialiser chaque unit sur des
types de produits spcifiques, ncessitant peu de changement doutils ou de prparation des
techniques (1.3.2 - Le dsassemblage et la collecte). Ces techniques ayant des cots
dexploitation relativement consquents, cette solution permet une plus grande efficacit de la
plate-forme. Les matires secondaires ainsi produites sont alors revendues sur le march avec une
valeur ajoute ngociable, et viabilisent le recyclage des produits manufacturs.

Ainsi, la suite de notre travail se base sur lhypothse de lexistence dun rseau de plates-formes
de rparation et de dsassemblage, qui autorise loptimisation du rendement du dsassemblage
semi-automatis et lamlioration de la couverture gographique de la collecte. Chaque plate-
forme peut tre spcialise sur certains types de produits. Des changes dinformation ou de
matires sont autoriss entre ces plates-formes, comme par exemple lacheminement dun produit
qui ne peut tre dsassembl par une plate-forme vers une seconde plate-forme, ou le transport
dune pice dtache lors dune rparation urgente. Limplantation de ces plates-formes est
suppose ralise de manire pertinente sur la zone gographique couvrir, afin de minimiser les
cots de transport lis la collecte des produits et aux changes de matire entre plates-formes.

Matires Pices Produits


Premires Dtaches

REDISTRIBUTION
Dmontage Stock Rparation
REVENTE

MISE AU REBUT
Diagnostic

COLLECTE RSEAU DE PLATES-FORMES


RPARATION / DMONTAGE

Produits manufacturs Matires premires secondaires


en fin de vie Produits secondaires
Dchets ultimes

Figure 5.2 : Rseau de plates-formes de rparation et de dsassemblage

Cette hypothse primordiale de travail tant dsormais tablie, nous allons pouvoir nous
consacrer de manire plus approfondie au sujet de ce chapitre, qui porte sur lintgration du
module de planification de la collecte dans larchitecture globale du systme de rcupration des
produits. Cependant, il ne nous est pas encore possible de prsenter immdiatement le contenu
de nos ides sans introduire auparavant un outil de support qui nous permet de faire ressortir les
acteurs et les mcanismes divers qui senchanent au sein du systme. De plus, cet outil doit tre
capable de manipuler un niveau dabstraction relativement lev afin de symboliser des activits

114
Aide la dcision

aussi htrognes que la collecte, le diagnostic, la rparation et le dsassemblage au sein dun


mme modle. En ralit, ce nest pas tant dun outil de modlisation proprement parler dont
nous avons besoin, mais plutt dune notation, dun langage de modlisation qui noffre aucune
restriction quant au contenu modliser, mais qui propose en revanche une manire de noter les
modes de communication et dchanges entre les diffrentes entits du modle. Cest pourquoi
nous optons pour le langage de modlisation unifi orient objet UML (Unified Modeling
Language) (Muller, 1997) [19]. Ce langage sappuie sur la notion objet, qui savre tre une notion
trs intressante dans notre cas, puisque un objet est capable de reprsenter tout et nimporte
quoi. La structure dun objet se compose la fois dun tat, modifiable chaque instant, et dune
dfinition de son comportement interne et vis--vis du monde qui lentoure. Un objet sait donc
communiquer avec dautres objets environnants. Le langage UML reprend ces proprits et les
affiche au lecteur dune manire graphique par des diagrammes, rendant la comprhension des
modles excessivement aise et accessible. Le paragraphe suivant prsente brivement ce langage
de modlisation UML.

5.3 Un langage de modlisation unifi : UML

UML (Unified Modeling Language) est un langage de modlisation objet qui a t dvelopp afin de
dfinir la notation standard pour la modlisation des applications construites laide dobjets. La
notation UML reprsente ltat de lart des langages de modlisation objet, et se place comme
successeur naturel des notations des mthodes de Booch, OMT (Object Modeling Technique) et
OOSE (Object Oriented Software Engineering) (Muller, 1997) [19].

Le langage UML se base sur le concept de lobjet et sur une prsentation graphique, laide de
diagrammes, pour rpondre quatre objectifs :
la modlisation de systmes entiers : considrer le systme tudi de manire globale, dans
son comportement la fois statique et dynamique ;
ltablissement dun couplage explicite entre les concepts et les artefacts excutables :
caractriser limpact de perturbations sur le fonctionnement et la structure du systme ;
la prise en compte des facteurs dchelle inhrents aux systmes complexes ;
la facilit de communication entre lhomme et lordinateur : la manipulation des diagrammes
permet de gnrer automatiquement du code de programmation directement exploitable par
la machine.

5.3.1 Modles et diagrammes


Dans le langage UML, il nexiste pas un mais plusieurs modles servant la reprsentation des
systmes. Chaque modle est une unit de base du dveloppement, entit abstraite et simplifie
qui permet de comprendre et de simuler. Une classe de modles permet de capturer un aspect
particulier, mais mis bout bout, lensemble des classes de modles fournit lexhaustivit des
informations lies aux systmes. UML utilise les classes de modles suivantes :
le modle des classes capture la structure statique ;
le modle des tats exprime le comportement dynamique des objets ;
le modle des cas dutilisation dcrit les besoins de lutilisateur ;
le modle dinteraction reprsente les scnarii et les flots de messages ;
le modle de ralisation montre les units de travail ;
le modle de dploiement prcise la rpartition des processus.

115
Chapitre 5

Ces modles de base sont manipuls par des vues graphiques ou diagrammes, qui permettent
dtablir des projections et des liaisons entre les lments de modlisation des diverses classes de
modles. Pour un modle, il peut exister plusieurs diagrammes, montrant la globalit ou
simplement une partie du modle. Les diagrammes suivants sont dfinis par UML :

les diagrammes de classes ;


les diagrammes de squence ;
les diagrammes de collaboration ;
les diagrammes dobjets ;
les diagrammes dtats-transitions ;
les diagrammes dactivit ;
les diagrammes des cas dutilisation ;
les diagrammes de composants ;
les diagrammes de dploiement.

Dans la suite du chapitre, nous nutiliserons pas la totalit des diagrammes prcits, car certains
ne sont employs que dans une phase danalyse fine des relations entre modles, alors que
dautres servent la dfinition des besoins et des contraintes lies une approche projet. Notre
objectif tant lintgration de la planification oprationnelle de la collecte dans le systme de
rseaux de plates-formes de rparation et de dmontage, les diagrammes des cas dutilisation, de
classes, de collaboration et de squence nous semblent suffisants pour montrer la manire dont
nous pensons faire interagir la collecte avec les autres acteurs du systme de recyclage. Nous ne
prsenterons pas plus profondment les composants du langage UML. En revanche, dans la suite
du chapitre, lorsquune nouvelle notion en rapport avec UML apparatra, une petite explication
permettra au lecteur daffirmer sa comprhension du langage et de se situer par rapport au
contexte gnral.

5.4 Intgration du module de collecte

Dans les deux chapitres prcdents, nous avons prsent des algorithmes axs sur la rsolution
dun problme de collecte particulier, o la flotte de vhicules va vers la population pour
ramasser les produits usags et les acheminer vers des installations de rcupration. Ce type de
collecte nest pourtant quun type parmi dautres (voir la liste 2.3.4 - Les diffrents modes de
collecte), et tous les modes de collecte existants ne doivent pas tre occults par celui que nous
avons considr dans ce travail. Pour finaliser notre contribution sur llaboration de plans de
collecte des produits encombrants, il est donc de notre devoir danalyser les interactions de la
collecte avec les autres acteurs de la logistique inverse. Dans ce contexte, la planification
oprationnelle que nous proposons est incluse dans un module daide la dcision, dont les
solutions sont prsentes un oprateur humain de routage de la flotte, qui lui seul dterminera
le plan de route qui lui semblera le plus en adquation avec la ralit du moment. Telle est la
vision que nous nous faisons des algorithmes que nous avons crs prcdemment, et cest
srement la seule qui autorise une possible exploitation en milieu industriel. Il est en effet tout
fait draisonnable et illusoire que penser que le processus de collecte puisse tre compltement
gr, valid et excut de manire totalement automatise ; ce serait une ngligence grave que
doublier le facteur humain dans ce systme si complexe quest la rcupration des produits.

De ce fait, nous allons nous baser sur le rseau de plates-formes de rparation et de


dsassemblage, introduit dans la premire partie de ce chapitre, pour valider notre approche et

116
Aide la dcision

prsenter la manire dont le module de planification de la collecte peut se greffer autour des
autres acteurs du recyclage. Notre prsentation va utiliser les notations UML, car celles-ci
possdent une puissance de modlisation qui permet de grer dans un mme modle des entits
extrmement complexes et de nature totalement diffrente, tout en exprimant aisment les
relations entre les entits, notamment les flux dinformation. Nous allons donc nous engager dans
la modlisation du rseau de plates-formes, en prcisant ses structures statique et dynamique, puis
en analysant par quelques situations significatives son comportement face de nouveaux
vnements, et en nous focalisant sur le rle de la collecte.

Comme nous lavons dj indiqu prcdemment, la notation UML ne gre pas un mais plusieurs
modles, et chaque modle peut tre instanci par un ou plusieurs diagrammes. Les diagrammes
que nous introduisons maintenant nous permettent de capturer les fonctionnalits essentielles du
rseau et de montrer les interactions avec la collecte. Pour chaque nouveau type de diagramme
introduit, nous expliquons brivement au lecteur novice le rle et la particularit du diagramme,
afin que la comprhension du modle en soit facilite. Les diagrammes qui vont suivre sont :
deux diagrammes des cas dutilisation, qui expliquent le fonctionnement du rseau de
plates-formes et la manire dont est planifie la logistique des transports dans la logistique
inverse ;
deux diagrammes de classe, lun prsentant la structure physique statique du rseau, lautre
pour la dtermination des ordres de transport ;
deux diagrammes de squence prcisent le processus de cration dune requte de
transport pour une pice dtache, ainsi que la prise en compte dune nouvelle requte de
collecte.

5.4.1 Diagramme des cas dutilisation


Les cas dutilisation reprsentent le premier pas dans la modlisation dun systme par la notation
UML. Ils permettent de mettre en vidence les limites du systme et ses relations avec
lenvironnement extrieur, et dcrivent sous forme dactions et de ractions son comportement
du point de vue de lutilisateur. Cest dans cette premire tape danalyse quil est possible
dtablir une bonne expression des besoins des utilisateurs et de centrer lattention sur les
informations primordiales du systme.

5.4.1.1 Structure physique et statique du rseau


Ce premier diagramme des cas dutilisation (Figure 5.3) prsente la structure physique et statique
du rseau de plates-formes de recyclage. Il est un support descriptif des flux informationnels
ncessaires la dtermination dun plan de transport des matires au sein du rseau de plates-
formes. Il se compose de cinq acteurs (vhicule, gestionnaire de la flotte, atelier de rparation,
atelier de recyclage, diagnostiqueur) et de huit cas dutilisation. Les liens entre les acteurs et les cas
dutilisation sont des associations qui soulignent le rle de chaque acteur avec les cas dutilisation.
Ce diagramme peut tre explicit du point de vue des acteurs, comme ce qui suit le montre.

Le premier acteur de ce diagramme est latelier de rparation. Son rle principal au sein du rseau
est de rparer les produits usags qui ont t diagnostiqus comme rparables. Pour rparer, des
pices dtaches sont donc ncessaires, afin de remplacer les composants inutilisables. Une pice
dtache pour la rparation peut tre accessible par deux moyens : par le propre stock de pices
dtaches de latelier de rparation, et par le rseau de plates-formes. Ainsi, lorsquune pice
dtache nest pas disponible sur le stock propre de latelier, un besoin pour cette pice dtache
peut tre communiqu sur le rseau par la cration dune requte de transport, ayant pour

117
Chapitre 5

destination latelier de rparation, et comme nature transporte la pice dtache. Lun des
moyens de satisfaire ce besoin, grce un atelier de dsassemblage, est dtaille par le diagramme
dinteraction de (Figure 5.7).
Informe

Dsassemblage produit Dclenche


Diagnostiqueur Informe

Dclenche Diagnostic produit


Cre Rparation produit

Dclenche
Approvisionne Consulte
Stockage pices dtaches

Cre Cre
Atelier Atelier
dsassemblage rparation
Requte transport
Consulte
Approvisionne
Regroupe
Consulte Cre Excute

Gestionnaire Planification transports Vhicule


flotte

Figure 5.3 : Diagramme des cas dutilisation - Fonctionnement interne du rseau

Le deuxime acteur du diagramme des cas dutilisation est latelier de dsassemblage. Son
principal objectif est de dsassembler les produits usags arrivants sur la plate-forme, grce des
techniques semi-automatises ou entirement manuelles. Latelier de dsassemblage
approvisionne les stocks de pices dtaches et de matires premires. Linventaire rgulier des
stocks de pices dtaches et de matires premires est une tche gre par latelier de
dsassemblage. Diverses politiques peuvent tre retenues pour la gestion des stocks, et bien
quelles ne soient pas rfrences ici, le point commun entre toutes est le besoin doprations de
transport pour les approvisionner et les vider.

La phase de diagnostic constitue le troisime acteur du diagramme. Elle considre un produit


arrivant sur chaque plate-forme et lvalue afin de dterminer sa future destination. Comme ce
diagnostic est ralis de manire entirement manuelle chez ENVIE[186] par un expert, il nest pas
excessivement coteux en temps. Cependant il est essentiel car il fournit linformation initiale sur
laspect rel du produit et le traitement de recyclage appropri. En outre, le diagnostiqueur peut
galement dcider de transfrer un produit usag dune plate-forme vers une autre plate-forme, si
le traitement de recyclage diagnostiqu ne peut tre ralis sur la plate-forme courante, et par
consquent gnrer une requte de transport.

Le gestionnaire de la flotte de vhicules, quatrime acteur du rseau, dfinit le plan de transport


qui permet de rpondre aux trois types de demandes de transport : le transport des pices
dtaches se fait sur la demande de latelier de rparation, celui des produits usags par le
diagnostiqueur, celui des matires premires par latelier de dsassemblage. Le gestionnaire de la
flotte a pour rle de rassembler les requtes de transport, de les rendre homognes en vrifiant
quelles comportent toutes un type de matire transporter (produit, pice dtache ou matire

118
Aide la dcision

premire), une quantit, une origine et une destination de chargement, ainsi que des intervalles de
temps pour ce chargement / dchargement (dans le cas dun transport urgent par exemple).

Le cinquime acteur du rseau de plates-formes est le vhicule, qui possde ses caractristiques
propres (vitesse, dpt, capacit). Une fois quun certain nombre de requtes de transport lui sont
affectes, il est charg de confirmer que sa route peut satisfaire toutes les requtes, de trouver une
route en accord avec les objectifs qui lui sont fixs, puis de la raliser.

Ce premier diagramme des cas dutilisation prsente succinctement le fonctionnement interne du


rseau de plates-formes de rparation et de dsassemblage que nous avons introduit. Par
fonctionnement interne nous entendons sans demande ni perturbation externe. La collecte tant
considre comme lapprovisionneuse du rseau, aucune information ny est prsente. Voyons
donc maintenant comment peut tre prise en compte une requte de collecte.

5.4.1.2 Planification des transports


Ce diagramme des cas dutilisation (Figure 5.4) schmatise la manire dont sont planifies les
oprations de transport lies la logistique inverse dans le rseau de plates-formes, y compris les
intervenants en amont (comme la collecte) et met en uvre les acteurs correspondants. Il donne
une vision globale du fonctionnement de la planification, sans donner aucun dtail pour linstant.

Atelier Atelier Habitant


dsassemblage Diagnostiqueur
Cre rparation
Cre Cre
Cre
Regroupe

Gestionnaire Requte transport


Cre
flotte
Excute << utilise >>

Vhicule Planification transports Validation humaine

Figure 5.4 : Diagramme des cas dutilisation - Planification des transports

Chaque opration de transport est reprsente par une requte de transport satisfaire. Cette
requte de transport, qui correspond une demande dacheminement de matire dun point vers
un autre point, est gnre par quatre acteurs diffrents :
- latelier de rparation cre une requte de transport de pice dtache lorsquun besoin se fait
sentir lors dune rparation dun produit usag ;
- latelier de dsassemblage cre une requte de transport de matires premires recycles pour
vider les stocks de pices dtaches dmontes ou de matires premires secondaires rcupres
sur les produits dsassembls ;

119
Chapitre 5

- le diagnostic cre une requte de transport pour acheminer un produit usag vers la bonne
installation de recyclage (dsassemblage ou rparation), selon le diagnostic ralis ;
- lhabitant cre une requte de transport lorsquun contact a t pris pour aller collecter un ou
plusieurs produits sur la zone gographique considre.

Comme nous allons le voir dans la suite du rapport, ces quatre types de requtes de transport
sont diffrents, car ils ne contiennent pas la mme information. Le gestionnaire de la flotte a
donc pour rle, dans le but dlaborer un plan de transport, de regrouper lensemble des requtes,
de les traiter en les rendant homognes, afin de pouvoir les prendre en compte lors de la phase de
calcul du plan.

5.4.2 Diagrammes des classes


Une fois les acteurs et les cas dutilisation explicits, les classes ncessaires pour la modlisation
objet peuvent tre introduites par les diagrammes des classes des figures (Figure 5.5) et (Figure
5.6). Une classe est un modle abstrait gnrique qui est instanci par un ou plusieurs objets. Ce
sont les objets qui constituent le monde rel, mais ils suivent le modle de leur classe. Un
diagramme de classes permet donc de synthtiser et de regrouper les lments qui se ressemblent,
tout en rduisant la complexit environnante par latteinte dun haut niveau dabstraction.

Dans les deux diagrammes, la notion dhritage (appele galement gnralisation) est introduite
afin dagrger le maximum dinformations au niveau dabstraction le plus lev. Par exemple, une
requte de transport peut tre gnre par quatre acteurs diffrents, et de ce fait avoir la fois
une information gnrale, et une information spcifique chaque acteur. Une classe gnrique a
donc un sens : elle rassemble les informations communes tous les types de requtes de
transport prsents dans la logistique inverse. Puis une classe plus spcialise permet dinclure les
informations spcifiques un transport particulier.

Les deux diagrammes ci-dessous proposent les classes ncessaires la modlisation du processus
de planification des transports au sein du rseau de plates-formes, et notamment des oprations
de collecte. Nous en donnons premirement une vue relativement synthtique, avec une
description gnrale des classes et des relations entre ces classes. Puis nous prsentons chaque
classe en dtail, en prcisant son domaine de dfinition (ses attributs) et sa ralisation (ses
mthodes).

5.4.2.1 Cration dune requte de transport


Le premier diagramme dcrit les relations dordre statique entre les classes qui interviennent dans
la cration dune requte de transport. Les classes peuvent tre une reprsentation dacteurs
physiques du rseau, comme par exemple les ateliers de dsassemblage, de rparation, le
diagnostic, extrieur, ou encore les classes matires. Elles peuvent galement modliser une
abstraction, comme une requte de transport ou les trois types de requtes de transport.

Ce diagramme prsente douze classes, qui peuvent tre divises en trois catgories, selon quelles
dcrivent la notion de matire, de requte de transport, ou de demandeur de transport. La notion
de matire est modlise par la classe abstraire CMatire, qui se gnralise en trois sous-classes :
CMatirePremire, CProduitUsag, CPiceDtache. Ces trois classes symbolisent les diffrents
types de matires transitant dans le rseau de plates-formes. Chaque objet de la classe CMatire
est associ avec une instance de la classe CRequte, qui modlise la notion de requte de
transport. La relation entre les deux classes est une relation dassociation, qui permet la prise en

120
Aide la dcision

charge de la matire dplacer par une requte de collecte qui va tre ensuite planifie. La classe
CRequte se gnralise galement en trois sous-classes, CRequteCollecte, CRequtechange, et
CRequteRedistribution. Ces trois classes sont utilises afin de diffrencier les diffrents types de
transport agissant dans le rseau de plates-formes. Enfin, chaque objet instanciant une requte de
transport est associ un demandeur par une relation de cration, le demandeur pouvant tre un
objet de lune des quatre classes CHabitant, CDiagnostic, CRparation et CDsassemblage.

CProduitUsag CPiceDtache CMatirePremire


type type
marque typesProduit
anneFabrication produitOrigine
volume
CRequte
identifiant
dateDpart
dateArrive
Enregistreur estPlanifiable
Prise en charge 1..1 demandePlanification( )
CMatire
metAJour( )
lieuDpart initialise( )
lieuArrive
nature
tatCourant 1..1
quantit
CRequteEchange CRequteRedistribution
initialise( ) CRequteCollecte
intervalleDbut
1..1 1..1 1..1
intervalleFin
niveauAccs
dureChargement 1..1
dureDchargement Cration Cration Cration

Cration 1..1
Cration
Demandeur Demandeur Demandeur
1..1 1..1 Demandeur
1..1
CHabitant CRparation 1..1
adresse CDsassemblage
identifiant
contact typesRparables identifiant
typesDmontables
creRequte( ) creRequte( )
validePlanning( ) consulteStockPDtaches( dsassemble( )
Demandeur creRequte( )
)
1..1 approvisionneMPremires( )
approvisionnePDtaches( )
Informateur CDiagnostic

diagnostique( ) Informateur
informe( )
creRequte( )

Figure 5.5 : Diagramme de classes - Cration dune requte de transport

5.4.2.2 Planification des transports


Le deuxime diagramme des classes rassemble les classes utiles la dfinition du plan de
transport. La classe CTypeVhicule est une classe gnrique modlisant les informations
principales sur les vhicules. La classe CVhicule en est une gnralisation. Elle est associe avec
la classe CGestionnaireFlotte par une association de planification ; les cardinalits de cette
relation signifient quun gestionnaire de flotte a sa disposition plusieurs vhicules, et que chaque
vhicule peut ou non tre utilis par le gestionnaire dans la planification des transports. La classe
CVhicule est galement associe la classe CRequte par une relation daffectation : un vhicule
peut traiter plusieurs requtes de transport, alors quune requte ne peut tre affecte qu un seul

121
Chapitre 5

vhicule. Enfin, les classes CGestionnaireFlotte et CRequte sont relies par une association de
regroupement : chaque requte de transport existante doit tre considre par le planificateur,
mais il se peut quaucune nouvelle requte de transport ne soit ordonnancer.

CGestionnaireFlotte
CVhicule listeVhicules
CTypeVhicule identifiant listeVhiculesUtiliss
capacit dpt Planification listeVhiculesHorsService
puissanceFiscale 0..* 0..1
vitesseMoyenne calculeRoute( ) regroupeRequtes( )
tauxPollution testeInsertionClient( ) planifie( )
marque insreClient( ) demandeInsertionDansVhicule( )
supprimeClient( ) alloueNouveauVhicule( )
metAJourClient( ) metAJourRequte( )
demandeValidation( )
0..1
1..1 Rassembleur

Affectation
Regroupement

1..*
0..*
CRequte
CMatire
identifiant
lieuDpart
dateDpart
1..1 Prise en charge lieuArrive
dateArrive
nature
estPlanifiable
1..1 tatCourant
Enregistreur quantit
demandePlanification( )
metAJour( )
initialise( )
initialise( )

Figure 5.6 : Diagramme de classes Planification des transports

A partir de ces deux diagrammes de classe, les caractristiques principales des classes (les attributs
et les oprations) sont prcises ci-dessous, et compltent les diagrammes.

5.4.2.3 Caractristiques des classes du modle


Avant de rentrer dans la description fine des caractristiques des classes, attardons-nous un
instant sur quelques dfinitions. Lobjet, entit du monde rel, nexiste que par son modle
gnrique et abstrait, la classe. Lobjet est caractris par son tat et son comportement. Ltat
reprsente toutes les valeurs des attributs de lobjet un instant donn, sachant quun attribut est
une information particulire qui qualifie lobjet. Le comportement regroupe toutes les
comptences de lobjet et dcrit ses actions et ses ractions par rapport son environnement :
une opration dtermine une unit de comportement. Les caractristiques dun objet sont
modlises par la classe de cet objet. Dans la notation UML, le nom de la classe est dans le
premier cadre du rectangle, les attributs sont dans le deuxime cadre, et les oprations dans le
dernier cadre.

5.4.2.3.1 Classe CTypeVhicule


La classe CTypeVhicule est une classe gnrique abstraite recensant les informations gnrales
sur un vhicule.

122
Aide la dcision

Attributs
- Capacit
- Vitesse moyenne : permet destimer le temps ncessaire raliser un parcours
- Taux de pollution : indice cologique utilis lors de la satisfaction dobjectifs de respect de
lenvironnement

5.4.2.3.2 Classe CVhicule


La classe CVhicule modlise les objets physiques vhicules utiliss pour le transport des matires
gravitant dans et autour du rseau de plates-formes.

Attributs
Dpt : dpt physique associ chaque vhicule

Oprations
- calculeRoute() : une fois les requtes de transport affectes un vhicule, celui-ci peut
optimiser sa route selon une fonction objectif minimiser
- testeInsertionClient() : teste si une nouvelle requte de transport peut tre ajoute la route
du vhicule, tout en respectant lensemble des contraintes en prsence
- insreClient() : insre un client dans la route du vhicule
- supprimeClient() : supprime un client de la route du vhicule
- metAJourClient() : actualise les attributs du vhicule suite la modification de sa route (ajout
ou suppression dun client, modification de la nature de la marchandise transporter )

5.4.2.3.3 Classe CGestionnaireFlotte


La classe CGestionnaireFlotte reprsente le module de gestion de la flotte. Cest par cette classe
que la communication avec un oprateur humain de planification peut tre faite.

Attributs
- listeVhicules : liste de tous les vhicules de la flotte
- listeVhiculesUtiliss : liste des vhicules actuellement en service
- listeVhiculesHorsService : liste des vhicules non disponibles actuellement

Oprations
- regroupeRequtes() : il sagit de rassembler lensemble des requtes de transport planifier
pour les affecter ensuite aux vhicules
- planifie() : lancement du module qui dtermine le plan de transport
- demandeInsertionDansVhicule() : consulte un vhicule pour lintgration dune nouvelle
requte de transport dans le routage de ce vhicule
- alloueNouveauVhicule() : cre un nouvel objet vhicule pour transporter des marchandises
- metAJourRequte() : actualise les informations de la requte de transport en lui affectant le
vhicule qui va traiter son transport par exemple
- demandeValidation() : lorsque le module de planification automatique propose un plan de
route pour la flotte de vhicules, ce plan est propos un oprateur humain pour validation
ou modification

123
Chapitre 5

5.4.2.3.4 Classe CMatire


La classe CMatire est une classe gnrique synthtisant les informations de base sur les matires
transitant dans et autour du rseau de plates-formes. Un objet CMatire est qualifi par les
attributs suivants.

Attributs
- lieuDpart : origine du transport
- lieuArrive : destination du transport
- nature : nature de la marchandise transporter (pice dtache, produit fini, matire premire,
matire premire secondaire)
- tatCourant : tat de la matire (exemple pour un produit : dsassembl, rpar, en attente
rparation )
- quantit : selon la nature de la matire, la quantit se mesure avec lunit approprie

Oprations
- initialise() : initialisation des attributs de la classe lorsquils peuvent tre renseigns

5.4.2.3.5 Classe CMatirePremire


La classe CMatirePremire drive de la classe mre CMatire, et possde donc toutes les
proprits de cette classe

5.4.2.3.6 Classe CProduitUsag


La classe CProduitUsag modlise un produit en fin de vie sur lequel un traitement est
appliquer. Cest une gnralisation de la classe CMatire, avec les nouveaux attributs suivants.

Attributs
- type : le type fonctionnel du produit (exemple : rfrigrateur, four, lave-linge)
- volume : correspond aux caractristiques physiques dencombrement
- marque : dsignation prcise du produit, utilise pour le diagnostic et le traitement adquat
- anneFabrication : idem marque

5.4.2.3.7 Classe CPiceDtache


La classe CProduitUsag modlise un produit en fin de vie sur lequel un traitement est
appliquer. Cest une gnralisation de la classe CMatire, avec les nouveaux attributs suivants.

Attributs
- type : description de la pice
- typesProduits : liste des produits sur lesquels la pice peut tre applique
- produitOrigine : trace du type de produit duquel la pice est extraite

5.4.2.3.8 Classe CRequte


La classe CRequte est une classe gnrique modlisant une requte de transport satisfaire.
Chaque requte doit tre associe une marchandise pour pouvoir tre planifie dans le prochain
routage de la flotte de vhicules.

124
Aide la dcision

Attributs
- dateDpart : date de dbut du transport (chargement)
- dateArrive : date de fin du transport (fin livraison)
- estPlanifiable : indicateur que la requte peut tre considre par le gestionnaire de la flotte
afin dtre affecte un vhicule

Oprations
- demandePlanification : envoie un message au gestionnaire de la flotte pour lui indiquer que la
requte courante peut tre affecte un vhicule
- metAJour : met jour les attributs lorsque des modifications ont lieu
- initialise() : initialisation des attributs de la classe lorsquils peuvent tre renseigns

5.4.2.3.9 Classe CRequteCollecte


La classe CRequteCollecte modlise une requte pour la collecte dun produit en fin de vie. Cest
une gnralisation de la CRequte, avec les attributs spcifiques suivants, dont le lecteur averti se
souvient peut-tre dans la modlisation du problme de chargement et de dchargement (3.3 -
Modlisation).

Attributs
- intervalleChargement : intervalle de temps disponible pour charger le produit dans le vhicule
- intervalleDchargement : intervalle de temps disponible pour dcharger le produit
- dureChargement : dure ncessaire pour charger le produit
- dureDchargement : dure ncessaire pour dcharger le produit
- niveauAccs : indique le niveau daccessibilit du produit par rapport aux contraintes
environnementales (ascenseur, escalier ) et celles du produit (volume )

5.4.2.3.10 Classe CRequtechange


La classe CRequtechange reprsente une requte de transport effectue entre deux plates-
formes du rseau afin de schanger une marchandise, par exemple un produit ou une pice
dtache. Cette classe drive de la classe CRequte, et dispose donc de toutes les informations de
cette classe mre.

5.4.2.3.11 Classe CRequteRedistribution


La classe CRequteRedistribution introduit la notion de remise sur le march des matires
stockes au sein du rseau de plates-formes. Son rle est donc loppos de celui de la classe
CRequteCollecte, qui elle est charge dapprovisionner le rseau. Cette classe est une
gnralisation de la classe CRequte.

5.4.2.3.12 Classe CHabitant


La classe CHabitant modlise un acteur externe du rseau de plates-formes ayant un ou plusieurs
produits techniques en fin de vie collecter et rcuprer par le rseau de plates-formes.

Attributs
- adresse : adresse o doit seffectuer la collecte
- contact : moyen de contacter le propritaire des produits collecter

125
Chapitre 5

Oprations
- creRequte() : cre une requte de transport qui exprime une demande de collecte
- validePlanning() : donne ou non son accord sur le plan de ramassage qui lui est propos

5.4.2.3.13 Classe CRparation


La classe CRparation modlise un atelier de rparation qui constitue tout ou partie dune plate-
forme du rseau.

Attributs
- typesRparables : liste des types de produits rparables par cet atelier (certains ateliers
peuvent tre spcialiss sur des types de produits particuliers, comme des petites units de
rparation par exemple)

Oprations
- consulteStockPDtaches : recherche dans les stocks de pices utiles une rparation
- creRequte() : cre une requte de transport pour remettre sur le march un produit rpar,
ou pour exprimer le besoin dune ou plusieurs pices ncessaires la rparation dun produit
- rpare() : dclenche la rparation dun produit

5.4.2.3.14 Classe CDsassemblage


La classe CDsassemblage modlise un atelier de dsassemblage qui constitue tout ou partie
dune plate-forme du rseau.

Attributs
- typesDmontables : liste des types de produits dmontables par cet atelier (certains ateliers
peuvent tre spcialiss sur des types de produits particuliers, comme des petites units par
exemple, ou bien lorsquelles sont contraintes par les techniques de dsassemblage)

Oprations
- creRequte() : cre une requte de transport pour remettre sur le march des pices
dtaches dsassembles, ou pour exprimer la volont dquilibrer les stocks de matires
recycles (pices dtaches dsassembles, matires secondaires extraites) avec dautres plates-
formes du rseau
- approvisionnePDtaches() : remplit un stock de pices dtaches
- approvisionneMPremires() : approvisionne un stock de matires premires secondaires
- dsassemble() : dclenche le dsassemblage dun produit

5.4.2.3.15 Classe CDiagnostic


La classe CDiagnostic modlise la phase de diagnostic des produits arrivant dans le rseau de
plates-formes, afin de diriger ces produits vers linstallation de recyclage approprie.

Oprations
- diagnostique() : dclenche le diagnostic dun produit technique en fin de vie afin de
dterminer le traitement appropri (rparation, dsassemblage, mise au rebut ?)
- informe() : informe les ateliers de rparation et de dsassemblage sur ltat des produits qui
vont arriver, et sur les actions de recyclage effectuer

126
Aide la dcision

- creRequte() : cre une requte de transport pour diriger au besoin un produit vers la plate-
forme de recyclage offrant les techniques de rcupration prconises par le diagnostic

5.4.3 Diagrammes dinteraction


Arrtons-nous un instant sur le travail de modlisation dj effectu. Grce aux diagrammes des
cas dutilisation, nous avons pu exprimer les besoins lis au fonctionnement du rseau de plates-
formes de rparation et de dsassemblage, et les principaux flux dinformation transitant au sein
et autour de ce systme. Les acteurs du rseau, ainsi que les relations entre eux, ont t dcrits
sommairement par ces diagrammes, puis affins par les diagrammes de classes, qui permettent
galement lintroduction de la notion objet dans la modlisation. Nous disposons donc
maintenant de la base statique des objets utiles pour la planification des transports au sein du
rseau.

Cependant, ces rsultats en eux-mmes restent insuffisants si les interactions dynamiques entre
les objets du modle ne sont pas explicites, cest--dire si les moyens et les modes de
communication ne sont pas tablis. Il serait en effet alors impossible de prdire le comportement
du systme et le processus utilis pour la planification. Cest pourquoi il nous reste introduire
des diagrammes dinteraction dans notre modlisation UML.

Les diagrammes dinteraction reprsentent les associations dynamiques entre les objets lors du
traitement dun cas particulier. Typiquement, ils permettent de simuler le comportement des
classes pour un cas dutilisation. Il existe deux types de diagrammes dinteraction, chacun ayant
ses propres spcificits : le diagramme de collaboration et le diagramme de squence. Le
diagramme de collaboration insiste sur la reprsentation spatiale des objets pour la mise en
collaboration dun groupe dobjets. Le diagramme de squence montre les interactions entre les
objets du point de vue temporel, sans se proccuper de leur contexte, mais en privilgiant la
chronologie des envois de messages entre objets. Deux types de diagrammes dinteraction sont
prsents, illustrant deux cas dutilisation. Le premier est un diagramme de collaboration,
montrant la cration dune requte de transport dune pice dtache pour la rparation dun
produit usag. Le deuxime est un diagramme de squence pour la planification dune nouvelle
requte de collecte. La simple diffrence entre les diagrammes dinteraction et de collaboration se
situe au niveau de la prsentation des diagrammes.

5.4.3.1 Transport dune pice dtache pour la rparation dun produit usag
Le premier diagramme dinteraction est un diagramme de collaboration qui illustre la cration et
la planification dune requte de transport dune pice dtache dans le contexte de la rparation
dun produit en fin de vie. Le diagramme dbute lorsque le produit est en phase de rparation, et
que le besoin dune pice dtache survient alors que cette pice dtache nest pas en stock. Ce
besoin est alors exprim par la cration et linitialisation dune requte de transport, o sont
connues la destination (latelier de rparation) et la marchandise transporter (la pice dtache).
Cette requte est communique sur lensemble du rseau, particulirement aux ateliers de
dsassemblage pour savoir sil est possible dapprovisionner un stock avec la pice requise.
Lorsquun atelier de dsassemblage est capable de fournir cette pice dtache, la requte de
transport est mise jour, puis envoye en planification et traite par le gestionnaire de la flotte de
vhicules.

127
Chapitre 5

1: creRequte ( ) 5: demandePlanification ( )

2: initialise ( ) 6: regroupeRequtes ( )
: CRparation : CRequteEchange : CGestionnaireFlotte

3: approvisionnePDtaches ( )
4: metAJour ( )

: CDsassemblage

Figure 5.7 : Diagramme de collaboration - Transport dune pice dtache

5.4.3.2 Planification temps rel dune nouvelle requte de collecte


Le deuxime diagramme dinteraction que nous prsentons est un diagramme de squence
prsentant les relations entre les objets concerns par la cration et la planification en temps rel
dune nouvelle requte de collecte. Le diagramme dbute lorsquun habitant prend contact avec le
systme de rcupration des produits afin de demander le passage dun vhicule chez lui pour
collecter un ou plusieurs produits usags. Une requte de collecte est donc cre, contenant les
informations sur le lieu de la collecte, le type et la quantit des produits collects, les dates de
passage autorises pour le vhicule. Lors de la cration, les informations sont galement
rpercutes dans lobjet de la classe CMatire pour une mise jour. La requte se met ensuite
dans ltat planifiable, et demande au gestionnaire de flotte tre prise en compte par au moins
un vhicule. Il faut alors dterminer quel vhicule est capable de traiter cette requte de collecte.
Le processus qui sapplique alors utilise les outils qui sont dvelopps au chapitre 4, notamment
le processus daffectation des requtes aux vhicules (4.5.2 - Partition : construction de la
solution initiale). Pour chaque vhicule, la prise en compte dune nouvelle requte de transport
satisfaire pourrait tre teste par la rsolution de lune des heuristiques dinsertion dj
prsentes : lheuristique dinsertion parallle (4.6.1 - Une heuristique dinsertion parallle) ou
lheuristique de construction spatio-temporelle (4.6.2 - Une heuristique de construction spatio-
temporelle). Le vhicule qui offre la meilleure nouvelle solution se voit donc attribu la nouvelle
requte, les structures sont mises jour, linformation circule et retourne jusqu lhabitant, qui
donne son accord et valide ainsi la proposition de ramassage.

Cet exemple de fonctionnement pourrait tre complexifi de diverses manires, notamment dans
le cas o aucun vhicule ne prsente les conditions ncessaires la prise en compte dune
nouvelle requte (il faut alors allouer un nouveau vhicule), ou lorsque la requte peut tre prise
en compte mais une date autre que celle demande par lhabitant (il est alors question daide la
dcision en temps rel entre plusieurs solutions de planification). Cependant, nous rappelons quil
ne sagit pas ici de dresser lexhaustivit des situations de collecte qui risquent darriver, mais de
justifier lintgration de la planification du module de collecte dans larchitecture globale de la
rcupration des produits techniques en fin de vie. Les quelques diagrammes UML prsents
nous ont donc simplement aids dans cette optique.

128
Aide la dcision

: CHabitant : CRequte : CProduit : CGestionnaire : CVhicule


Collecte Usag Flotte

initialise ( )
initialise ( )

demandePlanification (

demandeInsertionDansVhicule (
testeInsertionClient ( )
insreClient ( )
metAJourRequte (
metAJour ( )
validePlanning ( )

Figure 5.8 : Diagramme de squence - Planification dune nouvelle requte de collecte

5.5 Conclusions

Aprs avoir prsent ci-dessus les derniers diagrammes dinteraction UML, notre travail sur
lintgration du module de collecte se termine, et nous pouvons en tirer les conclusions suivantes.

5.5.1 Ce quil faut retenir


Dans les deux chapitres prcdents, nous avons abord la problmatique de la collecte des
produits techniques encombrants arrivant en fin de vie par la rsolution dun problme complexe
de routage de vhicules. Ces deux chapitres reprsentent une partie relativement technique, et les
algorithmes proposs fournissent des solutions qui peuvent tre utilises dans la planification des
oprations de la collecte. Cependant, la situation de collecte sur laquelle nous nous sommes
attards, mme si elle nous semble tre la voie de lavenir, nest quune situation parmi tous les
contextes de ramassage des produits encombrants que nous avons numrs dans le chapitre 2
(2.3.4 - Les diffrents modes de collecte). Il nous est donc ncessaire de ramener nos rsultats
dans lenvironnement plus gnral de la rcupration des dchets. Tel est donc lobjet du prsent
chapitre : tudier les mcanismes dinteraction du module de planification de la collecte avec les
autres intervenants du systme global du recyclage.

Pour valider nos propos, nous nous basons sur une tude de cas qui a t introduite dans le
projet de recherche (Rester Propre, 2000) [43], financ par la rgion Rhne-Alpes, et dans lequel est
dvelopp le concept dune plate-forme de rparation et de dsassemblage des produits

129
Chapitre 5

techniques en fin de vie. Cette plate-forme gnrique rassemble les fonctions de premire
importance ncessaires une bonne rcupration des dchets : le diagnostic, le stock, la
rparation et le dsassemblage des produits. Dans le cadre de la collecte, le principe de la plate-
forme de rparation et de dsassemblage est tendu au rseau de plates-formes, afin de tendre
vers une situation plus proche de la ralit. Cette extension se justifie par une meilleure
couverture gographique des installations de recyclage et par la spcialisation des installations sur
certains types de produits et de traitements adapts pour ces produits.

Une fois tabli le rseau dinstallations de recyclage, dans un souci de reprsentation homogne
au sein dun mme modle dentits aussi htrognes quun atelier de dsassemblage et un atelier
de diagnostic, la recherche dun langage de modlisation universel nous mne vers le langage
orient objet UML (Unified Modeling Langage). Outre le fait de savoir manipuler la puissance de
modlisation offerte par lobjet, UML capture aisment les diffrentes tapes de la
communication entre les entits du modle, et prsente les interactions environnant le systme
laide de diagrammes, ce qui facilite grandement la comprhension du modle. Grce cette
notation UML, il nous est alors ais de :
faire lanalyse des besoins primordiaux lis au rseau de plates-formes et de modliser ces
besoins par deux diagrammes de cas dutilisation ;
capturer larchitecture statique du rseau de plates-formes sous forme de deux diagrammes de
classes ;
tudier par deux diagrammes dinteraction la manire dont les transports, et notamment la
collecte, peuvent tre planifis au sein du rseau.

5.5.2 Ce qui ne va pas suivre


Les rsultats qui sont annoncs dans ce chapitre se distinguent sous forme de diagrammes et
dmontrent notre volont de revenir vers la ralit des problmes de collecte par lintervention de
lhomme dans les prises de dcision lies la planification des transports, et par la prise en
compte des diffrents acteurs du processus de rcupration des produits techniques en fin de vie.
Nous navons pas recherch systmatiquement lexhaustivit des situations qui dbouchent sur
une ractualisation de la planification, car notre travail restant un niveau danalyse et de
maquette, il est fort probable que des situations particulires aient alors t oublies. En outre,
chaque situation devant tre modlise par un nouveau diagramme dinteraction, nous aurions
risqu de nous retrouver avec une multitude de diagrammes, alourdissant inutilement le contenu
du mmoire moins quune tude de terrain srieuse avec des cas dexemple rels nautorisent
une phase dindustrialisation et de mise en application de nos rsultats. Nous avons donc prfr
nous en tenir aux six diagrammes prsents dans ce chapitre, estimant quils sont suffisants pour
reflter notre vision de lintgration et de linteraction de la planification de la collecte avec les
autres acteurs du systme de recyclage.

Un axe de recherche intressant na pas t abord dans ce mmoire, mais il constitue un sujet de
rflexions pour les chercheurs et les industriels : il sagit de ltude des systmes de production et
de leur coordination avec les systmes logistiques. Dans le contexte industriel de la dernire
dcennie, marqu par une extrme concurrence, les industries ont du faire face une
rationalisation draconienne des cots de leurs appareils de production dun ct et de leur rseau
de transports de lautre, afin de pouvoir faire face la concurrence et de conserver leurs
avantages comptitifs. Puis, lorsque les conomies de cots ne furent plus possibles sur les entits
prises individuellement, leffort fut port sur la chane logistique globale des produits, incluant
toutes les tapes du cycle de vie du produit. Do ce nouveau concept sur la coordination entre

130
Aide la dcision

les systmes de production et de logistique, dont (Flipo-Dhaenens, 1998) [9] nous en prsente une
application remarquable.

Ce principe de coordination entre des oprations logistiques et des oprations de production


pourrait tre interprt, dans le cadre du recyclage des produits techniques en fin de vie, en
imaginant les units de rcupration des dchets comme des centres de production de matires,
et dont la matire premire serait fournie par la collecte. Lun des objectifs de rationalisation des
cots pourrait alors consister minimiser les stocks de produits usags entrant dans le processus,
en faisant en sorte que tout nouveau produit recycler puisse tre immdiatement trait ds son
dchargement du vhicule sur la plate-forme de recyclage. En rsum, cet exemple, pris parmi
tant dautres, tmoigne de limportance grandissante des systmes logistiques dans la production
manufacturire pour lapprovisionnement des marchs primaires et secondaires, et dmontre sil
en faut lexistence de perspectives de recherche futures restant explorer pour la prennit de la
rcupration des produits techniques encombrants.

131
Conclusions et perspectives

Conclusions

Depuis quelques annes, les lgislations franaise et europenne ont volu vers une meilleure
protection de lhomme et de lenvironnement vis--vis des nuisances provoques par la
massification des dchets de notre socit. partir de 2002, la mise en dcharge ntant plus
accepte que pour les dchets dits ultimes , des processus de traitement et de revalorisation des
dchets actuels doivent tre mis en place. Limpact sur les systmes logistiques classiques de
collecte et de transport des dchets est considrable, et conduit repenser la globalit de
lorganisation des transports. Cette restructuration prend toute son ampleur dans la collecte des
produits de llectromnager issus des mnages, produits forte potentialit de revalorisation et
pour lesquels de nouvelles techniques de revalorisation doivent tre entrines, notamment le
dsassemblage.

Dans ce contexte, notre contribution porte donc sur la planification de la collecte au sein de la
logistique inverse des produits manufacturs encombrants de types blanc ou brun, issus des
mnages. La collecte apparat en effet comme un lment crucial de la chane logistique inverse,
la fois par son rle dapprovisionneur unique du systme de rcupration des produits, et par les
cots relativement importants qui sont engags et lis son bon fonctionnement. Lapproche
mthodologique que nous retenons dbute par lanalyse des modes de collecte existants consacrs
la fois aux ordures mnagres et aux produits techniques encombrants en fin de vie. Laccent
est dans un premier temps port sur les systmes de ramassage des dchets mnagers classiques,
dans lobjectif de situer la collecte des encombrants par rapport aux modes de collecte existants.
Cependant, devant la trop grande diffrence de nature des dchets entre les ordures mnagres et
les produits encombrants, il apparat rapidement que ce qui existe pour les dchets classiques est
difficilement transposable aux produits blancs et bruns de ltude.

Le parc des produits manufacturs encombrants reprsente un gisement non ngligeable quil
convient dapprhender correctement. Ces produits, caractristiques physiques uniques et fort
potentiel de revalorisation unitaire, peuvent tre ramasss de diverses manires. Nous mettons en
vidence deux grandes familles de collecte : celle par apport volontaire et celle par enlvement
domicile. Parmi les membres de ces deux familles, trois modes de collecte sont particulirement
analyss : lapport en dchetterie ou en grande distribution, et lenlvement domicile la

133
Conclusions et perspectives

demande de lhabitant. Cependant, devant la contrainte de lencombrement physique des


produits, la collecte par enlvement domicile ressort comme le mode de collecte le plus
prometteur, et retient donc toute notre attention.

Ainsi, la situation de collecte des produits encombrants domicile, ramasss par une flotte de
vhicules et achemins vers des installations de recyclage dissmines sur une zone gographique,
est la situation sur laquelle nous nous attardons. Afin den extraire les caractristiques essentielles,
cette situation est modlise par un problme de routage de vhicules, le problme de
chargement et de dchargement sous contraintes de capacit, de prcdence et de fentres
temporelles. Ce problme complexe dOptimisation Combinatoire est ensuite abord en
dcouplant son analyse et sa rsolution en deux tapes, en sparant les situations avec un vhicule
unique et avec plusieurs vhicules. Dans les deux cas, le fondement de la mthode de rsolution
repose sur la mta heuristique de recherche tabou : lanalyse bibliographique sur le sujet laisse
apparatre que cette mthode na jamais t applique sur ce problme prcis de routage de
vhicules, alors que des rsultats plus que prometteurs ont dj t obtenus par ailleurs sur des
problmes comportant un nombre moins important de contraintes. Par nos choix, nous
contribuons donc agrandir le champ dapplication de cette mta heuristique performante vers
des problmes de plus en plus complexes.

La situation o la flotte de vhicules est compose dune seule unit est premirement traite.
Laccent est mis sur la manire dont la recherche tabou est implmente par rapport aux
contraintes inhrentes au problme. Notamment, la structure du voisinage chaque itration est
construite par des mouvements dinsertion et dchange entre les solutions, et lexistence de
solutions non ralisables est autorise dans le voisinage afin de favoriser, par un voisinage
extrmement peupl, lmergence de la solution optimale. Nos rsultats sont valus de deux
manires. La premire consiste appliquer notre algorithme sur des instances du problme de
voyageur de commerce comprenant uniquement les contraintes de fentres temporelles, et dont
les solutions optimales sont connues. Cette dmarche a pour but de situer notre mthode par
rapport des mthodes optimales et en se concentrant sur la contrainte la plus forte, le temps. La
deuxime mthode dvaluation repose sur des instances du problme complet, gnres
alatoirement, et pour lesquelles la meilleure solution construite pendant le processus de
gnration est considre comme la solution de rfrence. Dans les deux cas, les rsultats obtenus
sont trs encourageants, puisque la solution optimale est systmatiquement trouve, et dans des
temps dexcution relativement peu consquents. Une limite semble nanmoins trouve avec des
instances dune taille suprieure ou gale 40 clients, soit 80 villes visiter par le vhicule.

Le contexte dune flotte avec un seul vhicule est particulier, mais son tude et sa prise en compte
permettent nanmoins dtendre facilement les travaux au contexte de plusieurs vhicules.
Devant la complexit du problme, une approche en deux phases est retenue, qui dans un
premier temps ralise une affectation des requtes de transport sur les vhicules, puis dans un
deuxime temps optimise itrativement la solution globale. Cette optimisation utilise des
mouvements dinsertion et dchange pour voluer entre les solutions, et ceci deux niveaux : sur
chaque vhicule pour une amlioration des routes individuelles, et parmi les vhicules pour une r
affectation des requtes de transport, entranant ventuellement une minimisation du nombre de
vhicules, et par l mme une optimisation de la solution globale. Loriginalit de la mthode tient
galement au fait que lalgorithme doptimisation locale, dvelopp pour un seul vhicule, est
utilis la fois dans ltape daffectation et dans ltape doptimisation. Ce double emploi garantit
la bonne qualit des solutions trouves pendant la recherche itrative, ce que prouvent sans
contradiction possible les rsultats produits partir dinstances gnres alatoirement.

134
Conclusions et perspectives

Finalement, les algorithmes dvelopps ayant pour objectif de contribuer la planification


oprationnelle de la collecte, une description de lintgration du module de planification dans le
systme global de la rcupration des produits fait lobjet dune dernire partie. Cette phase
dintgration nous permet galement de ramener nos travaux et rsultats algorithmiques vers le
contexte humain, en recentrant la philosophie de lexcution des activits du recyclage sur
lhomme, dcideur ultime de la chane inverse et acteur principal de la rcupration. Pour pouvoir
prsenter une description des interactions entre la collecte et les autres acteurs du systme, nous
nous basons sur un rseau de plates-formes gnriques de rparation et de dsassemblage, que
nous modlisons par le formalisme objet laide du langage de modlisation unifi orient objet
UML. Grce lutilisation de diagrammes, il nous est alors ais de prsenter divers mcanismes
dinteraction entre la planification de la collecte et les autres acteurs du recyclage des produits.

Perspectives

La Recherche est une perptuelle remise en cause des acquis et des rsultats dj entrins, qui
assure la motivation ncessaire pour amliorer sans cesse notre soif de connaissance et de savoir.
Aussi, la relecture du contenu de ce mmoire, nous ne pouvons nous empcher de livrer au
lecteur les quelques perspectives de recherche que voici.

En ce qui concerne les tailles maximales des instances dans le cas dun vhicule, nous avons
probablement dcel leur limite suprieure raisonnable avec une taille majorant 40 clients. Deux
pistes srieuses peuvent tre envisages pour amliorer cet tat de fait. Premirement, le voisinage
de la solution courante qui est construit chaque itration pourrait tre restreint aux seules
solutions ralisables : ce voisinage serait alors moins riche, mais le temps dexploration de toutes
les solutions le composant serait alors amlior. Deuximement, le peuplement du voisinage est
ralis systmatiquement par lapplication de deux mouvements sur les villes du rseau, lchange
et linsertion. Nous proposons de mettre en place un processus dalternance entre les deux
mouvements afin dconomiser des oprations de calcul.

Le problme de transport qui nous a accompagn dans ce rapport repose sur la collecte des
produits manufacturs en fin de vie. Il est intressant de se poser la question de ce que devient ce
problme lorsque pour la flotte de vhicules, les actions de ramassage des produits usags sont
couples avec des actions de livraison de produits neufs. Le processus de chargement et de
dchargement des produits ne se fait plus alors uniquement de la population vers les installations
de rcupration, mais galement dans le sens inverse. Comment tre sr de la bonne cohabitation
des produits usags et neufs dans un mme vhicule ? Des contraintes supplmentaires sont-elles
prendre en compte ?

Enfin, une dernire ouverture de recherche peut tre suggre par le retour vers la conception
des informations sur les produits collects, quant leur tat gnral et leurs conditions de
transport. En effet, les tudes sur le recyclage des produits manufacturs conduisent
invitablement considrer la source dapprovisionnement, cest--dire la phase de rflexion et de
conception des nouveaux produits qui seront mis sur le march. Les donnes dj recueillies
grce aux premires rutilisations de produits revaloriss apparaissent trs utiles pour concevoir
des produits plus cologiques, plus dmontables, et mieux revalorisables. Dans ce contexte, la
collecte, par le transport et la maniabilit des produits encombrants, a un rle jouer pour faire
en sorte que le recyclage saffirme comme LA solution de rfrence permettant llimination et
lvacuation des dchets sans aucun dommage pour lenvironnement.

135
Bibliographie

Thses et ouvrages

[1] Ademe (1998). Gestion des dchets mnagers et assimils : transport et logistique.
Agence de lEnvironnement et de la Matrise de lnergie, juillet 1998, Ademe ditions.
[2] Andersson Charlotta (1995). Reverse logistics systems for wastepaper. Licenciate
dissertation, Dpt. Of Engineering Logistics, Lund Institute of Technology, Sweden.
[3] Ascheuer N. (1995). Hamiltonian path problems in the on-line optimization of flexible
manufacturing systems. Ph.D. Thesis, Technische Universitt Berlin, Germany.
[4] Cairncross F. (1991). Costing the earth. The Economist Books Ltd., Great Britain.
[5] Chevron D. (1999). Contribution ltude de la supervision dune cellule de dmontage
de produits techniques en fin de vie. Thse de doctorat de lINPG, Grenoble, France.
[6] Council of Logistics Management (Ed.) (1993). Reuse and recycling Reverse logistics
opportunities. Hard Cover, 324 p., U.S.A.
[7] Eymery P. (1997). La logistique de l'entreprise - Supply chain management. Herms
ditions, Paris.
[8] Ferrer G.L.S. (1997). Managing the recovery of value from durable products. Ph.D.
Thesis, June 1997, INSEAD, Fontainebleau, France.
[9] Flipo-Dhaenens C. (1998). Optimisation dun rseau de production et de distribution.
Thse de doctorat de lINPG, Grenoble, France.
[10] Gelosi S. et L. Giubile (1994). Guide juridique et pratique de la gestion des dchets
mnagers. Confdration Syndicale du Cadre de Vie (CSCV), ditions de Vecchi, Paris.
[11] Gerner (2001). Gnration d'un processus de dsassemblage et valuation du recyclage
d'un produit. Thse de doctorat de lINPG, Grenoble, France.
[12] Guinet A. (1984). Le systme T.I.R., un systme dtablissement de tournes industrielles
routires. Thse de 3e cycle de lUniversit Claude-Bernard, Lyon 1.

137
Bibliographie

[13] van Hooijdonk R.A.D. (1996). The pickup and delivery problem with practical side-
constraints. Masters Thesis, Department of Mathematics and Computing Science,
Eindhoven University of Technology, The Netherlands.
[14] Jahre M. (1995). Logistics systems for recycling Efficient collection of household waste.
Ph.D. Thesis, Chalmers University of Technology, Gteborg, Sweden
[15] Kobeissi A. (2001). Contribution la mise en uvre du systme dvaluation des produits
techniques en fin de vie. Thse de doctorat de lINPG, Grenoble, France.
[16] Krikke H.R. (1998). Recovery strategies and reverse logistics network design. Ph.D.
Thesis, University of Twente, The Netherlands.
[17] van der Laan E.A. (1997). The effects of remanufacturing on inventory control. Ph.D.
Thesis, Eburon Publishers, Delft, The Netherlands.
[18] Marks D.H. (1969). Facility locations and routing models on solid waste collection
systems. Ph.D. Thesis, Johns Hopkins University, Baltimore, U.S.A..
[19] Muller P.-A. (1997). Modlisation objet avec UML. Eyrolles editions., Paris.
[20] Osman I. and J. Kelly (editors) (1996). Meta-heuristics : theory and applications. Kluwer
Academic Publishers, Boston, Massachusetts, U.S.A.
[21] Seliger G., E. Zussman and A. Kriwet (1994). Integration of recycling consideration into
product design: a system approach. Integration Information and Collaboration Models,
S.Y. Nof editors, Kluwer Academic Publishers.
[22] Sexton T.R. (1979). The single vehicle many-to-many routing and scheduling problem.
Ph.D. dissertation, SUNY at Stony Brook, U.S.A.
[23] Stock J.R. (1998). Development and implementation of reverse logistics programs. Ph.D.,
University of South Florida, Hard Cover, 248 p., Council of Logistics Management,
U.S.A.
[24] Thierry M. (1997). An analysis of the impact of product recovery management on
manufacturing companies. Ph.D. Thesis, Erasmus University Rotterdam, The
Netherlands.

Rapports et parties douvrage

[25] Bloemhof-Ruwaard J.M., M. Fleischmann and J.A.E.E. van Nunen (1999). "Reviewing
distribution issues in Reverse Logistics". In: New Trends in Distribution Logistics,
Speranza and Sthly editors, Lecture Notes in Economics and Mathematical Systems 480,
p. 23-44, Springer Verlag, Berlin.
[26] Debets F.J.C. and L. van Wassenhove (1992). "A guided tour through applications of
OR-techniques to environmental problems". INSEAD working paper N92/24/TM,
January 1992, France.
[27] Desgeorges J.P. (1992). Rapport dmission sur la valorisation des produits lectriques et
lectroniques. Rapport de propositions la demande du Premier Ministre de la
Rpublique Franaise, 4 dcembre 1992.
[28] Desgeorges J.P. (1994). Propositions pour l'organisation des filires de collecte et
valorisation des produits lectriques et lectroniques arrivs en fin de vie. Rapport
complmentaire la demande du Ministre de l'Environnement et du Ministre de

138
Bibliographie

l'Industrie, des Postes et Tlcommunications et du Commerce Extrieur de la


Rpublique Franaise, 21 novembre 1994.
[29] Desrochers M., J.K. Lenstra, M.P.W. Savelsbergh and F. Soumis (1988). Vehicle routing
with time windows: optimisation and approximation. In: Vehicle Routing: Methods and
Studies, B.L. Golden and A.A. Assad editors, Elsevier Science Publishers (1988).
[30] FIEE (1997). Produits lectriques et lectroniques non portables en fin de vie en rgion
Rhne-Alpes. Fdration des Industries lectriques et lectroniques, Rapport final,
janvier 1997.
[31] Flapper S.D.P. (1993). "On the logistics of recycling: an introduction". Research Report
TUE/BDK/LBS/93-16, Departement of Operations Planning and Control, Eindhoven
University of Technology, The Netherlands.
[32] Fleischmann M., R. Kuik and R. Dekker (1997). "Controlling inventories with stochastic
item returns: a basic model". Management Report Series 43 (13), Erasmus University
Rotterdam, The Netherlands.
[33] Fleischmann M. and R. Kuik (1998). "On Optimal Inventory Control with Stochastic
Item Returns". Management Report Series 21-1998, Erasmus University Rotterdam, The
Netherlands.
[34] Fleischmann M., H.R. Krikke, R. Dekker and S.D.P. Flapper (1999). "Logistics network
(re-)design for product recovery and re-use". Management Report Series 17-1999,
Erasmus University Rotterdam, The Netherlands.
[35] Gendreau M., G. Laporte and J.-Y. Potvin (1997). Vehicle routing: modern heuristics.
In: Local Search in Combinatorial Optimization, E. Aarts and J.K. Lenstra editors, John
Wiley publishers.
[36] Glover F. and A. Lokketangen (1994). Probabilistic Tabu search for zero-one mixed
integer programming problems. University of Colorado, U.S.A..
[37] Golden B.L., E.A. Wasil, J.P. Kelly and I-M. Chao (1998). The impact of metaheuristics
on solving the vehicle routing problems: algorithms, problem sets, and computational
results. In: Fleet Management and Logistics, T.C. Crainic and G. Laporte editors,
Kluwer Academic Publishers.
[38] Inderfurth K. (1996). Modeling period review control for a stochastic product recovery
problem with remanufacturing and procurement leadtimes. Working paper 2/96,
Faculty of Economics and Management, University of Magdeburg, Germany.
[39] Inderfurth K., A.G. de Kok and S.D.P. Flapper (1998). "Product recovery policies in
stochastic remanufacturing systems with multiple reuse options". Technical Report
TUETM/LBS/98-05, Eindhoven University of Technology, The Netherlands.
(abbrevated version submitted to European Journal of Operational Research).
[40] Poquet G. (1997). Produits lectriques et lectroniques en fin de vie en Rhne-Alpes -
Enqute sur les comportements des consommateurs. Centre de Recherche pour lEtude
et lObservation des Conditions de Vie, Dpartement valuation des politiques
publiques, Janvier 1997.
[41] Roth N. (1992). Disassembly and recycling of electrotechnical and electronic products.
Tech. Rep., Siemens AG, Munich, Germany.
[42] Roy R. (1991). End-of-life electronic equipment waste. Tech. Rep, Centre for
Exploitation of Science and Technology CEST, London, UK.

139
Bibliographie

[43] Rester Propre (2000). REcherches Socio-TEchniques pour le Recyclage de PROduits


manufactures Par REvalorisation. Rapport final du programme des thmatiques
prioritaires de la Rgion Rhne-Alpes, Laboratoire d'Automatique de Grenoble, France,
octobre 2000.
[44] Sexton T.R. and L.D. Bodin (1983). The multiple-vehicle subscriber dial-a-ride
problem. Working paper MS /S 83-009, College of Business and Management,
University of Maryland (1983).

Confrences et revues

[45] Dchets: suivez-les de bout en bout. Industries et Techniques, Octobre 1998 797, p.76-
77.
[46] Alting L. (1991). "Life cycle design". Concurrent Engineering: Issues, Practice and
Technology 1 (6), p. 19-27.
[47] Alting L. and J. Jorgensen (1993). "The life cycle concepts as a basis for sustainable
industrial production". Annals of the CIRP 42 (1), 163-167.
[48] Alting L. and J.B. Legarth (1995)."Life cycle engineering and design". Annals of the CIRP
44 (2), p. 569-580.
[49] Anandalingam G. and Westfall M. (1988). "Selection of hazardous waste disposal
alternatives using multi-attributes utility and fuzzy set analysis". Journal of Environmental
Systems 18 (1), p. 69-85.
[50] Barros A.I., R. Dekker and V. Scholten (1998). A two-level network for recycling sand: a
case study. European Journal of Operational Research 110, p. 199-214.
[51] Barry J., G. Girard and C. Perras (1993). "Logistics planning shifts into reverse". The
Journal of European Business, September-October, p. 34-38.
[52] Batta R. and S.S. Chiu (1988). Optimal obnoxious paths on a network: transportation of
hazardous materials. Operations research 36 (1), p. 84-92.
[53] Beckman S., P. Worhach and P.S. Sheng (1995). "Environmentally-conscious supply
chain management". Proceedings of the IEEE international symposium on Electronics
and the environment, p. 235-9, 1995.
[54] Bloemhof-Ruwaard J.M., M. Salomon and L.N. Van Wassenhove (1994). "On the co-
ordination of product and by-product flows in two-level distribution networks: Model
formulation and solution procedures". European Journal of Operational Research 79 (2),
p.325-339.
[55] Bloemhof-Ruwaard J.M., P. van Beck, L. Hordijk and L.N. Van Wassenhove (1995).
"Interactions between operational research and environmental management". European
Journal of Operational Research 85, p. 229-243.
[56] Bloemhof-Ruwaard J.M., M. Salomon and L. Van Wassenhove (1996). "The capacitated
distribution and waste disposal problem". European Journal of Operational Research 88
(3), p. 490-503.
[57] Bloemhof-Ruwaard J.M., L. Van Wassenhove, H.L. Gabel and P. Weaver (1996). An
environmental life cycle optimization model for the european pulp and paper industry.
Omega 24 (6), p.615-629.

140
Bibliographie

[58] Bodin L.D., B.L. Golden, A. Assad and M.O. Ball (1983), "Routing and scheduling of
vehicles and crew: the state of the art". Computers and Operations Research 10 (2), p.
63-211.
[59] Bodin L. and T. Sexton (1986). The multi-vehicle subscriber dial-a-ride problem. TIMS
Studies in the Managment Science 22, p. 73-86.
[60] Boothroyd G. and L. Alting (1992). "Design for assembly and disassembly". Annals of
the CIRP 41 (2), p. 625-636.
[61] Bor J.M. (1994). The influence of waste strategies on product design. Materials and
design 15 (4), p. 219-224.
[62] Bouzaher A., J.B. Braden and G.V. Johnson (1990). A dynamic programming approach
to a class of nonpoint source pollution control problems. Management Science 36 (1), p.
1-15. Article n17.
[63] van der Bruggen L.J.J., J.K. Lenstra and P.C. Schuur (1993). Variable-depth search for
the single-vehicle pickup and delivery problem with time windows. Transportation
Science 27 (3), p. 298-311.
[64] Caincross F. (1992). "How Europe's companies reposition to recycle". Harvard Business
review, March-April, p. 34-45.
[65] Carter C.R. and L.M. Ellram (1998). Reverse logistics: a review of the literature and
framework for future investigation. Journal of Business Logistics 19 (1), p. 85-102.
[66] Caruso C., A. Colorni and M. Paruccini (1993). The regional urban solid waste
management system: a modelling approach. European Journal of Operational Research
70, p. 16-30.
[67] Clark and Wright (1964). "Scheduling from a central depot to a number of delivery
points". Operations Research 12, p. 568-581.
[68] Clegg A.J., Williams D.J. and Uzsoy R. (1995). "Production planning for companies with
remanufacturing capability". Proceedings of the IEEE International symposium on
Electronics on the environment, Orlando, Florida, U.S.A., p. 186-191, 1995.
[69] Cohen M.A., S. Nahmias and W.P. Pierskalla (1980). A dynamic inventory system with
recycling. Naval Research Logistics Quarterly 27 (2), p. 289-296.
[70] Cohen M.A. and Kleindorfer P.R. (1989). "Near-optimal service constraints stocking
policies for spare parts". Operations Research 37 (1), p. 104-17.
[71] Corbett C.J.C., Debets F. and Van Wassenhove L.N. (1995). "Decentralisation of
responsability for site decontamination projecs: a budget allocation approach". European
Journal of Operational Research 86 (1), p. 103-119.
[72] Cordeau J.F., G. Laporte and A. Mercier (2001). "A unified tabu search heuristic for
vehicle routing problems with time windows". Journal of the Operational Research
Society 52, p. 928-36.
[73] Cordeau J.F. and G. Laporte (2001). A tabu search algorithm for the site dependent
vehicle routing problem with time window. INFOR 39 (3), p. 292-297.
[74] Cselnyi J., B. Mang and Z. Istvn (1998). Some considerations about planning and
control of logistics systems in disassembly factory. Preprints on 1st IFAC Workshop on
Intelligent Assembly and Disassembly IAD98, May 21-23 1998, Bled, Slovenia.
[75] Daniel S., D. Diakoulaki and C.P. Pappis (1997). "Operational research and
environmental planning". European Journal of Operational Research 102 (2), 248-263.

141
Bibliographie

[76] de Melo J.J. and A.S. Cmara (1994). Models for the optimization of regional wastewater
treatment systems. European Journal of Operational Research 73, p. 1-16.
[77] Dekker R., J. Bloemhof-Ruwaard, M. Fleischmann, E.A. van der Laan, J.A.E.E. van
Nunen and L. Van Wassenhove (1998). Operational research in reverse logistics: some
recent contributions. International Journal of Logistics: Research and Applications 1 (2),
p. 141-155.
[78] Dekker R. and E.A. van der Laan (1999). Gestion des stocks pour la fabrication et la
refabrication simultanes: synthse des rsultats rcents. Logistique & Management 7
(2), p. 27-36.
[79] Del Castillo E. and K.J. Cochran (1996). Optimal short horizon distribution operations
in reusable container systems. Journal of the Operational Research Society 47, p. 48-60.
[80] Desrosiers J., Y. Dumas and F. Soumis (1986). A dynamic programming solution of the
large-scale single-vehicle dial-a-ride problem with time windows. American Journal of
Mathematical and Management Sciences 6 (3), p. 301-325.
[81] Dillon P.S. (1994). Salvagebility by design. IEEE Spectrum, August 1994, p. 18-24.
[82] Dumas Y., J. Desrosiers and F. Soumis (1991). The pickup and delivery problem with
time windows. European Journal of Operational Research 54 (1), p. 7-22.
[83] Elbing F. (1999). Disassemly factories I - Technology and logistics. Workshop 4th
World Congress R `99 - Recovery, Recycling, Re-integration. Genf, Schweiz, 05.02.1999.
[84] Faigle U. and W. Kern (1992). Some convergence results for probabilistic Tabu search.
ORSA Journal on Computing 4 (1), p. 32-38.
[85] Flapper S.D.P. (1994a). On the logistics aspects of integrating procurement, production
and recycling by lean and agilewise manufacturing companies. Proceedings of the 27th
ISATA Internationad Dedicated Conference on Lean / Agile Manufacturing in the
Automotive Industries, Aachen, Germany, p. 749-756.
[86] Flapper S.D.P. (1994b). Matching material requirements and availabilities in the context
of recycling: an MRP-I based heuristic. Proceedings of the Eight International Working
Seminar on Production Economics 3, Igls / Innsbruck, Austria, February 21-25 1994, p.
511-519.
[87] Flapper S.D.P. (1996). Logistic aspects of reuse: an overview. Proceedings of the First
International Working Seminar on Reuse, Eindhoven, The Netherlands, November 11-
13, 1996, p. 109-118. Article n27.
[88] Flapper S.D.P. and G.P. Kiesmueller (1999). "Reusable distribution items with a
technically preset maximum number of usage". Proceedings of the Second International
Working Seminar on Reuse, March 1-3 1999, Eindhoven University of Technology,
Eindhoven, The Netherlands. (extended version submitted to IIE Transactions)
[89] Fleischmann M., J. Bloemhof-Ruwaard, R. Dekker, E. van der Laan, J. van Nunen and L.
Van Wassenhove (1997). "Quantitative models for reverse logistics: a review". European
Journal of Operational Research 103, p. 1-17.
[90] Fleischmann M., H.R. Krikke, R. Dekker and S.D.P. Flapper (2000). A characterisation
of logistics networks for product recovery. Omega 28, p. 653-666.
[91] Geiger D. and E. Zussman (1996). Probabilistic reactive disassembly planning. Annals
of the CIRP 45 (1), p. 49-52.

142
Bibliographie

[92] Glover F. (1977). Heuristics for integer programming using surrogate constraints.
Decision Sciences 8 (1), p. 156-66.
[93] Glover F. (1986). Future paths for integer programming and links to artificial
intelligence. Computers and Operations Research 13, p. 533-49.
[94] Glover F. (1990). Tabu search: a tutorial. Interfaces 20 (4), p. 74-94.
[95] Glover F. (1997). Tabu search and adaptative memory programming. In: Interfaces in
Computer Science and Operations Research - Advances in Metaheuristics, Optimisation
and Stochastic Modeling Technologies. Barr R., R. Helgason and J. Jennington editors,
Kluwer Academic Publishers, Boston, Massachusetts.
[96] Gooley T.B. (1998). Reverse logistics: five step to success. Logistics management and
distribution report, June 1998, p. 49-55, 1998.
[97] Gottinger H.W. (1988). A computational model for solid waste management with
application. European Journal of Operational Research 35 (3), p. 350-364.
[98] Guide Jr. V.D.R. (1996). Scheduling using drum-buffer-rope in a remanufacturing
environment. International Journal of Production Research 34 (4), p. 1081-1091.
[99] Guide Jr. V.D.R., M.E. Kraus and R. Srivastava (1997). Scheduling policies for
remanufacturing. International Journal of Production Economics 48 (2), p.187-204.
[100] Guide Jr. V.D.R., R. Srivastava and M.S. Spencer (1997). An evaluation of capacity
planning techniques in a remanufacturing environment. International Journal of
Production Research 35 (1), p.67-82.
[101] Guiltinan J.P. and N.G. Nwokoye (1975). Developing distribution channels and systems
in the emerging recycling industries. International Journal of Physical Distribution 6 (1),
p. 28-38.
[102] Guinee J.B., H.A. Udo de Haes and G. Huppes (1993). Quantitative life cycle
assessment of products - 1: Goal definition and inventory. Journal of Cleaner
Production 1 (1), p. 3-13.
[103] Guinee J.B., H.A. Udo de Haes and G. Huppes (1993). Quantitative life cycle
assessment of products - 2: Classification, valuation and improvement analysis. Journal
of Cleaner Production 1 (2), p. 81-91.
[104] Guinet A. (1993). Scheduling sequence-dependent jobs on identical parallel machines to
minimize completion time criteria. International Journal of Production Research 31 (7),
p. 1579-1594.
[105] Gupta S.M. and K.N. Taleb (1994). Scheduling disassembly. International Journal of
Production Research 32 (8), p. 1857-1866.
[106] Haberland S., A. Mager and A. Waltermath (1997). "Logistics strategies for the realization
of a life cycle economy". Life cycle networks, Proceedings of the 4th CIRP international
seminar on Life cycle engineering, 26-28 June 1997, Berlin, Germany, F.-L. Krause and
G. Seliger ed., Chapman & Hall.
[107] Hauschild M., H. Wenzel and L. Alting (1999). "Life cycle design - a route to the
sustainable industrial cultur ?". Annals of the CIRP 48 (1), p. 393-396.
[108] Healy P. and R. Moll (1995). A new extension of local search applied to the dial a ride
problem. European Journal of Operational Research 83, p. 83-104.
[109] Heymann D.P. (1977). Optimal disposal policies for a single-item inventory system with
returns. Naval Research Logistcis Quaterly 24, p. 385-405.

143
Bibliographie

[110] Hirsch B.E., T. Kuhlmann, Z. K. Marciniak and C. Mabow (1995). Information system
concept for the management of distributed production. Computers in Industry 26, p.
229-241.
[111] Hirsch B.E. and S. Crom (1994). Management challenges in globally distributed
production environments: necessities and strategies for reorientation of production
management methods. IFIP WG 5.7 Working Conference on Evaluation of Production
Management Methods, Gramado, Brazil, March 21-24, 1994.
[112] Hirsch B.E., T. Kuhlmann and J. Schumacher (1996). "Advanced stategic logistic
concepts for life-cycle oriented production methodologies in virtual entreprises". ASI'96 -
Life cycle approaches to production systems, Annual conference of ICIMS-NOE, 2-6
June, 1996, Toulouse, France.
[113] Hirsch B.E., T. Kuhlmann and J. Schumacher (1996). "Multimodal logistic chain
simulation for strategic decision making". Rapport Keep in Touch (KIT),
STERMPROPLAN project, August 1995- June 1996.
[114] Inderfurth K. (1997). Simple optimal replenishment and disposal policies for a product
recovery system with leadtimes. OR Spektrum 19, p. 111-122.
[115] Ioachim I., J. Desrosiers, Y. Dumas, M.M. Salomon and D. Villeneuve (1995). A request
clustering algorithm for door-to-door handicapped transportation. Transportation
Science 29 (1), p. 63-78.
[116] Jacobs T.L. and J.W. Everett (1992). Optimal scheduling of consecutive landfill
operations with recycling. Journal of Environmental Engineering 118 (3), p. 420-9.
[117] Jahre M. (1995). Household waste collection as a reverse channel - A theoretical
perspective. International Journal of Physical Distribution & Logistics Management 25
(2), p. 39-55.
[118] Jaw J.J., A.R. Odoni, H.N. Psaraftis and N.H.M. Wilson (1986). A heuristic algorithm
for the multi-vehicle advance request dial-a-ride problem with time windows.
Transportation Research 20B (3), p. 243-257.
[119] Johnson M.R. and M.H. Wang (1995). Planning product disassembly for material
recovery opportunities. International Journal of Production Research 33 (11), p. 3119-
3142.
[120] Jovane F., L. Alting, A. Armilotta, W. Eversheim, K. Feldmann, G. Seliger and N. Roth
(1993). A key issue in product life cycle: disassembly. Annals of CIRP 42 (2), p. 651-
658.
[121] Kalantari B., A.V. Hill and S.R. Adora (1985). An algorithm for the traveling salesman
with pickup and delivery customers. European Journal of Operational Research 22, p.
377-386.
[122] Karacapilidis N.I., D. Papadias, T. Gordon and H. Voss (1997). "Collaborative
environmental planning with GeoMed". European Journal of Operational Research,
Special Issue on Environmental Planning 102 (2), p. 335-346.
[123] Kokkinaki I., R. Dekker, J. van Nunen and C. Pappis (1999). Etude exploratoire sur le
commerce lectronique li la reverse logistics. Logistique & Management 7 (2), p. 27-
36.
[124] Krikke H.R., A. van Harten, P.C. Schuur (1998). On a medium term product recovery
and disposal strategy for durable assembly products. International Journal of Production
Research 36 (1), p. 111-139.

144
Bibliographie

[125] Kriwet A., E. Zussman and G. Seliger (1995). Systematic integration of design-for-
recycling into product design. International Journal of Production Economics 38, p. 15-
22.
[126] van der Laan E., R. Dekker and M. Salomon (1996a). An (s;Q) inventory model with
remanufacturing and disposal. International Journal of Production Economics 46-47, p.
339-350.
[127] van der Laan E., R. Dekker and M. Salomon (1996b). Product remanufacturing and
disposal: a numerical comparison of alternative control strategies. International Journal
of Production Economics 45 (1-3), p. 489-498.
[128] van der Laan E.A. and M. Salomon (1997). Production planning and inventory control
with remanufacturing and disposal. European Journal of Operational Research 102 (2),
p.264-278.
[129] van der Laan E.A., M. Salomon and R. Dekker (1999). An investigation of lead-time
effects in manufacturing / remanufacturing systems under simple push and pull control
strategies. European Journal of Operational Research 115 (1), p. 195-214.
[130] Lee Y.Q. and S.R.T. Kumara (1992). Individual and group disassembly sequence
generation through freedom and interference spaces. Journal of Design and
Manufacturing 2, p. 143-153.
[131] Lin S. and B. Kernighan (1973). "An effective heuristic algorithm for the traveling
salesman problem". Operations Research 21 (2), p. 498-516.
[132] List G.F., P.B. Mirchandani, M.A. Turnquist and K.G. Zografos (1991). "Modelling and
analysis of hazardous materials transportation: risk analysis, routing/scheduling and
facility location". Transportation Science 25 (2), p. 100-114.
[133] List G.F. and M.A. Turnquist (1998). "Routing and emergency response team siting for
high-level radioactive waste shipments". IEEE Transactions on Engineering
Management 45 (2), special issue on Emergency Management Engineering, p. 141-152.
[134] Lund J.R. (1990). Least-cost scheduling of solid waste management. Journal of
Environmental Engineering 116 (1), p. 182-197.
[135] Lund R.T. (1984). Remanufacturing. Technology Review 87 (2), p. 19-29.
[136] Mabini M.C. and L.F. Gelders (1991). Repairable item inventory systems: a literature
review. Belgian Journal of Operations Research, Statistics and Computer Science 30 (4),
p. 57-69.
[137] Mabini M.C., L.M. Pintelon and L.F. Gelders (1992). EOQ type formulations for
controlling repairable inventories. International Journal of Production Economics 28, p.
21-33.
[138] Madsen O.B.G., H.F. Ravn and J.M. Rygaard (1995). A heuristic algorithm for a dial-a-
ride problem with time windows, multiple capacities, and multiple objectives. Annals of
Operations Research 60, p. 193-208.
[139] Marien E. J. (1998). Reverse logistics as competitive strategy. Supply Chain
Management Review, Spring 1998, p. 43-52, 1998.
[140] Nagel-C. (1998). TI: take IT back-European approaches for setting up reverse logistic
systems. Proceedings of the 1998 IEEE International Symposium on Electronics and
the Environment ISEE, 4-6 May 1998, Oak Brook, IL, U.S.A., p. 25-9.

145
Bibliographie

[141] Nagel C., J. Nilsson and C. Boks (1999). European end-of-life systems for electrical and
electronic equipment. Proceedings of the First International Symposium on
Environmentally Conscious Design and Inverse Manufacturing, 1-3 February 1999,
Tokyo, Japan, p.197-202.
[142] Nahmias S. (1981). Managing repairable item inventory systems: a review. TIMS
Studies in the Management Science 16, p. 253-277.
[143] Navin-Chandra D. (1994). The recovery problem in product design. Journal of
Engineering Design 5 (1), p. 65-86.
[144] Ossenbruggen P.J. and P.M. Ossenbruggen (1992). SWAP, a computer package for solid
waste management. Computers, Environment and Urban Systems 16, p. 83-99.
[145] Penev K.D. and A.J. de Ron (1996). Determination of a disassembly strategy.
International Journal of Production Research 34 (2), p. 495-506.
[146] Pierskalla W.P. and J.A. Voelker (1976). A survey of maintainance models: the control
and surveillance of deteriorating systems. Naval Research Logistics Quaterly 23, p. 353-
388.
[147] Pnueli Y. and E. Zussman (1997). Evaluating the end-of-life value of a product and
improving it by redesign. International Journal of Production Research 35 (4), p.921-
942.
[148] Pohlen T.L. and T. Farris II (1992). "Reverse logistics in plastic recycling". International
journal of physical distribution and logistics management 22 (7), p. 35-47.
[149] Potvin J.-Y. and J.-M. Rousseau (1993). A parallel route building algorithm for the
vehicle routing and scheduling problem with time windows. European Journal of
Operational Research 66, p. 331-340.
[150] Psaraftis H.N. (1980). A dynamic programming solution to the single vehicle many-to-
many immediate request dial-a-ride problem. Transportation Science 14 (2), p. 130-154.
[151] Psaraftis H.N. (1983a). An exact algorithm for the single vehicle many-to-many
immediate request dial-a-ride problem with time windows. Transportation Science 17, p.
351-357.
[152] Psaraftis H.N. (1983b). k-interchange procedures for local search in a precedence-
constrained routing problem. European Journal of Operational Research 13, p. 391-402.
[153] ReVelle C., Cohon J. and Shobrys D. (1991). "Simultaneous siting and routing in the
disposal of hazardous wastes". Transportation Science 25 (2), p. 138-145.
[154] Richter K. (1996a). The EOQ repair and waste disposal model with variable setup
numbers. European Journal of Operational Research 95 (2), p. 313-324.
[155] Richter K. (1996b). The extended EOQ repair and waste disposal model. International
Journal of Production Economics 45 (1-3), p. 443-448.
[156] Savelsbergh M.P.W. and M. Sol (1995). The general pickup and delivery problem.
Transportation Science 29 (1), p. 17-29.
[157] Savelsbergh M.P.W. and M. Sol (1998). Drive: dynamic routing of independant
vehicles. Operations Research 46 (4), p. 474-491.
[158] Scharf C. and G. Vogel (1994). A comparison of collection systems in European cities.
Waste Management and Research 12 (5), p. 387-404.

146
Bibliographie

[159] Scheidt L.G., N. Abdoolcader, H. Stadlbauer, Shuqiang-Zong and P. Doelman (1995).


Electronics recycling: another dimension. Proceedings of the 1995 IEEE International
Symposium on Electronics and the Environment ISEE, 1-3 May 1995, Orlando, Florida,
U.S.A., p. 290-294.
[160] Scheidt L.G. and H. Stadlbauer (1995). Electronics products and continuous
improvment of their environmental performance a comprehensive approach.
Proceedings of the International Conference on Clean Electronics Products and
Technology (n 416), 9-11 October 1995, Edinburg, UK, p. 136-141.
[161] Scheidt L.G. and H. Stadlbauer (1996). CARE VISION 2000 the environmental
research platform on the electronics industry in Europe. Proceedings of the 1996 IEEE
International Symposium on Electronics and the Environment ISEE, 6-8 May, Dallas,
Texas, U.S.A., p. 264-268.
[162] Schrady D.A. (1967). A deterministic inventory model for repairable item. Naval
Research Logistics Quaterly 14 (3), p. 391-398.
[163] Sexton T.R. and L.D. Bodin (1983). The multiple-vehicle subscriber dial-a-ride
problem. Working paper MS /S 83-009, College of Business and Management,
University of Maryland.
[164] Sexton T.R. and L.D. Bodin (1985a). Optimizing single vehicle many-to-many
operations with desired delivery times: I. scheduling. Transportation Science 19 (4), p.
378-410.
[165] Sexton T.R. and L.D. Bodin (1985b). Optimizing single vehicle many-to-many
operations with desired delivery times: II. routing. Transportation Science 19 (4), p. 411-
435.
[166] Sexton T. and Y. Choi (1986). Pick-up and delivery of partial loads with time windows.
The American Journal of Mathematical and Management Sciences 6, p. 369-398.
[167] Sharma R.R.K. and S.S. Paradkar (1995). Modelling a railway freight transport system.
Asia Pacific Journal of Operational Research 12 (1), p. 17-36.
[168] Skorin-Kapov J. (1990). Tabu search applied to the quadratic assignment problem.
ORSA Journal on Computing 2 (1), p. 33-41.
[169] Solomon M.M. (1987). Algorithms for the vehicle routing and scheduling problem with
time window constraints. Operations Research 35 (2), p. 254-265.
[170] Spengler T., H. Pckert, T. Penkuhn and O. Rentz (1997). Environmental integrated
production and recycling management. European Journal of Operational Research 97
(2), p. 308-326.
[171] Tagaras G. and M.A. Cohen (1992). Pooling in two-location inventory systems with
non-negligible replenishment lead times. Management Science 38 (8), p. 1067-1083.
[172] Tagaras G. (1999). "Pooling in multi-location periodic inventory distribution systems".
Omega 27 (1), p. 39-59.
[173] Taillard E. (1991). Robust Taboo search for the quadratic assignment problem. Parallel
Computing 17, p. 443-455.
[174] Taillard E., P. Badeau, M. Gendreau, F. Guertin and J-Y. Potvin (1997). A tabu search
heuristic for the vehicle routing problem with soft time windows. Transportation
Science 31 (2), p. 170-186.

147
Bibliographie

[175] Thierry M., M. Salomon, J. van Nunen L. and Van Wassenhove (1995). "Strategic issues
in product recovery management". California Management Review 37 (2), p. 114-135,
Winter 1995.
[176] vanderMerwe S. and M. Oliff (1991). Corporate challenges for an age of
reconsumption. The Columbia Journal of World Business 26 (3), p. 6-25.
[177] Warnecke G. and S. Geelhaar (1999). Life cycle oriented design of industrial recycling
processes. Production Engineering, Research and Development - Annals of the German
Academic Society for Production Engineering, vol. V1 (1), p. 103-106.
[178] Weaver P.M., L. Landis Gabel, J.M. Bloemhof-Ruwaard and L. Van Wassenhove (1997).
Optimizing environmental product life cycles. Environmental and Resource
Economics 9 (2), p.199-224.
[179] Wenzel H. and L. Alting (1999). "Danish experience with the EDIP tool for
environmental design of industrial products". Proceedings of the IEEE EcoDesign 1999
Conference: First International Symposium on Environmentally Conscious Design and
Inverse Manufacturing, February 1999, Tokyo, Japan.
[180] Wiendahl H.-P., T. Wahlers and M. Mittendorf (1999). Supporting the design of
logistically friendly products. Production Engineering, Research and Development -
Annals of the German Academic Society for Production Engineering, vol. V1 (1), p. 119-
124.
[181] Wu H.-J. and S.C. Dunn (1995). Environmentally responsible logistics systems.
International Journal of Physical Distribution & Logistics Management 25 (2), p. 20-38.
[182] Zussman E., A. Kriwet and G. Seliger (1994). Disassembly-oriented assessment
methodology to support design for recycling. Annals of CIRP 43 (1), p. 9-14.
[183] Zussman E. (1995). "Planning of disassembly systems". Assembly Automation Journal 15
(4), p. 20-23.
[184] Zussman E. and M.C. Zhou (1998). "A methodology for modeling and adaptive planning
of disassembly processes". IEEE Transactions on Robotics and Automation 15 (1), p.
190-194.

Autres

[185] http://www.zib.de/ascheuer/ATSPTW.html
[186] ENVIE DAUPHINE, 70 avenue Rhin et Danube, 38000 Grenoble

Publications de lauteur

[187] Chetouane F., H. Bouvet, A. Landrieu et Z. Binder (1997). Conduite datelier flexible de
production : interaction transport-production. Note interne N97002, Laboratoire
d'Automatique de Grenoble, France.
[188] Chetouane F., H. Bouvet, A. Landrieu et Z. Binder (1997). Control of flexible
manufacturing system : interaction between production and transportation. Conference

148
Bibliographie

on Management and Control of Production and Logistics-MCPL'97, Campinas (Brazil),


31 August - 3 September 1997, Vol. 1, pp. 95-101.
[189] Descotes-Genon B., F. Chetouane, D. Chevron, A. Landrieu and C. Sassine (1997).
Logistic, maintenance, production in virtual manufacturing enterprise. Conference on
Management and Control of Production and Logistics-MCPL'97, Campinas (Brazil), 31
August - 3 September 1997, Vol. 1, pp. 47-52.
[190] Landrieu A. et S. Gerner (1998). Plate-forme et rseau de plates-formes. Note interne
N98057, Laboratoire d'Automatique de Grenoble, France, Mai 1998.
[191] Landrieu A., Z. Binder et B. Descotes-Genon (1999). Recycling system : description of a
green supply chain example. Note interne N 98059, Laboratoire dAutomatique de
Grenoble, France.
[192] Landrieu A. (1999). Une heuristique du problme de chargement et dchargement
applique au recyclage des produits manufacturs. 2 Congrs de la Socit Franaise de
Recherche Oprationnelle et d'Aide la Dcision ROADEF'99, Autrans (Vercors),
France, 13-15 Janvier 1999.
[193] Gerner S., A. Landrieu, Z. Binder et B. Descotes-Genon (1999). Recycling system :
distributed disassembly networks and disassembly workshop modelling. 3e Congrs
international de Gnie Industriel, Montral (Canada), 26-28 mai 1999.
[194] Landrieu A. (1999). "Logistique du recyclage : modlisation dun rseau de plates-formes
REX". Note interne N99025, Laboratoire dAutomatique de Grenoble, France.
[195] Flipo C, A. Landrieu, Z Binder et G. Finke (1999). Coordination of manufacturing and
distribution : two industrial examples. Preprints of 14th World Congress IFAC'99,
Beijing (P.R. China), July 5-9, 1999, volume A-1c-04-2, p. 343-347.
[196] Landrieu A. (1999). Coordination de la chane logistique dans le recyclage des produits
manufacturs. Poster Doctoriales 98, Dolomieu (Isre), France, 22-27 Novembre 1998.
[197] Landrieu A., Y. Mati et Z. Binder (2001). A tabu search heuristic for the single vehicle
pickup and delivery problem with time windows. Journal of Intelligent Manufacturing,
special issue : Global optimization meta-heuristics for industrial systems design and
management, 12, p. 497-508.

149
Annexes

151
Annexe 1

153
Annexe 2

155
156
RSUM
La logistique inverse des dchets techniques encombrants de type blanc ou brun se dveloppe de nos
jours afin de rpondre aux contraintes lgislatives fortes qui nautorisent partir de juillet 2002 que la mise
en dcharge des dchets dits ultimes . Le recyclage noble apparat comme une solution prometteuse,
conomiquement viable et cologique, o la collecte, approvisionneuse exclusive du processus de
rcupration des dchets, doit tre apprhende et planifie dans lobjectif de matrise des cots. Aprs
avoir identifi les caractristiques principales des systmes de collecte existants, nous nous attardons sur le
ramassage domicile des produits usags de la population. Afin de pouvoir tablir une planification
oprationnelle, ce mode de collecte est modlis comme un problme de routage de vhicules : le
problme de chargement et de dchargement avec contraintes de fentres temporelles, de prcdence et
de capacit. Ce problme dOptimisation Combinatoire est ensuite rsolu de manire algorithmique, en
considrant successivement le cas dun vhicule, puis de plusieurs vhicules. La rsolution du problme se
base sur la recherche tabou et la recherche tabou probabiliste, et fournit des rsultats trs satisfaisants sur
le plan qualitatif et en temps dexcution. Finalement, nous dcrivons, grce au langage de modlisation
unifi orient objet UML, une manire dintgrer nos rsultats algorithmiques dans un module daide la
dcision pour la planification oprationnelle de la collecte, o loprateur humain est charg de dfinir le
plan de collecte excuter.

Reverse logistics and collection of end-of-life technical products - Vehicle routing


problems with constraints

ABSTRACT
This thesis deals with durable household electronic appliances collection. Regarding legislative constraints
that force disposal of so-called ultimate products from july 2002, recycling appears to be an ecologic
and economic promising solution. Economic stability of recycling depends among other things on the
costs management and the development of secondary markets, in order to add value on materials, spare
parts and recycled products. This perspective leads us to consider the management and the planning of
collection, the main supplier of reverse logistics and the responsible of a consequent part of system global
costs. Once the principal characteristics of the logistics system are identified, the collection at home keeps
our attention, and is modelled as a vehicle routing problem : the pickup and delivery problem with time
windows . This Operational Research problem is then algorithmly resolved, successively considering the
single vehicle and the multiple vehicle cases. Main algorithm is based on probabilistic and deterministic
tabu searchs, and give excellent results in terms of execution time and quality. Finaly, a way is shown for
easily integrating heuristics in a decision support module of collection operational planning, where the
human operator has to define the collection plan to be executed. Module integration is modeled using the
unified modelling language UML.

DISCIPLINE
Automatique et Productique

MOTS-CLS
Logistique inverse ; Collecte ; Routage de vhicules avec contraintes ; Problme de chargement et
de dchargement avec contraintes de fentres temporelles, de capacit et de prcdence ;
Recherche Tabou ; UML.

INTITUL ET ADRESSE DU LABORATOIRE


Laboratoire dAutomatique de Grenoble
ENSIEG, BP 46, Domaine universitaire, 38402 Saint Martin dHres Cedex, France.