Cours Logistique Et Transport

République Tunisienne
Ministère de l’Enseignement Supérieur et de la Recherche

Scientifique
Université de Tunis
Cours Logistique et transport
Ali Balma
Elèves ingénieurs -3ème année génie industriel
Transport et logistique 3ème G.Indus 1 Ali Balma

Eléments de chaine logistique externe
1. Introduction
Une entreprise se procure les matières premières et composantes auprès de ses fournisseurs, les
transforment par un processus de production puis les produits fabriqués sont acheminés à leur
tour aux clients.
La question primordiale qui se pose est comment acheminer les produits ou matière première
depuis les fournisseurs jusqu’aux locaux de fabrication tout en préservant la qualité des produits
et respectant les délais au moindre coût.
On focalisera durant ce cours sur cette question en présentant les structures des chaines de
transport les plus répandues, ses organes et leurs interdépendances.
Le maillon élémentaire qui se répète pour les entreprises commence depuis le fournisseur
jusqu’à l’entreprise en question. Il est composé essentiellement des fournisseurs, du transport
de la matière première sur un réseau de transport, composé de routes, de modes et de
plateformes intermédiaires de transit et de stockage. Les questions qui se posent
immédiatement :
 Quel mode de transport ?
 Comment acheminer les marchandises sur le réseau de transport ? (point à point,
tournées, regroupement, parcellisation…)
 Localiser et organiser les plateformes intermédiaires en entrepôts ou simples espaces de
stockage et de manutention. ?

2. modes de transport
Il existe essentiellement trois modes de transport :
 Transport terrestre qui englobe essentiellement le transport routier (camions) et le
transport sur rails (trains)
 Transport maritime qui se compose du transport fluvial (péniches et barges) et sur mer
(bateaux cargos)
 Transport aérien utilisant les avions.
La chaine de transport depuis un fournisseur jusqu’à son client peut faire intervenir un
seul mode de transport comme aussi plusieurs. Dans ce dernier cas, une opération de
déchargement et de chargement des marchandises est nécessaire, connue sous le nom
de rupture charge. Cette opération induit un rallongement des délais, un risque de
détérioration des marchandises suite à une mauvaise manipulation et des coûts
supplémentaires. Généralement, le changement de mode se fait pour les très longues
chaînes de distribution et pour des grands volumes de produits transportés.
Chaque mode se différencie essentiellement par le volume des marchandises

transportées, capillarité (ou pénétration dans le tissu urbain), rapidité et coûts.
2.1 Transport terrestre :
Ce mode fait intervenir différents types de moyens de transport sur deux types d’infrastructure :
routes et rails. Pour le premier type, les moyens de transports sont essentiellement les camions
semi-remorques et fourgons (figure 1) et pour le second, les trains de transport de marchandises.
Le transport sur routes présente les avantages de la capillarité de par sa propension à pénétrer
dans les tissus urbains difficilement atteignables par les moyens de transport lourds comme
l’avion ou le bateau cargo ou le train. Le transport sur les trains, par contre, offre un avantage
d’économie d’échelle (coût par unité de marchandises transportée) très important et la
possibilité d'expédier des produits lourds et en vrac (papier, bois, grain, produits chimiques...)

Transport maritime
Il est assuré par des bateaux cargos sur mer ou par des péniches ou barges sur des rivières. Dans
le cas tunisien, ce dernier type est inexistant.il est généralement utilisé pour de grands volumes
de marchandises sur de très grandes distances. Il offre de ce fait un avantage de coût unitaire
appréciable. Toutefois, il nécessite l’existence de ports dotés d’infrastructures de manutention
et d’acconnage assez développées afin de réduire les temps d’immobilisation dus aux opérations
de déchargement et de chargement. Les ports sont pratiquement des plateformes importantes
de transbordement et d’entreposage de marchandises.
Il est très rare qu’une entreprise industrielle possède sa propre flotte de cargos. Elle a recours à
une autre entreprise qui est propriétaire de sa flotte de bateaux et qui l’exploite pour le transport
de marchandises, appelée armateur (ex. Cotunav, Maersk).
Transport aérien :
Il utilise des avions cargos comme moyens de transport. Il présente l’avantage de la rapidité
mais est très coûteux. Il est généralement utilisé pour les expéditions unitaires urgentes ou les
matières rapidement périssables.
Transport intermodal :
Plus la chaîne de transport est longue, plus elle comporte différents modes de transport faisant
intervenir plusieurs ruptures de charge. Par exemple, afin d’expédier des produits vers des
régions reculées, on commence par le camion depuis l’usine jusqu’aux stations de trains, puis

depuis le transport ferroviaire jusqu’à un port vers un autre port par transport maritime et
finalement transport aérien vers une région difficilement inaccessible par transport routier. A
chaque tape il y a une rupture de charge, dégroupage puis regroupement et finalement une
parcellisation.
Préalablement, les marchandises sont placées dans des conteneurs (ou containers) ayant des
dimensions et des capacités normalisées afin de faciliter le transport entre différents pays avec
des moyens de transport variés.
3. Structure d’une chaine de distribution :

Une chaîne peut avoir trois types de structure :
 Transport direct depuis l’usine jusqu’au client. Ce type est très coûteux et est
généralement adapté pour les expéditions urgentes ou les produits unitaires.
 En râteau : transport depuis l’usine jusqu’à un entrepôt puis éclatement du transport

depuis ce dernier vers les clients. Généralement, l’expédition des produits depuis
l’entrepôt vers des clients disséminés géographiquement se fait par tournées où
plusieurs clients sont servis dans une seule tournée.
 En diabolo : depuis plusieurs unités de production, les produits sont regroupés dans un
entrepôt, ensuite transportés vers un autre entrepôt par un moyen de transport offrant
une grande économie d’échelle, et enfin éclatement vers les clients finaux. Les entrepôts
ici s’apparentent plus à des plateformes dotées de moyens de manutention et transport
adéquats que de simples aires de stockage. (voir figure 2)
Figure 2 : structures de la chaine logistique externe

Plus pratiquement, des structures élaborées se mettent en place qui sont combinaison des trois
types exposés ci-dessus. (Voir figure 3)
Le transport des marchandises n’est pas à sens unique. En effet, le véhicule qui distribue les
marchandises peut en collecter depuis les clients (ramassage ou collecte). Les opérations de
distribution et de collecte peuvent être simultanées ou non, c’est-à-dire, faites par le même
véhicule ou par deux véhicules différents.
4. Prestataires de service :
Les opérations de transport et les réseaux de distribution, surtout internationaux, se sont
tellement complexifiés que les entreprises industrielles préfèrent les déléguer à des entreprises
tierces.
Plusieurs intermédiaires jouent différents rôles de facilitateur dans l’industrie du transport des
marchandises. Les principaux sont les suivants :
 Le transitaire international. Il agit comme mandataire de l'entreprise exportatrice ou
importatrice auprès des transporteurs. On pourrait dire qu’il est « l’agent de voyage »
des marchandises. Il peut effectuer les activités suivantes :
o agir comme conseiller en transport
o planifier le mode de transport et optimiser le trajet (incluant les réservations
d’espace, la négociation des coûts, la cueillette de la cargaison...);
o grouper des marchandises pour le transport aérien, maritime et routier ;
o préparer la documentation nécessaire ;
o contribuer à l'emballage et au marquage ;
o déterminer la couverture d'assurance requise ;
o transiger les formalités douanières ;
o faire le suivi.
Les coûts exigés par le transitaire sont minimes parce que ses honoraires viennent en majeure
partie des transporteurs.
o Le courtier maritime. Il met en contact l'exportateur qui veut affréter un navire avec
des armateurs ou des fréteurs. Son rôle est de négocier les coûts et de préparer les
contrats.
o L'agent d'expédition. Il joue un rôle semblable à celui du transitaire international
mais dans un contexte de transport intermodal.
o Le courtier en transport routier. Il prend livraison des marchandises de l'expéditeur
et trouve le transporteur routier approprié pour les acheminer à destination. Il se
préoccupe en particulier de trouver des cargaisons pour le backhauling (collecte ou
ramassage de produits depuis les clients)

Problèmes de flot
1. Introduction
Les problèmes de flot sont indispensables dans la logistique et le transport car ils permettent de
modéliser les problèmes liés à la chaine logistique et de l’optimiser.
Il existe deux grandes variantes de problèmes de flot :
o Le simple flot, où il est question d’un flot s’écoulant depuis une seule source vers une
destination ou puits.
o Le multi-flot où plusieurs flots coexistent et se partagent les capacités installées dans le
réseau. Ces flots s’écoulent depuis plusieurs sources vers plusieurs destinations.
Nous traitons les problèmes les plus basiques à partit desquels des modèles plus élaborés et
fidèles à la réalité peuvent être construits.
On se donne un réseau de distribution représenté sous la forme d’un graphe G=(N,A) où N
désigne l’ensemble des nœuds et A l’ensemble des arcs reliant ces nœuds entre eux. On désigne
par s le nœud source du flot et t le nœud destination (ou puits). A part les nœuds s et t, les autres
nœuds sont des nœuds intermédiaires de branchement, en ce sens, qu’ils ne consomment pas de
flot ni en produisent, mais juste acheminent le flot entrant vers les branches de sortie de chaque
nœud intermédiaire. Chaque arc (𝑖, 𝑗) ∈ 𝐴 est muni d’une grandeur positive 𝑐𝑖𝑗 qui désigne sa
capacité.
2. Problème de simple flot

Etant donné un graphe dont la topologie et les capacités sur les arcs sont déterminés à l’avance.
On se propose de déterminer la valeur maximale du flot pouvant s’écouler depuis le sommet s
vers le sommet t
Application : on considère un château d’eau (citerne ou réservoir d’eau) situé en hauteur qui
permet d’alimenter les besoins en eau d’un ensemble d’agglomérations. Chaque conduite du
réseau de distribution possède une capacité résiduelle désignant la quantité d’eau par unité de
temps susceptible d’être encore écoulée sans atteindre la saturation de la conduite.
Une nouvelle agglomération urbaine est planifiée avec un nouveau besoin supplémentaire en
eau noté τ à assurer entre le château d’eau et cette agglomération. Les questions qui se posent
sont les suivantes :
a. Le réseau actuel est-il suffisant pour résorber ce nouveau besoin ?
b. Si non, combien de capacités supplémentaires faut-il acheter ?
c. Sur quels arcs faut-il les placer ?
Ce genre de problème n’est pas spécifique aux réseaux d’adduction d’eau, mais aussi pour le
transport des marchandises, les réseaux de distribution de l’énergie électrique ou les
télécommunications.

2.1 Modélisation par programmation linéaire
2.1.1 Formulation arc-sommets
Etant donné les questions posées ci-dessus, le problème relève de la prise de décision et de la
recherche d’un optimum sur un espace de solutions possibles. Pour cela, le recours à la
programmation linéaire devient évident.
Un programme linéaire détermine une solution optimale, si elle existe, sur un espace de
solutions possibles délimité par un ensemble de contraintes définies par des inégalités linéaires.
Les contraintes de ce problème sont de deux types :
 Conservation du flot sur les nœuds : cette contrainte traduit la conservation du flot sur
chaque nœud, c’est-à-dire que la somme des flots qui entrent à un nœud est égale à celui
qui en sort.
 Capacité sur les arcs : le flot qui circule sur un arc (i,j) ne doit pas dépasser sa capacité
cij.
Les variables de décision sont les suivantes :
 φ : la valeur du flot maximal recherché qui peut s’écouler depuis s vers t.
 fij ; valeur du flot qui circule sur l’arc (i,j)
La fonction objectif qui vise à maximiser le flot s’écoulant entre la source et le puits est donc :
max φ
 la contrainte de conservation de flot sur les nœuds source s et puits t
∑ 𝑓𝑠𝑗 = 𝜑
(𝑠,𝑗)∈𝐴
∑ 𝑓𝑖𝑡 = 𝜑
(𝑖𝑡)∈𝐴
 Et pour tout nœud i intermédiaire 𝑖 ≠ 𝑠 et 𝑖 ≠ 𝑡, cette même contrainte de conservation

s’écrit
∑ 𝑓𝑗𝑖 = ∑ 𝑓𝑖𝑗
(𝑗,𝑖)∈𝐴 (𝑖,𝑗)∈𝐴
 Pour chaque arc (𝑖, 𝑗) ∈ A, La contrainte de capacité est
𝑓𝑖𝑗 ≤ 𝑐𝑖𝑗
 Contraintes de signe sur les variables

φ , 𝑓𝑖𝑗 ≥ 0
Une fois le programme linéaire écrit, il suffit de le résoudre par l’algorithme du simplexe.
Si les valeurs du flot sur les arcs sont assujetties à être entières, alors il faudrait ajouter les
contraintes d’intégralité sur les variables de flot. Toutefois, on démontre que si les valeurs des

capacités sur les arcs sont entières, alors la solution optimale obtenue par le simplexe sera
entière. Ceci est dû au fait que la matrice des contraintes est totalement unimodulaire, et par
conséquent, les sommets du polyèdre représentant l’espace des solutions réalisables ont tous
des coordonnées entières. (Se reporter à un cours approprié pour de plus amples détails).
2.1.2 Formulation arc-chemins.
Il y a une formulation alternative à la formulation arc-sommets, où la variable de décision
relative au flot ne désigne plus la quantité de flot circulant sur un arc (i,j) donné mais plutôt la
quantité de flot circulant le long d’un chemin p allant de s et allant vers d. en notant par P={tous
les chemins entre les nœuds s et d} et par 𝑓𝑝 la quantité de flot circulant sur le chemin 𝑝 ∈ 𝑃.
Alors le programme linéaire relatif à cette formulation s’écrit :
max φ
sous les contraintes
∑ 𝑓𝑝 = 𝜑
𝑝∈𝑃
∑ 𝛿𝑖𝑗𝑝 𝑓𝑝 ≤ 𝑐𝑖𝑗 , ∀(𝑖, 𝑗) ∈ 𝐴

𝑝∈𝑃
𝜑, 𝑓𝑝 ≥ 0, ∀𝑝 ∈ 𝑃
L’inconvénient de cette formulation est de devoir énumérer tous les chemins entre s et d, qui
peuvent être en un nombre qui croît d’une manière exponentielle avec la taille du réseau.
Toutefois, le processus de résolution se fera par incrémentation des variables. C’est-à-dire, on
part d’une solution avec un nombre limité de chemins, on vérifie que la solution courante est
réalisable. Si elle l’est, alors on arrête la résolution et la solution courante est optimale, sinon,
on détecte un chemin améliorant qu’on insère dans le programme puis on résout à nouveau : ce
processus de résolution est appelé résolution par génération de colonnes. Dans le présent cours,
on ne va pas présenter en détails ce processus.
2.2 Résolution par l’algorithme de Ford-Fulkerson

Etant donné que le problème est de classe P (matrice des contraintes totalement unimodulaire),
alors on peut lui trouver un algorithme de résolution direct de taille polynomiale, sans passer
par la programmation linéaire. En effet, la programmation linéaire exige de posséder un solveur
commercial et, en outre, le simplexe est un algorithme pseudo-polynomial, en raison du nombre
exponentiels des sommets à visiter.
En 1961, Lester Randolph Ford et D. R. Fulkerson ont élaboré un algorithme à cet effet. Les
grandes étapes de cet algorithme sont les suivantes :
1. A une étape k, trouver un chemin, dit augmentant, entre s et t. S’il n’existe pas de chemin
alors stop, sinon, faire passer un flot 𝜑 (𝑘) dont la valeur correspond à la valeur minimale
des capacités des arcs composant ce chemin.
2. Transformer le graphe de l’étape k en graphe résiduel comme suit :

a. Si l’arc (i,j) n’est pas saturé alors affecter une capacité qui correspond à
𝑐𝑖𝑗 − 𝜑 (𝑘) dans le sens de i vers j. Puis ajouter un arc virtuel dans le sens inverse
muni d’une capacité dont la valeur correspond à 𝜑 (𝑘)
b. Si l’arc (i,j) est saturé alors le replacer par un arc virtuel en sens inverse muni
d’une capacité 𝜑 (𝑘)
3. Aller vers l’étape k+1
L’avantage de cet algorithme est qu’il est réellement polynomial et trouve la solution optimale
en O(m²n) étapes où m est le nombre des arcs et n le nombre des sommets (m=|A| et n=|N|).
2.3 Coupe minimale-flot maximal
En écrivant le dual du problème de maximisation du flot on aboutit au programme linéaire
suivant :
𝑀𝑖𝑛 ∑ 𝑐𝑖𝑗 𝜇𝑖𝑗

(𝑖,𝑗)∈𝐴
Sous les contraintes

𝜎𝑖 − 𝜎𝑗 ≤ 𝜇𝑖𝑗 , ∀(𝑖, 𝑗) ∈ 𝐴
𝜎𝑠 = 1
𝜎𝑡 = 0
𝜎𝑖 , 𝜇𝑖𝑗 ≥ 0 ∀𝑖 ∈ 𝑁, (𝑖, 𝑗) ∈ 𝐴
Où 𝜎𝑖 est la variable duale associée à la contrainte de conservation de flot sur le nœud i et 𝜇𝑖𝑗
est associée à la contrainte de capacité sur l’arc (i,j)
La théorie de la dualité permet d’énoncer que la valeur de la coupe minimale sur le graphe
correspond à la valeur du flot maximal. Par suite, on résout par Ford-Fulkerson puis, à la
dernière itération, on met les nœuds atteignables à partir de s dans un ensemble et le restant des
nœuds dans un autre ensemble. La valeur de la coupe minimale correspond à la somme des arcs
dont l’origine est dans le premier ensemble et la destination dans l’autre, et ce dans le sens de s
vers t.
Exercice : appliquer Ford-Fulkerson au graphe suivant et en déduire la coupe minimale et sa
valeur.

La coupe minimale qui lui correspond est la suivante :
3. Problème de multi-flots
Dans ce cas, plusieurs simples flots coexistent et se partagent les capacités installées sur les
arcs. L’autre différence de taille avec le simple flot est que, dans ce cas, chaque flot a une
demande bien déterminée qui doit être transportée depuis sa source jusqu’à sa destination qui
sont bien définies pour chaque demande. Donc, un flot d d’un ensemble D est caractérisé par
sa source sd sa destination td et sa quantité Qd, devant être écoulée depuis sas source jusqu’à la
destination.

Des coûts Kij sont associées aux capacités cij devant être installées sur les arcs (i,j). Le problème
à résoudre ici consiste en la détermination des capacités au moindre coût qu’il faut installer sur
les arcs afin d’assurer la satisfaction de toutes les demandes.
Malheureusement, ce problème est NP-difficile. En effet, la propriété d’unimodularité n’est pas
vraie ici et, si les valeurs de capacités doivent être entières, il n’existe pas d’algorithme à temps
polynomial permettant de résoudre exactement ce problème. Pour cela, on a recours à la
programmation linéaire en nombres entiers et à la résolution par l’algorithme du Branch-and-
Bound implémenté dans la plupart des solveurs commerciaux existant sur le marché.
On définit les variables de décision suivantes :
 𝑓𝑖𝑗𝑑 : la valeur du flot de la demande d circulant sur l’arc (i,j)

 cij : capacité à installer sur l’arc (i,j)
La fonction objectif qui vise à maximiser le flot s’écoulant entre la source et le puits est donc :
min ∑ 𝐾𝑖𝑗 𝑐𝑖𝑗

(𝑖,𝑗)∈𝐴
 la contrainte de conservation de flot sur les nœuds source sd et puits td , pour chaque
demande 𝑑 ∈ 𝐷
∑ 𝑓𝑠𝑑𝑑 𝑗 = 𝑄𝑑
(𝑠𝑑 ,𝑗)∈𝐴
∑ 𝑓𝑖𝑡𝑑𝑑 = 𝑄𝑑
(𝑖,𝑡𝑑 )∈𝐴
 Et pour tout nœud i intermédiaire 𝑖 ≠ 𝑠𝑑 et 𝑖 ≠ 𝑡𝑑 et chaque demande d, cette même

contrainte de conservation s’écrit
∑ 𝑓𝑗𝑖𝑑 = ∑ 𝑓𝑖𝑗𝑑
(𝑗,𝑖)∈𝐴 (𝑖,𝑗)∈𝐴
 Pour chaque arc (i, j) ∈ A, La contrainte de capacité est
∑ 𝑓𝑖𝑗𝑑 ≤ 𝑐𝑖𝑗
𝑑∈𝐷
Ici aussi, la théorie de la dualité nous permet de généraliser le théorème entre la coupe
minimale et le flot maximal. En effet, un vecteur de capacité cij est réalisable pour un multi-
flots si et seulement si, pour tout vecteur μij positif, nous avons
∑ 𝜇𝑖𝑗 𝑐𝑖𝑗 ≥ ∑ 𝑄𝑑 𝑙𝑑∗ (𝜇𝑖𝑗 )

(𝑖,𝑗)∈𝐴 𝑑∈𝐷
Où ld*(μij) est la longueur du plus court chemin entre sd et td avec les arcs munis des
longueurs μij. Ce théorème est généralement utilisé pour le dimensionnement des capacités

sur les réseaux logistiques par la technique de la génération des contraintes. On ne verra pas
cette méthode durant ce cours. Nous donnons ce théorème à titre indicatif seulement.
Problème 1 : utiliser la formulation simple flot afin de donner une formulation compacte
de taille polynomiale du problème du plus court-chemin.
Problème 2 : supposons qu’on désire connaître le plus court chemin dans un graphe où les
longueurs sur les arcs désignent les temps de parcours. On suppose aussi que traverser une
ville requiert un temps non-nul sur chacune des villes intermédiaires. Indiquer comment
transformer le graphe en un autre graphe afin de le rendre compatible avec le problème du
plus court chemin.
Problème 3 : on se propose de déterminer le nombre de chemins arc-disjoints dans un
réseau. Ceci permet de sécuriser un réseau quand un tronçon tombe en panne.
En déduire une formulation qui donne le nombre des chemins nœuds-disjoints.

Le problème du voyageur de commerce
1. Introduction
Le problème du voyageur de commerce est très important dans la chaine logistique et en génie
industriel dans la mesure où il permet de modéliser et de résoudre plusieurs autres problèmes
relevant de la chaine logistique qu’elle soit interne (problèmes d’ordonnancement, planification
de la production, ajustement charge-capacité,…) qu’externe (distribution des produits, tournées
de visite aux clients, etc).
Comme application, on peut citer la planification des visites de maintenance préventive
qu’effectue une équipe de maintenance d’une banque pour les distributeurs automatiques des
billets disséminés géographiquement.
Il s’énonce de la manière suivante. On se donne un ensemble de villes reliées par des routes
munies de longueurs. Il s’agit de partir d’une ville, visiter une et une seule fois chaque autre
ville puis retourner à la ville départ afin que la longueur totale du trajet soit minimale.
Bien que l’énoncé soit simple, le problème a été montré comme étant NP-complet. En effet, il
n’existe pas d’algorithme à temps polynomial permettant de résoudre exactement le problème
pour des graphes de large taille. Toutefois, il existe des formulations linéaires compactes de
taille polynomiale en O(n²), où n est le nombre des nœuds permettant de résoudre efficacement
des tailles réalistes.
2. Description formelle du problème :

On note G=(N,A) un graphe complet où N est l’ensemble des sommets numérotées de 1 à n
(villes à visiter avec |N|=n) et A l’ensemble des routes les reliant entre eux. On suppose que le
graphe est complet et bidirectionnel, c’est-à-dire qu’il existe un arc non orienté entre chaque
paire de villes. La longueur d’un arc (i,j) est notée cij.
Plus formellement, le problème consiste à trouver un circuit hamiltonien entre tous les éléments
de N et qui soit de longueur minimale.
S’il n’existe pas de route entre une paire de villes i et j, alors on peut affecter une longueur
infinie entre cette paire de sommets.
Si cij=cji alors le problème est dit symétrique, sinon il est appelé asymétrique.
3. Formulation linéaires usuelles

Afin de résoudre le problème, on le formule en tant que programme linéaire en nombres entiers
puis il sera résolu sur n’importe quel solveur commercial implémentant l’algorithme du branch-
and-bound.

Pour cela, on définit la variable de décision suivante : xij=1 si l’arc (i,j) est inclus dans la tournée,
et vaut 0, sinon.
Ainsi la fonction objectif devient donc :
𝑛 𝑛
∑ ∑ 𝑐𝑖𝑗 𝑥𝑖𝑗
𝑖=1 𝑗=1
Comme chaque nœud doit être visité une seule fois, alors le total des arcs entrants à un nœud i
doit être égal à 1, de même aussi pour le total des arcs qui en sortent. De ce fait, nous avons,
pour chaque nœud 𝑖 ∈ 𝑁
𝑛
∑ 𝑥𝑖𝑗 = 1
𝑗=1
𝑛
∑ 𝑥𝑗𝑖 = 1
𝑗=1
Ces deux contraintes, sont appelées les contraintes d’affectation.

Toutefois, si on s’en tenait seulement à ces deux contraintes, plusieurs sous-tours déconnectées
vont se former. Afin de les éviter, il faut ajouter une autre contrainte qui permet de prévenir
leur apparition.
Plusieurs variantes de ces contraintes ont été élaborées dont chacune correspond à une
formulation à part. Nous présentons dans ce qui suit les formulations usuelles apparues dans un
ordre chronologique.
3.1 formulation de Dantzig, Fulkerson & Johnson (DFJ, 1954)
En plus de la fonction objectif et des deux contraintes d’affectation, DFJ ont ajouté une
contrainte qui permet d’éliminer les sous-tours. Un sous-tour existe si le total des arcs
composant le sous-tour n’est pas inférieur au nombre des sommets composant ce sous-tour
décrémenté de 1. Autrement dit, pour chaque sous-ensemble 𝑆 de N ayant plus que deux
sommets et ne contenant pas la ville de départ, alors, afin de prévenit l’apparition des sous-
tours, on ajpoute la contrainte suivante
∑ ∑ 𝑥𝑖𝑗 ≤ |𝑆| − 1
𝑖∈𝑆 𝑗∈𝑆
Cette contrainte est valide pour tout sous-ensemble S de N/{1}. Comme le nombre de partirions
possibles de S dans N/{1} a une taille exponentielle, il n’est pas possible d’intégrer, au départ,
toutes les contraintes dans la formulation. Afin de résoudre avec cette formulation,
généralement on considère au départ un sous-ensemble de contraintes puis on résout. Ensuite
on vérifie si cette contrainte est violée, c’est-à-dire, s’il y a une sous-tournée S qui apparaît dans
la solution. Si pas de sous-tour, alors on s’arrête car la solution actuelle est optimale. En effet,
c’est déjà une borne inférieure, et comme elle est réalisable, alors c’est sûrement la solution
optimale.

Sinon, on génère la contrainte ci-dessus relative à S, on l’insère dans le problème initial et on
réitère tout le processus. Si plusieurs sous-tours existent, alors on choisit le sous-tour ayant la
plus faible cardinalité.
DFJ ont montré que ce processus de résolution aboutit à la solution optimale après un nombre
limité de contraints générées. C’est-à-dire, qu’il n’y a pas besoin de parcourir toutes les
partitions possibles afin d’aboutir à la solution optimale.
Toutefois, cette méthode de résolution exige un codage informatique élaboré de parcours de
graphe, de génération de la contrainte et de son insertion dans la formulation de l’itération
précédente. Afin de contourner cette difficulté, d’autres chercheurs ont proposé d’autres formes
des contraintes d’élimination de sous-tours dont le nombre est O(n²) au lieu d’avoir une taille
exponentielle. Ce type de formulation implique des variables de décision supplémentaires à xij,
c’est pourquoi elles sont appelées des formulations étendues. Toutefois, le nombre des variables
supplémentaires reste aussi en O(n²).
3.2 Formulation de Miller-Tucker-Zemlin (MTZ, 1960)

MTZ ont proposé une autre forme des contraintes d’élimination des sous-tours faisant intervenir
une variable de position ui qui indique la position du nœud i dans l’ordre de visite. Par exemple
si ui =k alors le nœud i est visité en kème position à compter du sommet de départ.
Afin d’éliminer les sous-tours, alors il faudrait que tous les sommets figurant dans la solution
soient numérotés de 1 jusqu’à n. Autrement dit si xij=1 alors il faudrait que 𝑢𝑗 = 𝑢𝑖 + 1, sinon
1 ≤ 𝑢𝑗 ≤ 𝑛 − 1. Afin d’intégrer ces conditions dans une seule inégalité, nous avons, pour toute
paire de sommets i et j différents de 1 (ou arc, si le graphe n’est pas complet)
𝑢𝑗 ≥ 𝑢𝑖 + 1 − (𝑛 − 1)(1 − 𝑥𝑖𝑗 )
Donc la formulation MTZ est formée par la fonction objectif, les deux contraintes d’affectation,
cette dernière contrainte et, finalement, la contrainte des bornes de ui.
3.3 Formulation simple flot de Gavish (1979)

Dans ce modèle, on considère que le voyageur de commerce dispose d’un sac à dos ayant n-1
objets. A chaque visite à une ville donnée, il donne un objet et un seul. On considère le problème
comme étant un simple flot issu de la ville de départ et se terminant dans chacune des villes
visitées. On définit alors une variable de flot positive fij comme étant la charge du sac-à-dos en
objets restant à livrer lorsque le voyageur travers l’arc (i,j). Par suite, on écrit les deux
contraintes de conservation du flot sur chacune des villes et de capacité sur les arcs en guise de
contraintes d’élimination des sou-tours.
𝑛 𝑛
∑ 𝑓𝑖𝑗 − ∑ 𝑓𝑗𝑖 = 1, ∀𝑖 ∈ 𝑁
𝑗=2 𝑗=1
𝑓𝑖𝑗 ≤ (𝑛 − 1)𝑥𝑖𝑗 ∀(𝑖, 𝑗) ∈ 𝐴

Il est à noter que dans la dernière contrainte, il faut intégrer la variable xij afin de prévenir les
solutions où fij est non nulle alors que xij=0. C’est une contrainte de liaison logique entre la
variable de flot et xij.
Ces deux dernières contraintes permettent de prévenir les sous-tours. En effet, s’il existe un
sous-tour isolé, alors sûrement la contrainte de conservation du flot est violée puisque l’on ne
peut pas atteindre les villes du sous-tour à partir de la ville de départ.
3.4 Formulation double-flots (Finke, Claus & Gunn, 1983)

Cette formulation est semblable à la précédente, sauf qu’ici on considère deux flots : le premier
est descendant depuis la ville de départ vers chacune des villes visitées et le second est
ascendant depuis chaque ville vers la ville de départ. Pour ce modèle, on assimile que le
voyageur de commerce donne, par exemple, un objet et en récupère un autre sur chacune des
villes visitées. De ce fait, en plus de la variable fij définie dans le modèle de (Gavish, 1979), on
définit gij comme étant la charge du sac en objets récupérés lorsque le voyageur travers l’arc
(i,j). Par suite, les contraintes de conservation de flot et de capacité s’écrivent comme suit :
𝑛 𝑛
∑ 𝑓𝑖𝑗 − ∑ 𝑓𝑗𝑖 = 1, ∀𝑖 ∈ 𝑁
𝑗=2 𝑗=1
𝑛 𝑛
∑ 𝑔𝑗𝑖 − ∑ 𝑔𝑖𝑗 = 1, ∀𝑖 ∈ 𝑁
𝑗=2 𝑗=1
𝑓𝑖𝑗 + 𝑔𝑖𝑗 = (𝑛 − 1)𝑥𝑖𝑗 ∀(𝑖, 𝑗) ∈ 𝐴
La dernière contrainte devient égalité au lieu d’une inégalité, dans la mesure où le nombre total
des objets dans le sac du voyageur est toujours à n-1 à chaque étape de sa visite.
Problème 1 : planification de la production avec temps de changement d’outils.

On considère un atelier de production possédant une machine sujette à un changement d’outil
pour passer de la fabrication d’une famille de produits vers une autre. Afin de passer de la
fabrication d’une famille de produits i vers une autre j, le temps en minutes de changement
d’outils nécessitant l’arrêt de fabrication est de tij. Le tableau suivant donne ces temps
X 10 5 2
7 X 3 8
4 9 X 6
1 2 5 X

Noter ici que tij≠tji, ainsi le problème est dit asymétrique.
Si on considère la séquence de planification de la production 1-2-3-4-1, alors le temps total de
changement d’outil est de t12+ t23+ t34+ t41=10+3+6+1=20 minutes
Toutefois, si considère la séquence 1-4-2-3-1, le temps total de changement d’outil sera de 11
qui est nettement meilleure que la séquence précédente.
Donner une formulation compacte avec les deux modèles vus ci-dessus pour ce problème.

Le problème de tournée de véhicules
1. Introduction
Le problème de tournées de véhicules ou de tournées de distribution est un problème générique
dans la logistique externe. Il consiste en la planification des tournées des visites des clients à
coût minimal. Dans sa variante la plus simple, c’est une extension du problème du voyageur de
commerce où chaque client i a une demande en marchandises qi.
Il a été introduit pour la première fois par Dantzig & Ramser en 1954 pour optimiser la
planification des tournées de livraison du carburant dans les stations de service.
L’entreprise dispose d’une flotte de m véhicules identiques ayant la même capacité d’emport Q
qui partent d’un dépôt indexé par convention par 1. Les clients sont indexés de 2 à n. Les
véhicules sortent du dépôt et doivent retourner au dépôt après les livraisons.
L’objectif est de satisfaire les demandes de tous les clients en respectant la capacité d’emport
avec une distance totale couverte minimale. Cette variante est appelée problème à flotte
homogène. Dans un cas plus réaliste l’entreprise dispose d’une flotte hétérogène, dans le sens
où les véhicules sont de différents types. La capacité d’un type k est notée Qk.
La différence avec le problème du voyageur de commerce est qu’ici plusieurs tournées sont
issues du dépôt et non pas une seule. Si Q=n-1 et qi=1 pour chaque client i alors on réduit d’une
manière polynomiale le problème de tournées de livraison au problème du voyageur de
commerce. Comme ce dernier est NP-complet, alors le problème de tournées de livraison est
NP-difficile. Autrement dit, il n’y a aucun espoir de trouver un algorithme à temps polynomial
qui permet de trouver la solution optimale, dans le cas où il est réalisable.
Par conséquent, afin de résoudre des instances de données réalistes mais de taille moyenne (une
centaine de clients et une dizaine de véhicules), on modélise le problème en une formulation
compacte de taille polynomiale à variables entières puis on le résout par l’algorithme du branch-
and-bound se trouvant sur pratiquement tous les solveurs commerciaux.
D’autres variantes issues du monde logistique peuvent être considérées : le problème de
tournées de collecte et de livraison ou avec autonomie maximale ou avec fenêtres de temps,
pour ne citer que les plus fréquents. Toutes les variantes issues du monde réel ne peuvent pas
être considérées dans le présent cours. Néanmoins, nous présentons les problèmes qui
constituent des briques élémentaires (ou building block) à partir desquels des variantes étendues
peuvent être construites.
Nous traitons en premier lieu cette variante simple du problème de distribution avec flotte
homogène, puis nous montrons comment modifier les formulations de ce problème pour
intégrer d’autres variantes étendues.

2. Le problème de tournées avec capacité homogène
Comme ce problème est une extension du problème du voyageur de commerce, alors on
essaiera d’adapter les formulations de ce problème à celui des tournées de distribution.
En fait, il n y’ a plus une seule tournée comme dans le problème du voyageur de commerce
mais plusieurs tournées effectuées par une flotte de plusieurs véhicules. Chaque tournée émane
du dépôt et doit retourner au dépôt. Toutefois, il n’est pas nécessaire d’indexer les variables de
décision xij par un indice supplémentaire représentant un véhicule donné, puisque tous les
véhicules sont identiques (même capacité). Dans la solution obtenue, chaque tournée peut être
effectuée par n’importe quel véhicule disponible.
La fonction objectif est la même mais les contraintes comportent deux blocs qui sont légèrement
modifiées par rapport au voyageur de commerce. Les deux contraintes d’affectation seront
scindées en deux. Une contrainte d’unicité du nombre des arcs entrant et sortant à chaque client,
mais leur nombre devient m pour le dépôt seulement.
Autrement dit, pour chaque client i
𝑛
∑ 𝑥𝑖𝑗 = 1
𝑗=1
𝑛
∑ 𝑥𝑗𝑖 = 1
𝑗=1
Alors que pour le dépôt

𝑛
∑ 𝑥1𝑗 = 𝑚
𝑗=2
𝑛
∑ 𝑥𝑖1 = 𝑚
𝑖=2

Quant aux contraintes d’élimination des sous-tours, il y a autant de formulations que des
variantes de ces contraintes. Mais elles ont la même forme que celles du voyageur de commerce,
qu’on exposera dans ce qui suit.
2.1 Formulation de (Laporte & Nobert, 1983)
C’est l’extension de la formulation DFJ du problème du voyageur de commerce. La contrainte
d’élimination des sous-tours s’écrit dans ce cas, pour toute partition S de N/{1} où |S|≥ 2
⌈∑𝑖∈𝑆 𝑞𝑖 ⌉
∑ ∑ 𝑥𝑖𝑗 ≤ |𝑆| −
𝑄
𝑖∈𝑆 𝑗∈𝑆
⌈∑𝑖∈𝑆 𝑞𝑖 ⌉
Le terme désigne le nombre d’arcs minimal qui doivent être issus de S afin d’assurer la
𝑄
satisfaction des demandes des clients existant dans la partition S.
Le principe de résolution ici est le même que celui de DFJ, à savoir, par génération de
contraintes. Afin de vérifier s’il existe une contrainte violée, il faut s’assurer qu’il n’y a pas de
sous-tour déconnecté du reste et que le total des demandes dans chaque tournée ne dépasse pas
la capacité du véhicule. Dans le cas contraire, une contrainte ayant la forme ci-dessus est
générée puis ajoutée dans le programme et celui est résolu à nouveau.
2.2 Formulation de (Kulkarni & Bhave, 1985, Kara et al., 2004))

C’est l’extension des contraintes d’élimination des sous-tours MTZ pour le problème du
voyageur de commerce. On note ici par ui le total des marchandises déjà livrées après avoir
servi le client i. Dans ce cas, s’il existe un arc entre i et j (xij=1) alors on aura sûrement 𝑢𝑗 ≥
𝑢𝑖 + 𝑞𝑗 , sinon 𝑞𝑗 ≤ 𝑢𝑗 ≤ 𝑄. On intègre ces deux aspects dans les deux contraintes suivantes :
𝑢𝑗 ≥ 𝑢𝑖 + 𝑞𝑗 − 𝑄(1 − 𝑥𝑖𝑗 ), ∀𝑖 ≠ 𝑗 ≠ 1
𝑞𝑖 ≤ 𝑢𝑖 ≤ 𝑄, ∀𝑖 ≠ 1
En développant la première contrainte, on aboutit à
𝑢𝑖 − 𝑢𝑗 + 𝑄𝑥𝑖𝑗 ≤ 𝑄 − 𝑞𝑗 , ∀𝑖 ≠ 𝑗 ≠ 1
En effet, si 𝑥𝑖𝑗 = 1, alors on aura 𝑢𝑗 ≥ 𝑢𝑖 + 𝑞𝑗 . Toutefois, si 𝑥𝑖𝑗 = 0, alors nous obtenons
𝑢𝑖 − 𝑢𝑗 ≤ 𝑄 − 𝑞𝑗
La plus petite valeur que peut prendre uj est qj, on remplace donc dans l’inégalité précédente et
on aura 𝑢𝑖 ≤ 𝑄. D’autre part, la plus grande valeur que peut prendre ui est Q, et on aboutit à
𝑢𝑗 ≥ 𝑞𝑗 , qui sont valides.
2.3 Formulation simple flot de (Gavish, 1984)

C’est une extension de la formulation de (Gavish & Graves, 1979) pour le problème du
voyageur de commerce. Dans ce cas, fij représente la charge du véhicule en marchandises restant
à livrer lorsque ce véhicule traverse l’arc (i,j).

Par suite, les contraintes d’élimination des sous-tours deviennent :
𝑛 𝑛
∑ 𝑓𝑖𝑗 − ∑ 𝑓𝑗𝑖 = 𝑞𝑖 , ∀𝑖 ∈ 𝑁
𝑗=2 𝑗=1
𝑓𝑖𝑗 ≤ 𝑄𝑥𝑖𝑗 ∀(𝑖, 𝑗) ∈ 𝐴
La première contrainte stipule que la différence de charge entre les moments quand le véhicule
entre puis sort du client i correspond à la quantité demandée par ce même client. La seconde
contrainte spécifie que la capacité du véhicule ne doit pas être dépassée.
3. Le problème de tournées avec autonomie

Dans des cas plus réalistes, les véhicules ont une autonomie limitée L qui doit être prise en
compte lors de la planification des livraisons afin de ne pas tomber en panne sèche en cours de
route.
Il y a deux variantes pour introduire cette contrainte :
3.1 MTZ
On introduit une variable vj qui désigne la distance totale parcourue depuis le dépôt par le
véhicule quand il arrive au client j.
Par analogie au raisonnement MTZ fait ci-dessus, les contraintes à ajouter sont
𝑣𝑖 − 𝑣𝑗 + (𝐿 − 𝑐1𝑗 − 𝑐𝑖1 + 𝑐𝑖𝑗 )𝑥𝑖𝑗 ≤ 𝐿 − 𝑐1𝑗 − 𝑐𝑖1 , ∀𝑖 ≠ 𝑗 ≠ 1
𝑐1𝑗 ≤ 𝑣𝑗 ≤ 𝐿 − 𝑐𝑗1 , ∀𝑖 ≠ 1
En effet, si xij=1 alors nous avons 𝑣𝑗 ≥ 𝑣𝑖 + 𝑐𝑖𝑗 . Sinon, nous avons
𝑣𝑖 − 𝑣𝑗 ≤ 𝐿 − 𝑐1𝑗 − 𝑐𝑖1 , ∀𝑖 ≠ 𝑗 ≠ 1
3.2 simple flot (Kara, 2011)

On peut exprimer la contrainte d’autonomie autrement avec la notion de simple flot. Pour cela
on définit sij positive comme étant l’autonomie kilométrique restante dans le réservoir, lorsque
le véhicule travers l’arc (i,j) (c’est-à-dire, après avoir couvert la distance depuis le dépôt
jusqu’au client j). cette grandeur peut être vue comme étant un flot qui s’écoule depuis le dépôt
jusqu’à chaque client j, donc sujet à une contrainte de conservation sur chaque client et de
capacité sur chaque arc (i,j).
La contrainte de conservation de ce flot stipule que la différence entre le total du flot qui entre
à un nœud i et celui qui en sort correspond à ∑𝑛𝑗=1 𝑐𝑖𝑗 𝑥𝑖𝑗 Autrement dit
𝑛 𝑛 𝑛
∑ 𝑠𝑗𝑖 − ∑ 𝑠𝑖𝑗 = ∑ 𝑐𝑖𝑗 𝑥𝑖𝑗 , ∀𝑖 ∈ 𝑁/{1}

𝑗=1 𝑗=1 𝑗=1
𝑠𝑖𝑗 ≤ 𝐿𝑥𝑖𝑗 ∀(𝑖, 𝑗) ∈ 𝐴

𝑠1𝑗 = 𝐿𝑥1𝑗 − 𝑐1𝑗 𝑥1𝑗 ∀𝑗 ∈ 𝑁 𝑁/{1}
La seconde contrainte est la contrainte de capacité et la troisième correspond à une initialisation.
4. Le problème de tournées avec collecte et livraison :

Dans des cas plus réalistes, les véhicules ne font pas uniquement des livraisons de marchandises
aux clients mais en collectent des produit en panne à réparer ou ayant des défauts à reprendre
dans le cadre du service après-vente. En outre, lors de la distribution des bouteilles de gaz par
un pétrolier, le véhicule livre les bouteilles pleines et récupèrent les bouteilles vides afin d’être
traitées dans le dépôt.
Par conséquent, il faut tenir compte des quantités à collecter de produits depuis les clients dans
la planification des tournées en raison de la capacité limitée du véhicule.
Afin de modéliser cette variante, on étend la formulation double flot relative au voyageur de
commerce. Pour cela, nous définissons un flot descendant f depuis le dépôt vers les clients et
un autre g ascendant dans le sens contraire. On note par pi la quantité de produits à collecter
depuis le client i.
Par analogie au problème du voyageur de commerce, les contraintes de conservation de flot et
de capacité s’écrivent dans ce cas :
𝑛 𝑛
∑ 𝑓𝑗𝑖 − ∑ 𝑓𝑖𝑗 = 𝑞𝑖 , ∀𝑖 ∈ 𝑁
𝑗=1 𝑗=1
𝑛 𝑛
∑ 𝑔𝑖𝑗 − ∑ 𝑔𝑗𝑖 = 𝑝𝑖 , ∀𝑖 ∈ 𝑁
𝑗=1 𝑗=1
La contrainte de capacité s’écrit :

𝑓𝑖𝑗 + 𝑔𝑖𝑗 ≤ 𝑄𝑥𝑖𝑗 ∀(𝑖, 𝑗) ∈ 𝐴

5. Le problème de tournées de véhicules avec flotte
hétérogène
Le transporteur dispose d’une flotte de véhicules ayant des types différents. L’ensemble des
types des véhicules est noté K. Dans la pratique la cardinalité de K n’est pas grand (la plupart
des cas trois à quatre types). Par exemple pour le transport routier, il peut exister des semi-
remorques, des camions et des camionnettes. Chaque type de véhicules a une capacité Qk et la
flotte en compte mk.
De ce fait, on adapte la formulation de flot par type 𝑘 ∈ 𝐾, comme suit :

Variables de décision :
𝑘
𝑥𝑖𝑗 =1 si le véhicule de type k travers l’arc (i,j) et vaut 0, sinon.
Fonction objectif

𝑛 𝑛
𝑘
𝑀𝑖𝑛 ∑ ∑ 𝑐𝑖𝑗 ∑ 𝑥𝑖𝑗
𝑖=1 𝑗=1 𝑘∈𝐾
Sous les contraintes

𝑛
𝑘
∑ ∑ 𝑥𝑖𝑗 = 1, ∀𝑖 ∈ 𝑁
𝑘∈𝐾 𝑗=1
Cette contrainte stipule que tout client n’est visité que par un seul véhicule
𝑛 𝑛
∑ 𝑥𝑗𝑖𝑘 𝑘
= ∑ 𝑥𝑖𝑗 , ∀𝑘 ∈ 𝐾, ∀𝑖 ∈ 𝑁
𝑗=1 𝑗=1
Celle-ci énonce que tout véhicule qui entre à un client doit en repartir
𝑛
𝑘
∑ 𝑥1𝑗 = 𝑚𝑘 , ∀𝑘 ∈ 𝐾
𝑗=2
𝑛
𝑘
∑ 𝑥𝑖1 = 𝑚𝑘 , ∀𝑘 ∈ 𝐾
𝑖=2
Ces deux dernières contraintes assurent que le nombre total des véhicules utilisés correspond à
la taille de la flotte pour chaque type. Autrement dit, le nombre d’arcs relatifs à un type sortant
du dépôt doit être égal à la taille de la flotte relative à ce type.
La contrainte de conservation de flot est similaire à celle du simple flot
𝑛 𝑛
∑ 𝑓𝑖𝑗 − ∑ 𝑓𝑗𝑖 = 𝑞𝑖 , ∀𝑖 ∈ 𝑁
𝑗=2 𝑗=1
Alors que la contrainte de capacité devient

𝑘
𝑓𝑖𝑗 ≤ ∑ 𝑄 𝑘 𝑥𝑖𝑗 ∀(𝑖, 𝑗) ∈ 𝐴
𝑘∈𝐾

Entrepôts et entreposage
1. Introduction
L’entrepôt est un élément important dans les maillons composant la chaine logistique. C’est
une rupture de charge nécessitant un déchargement des marchandises, un stockage temporaire,
planification de distribution puis chargement dans des véhicules pour le prochain maillon de la
chaîne logistique.
L’entrepôt renferme l’activité d’entreposage qui consiste en la réception des marchandises,
rangement dans des aires de stockage, puis picking des articles commandés et leur chargement
dans les véhicules appropriés.
Dans ce chapitre, nous décrivons cette activité puis nous traitons deux problématiques
importantes : l’optimisation du picking des articles et la localisation des entrepôts.
Un entrepôt, ou plus généralement appelé hub (aéroport, centre de tri postal, échangeur de trafic
urbain, routeur IP,…) est un dispositif destiné à réduire le coût de transport tout en assurant
l’acheminement depuis les sources vers les destinations. Au lieu de transporter les marchandises
en point-à-point depuis les fournisseurs jusqu’aux clients, ce qui implique un réseau de
distribution très enchevêtré et coûteux, il vaut mieux les acheminer d’abord vers un entrepôt,
préparer les commandes selon les demandes des clients puis les acheminer vers ces derniers.
2. L’intérieur d’un entrepôt

a. Equipements et organisation d’un entrepôt
(voir vidéo)
b. Processus de préparation des commandes
(voir vidéo)
3. Problème de picking des articles dans un entrepôt

(order picking problem)
Ce problème vise à optimiser le temps de collecte des articles figurant sur un bon de commande
depuis leurs emplacements disséminés dans les trois dimensions d’un entrepôt. En effet,
l’activité centrale des centres logistiques ou des entrepôts est de récupérer les articles demandés,
de les conditionner selon les demandes des clients.
Comme relaté à la section 2, l’entrepôt est organisé en rayons comme dans un supermarché.
Les articles sont placés dans des alvéoles munis d’identifiants uniques. Les articles, leurs
quantités disponibles et leurs emplacements existent et sont tenus à jour par un système de
gestion WMS (Warehouse Management System).

Muni d’un bon de commande, l’opérateur chargé de la collecte consulte les articles et leurs
emplacements affichés par ordre FIFO. Dans la plupart des cas, un article existe en plusieurs
emplacements avec des quantités différentes. L’opérateur aimerait planifier sa tournée de
collecte afin que le temps total de collecte soit minimal. En effet, dans les plateformes
logistiques, les entrepôts sont étendus sur plusieurs centaines de mètres, et les articles, par
dizaines, imposent une durée de collecte d’une demi-journée, voire une journée entière.
La figure illustre les racks disposés en vue de dessus. La figure de gauche montre les
emplacements des articles collectés peints en noir, et celle de droite, une tournée possible de
collecte (ici, l’opérateur ne peut pas traverser les rayons par la gauche ou par la droite). Les
nœuds en blanc représentent les points de changement de direction (donc points d’arrêt mais
non obligatoires).
3.1 Modélisation par les graphes
Chaque rayon est modélisé par un ensemble de nœuds et d’arcs. Un nœud est un
emplacement d’un article demandé et un arc représente un passage possible de l’opérateur
d’un emplacement vers le successif. L’arc est muni d’une distance ou d’un temps.
Etant donné que les articles sont disséminés sur plusieurs emplacements, les nœuds peuvent
être de passage obligatoire ou facultatif. En effet, si la quantité disponible de certains des
emplacements différents d’un même article dépasse la demande, alors la visite d’un seul de
ces emplacements est suffisante. Ces nœuds sont dits de « Steiner ». C’est aussi le même
type de nœuds qui représente les changements de direction des rayons.

3.2 Modélisation mathématique par programmation linéaire en nombres entiers
La planification de la tournée de collecte, s’apparente à un problème du voyageur de
commerce (on suppose ici que la capacité du véhicule de collecte est supérieure à la quantité
demandée). Toutefois, étant donné qu’il existe un certain nombre de nœuds où la visite n’est
pas exigée, le problème est appelé PVC de « Steiner ».
On note par
K: l’ensemble des articles
N : ensemble des nœuds du graphe On note par N*=N\{1}
sik :la quantité en article k dans chaque emplacement i
dij : la distance entre i et j
Qk : quantité demandée en article k
Les variables de décision sont
xij = 1 si l’opérateur passe par l’arc (i,j), 0 sinon
𝑓𝑖𝑗𝑘 : la quantité de l’article k dans le chariot lorsqu’il déplace de i vers j
yi=1 si l’opérateur s’arrete dans l’emplacement i, 0 sinon
𝑞𝑖𝑘 :la quantité en article k ramassée de chaque emplacement i
La fonction objectif
𝑛 𝑛
∑ ∑ 𝑑𝑖𝑗 𝑥𝑖𝑗
𝑖=1 𝑗=1
Les contraintes
∑ 𝑞𝑖𝑘 = 𝑄 𝑘 , ∀𝑘 ∈ 𝐾 (1)
𝑖∈𝑁
(2)
∑ 𝑓𝑖𝑗𝑘 − ∑ 𝑓𝑗𝑖𝑘 = 𝑞𝑖𝑘 , ∀𝑖 ∈ 𝑁, ∀𝑘 ∈ 𝐾
𝑗∈𝑁 𝑗∈𝑁
∑ 𝑓𝑖𝑗𝑘 ≤ 𝑥𝑖𝑗 ∑ 𝑄 𝑘 , ∀𝑖, 𝑗 ∈ 𝑁/{1}, (3)

𝑘∈𝐾 𝑘∈𝐾

𝑞𝑖𝑘 ≤ 𝑦𝑖 𝑠𝑖𝑘 , ∀𝑖 ∈ 𝑁, ∀𝑘 ∈ 𝐾 (4)
∑ 𝑥𝑖𝑗 ≥ 𝑦𝑖 , ∀𝑖 ∈ 𝑁 ∗ (5)
𝑗∈𝑁
(6)
∗
∑ 𝑥𝑖𝑗 − ∑ 𝑥𝑗𝑖 = 0, ∀𝑖 ∈ 𝑁
𝑗∈𝑁 𝑗∈𝑁
La fonction objectif a comme but de minimiser la distance parcourue lors du collecte de la

demande client.
La contrainte (1) impose que le total des quantités prélevées des emplacements pour chaque
article doit être égal à la demande du client. La contrainte (2) assure impose à la variable de flot
f d’être nulle quand la variable x est nulle. La troisième est une contrainte de conservation des
flots sur un emplacement donné pour chaque article. (Les deux contraintes (2) et (3) empêchent
l’apparition des sous tours dans les solutions).
La quatrième est une contrainte logique qui montre le fait que si l’opérateur ne visite pas
l’emplacement i alors il ne doit rien prendre de cet emplacement.
Les contraintes (5) et (6) imposent le fait que si l’opérateur visite un emplacement, il doit en
ressortir.
4. Localisation d’entrepôt
Comme l’entrepôt est destiné à simplifier et réduire le coût d’un réseau de distribution, sa
situation géographique est primordiale. Il faut déterminer la localisation d’un entrepôt par
rapport aux clients qu’il dessert et les unités de production qui l’alimentent.
Bien sûr d’autres facteurs entrent en jeu, comme l’existence de stations de transport urbain pour
les employés, zones dédiées par exemple entrepôt pour produits pétroliers ou inflammables),
proximité d’un port ou aéroport selon le mode de transport, etc.
Nous présentons ici deux méthodes connues pour la modélisation et la résolution d’un problème
de localisation où les coûts sont connus et où les facteurs qualitatifs ont été utilisés pour
délimiter des zones de situation possibles.

4.1 méthode du barycentre
cette méthode s’inspire de la détermination du centre de gravité d’un corps. Les unités de
production ainsi que les clients sont munis de poids (importance, quantités, chiffre d’affaires,
…). Connaissant leurs coordonnées, on peut ainsi déterminer les coordonnées d’un entrepôt
afin qu’il se situe au barycentre des unités qui l’alimentent et les points qu’il dessert.
Soit xi et yi les coordonnées de l’unité i (longitude et latitude ou abscisse et ordonnée sur une
carte graduée), et pi sa pondération. Les coordonnées x et y de l’entrepôt seront alors
∑𝑖 𝑝𝑖 𝑥𝑖
𝑥=
∑𝑖 𝑝𝑖
et
∑𝑖 𝑝𝑖 𝑦𝑖
𝑦=
∑𝑖 𝑝𝑖
L’inconvénient de cette méthode est qu’elle est très approximative et n’est utilisée que dans les
cas où les coûts et les quantités à transporter entre les unités de fabrication ne sont pas
déterminées ou qu’il s’agit de déterminer un seul entrepôt.
Toutefois si les quantités à transférer entre les unités de production et les clients sont connues,
les coûts de transfert et les coûts d’ouverture de plusieurs entrepôts sont connus et qu’il s’agit
de localiser plusieurs entrepôts au lieu d’un seul, alors on a recours à la modélisation suivante
par multiflot.
4.2 formulation d’(Ernst & Krishnamurthy, 1999)

Ce modèle a été développé dans le cadre de la conception du réseau logistique postal australien.
On se donne un ensemble de centres de collecte des lettres et des colis postaux N. Les volumes
de ces articles à transporter d’un centre de collecte i vers un autre centre j qij sont connus ainsi
que les coûts de transport unitaires cij. On note par Oi=∑𝑗∈𝑁 𝑞𝑖𝑗 le total des articles issus du
centre de collecte i
Les articles ne sont pas directement envoyés depuis la source vers la destination (transport
point-à-point trop coûteux) mais passent par des centres de tri dans lesquels les lettres et les
colis sont triés puis préparés selon les adresses source et destination. Si l’adresse de destination
relève d’un centre de collecte rattaché au même centre de tri, alors les articles sont envoyés vers
ce centre de collecte. Sinon, ils sont envoyés d’abord vers un autre centre de tri derrière lequel
est rattaché le centre de collecte destinataires, puis vers ce même centre de collecte. Chaque
centre de collecte doit être rattaché à un seul centre de tri. Transformer un centre de collecte i
en un centre de tri induit un coût Ki et chaque centre de tri a une capacité de traitement de
quantité d’articles maximale désignée par Capi.
La conception du réseau postal consiste donc à déterminer quels centres de collecte à
transformer en centres de tri (hubs) et comment transporter les articles depuis les centres de

collecte à ces centres de tri et vice versa afin d’assurer le transfert de tout le courrier avec un
coût minimal.
Variables de décision :
xih=1 si le centre de collecte i est rattaché au centre de tri h, et vaut 0, sinon. Il est à remarquer
qui si xhh vaut 1, alors le centre de collecte h est transformé en centre de tri.
𝑖
𝑓ℎ𝑘 désigne la quantité d’articles postaux relatifs au centre de collecte i qui transitent à travers
les centres de tri h et k reliés directement (arc (h,k)).
Fonction objectif : elle correspond à la minimisation du coût total composé du coût de transport
depuis les centres de collecte vers les centres de tri, le transport entre les centres de tri et
finalement les coûts de transformation d’un centre de collecte en un centre de tri.
min ∑ ∑ 𝑂𝑖 𝑥𝑖ℎ 𝑐𝑖ℎ + ∑ ∑ ∑ 𝑐ℎ𝑘 𝑓ℎ𝑘

𝑖
+ ∑ 𝐾ℎ 𝑥ℎℎ
ℎ∈𝑁 𝑖∈𝑁 ℎ∈𝑁 𝑘∈𝑁 𝑖∈𝑁 ℎ∈𝑁
Contraintes :
Chaque centre de collecte i doit être rattaché à un seul centre de tri h
∑ 𝑥𝑖ℎ = 1, ∀𝑖 ∈ 𝑁
ℎ∈𝑁
Si un centre de collecte i est rattaché à un centre de tri h alors celui-ci est créé.
𝑥𝑖ℎ ≤ 𝑥ℎℎ , ∀𝑖 ∈ 𝑁, ∀ℎ ∈ 𝑁
Pour chaque flot i (articles postaux relatifs à un centre de collecte i), on écrit l’équation de
conservation de flot afférente sur chaque centre de tri h. elle exprime le fait que le total des
articles relatifs à i et entrant à h est égal au total qui en sort.
𝑂𝑖 𝑥𝑖ℎ + ∑ 𝑓𝑘ℎ
𝑖
= ∑ 𝑞𝑖𝑗 𝑥𝑗ℎ + ∑ 𝑓ℎ𝑘
𝑖
𝑘∈𝑁 𝑗∈𝑁 𝑘∈𝑁
Contrainte de capacité : la totalité des articles entrant vers h doit être inférieure à sa capacité
∑ 𝑂𝑖 𝑥𝑖ℎ + ∑ ∑ 𝑓𝑘ℎ
𝑖
≤ 𝐶𝑎𝑝ℎ . 𝑥ℎℎ
𝑖∈𝑁 𝑖∈𝑁 𝑘∈𝑁
𝑖
Cette contrainte logique stipule que si la variable 𝑓ℎ𝑘 est non nulle alors le centre i doit être
rattaché à h
𝑖
∑ 𝑓ℎ𝑘 ≤ 𝑂𝑖 𝑥𝑖ℎ , ∀𝑖 ∈ 𝑁, ∀ℎ ∈ 𝑁
𝑘∈𝑁
Cette formulation, quoique relative à un problème postal, peut être adaptée facilement à
n’importe quel autre problème de l’industrie manufacturière ou de services pour la conception
de réseaux de transport faisant intervenir des hubs.

Travaux dirigés 1 de logistique de transport
Exercice 1 :
Donner le flot maximum et la coupe minimale de ce graphe.
Exercice 2 :
on se propose de déterminer le nombre de chemins arc-disjoints dans un réseau. Ceci permet de
sécuriser un réseau quand un tronçon tombe en panne.
En déduire une formulation qui donne le nombre des chemins nœuds-disjoints.
Exercice 3 :
La CPG achemine les minerais de phosphates depuis les mines situées au bassin minier
jusqu’aux usines de traitement se trouvant dans les zones industrielles. La chaine de transport
est composée de trois maillons. Un premier maillon constitué par des camions, propriétés de
sous-traitants, transportant les minerais entre les mines et les dépôts de la SNCFT. Puis par voie
ferrée entre les dépôts de la SNCFT, et enfin, depuis les dépôts de la SNCFT situées près des
zones industrielles vers les usines de traitement par des camions de sous-traitants.

1. Indiquer le type de la structure de cette chaîne logistique. Justifier.
2. Selon vous quels avantages présente cette chaîne par rapport au transport routier de
bout en bout.
Exercice 4 :
L’entreprise Shell-Butagaz, spécialisée dans l’emplissage et la distribution des bouteilles de gaz
à base de propane dispose d’un centre d’emplissage et d’un entrepôt à la Goulette et d’un
entrepôt à Gabès.
L’entrepôt de la Goulette est destiné à desservir les besoins des stations-service du Nord et
Centre de la Tunisie et celui de Gabès pour celles du Sud. Les bouteilles remplies à destination
des clients du Sud sont d’abord stockées temporairement à l’entrepôt de la Goulette, puis
transférées vers l’entrepôt de Gabès.
1. Donner un schéma de la chaine logistique décrite ci-dessus.
2. Préciser, en expliquant, le type (tournées ou point-à-point) des livraisons depuis les
entrepôts vers les stations-service.
3. Préciser les modes de transport dans chacun des maillons de la chaîne logistique, en
expliquant vos choix.
Exercice 5 :
1. Expliquer comment peut-on transformer le problème de flot maximum dans un graphe
entre la paire de sommets s et t afin de modéliser le problème du plus court chemin entre
une paire de sommets s et t où chaque arc (i,j) est muni de la distance dij. En donner un
programme linéaire.
2. On suppose maintenant qu’il y a des coûts de passage sur chaque nœud ki. Expliquer
comment modifier le graphe précédent afin de tenir compte des coûts de passage sur les
nœuds, en plus des distances sur les arcs.

3. Une autre méthode serait de définir la variable yi =1 si le nœud i est traversé et vaut 0
sinon. Donner une formulation linéaire alternative à la question 2 de ce problème qui
tient compte des coûts sur les sommets.

Travaux dirigés 2 de logistique et transport
Problème 1 : Problème du voyageur de commerce de Steiner

On suppose qu’une équipe commerciale compte visiter certains clients parmi plusieurs clients
potentiels. On considère que l’équipe dispose d’une journée de prospection, sort le matin et doit
rentrer le soir. Elle dispose donc d’une durée maximale de T. La visite d’un client i procure un
revenu pi. pour parcourir un arc (i,j), le temps est de tij et le coût est de cij. Noter que la matrice
des temps est sujette aux inégalités métriques.
On se propose de donner une formulation permettant de connaitre quels sont les clients à visiter
et dans quel ordre faut-il les visiter dans la limite de l’autonomie T, et ce afin de maximiser le
profit total.
Cette variante qui correspond au fait que le voyageur n’est pas obligé de visiter tous les clients
est appelée Steiner.
1. Ecrire la fonction objectif qui maximise le profit (profit=revenus-coûts)
2. On définit la variable yi=1 si le client i est visité et vaut 0, sinon. Ecrire les contraintes
d’affectation qui spécifie que si un client est visité alors il est visité une seule fois.
3. Soit ui la variable de décision qui détermine l’heure d’arrivée du voyageur de commerce
au client i. on suppose que la durée de séjour du voyageur chez un client est négligeable
devant les temps des trajets.
a. Donner les valeurs des bornes de ui. c’est-à-dire la plus petite valeur de ui de
visite d’un client i et sa plus grande valeur en fonction de c1i, ci1 et T.
(Indication : Considérer i visité immédiatement après le dépôt puis s’il est visité
en dernier juste avant de rentrer au dépôt)
b. Par un raisonnement « à la MTZ », écrire une inégalité reliant ui, uj et cij quand
xij=1.
c. De même, donner une inégalité reliant ui, uj et c1j, ci1 et T spécifiant l’écart
maximum ui-uj (en supposant visité j immédiatement après 1 et i en dernier lieu
avant de rentrer vers 1)
d. En déduire une inégalité reliant ces deux dernières dans la forme générale.
4. Ecrire la formulation complète.
Problème 2 : Problème du plus court chemin avec cycle négatif.

Le problème du plus court chemin avec des longueurs positives sur les arcs est bien connu pour
être un problème de classe P qui peut être résolu efficacement avec Dijkstra par exemple.
Toutefois, si certains arcs ont des coûts négatifs, il se peut qu’un cycle se forme et qu’on
n’aboutisse pas à la solution donnant le plus court chemin effectif.
L’algorithme de Bellman-Ford, permet de trouver un plus court chemin sans cycle-négatif ou
de trouver ce cycle sans pour autant donner le plus court chemin évitant ce cycle. Afin de le
trouver, le problème devient NP-difficile.

L’idée est alors de formuler le problème du plus court chemin qui évite les cycles. C’est-à-dire
de s’inspirer des contraints d’élimination des sous-tours du problème du voyageur de
commerce.
1. On définit la variable yi=1 si le nœud est visité et vaut 0, sinon. Ecrire les contraintes
d’affectation permettant de spécifier que le total des arcs sortant d’un nœud i vaut
exactement yi et que le total des arcs qui y entrent est égal à celui qui en sortent.
Interpréter cette contrainte.
2. On considère la formulation MTZ. Ecrire la contrainte d’élimination des sous-tours pour
chaque arc (i,j) qui permet d’éviter la formation d’un cycle.
Problème 3 : Problème du plus court chemin élémentaire.

Le commandant de bord d’un vol planifié doit déposer un plan de vol qui tient compte du fait
qu’il doit survoler certains aérodromes bien spécifiques pour aller vers sa destination. Ces
aérodromes constituent des pistes d’atterrissage de secours en cas d’une urgence qui peut se
déclarer à bord de l’avion. On note par P l’ensemble de ces aérodromes intermédiaires. En
outre, comme les couloirs aériens sont déterminés, il a un choix de routes bien définies pour
effectuer son trajet.
Toutefois, le pilote aimerait bien que la longueur totale du trajet soit minimale. En l’absence de
la contrainte de survol de ces aérodromes d’urgence, il suffit qu’il applique un algorithme de
plus court chemin (Dijkstra, par exemple) pour planifier son vol, qui est un algorithme de classe
polynomiale très efficace. Néanmoins, l’introduction de cette contrainte rend le problème NP-
difficile. Ce problème est appelé plus court chemin élémentaire.
On se propose de donner une formulation compacte linéaire de ce problème d’établissement de
plans de vol.
1. Ecrire les contraintes d’affectation pour les nœuds départ, arrivée, ceux de P et ceux qui
ne sont pas dans P.
2. Ecrire une contrainte par flot qui élimine les sous-tours
3. En déduire la formulation complète.
Problème 4 : on se donne des nœuds de télécommunication qui s’échangent du trafic tij entre
eux à travers un réseau de transmission (prendre les valeurs du Problème 1). On désire migrer
ces nœuds d’un réseau de transmission vers un nouveau compatible avec les dernières
technologies de transport optique. Afin d’éviter l’interruption des services en cours, il faut
installer un pont (sous la forme d’une fibre optique, par exemple) entre les deux réseaux et
migrer les nœuds un à un.
1. Montrer à travers deux ordonnancements de migration des nœuds que la quantité de
trafic total ayant circulé sur le pont entre les nœuds migrés et ceux non encore migrés,
le long du processus de migration, dépend de l’ordre avec lequel les nœuds sont migrés.
On essaie de minimiser ce trafic total étant donné que le pont est loué chez un opérateur
qui facture sur la base d volume total d trafic échangé.

2. S’inspirer de la formulation MTZ afin de donner une formulation qui donne l’ordre de
migration des nœuds qui minimise la capacité du pont à installer.
Problème 5 : tournées de bateaux cargos avec profondeur limite.

Un bateau cargo part d’un port initial, noté 1, chargé en (n-1) containers, fait la tournée sur les
n-1 ports où il décharge un seul container sur chacun des ports, puis revient déchargé au port 1.
Deux ports 𝑖 ∈ 𝑃 et 𝑗 ∈ 𝑃 sont séparés par une distance cij. Le port 1 est supposé avoir une
profondeur suffisante pour supporter la charge maximale du bateau.
Chaque port 𝑖 ∈ 𝑃 est sujet à une contrainte de profondeur limite notée li exprimée en nombres
de containers, supposés de même poids.
On désire modéliser ce problème avec le simple-flot qui minimise la longueur totale de la
tournée et qui respecte la contrainte de limitation de profondeur sur chaque port. Pour cela, on
adapte la formulation simple flot de (Gavish & Graves, 1979) élaborée pour le problème du
voyageur de commerce classique
1. Définir la variable de décision en simple-flot pour ce problème.
2. Ecrire la fonction objectif les contraintes d’affectation sur chaque port avec les variables
xij.
3. Ecrire l’équation de conservation de flot qui représente le fait qu’un seul container est
déchargé sur chaque port visité.
4. Ecrire, pour chaque arc (i,j), la contrainte qui respecte la limitation de profondeur à
l’entrée de chaque port et qui relie la variable de flot à xij.
Problème 6 : Voyageur de commerce avec fenêtres de temps.

Une équipe médicale prodigue des soins à domicile pour un ensemble de patients P situés dans
des villes distinctes. Les soins prodigués doivent être effectués à des horaires bien spécifiés.
C’est-à-dire que chaque patient dispose d’une fenêtre de temps d’intervention ai et bi entre
lesquels les soins doivent lui être administrés. Autrement dit, l’équipe ne doit pas soigner le
patient avant l’heure ai ni au-delà de bi. On suppose que toute paire de patients, ils n’ont pas la
même fenêtre de temps. La durée du soin chez un patient est supposée négligeable devant celle
des trajets entre les patients. Pour se rendre d’un patient 𝑖 ∈ 𝑃 vers un patient 𝑗 ∈ 𝑃, le temps
du trajet est noté cij.
On désire élaborer un programme linéaire en nombres entiers qui permet de planifier l’ordre de
visite des patients tout en minimisant le temps total de visite et en respectant les fenêtres de
temps imposés par la rigueur médicale. On adoptera la « logique » MTZ pour ce modèle.
1. Ecrire la fonction objectif et les contraintes d’affectation pour chaque patient 𝑖 ∈ 𝑃 en

fonction des variables classiques xij.
2. Soit la variable ti qui représente l’heure d’arrivée de l’équipe chez le patient 𝑖 ∈ 𝑃.
Ecrire la contrainte qui stipule que l’heure d’arrivée doit respecter les limites de la
fenêtre de temps [ai,bi].

3. Si xij=1, écrire une inégalité entre cij., ti et tj (N.B. on néglige le temps passé chez le
patient)
Si xij =0, écrire une inégalité reliant ti, tj, ai et bj qui exprime, la limite de la différence
des temps d’arrivée maximale entre deux patients i et j.
4. En déduire alors, la forme de la contrainte d’élimination des sous-tours similaire à la
contrainte de position MTZ pour le problème classique.
Problème 7 : Une entreprise de transport de gaz par pipeline compte construire un pipeline
qui relie des villes pour les alimenter en gaz naturel. On suppose que la construction d’une
conduite entre deux villes i et j est proportionnel à la distance cij séparant ces deux villes. La
soufflante du gaz existe sur un site désigné par 1. Le nombre des villes à desservir en gaz
naturel est de n-1 et la demande vaut 1 pour chaque ville.
La figure ci-dessus illustre une solution réalisable.

1. De quel problème s’agit-il (chemin ou circuit hamiltonien) ?
2. Proposer une réduction afin de le rendre compatible avec un problème connu. Qu’en
déduisez-vous quant à la complexité du problème de distribution de gaz par pipeline?
3. Donner les variables de décision,
4. Donner la fonction objectif
5. Donner les contraintes (avec le formalisme MTZ en détaillant les étapes).

Travaux dirigés 3 de logistique et transport
Exercice 1 :
Les anneaux métropolitains sont des réseaux de fibres optiques où circulent des longueurs
d’onde de différentes capacités. Ces anneaux sont rattachés tous à un site central d’où partent
les longueurs d’onde et y reviennent. Ce site central, désigné par 1, connecte les réseaux
métropolitains au réseau Internet mondial.
Le trafic internet est un ensemble de paquets IP qui partent et reviennent de et vers les nœuds
d’accès. Ces nœuds d’accès constituent les sources et les puits des demandes en paquets IP. Il
y a deux types de demandes : celle remontant (des nœuds d’accès vers le site central) et celle
descendant (du site central vers le nœud d’accès).
Le trafic (en Mb/s) remontant est de pi et celui descendant est de qi pour chaque nœud
d’accès i.
1. A quel problème connu se rapporte cet énoncé ? expliquer.
2. On suppose que les longueurs d’onde ont trois types de capacité (désigné chacun par t)
2.5, 10 et 40 Gb/s avec des coûts ct=1, 2 et 4 respectivement
a. Donner les variables de décision relatives à ce problème
b. On veut minimiser le coût total d’acquisition des longueurs d’onde. Ecrire la
fonction objectif,
c. Ecrire la formulation complète.
Exercice 2 :
L’entreprise Total Gaz désire livrer ses points de vente constitués par les stations-service
(ensemble N) dont chacune, désignée par i, demande un certain nombre de bouteilles de gaz
de qi.
L’entreprise possède une flotte de m véhicules de capacité uniforme Q et on suppose que m
est suffisant pour satisfaire toutes les stations-service. Au lieu de minimiser la distance totale
parcourue, l’entreprise désire plutôt équilibrer la charge transportée (répartir équitablement la
charge) sur les m véhicules. On adoptera la formulation de (Kulkarni & Bhave, 1985) donnée
ci-dessous où uj désigne la charge transportée par le véhicule à l’entrée du client j.
1. Soit Cmax et Cmin deux variables de décision qui désignent, respectivement, les charges
maximales et minimales sur les véhicules.
a. Exprimer l’inégalité reliant uj à Cmax,
b. Exprimer l’inégalité reliant uj à Cmin,
c. Donner la fonction objectif en fonction de Cmax et Cmin,
d. Donner la formulation complète.
2. Une nouvelle réglementation en matière d’environnement impose à l’entreprise de

minimiser les rejets de CO2 des véhicules dus au transport des marchandises. On
suppose que plus le camion est chargé plus il rejette du CO2. Par suite l’entreprise est
obligée de replanifier ses tournées de livraison selon ce nouveau critère. On suppose

donc que l’indicateur à minimiser est le produit du total de la charge du véhicule entre
deux villes i et j en bouteilles de gaz restant à livrer par la distance entre ces mêmes
villes dij.
a. selon quelle est la formulation la plus adaptée à ce nouveau contexte (Kulkarni
& Bhave, 1985) ou (Gavish, 1984)?
b. donner la fonction objectif en fonction de dij et d’une variable de décision que
vous préciserez ?
c. donner la formulation complète.
Exercice 3 : Soit un ensemble de villes N reliées par des routes sous forme d’arcs non orientés
où chaque arc (i,j) ∈ 𝐸 a un temps de parcours tij. On suppose que dij=dji. On désire localiser
un nombre minimal de stations de Protection Civile sur les villes afin que chaque ville i ∈ 𝑁
soit protégée par, au moins, une station située sur une ville adjacente j ∈ 𝑁 et que la distance
entre une ville et de la station qui la protège ne dépasse pas le temps limite D. On définit la
matrice d’adjacence aij=1 s’il existe une route entre i et j, et vaut 0, sinon.
On définit la variable zij=1 si la ville i est protégée par une station située sur la ville j.
1. Quelle est la signification de la variable zii ? En déduire la fonction objectif.

2. Exprimer la contrainte stipulant que chaque ville i ∈ 𝑁 est protégée par une station au
moins.
3. Exprimer la contrainte spécifiant qua la distance limite entre la ville à protéger i et la
station de Protection Civile sur la ville j doit être inférieure à D. Pour cela, écrire une
inégalité entre dij, zij et D qui assure que 𝑧𝑖𝑗 =0 si dij>D.
Une formulation alternative serait de définir la variable xj si la station de Protection Civile est
localisée sur la ville j. Afin d’assurer la distance limite, on dessine un nouveau graphe dérivée
du premier où bij=1 si i est adjacent à j (aij=1) et que dij≤ 𝐷.
4. Ecrire la fonction objectif en fonction de 𝑥𝑗
5. Ecrire la contrainte que chaque ville i est protégée par au moins une station en fonction
de 𝑥𝑗 et de bij
6. Pour chacune de ces deux formulations, comparer le nombre de
a. variables,
b. contraintes.
c. En déduire l’avantage de cette dernière formulation par rapport à la précédente.

Travaux dirigés 4 de logistique et de transport
Problème 1 : On considère une entreprise possédant un dépôt, désigné par 1 et doit

livrer cinq clients numérotés de 2 à 6. La capacité du véhicule est de 100 unités.
On donne la matrice des distances

1 2 3 4 5 6
1 - 28 31 20 25 34
2 - 21 29 26 20
3 - 38 20 32
4 - 30 27
5 - 25
6 -
Les demandes des clients sont les suivantes

Client Quantité
2 37
3 35
4 30
5 25
6 32
1. Résoudre le problème par l’heuristique du plus proche voisin

2. Calculer la matrice des gains pour chaque paire de clients i < j
3. Trier les paires de clients par gains décroissants.
4. Résoudre le problème de distribution par l’heuristique de Clarke & Wright.
5. Que peut-on dire de ces deux heuristiques quant à la qualité de leurs solutions ?
Problème 2 : Parcellisation des collectes et des livraisons sur plusieurs véhicules

Total Gaz possède une flotte K de m véhicules numérotés de 1 à m. C’est à dire K={1,…,
m}. Chaque véhicule k ∈ 𝐾 a une capacité de Qk. L’entreprise doit desservir un ensemble
S de stations-service en bouteilles de gaz pour collecte et livraison. Chaque station-
service 𝑖 ∈ 𝑆 demande Di bouteilles pleines et a Ci bouteilles vides à emporter.
Dans ce mode de tournées de véhicules en collecte et livraison, une station-service peut
être visitée par plus d’un seul véhicule. Autrement dit, les quantités à collecter ou à livrer

peuvent être divisées sur plusieurs véhicules au lieu d’un seul. On cherche à modéliser
ce mode par le formalisme de flot. Soit les variables de décision suivantes
 𝑥𝑖𝑗
𝑘
= 1 si le véhicule k va directement au client j après avoir visité le client i, et
vaut 0, sinon.
 𝑞𝑖𝑘 : nombre de bouteilles pleines livrées à la station 𝑖 ∈ 𝑆 par le véhicule k ∈ 𝐾.
 𝑝𝑖𝑘 : nombre de bouteilles vides collectées de la station 𝑖 ∈ 𝑆 par le véhicule k ∈
𝐾.
1. Compléter ces variables de décision par les variables de flot appropriées pour la
livraison et pour la collecte.
2. Ecrire la contrainte spécifiant que le nombre total de véhicules sortant du dépôt
ne doit pas excéder la taille de la flotte.
3. Ecrire la contrainte spécifiant que le nombre de fois qu’un véhicule k ∈ 𝐾 entre
à une station 𝑖 ∈ 𝑆, est égal à celui avec lequel il en ressort.
4. Ecrire la contrainte de conservation de flot en livraison pour chaque station-
service 𝑖 ∈ 𝑆 et chaque véhicule 𝑘 ∈ 𝐾.
5. Ecrire la contrainte de conservation de flot en collecte pour chaque station-
service 𝑖 ∈ 𝑆 et chaque véhicule 𝑘 ∈ 𝐾.
6. Ecrire la contrainte de satisfaction des demandes en livraison, c’est-à-dire, que le
total des quantités livrées à une station-service 𝑖 ∈ 𝑆 sur les véhicules doit être
égal à sa demande en bouteilles pleines.
7. Ecrire la contrainte de satisfaction des demandes en collecte, c’est-à-dire, que le
total des quantités collectées d’une station-service 𝑖 ∈ 𝑆 sur les véhicules doit
être égal à sa demande en bouteilles vides.
8. Ecrire la contrainte de capacité pour chaque véhicule 𝑘 ∈ 𝐾 et pour chaque route
directe (i,j).
Problème 3 : Conception d’un réseau de distribution de gaz par pipeline
Une entreprise de distribution de gaz naturel doit satisfaire un ensemble de clients 𝑖 ∈ 𝐶

en leur demande de gaz qi. Cette entreprise dispose de plusieurs soufflantes, placées
dans une station de compression notée par 1, et qui compriment le gaz et le soufflent
dans un ensemble de conduites désignées par pipelines. A chaque passage par un client
i, la demande qi est déduite (retranchée) du débit Q assurée par la soufflante. On désire
concevoir le réseau de conduites afin de satisfaire les clients au moindre coût. Le coût
est composé de celui d’achat des soufflantes (supposées ayant la même capacité Q de
compression) et celui des conduites à réaliser entre les clients suivant des lignes
parcourant les clients (voir figure ci-dessous représentant une solution réalisable). La
construction d’une conduite reliant deux nœuds i et j coûte cij. Une soufflante coûte K.
On suppose qu’il n’y a pas de limite de distance de la soufflante.

1
Le nœud triangulaire désigne l’emplacement des soufflantes. Chaque soufflante pousse

le gaz naturel dans l’une des conduites parcourant les clients. Chaque nœud rond est un
client. Les lignes représentent les conduites pouvant être construites pour relier les
soufflantes aux clients.
1. Expliquer comment ramener le problème à un problème de tournées de véhicules
à flotte homogène classique en décrivant le graphe, le dépôt et les véhicules.
(Indication : penser à ajouter un nœud virtuel t distinct du dépôt 1 dont précisera
la relation avec les nœuds clients).
2. Donner la fonction objectif minimisant le coût des soufflantes installées et le coût
total de construction des conduites.
3. Donner une formulation de votre choix (variables de décision et contraintes)
permettant de satisfaire les demandes de chaque client par un seul pipeline
(comme indiqué dans la figure) et que la capacité de chaque soufflante ne soit
pas dépassée.
Problème 4 : Regroupement de livraison de marchandises aux clients

Une entreprise livre ses clients (dans un ensemble 𝐽) durant la semaine, subdivisée en
journées 𝑡 ∈ {1,2, … , 5}. Chaque client 𝑗 demande une quantité de marchandise 𝑞𝑗 à une
certaine journée 𝑑𝑗 (1 ≤ 𝑑𝑗 ≤ 5). Toutefois, un client 𝑗 permet à ce que la livraison de sa
quantité demandée soit parcellisée sur plusieurs journées antérieures à 𝑑𝑗 , de façon à ce que le
total livré soit égal à la quantité demandée 𝑞𝑗 .
Disposant d’une flotte de m véhicules homogène de capacité 𝑄, l’entreprise cherche à définir

une politique de livraison de moindre distance totale. C’est-à-dire, pour chaque journée 𝑡, quel
client à livrer avec quelle quantité 𝜙𝑗𝑡 . La distance séparant i à j est de 𝑐𝑖𝑗 . Le dépôt est désigné
par 1.
𝑡
Soit la variable de décision 𝑥𝑖𝑗 = 1 quand le véhicule va directement de 𝑖 vers 𝑗 à la journée 𝑡
et vaut 0, sinon.

1. Ecrire la fonction objectif qui minimise le total de la distance parcourue par les véhicules
durant toute la semaine.
2. Ecrire la contrainte spécifiant que le nombre total de véhicules utilisés durant la journée
𝑡 ∈ {1, … ,5} doit être inférieur à m.
3. Ecrire la contrainte spécifiant que, pour chaque client 𝑗 ∈ 𝐽 et à chaque journée 𝑡 ∈

{1, … , 5}, le nombe d’arcs entrant à et sortant de 𝑗 sont égaux.
4. Ecrire la contrainte stipulant qu’un client 𝑖 ∈ 𝐽 est visité par un seul véhicule durant la
journée 𝑡 ∈ {1, … , 5}
5. On considère le formalisme simple flot. En définissant une variable de flot appropriée,

et en utilisant la variable 𝜙𝑗𝑡 écrire l’équation de conservation de flot pour chaque client
𝑖 ∈ 𝐽 et chaque journée 𝑡 ∈ {1, … , 5}.
6. Ecrire la contrainte de satisfaction de la demande d’un client 𝑗 ∈ 𝐽, c’est-à-dire que le

total des quantités livrées sur les journées 𝑡 ∈ {1, … , 𝑑𝑗 } doit être égal à la quantité
demandée 𝑞𝑗 .
7. Ecrire la contrainte de capacité d’un véhicule pour chaque route (i, j) et chaque
journée 𝑡 ∈ {1, … , 5}.
8. On suppose maintenant que tous les clients exigent que la quantité demandée 𝑞𝑗 ne soit
plus parcellisée et que sa livraison soit faite en une seule fois à la date qu’ils
préconisent 𝑑𝑗 .
a. Quel problème plus simple reconnaissez-vous ?
b. Expliquer alors comment planifier la tournée quotidienne de livraison pour
chaque jour 𝑡 ∈ {1, … , 5} ?
c. Intuitivement (on ne demande pas de calculs), quel est le scénario le plus
avantageux pour l’entreprise en termes de coût de livraison : avec parcellisation
ou sans parcellisation) ?
Problème 5 : Modélisation d’un problème de livraison avec flotte hétérogène en MTZ.

Une entreprise dispose d’une flotte de véhicules hétérogènes stationnés au dépôt noté
par 1. Un véhicule 𝑘 ∈ 𝐾 possède une capacité de 𝑄𝑘 . Chaque client 𝑖 ∈ 𝑁/{1} requiert
une quantité de marchandise 𝑞𝑖 .
On définit les variables de décision suivantes :
 𝑥𝑖𝑗
𝑘
= 1 si le véhicule k va directement au client j après avoir visité le client i, et
vaut 0, sinon.
 𝑦𝑖𝑘 = 1 si le client i est servi par le véhicule k et vaut 0, sinon.

 𝑢𝑖𝑘 : total des marchandises livrées depuis le dépôt par le véhicule k jusqu’à après
avoir servi le client i.
𝑘
1. Donner une égalité entre 𝑥𝑖𝑗 et 𝑦𝑗𝑘 pour chaque client i et pour chaque véhicule
k.
𝑘
2. Soit un arc (i,j) et un véhicule k donnés, est-ce que 𝑥𝑖𝑗 = 0 implique 𝑦𝑗𝑘 = 0?
Justifier.
3. Soit un arc (i,j) et un véhicule donnés k, Que vaut 𝑦𝑗𝑘 quand 𝑥𝑖𝑗𝑘
=1 ?
4. Donner une contrainte qui impose qu’un client donné i est servi par un seul
véhicule parmi ceux disponibles de la flotte.
5. Quelle valeur prend 𝑢𝑖𝑘 quand 𝑦𝑖𝑘 = 0?
6. Ecrire une inégalité entre 𝑢𝑖𝑘 , 𝑢𝑗𝑘 et 𝑞𝑗 lorsque 𝑥𝑖𝑗
𝑘
=1.
7. En déduire alors, à travers un raisonnement à la MTZ, que les contraintes
d’élimination des sous-tours dans le cas d’une flotte hétérogène, sont :
𝑢𝑖𝑘 − 𝑢𝑗𝑘 + 𝑄 𝑘 𝑥𝑖𝑗
𝑘
≤ 𝑄 𝑘 − 𝑞𝑗 𝑦𝑗𝑘 ∀𝑖, 𝑗 ∈ 𝑁/{1}, ∀𝑘 ∈ 𝐾
𝑞𝑗 𝑦𝑗𝑘 ≤ 𝑢𝑗𝑘 ≤ 𝑄 𝑘 ∀𝑗 ∈ 𝑁/{1}, ∀𝑘 ∈ 𝐾
Problème 6 : La Poste Tunisienne possède un réseau de centres de collecte des lettres et

colis à acheminer depuis les expéditeurs jusqu’aux destinataires. La demande depuis le
centre de collecte i vers celui j est de dij Elle compte sélectionner des centres de collectes
pour les transformer en centres de tri (hubs). Des machines de tri automatiques seront
installées sur chaque centre de tri qui ne traite que les lettres et colis destinés à des
centres de collecte qui sont reliés à d’autres centres de tri. Les lettres et colis émanant et
destinés aux centres de collectes reliés à ce même centre de tri ne sont pas traités par
cette machine. La capacité de traitement d’une machine est de C. On suppose que le coût
d’achat de la machine domine tous les autres coûts (c’est-à-dire on ne considère que le
coût d’achat des machines dans la fonction objectif).
Proposer une formulation qui minimise le coût total des machines installées sur les
centres de tri (variables, fonction objectif et contraintes) qui permet de
1. satisfaire toutes les demandes,
2. chaque centre de collecte est rattaché à un seul centre de tri
3. le nombre des centres de tri créés ne doit pas dépasser un nombre donné p
4. la capacité de chaque machines n’est pas dépassée

Problème 7 :
Un réseau postal d’acheminement de courrier comprend des centres de collecte et des
centres de tri (ou hubs). Un centre de collecte recueille le courrier et le transfère au
centre de tri postal auquel il est rattaché. Celui-ci redirige le courrier, sur la base des
adresses, soit vers les centres de collecte destinataires s’ils sont rattachés à lui, soit vers
d’autres centres de tri qui, à leur tour, le réachemine vers les centres de collecte
destinataires relevant de leur zone géographique. On suppose que les centres de tri
postaux sont connus et on désigne par H l’ensemble de ces centres de tri (N.B. on ne
cherche pas à transformer certains centres de collecte en centres de tri). Les centres de
collecte sont dans l’ensemble N. La capacité actuelle de traitement d’un centre de tri en
courrier total entrant est notée Ch. La distance entre un centre de collecte i et celui de tri
h est notée par 𝑑𝑖ℎ .
On constate que la matrice de trafic du courrier entre les centres de collecte a augmenté
conduisant à une saturation des capacités des centres de tri. On note par qij la quantité
de courrier à transporter depuis i vers j.
Une nouvelle contrainte de distance est à considérer. En effet, la distance ne doit pas
dépasser une valeur limite D entre un centre de collecte 𝑖 ∈ 𝑁 et un centre de tri ℎ ∈ 𝐻
pour un possible rattachement.
L’objectif est de déterminer un nouveau rattachement des centres de collecte aux centres
de tri déjà existants et une extension des capacité de ces mêmes centres de tri afin de
satisfaire la nouvelle matrice de trafic du courrier qij, la contrainte de distance et la
capacité des centres de tri en minimisant le nombre total des capacités supplémentaires
à installer sur les centres de tri existants.
1. On définit la variable de décision 𝑧𝑖ℎ = 1 si le centre de collecte i est rattaché au
centre de tri h et vaut 0, sinon. Ecrire une inégalité reliant 𝑧𝑖ℎ , 𝑑𝑖ℎ et D.
2. Ecrire la contrainte de capacité spécifiant que la quantité de courrier entrant vers
un centre de tri h ne doit pas dépasser sa capacité totale (en capacité déjà existante
et celle supplémentaire à déterminer).
3. Ecrire la contrainte spécifiant que tout centre de collecte i est rattaché à un seul
centre de tri.
4. Ecrire la fonction objectif qui minimise le nombre des capacités supplémentaires
à installer sur les centres de tri.
5. Ecrire la contrainte d’acheminement de courrier depuis un centre de collecte i
expéditeur via le centre de tri h (conservation de flot).

Cours Logistique Et Transport

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Logistique Et Transport

Transféré par

Droits d'auteur :

Formats disponibles

République Tunisienne

Ministère de l’Enseignement Supérieur et de la Recherche

Cours Logistique et transport

Transport et logistique 3ème G.Indus 1 Ali Balma

Transport et logistique 3ème G.Indus 2 Ali Balma

Chaque mode se différencie essentiellement par le volume des marchandises

Transport et logistique 3ème G.Indus 3 Ali Balma

Transport et logistique 3ème G.Indus 4 Ali Balma

3. Structure d’une chaine de distribution :

 En râteau : transport depuis l’usine jusqu’à un entrepôt puis éclatement du transport

Figure 2 : structures de la chaine logistique externe

Transport et logistique 3ème G.Indus 5 Ali Balma

Transport et logistique 3ème G.Indus 6 Ali Balma

2. Problème de simple flot

Transport et logistique 3ème G.Indus 8 Ali Balma

 Et pour tout nœud i intermédiaire 𝑖 ≠ 𝑠 et 𝑖 ≠ 𝑡, cette même contrainte de conservation

 Pour chaque arc (𝑖, 𝑗) ∈ A, La contrainte de capacité est

 Contraintes de signe sur les variables

Transport et logistique 3ème G.Indus 9 Ali Balma

∑ 𝛿𝑖𝑗𝑝 𝑓𝑝 ≤ 𝑐𝑖𝑗 , ∀(𝑖, 𝑗) ∈ 𝐴

2.2 Résolution par l’algorithme de Ford-Fulkerson

Transport et logistique 3ème G.Indus 10 Ali Balma

𝑀𝑖𝑛 ∑ 𝑐𝑖𝑗 𝜇𝑖𝑗

Sous les contraintes

Transport et logistique 3ème G.Indus 11 Ali Balma

Transport et logistique 3ème G.Indus 12 Ali Balma

 𝑓𝑖𝑗𝑑 : la valeur du flot de la demande d circulant sur l’arc (i,j)

min ∑ 𝐾𝑖𝑗 𝑐𝑖𝑗

 Et pour tout nœud i intermédiaire 𝑖 ≠ 𝑠𝑑 et 𝑖 ≠ 𝑡𝑑 et chaque demande d, cette même

 Pour chaque arc (i, j) ∈ A, La contrainte de capacité est

∑ 𝜇𝑖𝑗 𝑐𝑖𝑗 ≥ ∑ 𝑄𝑑 𝑙𝑑∗ (𝜇𝑖𝑗 )

Transport et logistique 3ème G.Indus 13 Ali Balma

Transport et logistique 3ème G.Indus 14 Ali Balma

2. Description formelle du problème :

3. Formulation linéaires usuelles

Transport et logistique 3ème G.Indus 15 Ali Balma

Ces deux contraintes, sont appelées les contraintes d’affectation.

Transport et logistique 3ème G.Indus 16 Ali Balma

3.2 Formulation de Miller-Tucker-Zemlin (MTZ, 1960)

3.3 Formulation simple flot de Gavish (1979)

𝑓𝑖𝑗 ≤ (𝑛 − 1)𝑥𝑖𝑗 ∀(𝑖, 𝑗) ∈ 𝐴

Transport et logistique 3ème G.Indus 17 Ali Balma

3.4 Formulation double-flots (Finke, Claus & Gunn, 1983)

𝑓𝑖𝑗 + 𝑔𝑖𝑗 = (𝑛 − 1)𝑥𝑖𝑗 ∀(𝑖, 𝑗) ∈ 𝐴

Problème 1 : planification de la production avec temps de changement d’outils.

Transport et logistique 3ème G.Indus 18 Ali Balma

Transport et logistique 3ème G.Indus 19 Ali Balma

Transport et logistique 3ème G.Indus 20 Ali Balma

Alors que pour le dépôt

Transport et logistique 3ème G.Indus 21 Ali Balma

2.2 Formulation de (Kulkarni & Bhave, 1985, Kara et al., 2004))

En effet, si 𝑥𝑖𝑗 = 1, alors on aura 𝑢𝑗 ≥ 𝑢𝑖 + 𝑞𝑗 . Toutefois, si 𝑥𝑖𝑗 = 0, alors nous obtenons

2.3 Formulation simple flot de (Gavish, 1984)

Transport et logistique 3ème G.Indus 22 Ali Balma

𝑓𝑖𝑗 ≤ 𝑄𝑥𝑖𝑗 ∀(𝑖, 𝑗) ∈ 𝐴

3. Le problème de tournées avec autonomie

En effet, si xij=1 alors nous avons 𝑣𝑗 ≥ 𝑣𝑖 + 𝑐𝑖𝑗 . Sinon, nous avons

3.2 simple flot (Kara, 2011)

∑ 𝑠𝑗𝑖 − ∑ 𝑠𝑖𝑗 = ∑ 𝑐𝑖𝑗 𝑥𝑖𝑗 , ∀𝑖 ∈ 𝑁/{1}

𝑠𝑖𝑗 ≤ 𝐿𝑥𝑖𝑗 ∀(𝑖, 𝑗) ∈ 𝐴

Transport et logistique 3ème G.Indus 23 Ali Balma

La seconde contrainte est la contrainte de capacité et la troisième correspond à une initialisation.

4. Le problème de tournées avec collecte et livraison :