Integrated Inventory Routing for Circular Supply Chains

1. Contexte et objectifs

Le réemploi des bouteilles en verre constitue un levier majeur de l’économie circulaire, mais son avantage environnemental est conditionnel et dépend de paramètres tels que le nombre de réutilisations, les distances de transport, le taux de retour, la masse du contenant et l’organisation logistique (collecte–tri–lavage) [1,2]. Les travaux d’ACV récents confirment l’importance de contextualiser les évaluations (analyses de sensibilité, scénarios) afin d’identifier les points de bascule où le réemploi devient préférable à l’usage unique, et de traduire ces enseignements dans des décisions opérationnelles (standardisation, massification, maillage territorial, synchronisation des flux) [3,4].
Au plan méthodologique, la littérature en logistique inverse et chaînes logistiques en boucle fermée appelle des cadres intégrés couplant conception de réseau en incertitude, planification capacitaire et routage « pick-up & delivery » avec objectifs coût–carbone–service [5,6,7]. Dans ce contexte, une approche multi-échelons est nécessaire pour faire le lien entre décisions stratégiques (localisation–dimensionnement), tactiques (S&OP des retours, buffers de bouteilles lavées par format) et opérationnelles (tournées synchronisées avec le lavage), tout en s’ancrant dans des référentiels ACV reconnus pour objectiver les compromis environnementaux [1,3,4].
L’objectif de la thèse est de concevoir, intégrer et expérimenter un cadre d’optimisation multi-échelons pour orchestrer la boucle du réemploi du verre. Concrètement, il s’agit :

• de formuler et résoudre un problème de conception de réseau (localisation–allocation–dimensionnement des entrepôts de tri et de lavage) sous incertitude, via la programmation stochastique avec des objectifs coût–émission–service ;
• de développer des méthodes d’optimisation pour une planification intégrée des décision tactiques et opérationnelles. Il s’agit d’inclure à la fois les décisions de stockage (stocks tampons par format et règles de mutualisation) et de routage (tournées de véhicules de collecte avec fenêtres temporelles) synchronisé avec les créneaux de lavage et les contraintes de ressources ;
• d’évaluer les solutions obtenues via une analyse multicritère alignée sur les référentiels ACV (indicateurs compatibles avec les cadres mobilisés dans [1–4]) afin d’objectiver les bénéfices environnementaux et opérationnels.

Questions de recherche :

1. comment concevoir un réseau multi-échelons sous incertitudes de retours et de demande de bouteilles lavées, en optimisant simultanément coût, émissions et service ?
2. quelles politiques tactiques (fenêtres de collecte, pooling, stocks tampons de bouteilles lavées par format, plans de lavage) minimisent les kilomètres-véhicule, les émissions et les ruptures ?
3. quels algorithmes opérationnels (tournées de véhicules avec ramasses et livraisons, fenêtres temporelles, synchronisation avec les créneaux de lavage) sont performants et transférables à l’échelle régionale ?

2. Verrous scientifiques

Un premier verrou tient à la variabilité multi-sources des retours : taux de retour dépendants du territoire, de la saison et des canaux de vente ; mix de formats de bouteille ; délais de retour et qualité de retour. Ce contexte exige des modèles d’estimation et de prévision (agrégats spatio-temporels, modèles d’apprentissage) et des modèles de planification sous incertitude (stochastique et robuste) intégrant l’incertitude structurelle sur les volumes et la composition des flux.
Un deuxième verrou concerne la conception conjointe du réseau et des politiques de mutualisation sous contraintes de capacités finies des lignes de lavage (cycle long, contrôles) et de standardisation (formats, étiquettes lavables). Il s’agit de résoudre un problème de localisation–allocation multi-objectif couplé à des décisions de dimensionnement et à des règles d’acceptation, avec arbitrages coût–émission–service.
Un troisième verrou est la synchronisation collecte–lavage–re-livraison : l’ordonnancement des arrivées aléatoires de bouteilles à laver et des départs de palettes propres impose des contraintes d’alignement temporel et de ressources (quais, palettisation), qui appellent des modèles couplés ordonnancement–flux.
Enfin, la planification opérationnelle requiert des algorithmes capables de résoudre des problème de tournées de véhicules (Vehicle Routing Problem VRP) avec ramasses et livraisons et fenêtres temporelles avec objectifs environnementaux ; des métaheuristiques, potentiellement hybridées avec des techniques de décomposition ou d’acceptation stochastique, seront privilégiées.