Optimisation et Simulation des opérations portuaires dans un terminal à conteneurs

Abstract

Tout au long de cette thèse, nous nous sommes focalisés sur les problèmes de gestion portuaire qui impactent légèrement la productivité d’un terminal à conteneurs. L’étude que nous avons menée se base sur l’historique des travaux existants dans la littérature, soit en utilisant les données réelles de notre port d’étude, ou encore en utilisant une base de données qui contient l’historique des arrivés/départs des navires, ce qui nous a conduit à sélectionner trois problèmes majeurs dans un terminal à conteneurs : le problème de transfert des conteneurs par les véhicules de transfert interne des conteneurs, le problème d’allocation d’espace de stockage et le problème de la gestion de la cour de stockage, pour lequel nous avons fait appel aux deux premiers problèmes étudiés. Pour les trois problèmes traités, nous avons profité des mesures faites sur le terrain, aussi bien que des données issues de la base de données de notre port d’étude. Par ailleurs, l’utilisation des nouvelles plateformes existantes s’avère aussi intéressante pour la validation du modèle mathématique proposé (Système de gestion Maritime, Marin Traffic…). Nous avons réalisé une étude approfondie de la littérature afin de proposer une nouvelle modélisation mathématique, et des approches de résolution. Enfin les solutions ont été validées grâce au couplage de l’optimisation et de la simulation. Les objectifs de cette thèse consistent à offrir un plan de stockage optimisé pour aider les planificateurs de zones de stockage dans leurs tâches, et ensuite améliorer la productivité d’un terminal maritime, en rationalisant l’utilisation des équipements que ça soit les véhicules de transport interne ou les grues de cour, et finalement définir des itinéraires optimaux pour chaque véhicule pour la réussite des missions qui lui sont affectées. Les modèles mathématiques développés ont été validés et résolus premièrement par une méthode exacte (méthode de séparation et évaluation : Branch & Bound) et puis par des méthodes heuristiques (Bin Packing, Savings…) et enfin par des méta-heuristiques (Algorithme génétique, l’algorithme de colonie de fourmis, et une hybridation entre l’Algorithme Génétique et le Recuit Simulé). Les valeurs des variables de décisions, sont les entrées de notre modèle de simulation, pour montrer l’efficacité des approches proposées. Un cas pratique a été présenté dans le dernier chapitre pour le transfert et le stockage des conteneurs vides dans une aire de stockage appropriée.