Towards the conception of a Supply Chain efficient and sustainable in the Aeronautic industry - Airbus case study

Vers la conception d'une Supply Chain efficiente et durable dans l'industrie aéronautique - Etude de cas chez Airbus L’industrie aéronautique est caractérisée par des cadences de production faibles par rapport à d’autres industries comme l’industrie automobile par exemple. Comme conséquence, les donneurs d’ordres sont souvent en position de faiblesse vis à vis de ces fournisseurs cars ils représentent une faible part du marché pour la plupart des fournisseurs. Ceci a pour résultat un réseau logistique contraignant. De plus, dans plusieurs compagnies dans cette industrie, le transport est géré par les fournisseurs et il n’y a pas de visibilité sur les opérations de transport. Ceci a pour résultat, une chaîne d’approvisionnement qui n’est pas optimisée globalement. Dans ce contexte, l’objectif de cette thèse est de développer des outils d’optimisation et de modélisation qui permettent de supporter la conception de la chaîne d’approvisionnement entrante dans l’industrie aéronautique et des industries similaires en minimisant les coûts logistiques et en réduisant les émissions de CO2. Airbus Helicopters (AH) est une division d’Airbus, leader mondial dans l’industrie aéronautique. Le lancement d’une nouvelle gamme d’hélicoptères a été l’opportunité de transformer les processus de conception de la chaîne logistique entrante. En prenant en compte le projet de transformation d’AH et l’objectif de cette thèse, nous avons conduit une étude de cas chez AH. Premièrement nous avons analysé la chaîne d’approvisionnement actuelle entrante d’AH. Cette analyse nous a permis d’identifier 4 axes d’optimisation pour notre cas: Optimisation des tailles des lots transportés, choix des moyens de transport, cross-docking et mise en place de tournées du laitier. Dans la première partie de ce projet, nous avons développé un modèle d’optimisation par axe d’optimisation dans l’objectivf de minimiser le coût total, sans intégrer la dimension durable de façon explicite. En utilisant ces modèles nous avons développé une solution de chaîne d’approvisionnement efficiente pour AH. Comme résultat, en optimisant les tailles des lots transportés, en mettant en place un cross-dock à Toulouse et en mettant en place un cross-dock à New York avec un transport multimodal « route-mer-route » entre New York et l’entrepôt à Albacete, le coût total et les émissions de CO2 peuvent être réduits de 46% et 47% respectivement. Dans la dernière partie de cette thèse, nous avons intégré explicitement la dimension durable dans le modèle de placement de cross-docks et nous avons également étudie la relocalisation des fournisseurs américains, le transport routier électrique et la livraison par des drones. Comme résultat, en optimisant les tailles des lots transportés, en mettant en place un cross-dock à Paris avec un transport multimodal « rail-route» entre Paris et Albacete et en mettant en place un cross-dock à New York avec un transport multimodal « route-mer-route » entre New York et Albacete le coût et les émissions de CO2 peuvent être réduits de 41% et de 56% respectivement. En relocalisant les fournisseurs canadiens et américains à Paris, en optimisant les tailles des lots transportés et en mettant en place un cross-dock à Paris avec un transport multimodal « rail-road » entre Paris et Albacete le coût total et les émissions peuvent être réduits de 44% et 63% respectivement. Finalement, à l’aide d’une analyse de la littérature, nous avons montré que dans le cas d’AH l’électrification du transport routier pourrait éliminer les émissions liées à la combustion du carburant pour les véhicules légers et pourrait réduire de 33% les émissions de CO2 pour les camions de gros/moyen tonnage. Concernant la livraison par drones, nous avons conclu que la mise place de cette solution pourrait réduire potentiellement les émissions de CO2 de 0.005%, ce qui est négligeable par rapport l’effort de mise en œuvre demandé.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.