En juin 2016, des inondations dans la province du Hubei, en Chine, ont mis hors service trois des sept centres de collecte exploités par Hubei NE Biofuel Company, perturbant l’ensemble du réseau logistique et entraînant des pertes estimées à 7,7 millions de dollars. Ce type d’événement se trouve dans l’angle mort des approches conventionnelles de planification des chaînes d’approvisionnement en biomasse, lesquelles partent du principe que les sites de collecte restent opérationnels durant tout leur cycle de vie. Lié à la forte saisonnalité des ressources agricoles, avec des rendements automnaux quatre fois supérieurs aux rendements hivernaux dans le Hubei, le risque de défaillance menace directement la viabilité économique des projets de valorisation énergétique de la biomasse. 

Pour répondre à ces défis, les auteurs ont développé un modèle d’optimisation non linéaire en nombres entiers mixtes, multi-périodes et à trois échelons qui définit simultanément l’emplacement optimal des centres de collecte, les décisions d’approvisionnement en biomasse, les flux de transport, les niveaux de stockage ainsi que les stratégies vis-à-vis des installations de secours. La formulation prend explicitement en compte la disponibilité saisonnière de la biomasse et les risques de défaillance des installations à travers des mécanismes d’affectation axés sur la fiabilité et des contraintes probabilistes, permettant ainsi de concevoir des réseaux d’approvisionnement résilients. 

Le modèle d’optimisation a été implémenté sous AMPL et résolu avec Artelys Knitro en utilisant ses paramètres par défaut. Appliqué à un cas réel de chaîne d’approvisionnement en biomasse dans la province du Hubei, comprenant 35 zones d’approvisionnement, 20 sites candidats, 5 bioraffineries et 4 saisons, et reposant sur des données opérationnelles fournies par Hubei NE Biofuel Company, le modèle optimisé a identifié un réseau de huit centres de collecte assortis de stratégies de secours améliorant significativement la résilience du système.

Comparé aux approches traditionnelles de planification ne tenant pas compte de ces aléas, cette approche a permis de réduire les coûts attendus de la chaîne d’approvisionnement de 6,56 millions de dollars à 5,65 millions de dollars (-14%), tout en garantissant un approvisionnement fiable des bioraffineries en biomasse face à différents scénarios de défaillance des installations. Les résultats montrent également qu’une fois le stockage et la structure multi-échelons pris en compte, affecter systématiquement les fournisseurs à l’installation la plus proche n’est pas toujours la meilleure solution. Cette conclusion n’a pu être obtenue qu’en résolvant la formulation complète non convexe avec contraintes probabilistes à l’aide d’Artelys Knitro, plutôt qu’en recourant à une approximation du problème. 

Auteurs: Zhixue Liu (Huazhong University of Science and Technology), Shukun Wang (Huazhong University of Science and Technology), Yanfeng Ouyang (University of Illinois at Urbana-Champaign).