Rolling-Horizon Optimization of Operations for Corridor-Based M1M Transportation Systems

Cette étude se concentre sur la planification opérationnelle d'un système de transport basé sur la consolidation dans le contexte d'un système Many-to-One-to-Many (M1M). Nous travaillons sur le cas particulier d'un système M1M dans lequel le réseau comporte un seul segment. Dans ce système, les demandes des différents expéditeurs doivent être consolidées pour être transportées par les offres sélectionnées des transporteurs pour minimiser le coût total de toutes les parties prenantes impliquées. Pour ce faire, des modèles de planification opérationnelle ont été conçus afin de prendre les décisions optimales de sélection des offres et d'affectation des demandes aux offres. Dans cette étude, nous considérons deux stratégies pour le processus de prise de décision. La première stratégie est myope et les décisions sont prises exclusivement sur la base des informations connues et disponibles aujourd'hui sans tenir compte de l'avenir, tandis que la seconde est prospective et prend en compte les informations connues et futures. L'objectif est de montrer l'intérêt d'utiliser le modèle qui utilise les informations futures (modèle "look-ahead") par rapport au modèle "myope" dans ce contexte. Comme nous ne pouvons pas mettre en œuvre les modèles mathématiques et observer le système réel, nous créons un environnement artificiel par le biais d'une simulation informatique. Par conséquent, nous sommes en mesure d'observer comment le système fonctionne en définitive, les politiques étant les règles qui définissent dans quelle mesure les décideurs sont autorisés à modifier leurs décisions antérieures en fonction des nouvelles informations. Tel qu'indiqué auparavant, nous considérons deux stratégies pour la prise de décision. La première consiste à tirer parti de l'approche à horizon mobile proposée, en simulant les opérations jour après jour à l'aide des modèles d'optimisation pour prendre des décisions au fur et à mesure que le temps passe. La seconde stratégie s'appuie sur la résolution d'un modèle multi-période qui exploite des prévisions sur les demandes et offres de service sur un horizon donné. Les résultats obtenus par les expériences de calcul montrent que la résolution du modèle multi-période serait plus bénéfique et pourrait augmenter la rentabilité de l'ensemble du système grâce à la consolidation et à l'utilisation plus efficace des offres de capacité des transporteurs.

Abstract

This study focuses on the operational planning of a consolidation-based transportation system that happens in the context of the Many-to-One-to-Many (M1M) system. We work on the special case where the M1M system consists of a single-segment network. In this system, the requests from different shippers must be consolidated into the selected offers of the carriers to minimize the total cost of all involved stakeholders. To do so, operational planning models are designed to make the optimal decisions when selecting the offers and request-to-offer assignments. In this study, we consider two strategies for the decision-making process. The first strategy is myopic: decisions are made based exclusively on the known information available now without considering the future. The second strategy is a “look-ahead” one, which takes into account both known and future information. The aim is to show the value of using the look-ahead model that uses future information compared to myopic model for this context. Since we cannot implement the mathematical models and observe the real system, we create an artificial environment, which is done through a computer simulation. Therefore, we are able to observe how the system eventually works with a policy as the rules that defines how much the decision makers are allowed to change their previous decisions given the new information. As indicated earlier, we are considering two strategies for decision-making. Taking advantage of the proposed rolling-horizon approach, we simulate the operations day after day using the optimization models to make decisions as time advances. The results obtained by carrying out the computational experiments show that solving the multi-period model would be more beneficial compare to the myopic model and it can increase the profitability of the whole system because it achieves a more effective consolidation and more efficient utilization of the carrier capacity offers.