Uncertainty in Crowd-Based Last-Mile Logistics

Internet est passé des e-mails dans les années 60 à la vente en ligne dans les années 90. Les premiers détaillants en ligne des années 90, comme Amazon, par exemple, détenaient une infime partie du marché par rapport aux détaillants géants de brique et de mortier, comme Walmart. Amazon a désormais dépassé Walmart en tant que plus grand détaillant au monde. La peur d'être infecté par des agents pathogènes dangereux, comme les coronavirus, dans les espaces publics a exacerbé le passage des achats physiques au commerce électronique. Faire les courses en toute sécurité chez soi et se faire livrer tous les articles a augmenté la demande pour la livraison à domicile. De plus, l'effet généralisé de la mondialisation, l'interconnectivité croissante des individus dans les sociétés et l'accessibilité croissante aux nouvelles technologies ont autonomisé les gens au début de ce siècle comme jamais auparavant, donnant naissance à une pléthore d'entreprises et d'organisations innovantes qui remettent en question le statu quo et contournent les barrières du marché qui protégeaient le pouvoir de méga-joueurs bien établis. Les petites startups surmontent les barrières du marché avec peu d'investissements ou d'infrastructures. Même le capital n'est plus un obstacle insurmontable pour les nouvelles entreprises comme il l'était auparavant, avec son accessibilité croissante via des canaux non conventionnels tels que le capital de risque, les investisseurs providentiels ou le financement participatif plus récent, où les personnes ordinaires avec un revenu moyen peuvent faire un petit ou grand apport de capital sur une communauté en ligne à quelqu'un qui travaille sur un projet qui lui plaît. Ces nouvelles entreprises sont non seulement en concurrence pour les marchés existants, mais elles en créent également de nouveaux, transforment les systèmes, modifient les comportements des clients et remettent en question les paradigmes commerciaux bien établis. En raison des nouvelles technologies et de la forte demande de livraisons à domicile, le «crowdshipping» est devenu une solution à faible coût pour satisfaire la demande. Le «crowdshipping» consiste à utiliser des véhicules personnels sous-utilisés, appartenant à des personnes ordinaires, pour effectuer les livraisons. Les chauffeurs indépendants sont des personnes qui possèdent un véhicule et sont prêtes à livrer des colis moyennant une indemnisation. Contrairement aux chauffeurs professionnels, les chauffeurs indépendants sont libres de choisir quand et comment ils travaillent. Les chauffeurs indépendants ont un ensemble de caractéristiques inconnues qui représentent un défi lors de la planification des itinéraires de livraison. Ils pourraient avoir un déplacement prévu avec une destination fixe et pourraient être disposés à livrer certains colis tant que la distance totale ajoutée à leur déplacement prévu n'est pas trop longue. Globalement, la volonté de livrer des colis peut être conditionnée par une série de préférences personnelles, par exemple, le montant de la compensation ou les conditions météorologiques. De plus, les véhicules des chauffeurs indépendants ne sont pas conçus pour la livraison de colis. Les chauffeurs indépendants ont des véhicules de différents modèles, certains peuvent être de petits véhicules, d'autres peuvent être de grande taille. L'offre de chauffeurs indépendants dépendrait de ces préférences. Traditionnellement, les problèmes de tournées de véhicules stochastiques tiennent compte de l'incertitude qui provient des clients, par exemple, des demandes stochastiques. Dans le «crowdshipping», l'incertitude peut provenir des chauffeurs indépendants, ce qui représente un changement de paradigme. L'objectif de cette thèse est d'identifier et d'explorer les principales sources d'incertitude dans la logistique du dernier kilomètre basée sur le recours à des chauffeurs indépendants et de développer des outils mathématiques pour obtenir des informations précieuses sur ces propriétés stochastiques. Le chapitre 4 introduit une nouvelle variante stochastique du problème de tournées de véhicules. Une plateforme de «crowdshipping» doit satisfaire un ensemble de demandes de livraison d'un dépôt central avec une flotte mixte des véhicules professionnels et des chauffeurs indépendants. L'offre de chauffeurs indépendants est considérée comme stochastique, ainsi, les itinéraires créés pour les chauffeurs indépendants pourraient potentiellement être rejetés, entraînant des coûts supplémentaires. Des actions de recours sont introduites qui considèrent l'utilisation de véhicules réguliers pour desservir les itinéraires rejetés par les chauffeurs indépendants. Une formulation de programmation stochastique en deux étapes est proposée et un algorithme exact de «branch-and-price» est développé pour résoudre de grandes instances avec 100 clients. Un algorithme d'évaluation cohérent est développé pour résoudre tous les problèmes d'évaluation d'itinéraires en un seul. Les limites supérieures sont dérivées du nombre total d'itinéraires qui devraient être offerts aux chauffeurs indépendants potentiels. La probabilité de rejet d'itinéraire est modélisée comme dépendant de l'ensemble d'itinéraires proposés aux chauffeurs indépendants. La valeur de la solution stochastique s'élève à 21%. Une analyse de sensibilité est effectuée sur les hypothèses d'acceptation des itinéraire. Cette analyse montre qu'il n'y a aucune différence entre donner la priorité à l'attribution des itinéraires les plus coûteux aux chauffeurs indépendants en premier et l'hypothèse selon laquelle les chauffeurs indépendants choisiront en premier l'itinéraire le mieux compensé. Le Chapitre 5 introduit une nouvelle variante stochastique du problème de tournées de véhicules où la destination des chauffeurs indépendants peut être stochastique. Les chauffeurs indépendants ne souhaitent pas s'écarter beaucoup de leurs destinations. Les destinations peuvent changer d'un jour à l'autre en fonction des préférences des chauffeurs indépendants. Une contrainte de durée de parcours est prise en compte sous l'hypothèse que cela peut augmenter la participation. Un modèle stochastique en deux étapes est proposé et une heuristique de génération de colonnes est développée pour résoudre les grandes instances. Les résultats montrent que la localisation géographique des destinations peut avoir un impact sur le coût total espéré. Les destinations plus éloignées du dépôt réduisent le plus le coût prévu de l'opération. Une analyse de sensibilité sur la structure de coûts montre que les instances dont les destinations sont éloignées du dépôt central sont plus sensibles au coût variable qu'au coût fixe. Lorsque la rémunération variable est suffisamment élevée, les instances avec des destinations de chauffeurs indépendants à proximité immédiate du dépôt central réduisent le plus le coût espéré. Enfin, le Chapitre 6 considère le cadre du chapitre 4 et détermine la valeur de compensation à payer aux chauffeurs indépendants. Lorsque la rémunération est trop élevée, les chauffeurs indépendants ne sont pas une bonne option par rapport à la flotte de véhicules professionnels. Lorsque la compensation est trop faible, les chauffeurs indépendants ne veulent pas participer. Un équilibre de marché est trouvé qui minimise le coût total espéré des opérations compte tenu l'incertitude sur le niveau de participation des chauffeurs indépendants.