Flux RSS

Aide à la conception de chaînes logistiques humanitaires efficientes et résilientes : application au cas de crises récurrentes péruviennes

Débutée le : 01/09/2011 Soutenue le : 15/10/2014
Axes : 
  • Axe 1 : IO
Encadrement : 
Membre du jury : 
  • Président :
  • Rapporteur :
  • Examinateur :
  • Invité :
Resume: 

La thèse cherche à analyser et à proposer une meilleure gestion de chaîne d'approvisionnement humanitaire, grâce au contrôle des stocks pré-positionnés et la gestion des sources, atteignant un haut niveau de services dans les entrepôts qui appartiennent aux réseaux des systèmes de reliefs péruviens. Les catastrophes à considérer dans cette étude sont les effets du tremblement de terre, en raison de la vulnérabilité, résilience, urbaine et des risques géologiques au Pérou, en vertu du cadre du système national de défense civile (SINADECI), institution péruvienne, en charge de secours aux sinistrés au Pérou.

Projets liés à la thèse

Aucun résultat n'a été trouvé.

Publications associées à la thèse

  • A decision support system for robust humanitarian facility location

    Références :
    Jorge Vargas Florez, Matthieu Lauras, Uche Okongwu et Lionel Dupont. « A decision support system for robust humanitarian facility location ». In : Engineering Applications of Artificial Intelligence 46, Part B (nov. 2015). P. 326--335. ISSN : 0952-1976. DOI : 10.1016/j.engappai.2015.06.020.
    Each year, more than 400 natural disasters hit the world. To be more responsive, humanitarians organize stocks of relief items. It is an issue to know the quantity of items to be stored and where they should be positioned. Many authors have tried to address this issue both in industrial and humanitarian environments. However, humanitarian supply chains today do not perform correctly, particularly as regards resilience and efficiency. This is mainly due to the fact that when a disaster occurs, some hazards can strongly impact the network by destroying some resources or collapsing infrastructure. The expected performance of the relief response is consequently strongly decreased. The problem statement of our research work consists in proposing a decision-making support model in artificial intelligence dedicated to the humanitarian world and capable of designing a coherent network that is still able to adequately manage the response to a disaster despite failures or inadequacies of infrastructure and potential resources. This contribution is defined through a Stochastic Multi-Scenarios Program as a core and a set of extensions. A real-life application case based on the design of a humanitarian supply chain in Peru is developed in order to highlight the benefits and limits of the proposition.
    Keywords: efficiency, Facility location, Humanitarian supply chain, Pre-positioning, Resilience, Stochastic Multi-Scenarios Program